CN108564226A - 一种基于出租车gps及手机信令数据的公交线路优化方法 - Google Patents

一种基于出租车gps及手机信令数据的公交线路优化方法 Download PDF

Info

Publication number
CN108564226A
CN108564226A CN201810379072.XA CN201810379072A CN108564226A CN 108564226 A CN108564226 A CN 108564226A CN 201810379072 A CN201810379072 A CN 201810379072A CN 108564226 A CN108564226 A CN 108564226A
Authority
CN
China
Prior art keywords
destination
origin
thermodynamic chart
mobile phone
bus network
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.)
Granted
Application number
CN201810379072.XA
Other languages
English (en)
Other versions
CN108564226B (zh
Inventor
左文泽
胡晓伟
安实
张瀚麟
张锋
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN201810379072.XA priority Critical patent/CN108564226B/zh
Publication of CN108564226A publication Critical patent/CN108564226A/zh
Application granted granted Critical
Publication of CN108564226B publication Critical patent/CN108564226B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种基于出租车GPS及手机信令数据的公交线路优化方法，本发明涉及基于出租车GPS及手机信令数据的公交线路优化方法。本发明的目的是为了解决现有公交线路设置不合理，不能很好满足需求，不符合实际情况，导致公交线路运行效率低的问题。具体过程为：一、获取出租车GPS数据；获取手机信令数据；获取土地利用图；获取公交站点数据；二、对一获取的数据进行处理；三、根据步骤二计算公交线路优化指标；三一、计算出行起讫点距离最近公交车站的距离；三二、确定公交站点包含的公交线路数量以及车流量；三三、计算道路车辆平均运行速度；四、根据优化指标设定优化措施。本发明用于公共交通规划领域。

