CN109063906A - 公交轨道两网融合下重复路线识别方法 - Google Patents
公交轨道两网融合下重复路线识别方法 Download PDFInfo
- Publication number
- CN109063906A CN109063906A CN201810814637.2A CN201810814637A CN109063906A CN 109063906 A CN109063906 A CN 109063906A CN 201810814637 A CN201810814637 A CN 201810814637A CN 109063906 A CN109063906 A CN 109063906A
- Authority
- CN
- China
- Prior art keywords
- public transport
- lines
- public
- sets
- optimized
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 238000012216 screening Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 230000004069 differentiation Effects 0.000 claims description 4
- 230000001976 improved effect Effects 0.000 abstract description 7
- 230000002262 irrigation Effects 0.000 abstract 1
- 238000003973 irrigation Methods 0.000 abstract 1
- 230000004927 fusion Effects 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000005211 surface analysis Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种公交轨道两网融合下重复线路识别方法,其涉及公共交通技术领域。旨在解决现有的重复路线识别方法对重复的公交线路识别准确性低的问题。其技术方案要点包括对所有公交线路,从走向重复和功能重复两个方向,分别进行分析筛选,并得到相应的备选线路集,将所述备选线路集汇总得到待优化线路集;构建线网优化指标体系,对所述待优化线路集进一步筛选,得到需优化线路集。本发明能够提高对重复路线识别的准确性,在此基础上通过降重复来对公交线网进行优化,能够降低公交线网的优化对现有公共交通系统带来的影响。
Description
技术领域
本发明涉及公共交通技术领域,更具体地说,它涉及一种公交轨道两网融合下重复路线识别方法。
背景技术
城市公共交通是城市基础设施的重要组成部分,直接关系到城市整体功能的发挥,与人们的生产生活息息相关。
现在大多城市的公共交通体系包括轨道交通和公交,城市中的轨道交通主要为地铁,还包括轻轨和有轨电车等。
对公共交通系统的OD进行分析,从客流量分析看,目前城市的公共体系中,轨道为骨干、公交仍为主体;从卡种、运距、时间分布等分析看,轨道承担长距离跨区功能,且服务通勤和周末为主,公交承担短距离区内功能,且服务平常、老人为主;从空间OD分布看,公交与轨道在部分通道上呈现明显的差异,结合换乘客源的来源等看出,公交在外围区域承担较强的接驳轨道的功能,同时在中心区公交一方面在跨片区上明显让位于轨道,另一方面与轨道还存在通道重复。
在未来轨道交通承担公共交通出行主体的趋势和背景下,未来常规公交的总体发展方向一定是围绕轨道交通优化公交线网。
针对公交与轨道存在通道重复的情况,为了更加合理地利用公共交通资源,需要对重复的公交线路进行识别并优化。现有的重复路线识别方法是通过对公交轨道两者的重合度进行分析,重合度包括重复站点数量和重复长度。
但是,通过重合度对重复路线进行识别,只是简单地考虑了线路的走向重复情况,并没有综合考虑公交的功能和乘客的需求,即识别的准确性低,按此对公交线网进行优化,容易造成现有公共交通系统的混乱。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种公交轨道两网融合下重复路线识别方法,其具有能够提高重复路线识别准确性的优势。
为实现上述目的,本发明提供了如下技术方案:
一种公交轨道两网融合下重复路线识别方法,包括:
对所有公交线路,从走向重复和功能重复两个方向,分别进行分析筛选,并得到相应的备选线路集,将所述备选线路集汇总得到待优化线路集;
构建线网优化指标体系,对所述待优化线路集进一步筛选,得到需优化线路集。
通过采用上述技术方案,本发明并没有摒弃现有的重复路线识别方法,即从走向重复方向进行筛选,而是在现有的重复路线识别方法上综合考虑公交的功能和乘客的需求,增加了从功能重复方向进行筛选,并汇总得到待优化线路集;然后构建线网优化指标体系,对待优化线路集进一步筛选,得到需优化线路集;通过两个方向与体系相结合,能够提高对重复路线识别的准确性,在此基础上通过降重复来对公交线网进行优化,能够降低公交线网的优化对现有公共交通系统带来的影响。
