CN109544005A - 基于大数据框架的比较区域内公交客流和出租客流差异的系统 - Google Patents

基于大数据框架的比较区域内公交客流和出租客流差异的系统 Download PDF

Info

Publication number
CN109544005A
CN109544005A CN201811407198.XA CN201811407198A CN109544005A CN 109544005 A CN109544005 A CN 109544005A CN 201811407198 A CN201811407198 A CN 201811407198A CN 109544005 A CN109544005 A CN 109544005A
Authority
CN
China
Prior art keywords
passenger flow
bus
data
passenger
taxi
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.)
Pending
Application number
CN201811407198.XA
Other languages
English (en)
Inventor
王晶晶
杜博文
毛力增
杨蕊
董豆豆
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.)
BEIJING MUNICIPAL TRANSPORTATION OPERATIONS COORDINATION CENTER
Original Assignee
BEIJING MUNICIPAL TRANSPORTATION OPERATIONS COORDINATION CENTER
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 BEIJING MUNICIPAL TRANSPORTATION OPERATIONS COORDINATION CENTER filed Critical BEIJING MUNICIPAL TRANSPORTATION OPERATIONS COORDINATION CENTER
Priority to CN201811407198.XA priority Critical patent/CN109544005A/zh
Publication of CN109544005A publication Critical patent/CN109544005A/zh
Pending legal-status Critical Current

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
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种基于大数据框架的比较区域内公交客流和出租客流差异的系统，包括数据存储模块、数据分析模块、可视化模块，所述数据存储模块存储收集公交车一卡通的刷卡数据和出租车的GPS数据，这个模块的底层是Hadoop集群，用于将数据保存到集群上，使用的数据库是hive数据库，所述数据分析模块用于两种交通数据的处理和分析，此模块依赖于大数据家族的hadoop框架，可以进行快速的处理大规模级别的交通数据，所述可视化模块用于将数据分析模块得到的结果进行可视化展示，此模块能够使便于直观的看到数据处理的结果。本发明适用于当前城市系统中公交客流和出租客流的对比，发现两种客流在区域内的差异，以解决区域内公交客流和出租客流不均衡的问题。

