CN108470103B - 一种基于空间句法的枢纽功能空间布局设计方法 - Google Patents

一种基于空间句法的枢纽功能空间布局设计方法 Download PDF

Info

Publication number
CN108470103B
CN108470103B CN201810238397.6A CN201810238397A CN108470103B CN 108470103 B CN108470103 B CN 108470103B CN 201810238397 A CN201810238397 A CN 201810238397A CN 108470103 B CN108470103 B CN 108470103B
Authority
CN
China
Prior art keywords
space
passenger
transfer
layout
importance
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
CN201810238397.6A
Other languages
English (en)
Other versions
CN108470103A (zh
Inventor
过秀成
张倩
刘珊珊
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.)
Southeast University
Original Assignee
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 Southeast University filed Critical Southeast University
Priority to CN201810238397.6A priority Critical patent/CN108470103B/zh
Publication of CN108470103A publication Critical patent/CN108470103A/zh
Application granted granted Critical
Publication of CN108470103B publication Critical patent/CN108470103B/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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Theoretical Computer Science (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Architecture (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于空间句法的枢纽功能空间布局设计方法，包括：(1)设置公共交通设施优先布局因子，并结合交通设施间的换乘客流量、旅客换乘时间价值和平均携带大件行李数量，计算得到交通设施间的衔接重要度；(2)按照衔接重要度由大到小、由近及远的在规划范围内布置交通设施空间，再利用选定的换乘空间形态连接各交通设施，从而得到多个枢纽功能空间布局初步方案；(3)基于空间句法中的拓扑分析和视域分析法，采用Depthmap软件对初步方案进行比选，获得较优的枢纽功能空间布局方案。本发明考虑换乘量的同时，加入旅客换乘时间容忍度、平均携带大件行李数量等因素形成功能空间衔接重要度计算方法，而且还在此基础上考虑行人视线特征，设计结果更合理。

