CN108256101B - 基于公共自行车刷卡数据和poi识别通勤od的方法 - Google Patents

基于公共自行车刷卡数据和poi识别通勤od的方法 Download PDF

Info

Publication number
CN108256101B
CN108256101B CN201810099558.8A CN201810099558A CN108256101B CN 108256101 B CN108256101 B CN 108256101B CN 201810099558 A CN201810099558 A CN 201810099558A CN 108256101 B CN108256101 B CN 108256101B
Authority
CN
China
Prior art keywords
type
station
inm
working day
public
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.)
Active
Application number
CN201810099558.8A
Other languages
English (en)
Other versions
CN108256101A (zh
Inventor
陈学武
陈文栋
孙健
程龙
曹莹
华明壮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Public Bicycle Co ltd
Southeast University
Original Assignee
Nanjing Public Bicycle Co ltd
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Public Bicycle Co ltd, Southeast University filed Critical Nanjing Public Bicycle Co ltd
Priority to CN201810099558.8A priority Critical patent/CN108256101B/zh
Publication of CN108256101A publication Critical patent/CN108256101A/zh
Application granted granted Critical
Publication of CN108256101B publication Critical patent/CN108256101B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Abstract

本发明公开了一种基于公共自行车刷卡数据和POI数据识别通勤OD的方法，首先获取公共自行车刷卡数据、各类型POI点数据；依据公共自行车站点不同半径范围内各类型POI点的数量判断公共自行车站点类型；将公共自行车站点类型与一周工作日高峰时段内刷卡记录进行关联；提取租赁者接驳轨道交通出行的关联记录，统计各租赁者居住型和商业办公型站点的使用量，进而识别租赁者的通勤OD。本方法简单易行，可以准确识别租赁者的通勤OD，为职住平衡等相关城市用地规划问题研究提供了一种新的数据来源及分析方法，也可以为各类型公共自行车服务站点规模测算与高峰时段公共自行车调度提供指导。