Description

一种基于出租车GPS及手机信令数据的公交线路优化方法
技术领域
本发明涉及基于出租车GPS及手机信令数据的公交线路优化方法，属于公共交通规划领域。
背景技术
目前，各个城市中的常规公交线网已经非常发达，但是随着汽车保有量的增加，城市交通拥堵的出现对公交线网的运行效率有着极大的影响，为了提升公交的运行效率，学者提出了很多优化方式。
从20世纪80年代开始我国开始研究城市常规公交路线网优化。杨兆升将公交OD分配到出行路径上，获得客运工作量最小的方案。王炜教授以直达客流量最大为目标的公交网路逐条布设方法。
现阶段，学者已经建立了很多优化算法，考虑了各种优化目标，一类是要求提高公交运行效率，吸引更多的乘客服务；另一类是要求降低公交运营成本，即公交系统费用的降低。选取的指标也不尽相同包括：平均运距、换乘距离、换乘率、线网密度、运送车速、行车准点率、平均站距、全天满载率等等，对某一特定的城市来说，公交发展的目标应是特定的，同时政府的公交政策对地方的公交规划也有一定的影响，所以各地区选取的优化目标以及优化方法也不尽相同。
但是传统的公交线路优化方法大多需要大量的交通调查如OD调查、居民出行分析等，这些调查往往花费大量的时间和资金而又无法较快地获得数据，每次大型交通调查的时间间隔一般在几年到十几年之间，而中国城市经济的快速发展造成道路交通变化又使得调查及预测结果的有效期被缩短。
随着GPS、移动互联网等技术的成熟及应用设备成本的下降，越来越多的城市运营出租车都安装了GPS监控设备，普通车辆以及乘客的位置也可以运用手机信令等数据获取。部分学者开始运用GPS数据进行城市交通规划，也有些运用到了公交线路优化领域。巴兴强等基于出租车运营的GPS数据设计了一种城市公交线路优化方法，运用其获取的参数数据的时效性强的特点，准确反映近期的城市交通运行状况和局面交通需求状况。
基于出租车的GPS数据虽然一定程度上解决了数据的时效性问题，但是仅仅依靠出租车的GPS数据并不能完全反应乘客需求，需要更多的现代化的手段，如手机信令等数据，如何将这些数据综合运用并提出一种更为准确高效的公交线路优化方法的研究很有必要。
综上，现有公交线路设置不合理，设计人员直接凭借经验或者使用聚类分析划分等方法设计施工的公交线路不能很好满足需求，不符合实际情况，导致公交线路运行效率低的问题。
发明内容
本发明的目的是为了解决现有公交线路设置不合理，不能很好满足需求，不符合实际情况，导致公交线路运行效率低的问题，而提出一种基于出租车GPS及手机信令数据的公交线路优化方法。
一种基于出租车GPS及手机信令数据的公交线路优化方法具体过程为：
步骤一、
获取出租车GPS数据，包括：车辆ID、采样时间、经纬度、瞬时速度、GPSID、状态信息及方向；
所述状态信息为是否载客；
获取手机信令数据，包括手机识别号、日期、时间、经度以及纬度；
获取土地利用图；
获取公交站点数据，包括站点名称、经度、纬度以及经过线路数；
步骤二、对步骤一获取的数据进行处理；
步骤二一、起讫点识别；
步骤二二、对公交出行手机信令数据筛选，根据筛选出的公交出行手机信令数据，统计各个基站覆盖范围内用户数量，得到用户分布热力图；
步骤二三、对起讫点采用DBSCAN或K-Means聚类算法进行聚类，得到聚类结果，根据聚类结果得到起讫点分布热力图；
步骤二四、将用户分布热力图和起讫点分布热力图进行叠加，得到初步起讫点热力图，再用通过土地利用图得到的热力图参照图对初步起讫点热力图进行修正，得到最终的起讫点热力图；
步骤二五、对步骤二四得到的最终的起讫点热力图和公交线路进行匹配，识别出差异区域；
步骤三、根据步骤二计算公交线路优化指标；
步骤三一、计算出行起讫点距离最近公交车站的距离；
步骤三二、确定公交站点包含的公交线路数量以及车流量；
步骤三三、计算道路车辆平均运行速度；
步骤四、根据优化指标设定优化措施。
本发明的有益效果为：
本发明的目的是提出一种更为准确高效的公交线路优化方法。主要通过建立出租车、网约车辆运营监控系统以及居民出行的手机信令监控数据来广泛获取居民出行的起讫点、经过路线、平均出行时间等数据，利用出租车、网约车数量多、运行频次高、活动范围广、信息实时、行驶于全市所有可行驶道路，使得采集到的数据具有实时、代表性强的特点。同时，手机的广泛使用，数据信令数据的庞大，也大大加强了手机数据的准确性。运用GPS数据、手机信令等数据，对需求预测更加准确；结合GIS可视化以及精确的指标计算，所提建议更加科学；对线路的优化更加精细化，做到站与站之间的线路优化；实现综合优化，对站点拆分，节约部分停滞时间；优化后的公交路网，公交运行效率更高；结合实地考察，使得公交优化建议更加具有可行性；节约了常规OD调查的时间，节省大量人力物力，可以更准确的预测到居民出行的需求，使得公交的出行效率更高、公交的吸引能力更强，设置合理，能很好满足需求，符合实际情况，提高了公交线路运行效率，本发明公交车的运行效率提升10％左右，解决了现有公交线路设置不合理，设计人员直接凭借经验或者使用聚类分析划分等方法设计施工的公交线路不能很好满足居民出行需求，不符合实际情况，公交线路运行效率低的问题。
附图说明
图1为本发明的基于出租车GPS及手机信令数据的公交线路优化方法的流程图；
图2为本发明的根据GPS和手机信令得出的出行起讫点聚类热力图，图中的圆圈中点为根据gps和手机信令数据得到的出行起讫点的聚类中心点，圆圈的半径大小由聚类的起讫点的个数的多少决定，本图主要展示了出行需求的分布，图中文字不清楚不影响对技术方案的表达；
图3为本发明的公交站点分布热力图，图中的圆圈中心点代表站点所在地，圆圈的半径由经过该站点的公交线路的条数决定,本图主要展示了公交出行供给的分布，图中文字不清楚不影响对技术方案的表达。
具体实施方式
