CN102033932A - 面向一体化设计的城市轨道交通站点分类方法 - Google Patents
面向一体化设计的城市轨道交通站点分类方法 Download PDFInfo
- Publication number
- CN102033932A CN102033932A CN201010594362XA CN201010594362A CN102033932A CN 102033932 A CN102033932 A CN 102033932A CN 201010594362X A CN201010594362X A CN 201010594362XA CN 201010594362 A CN201010594362 A CN 201010594362A CN 102033932 A CN102033932 A CN 102033932A
- Authority
- CN
- China
- Prior art keywords
- website
- influence
- factor
- traffic station
- station point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
一种面向一体化设计的城市轨道交通站点分类方法，包括步骤：(1)采集原始数据，建立站点初始变量信息数据库A；(2)参数配置，指标计算，生成站点影响因子关系数据库B；(3)数据无量纲标准化预处理；(4)主成分D-特征指标提取；(5)城市轨道交通站点的聚类；(6)分析结果并存储站点分类。采用本方法，用户可在一定的标准框架内自行调整采集的初始变量内容，由SPSS语句自动提取得到站点的主成分D-特征指标，并进行聚类获取数据类，克服了以往分析中定性笼统获取分类、采集变量内容不全面、分析结果单一、自动程度低下等缺陷，因而具有很强的普适性，且其效率和质量都有提高，可为城市轨道交通站点的一体化设计等城市轨道交通的设计提供技术支撑。
Description
技术领域
本发明属于城市公共交通规划领域，尤其涉及一种面向一体化的城市轨道交通站点分类方法。
背景技术
城市轨道交通站点是城市公共交通网络的一个节点，同时也是一个设施集中、有着多样化的建筑物和开放空间的区域。不同类型的城市轨道交通站点具有不同的服务特征，以反映该站点的交通功能和城市功能。在我国，随着城市轨道交通建设过程中对城市轨道交通与地面交通一体化衔接的日益重视，针对轨道交通站点的一体化设计都需要对站点进行分类分析，提高城市轨道交通与地面交通一体化设计的效率。
目前，国内外均没有出台城市轨道交通站点的特征分类的相关标准。许多学者出于本身研究的需要，往往只是对城市轨道交通站点进行定性的分类，没有综合考虑土地利用与综合交通的影响做出可量化的判断依据，不能真实反映站点的特征，进而影响设计的准确性。
发明内容
本发明解决的技术问题是，现有技术中城市轨道交通与地面交通一体化设计的效率不高，影响设计效率的因素之一是，城市轨道交通站点分类存在缺陷。
本发明针对现有城市轨道交通设计中站点分类技术的缺陷，采用的技术方案是，通过采集城市轨道交通站点的合理吸引区范围内的土地利用及综合交通情况的数据，合理设计站点影响因子关系数据库，提出基于PCA分析和聚类分析的城市轨道交通站点功能特征的分类方法，采用SPSS软件运行获取城市轨道交通站点分类。
本发明的技术效果是，使站点功能特征分类更符合实际情况，提高真实性和合理性。
本发明的具体技术方案如下：
步骤1：采集原始数据，建立站点初始变量信息数据库A
城市轨道交通站点初始变量数据库A是进行城市轨道交通站点影响指标计算，建立站点影响因子关系数据库B的基础。
获取站点初始变量信息数据需要搜集的资料：轨道交通站点沿线用地控制规划或城市用地控制规划(规划年)、城市综合交通规划(规划年)。以城市轨道交通站点为圆心，以站点吸引乘客的最大步行距离为半径，划定初始变量信息数据的采集区域。
站点初始变量信息数据表的字段构成如下：居住用地的地块面积(km)、就业性质用地的地块面积(km2)、路段的中心线长度(km)、公交运营线路总长度(km)、有公交服务的城市用地面积(km2)、公交换乘枢纽个数(个)、轨道交通线路长度(km)、有轨道交通服务的城市用地面积(km2)、客运场站日客流量(人次/日)。
数据表通过“线路-站点编号”字段明确初始变量信息的从属关系，以确定不同线路的不同站点的初始变量数据。
步骤2：参数配置，指标计算，建立站点影响因子关系数据库B；
获取站点初始变量信息数据库A后，针对不同站点的城市位置及发展程度进行判断，配置不同参数，进行站点影响指标的计算，生成站点影响因子关系数据库B。
参数字段构成如下：建筑容积率R、商业用地效能系数ω、城市道路通行能力折减系数K、人均居住建筑面积s1、人均就业建筑面积s2。
