CN105095993A - 一种轨道站点客流量预测系统及方法 - Google Patents
一种轨道站点客流量预测系统及方法 Download PDFInfo
- Publication number
- CN105095993A CN105095993A CN201510435410.3A CN201510435410A CN105095993A CN 105095993 A CN105095993 A CN 105095993A CN 201510435410 A CN201510435410 A CN 201510435410A CN 105095993 A CN105095993 A CN 105095993A
- Authority
- CN
- China
- Prior art keywords
- traffic
- railway station
- trip
- urban railway
- passenger flow
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种轨道站点客流量预测系统及方法,包括根据不同用地性质出行率和用地性质、人口,建立出行生成量计算模型,计算不同用地的出行产生量和吸引量;运用双约束重力模型得出全方式交通分布矩阵,运用多层次方式划分的方法,结合城市调查数据利用距离转移曲线法得出轨道站点出行分担率,从而计算得出轨道交通分布矩阵;利用地理信息系统,建立道路网络集,以不同吸引区的合理距离为阻抗,创建客流吸引区;通过对轨道站点客流吸引范围的界定,得到各吸引范围的轨道站点乘降量,结合轨道站点乘降量计算模型,计算出轨道站点客流量。
Description
技术领域
本发明涉及一种轨道站点客流量预测系统及方法。
背景技术
目前国内采用的客流预测方法多是基于交通软件如TRANSCAD、EMME、VISION、CUBE等,建立全市轨道线网客流预测模型对全网客流量预测后得出单个轨道站点的客流量。该方法需要大量的基础资料、人力、物力,且随着用地、人口的变动尤其是轨道线网及站点的变化模型不易及时更新与维护。
发明内容
本发明为了解决上述问题,提出了一种轨道站点客流量预测系统及方法,本方法能够减少单个站点客流量预测带来的费用投入,及时更新由于站点周边用地、人口以及轨道线网(站点)的变化对站点客流量的影响,从而提高单个站点客流量预测的精度。
为了实现上述目的,本发明采用如下技术方案:
一种轨道站点客流量预测系统,包括出行生成模块、出行分布模块、轨道站点吸引范围界定模块和轨道站点乘降量计算模块,其中:
所述出行生成模块,用于保存模型基础数据和不同用地性质出行率,基于土地利用的需求,计算不同用地的出行产生量和吸引量;
所述出行分布模块,用于根据全方式交通分布和多层次交通方式划分、计算得出轨道交通方式分布情况;
所述轨道站点吸引范围界定模块,用于建立道路网络集,以影响不同吸引区的合理距离为阻抗,创建客流吸引区;
所述轨道站点乘降量计算模块,用于将轨道站点各吸引区内的轨道客流产生量和吸引量叠加之和,即计算出轨道站点客流乘降量。
一种轨道站点客流量预测方法,包括以下步骤:
(1)根据不同用地性质出行率和用地性质、人口,建立出行生成量计算模型,计算不同用地的出行产生量和吸引量;
(2)运用双约束重力模型得出全方式交通分布矩阵,运用多层次方式划分的方法,结合城市调查数据利用距离转移曲线法得出轨道站点出行分担率,从而计算得出轨道交通分布矩阵;
(3)利用地理信息系统,建立道路网络集,以不同吸引区的合理距离为阻抗,创建客流吸引区;
(4)通过对轨道站点客流吸引范围的界定,得到各吸引范围的轨道站点乘降量,结合轨道站点乘降量计算模型,计算出轨道站点客流量。
所述步骤(1)中,出行生成量计算模型为:
其中:Gi——第i小区的出行生成量;
pj——第j类用地的单位面积或户数、床位等数据;
——第j类用地的单位出行;
δj——修正系数。
所述步骤(2)中,双重约束重力模型:
Tij=KiK'jPiAjf(Rij)
其中,
Rij——交通小区i、j之间的交通出行量,人次/日;
Ki——行约束系数;
K’j——列约束系数;
Pi——交通小区i的出行产生率,人次/日;
Aj——交通小区j的出行吸引率,人次/日;
f(Rij)——交通阻抗函数。
所述步骤(3)中,建立道路网络集,如果要创建基于地理数据库的网络数据集,作为源参与网络的所有要素类都需要出现在一个要素数据集中,如果要从shapefile创建网络,则需要将作为源参与的所有要素类安排到同一个文件夹中。
所述步骤(3)中,建立道路网络集,确保源具有表示网络阻抗值,包括距离和行程时间的字段,为了获得最佳结果,使用阻抗单位命名这些字段,新建网络数据集向导会自动检测这些字段,对于边源,如果阻抗值因行进方向而有所不同,则为每个行进方向提供一个单独字段,如果对单向街道进行建模,确保边源具有提供单向街道信息的字段。