Description

一种基于空间句法的枢纽功能空间布局设计方法
技术领域
本发明涉及城市交通，尤其涉及一种基于空间句法的枢纽功能空间布局设计方法。
背景技术
新型城镇化规划的背景下，城市群的发展已成为推动土地空间区域协调与平衡发展的方向。综合客运枢纽承担着城市群范围内的交通出行组织，面临重要的发展时机，其主要承担区域对外出行组织和服务，产生和吸引客流量较大，枢纽区位和城市空间的发展融合较强。枢纽建成后周边商务大楼、购物中心、酒店等用地性质较为集中，具备城市商业区的功能，同时对城市轨道交通的接入要求更强。
随着综合客运枢纽与城市的关系日益紧密，各类交通方式间的衔接关系更加复杂；站前广场换乘方式逐渐被人车分流的换乘空间接驳方式所替代。目前，与综合客运枢纽布局、规模、交通组织相关的规范、标准众多，纷繁复杂，这些标准在制定时更多考虑某一项特定的交通功能，未从换乘空间的角度对不同功能设施间布局关系进行整体性的考量和系统性的规范。布局方法一般根据换乘客流强度遵循“近大远小”的规律，即优先考虑换乘量大的交通设施，依据换乘量大小，距离依次渐远；且为方便各部门管理，各类交通衔接设施趋于独自占地，空间整合、集约发展的内部机制与动力有待加强。
发明内容
发明目的：本发明针对现有技术存在的问题，提供一种基于空间句法的枢纽功能空间布局设计方法，该方法在考虑换乘量的同时，加入旅客换乘时间容忍度、平均携带大件行李数量等因素形成功能空间衔接重要度，并在此基础上考虑行人视线特征，设计结果更合理。
技术方案：本发明所述的基于空间句法的枢纽功能空间布局设计方法包括：
(1)设置公共交通设施优先布局因子，并结合交通设施间的换乘客流量、旅客换乘时间价值和平均携带大件行李数量，计算得到交通设施间的衔接重要度；
(2)按照衔接重要度由大到小、由近及远的在规划范围内布置交通设施空间，再利用选定的换乘空间形态连接各交通设施，从而得到多个枢纽功能空间布局初步方案；
(3)基于空间句法中的拓扑分析和视域分析法，采用Depthmap软件对初步方案进行比选，获得较优的枢纽功能空间布局方案。
进一步的，步骤(1)具体包括：
(1-1)通过实地调查得到交通设施i、j间的换乘客流量qij，旅客换乘时间容忍度tij和平均携带大件行李数量bij；
(1-2)根据旅客换乘时间容忍度tij计算得到对应的旅客换乘时间价值
Figure BDA0001604508870000021
(1-3)考虑公交优先理念在客运枢纽功能空间布局中的影响，设置公共交通设施优先布局因子nij为：在交通设施i、j中没有一种为公交运输方式时，nij＝0，在在交通设施i、j中有一种为公交运输方式时，nij＝0.5，在公共交通设施i、j中都为公交运输方式时，nij＝1；
(1-4)根据qij、vij、bij和nij计算得到交通设施i、j间的衔接重要度：
Figure BDA0001604508870000022
式中，
Figure BDA0001604508870000023
分别为枢纽系统中换乘客流量平均值、换乘时间价值平均值、平
均携带大件行李数量平均值；α、β、γ、δ分别为各影响因素的权重系数。
进一步的，步骤(2)具体包括：
(2-1)根据各交通设施间的衔接重要度，按照衔接重要度由大到小、由近及远的在规划范围内布置交通设施空间，得到交通设施空间的大致位置；
(2-2)从基本形态中选择一种作为换乘空间的形态，并遵循可达性、便捷性、主从性、分流性、诱导性、安全性的设计原则，结合各交通设施的大致位置连接各交通设施，从而得到多个枢纽功能空间布局初步方案。
进一步的，步骤(3)具体包括：
基于空间句法中的拓扑分析和视域分析法，采用Depthmap软件结合深度值、整合度值指标对初步方案中进行可达性和可视性分析：整合度越高、全局深度越小的方案可达性越高，视线整合度越高、视线平均深度越小方案可视性越强；通过分析得到较优的枢纽功能空间布局方案作为设计结果。
进一步的，所述权重系数α、β、γ、δ的分配方法为：
A、构建衔接重要度层次结构模型：以换乘客流量、旅客换乘时间价值、平均携带大件行李数量和公共交通设施优先布局因子四个因素为第一层次，衔接重要度为与四个因素相关的第二层次；
B、构造判断矩阵：采用德尔菲法，两两比较各因素的相对重要程度，赋予1-9的数值，生成判断矩阵A；其中，换乘客流量的赋值对应判断矩阵A的第一列元素A1，旅客换乘时间价值的赋值对应判断矩阵A的第一列元素A2，平均携带大件行李数量的赋值对应判断矩阵A的第一列元素A3，公共交通设施优先布局因子的赋值对应判断矩阵A的第一列元素A4；
C、计算各因素权重：
将判断矩阵A的每一列元素aij作归一化处理，归一化后的元素为：
Figure BDA0001604508870000031