具体实施方式一：结合图1说明本实施方式，本实施方式的一种基于出租车GPS及手机信令数据的公交线路优化方法具体过程为：
本方法是基于车辆GPS数据以及手机GPS数据等进行的公交线路优化方法。一方面获取现有的手机信令数据，同时结合出租车出行的起终点进行整合聚类，获得出行的需求点分布图。另一方面获取其他车辆的GPS数据或道路的车流量信息，方便对公交车出行的顺畅度进行评价。另外还需获取现阶段公交车运行的路线及站点布设信息。
基于以上信息进行线路优化。将整合聚类产生的出行需求点热力分布图与公交车路线及站点布设进行匹配拟合，分析站点布设与需求点分布的不同之处，并结合道路车流量信息、用地性质及综合指标确定公交路线是否需要改线或增加线路。
步骤一、
获取出租车GPS数据，包括：车辆ID、采样时间、经纬度、瞬时速度、GPSID、状态信息及方向等；
所述状态信息为是否载客；
获取手机信令数据，包括手机识别号、日期、时间、经度以及纬度等；
获取土地利用图；
获取公交站点数据，包括站点名称、经度、纬度以及经过线路数等；
步骤二、对步骤一获取的数据进行处理；
步骤二一、起讫点识别；
步骤二二、对公交出行手机信令数据筛选；
根据时间-位置的变化频次、速度推测交通出行方式。比如和公交线路很贴合，且中间有停顿，这些停顿和站点又很贴合，那么基本可以推断是乘坐公交的。以此方法筛选出公交出行手机信令数据；
根据筛选出的公交出行手机信令数据，统计各个基站覆盖范围内用户数量，得到用户分布热力图；
手机信令数据是通过基站收集的，每个基站都有其覆盖范围，当有手机在其覆盖范围内，发短信、打电话或作位置移动时都会被基站所记录。
步骤二三、对起讫点采用DBSCAN或K-Means聚类算法进行聚类，得到聚类结果，根据聚类结果得到起讫点分布热力图；
步骤二四、将用户分布热力图和起讫点分布热力图进行叠加，得到初步起讫点热力图，再用通过土地利用图得到的热力图参照图对初步起讫点热力图进行修正，得到最终的起讫点热力图；
步骤二五、对步骤二四得到的最终的起讫点热力图和公交线路进行匹配，识别出差异区域(两个图不一样的区域)；
步骤三、根据步骤二计算公交线路优化指标；
步骤三一、计算出行起讫点距离最近公交车站的距离；
步骤三二、确定公交站点包含的公交线路数量以及车流量；
识别城市主干道及主要拥堵路段的公交车站点，获取站点每小时公交车的到达数量，若出现数量过多甚至导致公交车拥堵无法通行的情况，调整部分线路的站点分布，借用其他非拥堵路段，减缓主干道的压力，提升公交车的总体通行效率。
步骤三三、计算道路车辆平均运行速度；
步骤四、根据优化指标设定优化措施。
具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤二一中起讫点识别；具体过程为：
根据GPS数据中的状态信息以及瞬时车速进行识别，首先识别出瞬时速度为0点点位，再识别同一车辆速度为0时GPS数据里面的车辆状态是否处于载客状态；假设状态值为0则为空驶状态，1则为载客状态，由1变为0即为下客状态，该点为讫点，状态值由0变为1即为上客状态，该点为起点，将出行起讫点位进行识别，作为可视化基础。
其它步骤及参数与具体实施方式一相同。
具体实施方式三：本实施方式与具体实施方式一或二不同的是：所述步骤二三中对起讫点采用DBSCAN或K-Means聚类算法进行聚类，得到聚类结果，根据聚类结果得到起讫点分布热力图；具体过程为：
常用的聚类算法为DBSCAN、K-Means等空间聚类算法，可以用matlab、pathon、SPSS以及R语言等。一般直接调用聚类程序即可实现聚类。具体的步骤如下，本案例以K-Means算法为例使用matlab实现。
K-Means算法的步骤如下：
1)随机选取K个初始质心
2)分别计算所有样本到这K个质心的距离
3)如果样本离质心Si最近，那么这个样本属于Si点群；如果到多个质心的距离相等，则可划分到任意组中
4)按距离对所有样本分完组之后，计算每个组的均值(最简单的方法就是求样本每个维度的平均值)，作为新的质心
5)重复2)3)4)直到新的质心和原质心相等，算法结束
对起讫点采用DBSCAN或K-Means聚类算法进行聚类，(得到出租车GPS数据聚类中心点)得到聚类结果，聚类结果包括每个聚类中心点的经度、纬度以及聚成该聚类中心点的起讫点个数；
根据聚类结果得到起讫点分布热力图。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：所述步骤二四中将用户分布热力图和起讫点分布热力图进行叠加，得到初步起讫点热力图，再用通过土地利用图得到的热力图参照图对初步起讫点热力图进行修正，得到最终的起讫点热力图；具体过程为：
将用户分布热力图和起讫点分布热力图进行叠加，得到初步起讫点热力图；
因数据的采集无法保证所有需求得到兼顾，所以运用土地利用图对得到的起讫点热力图进行修正。土地利用的形态决定需求，例如居民用地和商场需求比工业区等要大。
提取土地利用图中每块土地的中心，并根据土地利用图中每块土地的形态(居民用地、工业用地等)赋予相应的权值(通过调查统计各类用地形态的单位面积出行次数确定各类用地形态的权值)，根据每块土地的中心和权值得到热力图参照图；
采用热力图参照图对得到的初步起讫点热力图进行修正补充，使初步起讫点热力图与热力图参照图一致，得到最终的起讫点热力图。
其它步骤及参数与具体实施方式一至三之一相同。
具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：所述步骤二五中对步骤二四得到的最终的起讫点热力图和公交线路进行匹配，识别出差异区域(两个图不一样的区域)；具体过程为：
将公交车站点分布及线路输入到GIS地图中，得到公交站点分布热力图；
对比步骤二四得到的最终的起讫点热力图和公交站点分布热力图，识别出差异区域，针对差异区域给出初步的改善意见，之后结合详细指标确定详细优化方案。