进一步地,所述走向重复,是对公交和轨道的重合度进行分析;所述重合度包括两个重合指标,分别为重复站点数量和重复长度;
所述重合指标设置有限定基值,公交线路的两个重合指标均大于或等于相应的限定基值,则被筛入备选线路集。
通过采用上述技术方案,重合度包括两个重合指标,重合指标设置有限定基值,公交线路的两个重合指标均大于或者等于相应的限定基值,则被筛入备选线路集;同时考虑重复站点数量和重复长度两个指标,能够更加准确地识别出重复路线,从而能够降低公交线网的优化对现有公共交通系统带来的影响。
进一步地,将公交线路按照重合度分为两个类型,分别为一般并行线路和强并行线路;
所述重合指标还设置有限定峰值,公交线路的两个重合指标均大于或等于相应的限定基值,且小于或等于相应的限定峰值,则为一般并行线路;公交线路的两个重合指标均大于相应的限定峰值,则为强并行线路;
未被筛入需优化线路集的公交线路,若为强并行线路,则仍需筛入需优化线路集。
通过采用上述技术方案,对于强并行线路,与轨道的重叠严重,客流竞争较大,严重浪费了公共交通资源,所以无论体系优化的结果如何,都需筛入需优化线路集,从而能够提高对重复路线识别的准确性。
进一步地,所述重合度还包括一个重合指标,为重复长度占公交比例;公交线路的重复站点数量大于相应的限定峰值,且重复长度或者重复长度占公交比例大于相应的限定峰值,均为强并行线路。
通过采用上述技术方案,对于强并行线路,综合考虑重复长度占公交比例这个重合指标,能够提高对重复路线识别的准确性。
进一步地,所述功能重复,是对轨道和公交OD进行分析,筛选出两者的重复OD对,然后将位于重复OD对之间的公交线路筛入备选线路集。
通过采用上述技术方案,OD能够反映出乘客的实际出行情况和需求,公共交通系统是为乘客服务的,对公交线网的优化必须考虑乘客的需求,这一点也是传统的识别方法所欠缺的;则对轨道和公交OD进行分析,筛选出两者的重复OD对,然后将位于重复OD对之间的公交线路筛入备选线路集,能够提高对重复路线识别的准确性。
进一步地,所述轨道和公交OD的分析按照中区层面进行。
通过采用上述技术方案,城市的区域划分中,包括小区、中区和大区,按照小区层面进行,形成的OD对数量太多,计算过于复杂,而按照大区层面进行,形成的OD对数量太少,无法清楚识别OD对之间的公交线路;而按照中区层面进行,则会更加适中,从而能够提高对重复路线识别的准确性。
进一步地,将所述OD对按照日单向联系强度进行分类,分别为双低OD、双高OD、公交高轨道低OD以及公交低轨道高OD,其中双低OD、双高OD以及公交高轨道低OD为重复OD对。
通过采用上述技术方案,轨道与公交之间形成的OD对很多,按照日单向联系强度,能够准确识别出重复OD对;其中公交低轨道高OD反应出的情况是,公交与轨道已经充分竞争,保留的部分公交线路可能为必要出行,则对这些公交线路不考虑优化,一方面能够降低筛选的工作量,另一方面也能够提高对重复路线识别的准确性。
进一步地,从功能重复方向得到的所述备选线路集中,需去除区内的公交线路。
通过采用上述技术方案,从功能上来说,轨道承担长距离跨区功能,公交承担短距离区内功能,所以就“降重复”来优化公交线网的过程中,原则上不考虑区内的重复线路,重点考虑跨区线路的重复问题,从而能够提高重复路线识别的准确性,并降低公交线网的优化对现有公共交通系统带来的影响。
进一步地,将公交线路按照线路类型进行分类,分别为主干线和次干线;
通过所述线网优化指标体系对待优化线路集中的公交线路按照线路类型进行差异化筛选。
通过采用上述技术方案,公交线路按照线路类型分为主干线和次干线,在公共交通系统中,主干线和次干线承担的作用不相同;则将公交线路分类后进行差异化筛选,能够更加精细化地对重复线路进行分析,从而能够提高对重复路线识别的准确性。
进一步地,所述线网优化指标体系包括三大类指标,分别为固定指标、趋势指标以及程度指标;
所述固定指标包括四个具体指标,分别为线路长度、非直线系数、日均客运量以及千公里客运量;
所述趋势指标包括两个具体指标,分别为日均客运量近两年变化的趋势以及千公里客运量近两年变化的趋势;
所述程度指标包括六个具体指标,分别为日均客运量近两年的变化率及其平均值,以及千公里客运量近两年的变化率及其平均值;
所述线网优化指标体系还包括与所述具体指标相关的不利因素以及不利因素基值,所述待优化线路集中公交线路的不利因素数量大于不利因素基值,则被筛入需优化线路集。
通过采用上述技术方案,线网优化指标体系选取时,以轨道衔接化为基础,构建三大类指标,共计12个具体指标,充分考虑公交线路的线路情况和运营情况,以此来更加准确地识别出重复路线,从而能够降低公交线网的优化对现有公共交通系统带来的影响。
综上所述,本发明具有以下有益效果:
1、采用了从走向重复和功能重复两个方向分别进行筛选,从而能够提高对重复路线识别的准确性,在此基础上通过降重复来对公交线网进行优化,能够降低公交线网的优化对现有公共交通系统带来的影响;
2、采用了线网优化指标体系,从而产生能够提高对重复路线识别准确性的效果;
3、采用了将强并行线路筛入需优化线路集,从而产生能够提高对重复路线识别准确性的效果。
附图说明
图1为实施例中线网优化指标体系的树状结构示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
本具体实施例仅仅是对本发明的解释,其并不是对本发明的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本发明的权利要求范围内都受到专利法的保护。
实施例:
一种公交轨道两网融合下重复路线识别方法,其包括对城市中所有公交线路,从走向重复和功能重复两个方向,分别进行分析筛选。
走向重复,是对公交和轨道的重合度进行分析,重合度包括三个重合指标,分别为重复站点数量、重复长度和重复长度占公交比例;重合指标设置有限定基值,公交线路的重复站点数量和重复长度均大于或等于相应的限定基值,则被筛入备选线路集,本实施例中重复站点数量的限定基值为5个,重复长度的限定基值为5km。具体如下表所示:
表1
将公交线路按照重合度分为两个类型,分别为一般并行线路和强并行线路;重合指标还设置有限定峰值,公交线路的重复站点数量和重复长度均大于或等于相应的限定基值,且小于或等于相应的限定峰值,则为一般并行线路;公交线路的重复站点数量大于相应的限定峰值,且重复长度或者重复长度占公交比例大于相应的限定峰值,均为强并行线路,本实施例中重复站点数量的限定峰值为8个,重复长度的限定峰值为10km,重复长度占公交比例的限定峰值为70%。具体如下表所示:
表2
其中,未被筛入需优化线路集的公交线路,若为强并行线路,则仍需筛入需优化线路集。
功能重复,是对轨道和公交OD进行分析,筛选出两者的重复OD对,然后将位于重复OD对之间的公交线路筛入备选线路集,本实施例中轨道和公交OD是按照中区层面进行。
对轨道和公交OD按照中区层面分析后得到若干OD对,将OD对按照日单向联系强度进行分类,分别为双低OD、双高OD、公交高轨道低OD以及公交低轨道高OD,本实施例中还综合考虑中区间距离。具体如下表所示:
表3
其中双低OD、双高OD以及公交高轨道低OD为重复OD对,具体如下表所示:
表4
将位于重复OD对之间的公交线路筛入备选线路集,具体如下表所示:
表5
从功能重复方向得到的备选线路集中,需去除区内的公交线路,筛选后,具体如下表所示:
表6
将从走向重复和功能重复分别得到的备选线路集,汇总得到待优化线路集,具体如下表所示:
表7
其中,番号为2、38和522的公交线路属于重复线路。
为了更精细化地分析,根据年度分层分级结果,将公交线路按照线路类型分为主干线和次干线,具体如下表所示:
表8
参照图1,构建线网优化指标体系,对待优化线路集进一步筛选,从而得到需优化线路集;其中,对待优化线路集中的公交线路需要按照线路类型进行差异化筛选。
线网优化指标体系包括三大类指标,分别为固定指标、趋势指标以及程度指标;
固定指标包括四个具体指标,分别为线路长度、非直线系数、日均客运量以及千公里客运量;
趋势指标包括两个具体指标,分别为日均客运量近两年变化的趋势以及千公里客运量近两年变化的趋势;
程度指标包括六个具体指标,分别为日均客运量近两年的变化率及其平均值,以及千公里客运量近两年的变化率及其平均值。
其中,12个具体指标按照线路类型分别设定有相应的指标基值,本实施例中固定指标的指标基值选取最新年度全年的平均值或者阈值,程度指标的指标基值选取近两年的变化率,且分层取值更精细化。具体如下表所示:
表9
将待优化线路集中的16条主干线,按照线网优化指标体系进行分析,具体如下表所示:
表10
将待优化线路集中的13条次干线,按照线网优化指标体系进行分析,具体如下表所示:
表11
线网优化指标体系还包括与具体指标相关的不利因素以及不利因素基值,待优化线路集中公交线路的不利因素数量大于不利因素基值,则被筛选为需优化线路,本实施例中不利因素基值为6个。
待优化线路集中16条主干线的分析情况,具体如下表所示:
表12
其中,16条主干线中,共有5条线路的不利因素数量大于不利因素基值。
待优化线路集中13条次干线的分析情况,具体如下表所示:
表13
其中,13条次干线中,共有3条线路的不利因素数量大于不利因素基值。
通过对12个具体指标的评价,最后筛选出需优化线路集中公交线路的数量为8条,同时对剩余公交线路进行复核,将1条强并行线路纳入需优化线路集,则总共得到需优化线路集为9条公交线路。具体如下表所示:
表14
工作原理如下:
对城市中的所有公交线路,按照走向重复方向,筛选得到的备选线路集为15条公交线路,按照功能重复方向,筛选得到的备选线路集为17条公交线路,两个方向共同筛选出的公交线路数量为3条,则汇总得到的待优化线路集为29条公交线路;
将待优化线路集中29条公交线路按照线路类型分类后,通过线网优化指标体系进行差异化筛选,得到的需优化线路集为8条公交线路,其中主干线为5条,次干线为3条;
将1条强并行线路纳入需优化线路集中,则最终得到的需优化线路集为9条公交线路;
按照现有的重复路线识别方法,得到重复的公交线路数量为15条,而按照本发明的重复路线识别方法,得到重复的公交线路数量为9条,从而能够提高对重复路线识别的准确性,在此基础上通过降重复来对公交线网进行优化,能够降低公交线网的优化对现有公共交通系统带来的影响。