Description

基于公共自行车刷卡数据和POI识别通勤OD的方法
技术领域
本发明涉及公共自行车通勤OD识别技术领域，尤其是一种基于公共自行车刷卡数据和POI(Point Of Interests，俗称“兴趣点数据”)识别通勤OD的方法。
背景技术
公共自行车是城市轨道交通和地面常规公交的重要补充和延伸，是为市民提供绿色出行、解决“最后一公里”出行需求的重要公共资源。与此同时，如何准确识别居民的通勤OD是大数据发展趋势下城市研究的新兴技术热点。现有研究主要集中在公交刷卡数据和手机定位数据挖掘等方面，对公共自行车刷卡数据和POI数据的研究较为缺乏。
发明内容
发明目的：为了解决现有技术存在的问题，有效、准确地识别公共自行车租赁者的通勤OD，本发明提供一种基于公共自行车刷卡数据和POI数据识别通勤OD的方法。
技术方案：一种基于公共自行车刷卡数据和POI数据识别通勤OD的方法，包括以下步骤：
(1)设定第一距离r1和第二距离r2，根据公共自行车站点的地理位置，分别统计距离公共自行车站点周围的POI点的类型及数量，包括距公共自行车站点r1范围内轨道交通型POI点的数量q1、r2范围内公寓住宅型POI点的数量q2、r2范围内企业大厦型POI点的数量q3和r2范围内其他类型POI点的数量q4；
(2)根据步骤(1)统计的公共自行车站点周围的POI点的类型及数量判断公共自行车站点的类型：若q1>0，则该公共自行车站点的类型为交通型；若q1＝0且q2>q3且q2>q4，则该公共自行车站点的类型为住宅型；若q1＝0且q3>q2且q3>q4，则该公共自行车站点的类型为商业办公型；若q1＝0且q4>q2且q4>q3，则该公共自行车站点的类型为其他类型；
(3)根据公共自行车站点的名称，将公共自行车站点类型与租赁者一周工作日高峰时段的刷卡记录进行匹配，得到完整的关联记录集合；
(4)在关联记录集合中提取完整的接驳出行链，完整的接驳出行链包括早高峰时段用公共自行车接驳轨道交通出行的关联记录以及晚高峰时段用公共自行车接驳轨道交通出行的关联记录；
(5)根据完整的接驳出行链，统计租赁者一周工作日高峰时段内各居住型站点的使用量和各商业办公型站点的使用量；
(6)根据步骤(5)统计的租赁者一周工作日高峰时段内各居住型站点的使用量及各商业办公型站点的使用量，识别租赁者的通勤OD，通勤OD包括通勤端点O和通勤端点D，所述通勤端点O为居住地，所述通勤端点D为就业地。
优选的，步骤(3)中的关联记录集合表示为：
yinp＝{yin1p…yinmp}＝{(n,1,ain1p,bin1p,cin1p,din1p)…(n,m,ainmp,binmp,cinmp,dinmp)}
yinq＝{yin1q…yinmq}＝{(n,1,ain1q,bin1q,cin1q,din1q)…(n,m,ainmq,binmq,cinmq,dinmq)}
其中，i表示租赁卡编号，n表示工作日编号(n＝1,2…5)，p表示早高峰时段，q表示晚高峰时段，m表示早(晚)高峰时段出行序列编号(m取值为自然数)，yinp表示租赁卡编号为i的用户第n个工作日早高峰时段对应的关联记录集合，yinq表示租赁卡编号为i的用户第n个工作日晚高峰时段对应的关联记录集合，yinmp表示租赁卡编号为i的用户第n个工作日早高峰时段第m次刷卡对应的参数集合，yinmq表示租赁卡编号为i的用户第n个工作日晚高峰时段第m次刷卡对应的参数集合，ainmp表示租赁卡编号为i的用户第n个工作日早高峰第m次刷卡对应的借车站点名称，binmp表示租赁卡编号为i的用户第n个工作日早高峰第m次刷卡对应的还车站点名称，cinmp表示租赁卡编号为i的用户第n个工作日早高峰第m次刷卡对应的借车站点类型，dinmp表示租赁卡编号为i的用户第n个工作日早高峰第m次刷卡对应的还车站点类型。
优选的，步骤(4)中完整的接驳出行链的定义为：当yinp对应的关联记录集合满足当且仅当两次刷卡记录中的借还站点类型
{cin1p,din1p,cin2p,din2p}＝{居住型,交通型,交通型,商业办公型}，