数据可视化
数据可视化可以使用GIS进行操作也可以运用很多便捷的可视化工具进行，具体操作不进行详述，直接给出效果图，如图2和图3所示。
其它步骤及参数与具体实施方式一至四之一相同。
具体实施方式六：本实施方式与具体实施方式一至五之一不同的是：所述步骤三一中计算出行起讫点距离最近公交车站的距离；具体过程为；
依据步骤二三得到的每个聚类中心点的经度、纬度以及步骤一获取的公交站点的经度、纬度，计算出聚类中心点与公交站点的最近距离；并提出改善建议，设计算法以最短距离为优化目标计算出站点修改的影响。
聚类中点距最近公交站点的距离计算公式如下所述：
LAB＝R×arccos[sin(WA)sin(WB)+cos(WA)cos(WB)×cos(JA-JB)]
式中，LAB为AB间距离，单位为千米(km)；A为步骤二三得到的聚类中心点，B为步骤一获取的公交站点；R为地球半径，单位为千米(km)；WA为A点的纬度；WB为B点的纬度；JA为A点的经度；JB为B点的经度。
其它步骤及参数与具体实施方式一至五之一相同。
具体实施方式七：本实施方式与具体实施方式一至六之一不同的是：所述步骤三三中计算道路车辆平均运行速度；具体过程为：
根据出租车GPS数据中的属性，获取城市不同道路不同时刻的平均车速，作为优化线路依据。例如，若站点之间有两条可选路径，有时路径最短路线并不是效率最短路线，此时依据获取的车速数据，选择效率最优路线，优化公交线路。
计算为：
式中，为j道路m路段的平均运行速度，单位为千米每小时(km/h)；为j道路m路段的长度，单位为千米(km)；ti为第i辆车通过j道路m路段的行程时间，单位为h；n为统计时间内通过j道路m路段的有效车辆数。
其它步骤及参数与具体实施方式一至六之一相同。
具体实施方式八：本实施方式与具体实施方式一至七之一不同的是：所述步骤四中根据优化指标设定优化措施；具体过程为：
根据起讫点热力图及站点热力图并结合优化原则及优化指标等，对公交线路或站点进行合理优化，具体优化措施分以下3种：
①优化站点布设
优化站点布设主要依据的优化指标是出行起讫点距离公交车站的距离以及公交车站点附近的公交车数量和车流量。
步骤四一、根据计算出的出行起讫点距离公交车站的距离筛选出指标较大的待优化站点，根据计算的结果给出建议布设站点的区域，并结合实际情况确定是否进行优化。
设定聚类中心点和公交站点间距离阈值，当聚类中心点和公交站点间距离LAB小于等于阈值，则LAB符合要求，当LAB大于阈值，则将LAB对应的公交站点筛选出，并给出使筛选出的公交站点符合要求的区域；
所述聚类中心点和公交站点间距离阈值为500m；
步骤四二、根据公交站点附近的车流量，筛选出位于严重拥堵路段上的公交站点，确定是否可以绕行，并在确保公交站点距离出行起讫点的基础上，提出优化建议。
设定路段饱和度阈值，根据步骤三二的车流量计算得到路段饱和度，当路段饱和度小于路段饱和度阈值，则车流量符合要求，则该路段为通畅路段，不需对公交站点更改；当路段饱和度大于等于路段饱和度阈值，则该路段为拥堵路段，对公交站点更改；
路段饱和度阈值为0.9；
步骤四三、优化小线路
优化小线路主要依据的优化指标时车速，主要是在线路站点全部确定的基础上优化两站点间的运行线路。根据从出租车GPS数据中获取的道路速度信息，选取两站点间效率最高的线路，对公交小线路进行优化。
根据道路车辆平均运行速度和同一条公交线路上的2个相邻公交站点距离选择(同一条公交线路上的2个相邻公交站点的)运行时间最短的路线，对不符合运行时间最短的路线进行修正，使整条公交线路运行时间最短；
步骤四四、公交站点拆分
基于公交站点及公交线路数据，筛选出拥有的公交线路超过10条(此数字视情况而定)的公交站点，给出拆分建议，将大站点分为3个到4个间隔较近的小站点，并进行现场调研确定建议的可行性，最后确定方案。
设定经过站点的线路数阈值，当步骤一公交站点数据中经过站点的线路数小于阈值，不需对公交站点修正；当步骤一公交站点数据中经过站点的线路数大于等于阈值，则将站点分为2-4个公交站点；
所述经过站点的线路数阈值为10。
其它步骤及参数与具体实施方式一至七之一相同。
具体实施方式九：本实施方式与具体实施方式一至八之一不同的是：所述步骤四二中设定路段饱和度阈值，根据步骤三二的车流量计算得到路段饱和度，当路段饱和度小于路段饱和度阈值，则车流量符合要求，则该路段为通畅路段，不需对公交站点更改；当路段饱和度大于等于路段饱和度阈值，则该路段为拥堵路段，对公交站点更改；过程为：
对公交站点中20％-50％的公交线路进行更换。
例如一个在拥堵路段上的公交站点，如果通过该公交站点的线路有10条，则将其中2条到4条公交线路进行改线，将线路上的该站点更换为临近的非拥堵路段上的站点，进行绕行。
其它步骤及参数与具体实施方式一至八之一相同。
具体实施方式十：本实施方式与具体实施方式一至九之一不同的是：所述步骤四二中所述步骤四二中根据步骤三二的车流量计算得到路段饱和度，具体过程为：
根据步骤三二的车流量计算得到路段饱和度：
设计通行能力根据《城市道路设计规范》(CJJ37-2012)(2016版)以及不同情况下的通行能力的折减公式得到。
等级划分(交通拥堵识别)：对于城市道路来说，衡量交通服务水平的最主要指标为路段的饱和度(V/C即是：路段实际交通量/设计通行能力)，其次是车速(路段车速)或延误。由于车速延误与V/C有关，V/C增大，则车速降低，延误增加；V/C减小，则车速增加，延误降低，所以V/C是关键指标。为方便研究，可采用V/C作为城市道路的服务水平划分依据。
国外一般采用如表所示的服务水平划分标准(美国《道路通行能力手册》)：
其它步骤及参数与具体实施方式一至九之一相同。
采用以下实施例验证本发明的有益效果：
