CN109508865A - 基于时空使用模式的地铁站辐射范围内共享单车的部署方法 - Google Patents
基于时空使用模式的地铁站辐射范围内共享单车的部署方法 Download PDFInfo
- Publication number
- CN109508865A CN109508865A CN201811224335.6A CN201811224335A CN109508865A CN 109508865 A CN109508865 A CN 109508865A CN 201811224335 A CN201811224335 A CN 201811224335A CN 109508865 A CN109508865 A CN 109508865A
- Authority
- CN
- China
- Prior art keywords
- subway station
- space
- bicycle
- radiation scope
- shared
- 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
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
- G07F17/0042—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for hiring of objects
- G07F17/0057—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for hiring of objects for the hiring or rent of vehicles, e.g. cars, bicycles or wheelchairs
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种基于时空使用模式的地铁站辐射范围内共享单车部署方法,通过挖掘共享单车运营数据中地铁站辐射范围内的共享单车出行时空数据,分别定义了标准化时间变化率和标准化空间分布率两项衡量指标,对两种标准化指标值进行聚类并可视化聚类结果,得到不同类型地铁站辐射范围内共享单车的时空使用模式,基于时空使用模式部署该范围内的共享单车。本发明首次利用共享单车运营数据中相应的时间空间指标,考虑不同类型地铁站的异质性,采用标准化方法分析无固定存取车站点的共享单车在地铁站辐射范围内的不同类型的时空使用模式,为研究地铁站附近共享单车接驳行为提供基础,有利于提高轨道交通和共享单车系统的服务质量与接驳效率。
Description
技术领域
本发明涉及数据挖掘和分析方法,具体涉及一种基于时空使用模式的地铁站辐射范围内共享单车的部署方法。
背景技术
共享单车不同于传统的公共自行车,没有固定的自行车站点,借还车不受时间空间限制,灵活性更强,与轨道交通相互配合能够极大地提高轨道交通的吸引力,帮助改善“最后一公里”问题。分析地铁站辐射范围内共享单车的时空使用模式,对于促进出行方式的多元化、提高轨道交通和共享单车系统的服务质量和接驳效率具有重要意义。
目前针对租赁自行车使用模式的研究主要是对公共自行车在时间维度上的使用特性进行分析,缺少对共享单车时空使用模式的研究分析。由于公共自行车具有固定的自行车站点,且车站的容量一定,其存取车行为的空间分布呈现一定的规律性,而时间上可以通过已知的车站容量为标准进一步探讨其到达车辆和离去车辆的关系。而共享单车具有随走随停的特点,无固定的存取车站点,其存取车使用行为在时间和空间上分布不规律,但是共享单车与公共交通方式特别是城市轨道交通的接驳衔接呈现出一定的时空规律。通过挖掘地铁站辐射范围内共享单车的出行时空数据能够帮助更好地理解地铁站附近共享单车用户的使用行为,便于在地铁站周边合理部署单车及相关设施,促进共享单车与轨道交通相互配合。传统分析共享单车使用特性的方法直接通过共享单车的出行量进行聚类分析,忽略了不同类型公共交通站点或者不同区域由于土地利用或建成环境等客观因素本身存在的差异,据此分析结果进行共享单车的部署时容易出现投放量不均,不能实时缓解用车需求,调度效率差等问题。因此,寻求一种标准化分析方法继而进行聚类探究不同类型的共享单车时空使用模式以进行共享单车的部署尤为重要。
发明内容