构成完整的接驳出行链，则认为租赁卡编号为i的用户第n个工作日早高峰时段利用公共自行车接驳换乘轨道交通出行；当yinq对应的关联记录集合满足当且仅当两次刷卡记录中的借还站点类型
{cin1q,din1q,cin2q,din2q}＝{商业办公型,交通型,交通型,居住型}，
构成完整的接驳出行链，则认为租赁卡编号为i的用户第n个工作日晚高峰时段利用公共自行车接驳换乘轨道交通出行。
优选的，所述关联记录集合可以通过采用统计分析软件Stata或者R实现，分别提取每一个租赁卡编号所对应的关联记录集合。
优选的，步骤(1)中的POI点包括POI点的名称、经纬度坐标、地址及类型，所述类型包括轨道交通型、公寓住宅型、企业大厦型和其他类型。
优选的，步骤(1)中的r1为当地规定的公共自行车、非机动车换乘设施距离轨道交通车站出入口的最大距离。
优选的，步骤(1)中的r2为当地公共自行车站点的服务半径。
优选的，步骤(3)中的一周工作日指一周内连续五个工作日，早高峰时段为早上七点至九点，晚高峰时段为晚上五点至七点。
优选的，步骤(5)中租赁者一周工作日高峰时段内各居住型站点的使用量为在居住型站点的借车次数与还车次数之和；租赁者一周工作日高峰时段内各商业办公型站点的使用量为在商业办公型站点的借车次数与还车次数之和。
有益效果：本发明提出了一种基于公共自行车刷卡数据和POI数据识别通勤OD的方法，这是首次从公共自行车刷卡数据和POI数据中进行租赁者通勤OD识别的尝试，通过引入公共自行车站点类型不仅可以使该识别方法更加准确、合理，为职住平衡等相关城市用地规划问题研究提供了一种新的数据来源与分析方法，也为各类型公共自行车站点规模测算与高峰时段公共自行车调度提供指导。
附图说明
图1为本发明的方法流程示意图；
图2为统计公共自行车站点一定半径范围内各类型POI点数量的示意图；
图3为提取利用公共自行车接驳轨道交通出行的示意图；
图4为识别租赁者通勤OD的示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
在本实施例中，以南京市作为实验城市，采用的公共自行车刷卡数据由南京市公共自行车公司提供，采用的各类型POI数据由南京市相关部门提供。POI是指Point OfInterests，简称POI，俗称“兴趣点数据”，每条POI数据都包含该POI点的名称、经纬度坐标、地址、类型等信息，其中类型包括轨道交通型、公寓住宅型、企业大厦型和其他类型。以2017年3月6日(周一)至2017年3月10日(周五)的公共自行车刷卡数据为例，对租赁者通勤OD进行识别。
如图1所示，基于公共自行车刷卡数据和POI数据识别通勤OD的方法，包括如下步骤：
(1)统计公共自行车站点一定半径范围内各类型POI点数量：如图2所示，以南京市兴隆大街站(西)、丹枫园北门站公共自行车站点为例，结合各类型POI数据的地理信息位置，经统计可知兴隆大街站(西)50m范围内有1个轨道交通型POI点，300m范围内有2个企业大厦型POI点和1个其他类型POI点；丹枫园北门站50m范围内无轨道交通型POI点，300m范围内有3个公寓住宅型POI点和1个其他类型POI点。其中，50m半径范围是依据《南京市轨道交通站点换乘及服务设施配套规划标准》(简称《标准》)设定的，《标准》中明确规定公共自行车、非机动车换乘设施距离轨道交通车站出入口不大于50米。其他城市可结合相应规范标准确定轨道交通站点换乘及服务设施配套规划标准。300m半径范围是南京市公共自行车服务半径。对于不同的城市，以及相同城市的不同公共自行车站点，根据经验和实地调查，得到居民可接受的距公共自行车站点的最大步行距离，以确定公共自行车站点的服务半径。
(2)判断公共自行车站点类型：步骤(1)完成兴隆大街站(西)、丹枫园北门站一定半径范围内各类型POI点数量的统计后，可判断公共自行车站点的类型。兴隆大街站(西)50m范围内有1个轨道交通型POI点，则认为兴隆大街站(西)为交通型站点。丹枫园北门站50m范围内无轨道交通型POI点，且300m范围内公寓住宅型POI点数量最多，则认为丹枫园北门站为居住型站点。