将每一列归一化处理后的判断矩阵按行相加为：
Figure BDA0001604508870000032
对向量W＝(W1 ,W2 ,W3 ,W4 ) t 中归一化处理，得到：
Figure BDA0001604508870000033
整合得到归一化向量W＝(W1,W2,W3,W4) t ，即为特征向量近似解；
根据特征向量近似解计算判断矩阵最大特征根：
Figure BDA0001604508870000034
其对应的特征向量为各因素的权重；
其中，()t表示向量的转置，(AW)i表示判断矩阵A乘以W的第i个元素。
其中，采用德尔菲法赋值的规则为下表所示：
赋值 定义与说明(列元素与行元素相比较)
1 两个元素对某个属性具有同样的重要性
3 两个元素比较，一个元素比另一个元素稍微重要
5 两个元素比较，一个元素比另一个元素明显重要
7 两个元素比较，一个元素比另一个元素重要得多
9 两个元素比较，一个元素比另一个元素极度重要
2,4,6,8 表示需要在上述两个标准之间折中时的标度
倒数 两个元素的反比较
有益效果：本发明与现有技术相比，其显著优点是：传统城市客运枢纽布局初步方案通常依据换乘客流量由大到小对各交通设施按由近及远的顺序进行布局，但除换乘客流量外，客流性质及公交优先理念对于各交通设施间的衔接度也有密切的关系。故本发明考虑了旅客换乘时间容忍度、平均携带大件行李数量、公交优先布局的影响，对功能空间衔接重要度计算进行了改进。传统布局方法中通常考虑最短路径法或经验法采用换乘空间连接各交通设施，但旅客在选择路径时一般依靠其视线特性，路径选择并非选择最短路，而是选择最先满足视线可见范围，最快看到目的地的路径，因此行人换乘对换乘空间的视线整合度提出了较高要求，本发明应用空间句法凸空间分析与视域分析，结合深度值、整合度值等形态分析变量，对换乘空间进行量化研究，利用空间句法软件Depthmap对换乘空间进行“可达性”与“可视性”分析，从而从定量的角度得到更优的布局方案。
附图说明
图1是本发明的一个实施例的流程示意图；
图2是衔接重要度层次结构模型图；
图3是特定布局下换乘空间可选的组织形态示意图；
图4是拓扑换乘空间整合度特征图；
图5是拓扑换乘空间全局深度特征图；
图6是拓扑换乘空间视线整合度图；
具体实施方式
本实施例提供了一种基于空间句法的枢纽功能空间布局设计方法，如图1所示，包括以下步骤：
(1)设置公共交通设施优先布局因子，并结合交通设施间的换乘客流量、旅客换乘时间价值和平均携带大件行李数量，计算得到交通设施间的衔接重要度。
步骤(1)具体包括：
(1-1)通过实地调查得到交通设施i、j间的换乘客流量qij，旅客换乘时间容忍度tij和平均携带大件行李数量bij；
(1-2)根据旅客换乘时间容忍度tij计算得到对应的旅客换乘时间价值
Figure BDA0001604508870000041
(1-3)考虑公交优先理念在客运枢纽功能空间布局中的影响，设置公共交通设施优先布局因子nij为：在交通设施i、j中没有一种为公交运输方式时，nij＝0，在在交通设施i、j中有一种为公交运输方式时，nij＝0.5，在公共交通设施i、j中都为公交运输方式时，nij＝1；
(1-4)根据qij、vij、bij和nij计算得到交通设施i、j间的衔接重要度：
Figure BDA0001604508870000051
式中，
Figure BDA0001604508870000052
分别为枢纽系统中换乘客流量平均值、换乘时间价值平均值、平均携带大件行李数量平均值；α、β、γ、δ分别为各影响因素的权重系数，分配方法为：
A、构建衔接重要度层次结构模型：以换乘客流量、旅客换乘时间价值、平均携带大件行李数量和公共交通设施优先布局因子四个因素为第一层次，衔接重要度为与四个因素相关的第二层次；模型如图2所示；
B、构造判断矩阵：采用德尔菲法(即专家调查法)，两两比较各因素的相对重要程度，赋予1-9的数值，表1说明了赋值规则，生成判断矩阵A；其中，换乘客流量的赋值对应判断矩阵A的第一列元素A1，旅客换乘时间价值的赋值对应判断矩阵A的第一列元素A2，平均携带大件行李数量的赋值对应判断矩阵A的第一列元素A3，公共交通设施优先布局因子的赋值对应判断矩阵A的第一列元素A4；
表1判断矩阵元素赋值定义与说明表
标度 定义与说明(列元素与行元素相比较)
1 两个元素对某个属性具有同样的重要性
3 两个元素比较，一个元素比另一个元素稍微重要
5 两个元素比较，一个元素比另一个元素明显重要
7 两个元素比较，一个元素比另一个元素重要得多
9 两个元素比较，一个元素比另一个元素极度重要
2,4,6,8 表示需要在上述两个标准之间折中时的标度
倒数 两个元素的反比较
C、计算各因素权重：