发明目的:针对现有技术的不足,本发明提出一种基于时空使用模式的地铁站辐射范围内共享单车部署方法,能够提高共享单车的调度效率、接驳效率。
技术方案:一种基于时空使用模式的地铁站辐射范围内共享单车部署方法,包括以下步骤:
(1)确定地铁站辐射范围;
(2)在共享单车出行数据中筛选地铁站辐射范围内的共享单车出行时空信息;
(3)构建标准化时间变化率和标准化空间分布率,分别作为地铁站辐射范围共享单车时间使用模式和空间使用模式分析的衡量指标;
(4)对每个地铁站逐一计算标准化时间变化率和标准化空间分布率,分别对两项指标进行聚类分析;
(5)对不同类型的标准化时间变化率与标准化空间分布率的分布进行可视化,得到其辐射范围内相应的共享单车时间使用模式特征和空间使用模式特征;
(6)基于时间使用模式特征和空间使用模式特征,在各地铁站辐射范围内分配共享单车的投放量、进行车辆调度以及配建相应的自行车设施。
优选地,步骤(1)中确定地铁站辐射范围的方法为:确定以地铁站空间位置的中心为圆心,以一定辐射长度为半径所构成的圆的区域,其中半径一般通过地铁站附近的土地利用及地铁站附近共享单车出行起终点的地理分布确定,一般建议值为150米。
优选地,步骤(2)中筛选地铁站辐射范围内的共享单车出行时空信息包括:对于共享单车出行其起点或终点落在地铁站辐射范围内的,提取其骑行起点经纬度坐标、终点经纬度坐标、骑行开始时间和骑行结束时间。
优选地,步骤(3)中标准化时间变化率的计算步骤如下:
31)将每日24小时以m分钟为间隔分为n个间隔(n=24*60/m),m建议取值为15分钟;
32)在每个m分钟间隔内,统计地铁站辐射范围内共享单车的到达车辆数和离开车辆数,并计算其差值;
33)对于每一个地铁站点,计算其n个间隔到达车辆数与离开车辆数差值的平均数;
34)对于每一个地铁站点,以该站点某间隔内到达车辆数与离开车辆数之差最大值为基准进行标准化,得到NDVB。
标准化时间变化率的计算公式如下式(1)所示:
其中,对任意一个站点i,λi,t和μi,t分别是时间间隔t内该地铁站辐射范围内的平均到达车辆数和平均离开车辆数,T为观测时间,NDVB为标准化时间变化率。
步骤(3)中的标准化空间分布率的计算步骤如下:
3a)对每一个地铁站点,对其辐射范围在空间上平均分为p个子区域,p建议取值为8:
3b)统计地铁站辐射范围内每个子区域内的共享单车出行量,即对各个子区域内共享单车到达车辆数与离开车辆数求和;
3c)将8个子区域内的出行量按照从大到小进行排序;
3d)以子区域内的最大出行量为基准进行标准化,得到NSDT。
标准化空间分布率的计算公式如下式(2)所示:
其中,对任意一个地铁站i的各个子区域o,si,o为该地铁站辐射范围内各子区域内的共享单车出行量,o∈1,2,3…p,p为划分的子区域个数,NSDT为标准化空间分布率。
优选地,步骤(4)中的聚类方法为K均值聚类,对上述两种标准化参数值进行聚类,通过轮廓系数SC指标值和Calinski-Harabasz准则中CHI指标值达到均最大时确定聚类数。
有益效果:针对在时间和空间上都具有较强灵活性的共享单车,本发明首次利用共享单车运营数据中相应的时间空间指标,考虑不同类型地铁站的异质性,采用标准化方法分析共享单车在地铁站辐射范围内的不同类型的时空使用模式,基于该时空使用模式来部署地铁站辐射范围内的共享单车投放量,进行车辆调度,以及配置自行车设施。同时对于提高共享单车车辆调度效率以及改善地铁站点附近乱停乱放的现象具有较大益处,并为地铁站附近共享单车接驳行为的其他研究提供基础,继而提高轨道交通和共享单车系统的服务质量与接驳效率。
附图说明
图1为本发明方法的流程图;
图2为共享单车车辆到达与车辆离开示意图;
图3为标准化时间变化率分布图;
图4为标准化空间分布计算算例;
图5为标准化时间变化率在聚类数下SC指标值与CHI指标值变化;
图6为标准化空间分布率在聚类数下SC指标值与CHI指标值变化;
图7为四类标准化时间变化率分布图;
图8为两类标准化空间分布率分布图。
具体实施方式
下面结合附图通过实施例对本发明的技术方案作进一步说明。
