CN108388970B - 一种基于gis的公交站点选址方法 - Google Patents

一种基于gis的公交站点选址方法 Download PDF

Info

Publication number
CN108388970B
CN108388970B CN201810238719.7A CN201810238719A CN108388970B CN 108388970 B CN108388970 B CN 108388970B CN 201810238719 A CN201810238719 A CN 201810238719A CN 108388970 B CN108388970 B CN 108388970B
Authority
CN
China
Prior art keywords
road
data
bus
calculating
traffic
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
CN201810238719.7A
Other languages
English (en)
Other versions
CN108388970A (zh
Inventor
张贵军
姚飞
陈安
周晓根
王柳静
魏遥
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.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
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 Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201810238719.7A priority Critical patent/CN108388970B/zh
Publication of CN108388970A publication Critical patent/CN108388970A/zh
Application granted granted Critical
Publication of CN108388970B publication Critical patent/CN108388970B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种基于GIS的公交站点选址方法，借助ArcGIS网络分析技术，考虑到道路拥堵情况、道路时段客流量、道路附近人口密度、道路坡度比等因素，结合实际的道路坡度数据、道路附近人口密度数据、道路人流量数据、道路拥堵量数据，基于GIS技术得到合适的公交站点位置。本发明提供一种有效的、站点规范的基于GIS的公交站点选址方法。