将判断矩阵A的每一列元素aij作归一化处理，归一化后的元素为：
Figure BDA0001604508870000053
将每一列归一化处理后的判断矩阵按行相加为：
Figure BDA0001604508870000054
对向量W＝(W1 ,W2 ,W3 ,W4 ) t 中归一化处理，得到：
Figure BDA0001604508870000061
整合得到归一化向量W＝(W1,W2,W3,W4)t，即为特征向量近似解；
根据特征向量近似解计算判断矩阵最大特征根：
Figure BDA0001604508870000062
其对应的特征向量为各因素的权重；
其中，()t表示向量的转置，(AW)i表示判断矩阵A乘以W的第i个元素。
D、层次单排序及一致性检验
计算λmax时，首先需要验证矩阵A的一致性。令
Figure BDA0001604508870000063
其中，n＝4，CI＝0是矩阵A为一致矩阵的必要条件，CI值越大，A的不一致程度越高。
用平均随机一致性指标RI来评价判断矩阵A的一致性是否符合要求。对于固定的n，构造正互反矩阵A’，它的元素是从标度值及其倒数中任意选取的，A’的一致性一般较差。取足够大的子样得到A’最大特征值的平均值k，令
Figure BDA0001604508870000064
Figure BDA0001604508870000065
当CR<0.1时，一般认为矩阵A的一致性符合要求。RI按表1取值：
表2层次分析法RI取值表
Figure BDA0001604508870000066
E、层次总排序及其一致性检验
设B层中的某些因素对层中的某些因素对Aj的单排序的一致性指标为RI，那么B层总排序随机一致性比率CR为
Figure BDA0001604508870000071
当CR<0.1时，认为层次总排序结果具有满意的一致性。
(2)按照衔接重要度由大到小、由近及远的在规划范围内布置交通设施空间，再利用选定的换乘空间形态连接各交通设施，从而得到多个枢纽功能空间布局初步方案。具体包括：
(2-1)根据各交通设施间的衔接重要度，按照衔接重要度由大到小、由近及远的在规划范围内布置交通设施空间，得到交通设施空间的大致位置；
(2-2)从基本形态中选择一种作为换乘空间的形态，并遵循可达性、便捷性、主从性、分流性、诱导性、安全性的设计原则，结合各交通设施的大致位置连接各交通设施，从而得到多个枢纽功能空间布局初步方案。
其中，换乘空间是综合枢纽体内部换乘的纽带空间，联系着不同交通方式的场站空间以及不同性质的功能空间，其基本形态有线型、集中型、放射型、复合型等。线型适用于要求拥有较纯粹的交通功能的空间；集中型是建筑布局时常用的型式，适用于有内聚特质的建筑，对周围的功能空间有统率和控制作用；放射型既有内聚的特点又有生长的特点，适用于利用线型流线的延伸连接各功能空间；复合型是功能空间组织中应用最多的一种型式，可以依据建筑的功能而灵活布局。图3列举了同一种交通空间组合关系下，换乘空间的三种不同的组织形态即三个初始方案。
(3)基于空间句法中的拓扑分析和视域分析法，采用Depthmap软件对初步方案进行比选，获得较优的枢纽功能空间布局方案。
①可达性分析：
运用拓扑深度和整合度，从空间可达性的角度分析换乘空间组织形态的合理性。将枢纽建筑空间布局转译为凸空间的组合，并进行连接关系的设定。采用Depthmap分析拓扑空间整合度和深度，得到彩色特征图，越是偏暖的颜色，代表整合度越高，全局深度越小，如图4和5所示。建筑的某块空间，处于全局深度值较低的状态，意味着从这个地方出发，到达系统中任意的其他空间，需要克服的距离成本比较少。全局深度越高的，可达性越差。整合度与全局深度值成负相关。全局深度值越小，整合度就越高。因此，整合度的数值变化，与可达性的概念与变化方向一致。整合度高的空间，可达性高。
②可视性分析
采用Depthmap对换乘空间进行可视性分析时，将被研究空间划分成均等的栅格，对这些区域进行连接值、深度值以及整合度的计算，最后根据计算得出的数值进行对栅格着色。变量的数值越高，栅格的颜色越深，将每个栅格的面积可自行设置。
视线整合度分析：视线整合度的算法在视线深度的基础上得来，从一个特定的元素出发，到达另一个元素，视线一共需要转折几次，把这个值反馈回来，记录在起点上。以任意一个其他元素为终点，穷尽所有可能性以后，将转折次数进行累加，这个累加值即起点的视线深度值。基于这个值求得视线整合度的值。由Depthmap软件生成色彩特征图，如图6所示，元素颜色越暖，视线整合度的值越高。
以上所揭露的仅为本发明一种较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (5)

1.一种基于空间句法的枢纽功能空间布局设计方法，其特征在于该方法包括：
(1)设置公共交通设施优先布局因子，并结合交通设施间的换乘客流量、旅客换乘时间价值和平均携带大件行李数量，计算得到交通设施间的衔接重要度；具体包括：
(1-1)通过实地调查得到交通设施i、j间的换乘客流量qij，旅客换乘时间容忍度tij和平均携带大件行李数量bij；
(1-2)根据旅客换乘时间容忍度tij计算得到对应的旅客换乘时间价值
Figure FDA0003276285500000011
(1-3)考虑公交优先理念在客运枢纽功能空间布局中的影响，设置公共交通设施优先布局因子nij为：在交通设施i、j中没有一种为公交运输方式时，nij＝0，在交通设施i、j中有一种为公交运输方式时，nij＝0.5，在公共交通设施i、j中都为公交运输方式时，nij＝1；
(1-4)根据qij、vij、bij和nij计算得到交通设施i、j间的衔接重要度：
Figure FDA0003276285500000012
式中，
Figure FDA0003276285500000013
分别为枢纽系统中换乘客流量平均值、换乘时间价值平均值、平均携带大件行李数量平均值；α、β、γ、δ分别为各影响因素的权重系数；
(2)按照衔接重要度由大到小、由近及远的在规划范围内布置交通设施空间，再利用选定的换乘空间的形态连接各交通设施，从而得到多个枢纽功能空间布局初步方案；
(3)基于空间句法中的拓扑分析和视域分析法，采用Depthmap软件对初步方案进行比选，获得较优的枢纽功能空间布局方案。
2.根据权利要求1所述的基于空间句法的枢纽功能空间布局设计方法，其特征在于：步骤(2)具体包括：
(2-1)根据各交通设施间的衔接重要度，按照衔接重要度由大到小、由近及远的在规划范围内布置交通设施空间，得到交通设施空间的大致位置；
(2-2)从基本形态中选择一种作为换乘空间的形态，并遵循可达性、便捷性、主从性、分流性、诱导性、安全性的设计原则，结合各交通设施的大致位置连接各交通设施，从而得到多个枢纽功能空间布局初步方案。
3.根据权利要求1所述的基于空间句法的枢纽功能空间布局设计方法，其特征在于：步骤(3)具体包括：
基于空间句法中的拓扑分析和视域分析法，采用Depthmap软件结合深度值、整合度值指标对初步方案中进行可达性和可视性分析：整合度越高、全局深度越小的方案可达性越高，视线整合度越高、视线平均深度越小方案可视性越强；通过分析得到较优的枢纽功能空间布局方案作为设计结果。
4.根据权利要求1所述的基于空间句法的枢纽功能空间布局设计方法，其特征在于：所述权重系数α、β、γ、δ的分配方法为：
A、构建衔接重要度层次结构模型：以换乘客流量、旅客换乘时间价值、平均携带大件行李数量和公共交通设施优先布局因子四个因素为第一层次，衔接重要度为与四个因素相关的第二层次；
B、构造判断矩阵：采用德尔菲法，两两比较各因素的相对重要程度，赋予1-9的数值，生成判断矩阵A；其中，换乘客流量的赋值对应判断矩阵A的第一列元素A1，旅客换乘时间价值的赋值对应判断矩阵A的第一列元素A2，平均携带大件行李数量的赋值对应判断矩阵A的第一列元素A3，公共交通设施优先布局因子的赋值对应判断矩阵A的第一列元素A4；
C、计算各因素权重：
将判断矩阵A的每一列元素aij作归一化处理，归一化后的元素为：
Figure FDA0003276285500000021
将每一列归一化处理后的判断矩阵按行相加为：
Figure FDA0003276285500000022
对向量
Figure FDA0003276285500000023
归一化处理，得到：
Figure FDA0003276285500000024
整合得到归一化向量
Figure FDA0003276285500000025
即为特征向量近似解；
根据特征向量近似解计算判断矩阵最大特征根：
Figure FDA0003276285500000031
其对应的特征向量为各因素的权重；
其中，() t 表示向量的转置，(AW)i表示判断矩阵A乘以W的第i个元素。
5.根据权利要求4所述的基于空间句法的枢纽功能空间布局设计方法，其特征在于：采用德尔菲法赋值的规则为下表所示：
赋值 定义与说明(列元素与行元素相比较) 1 两个元素对某个属性具有同样的重要性 3 两个元素比较，一个元素比另一个元素稍微重要 5 两个元素比较，一个元素比另一个元素明显重要 7 两个元素比较，一个元素比另一个元素重要得多 9 两个元素比较，一个元素比另一个元素极度重要 2,4,6,8 表示需要在两个规则之间折中时的标度 倒数 两个元素的反比较
。
CN201810238397.6A 2018-03-22 2018-03-22 一种基于空间句法的枢纽功能空间布局设计方法 Active CN108470103B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810238397.6A CN108470103B (zh) 2018-03-22 2018-03-22 一种基于空间句法的枢纽功能空间布局设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810238397.6A CN108470103B (zh) 2018-03-22 2018-03-22 一种基于空间句法的枢纽功能空间布局设计方法