本发明基于共享单车无固定存取车站点,灵活性较强的特点,利用共享单车出行时空数据,定义标准化时间变化率和标准化空间分布率两项衡量指标,对两种参数值进行K均值聚类,分析地铁站辐射范围内共享单车不同类型的时空使用模式,基于该时空使用模式来部署地铁站辐射范围内共享单车的投放量及配建自行车设施,同时也为地铁站附近共享单车接驳行为的其他研究提供支撑。参照图1,本发明提出的地铁站辐射范围内共享单车时空使用模式的分析方法,包括以下步骤:(1)划定地铁站辐射范围;(2)获取共享单车出行数据并筛选提取相应时空出行信息;(3)针对地铁站辐射范围内共享单车的时间使用模式和空间使用模式分别定义标准化时间变化率与标准化空间分布律两项标准化衡量指标;(4)计算各站点的标准化指标值并进行K均值聚类;(5)对聚类后得到的不同类型的标准化指标值的分布进行可视化,进一步分析其相应的地铁站辐射范围内共享单车时空使用模式;(6)在各地铁站辐射范围内分配共享单车的投放量、进行车辆调度以及配建相应的自行车设施。以下详述具体过程。
(1)划定地铁站辐射范围。
本发明实施例采用的数据为南京2017年9月18日-9月22日(一周5天工作日)的摩拜共享单车运营数据和拾取的南京地铁站坐标数据。其中,共享单车原始数据包括订单id、用户id、车辆id、骑行开始时间、骑行起点位置经度、骑行起点位置纬度、骑行结束时间、骑行终点位置经度、骑行终点位置纬度,其数据格式示例见表1。地铁站坐标数据包括南京所有地铁站点的名称和对应的线路、站点编号、站点经度和站点纬度,其数据格式示例见表2。实施例中划定的地铁站辐射范围为地铁站空间位置的中心为圆心,以150米的辐射长度为半径所构成的圆的区域,该半径的数值依据以往研究地铁站辐射范围的经验值,综合考虑地铁站周围的混合土地利用情况和共享单车出行起终点的分布确定。
表1摩拜共享单车运营数据格式
订单id | 用户id | 车辆id |
MBK86206XXXXXXXXXXXXX14773 | 45e98XXXXXXXXXXXXXXXXXXXXXX88bd2 | 862XXXXX68 |
MBK86203XXXXXXXXXXXXX14611 | c2d73XXXXXXXXXXXXXXXXXXXXXX2e849 | 862XXXXX97 |
MBK02565XXXXXXXXXXXXX14662 | 0e114XXXXXXXXXXXXXXXXXXXXXX57b96 | 025XXXXX40 |
MBK02560XXXXXXXXXXXXX14931 | d5059XXXXXXXXXXXXXXXXXXXXXX71feb | 025XXXXX34 |
续表
表2地铁线路数据格式
编号 | 站点名称 | 线路 | 经度 | 纬度 |
1 | 奥体中心 | 10 | 118.7183 | 32.00907 |
2 | 元通 | 10 | 118.7214 | 31.99547 |
5 | 安德门 | 1 | 118.7621 | 31.99086 |
6 | 中华门 | 1 | 118.7744 | 32.00675 |
(2)获取共享单车出行数据并筛选提取相应时空出行信息。
在共享单车运营数据中筛选出在地铁站辐射范围内的出行数据,筛选条件为共享单车一次出行中起点或终点位置的经纬度坐标属于划定的地铁站辐射范围坐标之内,对筛选的共享单车出行数据提取其骑行开始时间、起点经纬度坐标、骑行结束时间和终点经纬度坐标。
(3)构建标准化时间变化率与标准化空间分布率两项标准化衡量指标。
标准化时间变化率的计算步骤如下:
31)将每日24小时以15分钟为间隔分为96个间隔。应当了解,这里设置的15分钟间隔仅是举例说明的目的,而不是限制本发明,在其他实施例中可以设置其他合适的时间间隔。由于自行车适用于中短途出行且地铁站附近共享单车的需求量较大,其在地铁站辐射范围内的到达与离开使用行为在短时间内将产生巨大的出行量,因此选择15分钟为间隔进行后续出行量统计,这样做也可以通过对所有间隔的出行量取均值的方法来减小误差。
32)在每个15分钟间隔内,统计地铁站辐射范围内共享单车的到达车辆数和离开车辆数,并计算其差值。如图2显示了地铁站辐射范围内共享单车的到达出行量与离开出行量,两者的差值反映了该时间间隔内此地铁站辐射范围内已有的共享单车车辆数。
33)对于每一个地铁站点,计算其每天96个间隔到达车辆数与离开车辆数差值的平均数。
34)对于每一个地铁站点,以该站点某间隔内到达车辆数与离开车辆数之差最大值为基准进行标准化,利用公式(1)计算得到每个地铁站点的标准化时间变化率:
其中,对任意一个站点i,λi,t和μi,t分别是时间间隔t内该地铁站辐射范围内的平均到达车辆数和平均离开车辆数,NDVB为标准化时间变化率。