Description

基于大数据框架的比较区域内公交客流和出租客流差异的 系统
技术领域
本发明主要是面向智能交通领域，用于比较公交客流和出租客流在空间和时间分布上的差异，给公交线网的优化提供一些新的方向和思路。
背景技术
公交作为公共交通的一种重要出行方式，具有出行人口基数大，占据公共交通比例大的特点，出租出行作为公共交通出行的一种重要补充方式，通过分析出租出行需求旺盛的区域，对比此区域的公交出行需求，以此来分析此区域公交服务水平的高低，
在传统的公交客流分析方式中，总是从公交自身分析公交客流的相关特征，来评判公交服务水平的高低。例如，David等人在Application of Perceived Value Model toIdentify Factors Afecting Passengers'Repurchase Intentions on City Bus:A Caseof Taipei Metropolitan Area中采用了公交车运行时间、票价、购票方式、发车频率、站点停靠时间长度、步行至站点所花时间、座位的保证性、司机服务态度等13个指标来评价公交服务水平。杨俊在城市公共交通服务质量的灰色评估研究中，采用了线网密度、运营速度、行车间隔、准点率、事故率、客运费率6个指标集来研究城市公交服务质量评价的影响因素。邵祖峰在城市公共交通服务质量评价神经网络模型中提出，城市公交服务质量包括公共交通网络、公交企业投入、公共交通服务水平、公交企业软性服务4个维度。覃频频在基于三方评价主体的公共服务质量模糊综合评价中认为公交服务质量的评价因素包括方便性、舒适性、安全性、运营状况和环境影响等。可见在传统的关于公交服务水平的研究更多的是自身因素进行分析，而本发明创新性地提出通过搭建一个出租客流和公交客流对比的一个系统，通过对比公分析交客流和出租客流的方式，来分析隐形公交需求高，但是现有公交系统尚且不能满足乘客的网格区域，给公交线网的优化提供一些新的思路和方向。
发明内容
本发明技术解决问题：克服现有技术的不足，依托hadoop大数据处理框架，基于地图数据、公交一卡通刷卡数据、出租车GPS数据等数据，提供一种基于大数据框架的比较区域内公交客流和出租客流差异的系统，用于当前城市系统中公交客流和出租客流的对比，发现两种客流在区域内的差异，以解决区域内公交客流和出租客流不均衡的问题。
本发明技术解决方案：
基于大数据框架的比较区域内公交客流和出租客流差异的系统，其特征在于，包括：数据存储模块、数据分析模块和可视化模块；
所述数据存储模块，收集存储公交车一卡通的刷卡数据和出租车的GPS数据；利用hive数据库存储，将所述公交车一卡通的刷卡数据和出租车的GPS数据保存到HDFS集群上；所述公交一卡通的刷卡数据包含上车线路、上车站号、下车站号、上车时间、下车时间字段，出租车的GPS数据是每间隔一分钟记录的出租车经纬度数据，包含经纬度坐标和载客状态；
所述数据分析模块，用于所述两种数据的处理和分析；数据分析模块读取集群上的数据，利用大数据处理框架hadoop进行所述两种数据处理和分析，处理和分析过程包括：将设定的行政区域按照网格划分，提取公交出行OD和出租出行OD，计算公交客流和出租客流，对比出租客流和公交客流差异性比出租客流和公交客流差异性；将区域内的公交客流和出租客流分为4种情况分析，分别为含有公交站点的入客流，不含公交站点的入客流，含有公交站点的出客流，不含公交站点的出客流，通过对比分析区域内公交客流和出租客流，发现在某些区域公交客流和出租客流存在严重不平衡的情况，在某些区域内出租客流与公交客流的比值甚至远远超过了10倍，说明在这些区域内公交客流和出租客流存在很大的差异性。
所述可视化模块，用于将数据分析模块得到的结果进行可视化展示，以便于直观的看到数据处理的结果。
所述网格划分是将设定的行政区域进行300*300米的网格划分，进行网格划分能够将客流聚合到一个区域内，便于进行区域客流的对比。
所述提取公交出行OD是利用Hadoop框架处理公交一卡通刷卡数据，提取乘客的上车线路、上车站号、下车站号、上车时间、下车时间，与公交线路站号的静态文件进行匹配，得到乘客的上车线路、上车站点名、下车站点名、上车时间、下车时间的一条出行OD记录。
所述出租出行OD提取是指利用hadoop框架，根据出租车载客状态的变化，提取乘客的上车经纬度和下车经纬度得到乘客出行的一次出租OD。
所述公交客流和出租客流计算是指利用计算的出租出行OD和公交出行OD分别计算出发地客流、目的地客流、和出行OD客流，其中公交的一次出行OD就是一个人的客流，通过查阅资料得知出租的一次出行的平均载客量为人数，利用平均载客量进行出租客流的计算。
所述公交客流和出租客流差异性对比是指根据建立的差异性对比指标进行公交客流和出租客流的对比。
所述可视化的展示是指利用网页前端知识能够在网页地图上展示出租客流和公交客流的区域网格。
本发明与现有技术相比的优点在于：
(1)本发明基于大数据框架，用于当前城市系统中公交客流和出租客流的对比，发现两种客流在区域内的差异，以解决区域内公交客流和出租客流不均衡的问题。
(2)本发明得出出租客流和公交客流在时空分布差异，实现在短时间内分析上亿条的交通大数据，为公交系统的运营和改善提供技术支持。
(3)本发明通过对比公交客流和出租客流的方式，来分析隐形公交需求高，但是现有公交系统尚且不能满足乘客的网格区域,给公交线网的优化提供一些新的思路和方向。
附图说明
图1为本发明系统的组成框图；
图2为数据存储模块的Hadoop集群的物理拓扑图；
图3为比较公交客流和出租客流差异性的总体流架构图；
图4为公交客流和出租客流显著不同区域的前端可视化展示。
具体实施方式
下面结合附图及实施例对本发明进行详细说明。
