CN110021163A - 基于行驶里程数据的网约车路网占有率分析方法 - Google Patents
基于行驶里程数据的网约车路网占有率分析方法 Download PDFInfo
- Publication number
- CN110021163A CN110021163A CN201910157949.5A CN201910157949A CN110021163A CN 110021163 A CN110021163 A CN 110021163A CN 201910157949 A CN201910157949 A CN 201910157949A CN 110021163 A CN110021163 A CN 110021163A
- Authority
- CN
- China
- Prior art keywords
- month
- vehicle
- private car
- net
- vehicles
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 17
- 238000000605 extraction Methods 0.000 claims abstract description 11
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims abstract description 10
- 238000011835 investigation Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 16
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种基于行驶里程数据的网约车路网占有率分析方法，具体包括以下步骤：S1、对经过每个交叉路口的每辆车的车辆信息进行记录并存储，计算出一个月内每辆私家车的行驶里程和每辆非私家车的行驶里程，得到该月内私家车行驶里程排名表；S2、确定出网约车的数量；S3、得到该月内所有网约车的行驶总里程；S4、得到该月内所有车辆的行驶总里程；S5、将该月内所有网约车的行驶总里程与所有车辆的行驶总里程进行比较，得到该月内网约车的路网占有率。本发明避免了花费大量的人力物力做调查，仅需通过对已储存的数据进行有目的的提取，即可完成相应的工作，且避免了人为调查失误造成的分析不准确，提高了分析结果的准确度、可信度。
Description
技术领域
本发明涉及交通大数据分析技术领域，具体是一种基于行驶里程数据的网约车路网占有率分析方法。
背景技术
基于我国互联网发展迅猛与市场环境的变化的双重因素推动作用下，网约车——一种结合了移动互联网与百姓日常出行生活的服务，逐渐出现在人们的视野中，并吸引了大量的用户。据滴滴平台发布的数据，其目前有超过2000万的司机，每天在途运行的司机更是超过了260万，因此，网约车的出行里程与路网中其他车辆的出行里程对比分析是评价其对道路影响程度的重要指标。目前，网约车管理平台对网约车的重点放在了如何更好的管理网约车这一方面，而对于网约车对道路交通拥堵造成的影响考虑较少。
发明内容
本发明的目的是提供一种基于行驶里程数据的网约车路网占有率分析方法，利用大数据作为支撑，为分析带来了新路径，使分析更加准确可靠，令评价网约车对道路影响更有说服力。
本发明的技术方案如下：
一种基于行驶里程数据的网约车路网占有率分析方法，其特征在于：具体包括以下步骤：
S1、对经过每个交叉路口的每辆车的车辆信息进行记录并存储，每辆车的车辆信息包括有该辆车的车牌号、车辆类型、经过各交叉路口所处的时间和经过的各交叉路口所在的位置，利用所记录并存储的每辆车的车辆信息，分别计算出一个月内每辆私家车的行驶里程和每辆非私家车的行驶里程，对该月内每辆私家车的行驶里程行进行降序排列，得到该月内私家车行驶里程排名表；
S2、从城市的车辆管理所查询本城市的网约车数量X，并以此网约车数量X为标准，将该月内私家车行驶里程排名表中前X名的私家车定义为疑似网约车，采用人工现场实际调查的方法，对被定义为疑似网约车的私家车进行调查核实，确定出其中网约车的数量Y，Y≤X；
S3、提取所述步骤S1中该月内每辆私家车的行驶里程，得到该月内每辆网约车的行驶里程，通过累加得到该月内所有网约车的行驶总里程；
S4、提取所述步骤S1中该月内每辆私家车的行驶里程和每辆非私家车的行驶里程，通过累加得到该月内所有车辆的行驶总里程；
S5、将该月内所有网约车的行驶总里程与所有车辆的行驶总里程进行比较，得到该月内所有网约车的行驶总里程与所有车辆的行驶总里程的比值，即为该月内网约车的路网占有率。
所述的一种基于行驶里程数据的网约车路网占有率分析方法，其特征在于：所述的步骤S1具体包括：
S11、对经过每个交叉路口的每辆车的车辆信息进行记录并存储，每辆车的车辆信息包括有该辆车的车牌号、车辆类型、经过各交叉路口所处的时间和经过的各交叉路口所在的位置；
S12、提取所记录并存储的每辆车的车辆信息中每辆车的车牌号和车辆类型，识别并分类出每辆私家车与每辆非私家车；
S13、提取所记录并存储的每辆私家车的车辆信息中每辆私家车经过各交叉路口所处的时间和经过的各交叉路口所在的位置，以该月内每辆私家车经过各交叉路口所处的时间的先后顺序为依据，对该月内每辆私家车经过的各交叉路口所在的位置之间的距离进行累加，得到该月内每辆私家车的行驶里程；
S14、提取所记录并存储的每辆非私家车的车辆信息中每辆非私家车经过各交叉路口所处的时间和经过的各交叉路口所在的位置，以该月内每辆非私家车经过各交叉路口所处的时间的先后顺序为依据，对该月内每辆非私家车经过的各交叉路口所在的位置之间的距离进行累加，得到该月内每辆非私家车的行驶里程；
S15、对该月内每辆私家车的行驶里程行进行降序排列，得到该月内私家车行驶里程排名表。
所述的一种基于行驶里程数据的网约车路网占有率分析方法，其特征在于：所述的步骤S5具体包括：
S51、将该月内工作日时段所有网约车的行驶总里程与所有车辆的行驶总里程进行比较，得到该月内工作日时段所有网约车的行驶总里程与所有车辆的行驶总里程的比值，即为该月内工作日时段网约车的路网占有率；
S52、将该月内非工作日时段所有网约车的行驶总里程与所有车辆的行驶总里程进行比较，得到该月内非工作日时段所有网约车的行驶总里程与所有车辆的行驶总里程的比值，即为该月内非工作日时段网约车的路网占有率。
本发明的有益效果：
本发明基于行驶里程数据，在分析网约车对路网的占有率中，避免了花费大量的人力物力做调查，仅需通过对已储存的数据进行有目的的提取，即可完成相应的工作，且避免了人为调查失误造成的分析不准确，提高了分析结果的准确度、可信度。
附图说明
图1为本发明流程图。
图2为本发明实施例中步骤S1的细分步骤流程示意图。
图3为本发明实施例中步骤S5的细分步骤流程示意图。
具体实施方式
下面结合图1至图3，对本发明做进一步叙述。
如图1所示，一种基于行驶里程数据的网约车路网占有率分析方法，具体包括以下步骤：
S1、对经过每个交叉路口的每辆车的车辆信息进行记录并存储，每辆车的车辆信息包括有该辆车的车牌号、车辆类型、经过各交叉路口所处的时间和经过的各交叉路口所在的位置，利用所记录并存储的每辆车的车辆信息，分别计算出一个月内每辆私家车的行驶里程和每辆非私家车的行驶里程，对该月内每辆私家车的行驶里程行进行降序排列，得到该月内私家车行驶里程排名表；
S2、从城市的车辆管理所查询本城市的网约车数量X，并以此网约车数量X为标准，将该月内私家车行驶里程排名表中前X名的私家车定义为疑似网约车，采用人工现场实际调查的方法，对被定义为疑似网约车的私家车进行调查核实，确定出其中网约车的数量Y，Y≤X；
S3、提取步骤S1中该月内每辆私家车的行驶里程，得到该月内每辆网约车的行驶里程，通过累加得到该月内所有网约车的行驶总里程；
S4、提取步骤S1中该月内每辆私家车的行驶里程和每辆非私家车的行驶里程，通过累加得到该月内所有车辆的行驶总里程；
S5、将该月内所有网约车的行驶总里程与所有车辆的行驶总里程进行比较，得到该月内所有网约车的行驶总里程与所有车辆的行驶总里程的比值，即为该月内网约车的路网占有率。
具体的，如图2所示，上述实施例中的步骤S1具体包括：
S11、对经过每个交叉路口的每辆车的车辆信息进行记录并存储，每辆车的车辆信息包括有该辆车的车牌号、车辆类型、经过各交叉路口所处的时间和经过的各交叉路口所在的位置；
S12、提取所记录并存储的每辆车的车辆信息中每辆车的车牌号和车辆类型，识别并分类出每辆私家车与每辆非私家车；
S13、提取所记录并存储的每辆私家车的车辆信息中每辆私家车经过各交叉路口所处的时间和经过的各交叉路口所在的位置，以该月内每辆私家车经过各交叉路口所处的时间的先后顺序为依据，对该月内每辆私家车经过的各交叉路口所在的位置之间的距离进行累加，得到该月内每辆私家车的行驶里程；
S14、提取所记录并存储的每辆非私家车的车辆信息中每辆非私家车经过各交叉路口所处的时间和经过的各交叉路口所在的位置，以该月内每辆非私家车经过各交叉路口所处的时间的先后顺序为依据，对该月内每辆非私家车经过的各交叉路口所在的位置之间的距离进行累加，得到该月内每辆非私家车的行驶里程；
S15、对该月内每辆私家车的行驶里程行进行降序排列，得到该月内私家车行驶里程排名表。
具体的，如图3所示，上述实施例中的步骤S5具体包括：
S51、将该月内工作日时段所有网约车的行驶总里程与所有车辆的行驶总里程进行比较，得到该月内工作日时段所有网约车的行驶总里程与所有车辆的行驶总里程的比值，即为该月内工作日时段网约车的路网占有率；
S52、将该月内非工作日时段所有网约车的行驶总里程与所有车辆的行驶总里程进行比较，得到该月内非工作日时段所有网约车的行驶总里程与所有车辆的行驶总里程的比值，即为该月内非工作日时段网约车的路网占有率。
以上的实施例仅仅是对本发明的优选实施方案进行描述，并非对本发明的保护范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的变形和改进，均应落入本发明的保护范围内。
Claims (3)
1.一种基于行驶里程数据的网约车路网占有率分析方法，其特征在于：具体包括以下步骤：
S1、对经过每个交叉路口的每辆车的车辆信息进行记录并存储，每辆车的车辆信息包括有该辆车的车牌号、车辆类型、经过各交叉路口所处的时间和经过的各交叉路口所在的位置，利用所记录并存储的每辆车的车辆信息，分别计算出一个月内每辆私家车的行驶里程和每辆非私家车的行驶里程，对该月内每辆私家车的行驶里程行进行降序排列，得到该月内私家车行驶里程排名表；