由此可知,标准化后NDVB的取值范围在[-1,1]之间,如图3所示,当NDVB取值为[-1,0]时,到达车辆数多于离开车辆数,共享单车在该地铁站辐射范围内表现为集聚现象;当NDVB取值为[0,1]时,到达车辆数低于离开车辆数,共享单车在该地铁站辐射范围内表现为消散现象。
标准化空间分布率的计算步骤如下:
3a)对每一个地铁站点,对其辐射范围在空间上平均分为8个子区域。由于不同方向上车辆到达与车辆离开数量分布不均匀,将地铁站辐射范围在空间上平均分为8个子区域便于辨别主要骑行方向以及确定该方向上的最大出行量以进行标准化。
3b)统计地铁站辐射范围内每个子区域内的共享单车出行量,包括各子区域内车辆到达数量和车辆离开数量,以天为单位累计出行量。
3c)将8个子区域内的出行量按照从大到小进行排序,这样做便于找到包含最大出行量的子区域,为后续标准化提供基础。
3d)以子区域内的最大出行量为基准进行标准化,利用公式(2)计算得到每个地铁站点的标准化空间分布率:
其中,对任意一个地铁站i的各个子区域o,si,o为该地铁站辐射范围内各子区域内的共享单车出行量,o∈1,2,3…8,NSDT为标准化空间分布率。
由此可知,标准化后NDVB的取值范围在[0,1]之间,图4给出了a、b两个地铁站点辐射范围内求解标准化空间分布率的算例,当NDVB取值为[0.5,1]时,说明各个子区域中共享单车出行量相当,即该车站基本不受车辆到达离去方向的影响;当NDVB取值为[0,0.5]时,说明各子区域内共享单车出行量相差较大,即该车站受车辆到达离去方向的影响较大,存在主要共享单车的通行方向。
(4)对每个地铁站逐一计算标准化时间变化率和标准化空间分布率,分别对两项指标进行聚类分析。
聚类方法采用K均值聚类,聚类数通过轮廓系数SC指标值和Calinski-Harabasz准则中CHI指标值均达到最大时确定。图5和图6分别是标准化时间变化率和标准化空间分布率取不同聚类数时的指标值分布,可知从时间上可将标准化时间变化率分为四类,得到四种地铁站辐射范围内共享单车时间使用模式;从空间上可将标准化空间分布率分为两类,得到两种地铁站辐射范围内共享单车空间使用模式。
(5)对聚类后得到的不同类型的标准化指标值的分布进行可视化,进一步分析其相应的地铁站辐射范围内共享单车时空使用模式。
将聚类后的各类标准化时间变化率与标准化空间分布率的分布值通过R软件自动出图进行可视化,便于进一步直观地理解相应地铁站辐射范围内共享单车的时间和空间使用模式特征。如图7和图8所示,即地铁站辐射范围内共享单车的四类时间使用模式和两类空间使用模式。如图7所示,四类地铁站辐射范围内共享单车时间使用模式的特征如下:
类型一:共享单车出行量从早上约6:00开始集聚,在早高峰期间集聚到最高点,说明车辆到达很多;下午16:00左右开始消散,到晚高峰期间消散达到最高点,说明车辆离去很多。总体来说,类型一上午车辆集聚下午车辆消散,分别在两个高峰时段达到最高点,与职住关系和通勤交通密不可分,类型一中地铁站可能位于办公区域。
类型二:很明显类型二与类型一完全颠倒,此类共享单车的时间使用模式表现为上午消散下午集聚,并且在两个高峰时段分别达到最高点,类型二中地铁站可能位于居住区域。
类型三:在上午和下午均出现先集聚再消散的情况。在上午6:00-10:00,共享单车在地铁站辐射范围内先集聚然后以同等程度消散,在该时段内地铁站辐射范围内的共享单车车辆数基本保持平衡;在下午16:00-20:00共享单车出行量表现出与上午相同的规律。值得注意的是,在中午(11:00-14:00)共享单车出行量出现小幅度的集聚现象,而在夜间(20:00以后)出现小幅度的消散现象。
类型四:在16:00前与类型三表现出相同的变化趋势,集聚和消散的现象只出现在上午;16:00后NDVB值的分布在0上下波动,即16:00后集聚与消散现象不明显。
如图8所示,两类地铁站辐射范围内共享单车空间使用模式的特征如下:
类型一:NSDT的值基本分布在[0.5,1]之间,表明该类型下的地铁站辐射范围内各方向上共享单车出行量分布较均匀,基本没有主要车辆到达或离去的方向。
类型二:超过一半的方向上NSDT的值分布在[0,0.5],表明该类型下的地站辐射范围内存在主要的车辆到达或离去的方向,使得在主要方向上共享单车出行量较大,其他方向上共享单车出行量较少,后续研究中可将此类站点反映在路网中,探究其存在主要方向的原因,如受周边其他地铁站或者周边路网密度的影响。