Claims (10)
1.一种公交轨道两网融合下重复路线识别方法,其特征在于:包括:
对所有公交线路,从走向重复和功能重复两个方向,分别进行分析筛选,并得到相应的备选线路集,将所述备选线路集汇总得到待优化线路集;
构建线网优化指标体系,对所述待优化线路集进一步筛选,得到需优化线路集。
2.根据权利要求1所述的公交轨道两网融合下重复路线识别方法,其特征在于:所述走向重复,是对公交和轨道的重合度进行分析;所述重合度包括两个重合指标,分别为重复站点数量和重复长度;
所述重合指标设置有限定基值,公交线路的两个重合指标均大于或等于相应的限定基值,则被筛入备选线路集。
3.根据权利要求2所述的公交轨道两网融合下重复路线识别方法,其特征在于:将公交线路按照重合度分为两个类型,分别为一般并行线路和强并行线路;
所述重合指标还设置有限定峰值,公交线路的两个重合指标均大于或等于相应的限定基值,且小于或等于相应的限定峰值,则为一般并行线路;公交线路的两个重合指标均大于相应的限定峰值,则为强并行线路;
未被筛入需优化线路集的公交线路,若为强并行线路,则仍需筛入需优化线路集。
4.根据权利要求3所述的公交轨道两网融合下重复路线识别方法,其特征在于:所述重合度还包括一个重合指标,为重复长度占公交比例;公交线路的重复站点数量大于相应的限定峰值,且重复长度或者重复长度占公交比例大于相应的限定峰值,均为强并行线路。
5.根据权利要求1-4中任一权利要求所述的公交轨道两网融合下重复路线识别方法,其特征在于:所述功能重复,是对轨道和公交OD进行分析,筛选出两者的重复OD对,然后将位于重复OD对之间的公交线路筛入备选线路集。
6.根据权利要求5所述的公交轨道两网融合下重复路线识别方法,其特征在于:所述轨道和公交OD的分析按照中区层面进行。
7.根据权利要求6所述的公交轨道两网融合下重复路线识别方法,其特征在于:将所述OD对按照日单向联系强度进行分类,分别为双低OD、双高OD、公交高轨道低OD以及公交低轨道高OD,其中双低OD、双高OD以及公交高轨道低OD为重复OD对。
8.根据权利要求7所述的公交轨道两网融合下重复路线识别方法,其特征在于:从功能重复方向得到的所述备选线路集中,需去除区内的公交线路。
9.根据权利要求1-4中任一权利要求所述的公交轨道两网融合下重复路线识别方法,其特征在于:将公交线路按照线路类型进行分类,分别为主干线和次干线;
通过所述线网优化指标体系对待优化线路集中的公交线路按照线路类型进行差异化筛选。
10.根据权利要求1-4中任一权利要求所述的公交轨道两网融合下重复路线识别方法,其特征在于:所述线网优化指标体系包括三大类指标,分别为固定指标、趋势指标以及程度指标;
所述固定指标包括四个具体指标,分别为线路长度、非直线系数、日均客运量以及千公里客运量;
所述趋势指标包括两个具体指标,分别为日均客运量近两年变化的趋势以及千公里客运量近两年变化的趋势;
所述程度指标包括六个具体指标,分别为日均客运量近两年的变化率及其平均值,以及千公里客运量近两年的变化率及其平均值;
所述线网优化指标体系还包括与所述具体指标相关的不利因素以及不利因素基值,所述待优化线路集中公交线路的不利因素数量大于不利因素基值,则被筛入需优化线路集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810814637.2A CN109063906B (zh) | 2018-07-23 | 2018-07-23 | 公交轨道两网融合下重复路线识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810814637.2A CN109063906B (zh) | 2018-07-23 | 2018-07-23 | 公交轨道两网融合下重复路线识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109063906A true CN109063906A (zh) | 2018-12-21 |
CN109063906B CN109063906B (zh) | 2021-11-02 |
Family
ID=64835152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810814637.2A Active CN109063906B (zh) | 2018-07-23 | 2018-07-23 | 公交轨道两网融合下重复路线识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109063906B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188938A (zh) * | 2019-05-23 | 2019-08-30 | 东南大学 | 一种轨道交通成网初期待调整地面公交线路筛选方法 |
CN112288121A (zh) * | 2019-09-09 | 2021-01-29 | 南京行者易智能交通科技有限公司 | 基于客流的过重公交线路的优化方法及装置 |