实施例一：
本实施例一种基于出租车GPS及手机信令数据的公交线路优化方法具体是按照以下步骤制备的：
本发明以哈尔滨市的部分出租车GPS数据为例进行分析。下面参照附图1，对本发明的具体实施方案作详细描述；
(1)数据采集
①GPS数据
现在大多数城市的出租车都装有GPS，定时地向调度中心传递GPS的信息，本文获取的GPS数据为哈尔滨市2015年GPS数据(在进行数据分析时，最好选取一个月或一个季度甚至一年的数据进行分析，避免特殊情况的出现，导致分析不准确。若数据不足可以选择三天数据进行分析，分别为节假日、工作日以及休息日，基本可代表全年的情况)。本算例获取的数据的格式如下表所示：
2015年全年的出租车GPS数据，信息包括：车辆ID、采样时间、经纬度、瞬时速度、GPSID、状态信息及方向等。每日数据条目数达2000多万。
②手机信令数据
手机信令数据的获取主要是为了补充GPS数据，让出行起讫点的聚类更加准确。当有触发事件时，采集信令数据，例如主叫、被叫、短信、位置区切换、开关机。一个用户平均100条记录，根据这个记录可以获取人员每天的主要活动区域，也作为打车确定的起讫点的补充。手机信令数据必须包括手机编号、手机位置等方便做聚类处理。本算例获取的数据的格式如下表所示：
手机信令数据需包含手机识别号、日期、时间、经度以及纬度等。
③土地利用图
土地利用图主要是为了修正手机信令以及GPS数据所聚类的出行起讫点，对出行起讫点的聚类结果进行进一步修正。本算例所用的是哈尔滨(2011-2020)的城市总体规划中的土地利用规划图。
④公交车数据
公交车数据主要是公交线路及公交站点数据，主要获取的是公交车的线路走向和站点位置信息。从而进一步经过处理获取每个站点通过的公交车的线路数量，以此作为进行可视化时的权重。本文获取的公交站点数据的基本格式如下表所示：
名称 经度 纬度 (经过线路数)权重
红平小区 126.697567 45.78043 9
红旗家具城 126.698946 45.77505 11
红旗大街(先锋路路口) 126.696545 45.77304 8
辽河路 126.698895 45.77044 6
辽河路(红旗大街路口) 126.700007 45.77057 7
淮河路 126.701573 45.76817 11
红博世纪广场 126.704296 45.76193 3
会展中心 126.703634 45.75802 23
驿煊广通招标集团 126.698809 45.7564 8
公交站点数据应包含站点名称、经度、纬度以及经过线路数等。
(2)数据处理
数据处理主要是运用出租车GPS数据及手机信令数据进行聚类处理，并将聚类结果进行合并，最后将处理结果进行可视化操作。
起讫点识别
首先要对出租车GPS数据进行初步处理，根据GPS的状态信息以及车速进行识别，首先识别出速度为0点点位，再识别同一车辆速度为0时GPS数据里面的车辆状态是否处于载客状态。假设状态值为0则为空驶状态，1则为载客状态，由1变为0即为下客状态，该点为讫点，状态值由0变为1即为上客状态，该点为起点，将出行起讫点位进行识别，作为可视化基础。
公交出行手机信令数据筛选
根据时间-位置的变化频次、速度推测交通出行方式。比如和公交线路(包括地铁等)很贴合，且中间有停顿，这些停顿和站点又很贴合，那么基本可以推断是乘坐公交的。以此方法筛选出公交出行手机信令数据。
数据聚类
常用的聚类算法为DBSCAN、K-Means等空间聚类算法，可以用matlab、pathon、SPSS以及R语言等。一般直接调用聚类程序即可实现聚类。具体的步骤如下，本案例以K-Means算法为例使用matlab实现。
K-Means算法的步骤如下：
1)随机选取K个初始质心
2)分别计算所有样本到这K个质心的距离
3)如果样本离质心Si最近，那么这个样本属于Si点群；如果到多个质心的距离相等，则可划分到任意组中
4)按距离对所有样本分完组之后，计算每个组的均值(最简单的方法就是求样本每个维度的平均值)，作为新的质心
5)重复(2)(3)(4)直到新的质心和原质心相等，算法结束
数据修正
数据修正主要是运用土地利用图对聚类结果进行进一步修正、补充，使得聚类结果更加准确。聚类结果如下表所示：
编号 经度 纬度 权重
1 126.686642 45.765875 10
2 126.681599 45.76542 5
3 126.687617 45.763093 6
4 126.691103 45.760176 10
5 126.704793 45.756931 30
6 126.713201 45.768601 5
7 126.712195 45.764728 6
8 126.702852 45.759748 15
9 126.700194 45.771015 10
10 126.703068 45.772373 20
11 126.705727 45.763923 10
12 126.706661 45.752152 15
13 126.714351 45.757183 15
数据可视化
数据可视化可以使用GIS进行操作也可以运用很多便捷的可视化工具进行，具体操作不进行详述，直接给出效果图，如图2和图3所示：
(3)指标计算
对上文提到的出行起讫点距离公交车站的距离、线网密度、公交站点附近的公交车数量以及车流量以及道路车速进行计算，有些数据需要进一步测量补充。
(4)优化建议
经过指标计算结果以及可视化图对比结果，需对如下几个站点进行修正，具体如下表所示：
另因考虑到起讫点与站点热力图部分地点不匹配，建议在红旗大街(淮河路到先锋路)段增设公交站点，或在周边支路增设站点，满足周边出行需求。
本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (10)

1.一种基于出租车GPS及手机信令数据的公交线路优化方法，其特征在于：所述方法具体过程为：
步骤一、
获取出租车GPS数据，包括：车辆ID、采样时间、经纬度、瞬时速度、GPSID、状态信息及方向；
所述状态信息为是否载客；
获取手机信令数据，包括手机识别号、日期、时间、经度以及纬度；
获取土地利用图；
获取公交站点数据，包括站点名称、经度、纬度以及经过线路数；
步骤二、对步骤一获取的数据进行处理；
步骤二一、起讫点识别；
步骤二二、对公交出行手机信令数据筛选，根据筛选出的公交出行手机信令数据，统计各个基站覆盖范围内用户数量，得到用户分布热力图；
步骤二三、对起讫点采用DBSCAN或K-Means聚类算法进行聚类，得到聚类结果，根据聚类结果得到起讫点分布热力图；
步骤二四、将用户分布热力图和起讫点分布热力图进行叠加，得到初步起讫点热力图，再用通过土地利用图得到的热力图参照图对初步起讫点热力图进行修正，得到最终的起讫点热力图；
步骤二五、对步骤二四得到的最终的起讫点热力图和公交线路进行匹配，识别出差异区域；
步骤三、根据步骤二计算公交线路优化指标；
步骤三一、计算出行起讫点距离最近公交车站的距离；
步骤三二、确定公交站点包含的公交线路数量以及车流量；
步骤三三、计算道路车辆平均运行速度；
步骤四、根据优化指标设定优化措施。
2.根据权利要求1所述一种基于出租车GPS及手机信令数据的公交线路优化方法，其特征在于：所述步骤二一中起讫点识别；具体过程为：
根据GPS数据中的状态信息以及瞬时车速进行识别，首先识别出瞬时速度为0点点位，再识别同一车辆速度为0时GPS数据里面的车辆状态是否处于载客状态；假设状态值为0则为空驶状态，1则为载客状态，由1变为0即为下客状态，该点为讫点，状态值由0变为1即为上客状态，该点为起点。
3.根据权利要求2所述一种基于出租车GPS及手机信令数据的公交线路优化方法，其特征在于：所述步骤二三中对起讫点采用DBSCAN或K-Means聚类算法进行聚类，得到聚类结果，根据聚类结果得到起讫点分布热力图；具体过程为：
对起讫点采用DBSCAN或K-Means聚类算法进行聚类，得到聚类结果，聚类结果包括每个聚类中心点的经度、纬度以及聚成该聚类中心点的起讫点个数；
根据聚类结果得到起讫点分布热力图。
4.根据权利要求3所述一种基于出租车GPS及手机信令数据的公交线路优化方法，其特征在于：所述步骤二四中将用户分布热力图和起讫点分布热力图进行叠加，得到初步起讫点热力图，再用通过土地利用图得到的热力图参照图对初步起讫点热力图进行修正，得到最终的起讫点热力图；具体过程为：
将用户分布热力图和起讫点分布热力图进行叠加，得到初步起讫点热力图；
提取土地利用图中每块土地的中心，并根据土地利用图中每块土地的形态赋予相应的权值，根据每块土地的中心和权值得到热力图参照图；
采用热力图参照图对得到的初步起讫点热力图进行修正补充，使初步起讫点热力图与热力图参照图一致，得到最终的起讫点热力图。
5.根据权利要求4所述一种基于出租车GPS及手机信令数据的公交线路优化方法，其特征在于：所述步骤二五中对步骤二四得到的最终的起讫点热力图和公交线路进行匹配，识别出差异区域；具体过程为：
将公交车站点分布及线路输入到GIS地图中，得到公交站点分布热力图；
对比步骤二四得到的最终的起讫点热力图和公交站点分布热力图，识别出差异区域。
6.根据权利要求5所述一种基于出租车GPS及手机信令数据的公交线路优化方法，其特征在于：所述步骤三一中计算出行起讫点距离最近公交车站的距离；具体过程为：
依据步骤二三得到的每个聚类中心点的经度、纬度以及步骤一获取的公交站点的经度、纬度，计算出聚类中心点与公交站点的最近距离；
公式为：
LAB＝R×arccos[sin(WA)sin(WB)+cos(WA)cos(WB)×cos(JA-JB)]
式中，LAB为AB间距离，单位为千米；A为步骤二三得到的聚类中心点，B为步骤一获取的公交站点；R为地球半径，单位为千米；WA为A点的纬度；WB为B点的纬度；JA为A点的经度；JB为B点的经度。
7.根据权利要求6所述一种基于出租车GPS及手机信令数据的公交线路优化方法，其特征在于：所述步骤三三中计算道路车辆平均运行速度；
计算公式如下所示：
式中，为j道路m路段的平均运行速度，单位为千米每小时；为j道路m路段的长度，单位为千米；ti为第i辆车通过j道路m路段的行程时间，单位为h；n为统计时间内通过j道路m路段的有效车辆数。
8.根据权利要求7所述一种基于出租车GPS及手机信令数据的公交线路优化方法，其特征在于：所述步骤四中根据优化指标设定优化措施；
步骤四一、设定聚类中心点和公交站点间距离阈值，当聚类中心点和公交站点间距离LAB小于等于阈值，则LAB符合要求，当LAB大于阈值，则将LAB对应的公交站点筛选出，并给出使筛选出的公交站点符合要求的区域；
所述聚类中心点和公交站点间距离阈值为500m；
步骤四二、设定路段饱和度阈值，根据步骤三二的车流量计算得到路段饱和度，当路段饱和度小于路段饱和度阈值，则车流量符合要求，则该路段为通畅路段，不需对公交站点更改；当路段饱和度大于等于路段饱和度阈值，则该路段为拥堵路段，对公交站点更改；
路段饱和度阈值为0.9；
步骤四三、根据道路车辆平均运行速度和同一条公交线路上的2个相邻公交站点距离选择运行时间最短的路线，对不符合运行时间最短的路线进行修正，使整条公交线路运行时间最短；
步骤四四、设定经过站点的线路数阈值，当步骤一公交站点数据中经过站点的线路数小于阈值，不需对公交站点修正；当步骤一公交站点数据中经过站点的线路数大于等于阈值，则将站点分为2-4个公交站点；
所述经过站点的线路数阈值为10。
9.根据权利要求8所述一种基于出租车GPS及手机信令数据的公交线路优化方法，其特征在于：所述步骤四二中设定路段饱和度阈值，根据步骤三二的车流量计算得到路段饱和度，当路段饱和度小于路段饱和度阈值，则车流量符合要求，则该路段为通畅路段，不需对公交站点更改；当路段饱和度大于等于路段饱和度阈值，则该路段为拥堵路段，对公交站点更改；过程为：
对公交站点中20％-50％的公交线路进行更换。
10.根据权利要求9所述一种基于出租车GPS及手机信令数据的公交线路优化方法，其特征在于：所述步骤四二中根据步骤三二的车流量计算得到路段饱和度，具体过程为：
根据步骤三二的车流量计算得到路段饱和度：
CN201810379072.XA 2018-04-25 2018-04-25 一种基于出租车gps及手机信令数据的公交线路优化方法 Active CN108564226B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810379072.XA CN108564226B (zh) 2018-04-25 2018-04-25 一种基于出租车gps及手机信令数据的公交线路优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810379072.XA CN108564226B (zh) 2018-04-25 2018-04-25 一种基于出租车gps及手机信令数据的公交线路优化方法