(6)借助共享单车在地铁站辐射范围内的时间和空间使用模式特征,共享单车运营公司和当地政府可以采取相应的管理措施来满足地铁站周边共享单车的使用需求并规范其行为,例如为不同类型的地铁站附近投放适宜数量的共享单车并对其进行实时调度,以及配建合适的自行车设施。
从实施例的时间使用模式特征上来看,各地铁站点辐射范围内共享单车的集聚和分散特性是实施车辆调度的最根本依据,尤其是针对通勤高峰对应的两类使用模式,应根据早晚高峰客流集聚和分散的特征并结合居住和办公区域内地铁站点的地理分布进行共享单车的投放和调度。从空间使用模式上来看,实施例中发现一些地铁站附近共享单车来车不均,存在主要的来车方向,在进行地铁站周边自行车设施配置时应着重考虑主要方向的影响,比如在该地铁站辐射范围内的主要来车方向上,适当扩大共享单车的停车区域,通过增加自行车道的宽度、完善机动车与非机动车隔离设施等保障自行车畅通出行。
本发明仅根据标准化时间变化率和标准化空间分布率的值分布对不同类型的地铁站辐射范围共享单车时空使用模式的特性进行分析,在后续研究中可利用各类时空使用模式特性在路网中反映不同类型地铁站点的地理分布,并加入建成环境、土地利用等因素,进一步探究地铁站附近共享单车的使用行为。
Claims (7)
1.一种基于时空使用模式的地铁站辐射范围内共享单车部署方法,其特征在于,包括以下步骤:
(1)确定地铁站辐射范围;
(2)在共享单车出行数据中筛选地铁站辐射范围内的共享单车出行时空信息;
(3)构建标准化时间变化率和标准化空间分布率,分别作为地铁站辐射范围共享单车时间使用模式和空间使用模式分析的衡量指标;
(4)对每个地铁站逐一计算标准化时间变化率和标准化空间分布率,分别对两项指标进行聚类分析;
(5)对不同类型的标准化时间变化率与标准化空间分布率的分布进行可视化,得到其辐射范围内相应的共享单车时间使用模式特征和空间使用模式特征;
(6)基于时间使用模式特征和空间使用模式特征,在各地铁站辐射范围内分配共享单车的投放量、进行车辆调度以及配建相应的自行车设施。
2.根据权利要求1所述的基于时空使用模式的地铁站辐射范围内共享单车部署方法,其特征在于,所述步骤(1)中确定地铁站辐射范围包括:确定以地铁站空间位置的中心为圆心,以一定辐射长度为半径所构成的圆的区域,其中半径一般通过地铁站附近的土地利用及地铁站附近共享单车出行起终点的地理分布确定。
3.根据权利要求1所述的基于时空使用模式的地铁站辐射范围内共享单车部署方法,其特征在于,所述步骤(2)中筛选地铁站辐射范围内的共享单车出行时空信息包括:对于共享单车出行其起点或终点落在地铁站辐射范围内的出行数据,提取其骑行起点经纬度坐标、终点经纬度坐标、骑行开始时间和骑行结束时间。
4.根据权利要求1所述的基于时空使用模式的地铁站辐射范围内共享单车部署方法,其特征在于,所述步骤(3)中标准化时间变化率的计算步骤如下:
31)将每日24小时以m分钟为间隔分为n个间隔,即n=24*60/m;
32)在每个m分钟间隔内,统计地铁站辐射范围内共享单车的到达车辆数和离开车辆数,并计算其差值;
33)对于每一个地铁站点,计算其每天n个间隔到达车辆数与离开车辆数差值的平均数;
34)对于每一个地铁站点,以该站点某间隔内到达车辆数与离开车辆数之差最大值为基准进行标准化,得到标准化时间变化率,所述标准化时间变化率的计算公式如下式(1)所示:
其中,对任意一个站点i,λi,t和μi,t分别是第t个时间间隔内该地铁站辐射范围内的平均到达车辆数和平均离开车辆数,T观测时间,NDVB为标准化时间变化率。
5.根据权利要求1所述的基于时空使用模式的地铁站辐射范围内共享单车部署方法,其特征在于,所述步骤(3)中的标准化空间分布率的计算步骤如下:
3a)对每一个地铁站点,对其辐射范围在空间上平均分为p个子区域;
3b)统计地铁站辐射范围内每个子区域内的共享单车出行量,即对各个子区域内共享单车到达车辆数与离开车辆数求和;
3c)将p个子区域内的出行量按照从大到小进行排序;
3d)以子区域内的最大出行量为基准进行标准化,得到标准化空间分布率,所述标准化空间分布率的计算公式如下式(2)所示:
其中,对任意一个地铁站i的各个子区域o,si,o为该地铁站辐射范围内各子区域内的共享单车出行量,o∈1,2,3…p,p为划分的子区域个数,NSDT为标准化空间分布率。