所述步骤(3)中,将转弯要素类与网络数据集相关联,如果转弯信息存储在ARC/INFO或ArcViewGIS转弯表中,则将转弯表导入到转弯要素类中,如果没有ARC/INFO或ArcViewGIS转弯表,如果使用转弯信息执行网络分析,则需要创建新的转弯要素类并添加新的转弯要素以存储这些转弯信息,确保转弯要素类包含的字段带有将在网络属性中使用的信息。
所述步骤(3)中,创建网络数据集或编辑现有网络数据集时,必须以构建的方式进行。构建是创建网络元素、建立连通性和将值指定给已定义属性的过程。
所述步骤(4)中,轨道站点乘降量计算模型:
轨道站点上客量预测:Qi=Qi1+Qi2+Qi3
其中,Qi1——直接吸引区内的轨道交通产生量;
Qi2——间接吸引区内的轨道交通产生量;
Qi3——潜在吸引区内的轨道交通产生量。
轨道站点下客量预测:Ai=Ai1+Ai2+Ai3
其中,Ai1——直接吸引区内的轨道交通吸引量;
Ai2——间接吸引区内的轨道交通吸引量;
Ai3——潜在吸引区内的轨道交通吸引量。
本发明的有益效果为:
(1)通过对轨道站点客流量预测方法的简化,如拥有全市交通模型,则出行生成模块、出行分布模块可以省略,直接运用轨道站点吸引范围界定模块计算得出该站点客流乘降量,简化了计算程序,节约了时间;
(2)出现轨道线网调整、站点调整现象,则直接将调整情况输入轨道站点吸引范围界定模块即可得到数据更新,做到轨道数据更新及时。尤其在单个站点客流量预测中,可直接利用单个站点吸引范围内产生、吸引量的叠加计算得出站点客流量,方法简便易懂,便于操作。
附图说明
图1为本发明的技术流程图。
图2为本发明的方式划分流程图。
具体实施方式:
下面结合附图与实施例对本发明作进一步说明。
一种轨道站点客流量预测系统及方法的实施主要由四大步骤组成:
1)出行生成,即得出各交通小区的出行产生量和出行吸引量,具体实施步骤如下:
①根据用地划分及行政划分情况,根据需求划分交通小区(尽量画小一些);
②根据规划人口、规划用地、容积率等数据创建基于交通小区的GIS数据库;
③通过对不同用地性质的出行率调查或结合以往调查数据和经验数据,得出不同用地性质对应的出行产生率和吸引率;
④根据出行生成率模型计算得出各交通小区的出行产生量和吸引量。
出行生成率模型:
其中:Gi——第i小区的出行生成量;
pj——第j类用地的单位面积或户数、床位等数据;
——第j类用地的单位出行;
δj——修正系数。
2)方式划分,采用的是多层次方式划分法得出轨道交通不同出行距离的出行结构,具体实施步骤如下:
①对公共交通发展战略、相关交通政策研究等相关资料进行研究,确定公共交通及轨道交通未来的发展目标;
②根据往年的全方式居民出行调查/不同出行方式出行距离调查/相似城市出行特征数据对全方式进行交通方式划分,得出公共交通出行方式分担率;
③对公共交通中的地面公共交通和轨道交通进行方式划分,得出轨道交通分担率。
3)出行分布,即得出研究范围内交通小区之间的轨道交通出行OD矩阵,具体实施步骤如下:
①计算权方式出行OD矩阵。
根据已得到各交通小区的出行产生量和吸引量,以及交通阻抗函数 运用transcad或emme等交通预测软件中的双重约束重力模型模块,或采用双重约束重力模型计算公式计算得出研究范围内交通小区之间的全方式出行OD矩阵。
双重约束重力模型计算公式:
Tij=KiK'jPiAjf(Rij)
其中,
Rij——交通小区i、j之间的交通出行量,人次/日;
Ki——行约束系数;
K'j——列约束系数;
Pi——交通小区i的出行产生率,人次/日;
Aj——交通小区j的出行吸引率,人次/日;
f(Rij)——交通阻抗函数。
②计算轨道交通出行OD矩阵
根据已经计算得出的全方式出行OD矩阵、各交通小区之间的出行距离矩阵、轨道交通不同出行距离出行结构分布,计算得出轨道交通出行OD矩阵。
4)轨道站点客流量预测,即得出不同轨道站点上下客流量,具体实施步骤如下:
①以合理的出行距离为约束条件,对轨道吸引范围进行划分,划分为直接吸引区、间接吸引区和潜在吸引区三大区域。
②利用3)中计算得出的轨道交通出行OD矩阵,得知各交通小区轨道交通出行产生量和吸引量。
③根据轨道站点客流吸引范围,将轨道客流量分配最近的轨道站点。具体计算公式如下:
轨道站点上客量预测:Qi=Qi1+Qi2+Qi3
其中,Qi1——直接吸引区内的轨道交通产生量;
Qi2——间接吸引区内的轨道交通产生量;
Qi3——潜在吸引区内的轨道交通产生量。
轨道站点下客量预测:Ai=Ai1+Ai2+Ai3
其中,Ai1——直接吸引区内的轨道交通吸引量;
Ai2——间接吸引区内的轨道交通吸引量;
Ai3——潜在吸引区内的轨道交通吸引量。
吸引范围的划分