Publications (2)

Publication Number Publication Date
CN108564226A true CN108564226A (zh) 2018-09-21
CN108564226B CN108564226B (zh) 2022-07-29

Family

ID=63536522

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810379072.XA Active CN108564226B (zh) 2018-04-25 2018-04-25 一种基于出租车gps及手机信令数据的公交线路优化方法

Country Status (1)

Country Link
CN (1) CN108564226B (zh)

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109359682A (zh) * 2018-10-11 2019-02-19 北京市交通信息中心 一种基于f-dbscan迭代聚类的机场巴士候选站点筛选方法
CN109543895A (zh) * 2018-11-15 2019-03-29 北京航空航天大学 一种出基于出租客流转化的公交线网优化方法
CN109598305A (zh) * 2018-12-05 2019-04-09 杭州东方通信软件技术有限公司 基于ai实现区域内小区流量热力图的方法和装置
CN109711438A (zh) * 2018-12-10 2019-05-03 中国联合网络通信集团有限公司 大巴交通线路获取方法、装置及设备
CN109712516A (zh) * 2018-12-20 2019-05-03 成都路行通信息技术有限公司 一种基于gnss设备的车辆分布热力图构建方法和展示系统
CN109727452A (zh) * 2019-01-08 2019-05-07 江苏交科能源科技发展有限公司 基于手机信令数据的出行比例核算方法
CN109800801A (zh) * 2019-01-10 2019-05-24 浙江工业大学 基于高斯回归算法的K-Means聚类分析车道流量方法
CN110310477A (zh) * 2019-05-14 2019-10-08 浙江工业大学之江学院 基于公交gps与手机信令数据的公交客流检测方法
CN111476494A (zh) * 2020-04-11 2020-07-31 重庆交通开投科技发展有限公司 基于多源数据精准分析公交人口地理分布的方法
CN111739287A (zh) * 2020-05-20 2020-10-02 苏交科集团股份有限公司 一种车路协同智慧站台智能调度系统
CN111881930A (zh) * 2020-06-09 2020-11-03 广州市城市规划勘测设计研究院 一种热力图生成方法、装置、存储介质及设备
CN112150796A (zh) * 2020-07-20 2020-12-29 南京瑞栖智能交通技术产业研究院有限公司 基于手机信令数据的定制公交站点布局方法
CN112288131A (zh) * 2020-09-24 2021-01-29 和智信(山东)大数据科技有限公司 公交站点优化方法、电子设备及计算机可读存储介质
CN112348091A (zh) * 2020-11-10 2021-02-09 成都福立盟环保大数据有限公司 基于渣土车gps的双聚类的黑工地点位识别算法
CN112380906A (zh) * 2020-10-19 2021-02-19 上汽通用五菱汽车股份有限公司 一种基于行车数据确定用户住址的方法
CN112396228A (zh) * 2020-11-16 2021-02-23 西安宇视信息科技有限公司 目标路径确定方法、装置、电子设备及介质
CN112542043A (zh) * 2020-12-01 2021-03-23 江苏欣网视讯软件技术有限公司 基于手机信令以及大数据分析识别公交线网覆盖盲区的方法与系统
CN112686466A (zh) * 2021-01-12 2021-04-20 北京交通发展研究院 地铁乘客的路径确认方法及装置
CN112819229A (zh) * 2021-02-04 2021-05-18 汉纳森（厦门）数据股份有限公司 一种基于分布式机器学习的行车站点优化更新方法和系统
CN113085832A (zh) * 2019-12-20 2021-07-09 陕西汽车集团有限责任公司 一种增程式混合动力车辆能量管理方法
CN113404339A (zh) * 2021-07-12 2021-09-17 重庆城市综合交通枢纽（集团）有限公司 一种无人公交高铁枢纽Mass型站台控制算法及装置
CN113627669A (zh) * 2021-08-10 2021-11-09 中国联合网络通信集团有限公司 交通路线优化处理方法、装置及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105184409A (zh) * 2015-09-15 2015-12-23 广州地理研究所 定制公交规划线路出行需求热力图构建方法
CN105427003A (zh) * 2015-12-30 2016-03-23 北京航空航天大学 一种基于出行需求分析的公交站点部署方法
CN105632173A (zh) * 2015-12-31 2016-06-01 河海大学 利用出租车gps数据进行城市公交系统的优化识别方法
CN106503843A (zh) * 2016-10-20 2017-03-15 上海萃图数字科技有限公司 一种基于手机信令数据的常规公交线网优化与调整方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105184409A (zh) * 2015-09-15 2015-12-23 广州地理研究所 定制公交规划线路出行需求热力图构建方法
CN105427003A (zh) * 2015-12-30 2016-03-23 北京航空航天大学 一种基于出行需求分析的公交站点部署方法
CN105632173A (zh) * 2015-12-31 2016-06-01 河海大学 利用出租车gps数据进行城市公交系统的优化识别方法
CN106503843A (zh) * 2016-10-20 2017-03-15 上海萃图数字科技有限公司 一种基于手机信令数据的常规公交线网优化与调整方法

Cited By (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109359682A (zh) * 2018-10-11 2019-02-19 北京市交通信息中心 一种基于f-dbscan迭代聚类的机场巴士候选站点筛选方法
CN109359682B (zh) * 2018-10-11 2019-08-30 北京市交通信息中心 一种基于f-dbscan迭代聚类的机场巴士候选站点筛选方法
CN109543895A (zh) * 2018-11-15 2019-03-29 北京航空航天大学 一种出基于出租客流转化的公交线网优化方法
CN109598305A (zh) * 2018-12-05 2019-04-09 杭州东方通信软件技术有限公司 基于ai实现区域内小区流量热力图的方法和装置
CN109711438A (zh) * 2018-12-10 2019-05-03 中国联合网络通信集团有限公司 大巴交通线路获取方法、装置及设备
CN109712516B (zh) * 2018-12-20 2021-08-24 成都路行通信息技术有限公司 一种基于gnss设备的车辆分布热力图构建方法和展示系统
CN109712516A (zh) * 2018-12-20 2019-05-03 成都路行通信息技术有限公司 一种基于gnss设备的车辆分布热力图构建方法和展示系统
CN109727452A (zh) * 2019-01-08 2019-05-07 江苏交科能源科技发展有限公司 基于手机信令数据的出行比例核算方法
CN109800801A (zh) * 2019-01-10 2019-05-24 浙江工业大学 基于高斯回归算法的K-Means聚类分析车道流量方法
CN110310477B (zh) * 2019-05-14 2021-11-02 浙江工业大学之江学院 基于公交gps与手机信令数据的公交客流检测方法
CN110310477A (zh) * 2019-05-14 2019-10-08 浙江工业大学之江学院 基于公交gps与手机信令数据的公交客流检测方法
CN113085832A (zh) * 2019-12-20 2021-07-09 陕西汽车集团有限责任公司 一种增程式混合动力车辆能量管理方法
CN113085832B (zh) * 2019-12-20 2022-08-30 陕西汽车集团股份有限公司 一种增程式混合动力车辆能量管理方法
CN111476494A (zh) * 2020-04-11 2020-07-31 重庆交通开投科技发展有限公司 基于多源数据精准分析公交人口地理分布的方法
CN111476494B (zh) * 2020-04-11 2023-05-23 重庆交通开投科技发展有限公司 基于多源数据精准分析公交人口地理分布的方法
CN111739287A (zh) * 2020-05-20 2020-10-02 苏交科集团股份有限公司 一种车路协同智慧站台智能调度系统
CN111881930A (zh) * 2020-06-09 2020-11-03 广州市城市规划勘测设计研究院 一种热力图生成方法、装置、存储介质及设备
CN112150796A (zh) * 2020-07-20 2020-12-29 南京瑞栖智能交通技术产业研究院有限公司 基于手机信令数据的定制公交站点布局方法
CN112288131A (zh) * 2020-09-24 2021-01-29 和智信(山东)大数据科技有限公司 公交站点优化方法、电子设备及计算机可读存储介质
CN112288131B (zh) * 2020-09-24 2021-06-11 和智信(山东)大数据科技有限公司 公交站点优化方法、电子设备及计算机可读存储介质
CN112380906A (zh) * 2020-10-19 2021-02-19 上汽通用五菱汽车股份有限公司 一种基于行车数据确定用户住址的方法
CN112380906B (zh) * 2020-10-19 2024-05-31 上汽通用五菱汽车股份有限公司 一种基于行车数据确定用户住址的方法
CN112348091A (zh) * 2020-11-10 2021-02-09 成都福立盟环保大数据有限公司 基于渣土车gps的双聚类的黑工地点位识别算法
CN112396228A (zh) * 2020-11-16 2021-02-23 西安宇视信息科技有限公司 目标路径确定方法、装置、电子设备及介质
CN112542043B (zh) * 2020-12-01 2021-10-26 江苏欣网视讯软件技术有限公司 基于手机信令以及大数据分析识别公交线网覆盖盲区的方法与系统
CN112542043A (zh) * 2020-12-01 2021-03-23 江苏欣网视讯软件技术有限公司 基于手机信令以及大数据分析识别公交线网覆盖盲区的方法与系统
CN112686466A (zh) * 2021-01-12 2021-04-20 北京交通发展研究院 地铁乘客的路径确认方法及装置
CN112686466B (zh) * 2021-01-12 2024-01-05 北京交通发展研究院 地铁乘客的路径确认方法及装置
CN112819229A (zh) * 2021-02-04 2021-05-18 汉纳森（厦门）数据股份有限公司 一种基于分布式机器学习的行车站点优化更新方法和系统
CN112819229B (zh) * 2021-02-04 2022-10-28 汉纳森（厦门）数据股份有限公司 一种基于分布式机器学习的行车站点优化更新方法和系统
CN113404339A (zh) * 2021-07-12 2021-09-17 重庆城市综合交通枢纽（集团）有限公司 一种无人公交高铁枢纽Mass型站台控制算法及装置
CN113627669A (zh) * 2021-08-10 2021-11-09 中国联合网络通信集团有限公司 交通路线优化处理方法、装置及设备
CN113627669B (zh) * 2021-08-10 2024-02-20 中国联合网络通信集团有限公司 交通路线优化处理方法、装置及设备

Also Published As

Publication number Publication date
CN108564226B (zh) 2022-07-29

Similar Documents

Publication Publication Date Title
CN108564226A (zh) 一种基于出租车gps及手机信令数据的公交线路优化方法
CN105865472B (zh) 一种基于最佳油耗的车载导航方法
WO2019047905A1 (zh) 一种交通路况分析系统、方法以及装置
CN100463407C (zh) 一种实时动态交通信息采集处理发布的方法和系统
CN104809112B (zh) 一种基于多源数据的城市公交发展水平综合评价方法
CN105844362B (zh) 一种城市交通综合出行决策装置
CN105489043B (zh) 基于车载自组网的实时路径规划方法
CN104766476B (zh) 一种路段以及路网区域交通状态指数的计算方法
CN107330547A (zh) 一种城市公交动态调度优化方法及系统
CN102700576B (zh) 城市轨道交通线网客流监测方法
CN108022022A (zh) 一种基于出行舒适度的公交出行方案评价系统
CN103745089A (zh) 一种多维公共交通运行指数评价方法
CN101694706A (zh) 基于多源数据融合的人口时空动态出行特征建模方法
CN105070057B (zh) 一种道路实时路况的监测方法
CN102595323A (zh) 基于手机定位数据的居民出行特征参数的获取方法
CN104835335A (zh) 路网交通优化控制系统和方法
CN101976500A (zh) 交通网络分析方法及系统
CN102708698A (zh) 基于车联网的车辆最优路径导航方法
CN107368931A (zh) 基于大数据分析技术的物流配送路径动态规划方法及系统
CN110491158A (zh) 一种基于多元数据融合的公交车到站时间预测方法及系统
CN106408984A (zh) 基于物联网的城市交通流诱导系统
CN110414795B (zh) 基于改进两步移动搜索法的新增高铁枢纽可达性影响方法
CN108648453A (zh) 一种基于手机位置更新信息进行交通出行数据画像的方法
CN106373384B (zh) 边远地区客运班车线路实时生成方法
CN115100012B (zh) 一种轨道交通站点步行可达性计算方法

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