(3)将一周工作日高峰时段刷卡记录与公共自行车站点类型进行匹配：统计2017年3月6日(周一)至2017年3月10日(周五)的刷卡数据，每条刷卡记录包括租赁卡编号、借车刷卡时间、还车刷卡时间、借车站点名称、还车站点名称等字段，依据借车刷卡时间和还车刷卡时间可筛选高峰时段(早高峰取07:00-09:00，晚高峰取17:00-19:00)的刷卡记录，如表1所示。
表1一周工作日高峰时段公共自行车原始刷卡记录
Figure GDA0002508393370000041
公共自行车站点类型可依据步骤(1)和步骤(2)的统计分析结果，如表2所示。
表2公共自行车站点类型
公共自行车站点名称 公共自行车站点类型
省公安厅 商业办公型站点
南部社区 居住型站点
西堤国际一区南门 居住型站点
龙江体育馆东 其他类型站点
地铁仙林中心站 交通型站点
～ ～
行政服务大厅站 交通型站点
依据公共自行车站点名称(包括借车站点名称、还车站点名称)，可将一周工作日高峰时段刷卡记录与公共自行车站点类型进行匹配，从而得到更加完整的关联记录，如表3所示。
表3一周工作日高峰时段刷卡记录与公共自行车站点类型匹配得到的关联记录
Figure GDA0002508393370000051
(4)提取利用公共自行车接驳轨道交通出行的关联记录：步骤(3)将一周工作日高峰时段刷卡记录与公共自行车站点类型进行匹配后，首先，依据各租赁者刷卡编号不同，可提取每一位租赁者的关联记录；其次，依据工作日编号、早晚高峰时段出行序列编号和借、还车站点类型可提取租赁者利用公共自行车接驳轨道交通出行的关联记录。以租赁卡编号i为10293960的用户关联记录为案例，详细说明提取该租赁者利用公共自行车接驳轨道交通出行的关联记录，如表4、表5所示。
表4租赁卡编号i为10293960的用户早高峰时段的关联记录
Figure GDA0002508393370000052
表5租赁卡编号i为10293960的用户晚高峰时段的关联记录
Figure GDA0002508393370000061
由表4可知，租赁卡编号为10293960的用户第1个工作日早高峰出行序列编号最大值为2，且两次刷卡记录中的借、还车站点类型集合满足{居住型,交通型,交通型,商业办公型}，构成完整的接驳出行链，则认为赁卡编号为10293960的用户第1个工作日早高峰时段利用公共自行车接驳换乘轨道交通出行，如图3所示。
类似地，由表5可知，该用户第1个工作日晚高峰出行序列编号最大值为2，且两次刷卡记录中的借、还车站点类型集合满足{商业办公型,交通型,交通型,居住型}，构成完整的接驳出行链，则认为该用户第1个工作日晚高峰时段利用公共自行车接驳换乘轨道交通出行，如图3所示。然而该用户第5个工作日晚高峰出行序列编号最大值为1，没有构成完整的接驳出行链，则认为该用户第5个工作日晚高峰时段没有利用公共自行车接驳换乘轨道交通出行。
(5)统计租赁者居住型(商业办公型)站点使用量：步骤(4)提取出租赁卡编号为10293960的用户早、晚高峰时段利用公共自行车接驳轨道交通出行的关联记录后，需统计该用户5个工作日高峰时段内各居住型站点和商业办公型站点的使用量，可知丹枫园北门站(居住型站点)的使用量为6次/周，木樨园北门(居住型站点)6次/周，御道街标营车站(商业办公型站点)的使用量为10次/周。
(6)识别租赁者通勤OD(通勤端点O、通勤端点D)：步骤(5)统计出租赁卡编号为10293960的用户居住型站点和商业办公型站点的使用量后，可知存在多个使用量最大的居住型站点(丹枫园北门站、木樨园北门站)，则认为租赁者通勤端点O(居住地)位于丹枫园北门站和木樨园北门站300m半径范围的交集区域内；存在使用量最大且唯一的商业办公型站点(御道街标营车站)，则认为租赁者通勤端点D(就业地)位于御道街标营车站300m半径范围内，如图4所示。