Description

一种基于GIS的公交站点选址方法
技术领域
本发明涉及一种地理信息数据处理技术、地理学、物联网、计算机应用领域、公共交智能化管理、智能交通，尤其涉及的是，一种基于GIS的公交站点选址方法。
背景技术
随着我国近几年城镇人口的快速增加，城市市民的出行，是一个非常重要的问题，城市公共交通系统的建设尤为重要，人口的增加，需要有现代化的城市公共交通系统来满足市民的出行。为能够适应社会和城市快速发展，有效减少城市交通压力，大力发展公共交通系统，通过合理的对公交站点的选址，减少市民的出行时间，方便市民出行，满足居民出行对公共交通出行的依赖具有十分重要的意义。
公交站点是一个城市中的基础设施，是公共汽车交通系统的重要的组成部分，公交站点的选址不但关系到公共交通运营的质量和效率,而且影响市民的出行效率、道路交通的运行质量和城市的发展。公交站点的选址不但要适应城市区域的划分，而且要控制道路上的公交站点数量的合理分布，尽量避免公交站点分布太密集，影响道路通行能力，如果公交站点之间的距离设的太长，则会给居民的出行带来不便。公交车换乘站中心是形成公交车走廊的重要节点，形成一个比较智能化的公交线路网是城市公共交通未来的发展方向，智能化的公交系统在运营上满足不同等级运营需求，以公交换乘系统为中介，让不同的交通方式在时空上合理分配。智能化的公交换乘系统，给城市带来了巨大的社会效益，对实现城市公交系统的可持续发展有重要的意义。公交站点是公交网络系统核心，对公交站点进行科学合理的设计和规划，有十分重要的意义。在目前城市化发展过程中，公交站点合理的选址，第一可以有效提高公交的通行效率，第二合理的利用土地资源，第三能够减少环境污染。
目前，国内大、中城市在公交站点的建设和规划中存在许多问题，公交站点设计落后，没有合理规划，尤其是大多数中、小城市并没有进行公交站点的规划，规划水平较低，导致了公交站点用地没有保障，公交站点的选址随意性较大，位置不合理，造成城市内的公交系统存在不科学、不合理的情况，影响城市公共交通整体的发展。公交站点规划不合理问题成为了制约城市公共交通发展的重要因素之一，因此，对城市内部的公交站点进行合理的设计和规划十分必要。
公交站点是城市公共交通系统中重要基础保障设施的组成部分，因此，良好和合理的公交站点的规划和高质量的服务水平对于保障整个公交网络系统稳定运营具有重要的意义。公交站点在整个交通系统中发挥着重要的作用，因此公交站点的优化，是公交优先发展的重要方法和途径。
当今城市化建设快速发展，城市土地资源越来越珍贵，国内一些城市公交站点作为公共服务用地，其土地资源供给明显落后于其它的发展需求，城市公交站点的数量、规模与合理性有较大的差距。公交站点设施功能不齐全、设备落后；另外，公交站点设施和设备的更新换代速度较慢，公交场站信息化管理水平低下，公交站点的位置不合适，无法满足乘客日益增长的需求。目前我国有些城市经济发展不发达和对公共交通管理不规范，公交站点目前的信息化发展水平比较低下，信息化水平有待进一步提升。
现有的公交站点选址不规范，影响道路的通行能力，存在不足，需要改进。
发明内容
为了克服城市人口的不断增加，现有的公交站点选址不规范，影响公交的运行效率，为了让市民更方便出行，本发明借助ArcGIS网络分析技术，考虑到道路拥堵情况、道路时段客流量、道路附近人口密度、道路坡度比等因素，提出一种基于GIS的公交站点选址方法。
本发明解决其技术问题所采用的技术方案是：
一种基于GIS的公交站点选址方法，包括以下步骤：
A1、获取城市某条道路附近区域人口数据P、道路附近区域的面积数据A、道路坡度高度数据h、道路坡道底长数据l、道路每个时刻人数数量g、时间数据f、道路白天12小时的交通总量B；
A2、计算道路附近区域人口密度信息
Figure BDA0001604678750000021
D的值越大表示区域人口密度越大；
A3、以每隔200米的距离计算道路坡度比
Figure BDA0001604678750000022
i∈{1,...,o}，
Figure BDA0001604678750000031
表示第i个道路坡度比，hi表示第i个坡度高度，li表示第i个坡道底长，o表示坡度比总数；
A4、计算道路某个时段内的人流量
Figure BDA0001604678750000032
u∈{1,...,m}，gu表示在该时段内人数总量，fu表示u时间段，
Figure BDA0001604678750000033
的值越大表示在u时间段内人流量越大，m表示时段总数；
A5、计算道路拥堵量Z：
Figure BDA0001604678750000034
ω为权重系数，ω＝1-α/100+α×β/100；α为大型车辆的混入率；β为大型车辆的标准车当量系数；B为白天12小时的交通总量；C为12小时交通量的评价基准，基准交通量由规划等级和设计通行能力、峰值率、同方向率求出，当Z<1表示畅通，当1≤Z<1.75时，表示拥堵时段逐渐增加，当Z≥1.75时表示慢性拥堵；
A6、计算距离评估值Jj，以评价每个公交站点j可以辐射到的范围：
Jj＝ωeE+ωqQ+ωzZ+ωdD (2)
ωe表示坡度比的权重，ωq表示道路人流量的权重，ωz表示交通拥堵量的权重，ωd表示人口密度的权重；
A7、将道路附近人口密度数据D、道路坡度比数据E、道路的人流量数据Q、道路拥堵量数据Z这些数据进行筛选，执行步骤A8；
A8、将筛选过的数据，即道路附近人口密度数据D、道路坡度比数据E、道路各个时刻的人流量数据Q、道路拥堵量数据Z，导入到ArcGIS Pro软件中，通过软件中的SpatialAnalyst Tools分析工具，综合分析生成V个公交站点；
A9、按照公式(2)计算V个公交站点的距离评估值
Figure BDA0001604678750000035
j∈{1,...,V}，并且计算所有公交站距离评估值的平均值：
Figure BDA0001604678750000036
A10、在该道路上随机选取n个公交站点；
A11、根据公式(2)计算n个公交站点的距离评估值
Figure BDA0001604678750000041
A12、比较
Figure BDA0001604678750000042
和JS的绝对值大小，根据绝对值JS的大小，对
Figure BDA0001604678750000043
的值从小到大进行排序，选取前t个
Figure BDA0001604678750000044
对应的公交站点作为最终的t个公交站点位置。
本发明的有效性表现在：所提出的公交站点选址方法，结合实际的道路坡度数据、道路附近人口密度数据、道路人流量数据、道路拥堵量数据，基于GIS技术得到合适的公交站点位置。
附图说明
图1是一种基于GIS的公交站点选址方法流程图。
图2是道路数据导入到ArcGIS Pro中生成的一些公交站点图。