CN113360543A (zh) * | 2021-06-01 | 2021-09-07 | 平安国际智慧城市科技股份有限公司 | 公共交通的重复路线识别方法、装置、设备及存储介质 |
-
2018
- 2018-07-23 CN CN201810814637.2A patent/CN109063906B/zh active Active
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188938A (zh) * | 2019-05-23 | 2019-08-30 | 东南大学 | 一种轨道交通成网初期待调整地面公交线路筛选方法 |
CN110188938B (zh) * | 2019-05-23 | 2023-08-22 | 东南大学 | 一种轨道交通成网初期待调整地面公交线路筛选方法 |
CN112288121A (zh) * | 2019-09-09 | 2021-01-29 | 南京行者易智能交通科技有限公司 | 基于客流的过重公交线路的优化方法及装置 |
CN113360543A (zh) * | 2021-06-01 | 2021-09-07 | 平安国际智慧城市科技股份有限公司 | 公共交通的重复路线识别方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109063906B (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105913661B (zh) | 一种基于收费数据的高速公路路段交通状态判别方法 | |
CN105825669B (zh) | 一种识别城市快速路交通瓶颈的系统和方法 | |
CN103021176B (zh) | 基于断面检测器的城市道路交通状态判别方法 | |
CN102968901B (zh) | 获取区域拥堵信息的方法及区域拥堵分析装置 | |
CN105608902B (zh) | 一种高速公路事故多发点鉴别系统及方法 | |
Bhattacharjee et al. | Impact of light rail on traffic congestion in Denver | |
CN104294720B (zh) | 一种高速公路设计方案安全性评价方法 | |
CN105355049B (zh) | 一种基于宏观基本图的高速公路运行状态评价方法 | |
CN111091720B (zh) | 基于信令数据和浮动车数据的拥堵路段识别方法及装置 | |
CN109063906A (zh) | 公交轨道两网融合下重复路线识别方法 | |
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 | |
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 | |
CN108961804A (zh) | 基于多指标分类交集的公交线路调整备选集合确定方法 | |
CN101383090A (zh) | 一种并行路网结构下的浮动车信息处理方法 | |
CN106898142B (zh) | 一种考虑路段相关性的路径行程时间可靠度计算方法 | |
CN112017429B (zh) | 一种基于货车gps数据的治超监测布点方法 | |
CN114139251B (zh) | 一种边境地区陆路口岸整体布局方法 | |
CN106651728A (zh) | 一种综合运输体系客运方式优势运距的确定方法 | |
CN109543882A (zh) | 一种基于最优公交平均站间距的公交线网密度计算方法 | |
CN106021902A (zh) | 一种用于城市轨道交通客流拥挤指数的分级方法 | |
CN106530700A (zh) | 一种基于固定检测器的判别交通拥堵的方法 | |
Shah et al. | Determination of pedestrian level of service for undivided stairways at suburban rail stations in developing countries | |
Huo et al. | Development of Level-of-Service Criteria based on a Single Measure for BRT in China | |
Okte et al. | Determining Road Networks’ Platoonability | |
Chowdhury | Developing integrated multimodal transportation networks in Bangladesh with regional connectivity: key issues and challenges |
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 |