Claims (7)

1.一种基于公共自行车刷卡数据和POI数据识别通勤OD的方法，其特征在于，包括以下步骤：
(1)设定第一距离r1和第二距离r2，根据公共自行车站点的地理位置，分别统计公共自行车站点周围的POI点的类型及数量，包括距公共自行车站点r1范围内轨道交通型POI点的数量q1、r2范围内公寓住宅型POI点的数量q2、r2范围内企业大厦型POI点的数量q3和r2范围内其他类型POI点的数量q4；
r1为当地规定的公共自行车、非机动车换乘设施距离轨道交通车站出入口的最大距离；
r2为当地公共自行车站点的服务半径；
(2)根据步骤(1)统计的公共自行车站点周围的POI点的类型及数量判断公共自行车站点的类型：若q1>0，则该公共自行车站点的类型为交通型；若q1＝0且q2>q3且q2>q4，则该公共自行车站点的类型为住宅型；若q1＝0且q3>q2且q3>q4，则该公共自行车站点的类型为商业办公型；若q1＝0且q4>q2且q4>q3，则该公共自行车站点的类型为其他类型；
(3)根据公共自行车站点的名称，将公共自行车站点类型与租赁者一周工作日高峰时段的刷卡记录进行匹配，得到完整的关联记录集合；
(4)在关联记录集合中提取完整的接驳出行链，完整的接驳出行链包括早高峰时段用公共自行车接驳轨道交通出行的关联记录以及晚高峰时段用公共自行车接驳轨道交通出行的关联记录；
(5)根据完整的接驳出行链，统计租赁者一周工作日高峰时段内各居住型站点的使用量和各商业办公型站点的使用量；
(6)根据步骤(5)统计的租赁者一周工作日高峰时段内各居住型站点的使用量及各商业办公型站点的使用量，识别租赁者的通勤OD，通勤OD包括通勤端点O和通勤端点D，所述通勤端点O为居住地，所述通勤端点D为就业地。
2.根据权利要求1所述的基于公共自行车刷卡数据和POI数据识别通勤OD的方法，其特征在于，步骤(3)中的关联记录集合表示为：
yinp＝{yin1p…yinmp}＝{(n,1,ain1p,bin1p,cin1p,din1p)…(n,m,ainmp,binmp,cinmp,dinmp)}
yinq＝{yin1q…yinmq}＝{(n,1,ain1q,bin1q,cin1q,din1q)…(n,m,ainmq,binmq,cinmq,dinmq)}
其中，i表示租赁卡编号，n表示工作日编号，n＝1,2…5，p表示早高峰时段，q表示晚高峰时段，m表示早晚高峰时段出行序列编号，m取值为自然数，yinp表示租赁卡编号为i的用户第n个工作日早高峰时段对应的关联记录集合，yinq表示租赁卡编号为i的用户第n个工作日晚高峰时段对应的关联记录集合，yinmp表示租赁卡编号为i的用户第n个工作日早高峰时段第m次刷卡对应的参数集合，yinmq表示租赁卡编号为i的用户第n个工作日晚高峰时段第m次刷卡对应的参数集合，ainmp表示租赁卡编号为i的用户第n个工作日早高峰第m次刷卡对应的借车站点名称，binmp表示租赁卡编号为i的用户第n个工作日早高峰第m次刷卡对应的还车站点名称，cinmp表示租赁卡编号为i的用户第n个工作日早高峰第m次刷卡对应的借车站点类型，dinmp表示租赁卡编号为i的用户第n个工作日早高峰第m次刷卡对应的还车站点类型，ainmq表示租赁卡编号为i的用户第n个工作日晚高峰第m次刷卡对应的借车站点名称，binmq表示租赁卡编号为i的用户第n个工作日晚高峰第m次刷卡对应的还车站点名称，cinmq表示租赁卡编号为i的用户第n个工作日晚高峰第m次刷卡对应的借车站点类型，dinmq表示租赁卡编号为i的用户第n个工作日晚高峰第m次刷卡对应的还车站点类型。
3.根据权利要求2所述的基于公共自行车刷卡数据和POI数据识别通勤OD的方法，其特征在于，步骤(4)中完整的接驳出行链的定义为：当yinp对应的关联记录集合满足当且仅当两次刷卡记录中的借还站点类型{cin1p,din1p,cin2p,din2p}＝{居住型,交通型,交通型,商业办公型}，构成完整的接驳出行链，则认为租赁卡编号为i的用户第n个工作日早高峰时段利用公共自行车接驳换乘轨道交通出行；当yinq对应的关联记录集合满足当且仅当两次刷卡记录中的借还站点类型{cin1q,din1q,cin2q,din2q}＝{商业办公型,交通型,交通型,居住型}，构成完整的接驳出行链，则认为租赁卡编号为i的用户第n个工作日晚高峰时段利用公共自行车接驳换乘轨道交通出行。
4.根据权利要求2所述的基于公共自行车刷卡数据和POI数据识别通勤OD的方法，其特征在于，所述关联记录集合可以通过采用统计分析软件Stata或者R实现，分别提取每一个租赁卡编号所对应的关联记录集合。
5.根据权利要求1至4任一所述的基于公共自行车刷卡数据和POI数据识别通勤OD的方法，其特征在于，步骤(1)中的POI点包括POI点的名称、经纬度坐标、地址及类型，所述类型包括轨道交通型、公寓住宅型、企业大厦型和其他类型。
6.根据权利要求1至4任一所述的基于公共自行车刷卡数据和POI数据识别通勤OD的方法，其特征在于，步骤(3)中的一周工作日指一周内连续五个工作日，早高峰时段为早上七点至九点，晚高峰时段为晚上五点至七点。
7.根据权利要求1至4任一所述的基于公共自行车刷卡数据和POI数据识别通勤OD的方法，其特征在于，步骤(5)中租赁者一周工作日高峰时段内各居住型站点的使用量为在居住型站点的借车次数与还车次数之和；租赁者一周工作日高峰时段内各商业办公型站点的使用量为在商业办公型站点的借车次数与还车次数之和。
CN201810099558.8A 2018-01-31 2018-01-31 基于公共自行车刷卡数据和poi识别通勤od的方法 Active CN108256101B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810099558.8A CN108256101B (zh) 2018-01-31 2018-01-31 基于公共自行车刷卡数据和poi识别通勤od的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810099558.8A CN108256101B (zh) 2018-01-31 2018-01-31 基于公共自行车刷卡数据和poi识别通勤od的方法