利用地理信息系统(ARCGIS软件),建立道路网络集,以不同吸引区的合理距离为阻抗,创建客流吸引区。根据吸引范围的围合三项原则(详见附图2所示),对吸引范围进行合理划分。
准备网络数据集内部相应角色的源
如果要创建基于地理数据库的网络数据集,则作为源参与网络的所有要素类都应该出现在一个要素数据集中。如果要从shapefile创建网络,则需要将作为源参与的所有要素类安排到同一个文件夹中。
确保源具有表示网络阻抗值(距离和行程时间等)的字段。为了获得最佳结果,可使用阻抗单位命名这些字段,因为新建网络数据集向导会自动检测这些字段。对于边源,如果阻抗值因行进方向而有所不同,则为每个行进方向提供一个单独字段。如果对单向街道进行建模,请确保边源具有提供单向街道信息的字段。新建网络数据集向导会识别名为One_Way或Oneway的字符串字段,并创建能够解释其值的赋值器。
准备转弯要素类并添加转弯信息
将转弯要素类与网络数据集相关联,如果转弯信息存储在ARC/INFO或ArcViewGIS转弯表中,则将转弯表导入到转弯要素类中。如果没有ARC/INFO或ArcViewGIS转弯表,但是想要使用转弯信息执行网络分析,则需要创建新的转弯要素类并添加新的转弯要素以存储这些转弯信息。确保转弯要素类包含的字段带有将在网络属性中使用的信息,如转弯阻抗(例如,转弯需要花费两分钟)或条件转弯限制(例如,只有卡车不能转弯)。
使用新建网络数据集向导创建网络数据集
使用新建网络数据集向导,逐步完成以下操作:为网络数据集命名、识别网络源、设置连通性、识别高程数据(如果必要)、指定转弯源(如果必要)、定义属性(如成本、描述符、约束和等级)和设置方向报表规范。
构建网络数据集
创建网络数据集或编辑现有网络数据集时,必须以构建的方式进行。构建是创建网络元素、建立连通性和将值指定给已定义属性的过程。
轨道站点导入
将提前准备好的轨道站点导入网络数据集数据库中,以备后续分析使用。得到网络数据集及站点。
站点吸引范围求解
首先确定站点吸引距离阻抗或时间阻抗,根据站点吸引范围围合形式和围合原则,最后以吸引距离或时间为阻抗,寻求覆盖的所有区域即为站点吸引范围。
原则一:当轨道站点间距大于直接、间接客流吸引距离时,潜在吸引范围边界即为相邻站点合理吸引范围的边界线;
原则二:当轨道站点间距小于间接客流吸引距离,而间接客流吸引距离小于潜在客流吸引距离时,间接客流吸引范围边界与潜在客流吸引范围边界的合并几何即为相邻站点合理吸引范围的边界;
原则三:当轨道站点间距小于间接客流吸引距离,而间接客流吸引距离等于潜在客流吸引距离时,间接客流吸引范围边界即为相邻站点合理吸引范围的边界。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (9)
1.一种轨道站点客流量预测方法,其特征是:包括以下步骤:
(1)根据不同用地性质出行率和用地性质、人口,建立出行生成量计算模型,计算不同用地的出行产生量和吸引量;
(2)运用双约束重力模型得出全方式交通分布矩阵,运用多层次方式划分的方法,结合城市调查数据利用距离转移曲线法得出轨道站点出行分担率,从而计算得出轨道交通分布矩阵;
(3)利用地理信息系统,建立道路网络集,以不同吸引区的合理距离为阻抗,创建客流吸引区;
(4)通过对轨道站点客流吸引范围的界定,得到各吸引范围的轨道站点乘降量,结合轨道站点乘降量计算模型,计算出轨道站点客流量。
2.如权利要求1所述的一种轨道站点客流量预测方法,其特征是:所述步骤(1)中,出行生成量计算模型为:
其中:Gi——第i小区的出行生成量;
pj——第j类用地的单位面积或户数、床位等数据;
——第j类用地的单位出行;
δj——修正系数。
3.如权利要求1所述的一种轨道站点客流量预测方法,其特征是:所述步骤(2)中,双重约束重力模型:
Tij=KiK'jPiAjf(Rij)
其中, (i=1,……,n);
Rij——交通小区i、j之间的交通出行量,人次/日;
Ki——行约束系数;
K’j——列约束系数;
Pi——交通小区i的出行产生率,人次/日;
Aj——交通小区j的出行吸引率,人次/日;
f(Rij)——交通阻抗函数。
4.如权利要求1所述的一种轨道站点客流量预测方法,其特征是:所述步骤(3)中,建立道路网络集,如果要创建基于地理数据库的网络数据集,作为源参与网络的所有要素类都需要出现在一个要素数据集中,如果要从shapefile创建网络,则需要将作为源参与的所有要素类安排到同一个文件夹中。
5.如权利要求1所述的一种轨道站点客流量预测方法,其特征是:所述步骤(3)中,建立道路网络集,确保源具有表示网络阻抗值,包括距离和行程时间的字段,为了获得最佳结果,使用阻抗单位命名这些字段,新建网络数据集向导会自动检测这些字段,对于边源,如果阻抗值因行进方向而有所不同,则为每个行进方向提供一个单独字段,如果对单向街道进行建模,确保边源具有提供单向街道信息的字段。