图3是公交站点能够覆盖到范围距离效果图。
图4是道路附近人口密度图。
图5是最终选取公交站点的效果图。
具体实施方式
下面结合附图对本发明进一步描述。
参考图1～图5，一种基于GIS的公交站点选址方法，包括以下步骤：
A1、获取城市某条道路附近区域人口数据P、道路区域的面积A、道路坡度高度h、道路坡道底长l、道路每个时刻人数数量g、时间数据f、白天12小时的交通总量B；
A2、计算道路附近区域人口密度信息
Figure BDA0001604678750000045
D的值越大表示区域人口密度越大，图4是道路附近区域人口密度信息图；
A3、以每隔200米的距离计算道路坡度比
Figure BDA0001604678750000046
i∈{1,...,o}，
Figure BDA0001604678750000047
表示第i个道路坡度比，hi表示第i个坡度高度，li表示第i个坡道底长，o表示总数；
A4、计算道路某个时段内的人流量
Figure BDA0001604678750000048
u∈{1,...,m}，gu表示在该时段内人数总量，fu表示在u时间段内，
Figure BDA0001604678750000049
的值越大表示在u时间段内人流量越大，m表示时段总数；
A5、计算道路拥堵量Z：
Figure BDA0001604678750000051
ω为权重系数，ω＝1-α/100+α×β/100；α为大型车辆的混入率；β为大型车辆的标准车当量系数；B为白天12小时的交通总量；C为12小时交通量的评价基准，基准交通量由规划等级和设计通行能力、峰值率、同方向率求出，当Z<1表示畅通，当1≤Z<1.75时，表示拥堵时段逐渐增加，当Z≥1.75时表示慢性拥堵；
A6、计算距离评估值Jj，以评价每个公交站点j可以辐射到的范围：
Jj＝ωeE+ωqQ+ωzZ+ωdD (2)
ωe表示坡度比的权重，ωq表示道路人流量的权重，ωz表示交通拥堵量的权重，ωd表示人口密度的权重，图3是公交站点可以辐射到距离评估值；
A7、将道路附近人口密度数据D、道路坡度比数据E、道路各个时刻的人流量数据Q、道路拥堵量数据Z这些数据进行筛选，执行步骤A8；
A8、经过A7步骤对数据进行筛选，图2是道路附近人口密度数据D、道路坡度比数据E、道路各个时刻的人流量数据Q、道路拥堵量数据Z，将这些数据导入到ArcGIS Pro软件中，通过软件中的Spatial Analyst Tools分析工具，综合分析生成V个公交站点；
A9、按照公式(2)计算V个公交站点的距离评估值
Figure BDA0001604678750000052
j∈{1,...,V}，并且计算所有公交站距离评估值的平均值：
Figure BDA0001604678750000053
A10、在该道路上随机选取n个公交站点；
A11、根据公式(2)计算n个公交站点的距离评估值
Figure BDA0001604678750000054
A12、比较
Figure BDA0001604678750000055
和JS的绝对值大小，根据绝对值JS的大小，对
Figure BDA0001604678750000056
的值从小到大进行排序，选取前t个
Figure BDA0001604678750000057
对应的公交站点作为最终的t个公交站点位置，图5作为公交站点位置。
以浙江温州市某地区一条道路为例，一种基于GIS的公交站点选址方法步骤如下：
A1、获取浙江温州市某地区该道路附近区域人口数据P、道路附近区域的面积A、道路坡度高度h、道路坡道底长l、道路每个时刻人数数量g、时间数据f、道路白天12小时的交通总量B；
A2、计算浙江温州市某地区该道路附近区域人口密度信息
Figure BDA0001604678750000061
D的值越大表示区域人口密度越大；
A3、计算每隔200米距离浙江温州市某地区该道路坡度比
Figure BDA0001604678750000062
i∈{1,...,o}，
Figure BDA0001604678750000063
表示第i个道路坡度比，hi表示第i个坡度高度，li表示第i个坡道底长，o＝50表示总数；
A4、计算道路某个时段内的人流量
Figure BDA0001604678750000064
u∈{1,...,m}，gu表示在该时段内人数总量，fu表示在u时间段内，
Figure BDA0001604678750000065
的值越大表示在u时间段内人流量越大，m＝50表示时段总数；
A5、浙江温州市某地区该道路拥堵量Z的计算公式：
Figure BDA0001604678750000066
ω为权重系数，ω＝1-α/100+α×β/100；α为大型车辆的混入率；β为大型车辆的标准车当量系数；B为白天12小时的交通总量；C为12小时交通量的评价基准，基准交通量由规划等级和设计通行能力、峰值率、同方向率求出，当Z<1表示畅通，当1≤Z<1.75时，表示拥堵时段逐渐增加，当Z≥1.75时表示慢性拥堵；
A6、计算每个公交站点j可以辐射到的范围距离评估值Jj：
Jj＝ωeE+ωqQ+ωzZ+ωdD (2)
ωe表示坡度比的权重，ωq表示道路人流量的权重，ωz表示交通拥堵量的权重，ωd表示人口密度的权重，ωe＝0.2，ωq＝0.3，ωz＝0.25，ωd＝0.25；
A7、将浙江温州市某地区该道路附近人口密度数据D、道路坡度比数据E、道路的人流量数据Q、道路拥堵量数据Z这些数据进行筛选，执行步骤A8；
A8、经过A7步骤对数据进行筛选，将道路附近人口密度数据D、道路坡度比数据E、道路各个时刻的人流量数据Q、道路拥堵量数据Z，导入到ArcGIS Pro软件中，通过软件中的Spatial Analyst Tools分析工具，综合分析生成50个公交站点；
A9、按照公式(2)计算这50个公交站点距离评估值
Figure BDA0001604678750000071
j∈{1,...,50}，并且计算这50个公交站距离评估值的平均值：
Figure BDA0001604678750000072
A10、在浙江温州市某地区该道路上随机选取35个公交站点；
A11、根据公式(2)计算35个公交站点的距离评估值
Figure BDA0001604678750000073
A12、比较
Figure BDA0001604678750000074
值和JS值的绝对值大小，根据绝对值JS值的大小，对
Figure BDA0001604678750000075
的值从小到大进行排序，选取前20个距离评估值，选择距离评估值相对应的公交站点，图5作为最终的公交站点位置。
以上阐述的是本发明给出的一个实施例表现出来的优良效果，显然本发明不仅适合上述实施例，在不偏离本发明基本精神及不超出本发明实质内容所涉及内容的前提下可对其做种种变化加以实施。

Claims (1)

1.一种基于GIS的公交站点选址方法，其特征在于：所述公交站点选址方法包括以下步骤：
A1、获取城市某条道路附近区域人口数据P、道路附近区域的面积数据A、道路坡度高度数据h、道路坡道底长数据l、道路每个时刻人数数量g、时间数据f、道路白天12小时的交通总量B；
A2、计算道路附近区域人口密度信息
Figure FDA0002979933400000011
D的值越大表示区域人口密度越大；
A3、以每隔200米的距离计算道路坡度比
Figure FDA0002979933400000012
i∈{1,...,o}，
Figure FDA0002979933400000013
表示第i个道路坡度比，hi表示第i个坡度高度，li表示第i个坡道底长，o表示坡度比总数；
A4、计算道路某个时段内的人流量
Figure FDA0002979933400000014
u∈{1,...,m}，gu表示在该时段内人数总量，fu表示u时间段，
Figure FDA0002979933400000015
的值越大表示在u时间段内人流量越大，m表示时段总数；
A5、计算道路拥堵量Z：
Figure FDA0002979933400000016
ω为权重系数，ω＝1-α/100+α×β/100；α为大型车辆的混入率；β为大型车辆的标准车当量系数；B为白天12小时的交通总量；C为12小时交通量的评价基准，基准交通量由规划等级和设计通行能力、峰值率、同方向率求出，当Z<1表示畅通，当1≤Z<1.75时，表示拥堵时段逐渐增加，当Z≥1.75时表示慢性拥堵；
A6、计算距离评估值Jj，以评价每个公交站点j可以辐射到的范围：
Jj＝ωeE+ωqQ+ωzZ+ωdD (2)
ωe表示坡度比的权重，ωq表示道路人流量的权重，ωz表示交通拥堵量的权重，ωd表示人口密度的权重；
A7、将道路附近人口密度数据D、道路坡度比数据E、道路的人流量数据Q、道路拥堵量数据Z这些数据进行筛选，执行步骤A8；
A8、将筛选过的数据，即道路附近人口密度数据D、道路坡度比数据E、道路各个时刻的人流量数据Q、道路拥堵量数据Z，导入到ArcGIS Pro软件中，通过软件中的SpatialAnalyst Tools分析工具，综合分析生成V个公交站点；
A9、按照公式(2)计算V个公交站点的距离评估值
Figure FDA0002979933400000021
并且计算所有公交站距离评估值的平均值：
Figure FDA0002979933400000022
A10、在该道路上随机选取n个公交站点；
A11、根据公式(2)计算n个公交站点的距离评估值
Figure FDA0002979933400000023
A12、比较
Figure FDA0002979933400000024
和JS的绝对值大小，根据绝对值JS的大小，对
Figure FDA0002979933400000025
的值从小到大进行排序，选取前t个
Figure FDA0002979933400000026
对应的公交站点作为最终的t个公交站点位置。
CN201810238719.7A 2018-03-22 2018-03-22 一种基于gis的公交站点选址方法 Active CN108388970B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810238719.7A CN108388970B (zh) 2018-03-22 2018-03-22 一种基于gis的公交站点选址方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810238719.7A CN108388970B (zh) 2018-03-22 2018-03-22 一种基于gis的公交站点选址方法

Publications (2)

Publication Number Publication Date
CN108388970A CN108388970A (zh) 2018-08-10
CN108388970B true CN108388970B (zh) 2021-05-18

Family

ID=63067950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810238719.7A Active CN108388970B (zh) 2018-03-22 2018-03-22 一种基于gis的公交站点选址方法

Country Status (1)

Country Link
CN (1) CN108388970B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109190816B (zh) * 2018-08-28 2021-06-18 浙江工业大学 一种基于gis的商品配送中心选址方法
CN109325614B (zh) * 2018-08-28 2021-08-03 浙江工业大学 一种基于gis的汽车站选址方法
CN109255538A (zh) * 2018-09-12 2019-01-22 中国联合网络通信集团有限公司 银行网点选址的评估方法和系统、服务器、存储介质
CN110659769A (zh) * 2019-08-19 2020-01-07 浙江工业大学 一种基于gis和免疫算法的最大覆盖双层选址优化方法
CN112289066B (zh) * 2019-12-30 2021-09-21 南京行者易智能交通科技有限公司 一种公交行车计划的途径站点及其到达时刻设置方法
CN113570185B (zh) * 2021-06-08 2024-05-24 深圳市综合交通设计研究院有限公司 一种基于gis的公交场站供需指数系统及其发布方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105206046A (zh) * 2015-10-10 2015-12-30 东南大学 基于大数据的出租车服务站选址及可行性评价方法
CN105654206A (zh) * 2016-01-06 2016-06-08 南通大学 基于乘客出行空间分布的公交站点选址布局优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9558658B2 (en) * 2013-09-27 2017-01-31 Here Global B.V. Method for transforming probe data across transportation modes

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105206046A (zh) * 2015-10-10 2015-12-30 东南大学 基于大数据的出租车服务站选址及可行性评价方法
CN105654206A (zh) * 2016-01-06 2016-06-08 南通大学 基于乘客出行空间分布的公交站点选址布局优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Identifying bus stop redundancy: A gis-based spatial optimization approach;Eric M. Delmelle;《Computers, Environment and Urban Systems》;20120225(第36期);全文 *
中心城区道路交叉口公交站点设置优化研究;陶永俊;《工程科技Ⅱ辑》;20150315(第3期);全文 *

Also Published As

Publication number Publication date
CN108388970A (zh) 2018-08-10

Similar Documents

Publication Publication Date Title
CN108388970B (zh) 一种基于gis的公交站点选址方法
CN108537391B (zh) 一种基于出租车轨迹数据的出租车停靠站设置优化方法
WO2023109720A1 (zh) 城市公共交通规划方法
CN110288198B (zh) 基于交通分区的租赁自行车交通设施承载力测度方法
Zhong et al. Impact of the built environment on the vehicle emission effects of road pricing policies: A simulation case study
CN112309119B (zh) 一种城市交通系统容量分析优化方法
Qu et al. Location optimization for urban taxi stands based on taxi GPS trajectory big data
Steven et al. Optimization of bus route planning in urban commuter networks
CN109325614B (zh) 一种基于gis的汽车站选址方法
CN104282142B (zh) 一种基于出租车gps数据的公交站台设置方法
CN108564257B (zh) 一种基于gis的城市共享单车回收方法
Kushchenko et al. The planning and conducting transport and transport-sociological surveys for the development of a local project of the Belgorod urban agglomeration
CN116233757A (zh) 一种基于手机信令数据的居民出行碳排放量计算方法
CN106130110B (zh) 基于分层概率选择出行地的电动出租车充电站定容方法
CN110245774A (zh) 一种根据员工家庭住址进行班车线路优化的方法
CN113240265B (zh) 一种基于多模式交通数据的城市空间划分方法
Yang et al. Spatially Varying Relation between Built Environment and Station‐Level Subway Passenger‐Distance
CN115294773B (zh) 一种公交专用道优化配置方法、电子设备及存储介质
CN114238491B (zh) 一种基于异质图的多模式交通运行态势关联规则挖掘方法
Roxas et al. Estimating the environmental effects of the car shifting behavior along EDSA
CN105608315A (zh) 公交停靠站安全服务水平定量评价方法及系统
Izadi et al. Evaluation of the performance of bus special lines according to indicators of quality and transport and its performance improvement using ultra-innovative intelligent models (Case study: Rasht city)
Cheng et al. Analysis on utilization of Beijing local roads using taxi GPS data
Mamdoohi et al. An Analysis of Public Transit Connectivity Index in Tehran. The Case Study: Tehran Multi-Modal Transit Network
Nemchinov et al. Assessment of the required street and road network development in urban agglomerations

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20180810

Assignee: Foshan shangxiaoyun Technology Co.,Ltd.

Assignor: JIANG University OF TECHNOLOGY

Contract record no.: X2024980000078

Denomination of invention: A GIS based method for selecting bus stop locations

Granted publication date: 20210518

License type: Common License

Record date: 20240104