S2、从城市的车辆管理所查询本城市的网约车数量X，并以此网约车数量X为标准，将该月内私家车行驶里程排名表中前X名的私家车定义为疑似网约车，采用人工现场实际调查的方法，对被定义为疑似网约车的私家车进行调查核实，确定出其中网约车的数量Y，Y≤X；
S3、提取所述步骤S1中该月内每辆私家车的行驶里程，得到该月内每辆网约车的行驶里程，通过累加得到该月内所有网约车的行驶总里程；
S4、提取所述步骤S1中该月内每辆私家车的行驶里程和每辆非私家车的行驶里程，通过累加得到该月内所有车辆的行驶总里程；
S5、将该月内所有网约车的行驶总里程与所有车辆的行驶总里程进行比较，得到该月内所有网约车的行驶总里程与所有车辆的行驶总里程的比值，即为该月内网约车的路网占有率。
2.根据权利要求1所述的一种基于行驶里程数据的网约车路网占有率分析方法，其特征在于：所述的步骤S1具体包括：
S11、对经过每个交叉路口的每辆车的车辆信息进行记录并存储，每辆车的车辆信息包括有该辆车的车牌号、车辆类型、经过各交叉路口所处的时间和经过的各交叉路口所在的位置；
S12、提取所记录并存储的每辆车的车辆信息中每辆车的车牌号和车辆类型，识别并分类出每辆私家车与每辆非私家车；
S13、提取所记录并存储的每辆私家车的车辆信息中每辆私家车经过各交叉路口所处的时间和经过的各交叉路口所在的位置，以该月内每辆私家车经过各交叉路口所处的时间的先后顺序为依据，对该月内每辆私家车经过的各交叉路口所在的位置之间的距离进行累加，得到该月内每辆私家车的行驶里程；
S14、提取所记录并存储的每辆非私家车的车辆信息中每辆非私家车经过各交叉路口所处的时间和经过的各交叉路口所在的位置，以该月内每辆非私家车经过各交叉路口所处的时间的先后顺序为依据，对该月内每辆非私家车经过的各交叉路口所在的位置之间的距离进行累加，得到该月内每辆非私家车的行驶里程；
S15、对该月内每辆私家车的行驶里程行进行降序排列，得到该月内私家车行驶里程排名表。
3.根据权利要求1所述的一种基于行驶里程数据的网约车路网占有率分析方法，其特征在于：所述的步骤S5具体包括：
S51、将该月内工作日时段所有网约车的行驶总里程与所有车辆的行驶总里程进行比较，得到该月内工作日时段所有网约车的行驶总里程与所有车辆的行驶总里程的比值，即为该月内工作日时段网约车的路网占有率；
S52、将该月内非工作日时段所有网约车的行驶总里程与所有车辆的行驶总里程进行比较，得到该月内非工作日时段所有网约车的行驶总里程与所有车辆的行驶总里程的比值，即为该月内非工作日时段网约车的路网占有率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910157949.5A CN110021163B (zh) | 2019-03-02 | 2019-03-02 | 基于行驶里程数据的网约车路网占有率分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910157949.5A CN110021163B (zh) | 2019-03-02 | 2019-03-02 | 基于行驶里程数据的网约车路网占有率分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110021163A true CN110021163A (zh) | 2019-07-16 |
| CN110021163B CN110021163B (zh) | 2020-10-13 |
Family
ID=67189198
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910157949.5A Active CN110021163B (zh) | 2019-03-02 | 2019-03-02 | 基于行驶里程数据的网约车路网占有率分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110021163B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114201530A (zh) * | 2021-12-02 | 2022-03-18 | 合肥学院 | 一种疑似非正常营运客车提前甄别及预防式监管方法 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101923777A (zh) * | 2009-06-12 | 2010-12-22 | 深圳市融创天下科技发展有限公司 | 一种通过电子眼视频自动判断交通拥堵等级的方法 |
| CN102999590A (zh) * | 2012-11-16 | 2013-03-27 | 北京奇虎科技有限公司 | 识别官方网站的方法和系统 |
| KR20130094767A (ko) * | 2013-08-13 | 2013-08-26 | 윤성중 | 택시-콜에 이용되는 사용자단말기 |
| CN104185064A (zh) * | 2014-05-30 | 2014-12-03 | 华为技术有限公司 | 媒体文件标识方法和装置 |