6.如权利要求1所述的一种轨道站点客流量预测方法,其特征是:所述步骤(3)中,将转弯要素类与网络数据集相关联,如果转弯信息存储在ARC/INFO或ArcViewGIS转弯表中,则将转弯表导入到转弯要素类中,如果没有ARC/INFO或ArcViewGIS转弯表,如果使用转弯信息执行网络分析,则需要创建新的转弯要素类并添加新的转弯要素以存储这些转弯信息,确保转弯要素类包含的字段带有将在网络属性中使用的信息。
7.如权利要求1所述的一种轨道站点客流量预测方法,其特征是:所述步骤(3)中,创建网络数据集或编辑现有网络数据集时,必须以构建的方式进行。构建是创建网络元素、建立连通性和将值指定给已定义属性的过程。
8.如权利要求1所述的一种轨道站点客流量预测方法,其特征是:所述步骤(4)中,轨道站点乘降量计算模型:
轨道站点上客量预测:Qi=Qi1+Qi2+Qi3
其中,Qi1——直接吸引区内的轨道交通产生量;
Qi2——间接吸引区内的轨道交通产生量;
Qi3——潜在吸引区内的轨道交通产生量。
轨道站点下客量预测:Ai=Ai1+Ai2+Ai3
其中,Ai1——直接吸引区内的轨道交通吸引量;
Ai2——间接吸引区内的轨道交通吸引量;
Ai3——潜在吸引区内的轨道交通吸引量。
9.一种轨道站点客流量预测系统,其特征是:包括出行生成模块、出行分布模块、轨道站点吸引范围界定模块和轨道站点乘降量计算模块,其中:
所述出行生成模块,用于保存模型基础数据和不同用地性质出行率,基于土地利用的需求,计算不同用地的出行产生量和吸引量;
所述出行分布模块,用于根据全方式交通分布和多层次交通方式划分、计算得出轨道交通方式分布情况;
所述轨道站点吸引范围界定模块,用于建立道路网络集,以影响不同吸引区的合理距离为阻抗,创建客流吸引区;
所述轨道站点乘降量计算模块,用于将轨道站点各吸引区内的轨道客流产生量和吸引量叠加之和,即计算出轨道站点客流乘降量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510435410.3A CN105095993A (zh) | 2015-07-22 | 2015-07-22 | 一种轨道站点客流量预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510435410.3A CN105095993A (zh) | 2015-07-22 | 2015-07-22 | 一种轨道站点客流量预测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105095993A true CN105095993A (zh) | 2015-11-25 |
Family
ID=54576365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510435410.3A Pending CN105095993A (zh) | 2015-07-22 | 2015-07-22 | 一种轨道站点客流量预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105095993A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563540A (zh) * | 2017-07-25 | 2018-01-09 | 中南大学 | 一种基于随机森林的短时公交上车客流量的预测方法 |
CN107730893A (zh) * | 2017-11-30 | 2018-02-23 | 大连理工大学 | 一种基于乘客出行多维特征的共享巴士站点客流预测方法 |
CN107729938A (zh) * | 2017-12-11 | 2018-02-23 | 北方工业大学 | 一种基于公交接驳辐射区特征的轨道站点分类方法 |
CN107886723A (zh) * | 2017-11-13 | 2018-04-06 | 深圳大学 | 一种交通出行调查数据处理方法 |
CN108269399A (zh) * | 2018-01-24 | 2018-07-10 | 哈尔滨工业大学 | 一种基于公路网客流od反推技术的高铁客流需求预测方法 |
CN108629457A (zh) * | 2018-05-09 | 2018-10-09 | 西南交通大学 | 预测出行方式以及构建预测模型的方法和装置 |
CN109558978A (zh) * | 2018-11-26 | 2019-04-02 | 东南大学 | 基于出行距离的区域交通方式划分方法 |
CN110851769A (zh) * | 2019-11-25 | 2020-02-28 | 东南大学 | 一种基于网络承载力的电动公交网络可靠性评价方法 |