站点影响因子关系数据表包括以下字段：居住用地面积比例Rp(％)、商业用地效能Bp(％)、人口密度PDp(人/km2)、就业密度EDp(人/km2)、等效路网密度NDp(km/km2)、公交干线线网密度μp(km/km2)、轨道交通线网密度σp(km/km2)、客运场站的日客流量(人次/日)。
数据表通过“线路-站点编号”字段明确站点影响因子关系数据的从属关系，以确定不同线路的不同站点的影响因子关系数据。
步骤3：数据无量纲标准化预处理
站点影响因子关系数据库B中的各个指标之间的单位和量级不同，必须通过无量纲标准化预处理消除不同的衡量单位和量级的影响，无量纲化后各变量的平均值为0，标准差为1。标准化方法是目前多变量综合分析中使用最多的一种方法，即每一变量值与其平均值之差除以该变量的标准差。
步骤4：站点主成分D-特征指标提取
PCA分析是设法将站点影响因子关系数据库B中具有一定相关性的字段数据重新组合成一组新的互相无关的综合指标来代替原来的指标，将原来n个指标作线性组合，作为新的综合指标。
主成分D-特征指标是通过PCA分析、采用SPSS运行得到的新的站点影响因子综合指标。主成分D-特征指标D1主要替代了居住用地面积比例、居住人口密度，集中反映居住性质对城市轨道交通站点的影响；主成分D-特征指标D2主要替代了商业用地效能、就业人口密度，集中反映就业性质对城市轨道交通站点的影响；主成分D-特征指标D3主要替代了等效路网密度、轨道交通线网密度、公交干线线网密度，集中反映站点周边交通线网的密度特征对城市轨道交通站点的影响；主成分D-特征指标D4主要替代了客运场站日客流量、公交换乘枢纽个数，集中反映站点周边大型客流集散点对城市轨道交通站点的影响。
步骤5：城市轨道交通站点的聚类
聚类分析基于“物以类聚”的思想，以主成分D-特征指标(D1～D4)作为聚类因子进行聚类，用来帮助城市轨道交通站点影响因子主成分D-特征指标数据的分布、了解各数据类的特征、确定数据类。
步骤6：分析结果并存储站点分类
结合站点情况分析结果，一般情况下，可获取分类结果字段构成如下：居住区站、商业区站、综合枢纽站、交通接驳站、一般站点。
与现有的站点分类技术相比，本发明具有如下优点：
本发明在统一框架的基础上将采集的土地利用情况与综合交通情况的数据处理各环节有机集成，用户可在一定的标准框架内自行调整采集的初始变量内容，由SPSS语句自动提取得到站点的主成分D-特征指标，并进行聚类获取数据类，克服了以往分析中定性笼统获取分类、采集变量内容不全面、分析结果单一、自动程度低下等缺陷，因而具有很强的普适性，且其效率和质量都有提高，可为城市轨道交通站点的一体化设计等城市轨道交通的设计提供技术支撑。
附图说明
图1为面向一体化的城市轨道交通站点分类方法流程图。
具体实施方式
如图1所示，本发明的一种面向一体化的城市轨道交通站点分类方法实施包括如下步骤：
步骤1：采集原始数据，建立站点初始变量信息数据库A
搜集轨道交通站点沿线用地控制规划或城市用地控制规划(规划年)、城市综合交通规划(规划年)资料。以城市轨道交通站点为圆心，以站点吸引乘客的最大步行距离1100m为半径，划定初始变量信息数据的采集区域，按用地的低强度开发、中强度开发和高强度开发程度分成0～200m、200～500m、500～1100m三个圈层进行测算。
在0～1100m的站点吸引区范围内，测量公交运营线路总长度、轨道交通线路长度、公交换乘站点个数、各种类型用地面积之和、大中型客流集散点规划年的日客流量；在0～200m、200～500m、500～1100m三个圈层的站点吸引区范围内，分别测量不同用地类型的地块面积，包括居住用地、就业性质用地(工业用地、商业用地、行政用地、文娱用地、医疗用地、市政公用用地)，不包括道路、河流、湖泊、公共绿地等无人工作的用地。
基于Microsoft Excel建立站点初始变量信息数据表的以上字段，字段类型均为整型，对应不同城市轨道交通线路的不同站点，分别编号“*线路_*站点”，生成站点初始变量信息数据库A。
步骤2：参数配置(如表1、2和3)，指标计算(如表4)，建立站点影响因子关系数据库B；
获取站点初始变量信息数据库A后，针对不同站点的城市位置及发展程度进行判断，配置不同参数，进行站点影响指标的计算，生成站点影响因子关系数据库B。
参数配置表包括以下字段：建筑容积率R、商业用地效能系数ω、城市道路通行能力折减系数K、人均居住建筑面积s1、人均就业建筑面积s2，字段类型均为整型。
站点影响因子关系数据表包括以下字段：居住用地面积比例Rp(％)、商业用地效能Bp(％)、人口密度PDp(人/km2)、就业密度EDp(人/km2)、等效路网密度NDp(km/km2)、公交干线线网密度μp(km/km2)、轨道交通线网密度σp(km/km2)、客运场站的日客流量(人次/日)。
表1 基础参数说明
表2 基础参数配置依据及取值
表3 人均占有建筑面积参数配置
| 代号 | 人均占有建筑面积类型 | 人均占有建筑面积值 |
| s1 | 人均居住用地建筑面积 | 35m2 |
| s2 | 人均就业用地建筑面积 | 25m2 |
表4 影响因子计算方法
基于Microsoft Excel建立站点影响因子关系数据表的以上字段，对应不同城市轨道交通线路的不同站点，分别编号“*线路_*站点”，站点影响因子关系数据库B。
步骤3：数据无量纲标准化预处理
站点影响因子关系数据库B中的各个指标之间的单位和量级不同，必须通过无量纲标准化预处理消除不同的衡量单位和量级的影响，无量纲化后各变量的平均值为0，标准差为1。标准化方法是目前多变量综合分析中使用最多的一种方法，即每一变量值与其平均值之差除以该变量的标准差，采用SPSS软件运行自动完成。
操作如下：
a)打开SPSSv15.0，调入站点影响因子关系数据表文件；
b)选择【Analyze】→【Descriptives Statistics】→【Descriptives】，进入FactorAnalysis主对话框，从源变量框中选择分析变量，选择“save as standardized values asvariables”；
c)保存站点影响因子标准化数据表文件；
步骤4：站点主成分D-特征指标提取
主成分D-特征指标是通过PCA分析、采用SPSS运行得到的新的站点影响因子综合指标，设法将站点影响因子关系数据库B中具有一定相关性的字段数据重新组合成一组新的互相无关的综合指标来代替原来的指标，将原来n个指标作线性组合，作为新的综合指标。
操作如下：
a)打开SPSSv15.0，调入站点影响因子标准化数据表文件；
b)选择【Analyze】→【Data Reduction】→【Factor Analysis】，进入Factor Analysis主对话框，从源变量框中选择分析变量；
c)在Factor Analysis主对话框中，点击“Descriptives”按钮，进入FactorAnalysis：Descriptives对话框，选择单变量的描述统计量和初始分析结果。
d)在Factor Analysis主对话框中，点击“Extraction”按钮，进入Factor Analysis：Extraction对话框，在Method参数框中选择Method：Principal components，在Analyze栏、Display栏、Extract栏、Maximum Iterations for Convergence栏均选择默认设置；
e)在Factor Analysis主对话框中，点击“Rotation”按钮，进入Factor Analysis：Rotation对话框，在Method栏中选择因子旋转方法Method：Varimax，其他栏选择默认设置；
f)在Factor Analysis主对话框中，点击“Scores”按钮，进入Factor Analysis：Factor Scores对话框，选择Save as variables，在Method栏中选择Regression方法，其他栏选择默认设置；
g)在Factor Analysis主对话框中，点击“Options”按钮，进入Factor Analysis：Options对话框，选择有关输出方式；
h)点击“OK”按钮，运行，得到描述统计量表、相关矩阵表、变量的共同度表、全部解释变量表、旋转前后的主成分载荷矩阵表，保存主成分D-特征指标(D1～D4)得分表。
第一维度主成分D-特征指标D1主要替代了居住用地面积比例、居住人口密度，集中反映居住性质对城市轨道交通站点的影响；第二维度主成分D-特征指标D2主要替代了商业用地效能、就业人口密度，集中反映就业性质对城市轨道交通站点的影响；第三维度主成分D-特征指标D3主要替代了等效路网密度、轨道交通线网密度、公交干线线网密度，集中反映站点周边交通线网的密度特征对城市轨道交通站点的影响；第四维度主成分D-特征指标D4主要替代了客运场站日客流量、公交换乘枢纽个数，集中反映站点周边大型客流集散点对城市轨道交通站点的影响。
步骤5：城市轨道交通站点的聚类
聚类分析基于“物以类聚”的思想，以主成分D-特征指标(D1～D4)作为聚类因子进行聚类，用来帮助城市轨道交通站点影响因子主成分D-特征指标数据的分布、了解各数据类的特征、确定数据类。
操作如下：
a)打开SPSSv15.0，调入主成分D-特征指标(D1～D4)得分表文件；
b)选择【Analyze】→【Classify】→【Hierarchical Cluster】，进入HierarchicalCluster Analysis主对话框，添加分析变量(D1～D4)，在“Cluster”选项中选择“Cases”，其他栏选择默认设置；
c)在Hierarchical Cluster Analysis主对话框中，点击“Statistics”按钮，进入Factor Analysis：Statistics对话框，选择要求输出的统计量；
d)在Hierarchical Cluster Analysis主对话框中，点击“Method”按钮，进入Factor Analysis：Cluster Method对话框，根据需要选择聚类方法；
e)在Hierarchical Cluster Analysis主对话框中，点击“Plots”按钮，进入FactorAnalysis：Plots对话框，选择输出的统计图表；
f)点击“OK”按钮，运行，得到聚类过程表、冰柱图、树形图。
步骤6：分析结果并存储站点分类
结合站点情况分析结果，将分类结果保存至“站点分类结果.xlsx”，一般情况下，可获取如下分类字段：居住区站、商业区站、综合枢纽站、交通接驳站、一般站点。
按照以上步骤，对苏州市轨道交通一号线与二号线的45个站点进行数据采集和软件分析，获取站点分类结果：
表5 面向一体化设计的苏州市轨道交通一号线/二号线站点分类
表6 苏州市轨道交通一号线和二号线站点主导特征
Claims (8)
1.一种面向一体化设计的城市轨道交通站点分类方法，其特征是步骤包括：
1)采集原始数据，建立站点初始变量信息数据库A：
获取站点初始变量信息数据需要搜集的原始数据资料包括：轨道交通站点沿线用地控制规划/城市用地控制规划和城市综合交通规划；
以城市轨道交通站点为圆心、以站点吸引乘客的最大步行距离为半径，划定初始变量信息数据的采集区域；
2)参数配置，指标计算，建立站点的影响因子关系数据库B；
获取站点初始变量信息数据库A后，针对不同站点的城市位置及发展程度进行判断、配置不同参数、进行站点的影响因子的计算，最终生成站点影响因子关系数据库B；
3)数据无量纲标准化预处理：
站点的影响因子关系数据库B中的各个站点的影响因子之间的单位和量级不同，通过无量纲标准化方法预处理消除不同的衡量单位和量级的影响；无量纲化后各变量的平均值为0，标准差为1；
4)站点主成分D-特征指标提取：
主成分D-特征指标是通过PCA分析、采用SPSS运行得到的新的站点的影响因子综合指标；
5)城市轨道交通站点的聚类：
以主成分D-特征指标作为聚类因子进行聚类；
6)分析结果并存储站点分类：
结合站点情况分析结果，获取分类结果。
2.根据权利要求1所述的面向一体化设计的城市轨道交通站点分类方法，其特征是所述步骤1)中，站点初始变量信息数据表的字段构成如下：居住用地的地块面积、就业性质用地的地块面积、路段的中心线长度、公交运营线路总长度、有公交服务的城市用地面积、公交换乘枢纽个数、轨道交通线路长度、有轨道交通服务的城市用地面积、客运场站日客流量。
3.根据权利要求2所述的面向一体化设计的城市轨道交通站点分类方法，其特征是所述步骤1)中，站点初始变量信息数据表通过“线路-站点编号”字段明确初始变量信息的从属关系，以确定不同线路的不同站点的初始变量数据。
4.根据权利要求2所述的面向一体化设计的城市轨道交通站点分类方法，其特征是所述步骤2)中，数据库B的参数字段构成如下：建筑容积率R、商业用地效能系数ω、城市道路通行能力折减系数K、人均居住建筑面积s1、人均就业建筑面积s2；
站点的影响因子关系数据表包括以下字段：居住用地面积比例Rp、商业用地效能Bp、人口密度PDp、就业密度EDp、等效路网密度NDp、公交干线线网密度μp、轨道交通线网密度σp、客运场站的日客流量。
5.根据权利要求4所述的面向一体化设计的城市轨道交通站点分类方法，其特征是所述步骤2)中，数据库B的数据表通过“线路-站点编号”字段明确站点影响因子关系数据的从属关系，以确定不同线路的不同站点的影响因子关系数据。
6.根据权利要求1所述的面向一体化设计的城市轨道交通站点分类方法，其特征是所述步骤3)中，标准化方法是，每一变量值与其平均值之差除以该变量的标准差。
7.根据权利要求4所述的面向一体化设计的城市轨道交通站点分类方法，其特征是所述步骤4)中，主成分D-特征指标D1替代了居住用地面积比例、居住人口密度，集中反映居住性质对城市轨道交通站点的影响；
主成分D-特征指标D2主要替代了商业用地效能、就业人口密度，集中反映就业性质对城市轨道交通站点的影响；
主成分D-特征指标D3主要替代了等效路网密度、轨道交通线网密度、公交干线线网密度，集中反映站点周边交通线网的密度特征对城市轨道交通站点的影响；
主成分D-特征指标D4主要替代了客运场站日客流量、公交换乘枢纽个数，集中反映站点周边大型客流集散点对城市轨道交通站点的影响。
8.根据权利要求7所述的面向一体化设计的城市轨道交通站点分类方法，其特征是所述步骤6)中，分类结果字段构成是，居住区站、商业区站、综合枢纽站、交通接驳站、一般站点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010594362XA CN102033932A (zh) | 2010-12-17 | 2010-12-17 | 面向一体化设计的城市轨道交通站点分类方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010594362XA CN102033932A (zh) | 2010-12-17 | 2010-12-17 | 面向一体化设计的城市轨道交通站点分类方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102033932A true CN102033932A (zh) | 2011-04-27 |
Family
ID=43886825
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201010594362XA Pending CN102033932A (zh) | 2010-12-17 | 2010-12-17 | 面向一体化设计的城市轨道交通站点分类方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102033932A (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102622874A (zh) * | 2012-03-29 | 2012-08-01 | 杨涛 | 一种面向特种路段城市车辆快速轨道通行系统 |
| CN104217281A (zh) * | 2014-08-14 | 2014-12-17 | 天津大学 | 一种面向城市组团规划的电网规划方法 |
| CN104299166A (zh) * | 2014-08-14 | 2015-01-21 | 天津大学 | 大城市周边地区组团发展策略背景下的配电网评价方法 |
| CN106454729A (zh) * | 2016-10-09 | 2017-02-22 | 广州杰赛科技股份有限公司 | 一种城市轨道交通站点选址规划方法和装置 |
| CN106652434A (zh) * | 2016-12-02 | 2017-05-10 | 东南大学 | 一种基于轨道交通协调的公交调度方法 |
| CN106960213A (zh) * | 2017-02-14 | 2017-07-18 | 广东广业开元科技有限公司 | 一种基于大数据分析的消防安全重点单位等级排序系统 |
| CN107832779A (zh) * | 2017-12-11 | 2018-03-23 | 北方工业大学 | 一种轨道站点分类系统 |
| CN108804569A (zh) * | 2018-05-23 | 2018-11-13 | 上海市城市建设设计研究总院（集团）有限公司 | 基于人工智能的地下空间人流量预测方法 |
| CN108876075A (zh) * | 2017-05-09 | 2018-11-23 | 天津师范大学 | 城市轨道交通站点地区宜步行性评价方法 |
| CN110334321A (zh) * | 2019-06-24 | 2019-10-15 | 天津城建大学 | 一种基于兴趣点数据的城市轨交站区功能识别方法 |
| CN110399402A (zh) * | 2019-07-12 | 2019-11-01 | 天津市市政工程设计研究院 | 一种基于大数据的轨道交通站点分类方法 |
| CN110738244A (zh) * | 2019-09-29 | 2020-01-31 | 中国科学院深圳先进技术研究院 | 一种基于刷卡数据的地铁站点功能及其演化识别方法、系统及电子设备 |
| CN113516281A (zh) * | 2021-04-30 | 2021-10-19 | 中国城市规划设计研究院 | 一种城市轨道覆盖比例确定方法及系统 |
| CN113538039A (zh) * | 2021-06-28 | 2021-10-22 | 北京爱笔科技有限公司 | 客流数据的归因方法、装置、计算机设备和存储介质 |
| CN113705623A (zh) * | 2021-08-06 | 2021-11-26 | 深圳集智数字科技有限公司 | 一种轨道交通站点的分类方法及装置 |
| CN114266490A (zh) * | 2021-12-24 | 2022-04-01 | 安徽省道路运输管理服务中心 | 一种高效且精确的综合交通运输网络安全风险点辨识方法 |
-
2010
- 2010-12-17 CN CN201010594362XA patent/CN102033932A/zh active Pending
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102622874A (zh) * | 2012-03-29 | 2012-08-01 | 杨涛 | 一种面向特种路段城市车辆快速轨道通行系统 |
| CN104217281B (zh) * | 2014-08-14 | 2018-03-13 | 天津大学 | 一种面向城市组团规划的电网规划方法 |
| CN104217281A (zh) * | 2014-08-14 | 2014-12-17 | 天津大学 | 一种面向城市组团规划的电网规划方法 |
| CN104299166A (zh) * | 2014-08-14 | 2015-01-21 | 天津大学 | 大城市周边地区组团发展策略背景下的配电网评价方法 |
| CN104299166B (zh) * | 2014-08-14 | 2018-03-13 | 天津大学 | 大城市周边地区组团发展策略背景下的配电网评价方法 |
| CN106454729A (zh) * | 2016-10-09 | 2017-02-22 | 广州杰赛科技股份有限公司 | 一种城市轨道交通站点选址规划方法和装置 |
| CN106652434A (zh) * | 2016-12-02 | 2017-05-10 | 东南大学 | 一种基于轨道交通协调的公交调度方法 |
| CN106960213A (zh) * | 2017-02-14 | 2017-07-18 | 广东广业开元科技有限公司 | 一种基于大数据分析的消防安全重点单位等级排序系统 |
| CN108876075A (zh) * | 2017-05-09 | 2018-11-23 | 天津师范大学 | 城市轨道交通站点地区宜步行性评价方法 |
| CN108876075B (zh) * | 2017-05-09 | 2023-08-25 | 天津师范大学 | 城市轨道交通站点地区宜步行性评价方法 |
| CN107832779A (zh) * | 2017-12-11 | 2018-03-23 | 北方工业大学 | 一种轨道站点分类系统 |
| CN108804569A (zh) * | 2018-05-23 | 2018-11-13 | 上海市城市建设设计研究总院（集团）有限公司 | 基于人工智能的地下空间人流量预测方法 |
| CN110334321A (zh) * | 2019-06-24 | 2019-10-15 | 天津城建大学 | 一种基于兴趣点数据的城市轨交站区功能识别方法 |
| CN110334321B (zh) * | 2019-06-24 | 2023-03-31 | 天津城建大学 | 一种基于兴趣点数据的城市轨交站区功能识别方法 |
| CN110399402A (zh) * | 2019-07-12 | 2019-11-01 | 天津市市政工程设计研究院 | 一种基于大数据的轨道交通站点分类方法 |
| CN110399402B (zh) * | 2019-07-12 | 2023-05-23 | 天津市政工程设计研究总院有限公司 | 一种基于大数据的轨道交通站点分类方法 |
| CN110738244B (zh) * | 2019-09-29 | 2022-06-21 | 中国科学院深圳先进技术研究院 | 一种基于刷卡数据的地铁站点功能及其演化识别方法、系统及电子设备 |
| CN110738244A (zh) * | 2019-09-29 | 2020-01-31 | 中国科学院深圳先进技术研究院 | 一种基于刷卡数据的地铁站点功能及其演化识别方法、系统及电子设备 |
| CN113516281A (zh) * | 2021-04-30 | 2021-10-19 | 中国城市规划设计研究院 | 一种城市轨道覆盖比例确定方法及系统 |
| CN113516281B (zh) * | 2021-04-30 | 2023-07-04 | 中国城市规划设计研究院 | 一种城市轨道覆盖比例确定方法及系统 |
| CN113538039A (zh) * | 2021-06-28 | 2021-10-22 | 北京爱笔科技有限公司 | 客流数据的归因方法、装置、计算机设备和存储介质 |
| CN113705623A (zh) * | 2021-08-06 | 2021-11-26 | 深圳集智数字科技有限公司 | 一种轨道交通站点的分类方法及装置 |
| CN114266490A (zh) * | 2021-12-24 | 2022-04-01 | 安徽省道路运输管理服务中心 | 一种高效且精确的综合交通运输网络安全风险点辨识方法 |
| CN114266490B (zh) * | 2021-12-24 | 2024-03-29 | 安徽省道路运输管理服务中心 | 一种高效且精确的综合交通运输网络安全风险点辨识方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102033932A (zh) | 面向一体化设计的城市轨道交通站点分类方法 | |
| CN104464321B (zh) | 一种基于交通运行指数发展态势的智能交通诱导方法 | |
| CN107526786A (zh) | 基于多源数据的地名地址数据整合的方法和系统 | |
| CN105206048A (zh) | 一种基于交通od数据的城市居民群体换乘模式发现系统及方法 | |