| CN104732756A (zh) * | 2013-12-24 | 2015-06-24 | 中兴通讯股份有限公司 | 一种利用移动通信数据挖掘进行公交规划的方法 |
| CN105761481A (zh) * | 2016-05-10 | 2016-07-13 | 北京交通大学 | 面向出租车动态合乘的智能调度方法和系统 |
| CN106327871A (zh) * | 2016-09-06 | 2017-01-11 | 华南理工大学 | 一种融合历史数据和预约数据的高速公路拥挤预测方法 |
| CN106530687A (zh) * | 2016-10-13 | 2017-03-22 | 北京交通大学 | 一种基于时空属性的交通网络节点重要度测算方法 |
| CN106898143A (zh) * | 2017-04-10 | 2017-06-27 | 合肥学院 | 一种无人驾驶汽车的交通流量建模方法 |
| CN107067736A (zh) * | 2017-04-12 | 2017-08-18 | 安徽超远信息技术有限公司 | 基于时间路网的套牌车分析方法及其系统 |
| CN107292886A (zh) * | 2017-08-11 | 2017-10-24 | 厦门市美亚柏科信息股份有限公司 | 基于网格划分及神经网络的目标物入侵检测方法及装置 |
| CN107464417A (zh) * | 2017-07-27 | 2017-12-12 | 温州市鹿城区中津先进科技研究院 | 基于出行路径大数据分析的交通调度管控方法 |
| JP2018044564A (ja) * | 2016-09-12 | 2018-03-22 | 株式会社Ｓｏｋｅｎ | 運転支援装置、運転支援方法 |
| CN108847022A (zh) * | 2018-06-08 | 2018-11-20 | 浙江银江智慧交通集团有限公司 | 一种微波交通数据采集设备的异常值检测方法 |
| CN109118770A (zh) * | 2018-09-11 | 2019-01-01 | 东南大学 | 一种基于交通监测数据的路段通行能力挖掘方法 |
| KR20190014667A (ko) * | 2017-08-03 | 2019-02-13 | 서석원 | 레이저를 이용한 속도 검출장치 |
-
2019
- 2019-03-02 CN CN201910157949.5A patent/CN110021163B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101923777A (zh) * | 2009-06-12 | 2010-12-22 | 深圳市融创天下科技发展有限公司 | 一种通过电子眼视频自动判断交通拥堵等级的方法 |
| CN102999590A (zh) * | 2012-11-16 | 2013-03-27 | 北京奇虎科技有限公司 | 识别官方网站的方法和系统 |
| KR20130094767A (ko) * | 2013-08-13 | 2013-08-26 | 윤성중 | 택시-콜에 이용되는 사용자단말기 |
| CN104732756A (zh) * | 2013-12-24 | 2015-06-24 | 中兴通讯股份有限公司 | 一种利用移动通信数据挖掘进行公交规划的方法 |
| CN104185064A (zh) * | 2014-05-30 | 2014-12-03 | 华为技术有限公司 | 媒体文件标识方法和装置 |
| CN105761481A (zh) * | 2016-05-10 | 2016-07-13 | 北京交通大学 | 面向出租车动态合乘的智能调度方法和系统 |
| CN106327871A (zh) * | 2016-09-06 | 2017-01-11 | 华南理工大学 | 一种融合历史数据和预约数据的高速公路拥挤预测方法 |
| JP2018044564A (ja) * | 2016-09-12 | 2018-03-22 | 株式会社Ｓｏｋｅｎ | 運転支援装置、運転支援方法 |
| CN106530687A (zh) * | 2016-10-13 | 2017-03-22 | 北京交通大学 | 一种基于时空属性的交通网络节点重要度测算方法 |
| CN106898143A (zh) * | 2017-04-10 | 2017-06-27 | 合肥学院 | 一种无人驾驶汽车的交通流量建模方法 |
| CN107067736A (zh) * | 2017-04-12 | 2017-08-18 | 安徽超远信息技术有限公司 | 基于时间路网的套牌车分析方法及其系统 |
| CN107464417A (zh) * | 2017-07-27 | 2017-12-12 | 温州市鹿城区中津先进科技研究院 | 基于出行路径大数据分析的交通调度管控方法 |
| KR20190014667A (ko) * | 2017-08-03 | 2019-02-13 | 서석원 | 레이저를 이용한 속도 검출장치 |
| CN107292886A (zh) * | 2017-08-11 | 2017-10-24 | 厦门市美亚柏科信息股份有限公司 | 基于网格划分及神经网络的目标物入侵检测方法及装置 |