CN111784084A (zh) * | 2020-08-17 | 2020-10-16 | 北京市城市规划设计研究院 | 基于梯度提升决策树的出行生成预测方法、系统及装置 |
WO2021189950A1 (zh) * | 2020-10-29 | 2021-09-30 | 平安科技(深圳)有限公司 | 短时公交站客流预测方法、装置、计算机设备及存储介质 |
CN115099542A (zh) * | 2022-08-26 | 2022-09-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 跨城通勤出行生成和分布预测方法、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008189180A (ja) * | 2007-02-06 | 2008-08-21 | Mitsubishi Electric Corp | 列車運行管理システム |
JP2010018221A (ja) * | 2008-07-14 | 2010-01-28 | Railway Technical Res Inst | プログラム、旅客流動推定装置、運転整理案作成装置、旅客流動推定方法及び運転整理案作成方法 |
JP2010061321A (ja) * | 2008-09-03 | 2010-03-18 | Railway Technical Res Inst | 乗客流動予測システム |
JP2010140074A (ja) * | 2008-12-09 | 2010-06-24 | Railway Technical Res Inst | プログラム及び旅客需要予測装置 |
CN102024206A (zh) * | 2010-12-20 | 2011-04-20 | 江苏省交通科学研究院股份有限公司 | 市郊轨道交通客流的预测方法 |
CN102169606A (zh) * | 2010-02-26 | 2011-08-31 | 同济大学 | 一种城市轨道交通网络大客流影响的预测方法 |
CN202067328U (zh) * | 2011-05-14 | 2011-12-07 | 刘宇 | 可生成乘车方案并能预测客流量的智能乘车系统 |
CN102436603A (zh) * | 2011-08-29 | 2012-05-02 | 北京航空航天大学 | 基于概率树d预测的轨道交通全路网客流预测方法 |
CN103984993A (zh) * | 2014-05-13 | 2014-08-13 | 东南大学 | 一种轨道交通客流od分布实时推测方法 |
-
2015
- 2015-07-22 CN CN201510435410.3A patent/CN105095993A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008189180A (ja) * | 2007-02-06 | 2008-08-21 | Mitsubishi Electric Corp | 列車運行管理システム |
JP2010018221A (ja) * | 2008-07-14 | 2010-01-28 | Railway Technical Res Inst | プログラム、旅客流動推定装置、運転整理案作成装置、旅客流動推定方法及び運転整理案作成方法 |
JP2010061321A (ja) * | 2008-09-03 | 2010-03-18 | Railway Technical Res Inst | 乗客流動予測システム |
JP2010140074A (ja) * | 2008-12-09 | 2010-06-24 | Railway Technical Res Inst | プログラム及び旅客需要予測装置 |
CN102169606A (zh) * | 2010-02-26 | 2011-08-31 | 同济大学 | 一种城市轨道交通网络大客流影响的预测方法 |
CN102024206A (zh) * | 2010-12-20 | 2011-04-20 | 江苏省交通科学研究院股份有限公司 | 市郊轨道交通客流的预测方法 |
CN202067328U (zh) * | 2011-05-14 | 2011-12-07 | 刘宇 | 可生成乘车方案并能预测客流量的智能乘车系统 |
CN102436603A (zh) * | 2011-08-29 | 2012-05-02 | 北京航空航天大学 | 基于概率树d预测的轨道交通全路网客流预测方法 |
CN103984993A (zh) * | 2014-05-13 | 2014-08-13 | 东南大学 | 一种轨道交通客流od分布实时推测方法 |
Non-Patent Citations (2)