Publications (2)

Publication Number Publication Date
CN108470103A CN108470103A (zh) 2018-08-31
CN108470103B true CN108470103B (zh) 2021-11-12

Family

ID=63265573

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810238397.6A Active CN108470103B (zh) 2018-03-22 2018-03-22 一种基于空间句法的枢纽功能空间布局设计方法

Country Status (1)

Country Link
CN (1) CN108470103B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111008730B (zh) * 2019-11-07 2023-08-11 长安大学 基于城市空间结构的人群聚集度预测模型构建方法及装置
CN111008421B (zh) * 2019-11-27 2022-12-27 中国电建集团成都勘测设计研究院有限公司 改造既有地铁车站实现台台楼梯换乘的设计方法及系统
CN112632663B (zh) * 2020-12-18 2024-01-16 广州方纬智慧大脑研究开发有限公司 一种道路交通指路标志生成方法、装置、设备及介质
CN113032885B (zh) * 2021-04-07 2023-04-28 深圳大学 视域关系分析方法、设备及计算机存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8315308B2 (en) * 2006-01-11 2012-11-20 Qualcomm Incorporated Video coding with fine granularity spatial scalability
US8731067B2 (en) * 2011-08-31 2014-05-20 Microsoft Corporation Memory management for video decoding
CN103049829B (zh) * 2013-01-17 2017-02-22 上海交通大学 城乡客运线网与枢纽场站一体化融合方法
CN104408234A (zh) * 2014-11-03 2015-03-11 北京交通大学 一种基于流线分析的轨道交通枢纽设施设计方法
CN106056285A (zh) * 2016-05-31 2016-10-26 青岛海信网络科技股份有限公司 一种城市综合客运枢纽运行状态评价方法及装置
CN107545318B (zh) * 2016-06-28 2021-08-17 阿里巴巴（中国）有限公司 公交线路优先级确定、公交换乘线路排序方法及装置
CN106202895B (zh) * 2016-07-02 2019-03-29 北京工业大学 基于感知重要度的交通出行意向行为数据分析方法
CN107609734B (zh) * 2017-08-03 2023-02-07 西南交通大学 一种高速铁路规格化列车运行图的周期确定方法

Also Published As

Publication number Publication date
CN108470103A (zh) 2018-08-31

Similar Documents

Publication Publication Date Title
CN108470103B (zh) 一种基于空间句法的枢纽功能空间布局设计方法
AU2017255282B2 (en) System and method for determining routes of transportation service
CN103108382B (zh) 一种基于网络层次分析法的异构网络多属性决策方法
CN103533502B (zh) 一种群智感知系统中的防欺骗拍卖方法及系统
CN107101645B (zh) 一种路径规划方法及路径规划装置
CN102122434B (zh) 一种可改善整体换乘性能的城市公共交通网络优化方法
Hong et al. Crowdsourcing incentives for multi-hop urban parcel delivery network
CN103440534B (zh) 基于成本贡献度与用户满意度融合的产品优化方法
CN102081754A (zh) 多专家动态协调评判方法及智能化辅助决策支持系统
CN111667086A (zh) 一种车辆共乘路径寻优方法及系统
CN107766406A (zh) 一种采用时间优先搜索的轨迹相似性连接查询方法
CN105302858A (zh) 一种分布式数据库系统的跨节点查询优化方法及系统
Masoud et al. Formulations for optimal shared ownership and use of autonomous or driverless vehicles
Zakharov et al. Competitive routing of traffic flows by navigation providers
Cepolina et al. Innovative strategies for urban car-sharing systems and a simulator to assess their performance
CN109840625B (zh) 一种快递员群路径导航的方法
CN110018694A (zh) 一种针对具有非连续观测特性目标的无人机协同搜索方法
Imran et al. A-VRPD: Automating drone-based last-mile delivery using self-driving cars
CN108428048A (zh) 一种充换电网络运营评价方法
CN107844999A (zh) 基于拍卖机制的网络租车车辆资源分配及定价方法
CN109902848A (zh) 班车站点规划的方法和装置
CN109947764A (zh) 一种基于时延构建弹性现场的查询增强系统及方法
CN105786622B (zh) 一种云环境下用于实时协同计算的节点选择方法
CN108988933A (zh) 一种卫星数据接收窗口全局优化分配方法
CN115115198A (zh) 站城融合项目评价方法、系统、电子设备、存储介质

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