6.根据权利要求1所述的基于时空使用模式的地铁站辐射范围内共享单车部署方法,其特征在于,所述步骤(4)中采用K均值聚类方法,对两种标准化参数值进行聚类,通过轮廓系数SC指标值和Calinski-Harabasz准则中CHI指标值均达到最大时确定聚类数。
7.根据权利要求1所述的基于时空使用模式的地铁站辐射范围内共享单车部署方法,其特征在于,所述步骤(5)中对两种标准化指标值的分布进行可视化包括:对各个地铁站点逐一计算标准化时间变化率和标准化空间分布率,分别将两种标准化指标值聚类后的结果通过R软件自动出图进行可视化,得到各类相应地铁站辐射范围内的共享单车时间和空间使用模式特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811224335.6A CN109508865B (zh) | 2018-10-19 | 2018-10-19 | 基于时空使用模式的地铁站辐射范围内共享单车的部署方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811224335.6A CN109508865B (zh) | 2018-10-19 | 2018-10-19 | 基于时空使用模式的地铁站辐射范围内共享单车的部署方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109508865A true CN109508865A (zh) | 2019-03-22 |
CN109508865B CN109508865B (zh) | 2021-07-27 |
Family
ID=65746837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811224335.6A Active CN109508865B (zh) | 2018-10-19 | 2018-10-19 | 基于时空使用模式的地铁站辐射范围内共享单车的部署方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109508865B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163660A (zh) * | 2019-04-19 | 2019-08-23 | 深圳大学 | 一种共享单车投放规模测算方法及系统 |
CN110210749A (zh) * | 2019-05-28 | 2019-09-06 | 东南大学 | 一种轨道站点衔接共享单车投放量和投放位置确定方法 |
CN110379152A (zh) * | 2019-07-19 | 2019-10-25 | 同济大学 | 一种共享单车实时监控和再平衡的可视化方法 |
CN110457299A (zh) * | 2019-07-12 | 2019-11-15 | 北京交通大学 | 基于共享单车骑行数据的站点影响范围确定方法和装置 |
CN110472999A (zh) * | 2019-07-17 | 2019-11-19 | 深圳市综合交通运行指挥中心 | 基于地铁和共享单车数据的客流模式分析方法及装置 |
CN112257955A (zh) * | 2020-11-06 | 2021-01-22 | 开普云信息科技股份有限公司 | 一种基于聚类算法的共享单车优化调配方法、控制装置、电子设备及其存储介质 |
CN112258029A (zh) * | 2020-10-21 | 2021-01-22 | 北京交通大学 | 地铁站周边共享单车的需求预测方法 |
CN112419716A (zh) * | 2020-11-13 | 2021-02-26 | 东南大学 | 一种轨道站点换乘影响区内的共享单车设施布局配置方法 |
CN113240898A (zh) * | 2021-04-30 | 2021-08-10 | 云上青海大数据产业有限公司 | 一种大数据信息采集方法及系统 |
CN113962615A (zh) * | 2021-12-22 | 2022-01-21 | 华睿交通科技有限公司 | 一种交通资源管控系统、方法及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107993434A (zh) * | 2017-12-05 | 2018-05-04 | 北京摩拜科技有限公司 | 车辆调度方法、服务器、客户端及系统 |