Title |
---|
LANDEX ALEX ETC.: "Examining the potential travelers in catchment areas for public transport", 《PROCEEDINGS OF ESRI INTERNATIONAL USER CONFERENCE》 * |
毛昌荣: "城市轨道交通客流预测方法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技‖辑》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563540A (zh) * | 2017-07-25 | 2018-01-09 | 中南大学 | 一种基于随机森林的短时公交上车客流量的预测方法 |
CN107563540B (zh) * | 2017-07-25 | 2021-03-30 | 中南大学 | 一种基于随机森林的短时公交上车客流量的预测方法 |
CN107886723A (zh) * | 2017-11-13 | 2018-04-06 | 深圳大学 | 一种交通出行调查数据处理方法 |
CN107886723B (zh) * | 2017-11-13 | 2021-07-20 | 深圳大学 | 一种交通出行调查数据处理方法 |
CN107730893A (zh) * | 2017-11-30 | 2018-02-23 | 大连理工大学 | 一种基于乘客出行多维特征的共享巴士站点客流预测方法 |
CN107730893B (zh) * | 2017-11-30 | 2019-08-09 | 大连理工大学 | 一种基于乘客出行多维特征的共享巴士站点客流预测方法 |
CN107729938B (zh) * | 2017-12-11 | 2020-06-09 | 北方工业大学 | 一种基于公交接驳辐射区特征的轨道站点分类方法 |
CN107729938A (zh) * | 2017-12-11 | 2018-02-23 | 北方工业大学 | 一种基于公交接驳辐射区特征的轨道站点分类方法 |
CN108269399A (zh) * | 2018-01-24 | 2018-07-10 | 哈尔滨工业大学 | 一种基于公路网客流od反推技术的高铁客流需求预测方法 |
CN108629457B (zh) * | 2018-05-09 | 2021-09-28 | 西南交通大学 | 预测出行方式以及构建预测模型的方法和装置 |
CN108629457A (zh) * | 2018-05-09 | 2018-10-09 | 西南交通大学 | 预测出行方式以及构建预测模型的方法和装置 |
CN109558978B (zh) * | 2018-11-26 | 2021-04-23 | 东南大学 | 基于出行距离的区域交通方式划分方法 |
CN109558978A (zh) * | 2018-11-26 | 2019-04-02 | 东南大学 | 基于出行距离的区域交通方式划分方法 |
CN110851769B (zh) * | 2019-11-25 | 2020-07-24 | 东南大学 | 一种基于网络承载力的电动公交网络可靠性评价方法 |
CN110851769A (zh) * | 2019-11-25 | 2020-02-28 | 东南大学 | 一种基于网络承载力的电动公交网络可靠性评价方法 |
CN111784084A (zh) * | 2020-08-17 | 2020-10-16 | 北京市城市规划设计研究院 | 基于梯度提升决策树的出行生成预测方法、系统及装置 |
CN111784084B (zh) * | 2020-08-17 | 2021-12-28 | 北京市城市规划设计研究院 | 基于梯度提升决策树的出行生成预测方法、系统及装置 |
WO2021189950A1 (zh) * | 2020-10-29 | 2021-09-30 | 平安科技(深圳)有限公司 | 短时公交站客流预测方法、装置、计算机设备及存储介质 |
CN115099542A (zh) * | 2022-08-26 | 2022-09-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 跨城通勤出行生成和分布预测方法、电子设备及存储介质 |
CN115099542B (zh) * | 2022-08-26 | 2023-02-03 | 深圳市城市交通规划设计研究中心股份有限公司 | 跨城通勤出行生成和分布预测方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105095993A (zh) | 一种轨道站点客流量预测系统及方法 | |
Long et al. | Evaluating the effectiveness of urban growth boundaries using human mobility and activity records | |
Hao et al. | The rise of big data on urban studies and planning practices in China: Review and open research issues | |
Das | Hyderabad: Visioning, restructuring and making of a high-tech city | |
CN111275965B (zh) | 一种基于互联网大数据的实时交通仿真分析系统与方法 | |
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 | |
CN104200649A (zh) | 基于预先申请的交通高峰期路线资源调度分配系统与方法 | |
CN105117595B (zh) | 一种基于浮动车数据的私家车出行数据集成方法 | |
CN103680127A (zh) | 一种利用低采样率浮动车数据计算信号灯控制道路交叉口延误的方法 | |
CN104282142B (zh) | 一种基于出租车gps数据的公交站台设置方法 | |
Guo et al. | Transportation development and congestion mitigation measures of Beijing, China | |
An et al. | Research on the construction of carbon emission evaluation system of low-carbon-oriented urban planning scheme: taking the West New District of Jinan city as example | |
Droj et al. | GIS-based survey over the public transport strategy: An instrument for economic and sustainable urban traffic planning | |
Imran | Sustainable urban transport in Pakistan: an institutional analysis | |
Kong et al. | The method and application of big data mining for mobile trajectory of taxi based on MapReduce | |
Sutton | Gridlock: Congested cities, contested policies, unsustainable mobility | |
Kong et al. | TBI2Flow: Travel behavioral inertia based long-term taxi passenger flow prediction | |
Zacepins et al. | Usage of GPS Data for Real-time Public Transport Location Visualisation. | |
Cai et al. | Research on analysis method of characteristics generation of urban rail transit | |
CN105023230A (zh) | 一种基于arcgis的轨道站点客流吸引范围界定方法 | |
CN108399736A (zh) | 一种基于服务时间的区域共享自行车有效车辆数获取方法 | |
Feng | New prospects of transportation mobility | |
Massaro et al. | Comparing proximity for couples of close airports. Case studies on city-airports in the pre COVID-19 era | |
Kramberger et al. | A heuristic approach to reduce carbon dioxide emissions | |
CN104616066B (zh) | 一种行车用量数据的采集方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151125 |