| CN108847022A (zh) * | 2018-06-08 | 2018-11-20 | 浙江银江智慧交通集团有限公司 | 一种微波交通数据采集设备的异常值检测方法 |
| CN109118770A (zh) * | 2018-09-11 | 2019-01-01 | 东南大学 | 一种基于交通监测数据的路段通行能力挖掘方法 |
Non-Patent Citations (6)
| Title |
|---|
| 《中国公路学报》编辑部: "中国汽车工程学术研究综述 2017", 《中国公路学报》 * |
| 张德欣，郭继孚，刘莹: "北京市出租汽车换型期供求分析", 《运输市场》 * |
| 李金武: "《高速公路拥挤的识别及成因判断》", 《企业导报》 * |
| 王明，常云涛，邱红桐，董可然: "《基于空间序列的车辆行驶工况研究》", 《武汉理工大学学报》 * |
| 车国鹏: "拥挤收费政策对通勤车出行行为影响研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 鞠炜奇，杨家文，林雄斌: "《城市出租车空载率时空特征及其影响因素研究—以深圳市为例》", 《规划师》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114201530A (zh) * | 2021-12-02 | 2022-03-18 | 合肥学院 | 一种疑似非正常营运客车提前甄别及预防式监管方法 |
| CN114201530B (zh) * | 2021-12-02 | 2024-05-28 | 合肥学院 | 一种疑似非正常营运客车提前甄别及预防式监管方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110021163B (zh) | 2020-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107767659B (zh) | 基于arima模型的共享单车吸引量和发生量预测方法 | |
| US10023200B2 (en) | Driver profiling system and method | |
| CN105185115B (zh) | 一种交通预测方法和预测系统 | |
| Davis et al. | Development and application of an international vehicle emissions model | |
| CN110276953A (zh) | 基于北斗定位系统的车辆违规行驶风险分析方法 | |
| CN110275934A (zh) | 基于北斗定位系统的车辆行驶情况风险分析方法和系统 | |
| CN110807926B (zh) | 一种基于混合交通的道路阻抗预测方法及装置 | |
| 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 | |
| CN108573600B (zh) | 一种驾驶员行为诱导与局部交通流优化方法 | |
| CN110288205A (zh) | 交通影响评价方法及装置 | |
| CN108062857A (zh) | 用于出租车乘客出行目的的预测方法 | |
| CN110276954A (zh) | 基于北斗定位系统的车辆行驶行为综合评分方法 | |
| Montini et al. | Searching for parking in GPS data | |
| Tong et al. | Development of bus driving cycles using a cost effective data collection approach | |
| CN109840662A (zh) | 一种基于驾驶模拟的城市道路提升改造需求综合评价方法 | |
| CN110021163A (zh) | 基于行驶里程数据的网约车路网占有率分析方法 | |
| CN110021164A (zh) | 基于行驶时间数据的网约车路网占有率分析方法 | |
| CN115810271B (zh) | 一种基于刷卡数据判断客流走廊位置的方法 | |
| CN110164133A (zh) | 节假日高速公路路网通行效率评估方法、电子设备、介质 | |
| CN114239929B (zh) | 一种基于随机森林的出租车交通需求特征预测方法 | |
| CN110648008A (zh) | 路况预测方法和装置 | |
| CN102903235A (zh) | 一种对实时路况进行质量评价的方法及装置 | |
| Krajzewicz et al. | Benefits of using microscopic models for simulating air quality management measures | |
| CN102568199B (zh) | 平均乘车距离的确定方法和装置 | |
| CN113990081B (zh) | 一种高速公路etc门架区间测速系统 |
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 |