-
2018
- 2018-10-19 CN CN201811224335.6A patent/CN109508865B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107993434A (zh) * | 2017-12-05 | 2018-05-04 | 北京摩拜科技有限公司 | 车辆调度方法、服务器、客户端及系统 |
Non-Patent Citations (3)
Title |
---|
XIAWEN YAO: "Demand Estimation of Public Bike-Sharing System Based on Temporal and Spatial Correlation", 《2018 4TH INTERNATIONAL CONFERENCE ON BIG DATA COMPUTING AND COMMUNICATIONS》 * |
YU-XIAO CHENG: "A Research about Shared-Bicycle Time and Space Distribution Model", 《A RESEARCH ABOUT SHARED-BICYCLE TIME AND SPACE DISTRIBUTION MODEL》 * |
卢琰: "共享单车车辆调度问题研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163660B (zh) * | 2019-04-19 | 2021-05-14 | 深圳大学 | 一种共享单车投放规模测算方法及系统 |
CN110163660A (zh) * | 2019-04-19 | 2019-08-23 | 深圳大学 | 一种共享单车投放规模测算方法及系统 |
CN110210749A (zh) * | 2019-05-28 | 2019-09-06 | 东南大学 | 一种轨道站点衔接共享单车投放量和投放位置确定方法 |
CN110210749B (zh) * | 2019-05-28 | 2022-04-29 | 东南大学 | 一种轨道站点衔接共享单车投放量和投放位置确定方法 |
CN110457299B (zh) * | 2019-07-12 | 2022-06-14 | 北京交通大学 | 基于共享单车骑行数据的站点影响范围确定方法和装置 |
CN110457299A (zh) * | 2019-07-12 | 2019-11-15 | 北京交通大学 | 基于共享单车骑行数据的站点影响范围确定方法和装置 |
CN110472999A (zh) * | 2019-07-17 | 2019-11-19 | 深圳市综合交通运行指挥中心 | 基于地铁和共享单车数据的客流模式分析方法及装置 |
CN110472999B (zh) * | 2019-07-17 | 2024-01-23 | 深圳市综合交通运行指挥中心 | 基于地铁和共享单车数据的客流模式分析方法及装置 |
CN110379152A (zh) * | 2019-07-19 | 2019-10-25 | 同济大学 | 一种共享单车实时监控和再平衡的可视化方法 |
CN112258029A (zh) * | 2020-10-21 | 2021-01-22 | 北京交通大学 | 地铁站周边共享单车的需求预测方法 |
CN112258029B (zh) * | 2020-10-21 | 2024-04-09 | 北京交通大学 | 地铁站周边共享单车的需求预测方法 |
CN112257955A (zh) * | 2020-11-06 | 2021-01-22 | 开普云信息科技股份有限公司 | 一种基于聚类算法的共享单车优化调配方法、控制装置、电子设备及其存储介质 |
CN112419716A (zh) * | 2020-11-13 | 2021-02-26 | 东南大学 | 一种轨道站点换乘影响区内的共享单车设施布局配置方法 |
CN113240898A (zh) * | 2021-04-30 | 2021-08-10 | 云上青海大数据产业有限公司 | 一种大数据信息采集方法及系统 |
CN113240898B (zh) * | 2021-04-30 | 2022-11-22 | 云上青海大数据产业有限公司 | 一种大数据信息采集方法 |
CN113962615A (zh) * | 2021-12-22 | 2022-01-21 | 华睿交通科技有限公司 | 一种交通资源管控系统、方法及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109508865B (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109508865A (zh) | 基于时空使用模式的地铁站辐射范围内共享单车的部署方法 | |
CN102842109B (zh) | 停车场服务水平量化分级的评价方法 | |
Zhang et al. | Sensing the pulse of urban refueling behavior | |
CN101520946B (zh) | 城市公交动态线路规划方法 | |
CN105355049B (zh) | 一种基于宏观基本图的高速公路运行状态评价方法 | |
Zhang et al. | coRide: Carpool service with a win-win fare model for large-scale taxicab networks | |
CN103295394B (zh) | 基于广义gps数据的出租车候客站点备选地址确定方法 | |
CN104320789B (zh) | 一种基于博弈论的车联网rsu最优配置方法 | |
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 | |
CN104809112A (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
CN110210749B (zh) | 一种轨道站点衔接共享单车投放量和投放位置确定方法 | |
CN106530709B (zh) | 一种面向用户的高速公路交通指数发布系统 | |
Arias-Molinares et al. | Exploring the spatio-temporal dynamics of moped-style scooter sharing services in urban areas | |
CN106530710B (zh) | 一种面向管理者的高速公路交通指数预测方法和系统 | |
CN109389243A (zh) | 结合联网收费数据的高速公路交通情况调查站点布设方法 | |
CN106980942B (zh) | 测算自行车快速道对公共自行车租赁点的影响范围的方法 | |
Ji et al. | A spatial-temporal model for locating electric vehicle charging stations | |
CN115131966A (zh) | 一种考虑交叉口运行特性的路网关键节点识别方法 | |
Jiao et al. | Understanding the land use function of station areas based on spatiotemporal similarity in rail transit ridership: A case study in Shanghai, China | |
CN103310120A (zh) | 一种基于交通服务水平确定路段拥堵收费费率的方法 | |
CN109978746A (zh) | 一种基于信令数据并结合动态阈值判断出行有效性的人口交换量估计方法 | |
CN105825675B (zh) | 一种基于大数据的路段旅行时间计算方法和装置 | |
Yuan et al. | Taxi high-income region recommendation and spatial correlation analysis | |
CN112241809A (zh) | 一种卷烟物流配送线路优化方法 | |
Chen et al. | Station Location Optimization for the One‐Way Carsharing System: Modeling and a Case Study |
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 |