如图1所示，本发明基于大数据框架的比较区域内公交客流和出租客流差异的系统，包括数据存储模块、数据分析模块、可视化模块，所述数据存储模块存储收集公交车一卡通的刷卡数据和出租车的GPS数据，这个模块的底层是Hadoop集群，用于将数据保存到集群上，使用的数据库是hive数据库，所述数据分析模块用于两种交通数据的处理和分析，此模块依赖于大数据家族的hadoop框架，可以进行快速的处理大规模级别的交通数据，所述可视化模块用于将数据分析模块得到的结果进行可视化展示，此模块能够使便于直观的看到数据处理的结果。此系统适用于当前城市系统中公交客流和出租客流的对比，发现两种客流在区域内的差异，以解决区域内公交客流和出租客流不均衡的问题。
利用hive数据库存储数据，存储数据包括公交一卡通刷卡数据和出租车GPS数据，公交站点经纬度等静态数据，利用大数据处理框架hadoop进行数据处理，其中数据处理过程包括为北京行政区域300*300米网格划分、公交出行OD提取，出租出行OD提取，公交客流和出租客流计算，出租客流和公交客流差异性对比，以及进行可视化的展示。
集群存储数据，是指将公交一卡通刷卡数据和出租车GPS数据存储到HDFS上，之后数据分析模块可以读取集群上的数据进行数据处理，其中公交一卡通的刷卡数据包含上车线路、上车站号、下车站号、上车时间、下车时间等字段，出租车的GPS数据是每间隔一分钟记录的出租车经纬度数据，包含经纬度坐标和载客状态。
大数据处理框架hadoop,是一个分布式的大数据处理平台，能够同时有多台机器进行数据处理，所以能够极大的提高处理数据的速度，缩短数据处理的时间，适用于进行大规模数据的处理，运行的时间从几分钟到几小时不等。使用的为Hadoop streaming框架，Hadoop streaming能够让我们脱离语言的限制，使用任何语言的人都能够方便地使用Hadoop框架。
hive数据库存储数据是指在Hadoop集群上安装hive数据库，进行数据的存储。在进行数据处理时，使用Hadoop中的MapReduce计算框架实现数据分布式处理，提高数据处理能力。
网格划分是将北京市的行政区域进行300*300米的网格划分，进行网格划分能够将客流使用聚类算法将客流聚合到一个区域内，便于我们进行区域客流的对比。
公交出行OD提取是利用Hadoop框架处理公交一卡通刷卡数据，提取乘客的上车线路、上车站号、下车站号、上车时间、下车时间，由于在原始的公交刷卡数据中不存在乘客上车站点和下车站点的数据和上车站点经纬度和下车站点经纬度的数据，所以要将提取得到的站号信息与公交线路站号信息的静态文件进行匹配，得到乘客的上车线路、上车站点名、下车站点名、上车经纬度、下车经纬度、上车时间、下车时间的一条公交出行OD记录。
所述出租出行OD提取是指利用hadoop框架提取出租出行OD信息，由于出租的数据不同于公交的刷卡数据，没有办法知道具体的上车和下车经纬度信息，因此我们只能根据出租车载客状态的变化提取一次完整的出租出行OD,当出租的载客状态由0变为1证明此时有乘客上车，这样可以得到一次完成出租出行的O，当出租的载客状态由1变为0证明此时有乘客下车，这样可以得到一次出租出行的D，通过载客状态的变化就可以提取到一次完整出租出行的OD信息。
所述公交客流和出租客流计算是指利用计算的出租出行OD和公交出行OD分别计算出发地客流、目的地客流、和出行OD客流，其中公交的一次出行OD就是一个人次的客流，由于在出租的数据中，没有载客人数的字段，因此通过查阅资料得知出租的一次出行的平均载客量为2.3人，利用平均载客量进行出租客流的计算。
公交客流和出租客流差异性对比是指根据建立的差异性对比指标进行公交客流和出租客流的对比。根据提到的4种类型不同的客流，建立对比出租客流和公交客流的指标体系，对于区域内不含公交站点的区域类型，由于区域内不含公交站点，对于这种类型的区域主要是分析区域周边的公交设施能否满足附近居民的出行要求，对于区域内含有公交站点的区域类型，主要是分析区域内的公交设施能否满足附近居民的出行需求。
可视化的展示是指利用网页前端知识能够在网页地图上展示出租客流和公交客流存在显著差异的的区域网格，在这些网格中，出租客流都明显高于网格区域的公交客流。
图2是本发明的数据存储模块的机器的物理结构拓扑图，在图中共有11台机器，使用这11台机器组成本发明的Hadoop集群，在每一台机器上安装Hadoop和hive，其中机器10作为master节点，管理着集群的资源，能够根据每台机器的资源占用情况动态地为集群内的机器分配任务，其余机器作为slave节点，运行提交的数据处理的任务。
图3为数据处理模块运行数据分析任务的一个总的流程图。
1、首先进行网格划分、将北京市的行政面积划分为300*300米的网格区域，共得到大约18万个网格，其中在四环内的网格有一万左右。
2、根据大数据框架进行公交客流计算，利用公交站点的经纬度数据将公交客流匹配到之前划分的300*300米的网格区域中，得到每一个网格区域的出发地客流和目的地客流。其中客流的计算分为两个阶段，map阶段和reduce阶段，在map阶段输出网格编号和此网格的客流，在reduce阶段进行网格客流的合并，最终得到每一个网格内的出发地客流和目的地客流。
3、利用大数据的框架进行出租客流的计算，首先根据出租车载客状态的变化提取每一个出租出行的OD,根据出租出行OD进行网格内的出发地出租客流和目的地出租客流的计算。
4、比较出租客流和公交客流在地域分布上的差异。比较共分为4种情况进行分析，分别为出发地网格内含公交站点出租客流较大、出发地网格内不含公交站点出租客流较大，目的地网格内含公交站点出租客流较大、目的地网格内不含公交站点出租客流较大。这4种类型的网格都可以说明此区域的公交供给不能满足当地乘客的出行需求，是需要重点关注的公交系统优化区域。
图4是系统的可视化展示模块，使用javaweb框架中的springboot框架再结合前端知识和百度地图API展示公交客流和出租客流存在显著差异的区域，图4是可视化展示中的一个示意图，方块代表北京市300*300米的网格，其中黑色的网格区域用来展示出租出客流远远大于公交客流的网格区域，在这些网格区域中，这些区域的出租客流和公交客流存在很大的差异性，出租客流远远高于这些区域的公交客流。

Claims (7)

1.基于大数据框架的比较区域内公交客流和出租客流差异的系统，其特征在于，包括：数据存储模块、数据分析模块和可视化模块；
所述数据存储模块，收集存储公交车一卡通的刷卡数据和出租车的GPS数据；利用hive数据库存储，将所述公交车一卡通的刷卡数据和出租车的GPS数据保存到HDFS集群上；所述公交一卡通的刷卡数据包含上车线路、上车站号、下车站号、上车时间、下车时间字段，出租车的GPS数据是每间隔一分钟记录的出租车经纬度数据，包含经纬度坐标和载客状态；
所述数据分析模块，用于所述两种数据的处理和分析；数据分析模块读取集群上的数据，利用大数据处理框架hadoop进行所述两种数据处理和分析，处理和分析过程包括：将设定的行政区域按照网格划分，提取公交出行OD和出租出行OD，计算公交客流和出租客流，对比出租客流和公交客流差异性；根据出发地和目的地将客流分为出客流和入客流，又根据出发地和目的地内是否含有公交站点将入客流和出客流分为4类，分别为含有公交站点的出客流，不含公交站点的出客流，含有公交站点的入客流，不含公交站点的入客流，对比区域内这四种类型的客流在公交和出租上的差异性，发现在某些区域内出租的入客流和出客流明显高于该区域内公交客流，证明在这些区域内的公交设施没有办法满足该区域内乘客的出行需求，仍然存在改善的空间；
所述可视化模块，用于将数据分析模块得到的结果进行可视化展示，以便于直观的看到数据处理的结果。
2.根据权利要求1所述的基于大数据框架的比较区域内公交客流和出租客流差异的系统，其特征在于：所述网格划分是将设定的行政区域进行设定距离网格划分，网格划分能够将客流聚合到一个区域内，进行区域客流的对比；进行网格化分的目的是能够使用聚类算法将一片区域内的客流聚合到一个网格范围内，能够将零散的公交客流和出租客流聚合到网格范围内，便于比较区域内的公交客流和出租客流。
3.根据权利要求1所述的基于大数据框架的比较区域内公交客流和出租客流差异的系统，其特征在于：所述提取公交出行OD是利用Hadoop框架处理公交一卡通刷卡数据，提取乘客的上车线路、上车站号、下车站号、上车时间、下车时间，与公交线路站号的静态文件进行匹配，得到乘客的上车线路、上车站点名、下车站点名、上车时间、下车时间的一条出行OD记录。
4.根据权利要求1所述的基于大数据框架的比较区域内公交客流和出租客流差异的系统，其特征在于：所述出租出行OD提取为：利用hadoop框架，根据出租车载客状态的变化，提取乘客的上车经纬度和下车经纬度，得到乘客出行的一次出租OD。
5.根据权利要求1所述的基于大数据框架的比较区域内公交客流和出租客流差异的系统，其特征在于：所述公交客流和出租客流计算是：利用计算的出租出行OD和公交出行OD分别计算出发地客流、目的地客流、和出行OD客流，公交的一次出行OD作为一个人的客流，再通过查阅知到出租的一次出行的平均载客量，利用平均载客量进行出租客流的计算。
6.根据权利要求1所述的基于大数据框架的比较区域内公交客流和出租客流差异的系统，其特征在于：所述公交客流和出租客流差异性对比是指根据建立的差异性对比指标进行公交客流和出租客流的对比。
7.根据权利要求1所述的基于大数据框架的比较区域内公交客流和出租客流差异的系统，其特征在于：所述可视化的展示是指利用网页前端知识能够在网页地图上展示出租客流和公交客流的区域网格区域。
CN201811407198.XA 2018-11-23 2018-11-23 基于大数据框架的比较区域内公交客流和出租客流差异的系统 Pending CN109544005A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811407198.XA CN109544005A (zh) 2018-11-23 2018-11-23 基于大数据框架的比较区域内公交客流和出租客流差异的系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811407198.XA CN109544005A (zh) 2018-11-23 2018-11-23 基于大数据框架的比较区域内公交客流和出租客流差异的系统

Publications (1)

Publication Number Publication Date
CN109544005A true CN109544005A (zh) 2019-03-29

Family

ID=65849418

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811407198.XA Pending CN109544005A (zh) 2018-11-23 2018-11-23 基于大数据框架的比较区域内公交客流和出租客流差异的系统

Country Status (1)

Country Link
CN (1) CN109544005A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110825781A (zh) * 2019-09-24 2020-02-21 中国地质大学（北京） 一种全国城市一卡通互联互通平台
CN111984877A (zh) * 2020-07-09 2020-11-24 北京北大千方科技有限公司 一种机场陆侧旅客出行链构建方法、系统、存储介质及终端

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
巴兴强等: "基于出租车运营GPS数据的城市公交线路优化方法研究", 《森林工程》 *
李文锋等: "基于公交IC卡与GPS数据的公交客流可视化分析", 《交通科技与经济》 *
申兆慕等: "基于Hadoop的交通大数据的可视化Web GIS平台的设计与实现", 《北京建筑大学学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110825781A (zh) * 2019-09-24 2020-02-21 中国地质大学（北京） 一种全国城市一卡通互联互通平台
CN110825781B (zh) * 2019-09-24 2022-02-22 中国地质大学（北京） 一种全国城市一卡通互联互通平台
CN111984877A (zh) * 2020-07-09 2020-11-24 北京北大千方科技有限公司 一种机场陆侧旅客出行链构建方法、系统、存储介质及终端
CN111984877B (zh) * 2020-07-09 2023-11-07 北京北大千方科技有限公司 机场陆侧旅客出行链构建方法、系统、存储介质及终端

Similar Documents

Publication Publication Date Title
Tu et al. Spatial variations in urban public ridership derived from GPS trajectories and smart card data
Olmos et al. A data science framework for planning the growth of bicycle infrastructures
WO2018214675A1 (zh) 一种量化分析城市建成环境对道路行程时间影响的方法
Li et al. Exploring urban taxi ridership and local associated factors using GPS data and geographically weighted regression
Veloso et al. Urban mobility study using taxi traces
An et al. How the built environment promotes public transportation in Wuhan: A multiscale geographically weighted regression analysis
CN104318324B (zh) 基于出租车gps记录的机场巴士站点及路线规划方法
Li et al. Bicycle mode share in China: a city-level analysis of long term trends
CN109272175A (zh) 一种基于城市流动网络的数据采集系统及方法
CN109102114B (zh) 一种基于数据融合的公交出行下车站点估计方法
Ram et al. SMARTBUS: A web application for smart urban mobility and transportation
Randriamanamihaga et al. Clustering the Vélib׳ dynamic Origin/Destination flows using a family of Poisson mixture models
Saputra et al. Accessibility model of BRT stop locations using Geographically Weighted regression (GWR): A case study in Banjarmasin, Indonesia
Jaber et al. How do land use, built environment and transportation facilities affect bike-sharing trip destinations?
CN109544005A (zh) 基于大数据框架的比较区域内公交客流和出租客流差异的系统
Wang et al. STLoyal: A spatio-temporal loyalty-based model for subway passenger flow prediction
Basheer et al. Multi-stage trips: An exploration of factors affecting mode combination choice of travelers in England
Wang et al. Exploring the subscribing behavior of customized bus passengers: Active users versus inactive users
Huang et al. Sensing Multi-modal Mobility Patterns: A Case Study of Helsinki using Bluetooth Beacons and a Mobile Application
Chung et al. Investigating the effects of POI-based land use on traffic accidents in Suzhou Industrial Park, China
Chen et al. Exploring the impacts of built environment on bike-sharing trips on weekends: The case of Guangzhou
CN116090785B (zh) 针对大型活动散场场景两阶段的定制公交规划方法
Moroz et al. Improvement of urban transport system
Lwin et al. Identification of various transport modes and rail transit behaviors from mobile CDR data: A case of Yangon City
Nakayama et al. Comparing households with every member out-of-home in developing countries using travel surveys

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190329

RJ01 Rejection of invention patent application after publication