CN108399736B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN108399736B CN108399736B CN201810399732.0A CN201810399732A CN108399736B CN 108399736 B CN108399736 B CN 108399736B CN 201810399732 A CN201810399732 A CN 201810399732A CN 108399736 B CN108399736 B CN 108399736B
- Authority
- CN
- China
- Prior art keywords
- positioning
- vehicle
- area
- vehicles
- time
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/205—Indicating the location of the monitored vehicles as destination, e.g. accidents, stolen, rental
Abstract
本发明公开了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,首先,根据城市实际情况划分共享自行车有效车辆数分析区域。其次,将运营数据处理转换为车辆的定位数据,并判断每辆车每次定位所在的区域。最后,通过判断每辆车的每次定位与下次定位是否在同一区域,计算每辆车在各区域的累计服务时间,来确定各区域的有效车辆数。本发明能客观地获取共享自行车在相应区域内的有效车辆数,为通过运营指标空间分析引导企业高效经营提供了分析基础。
Description
技术领域:
本发明涉及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,属于城市公共自行车和共享单车运营技术领域。
背景技术:
随着我国城市化不断发展,城市人口增加,机动化水平提高,带来了拥堵、环境,能源等一系列问题,同时居民出行需求也存在多样化和个性化的发展趋势。而以公共自行车和共享单车为代表的共享自行车,作为城市公共交通网络的补充,较好解决“最后一公里”问题,满足中短距离的差异化出行需求,有助于形成“多模式、一体化、人性化”的城市综合交通系统。
公共自行车和共享单车的区别主要在于信息共享设备分别是车桩和智能锁,在服务对象、出行距离和使用功能等方面都具有明显的一致性,两者可以统称为共享自行车。现阶段共享自行车服务已经在世界各地得到广泛推广,但是规划管理和运营调度主要是依靠实地经验和传统理论,未能利用共享自行车系统的运营服务数据来进行更加科学高效的经营管理。
在利用运营数据精细化指导企业经营的过程中,一个关键问题就是一个区域内的共享自行车有效车辆数量问题。因为共享自行车服务的流动性本质,所以一个区域内车辆数量是处在实时动态变化的过程中,这一点不利于计算不同区域的车辆数量、车辆密度、车辆每日使用次数等运营指标,阻碍了企业基于不同区域运营指标分析来实现精细化经营管理。目前尚无确定区域内共享自行车实际服务车辆数的有效方法。
发明内容
本发明所要解决的技术问题是克服共享自行车流动性对服务车辆数量统计带来的困难,提供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。本发明划分共享自行车分析区域,利用企业的运营数据提取出车辆的时空定位数据,根据车辆在区域内的服务时间,确定各区域的有效车辆数量,为共享自行车精细化运营调度奠定指标分析基础。
本发明为解决上述技术问题采用以下技术方案:
本发明提供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,包括以下步骤:
步骤1,根据实际情况划分共享自行车分析的各个区域,区域数量为M,研究周期为T;
步骤2,将订单数据处理转换为车辆的定位数据,并判断每辆车每次定位所在的区域,车辆总数为N,第i辆车的定位次数为Di;
步骤3,通过判断每辆车的每次定位与下次定位是否在同一区域,计算每辆车在各区域的累计服务时间,来确定各区域的有效车辆数量。
作为本发明的进一步技术方案,步骤1中根据土地利用特征、社会经济属性、人口分布特征、自然边界、行政区划、城市道路网络和轨道交通网络等影响因素划分共享自行车分析的各个区域。
作为本发明的进一步技术方案,步骤2中订单数据处理转换为车辆的定位数据。定位数据包括车辆ID、定位时间、经度、纬度等4个字段,不需要处理转换,可以直接使用。订单数据包括订单ID、用户ID、车辆ID、借车定位时间、借车经度、借车纬度、还车定位时间、还车经度、还车纬度等9个字段,一条订单数据可以拆分为借车、还车的两次定位数据,两次定位的车辆ID不变,定位时间、经度、纬度分别是借车、还车的定位时间、经度、纬度。
作为本发明的进一步技术方案,步骤3具体为:
3.1,计算每辆车在各区域的累计服务时间。
其中,Tij为第i辆车在第j个区域的累计服务时间,是计算第i辆车多大概率上在第j个区域提供服务的依据。满足约束条件:0≤Tij≤T,tid为第i辆车第d次定位到第d+1次定位的时段长度。当d=0时,tid为第i辆车研究周期开始(认为是第0次定位)到第1次定位的时段长度;当d=Di时,tid为第i辆车第Di次定位到研究周期结束(认为是第Di+1次定位)的时段长度;当0<d<Di时,tid为第i辆车第d次定位到第d+1次定位的时段长度。kdj为在第i辆车第d次定位到第d+1次定位的时段中是否位于第j个区域的系数,取值为0、0.5或1。当d=0时,如果第i辆车第1次定位是位于第j个区域,kdj=1,否则kdj=0;当d=Di时,如果第i辆车第Di次定位是位于第j个区域,kdj=1,否则kdj=0;当0<d<Di时,第i辆车第d次定位和第d+1次定位都是位于第j个区域则kdj=1,第d次定位和第d+1次定位都不是位于第j个区域则kdj=0,否则kdj=0.5。
3.2,计算各区域的有效车辆数量。
对于第j个区域,基于所有车辆服务时间的有效车辆数量(为第j个区域提供服务的共享自行车车辆数量)为:
本发明采用以上技术方案具有以下技术效果:本发明划分共享自行车分析区域,利用企业的运营数据提取出车辆的时空定位数据,根据车辆在区域内的服务时间,确定各区域的有效车辆数量,为共享自行车精细化运营调度奠定指标分析基础。本发明能科学地计算共享自行车在相应区域内的有效车辆数量,克服车辆流动性对各区域运营指标计算的不利影响,为通过运营指标空间研究引导企业高效经营提供了分析基础。
附图说明
图1是本发明基于服务时间分析获取区域内共享自行车有效车辆数量的流程图。
图2是本发明实例的共享自行车分析的区域划分示意图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
图2所示为本发明确定区域内共享自行车有效车辆数量流程图,下面结合图2对本发明作进一步的说明。
本发明基于服务时间的区域共享自行车有效车辆数获取方法,主要包含以下步骤:
(1),根据实际情况划分共享自行车分析的各个区域,区域数量为M,研究周期为T。
根据土地利用特征、社会经济属性、人口分布特征、自然边界、行政区划、城市道路网络和轨道交通网络等影响因素划分共享自行车分析的各个区域。
(2),将运营数据处理转换为车辆的定位数据,并判断每辆车每次定位所在的区域,车辆总数为N,第i辆车的定位次数为Di。定位数据包括车辆ID、定位时间、经度、纬度等4个字段。
定位数据或订单数据等运营数据处理转换为车辆的定位数据。定位数据包括车辆ID、定位时间、经度、纬度等4个字段,不需要处理转换,可以直接使用。订单数据包括订单ID、用户ID、车辆ID、借车定位时间、借车经度、借车纬度、还车定位时间、还车经度、还车纬度等9个字段,一条订单数据可以拆分为借、还车的两次定位数据,两次定位的车辆ID不变,定位时间、经度、纬度分别是借、还车的定位时间、经度、纬度。
(3),通过判断每辆车的每次定位与下次定位是否在同一区域,计算每辆车在各区域的累计服务时间,来确定各区域的有效车辆数量。
所述步骤(3)中根据服务时间确定各区域的有效车辆数量的具体步骤包括:
(31)计算每辆车在各区域的累计服务时间。
其中,Tij为第i辆车在第j个区域的累计服务时间,是计算第i辆车多大概率上在第j个区域提供服务的依据。满足约束条件:0≤Tij≤T。
其中,tid为第i辆车第d次定位到第d+1次定位的时段长度。当d=0时,tid为第i辆车研究周期开始(认为是第0次定位)到第1次定位的时段长度;当d=Di时,tid为第i辆车第Di次定位到研究周期结束(认为是第Di+1次定位)的时段长度;当0<d<Di时,tid为第i辆车第d次定位到第d+1次定位的时段长度。kdj为在第i辆车第d次定位到第d+1次定位的时段中是否位于第j个区域的系数,取值为0、0.5或1。当d=0时,如果第i辆车第1次定位是位于第j个区域,kdj=1,否则kdj=0;当d=Di时,如果第i辆车第Di次定位是位于第j个区域,kdj=1,否则kdj=0;当0<d<Di时,第i辆车第d次定位和第d+1次定位都是位于第j个区域则kdj=1,第d次定位和第d+1次定位都不是位于第j个区域则kdj=0,否则kdj=0.5。
(32)计算各区域的有效车辆数量。
对于第j个区域,基于所有车辆服务时间的有效车辆数量(真正在第j个区域内服务的共享自行车车辆数量)为:
下面用具体实施例来进一步说明本发明的技术方案。
案例研究对象为共享单车,共有两辆车,获取的订单数据如表1所示。
表1案例订单数据
1、根据南京新街口-大行宫附近地区实际情况划分共享自行车分析的区域,分为两个区域,区域ID分别为1(代表新街口区域)和2(代表大行宫区域),研究周期为一天(2017年8月30日)。根据土地利用特征、社会经济属性、人口分布特征、自然边界、行政区划、城市道路网络和轨道交通网络等影响因素划分共享自行车分析的两个个区域,即新街口区域和大行宫区域。
2、将运营数据处理转换为车辆的定位数据,并判断每辆车每次定位所在的区域,车辆总数为N,第i辆车的定位次数为Di。定位数据包括车辆ID、定位时间、经度、纬度等4个字段。
定位数据或订单数据等运营数据处理转换为车辆的定位数据。定位数据包括车辆ID、定位时间、经度、纬度等4个字段,不需要处理转换,可以直接使用。订单数据包括订单ID、用户ID、车辆ID、借车定位时间、借车经度、借车纬度、还车定位时间、还车经度、还车纬度等9个字段,一条订单数据可以拆分为借、还车的两次定位数据,两次定位的车辆ID不变,定位时间、经度、纬度分别是借、还车的定位时间、经度、纬度。
表2处理转换后的定位数据
车辆ID | 定位时间 | 经度 | 纬度 |
1 | 2017/8/30 6:00:00 | 118.780564° | 32.041535° |
1 | 2017/8/30 18:00:00 | 118.775388° | 32.046271° |
2 | 2017/8/30 6:00:00 | 118.780445° | 32.044703° |
2 | 2017/8/30 18:00:00 | 118.799943° | 32.041301° |
(3),通过判断每辆车的每次定位与下次定位是否在同一区域,计算每辆车在各区域的累计服务时间,来确定各区域的有效车辆数量。
表2处理转换后的定位数据
车辆ID | 定位时间 | 所在区域ID | 定位次序 | 与下次定位是否在同一区域 |
1 | 2017/8/30 6:00:00 | 1 | 1 | 是 |
1 | 2017/8/30 18:00:00 | 1 | 2 | —(最后一次定位) |
2 | 2017/8/30 6:00:00 | 1 | 1 | 否 |
2 | 2017/8/30 18:00:00 | 2 | 2 | —(最后一次定位) |
所述步骤(3)中根据服务时间确定各区域的有效车辆数量的具体步骤包括:
(31)计算每辆车在各区域的累计服务时间。
其中,Tij为第i辆车在第j个区域的累计服务时间,是计算第i辆车多大概率上在第j个区域提供服务的依据。满足约束条件:0≤Tij≤T。
其中,tid为第i辆车第d次定位到第d+1次定位的时段长度。当d=0时,tid为第i辆车研究周期开始(认为是第0次定位)到第1次定位的时段长度;当d=Di时,tid为第i辆车第Di次定位到研究周期结束(认为是第Di+1次定位)的时段长度;当0<d<Di时,tid为第i辆车第d次定位到第d+1次定位的时段长度。kdj为在第i辆车第d次定位到第d+1次定位的时段中是否位于第j个区域的系数,取值为0、0.5或1。当d=0时,如果第i辆车第1次定位是位于第j个区域,kdj=1,否则kdj=0;当d=Di时,如果第i辆车第Di次定位是位于第j个区域,kdj=1,否则kdj=0;当0<d<Di时,第i辆车第d次定位和第d+1次定位都是位于第j个区域则kdj=1,第d次定位和第d+1次定位都不是位于第j个区域则kdj=0,否则kdj=0.5。
表3每辆车在各区域的服务时间计算过程及结果
(32)计算各区域的有效车辆数量。
对于第j个区域,基于所有车辆服务时间的有效车辆数量(为第j个区域服务的共享自行车车辆数量)为:
表4各区域的有效车辆数量计算过程及结果
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替代,都应当视为属于本发明的保护范围。
Claims (4)
1.基于服务时间的共享自行车有效车辆数获取方法,其特征在于,包括以下步骤:
步骤1,根据实际情况划分共享自行车分析的各个区域,区域数量为M,研究周期的时间长度为T;
步骤2,将订单数据处理转换为车辆的定位数据,并判断每辆车每次定位所在的区域,车辆总数为N,第i辆车的定位次数为Di;
步骤3,通过判断每辆车的每次定位与下次定位是否在同一区域,计算每辆车在各区域的累计服务时间,来确定各区域的有效车辆数量。
2.根据权利要求1所述的基于服务时间的共享自行车有效车辆数获取方法,其特征在于,步骤1中所述的根据实际情况划分共享自行车分析的各个区域包括的影响因素有:土地利用特征、社会经济属性、人口分布特征、自然边界、行政区划、城市道路网络和轨道交通网络。
3.根据权利要求1所述的基于服务时间的共享自行车有效车辆数获取方法,其特征在于,步骤2中所述的将订单数据处理转换为车辆的定位数据,所述的定位数据包括车辆ID、定位时间、经度、纬度;所述的订单数据包括订单ID、用户ID、车辆ID、借车定位时间、借车经度、借车纬度、还车定位时间、还车经度、还车纬度,一条订单数据可以拆分为借车、还车的两次定位数据,两次定位数据中的车辆ID不变,定位时间、经度、纬度分别是借车、还车的定位时间、经度、纬度。
4.根据权利要求1所述的基于服务时间的共享自行车有效车辆数获取方法,其特征在于,步骤3具体为:
3.1,计算每辆车在各区域的累计服务时间:
其中,Tij为第i辆车在第j个区域的累计服务时间,是计算第i辆车多大概率上在第j个区域提供服务的依据,满足约束条件:0≤Tij≤T;
tid为第i辆车第d次定位到第d+1次定位的时段长度,当d=0时,tid为第i辆车研究周期开始,即认为是第0次定位,到第1次定位的时段长度;当d=Di时,tid为第i辆车第Di次定位到研究周期结束,即认为是第Di+1次定位,的时段长度;当0<d<Di时,tid为第i辆车第d次定位到第d+1次定位的时段长度;
kdj为在第i辆车第d次定位到第d+1次定位的时段中是否位于第j个区域的系数,取值为0、0.5或1,当d=0时,如果第i辆车第1次定位是位于第j个区域,kdj=1,否则kdj=0;
当d=Di时,如果第i辆车第Di次定位是位于第j个区域,kdj=1,否则kdj=0;当0<d<Di时,第i辆车第d次定位和第d+1次定位都是位于第j个区域则kdj=1,第d次定位和第d+1次定位都不是位于第j个区域则kdj=0,否则kdj=0.5;
3.2,计算各区域的有效车辆数量:对于第j个区域,基于所有车辆服务时间的有效车辆数量,即第j个区域提供服务的共享自行车车辆数量为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810399732.0A CN108399736B (zh) | 2018-04-27 | 2018-04-27 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810399732.0A CN108399736B (zh) | 2018-04-27 | 2018-04-27 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108399736A CN108399736A (zh) | 2018-08-14 |
CN108399736B true CN108399736B (zh) | 2020-08-28 |
Family
ID=63099494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810399732.0A Active CN108399736B (zh) | 2018-04-27 | 2018-04-27 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108399736B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109903125A (zh) * | 2019-01-28 | 2019-06-18 | 东南大学 | 基于od数据的共享单车借还与停放时空分布可视化方法 |
CN110047279B (zh) * | 2019-04-04 | 2020-07-31 | 东南大学 | 一种基于订单数据确定共享单车调度量的方法 |
CN111080116B (zh) * | 2019-12-11 | 2023-05-09 | 东南大学 | 一种共享单车和公共自行车的协同调度方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102637358A (zh) * | 2012-04-19 | 2012-08-15 | 浙江大学 | 立足市民满意度的公共自行车服务系统及调度配送方法 |
CN105426997A (zh) * | 2015-11-18 | 2016-03-23 | 西南交通大学 | 城市公共自行车智能调度与运用管理系统及其实现方法 |
CN106296350A (zh) * | 2016-08-04 | 2017-01-04 | 杭州电子科技大学 | 一种可视化分析城市公共自行车系统借还模式的方法 |
CN106875256A (zh) * | 2017-01-22 | 2017-06-20 | 上海量明科技发展有限公司 | 获取共享单车信息的方法、客户端、装置及系统 |
CN107016594A (zh) * | 2017-03-14 | 2017-08-04 | 广东亦强软件有限公司 | 基于共享单车的管理系统及方法 |
CN107093104A (zh) * | 2017-04-13 | 2017-08-25 | 成都步共享科技有限公司 | 一种基于用户参与的共享单车调度方法 |
CN107170231A (zh) * | 2017-07-14 | 2017-09-15 | 北京途歌科技有限公司 | 基于热点区域分析的共享汽车调度分配方法 |
CN107195015A (zh) * | 2017-04-11 | 2017-09-22 | 徐士兰 | 共享单车、数据处理系统、共享单车定位方法和共享对象 |
CN107330531A (zh) * | 2017-06-27 | 2017-11-07 | 中国联合网络通信集团有限公司 | 网约车共享方法及网约车共享装置 |
CN107341862A (zh) * | 2017-07-11 | 2017-11-10 | 深圳市合智思创信息技术有限公司 | 车辆在预定区域内停车时长的计算方法、装置、监控系统 |
CN107451714A (zh) * | 2017-06-22 | 2017-12-08 | 浙江力石科技股份有限公司 | 一种基于大数据分析的共享交通资源时域配置方法及系统 |
CN107767659A (zh) * | 2017-10-13 | 2018-03-06 | 东南大学 | 基于arima模型的共享单车吸引量和发生量预测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7119716B2 (en) * | 2003-05-28 | 2006-10-10 | Legalview Assets, Limited | Response systems and methods for notification systems for modifying future notifications |
JP2006048424A (ja) * | 2004-08-05 | 2006-02-16 | Nippon Signal Co Ltd:The | 駐車場管理システム |
PL2637148T3 (pl) * | 2012-03-08 | 2022-11-07 | Ltg Rastatt Gmbh | System obliczania i wyświetlania czasu przyjazdu i odjazdu systemu transportowego |
CN107730876A (zh) * | 2017-10-21 | 2018-02-23 | 淮阴工学院 | 一种城市共享单车关键调度点数量和位置确定方法 |
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 |
-
2018
- 2018-04-27 CN CN201810399732.0A patent/CN108399736B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102637358A (zh) * | 2012-04-19 | 2012-08-15 | 浙江大学 | 立足市民满意度的公共自行车服务系统及调度配送方法 |
CN105426997A (zh) * | 2015-11-18 | 2016-03-23 | 西南交通大学 | 城市公共自行车智能调度与运用管理系统及其实现方法 |
CN106296350A (zh) * | 2016-08-04 | 2017-01-04 | 杭州电子科技大学 | 一种可视化分析城市公共自行车系统借还模式的方法 |
CN106875256A (zh) * | 2017-01-22 | 2017-06-20 | 上海量明科技发展有限公司 | 获取共享单车信息的方法、客户端、装置及系统 |
CN107016594A (zh) * | 2017-03-14 | 2017-08-04 | 广东亦强软件有限公司 | 基于共享单车的管理系统及方法 |
CN107195015A (zh) * | 2017-04-11 | 2017-09-22 | 徐士兰 | 共享单车、数据处理系统、共享单车定位方法和共享对象 |
CN107093104A (zh) * | 2017-04-13 | 2017-08-25 | 成都步共享科技有限公司 | 一种基于用户参与的共享单车调度方法 |
CN107451714A (zh) * | 2017-06-22 | 2017-12-08 | 浙江力石科技股份有限公司 | 一种基于大数据分析的共享交通资源时域配置方法及系统 |
CN107330531A (zh) * | 2017-06-27 | 2017-11-07 | 中国联合网络通信集团有限公司 | 网约车共享方法及网约车共享装置 |
CN107341862A (zh) * | 2017-07-11 | 2017-11-10 | 深圳市合智思创信息技术有限公司 | 车辆在预定区域内停车时长的计算方法、装置、监控系统 |
CN107170231A (zh) * | 2017-07-14 | 2017-09-15 | 北京途歌科技有限公司 | 基于热点区域分析的共享汽车调度分配方法 |
CN107767659A (zh) * | 2017-10-13 | 2018-03-06 | 东南大学 | 基于arima模型的共享单车吸引量和发生量预测方法 |
Non-Patent Citations (3)
Title |
---|
《A Comparison of the Wake Structures of Scale and Full-scale Pedalling Cycling Models》;T.N.CrouchaD.BurtonaJ.A.VenningaM.C.ThompsonaN.A.T.BrownbJ.Sheri;《Procedia Engineering》;20160630;第147卷;全文 * |
《共享单车需求评估及调度方案设计》;夏芸,玉琦彤,林子立;《长安大学学报(社会科学版)》;20180323;第20卷(第2期);全文 * |
《基于共享单车时空分布的优化调度模型》;张建翔;《经贸实践》;20170831(第16期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108399736A (zh) | 2018-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108399736B (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 | |
CN103956042B (zh) | 一种基于图论的公共自行车调度区域智能划分方法 | |
CN105184455A (zh) | 一种面向城市电力数据分析的高维可视化分析方法 | |
CN108388970B (zh) | 一种基于gis的公交站点选址方法 | |
CN111667114A (zh) | 一种基于时空大数据融合的智能路线规划推荐方法 | |
CN110188953B (zh) | 一种基于空间杜宾模型的o-d时空分布预测方法 | |
CN110910006B (zh) | 一种区域再生水资源综合利用的多源数据处理方法 | |
CN112954624B (zh) | 基于手机信令大数据的混合土地利用形态估算方法 | |
CN108764510B (zh) | 面向大规模路网的城市轨道交通并行仿真任务分解方法 | |
Hu et al. | Research on the coupling degree of regional taxi demand and social development from the perspective of job–housing travels | |
Xiao et al. | Exploring non-linear built environment effects on urban vibrancy under COVID-19: The case of Hong Kong | |
Bao et al. | Evaluating the human use efficiency of urban built environment and their coordinated development in a spatially refined manner | |
Liu et al. | Is China’s infrastructure development experience unique? | |
CN104794164A (zh) | 基于开源数据识别住区车位匹配社会停车需求的方法 | |
Sun et al. | Inequitable job accessibility across educational and hukou groups in beijing | |
CN111310340A (zh) | 基于人类移动的城市区域交互异常关系识别方法及设备 | |
Wang et al. | Spatiotemporal coupling and driving factors of farmland transfer and labor transfer based on big data: the case of Xinjiang, China | |
CN116416090A (zh) | 火电行业碳排放效率的空间关联网络特征获取方法及系统 | |
CN115510953A (zh) | 地铁站接驳区内共享单车流动模式识别方法及设备 | |
CN107908766A (zh) | 一种城市热点事件动态监测方法及系统 | |
Zheng et al. | Heterogeneity of correlation between the locational condition and industrial transformation of regenerative resource‐based cities in China | |
CN113744525A (zh) | 一种基于特征提取与深度学习的交通分布预测方法 | |
CN110490488B (zh) | 基于大数据分析技术的电力企业主网规划数据分析系统 | |
Bao et al. | How do metro station crowd flows influence the taxi demand based on deep spatial-temporal network? | |
Shi | Comprehensive evaluation method of digital economy development level based on complex network model |
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 |