| CN103236163A (zh) | 一种基于群智网络的交通拥堵规避提示系统 | |
| CN102393928A (zh) | 基于宏、中、微观交通仿真平台交互使用的交通仿真集成系统 | |
| CN104809112A (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
| CN109189917A (zh) | 一种融合景观和社会特征的城市功能区划分方法及系统 | |
| CN106651027A (zh) | 一种基于社交网络的互联网班车线路优化方法 | |
| CN106997662B (zh) | 一种城市公交车工况构建方法 | |
| CN109684373A (zh) | 基于出行和话单数据分析的重点关系人发现方法 | |
| CN109003128A (zh) | 基于改进的随机森林公共自行车站点需求量预测方法 | |
| CN111931998A (zh) | 一种基于移动定位数据的个体出行模式预测方法及系统 | |
| Li et al. | Tourism flow between major cities during China’s national day holiday: A social network analysis using Weibo Check-in data | |
| Li | Space-time distribution model of visitor flow in tourism culture construction via back propagation neural network model | |
| CN116664095B (zh) | 一种基于深度学习的安保巡检预测方法 | |
| CN113256978A (zh) | 一种城市拥堵地区的诊断方法、系统及储存介质 | |
| CN116415756B (zh) | 一种基于vr技术的城市虚拟场景体验管理系统 | |
| CN115730731A (zh) | 一种城市高碳排空间单元自动识别方法及展示平台 | |
| CN115345513A (zh) | 一种智慧城市系统末端设备大数据信息采集系统 | |
| CN107436945A (zh) | 一种基于电子地图的信息采集方法及系统 | |
| CN111678531B (zh) | 一种基于LightGBM的地铁路径规划方法 | |
| CN115115233A (zh) | 一种公交与地铁之间换乘服务水平确定方法 | |
| CN106485921A (zh) | 一种基于社交数据的区域高速路网车流状态分析方法 | |
| CN113744525A (zh) | 一种基于特征提取与深度学习的交通分布预测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| ASS | Succession or assignment of patent right |
Owner name: SZQG CO., LTD. Free format text: FORMER OWNER: SOWTHEAST UNIV. Effective date: 20111212 Owner name: SOWTHEAST UNIV. Effective date: 20111212 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| COR | Change of bibliographic data |
Free format text: CORRECT: ADDRESS; FROM: 210096 NANJING, JIANGSU PROVINCE TO: 215006 SUZHOU, JIANGSU PROVINCE |
|
| TA01 | Transfer of patent application right |
Effective date of registration: 20111212 Address after: Nanyuan Road Canglang District of Suzhou city of Jiangsu Province, No. 118 215006 Applicant after: Suzhou Rail Transit Co., Ltd. Co-applicant after: Southeast University Address before: 210096 Jiangsu city Nanjing Province four pailou No. 2 Applicant before: Southeast University |
|
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110427 |