Publications (2)

Publication Number Publication Date
CN108256101A CN108256101A (zh) 2018-07-06
CN108256101B true CN108256101B (zh) 2020-07-28

Family

ID=62743935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810099558.8A Active CN108256101B (zh) 2018-01-31 2018-01-31 基于公共自行车刷卡数据和poi识别通勤od的方法

Country Status (1)

Country Link
CN (1) CN108256101B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112750299B (zh) * 2019-10-29 2022-05-06 华为云计算技术有限公司 一种交通流量分析方法和装置
CN113096383A (zh) * 2021-03-09 2021-07-09 东南大学 一种基于出行交易数据和poi数据的居住地站点识别方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102281498A (zh) * 2011-07-28 2011-12-14 北京大学 手机通话数据中用户通勤od的挖掘方法
CN103279534A (zh) * 2013-05-31 2013-09-04 西安建筑科技大学 基于智能公交系统数据的公交卡乘客通勤od分布估计方法
CN104766473A (zh) * 2015-02-09 2015-07-08 北京工业大学 基于多模式公交数据匹配的公共交通出行特征提取方法
CN105788260A (zh) * 2016-04-13 2016-07-20 西南交通大学 一种基于智能公交系统数据的公交乘客od推算方法
CN106910103A (zh) * 2017-01-09 2017-06-30 杭州电子科技大学 一种公共自行车系统租赁点功能聚类方法
CN107609701A (zh) * 2017-09-11 2018-01-19 东南大学 一种基于ic卡数据的公共自行车出行链提取方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100134279A1 (en) * 2008-11-28 2010-06-03 Roy Schwartz Method and system of automatic generation of travel based action

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102281498A (zh) * 2011-07-28 2011-12-14 北京大学 手机通话数据中用户通勤od的挖掘方法
CN103279534A (zh) * 2013-05-31 2013-09-04 西安建筑科技大学 基于智能公交系统数据的公交卡乘客通勤od分布估计方法
CN104766473A (zh) * 2015-02-09 2015-07-08 北京工业大学 基于多模式公交数据匹配的公共交通出行特征提取方法
CN105788260A (zh) * 2016-04-13 2016-07-20 西南交通大学 一种基于智能公交系统数据的公交乘客od推算方法
CN106910103A (zh) * 2017-01-09 2017-06-30 杭州电子科技大学 一种公共自行车系统租赁点功能聚类方法
CN107609701A (zh) * 2017-09-11 2018-01-19 东南大学 一种基于ic卡数据的公共自行车出行链提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
城市公共自行车出行时空间特征分析;郭素萍;《规划师》;20170724;全文 *
通勤出行简单链和复杂链的选择行为研究;杨敏 等;《武汉理工大学学报》;20081231;全文 *

Also Published As

Publication number Publication date
CN108256101A (zh) 2018-07-06

Similar Documents

Publication Publication Date Title
CN106096631B (zh) 一种基于手机大数据的流动人口分类识别分析方法
WO2015096400A1 (zh) 一种利用移动通信数据挖掘进行公交规划的方法
Helminen et al. Relationships between commuting distance, frequency and telework in Finland
Wang et al. Estimating dynamic origin-destination data and travel demand using cell phone network data
Clifton et al. Adjusting ITE's trip generation handbook for urban context
US8185131B2 (en) Method of providing location-based information from portable devices
CN105809292A (zh) 公交ic卡乘客下车站点推算方法
CN109583611B (zh) 基于网约车数据的定制公交站点选址方法
CN109362041A (zh) 一种基于大数据的人口时空分布分析方法
CN102333274A (zh) 一种基于手机信号数据处理通勤信息的方法及装置
CN108256101B (zh) 基于公共自行车刷卡数据和poi识别通勤od的方法
CN112036757A (zh) 基于手机信令和浮动车数据的停车换乘停车场的选址方法
Li et al. Analysis of jobs-housing relationship and commuting characteristics around urban rail transit stations
CN117056823A (zh) 一种识别共享单车通勤用户职业类型的方法及系统
Willumsen Use of big data in transport modelling
CN111104468A (zh) 一种基于语义轨迹推断用户活动的方法
Steenberghen et al. Support study on data collection and analysis of active modes use and infrastructure in Europe
Richard et al. French household travel survey: The next generation
Djuric et al. Parkassistant: An algorithm for guiding a car to a parking spot
Vargas et al. Exploration of cross-border trip characteristics using crowdsourced data
Dash et al. From Mobile Phone Data to Transport Network--Gaining Insight about Human Mobility
Wang et al. Analysis of subway passenger flow based on smart card data
Egorov et al. Research methodology for quantitative and qualitative parameters of parking space use
Thilakshan et al. An Approach to Identify Bottlenecks in Road Networks using Travel Time Variations: A Case Study in the City of Colombo and Suburbs
Saibene et al. Bike usage in public bike-sharing: An analysis of the “BikeMi” system in Milan

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant