CN109615187B - 一种od矩阵的评估方法、公交负载模拟方法及装置 - Google Patents

一种od矩阵的评估方法、公交负载模拟方法及装置 Download PDF

Info

Publication number
CN109615187B
CN109615187B CN201811382590.3A CN201811382590A CN109615187B CN 109615187 B CN109615187 B CN 109615187B CN 201811382590 A CN201811382590 A CN 201811382590A CN 109615187 B CN109615187 B CN 109615187B
Authority
CN
China
Prior art keywords
bus
target area
matrix
load
optimal
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
CN201811382590.3A
Other languages
English (en)
Other versions
CN109615187A (zh
Inventor
赵星
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.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Advanced New Technologies Co Ltd
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 Advanced New Technologies Co Ltd filed Critical Advanced New Technologies Co Ltd
Priority to CN201811382590.3A priority Critical patent/CN109615187B/zh
Publication of CN109615187A publication Critical patent/CN109615187A/zh
Application granted granted Critical
Publication of CN109615187B publication Critical patent/CN109615187B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Pure & Applied Mathematics (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例涉及一种OD矩阵的评估方法、公交负载的模拟方法及装置。评估方法包括：获取目标区域的OD矩阵和公交网络信息；基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，确定所述目标区域对应所述OD矩阵的模拟公交负载；获取所述目标区域的实际公交负载；基于所述实际公交负载，对所述模拟公交负载进行评估。

Description

一种OD矩阵的评估方法、公交负载模拟方法及装置
技术领域
本申请实施例涉及交通路况技术领域，尤其涉及一种OD矩阵的评估方法、公交负载模拟方法及装置。
背景技术
随着智能公交系统的普及与发展，智能公交系统收费、调度、客流监控等子系统中积累了海量数据，如何利用先进的数据挖掘技术分析这些海量信息，发现其中隐含的公共交通模式及规则，获得高层的、潜在的规律，并评价公交系统，优化公交规划方案和公交调度策略是城市公交运行的发展方向。
交通出行矩阵，又称源点-终点(origin–destination，OD)矩阵，是反映交通出行量和路段交通量之间关系的矩阵。OD矩阵是进行交通规划的重要依据。目前大部分已有的OD矩阵是通过交通问卷调查统计得到的，因此准确率难以保证，导致对公交系统规划的优化效果存在不确定性。
发明内容
本申请实施例目的是提供一种OD矩阵的评估方法、公交负载的模拟方法及装置，能够基于目标区域的OD矩阵确定出目标区域的模拟公交负载，并对模拟公交负载进行评估，确定出OD矩阵的应用价值。
为了实现上述目的，本申请实施例是这样实现的：
第一方面，提供一种OD矩阵的评估方法，包括：
获取目标区域的源点-终点OD矩阵和公交网络信息；
基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，确定所述OD矩阵的模拟公交负载；
获取所述目标区域的实际公交负载；
基于所述实际公交负载，对所述模拟公交负载进行评估。
第二方面，提供了一种公交负载的模拟方法，包括：
获取目标区域的源点-终点OD矩阵和公交网络信息；
基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，确定所述目标区域的公交负载。
第三方面，提供了一种OD矩阵的评估装置，包括：
第一获取模块，获取目标区域的源点-终点OD矩阵和公交网络信息；
路径规划模块，基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
模拟负载模块，基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，确定所述目标区域对应所述OD矩阵的模拟公交负载；
第二获取模块，获取所述目标区域的实际公交负载；
评估模块，基于所述实际公交负载，对所述模拟公交负载进行评估。
第四方面，提供了一种公交负载的模拟装置，包括：
获取模块，获取目标区域的源点-终点OD矩阵和公交网络信息；
路径规划模块，基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
模拟负载模块，基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，确定所述目标区域的公交负载。
第五方面，提供了一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行：
获取目标区域的OD矩阵和公交网络信息；
基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，确定所述目标区域对应所述OD矩阵的模拟公交负载；
获取所述目标区域的实际公交负载；
基于所述实际公交负载，对所述模拟公交负载进行评估。
第六方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：
获取目标区域的源点-终点OD矩阵和公交网络信息；
基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，确定所述目标区域对应所述OD矩阵的模拟公交负载；
获取所述目标区域的实际公交负载；
基于所述实际公交负载，对所述模拟公交负载进行评估。
第七方面，提供了一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行：
获取目标区域的源点-终点OD矩阵和公交网络信息；
基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，确定所述目标区域的公交负载。
第八方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：
获取目标区域的源点-终点OD矩阵和公交网络信息；
基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，确定所述目标区域的公交负载。
由以上本申请实施例提供的技术方案可见，本申请实施例首先确定目标区域内OD的最优公交出行路径，并结合OD的最优公交出行路径与OD在OD矩阵的元素值，确定出目标区域对应OD矩阵的模拟公交负载。之后基于目标区域的实际公交负载，对模拟公交负载进行评估，以验证OD矩阵的准确率，进而可以根据OD矩阵的准确率，确定该OD矩阵对公交系统进行规划的应用价值。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请实施例中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例的一种OD矩阵的评估方法的流程图。
图2是本申请实施例的另一种OD矩阵的评估方法的流程图。
图3是本申请实施例的公交负载的模拟方法的流程图。
图4是本申请实施例的一种OD矩阵的评估装置的框图。
图5是本申请的一个实施例电子设备的结构示意图。
图6是本申请实施例的一种公交负载的模拟装置的框图。
图7是本申请的一个实施例电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
如前所述，现有的绝大部分OD矩阵是通过交通问卷调查统计得到的，数据来源带有主观性和片面性，导致使用OD矩阵对公交系统进行规划的优化效果存在不确定性。针对这一问题，本申请提供一种解决方案。
图1是本申请实施例的一个OD矩阵的评估方法的流程图。图1所示的评估方法可以由下文的评估装置执行。该评估方法包括：
步骤S102，获取目标区域的源点-终点OD矩阵和公交网络信息；
针对步骤S102而言：
本申请实施例不对OD矩阵作具体限定。
应理解，OD矩阵中OD的元素值是基于已有的公交出行量算法对OD进行预测得到的。
目标区域的公交网络信息包含目标区域的公交系统的基础信息，比如目标区域内的公交站点(地铁站点、公共汽车站点等)、公交站点的等待时间以及公交站点之间的行驶时间等。
步骤S104，基于公交网络信息，规划目标区域内OD的最优公交出行路径；
针对步骤S104而言：
本步骤可以将上述公交网络信息输入至已有的路径规划引擎，得到目标区域内OD的最优公交出行路径。
最优公交出行路径是指人们从起点到终点最容易采用的公交出行路径。一般情况下，最优公交出行路径可以是出行时间最短或换乘次数最少的公交出行路径，本申请实施例并不对最优公交出行路径的确定方法作具体限定。
步骤S106，基于目标区域内OD的最优公交出行路径以及目标区域内OD在OD矩阵的元素值，确定目标区域对应OD矩阵的模拟公交负载；
针对步骤S106而言：
目标区域内OD在OD矩阵的元素值反映了从OD的起点到OD的终点的公交出行量，而OD的最优公交出行路径一般是乘客最容易选择的公交出行路径。因此本步骤可以基于目标区域内OD在OD矩阵的元素值，预测得到最优公交出行路径的模拟公交负载，并根据最优公交出行路径的模拟公交负载进一步量化出目标区域的模拟公交负载。
步骤S108，获取目标区域的实际公交负载；
针对步骤S108而言：
本步骤可以基于目标区域对应的公交系统的乘客刷卡记录(比如公交站点的上车刷卡记录、下车刷卡记录等)，准确地确定出目标区域的实际公交负载。
步骤S110，基于实际公交负载，对模拟公交负载进行评估；
针对步骤S110而言：
本步骤具体可以计算实际公交负载与模拟公交负载之间的相似度，并根据相似度的取值对模拟公交负载进行评估，确定出OD矩阵的准确率。
应理解，若目标区域的OD矩阵的模拟负载越接近目标区域的实际负载，则表示OD矩阵的准确率越高，越适宜用于规划公交系统；反之，若模拟负载与实际负载差距越大，则表示OD矩阵的准确率越低，对应的评估结果越差，不宜用于规划公交系统。
由图1所示的评估方法可以知道，本申请实施例首先确定目标区域内OD的最优公交出行路径，并结合OD的最优公交出行路径与OD在OD矩阵的元素值，确定出目标区域对应OD矩阵的模拟公交负载。之后基于目标区域的实际公交负载，对模拟公交负载进行评估，以验证OD矩阵的准确率，进而可以根据OD矩阵的准确率，确定该OD矩阵对公交系统进行规划的应用价值。
下面对本申请实施例的评估方法进行详细介绍。
如图2所示，申请实施例的评估方法可以包括如下步骤：
步骤S201，获取目标区域的OD矩阵。
本步骤可以将公交出行需求的起点和终点投影在目标区域的网格图中，并基于网格图建立OD矩阵。
其中，OD矩阵的行包括网格图中作为起点的网格，OD矩阵的列包括网格图种作为终点的网格。作为示例性介绍，OD矩阵的结构可以如下表所示。
Figure BDA0001872228740000071
表一
表一中，网格Ⅰ、网格Ⅱ和网格Ⅲ均可以作为O(起点)和D(终点)。
网格Ⅰ作为起点的总出行量是8，作为终点的总出行量是9；网格Ⅱ作为起点的总出行量是12，作为终点的总出行量是10；网格Ⅲ作为起点的总出行量是8，作为终点的总出行量是9。
其中，一个作为起点的网格可以和另一个作为终点的网格组成一个OD。
以网格Ⅰ为起点、网格Ⅲ为终点的ODⅠⅢ为例，该ODⅠⅢ的元素值为2；以网格3为起点、网格2为终点的ODⅢⅡ为例，该ODⅢⅡ的元素值为3。
步骤S202，获取目标区域的公交网络信息。
具体地，本步骤获取的公交网络信息可以包括：各个OD的公交线路的站点、站点等待时间、以及站点之间的行驶时间。
步骤S203，基于目标区域的公交网络信息对OD矩阵的各个OD进行路径规划。
具体地，本步骤可以基于已有的路径规划引擎，结合各个OD的公交网络信息(比如各个OD的公交线路的站点、站点等待时间、以及站点之间的行驶时间)，规划出每个OD的最优公交出行路径。
步骤S204，确定目标区域内各个OD对应OD矩阵的模拟公交负载。
具体地，本步骤对各个OD的最优公交出行路径进行汇总，也就是针对各个OD，乘客一般走了哪些公交线路，以及在哪些公交站点上下车。之后，基于各个OD在OD矩阵中的元素值，计算各个OD对应OD矩阵的模拟公交负载，比如各个最优公交出行路径的模拟总客流量以及各个站点的模拟上下车人次等等。
步骤S205，确定目标区域内各个OD的实际公交负载。
具体地，本步骤可以基于目标区域对应的公交系统的乘客刷卡记录，准确地计算出各个OD的实际公交负载，比如各个最优公交出行路径的实际总客流量以及各个站点的实际上下车人次等等。
步骤S206，确定目标区域的实际公交负载与目标区域对应OD矩阵的模拟公交负载的相似度。
比如，确定最优公交出行路径的模拟总客流量与实际总客流量的相似度，以及各个站点的模拟上下车人次与实际上下车人次的相似度，之后对不同的相似度进行加权计算(权重值可以灵活设置)，确定出整个目标区域的模拟公交负载与实际公交负载的相似度。
若整个目标区域的模拟公交负载与实际公交负载的相似度越高，则表示OD矩阵的准确率越高；反之，若整个目标区域的模拟公交负载与实际公交负载的相似度越低，则表示OD矩阵的准确率越低。
以上是本申请实施例评估方法的示例性介绍。应理解，目标区域的OD数量并不限于是一个，本申请实施例所述的目标区域的实际公交负载和目标区域对应OD矩阵的模拟公交负载，是根据各个OD的最优公交出行路径的实际公交负载和模拟公交负载所量化出的综合指标，具体量化方式并不唯一，本文不再一一举例赘述。
与之对应地，如图3所示，本申请实施例还提供一种公交负载的模拟方法，包括：
步骤302，获取目标区域的源点-终点OD矩阵和公交网络信息；
针对步骤302而言：
本申请实施例不对OD矩阵作具体限定。
应理解，OD矩阵中OD的元素值是基于已有的公交出行量算法对OD进行预测得到的。
目标区域的公交网络信息包含目标区域的公交系统的基础信息，比如目标区域内的公交站点(地铁站点、公共汽车站点等)、公交站点的等待时间以及公交站点之间的行驶时间等。
步骤304，基于公交网络信息，规划目标区域内OD的最优公交出行路径；
针对步骤304而言：
本步骤可以将上述公交网络信息输入至已有的路径规划引擎，得到目标区域内OD的最优公交出行路径。
最优公交出行路径是指人们从起点到终点最容易采用的公交出行路径。一般情况下，最优公交出行路径可以是出行时间最短或换乘次数最少的公交出行路径，本申请实施例并不对最优公交出行路径的确定方法作具体限定。
步骤306，基于目标区域内OD的最优公交出行路径以及目标区域内OD在OD矩阵的元素值，确定OD矩阵的公交负载。
针对步骤306而言：
目标区域内OD在OD矩阵的元素值反映了从OD的起点到OD的终点的公交出行量，而OD的最优公交出行路径一般是乘客最容易选择的公交出行路径。因此本步骤可以基于目标区域内OD在OD矩阵的元素值，预测得到最优公交出行路径的模拟公交负载，并根据最优公交出行路径的模拟公交负载进一步量化出目标区域的公交负载。
由图3所示的模拟方法可以知道，本申请实施例首先确定目标区域内OD的最优公交出行路径，之后基于目标区域内OD的最优公交出行路径以及目标区域内OD在OD矩阵的元素值，模拟得到目标区域的公交负载，以在后续对目标区域的公交系统进行规划时，提供数据支持。
下面结合一个实际应用，对本申请实施例的模拟方法进行示例性介绍。
在本实际应用中，本申请实施例首先通过公交问卷调查的方式，获取目标区域的公交出行需求，并将每个公交出行需求的起点和终点投影在目标区域内的网格图中。之后，基于网格图，构建OD矩阵。
其中，OD矩阵的行包括网格图中作为起点得到网格，OD矩阵的列包括网格图中作为终点的网格。OD矩阵中OD的元素值是基于已有的公交出行量预测算法，结合公交问卷调查提供的数据，对OD进行预测得到的。
OD的元素值可视为OD的公交出行量。应理解，若公交问卷调查指示OD的公交出行需求量越大，则基于公交出行量预测算法所计算出的元素值也随之越大。同理，网格图中OD的公交出行需求量越小，则基于公交出行量预测算法所计算出的元素值也随之越小。
在构建OD矩阵后，获取目标区域的公交网络信息，公交网络信息可以包括：目标区域内各个公交站点、各个公交站点的等待时间以及各个公交站点之间的行驶时间。
之后，基于路线规划引擎，结合上述公交网络信息，规划出目标区域内每个OD的最优公交出行路径。
一般情况下，乘客会选择最优公交出行路径从OD的起点到达OD的终点。因此，本实际应用中，可以直接基于各个OD在OD矩阵中的元素值，计算出各个OD的最优公交出行路径的模拟公交负载。
之后，对目标区域内各个OD的最优公交出行路径的模拟公交负载进行加权计算，从而预测出整个目标区域的公交负载。
需要说明的是，整个目标区域的公交负载是基于该目标区域内各个OD的最优公交出行路径的模拟公交负载进行量化后的综合指标，由于量化方式并不并唯一，本文不再举例一一赘述。但应理解，任何基于目标区域内各个OD的最优公交出行路径的模拟公交负载确定出整个目标区域的公交负载的技术方案都应属于本申请实施例的保护范围。
此外，本申请实施例还提供一种OD矩阵的评估装置，如图4所示，包括：
第一获取模块410，获取目标区域的OD矩阵和公交网络信息；
路径规划模块420，基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
模拟负载模块430，基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，确定所述目标区域对应所述OD矩阵的模拟公交负载；
第二获取模块440，获取所述目标区域的实际公交负载；
评估模块450，基于所述实际公交负载，对所述模拟公交负载进行评估。
由图4所示的评估装置可以知道，本申请实施例首先确定目标区域内OD的最优公交出行路径，并结合OD的最优公交出行路径与OD在OD矩阵的元素值，确定出目标区域对应OD矩阵的模拟公交负载。之后基于目标区域的实际公交负载，对模拟公交负载进行评估，以验证OD矩阵的准确率，进而可以根据OD矩阵的准确率，确定该OD矩阵对公交系统进行规划的应用价值。
其中，所述目标区域内OD在所述OD矩阵的元素值是基于已有的公交出行量预测算法对OD进行预测得到的。
可选地，本申请实施例的路径规划模块420具体用于，将所述公交网络信息输入至路径规划引擎，得到所述目标区域内OD的最优公交出行路径。
其中，上述公交网络信息可以包括：所述目标区域内公交站点的等待时间以及站点之间的行驶时间。
可选地，本申请实施例的第二获取模块440具体用于，基于所述目标区域对应的公交系统的乘客刷卡记录，确定所述目标区域的实际公交负载。
可选地，本申请实施例的评估模块450具体用于，计算所述实际公交负载与所述模拟公交负载之间的相似度；基于所述实际公交负载与所述模拟公交负载之间的相似度，对所述模拟公交负载的准确率进行评估。
作为示例性介绍，评估模块450具体可以基于cosine相似度算法计算或皮尔逊相似度算法，计算所述实际公交负载与所述模拟公交负载的相似度。
应理解，若目标区域的OD矩阵的模拟负载越接近目标区域的实际负载，则表示OD矩阵的准确率越高，越适宜用于规划公交系统；反之，若模拟负载与实际负载差距越大，则表示OD矩阵的准确率越低，对应的评估结果越差，不宜用于规划公交系统。
应理解，本申请实施例的评估装置可以作为图1所示的评估方法的执行主体，因此该评估方法在图1和图2中所能实现的功能，本申请实施例的评估装置同样也能够实现。由于原理相同，本文不再赘述。
图5是本申请的一个实施例电子设备的结构示意图。在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成投放装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取目标区域的OD矩阵和公交网络信息；
基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，确定所述目标区域对应所述OD矩阵的模拟公交负载；
获取所述目标区域的实际公交负载；
基于所述实际公交负载，对所述模拟公交负载进行评估。
本申请实施例首先确定目标区域内OD的最优公交出行路径，并结合OD的最优公交出行路径与OD在OD矩阵的元素值，确定出目标区域对应OD矩阵的模拟公交负载。之后基于目标区域的实际公交负载，对模拟公交负载进行评估，以验证OD矩阵的准确率，进而可以根据OD矩阵的准确率，确定该OD矩阵对公交系统进行规划的应用价值。
本申请图1所示实施例揭示的评估方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1所示的评估方法，并实现本申请实施例的评估装置在图1、图2所示实施例的功能。由于原理相同，本文不再赘述。
当然，除了软件实现方式之外，本申请的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的便携式电子设备执行时，能够使该便携式电子设备执行图1所示实施例的方法，并具体用于执行以下方法：
获取目标区域的源点-终点OD矩阵和公交网络信息；
基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，确定所述目标区域对应所述OD矩阵的模拟公交负载；
获取所述目标区域的实际公交负载；
基于所述实际公交负载，对所述模拟公交负载进行评估。
应理解，本申请实施例的计算机可读存储介质被处理器执行时，可以实现本申请实施例的评估装置在图1、图2所示实施例的功能。由于原理相同，本文不再进行赘述。
此外，本申请实施例还提供一种公交负载的模拟装置，如图6所示，包括：
第一获取模块610，获取目标区域的OD矩阵和公交网络信息；
路径规划模块620，基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
模拟负载模块630，基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，确定所述目标区域的公交负载；
由图6所示的模拟装置可以知道，本申请实施例首先确定目标区域内OD的最优公交出行路径，之后基于目标区域内OD的最优公交出行路径以及目标区域内OD在OD矩阵的元素值，模拟得到目标区域的公交负载，以在后续对目标区域的公交系统进行规划时，提供数据支持。
其中，所述目标区域内OD在所述OD矩阵的元素值是基于已有的公交出行量预测算法对OD进行预测得到的。
可选地，本申请实施例的路径规划模块620具体用于，将所述公交网络信息输入至路径规划引擎，得到所述目标区域内OD的最优公交出行路径。
其中，上述公交网络信息可以包括：所述目标区域内公交站点的等待时间以及站点之间的行驶时间。
应理解，本申请实施例的公交负载模拟装置可以作为图3所示的公交负载模拟方法的执行主体，因此该公交负载模拟方法在图3所示实施例中所能实现的功能，本申请实施例的公交负载模拟装置同样也能够实现。由于原理相同，本文不再赘述。
图7是本申请的一个实施例电子设备的结构示意图。在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成投放装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取目标区域的源点-终点OD矩阵和公交网络信息；
基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，确定所述目标区域的公交负载。
本申请图3所示实施例揭示的公交负载的模拟方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图3所示的公交负载模拟方法，并实现本申请实施例的公交负载模拟装置在图3所示实施例的功能。由于原理相同，本文不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的便携式电子设备执行时，能够使该便携式电子设备执行图3所示实施例的方法，并具体用于执行以下方法：
获取目标区域的源点-终点OD矩阵和公交网络信息；
基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，确定所述目标区域的公交负载。
应理解，本申请实施例的计算机可读存储介质被处理器执行时，可以实现本申请实施例的评估装置在图3所示实施例的功能。由于原理相同，本文不再进行赘述。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (13)

1.一种OD矩阵的评估方法，包括：
获取目标区域的源点-终点OD矩阵和公交网络信息；
基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，预测得到最优公交出行路径的模拟公交负载，并根据最优公交出行路径的模拟公交负载量，确定所述目标区域对应所述OD矩阵的模拟公交负载，其中，所述OD矩阵中OD的元素值是基于公交出行量预测算法，结合公交问卷调查提供的数据，对OD进行预测得到的；
获取所述目标区域的实际公交负载；
基于所述实际公交负载，对所述模拟公交负载进行评估。
2.根据权利要求1所述的方法，
基于所述OD矩阵和所述公交网络信息，规划所述目标区域内OD的最优公交出行路径，包括：
将所述公交网络信息输入至路径规划引擎，得到所述目标区域内OD的最优公交出行路径。
3.根据权利要求1所述的方法，
所述公交网络信息至少包括：所述目标区域内公交站点的等待时间以及站点之间的行驶时间。
4.根据权利要求1所述的方法，
获取所述目标区域的实际公交负载，包括：
基于所述目标区域对应的公交系统的乘客刷卡记录，确定所述目标区域的实际公交负载。
5.根据权利要求1所述的方法，
基于所述实际公交负载，对模拟公交负载进行评估，包括：
计算所述实际公交负载与所述模拟公交负载之间的相似度；
基于所述实际公交负载与所述模拟公交负载之间的相似度，对所述模拟公交负载的准确率进行评估。
6.根据权利要求1所述的方法，
计算所述实际公交负载与所述模拟公交负载的相似度，包括：
基于cosine相似度算法计算或皮尔逊相似度算法，计算所述实际公交负载与所述模拟公交负载的相似度。
7.一种公交负载的模拟方法，包括：
获取目标区域的源点-终点OD矩阵和公交网络信息；
基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，预测得到最优公交出行路径的模拟公交负载，并根据最优公交出行路径的模拟公交负载量，确定所述目标区域的公交负载，其中，所述OD矩阵中OD的元素值是基于公交出行量预测算法，结合公交问卷调查提供的数据，对OD进行预测得到的。
8.一种OD矩阵的评估装置，包括：
第一获取模块，获取目标区域的源点-终点OD矩阵和公交网络信息；
路径规划模块，基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
模拟负载模块，基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，预测得到最优公交出行路径的模拟公交负载，并根据最优公交出行路径的模拟公交负载量，确定所述目标区域对应所述OD矩阵的模拟公交负载，其中，所述OD矩阵中OD的元素值是基于公交出行量预测算法，结合公交问卷调查提供的数据，对OD进行预测得到的；
第二获取模块，获取所述目标区域的实际公交负载；
评估模块，基于所述实际公交负载，对所述模拟公交负载进行评估。
9.一种公交负载的模拟装置，包括：
获取模块，获取目标区域的源点-终点OD矩阵和公交网络信息；
路径规划模块，基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
模拟负载模块，基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，预测得到最优公交出行路径的模拟公交负载，并根据最优公交出行路径的模拟公交负载量，确定所述目标区域的公交负载，其中，所述OD矩阵中OD的元素值是基于公交出行量预测算法，结合公交问卷调查提供的数据，对OD进行预测得到的。
10.一种电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行：
获取目标区域的源点-终点OD矩阵和公交网络信息；
基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，预测得到最优公交出行路径的模拟公交负载，并根据最优公交出行路径的模拟公交负载量，确定所述目标区域对应所述OD矩阵的模拟公交负载，其中，所述OD矩阵中OD的元素值是基于公交出行量预测算法，结合公交问卷调查提供的数据，对OD进行预测得到的；
获取所述目标区域的实际公交负载；
基于所述实际公交负载，对所述模拟公交负载进行评估。
11.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：
获取目标区域的源点-终点OD矩阵和公交网络信息；
基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，预测得到最优公交出行路径的模拟公交负载，并根据最优公交出行路径的模拟公交负载量，确定所述目标区域对应所述OD矩阵的模拟公交负载，其中，所述OD矩阵中OD的元素值是基于公交出行量预测算法，结合公交问卷调查提供的数据，对OD进行预测得到的；
获取所述目标区域的实际公交负载；
基于所述实际公交负载，对所述模拟公交负载进行评估。
12.一种电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行：
获取目标区域的源点-终点OD矩阵和公交网络信息；
基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，预测得到最优公交出行路径的模拟公交负载，并根据最优公交出行路径的模拟公交负载量，确定所述目标区域的公交负载，其中，所述OD矩阵中OD的元素值是基于公交出行量预测算法，结合公交问卷调查提供的数据，对OD进行预测得到的。
13.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：
获取目标区域的源点-终点OD矩阵和公交网络信息；
基于所述公交网络信息，规划所述目标区域内OD的最优公交出行路径；
基于所述目标区域内OD的最优公交出行路径以及所述目标区域内OD在所述OD矩阵的元素值，预测得到最优公交出行路径的模拟公交负载，并根据最优公交出行路径的模拟公交负载量，确定所述目标区域的公交负载，其中，所述OD矩阵中OD的元素值是基于公交出行量预测算法，结合公交问卷调查提供的数据，对OD进行预测得到的。
CN201811382590.3A 2018-11-20 2018-11-20 一种od矩阵的评估方法、公交负载模拟方法及装置 Active CN109615187B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811382590.3A CN109615187B (zh) 2018-11-20 2018-11-20 一种od矩阵的评估方法、公交负载模拟方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811382590.3A CN109615187B (zh) 2018-11-20 2018-11-20 一种od矩阵的评估方法、公交负载模拟方法及装置

Publications (2)

Publication Number Publication Date
CN109615187A CN109615187A (zh) 2019-04-12
CN109615187B true CN109615187B (zh) 2023-06-02

Family

ID=66003578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811382590.3A Active CN109615187B (zh) 2018-11-20 2018-11-20 一种od矩阵的评估方法、公交负载模拟方法及装置

Country Status (1)

Country Link
CN (1) CN109615187B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116362520B (zh) * 2023-05-26 2023-07-28 西南交通大学 一种多模式交通网络区域划分方法、装置、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198645A (zh) * 2013-03-25 2013-07-10 东南大学 一种基于乘客出行分布的高峰期公交线路跳站运行方法
EP2667334A1 (en) * 2012-05-25 2013-11-27 Xerox Corporation System and method for estimating a dynamic origin-destination matrix
CN105023437A (zh) * 2015-08-21 2015-11-04 苏州大学张家港工业技术研究院 一种公交od矩阵的构建方法及系统
CN108831182A (zh) * 2018-05-07 2018-11-16 佛山科学技术学院 一种城市公交网络od矩阵构建方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140035921A1 (en) * 2012-07-31 2014-02-06 Xerox Corporation Analysis and visualization of passenger movement in a transportation system
CN104865846B (zh) * 2015-05-14 2017-07-18 电子科技大学 组合自主导航系统的地面半物理仿真平台
CN105046350A (zh) * 2015-06-30 2015-11-11 东南大学 基于afc数据的公交客流od实时估计方法
US10872434B2 (en) * 2016-03-24 2020-12-22 Sony Corporation Image processing apparatus and method
CN107274043B (zh) * 2016-04-07 2021-05-07 阿里巴巴集团控股有限公司 预测模型的质量评价方法、装置及电子设备
CN106504525A (zh) * 2016-10-12 2017-03-15 电子科技大学 基于ic卡数据的od矩阵生成技术及其应用研究
CN107067110B (zh) * 2017-04-14 2020-07-10 天津大学 车-路-网模式下电动汽车充电负荷时空预测方法
CN107766981B (zh) * 2017-10-24 2021-05-11 东南大学 基于站点WiFi的公交客流OD估计及短时预测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2667334A1 (en) * 2012-05-25 2013-11-27 Xerox Corporation System and method for estimating a dynamic origin-destination matrix
CN103198645A (zh) * 2013-03-25 2013-07-10 东南大学 一种基于乘客出行分布的高峰期公交线路跳站运行方法
CN105023437A (zh) * 2015-08-21 2015-11-04 苏州大学张家港工业技术研究院 一种公交od矩阵的构建方法及系统
CN108831182A (zh) * 2018-05-07 2018-11-16 佛山科学技术学院 一种城市公交网络od矩阵构建方法

Also Published As

Publication number Publication date
CN109615187A (zh) 2019-04-12

Similar Documents

Publication Publication Date Title
CN103077604B (zh) 交通传感器管理方法和系统
CN111862605B (zh) 路况检测方法、装置、电子设备及可读存储介质
CN113570867B (zh) 一种城市交通状态预测方法、装置、设备及可读存储介质
CN111881243B (zh) 一种出租车轨迹热点区域分析方法及系统
CN112749825A (zh) 预测车辆的目的地的方法和装置
CN108806254B (zh) 城市交通走廊的识别方法、装置及计算机可读存储介质
CN113838303B (zh) 停车场推荐方法、装置、电子设备及存储介质
CN105203120A (zh) 导航路线评测方法及装置
Zhu et al. Road network abstraction approach for traffic analysis: framework and numerical analysis<? show [AQ ID= Q1]?>
CN111507541A (zh) 货量预测模型构建方法、货量测量方法、装置及电子设备
CN109615187B (zh) 一种od矩阵的评估方法、公交负载模拟方法及装置
CN113284343B (zh) 一种基于智慧交通物联网的交通监测系统及方法
CN111121803B (zh) 获取道路常用停靠点的方法及装置
WO2020254418A1 (en) System and method for populating a database with occupancy data of parking facilities
CN114724414B (zh) 城市空中交通分担率的确定方法、装置、电子设备及介质
CN115660156A (zh) 一种用于交通站点客流拥堵延误预测的方法及系统
CN115965163A (zh) 基于时空图生成对抗损失的轨道交通短时客流预测方法
CN110674962A (zh) 车辆的行程预估处理方法、装置及存储介质
CN113807556B (zh) 一种旅游指标预测方法、装置、设备及介质
CN112215523A (zh) 复杂体系架构中能力依赖关系的分析方法和装置
CN114492161A (zh) 一种公交车到站预测方法及装置
CN112581060A (zh) 基于车辆装卸点的配货需求度检测方法、装置及设备
CN112115569A (zh) 一种城市路网密度图生成方法、介质及设备
CN118036853B (zh) 一种个体出行链生成方法、装置及存储介质
CN109726924A (zh) 一种车辆的作业调度方法、装置、计算机设备和存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201012

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

Effective date of registration: 20201012

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands

Applicant before: Advanced innovation technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant