CN110223514B - 城市交通运行状态分析方法、装置及电子设备 - Google Patents
城市交通运行状态分析方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110223514B CN110223514B CN201910489643.XA CN201910489643A CN110223514B CN 110223514 B CN110223514 B CN 110223514B CN 201910489643 A CN201910489643 A CN 201910489643A CN 110223514 B CN110223514 B CN 110223514B
- Authority
- CN
- China
- Prior art keywords
- travel
- mode
- time
- time index
- determining
- 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
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- G08G1/0125—Traffic data processing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Analytical Chemistry (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Chemical & Material Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种城市交通运行状态分析方法,包括:获取出行样本的出行数据;出行样本为城市中采用不同出行方式出行的对象,出行数据包括采用不同出行方式的出行行程数据;基于每一种出行方式的出行行程数据,获取每一种出行方式的出行样本的出行时间和出行距离;基于每一种出行方式的出行样本数、出行时间和出行距离,确定每一种出行方式的出行时间指数;获取每一种出行方式的周转量权重,并根据每一种出行方式的出行时间指数和周转量权重,确定综合出行时间指数,基于综合出行时间指数分析城市交通运行状态。本发明还公开了一中城市交通运行状态分析装置、电子设备和计算机可读储存介质。
Description
技术领域
本发明涉及城市交通分析技术领域,尤其涉及一种城市交通运行状态分析方法、装置、电子设备及计算机可读储存介质。
背景技术
近年来,随着城市规模的扩大、发展以及城市居民和外来务工人员增加;人们对出行多样化需求不断提升;由此,合理规划城市道路交通,以满足人们交通出行的需求成为城市交通出行的主要问题而得到社会的普遍关注。
为此,对城市交通运行状态进行评价,以便于对城市道路交通的规划以及城市居民和务工人员的出行规划,各科研机构和互联网导航企业利用各种出行数据,对城市交通运行状况开展实时监测和定期评价,对居民出行规划提供了一定帮助。
但是,相关技术中对城市交通运行状况的评价更多目的为缓解拥堵,关注的对象单一,不能全面综合分析城市的交通运行状况。
发明内容
有鉴于此,本发明提供了一种城市交通运行状态分析方法、装置、电子设备及计算机可读储存介质,以解决相关技术中的对城市交通运行状态的评价研究关注对象单一,不能全面综合分析城市交通运行状况的问题。
为实现上述发明目的,根据本发明的一个方面,提供了一种城市交通运行状态分析方法,包括:
获取出行样本的出行数据;所述出行样本为城市中采用不同出行方式出行的对象,所述出行数据包括采用不同出行方式的出行行程数据;
基于每一种出行方式的所述出行行程数据,获取所述每一种出行方式的所述出行样本的出行时间和出行距离;
基于每一种出行方式的出行样本数、所述出行时间和所述出行距离,确定所述每一种出行方式的出行时间指数;
获取所述每一种出行方式的周转量权重,并根据所述每一种出行方式的所述出行时间指数和所述周转量权重,确定综合出行时间指数;
基于所述综合出行时间指数分析城市交通运行状态。
在一种可选实施方式中,所述基于每一种出行方式的出行样本数、所述出行时间和所述出行距离,确定所述每一种出行方式的出行时间指数,具体包括:
基于所述每一种出行方式的所述出行样本数、所述出行时间和所述出行距离,按照如下公式(1)确定所述出行时间指数:
其中,BIi是多种出行方式中的一种出行方式的所述出行时间指数,Ti是与所述出行方式对应的所述出行样本的所述出行时间,Li是与所述出行方式对应的所述出行样本的所述出行距离。
在一种可选实施方式中,所述出行数据包括:
驾车方式出行的小汽车出行行程数据、地面公交方式出行的地面公交出行行程数据、地铁方式出行的地铁出行行程数据、骑行方式出行的骑行出行行程数据或步行方式出行的步行出行行程数据中的至少一种。
在一种可选实施方式中,所述基于所述每一种出行方式的所述出行样本数、所述出行时间和所述出行距离,按照公式(1)确定所述出行时间指数,具体包括:
基于所述驾车方式出行的所述出行样本数、所述出行时间和所述出行距离,确定所述驾车方式出行的所述出行时间指数;
和/或,
基于所述地面公交方式出行的所述出行样本数、所述出行时间和所述出行距离,确定所述地面公交方式出行的所述出行时间指数;
和/或,
基于所述地铁方式出行的所述出行样本数、所述出行时间和所述出行距离,确定所述地铁方式出行的所述出行时间指数;
和/或,
基于骑行方式出行的所述出行样本数、所述出行时间和所述出行距离,确定所述骑行方式出行的所述出行时间指数;
和/或,
基于步行方式出行的所述出行样本数、所述出行时间和所述出行距离,确定所述步行方式出行的所述出行时间指数。
在一种可选实施方式中,所述小汽车出行行程数据包括点火时间、熄火时间和出行距离;所述地面公交出行行程数据包括上地面公交的上车时间、上地面公交的上车站点、下地面公交的下车时间、下地面公交的下车站点和地面公交站的站间距离;所述地铁出行行程数据包括上地铁的上车时间、上地铁的上车站点、下地铁的下车时间、下地铁的下车站点和地铁站的站间距离;所述骑行出行行程数据包括骑行开始时间、骑行结束时间和骑行距离;所述步行出行行程数据包括步行时间和步行距离。
在一种可选实施方式中,所述基于每一种出行方式的所述出行行程数据,获取所述每一种出行方式的所述出行样本的出行时间和出行距离,具体包括:
基于所述点火时间和所述熄火时间,确定所述驾车方式出行的所述出行样本的所述出行时间;
和/或,
基于所述上地面公交的上车时间和所述下地面公交的下车时间,确定所述地面公交方式出行的所述出行样本的所述出行时间;且基于所述上地面公交的上车站点、下地面公交的下车站点和所述地面公交站的站间距离,确定所述地面公交方式出行的所述出行样本的所述出行距离;
和/或,
基于所述上地铁的上车时间和所述下地铁的下车时间,确定所述地铁方式出行的所述出行样本的所述出行时间;且基于所述上地铁的上车站点、下地铁的下车站点和所述地铁站的站间距离,确定所述地铁方式出行的所述出行样本的所述出行距离;
和/或,
基于所述骑行开始时间和所述骑行结束时间,确定所述骑行方式出行所述出行样本的所述出行时间。
在一种可选实施方式中,所述获取所述每一种出行方式的周转量权重,并根据所述每一种出行方式的所述出行时间指数和所述周转量权重,确定综合出行时间指数,基于所述综合出行时间指数分析城市交通运行状态,具体包括:
获取所述每一种出行方式的周转量权重,并根据所述每一种出行方式的所述出行时间指数和所述周转量权重,按照如下公式(2)确定所述综合出行时间指数;
其中,BTI是综合出行时间指数;wi是多种出行方式中的一种出行方式的所述周转量权重;BIi是多种出行方式中的一种出行方式的所述出行时间指数。
根据本发明另一个方面,提供了一种城市交通运行状态分析装置,包括:
获取模块,用于获取出行样本的出行数据;所述出行样本为城市中采用不同出行方式出行的对象,所述出行数据包括采用不同出行方式的出行行程数据;
所述获取模块,还用于基于每一种出行方式的所述出行行程数据,获取所述每一种出行方式的所述出行样本的出行时间和出行距离;
确定模块,用于基于每一种出行方式的出行样本数、所述出行时间和所述出行距离,确定所述每一种出行方式的出行时间指数;
所述确定模块,还用于获取所述每一种出行方式的周转量权重,并根据所述每一种出行方式的所述出行时间指数和所述周转量权重,确定综合出行时间指数;
分析模块,还用于基于所述综合出行时间指数分析城市交通运行状态。
根据本发明又一个方面,提供了一种电子设备,包括:
储存器、处理器和通讯总线;其中,所述储存器与所述处理器通过所述通讯总线通信连接;
所述储存器中存储有计算机可执行指令,所述处理器用于执行所述储存器中储存的计算机可执行指令,以实现本发明第一个方面所提供的方法。
根据本发明再一个方面,提供了一种计算机可读储存介质,所述计算机可读储存介质中存储有计算机可执行指令,所述计算机可执行指令在被执行时,实现本发明第一个方面所提供的方法。
本发明提供的一种城市交通运行状态分析方法、装置、电子设备及计算机可读储存介质,其中,城市交通运行状态分析方法包括:获取出行样本的出行数据;出行样本为城市中采用不同出行方式出行的对象,出行数据包括采用不同出行方式的出行行程数据;基于每一种出行方式的出行行程数据,获取每一种出行方式的出行样本的出行时间和出行距离;基于每一种出行方式的出行样本数、出行时间和出行距离,确定每一种出行方式的出行时间指数;获取每一种出行方式的周转量权重,并根据每一种出行方式的出行时间指数和周转量权重,确定综合出行时间指数,基于综合出行时间指数分析城市交通运行状态。如此,通过采用不同出行方式的出行样本数、出行时间和出行距离,分别计算出采用不同出行方式的出行时间指数,再根据不同出行方式的出行时间指数的周转量权重,确定出城市综合出行时间指数,充分考虑城市居民的各种不同出行方式对城市交通的影响,综合对城市交通运行状态进行分析,保证了对城市交通运行状态分析的全面性,为交通运行状态的监测,出行问题的诊断和综合治理效果的评估提供了准确的依据和支持。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。
图1是本申请实施例提供的城市交通运行状态分析方法的实现流程图;
图2是本申请实施例提供的中心城区小汽车出行时间指数分时段分析图;
图3是本申请实施例提供的中心城区地面公交出行时间指数分时段分析图;
图4是本申请实施例提供的中心城区轨道出行时间指数分时段分析图;
图5是本申请实施例提供的中心城区综合出行时间指数分时段分析图;
图6是本申请实施例提供的高峰时段综合出行时间指数月度分析图;
图7是本申请实施例提供的不同出行方式出行时间指数月度分析图;
图8是本申请实施例提供的不同城区综合出行时间指数分时段分析图;
图9是本申请实施例提供的城市交通运行状态分析装置的示意图;
图10是本申请实施例提供的电子设备的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1是本申请实施例提供的城市交通运行状态分析方法的实现流程图。
如图1所示,本申请实施例提供的城市交通运行状态分析方法,该方法可以运行于服务器、个人计算机(personal computer,PC)、移动终端、平板电脑(portable androiddevice,Pad)、智能手机或者是车载智能设备等电子设备上;在一些可能的实施例中,该方法还可以运行于中央处理器(Central Processing Unit,CPU)、网络处理器(Neural-network Processing Unit,NPU)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)等。该方法包括以下步骤:
步骤101,获取出行样本的出行数据;出行样本为城市中采用不同出行方式出行的对象,出行数据包括采用不同出行方式的出行行程数据。
具体的,本实施方式中,出行样本具体可以是城市居民和城市务工人员,相关技术中对城市交通运行状态的分析主要基于车的运行状态进行考虑,例如针对小汽车运行状况进行分析,从而对城市交通运行状态进行评价。本实施方式中,基于城市居民和务工人员出发,从城市居民的角度出发对城市交通运行状况进行分析,能够分析城市居民的不同出行方式,满足出行者多方式不同层次的出行需求。具体的,本实施方式中不同出行方式可以是指城市居民采用不同交通工具出行的出行方式,当然,在一些可能的实施方式中,不同的出行方式也可以是指城市居民不采用交通工具出行的出行方式。
步骤102,基于每一种出行方式的出行行程数据,获取每一种出行方式的出行样本的出行时间和出行距离。
具体的,本实施方式中,根据出行方式的不同,出行行程数据来源可能不同,例如,在一些实施方式中,城市居民可能选择驾车出行,此时出行行程数据可能来源于汽车上安装的行车记录仪或GPS导航仪等。也就是说,本实施方式中,可以从汽车上安装的行车记录仪或GPS导航仪等设备上获取出行行程数据,并得到出行时间和出行距离。当然,在一些可能的实施方式中,城市居民可能选择骑行方式出行,此时出行行程数据可以来源于城市居民利用智能移动终端进行导航的导航数据。
步骤103,基于每一种出行方式的出行样本数、出行时间和出行距离,确定每一种出行方式的出行时间指数。
具体的,本实施方式中,出行样本数可以是城市居民中采用某一种出行方式出行的居民中的一部分居民,通过部分反映全部的统计学方式计算,反映整个城市居民的出行状况;当然,在一些可能的实施方式中,出行样本数也可以是整个城市的常住居民中采用每一种出行方式的整体,利用大数据分析方法,直接分析整个城市居民的整体出行状况,从而准确反映城市交通运行状态。本实施方式中,出行时间指数是指城市居民出行单位距离平均所使用的时间,通常情况下为出行速度的倒数,单位可以是:分钟/千米(min/km);可以理解的是,本实施方式中,出行时间指数的单位还可以是其他速度的倒数相关单位,本实施方式中仅用于举例说明,对此不作具体限定。利用城市居民采用某一方式出行单位距离所花费的平均时间反映出该种方式运行顺畅程度,可以理解,出行单位距离花费时间越长,表明该种出行方式交通运行越不顺畅;相反,出行单位距离花费时间越短,表明该种出行方式交通运行越顺畅。
步骤104,获取每一种出行方式的周转量权重,并根据每一种出行方式的出行时间指数和周转量权重,确定综合出行时间指数。
具体的,本实施方式中,周转量权重是指某一种出行方式在所有出行方式中所占的权重比例,其具体可以参考居民大调查的结果来得到。
步骤105,基于综合出行时间指数分析城市交通运行状态。
在现实应用中,利用综合出行时间指数分析城市交通运行状态,可以参考本领域的一些常用分析技术,本实施例中对此不再赘述。
本实施例提供的城市交通运行状态分析方法,通过采用不同出行方式的出行样本数、出行时间和出行距离,分别计算出采用不同出行方式的出行时间指数,再根据不同出行方式的出行时间指数的周转量权重,确定出城市综合出行时间指数,充分考虑城市居民的各种不同出行方式对城市交通的影响,综合对城市交通运行状态进行分析,保证了对城市交通运行状态分析的全面性,为交通运行状态的监测,出行问题的诊断和综合治理效果的评估提供了准确的依据和支持。
基于前述实施例,下面以对北京市交通运行状态分析为例,对本发明实施例提供的城市交通运行分析方法进行详细说明。
图2是本申请实施例提供的中心城区小汽车出行时间指数分时段分析图。图3是本申请实施例提供的中心城区地面公交出行时间指数分时段分析图。图4是本申请实施例提供的中心城区轨道出行时间指数分时段分析图。
具体的,如图2至图4所示,步骤130,基于每一种出行方式的出行样本数、出行时间和出行距离,确定每一种出行方式的出行时间指数,具体包括:
基于每一种出行方式的出行样本数、出行时间和出行距离,按照如下公式(1)确定出行时间指数:
其中,BIi是多种出行方式中的一种出行方式的出行时间指数,Ti是与出行方式对应的出行样本的出行时间,Li是与出行方式对应的出行样本的出行距离。
在一些实施方式中,出行数据包括:驾车方式出行的小汽车出行行程数据、地面公交方式出行的地面公交出行行程数据、地铁方式出行的地铁出行行程数据、骑行方式出行的骑行出行行程数据或步行方式出行的步行出行行程数据中的至少一种。
具体的,基于每一种出行方式的出行样本数、出行时间和出行距离,按照公式(1)确定出行时间指数,具体包括:
基于驾车方式出行的出行样本数、出行时间和出行距离,按照如下公式(1-1)确定驾车方式出行的出行时间指数。
其中,BIC是驾车方式出行的时间指数,单位min/km;Tc是采用驾车方式出行的出行时间,单位min;Lc是采用驾车方式出行的出行距离,单位km。
在一些可能的实施方式中,驾车方式出行的小汽车出行行程数据可以来源于小汽车上安装的车载盒子,例如OBD盒子;小汽车出行行程数据包括点火时间、熄火时间和出行距离;具体的,在小汽车点火时,车载盒子会记录小汽车的点火时间并上传给服务器,同样,在小汽车熄火时,车载盒子会记录小汽车的熄火时间并上传给服务器。具体的,本实施方式中,基于点火时间和熄火时间,确定驾车方式出行的出行样本的出行时间。即,基于车载盒子记录的小汽车的点火时间和车载盒子记录的小汽车熄火时间,来确定驾车方式出行的出行时间。同样的,驾车方式出行的出行距离也可以是由车载盒子来记录的。如此,对多个采用驾车方式出行的出行样本的出行时间和出行距离分别求和后,用多个样本总的出行时间与总的出行距离的比值作为驾车出行方式的出行时间指数,如表1所示(以北京市2018年典型周为例)。
表1 2018年北京市驾车方式出行时间指数(典型周)
自驾(时间) | 2018/10/8 | 2018/10/9 | 2018/10/10 | 2018/10/11 | 2018/10/12 |
6:00 | 2.07 | 2.06 | 2.10 | 2.13 | 2.12 |
7:00 | 2.81 | 2.87 | 2.90 | 2.91 | 2.76 |
8:00 | 2.65 | 2.86 | 2.90 | 2.96 | 2.80 |
9:00 | 2.28 | 2.64 | 2.70 | 2.66 | 2.67 |
10:00 | 2.12 | 2.44 | 2.55 | 2.54 | 2.50 |
11:00 | 2.00 | 2.31 | 2.40 | 2.34 | 2.35 |
12:00 | 2.03 | 2.23 | 2.25 | 2.21 | 2.23 |
13:00 | 2.05 | 2.25 | 2.35 | 2.32 | 2.39 |
14:00 | 2.14 | 2.39 | 2.48 | 2.42 | 2.50 |
15:00 | 2.15 | 2.43 | 2.53 | 2.40 | 2.57 |
16:00 | 2.31 | 2.56 | 2.71 | 2.64 | 2.77 |
17:00 | 2.67 | 2.90 | 3.18 | 2.99 | 3.13 |
18:00 | 2.81 | 3.05 | 3.19 | 3.01 | 3.18 |
19:00 | 2.40 | 2.55 | 2.65 | 2.51 | 2.71 |
20:00 | 2.17 | 2.26 | 2.37 | 2.29 | 2.51 |
21:00 | 2.06 | 2.12 | 2.22 | 2.16 | 2.35 |
注:表1中行为2018年北京市典型周每一个工作日从6:00~21:00的时间;表1中列为2018年北京市典型周内的每个工作日。
并依据上述表1,以每一个工作日的时间为横坐标,以每一个工作日的出行时间指数为纵坐标,绘制2018年北京市典型周驾车方式出行时间指数周变化分析图,如图2所示;从表1和图2可以看出,北京市2018年典型周驾车方式出行,早高峰主要集中在8:00,驾车方式出行时间指数均超过2.65~2.96min/km;而驾车方式出行晚高峰主要集中在18:00,出行时间指数在2.81~3.19min/km,晚高峰小汽车出行时间指数基本均高于早高峰。可以看出,通过对驾车方式出行时间指数的分析,为北京市道路交通规划和居民采用驾车方式出行提供了依据。
在一些可选的实施方式中,小汽车出行行程数据也可以是来源于GPS定位仪,其出行时间确定方式和出行距离确定方式可以按照相关技术中的方式确定,本实施方式中对此不再赘述。
具体的,基于每一种出行方式的出行样本数、出行时间和出行距离,按照公式(1)确定出行时间指数,具体包括:
基于地面公交方式出行的出行样本数、出行时间和出行距离,按照如下公式(1-2)确定地面公交方式出行的出行时间指数。
其中,BIb是地面公交方式出行的出行时间指数,单位:min/km;Tb是采用地面公交方式出行的出行时间,单位min;Lb是采用地面公交方式出行的出行距离,单位km。
具体的,本实施方式中,可以是基于地面公交IC卡的刷卡数据,来确定地面公交方式出行的出行时间和出行距离;以北京市地面公交为例,IC卡刷卡设备在城市居民上车时刷卡会记录上地面公交车的上车时间和上车站点,下车时刷卡会记录下地面公交车的下车时间和下车站点;如此,可以根据上车时间和下车时间确定地面公交方式出行的出行时间;并且可以根据上车站点、下车站点和站间距离确定地面公交方式出行的出行距离。如此,根据公式(1-2)确定地面公交方式出行的出行时间指数,如表2所示(以北京市2018年典型周为例)。
表2 2018年北京市地面公交方式出行时间指数(典型周)
注:表2中行为2018年北京市典型周每一个工作日从6:00~21:00的时间;表2中列为2018年北京市典型周内的每个工作日。
并依据上述表2,以每一个工作日的时间为横坐标,以每一个工作日的出行时间指数为纵坐标,绘制2018年北京市典型周地面公交方式出行时间指数周变化分析图,如图3所示;从表2和图3可以看出,北京市2018年典型周地面公交方式出行,早高峰主要集中在7:00,地面公交方式出行时间指数均超过4min/km;而地面公交方式出行晚高峰主要集中在17:00,出行时间指数在3.77~4.24min/km,早高峰地面公交出行时间指数均高于晚高峰。可以看出,通过对地面公交方式出行时间指数的分析,为北京市地面公交交通规划和居民采用地面公交方式出行提供了依据。
在一些实施方式中,基于地铁方式出行的出行样本数、出行时间和出行距离,按照如下公式(1-3)确定地铁方式出行的出行时间指数。
其中,BIs是地铁方式出行的出行时间指数,单位min/km;Ts是采用地铁方式出行的出行时间,单位min;Ls是采用地铁方式出行的出行距离,单位km。
具体的,本实施方式中,以北京市为例,可以是基于地铁AFC刷卡数据,来确定地铁方式出行的出行时间和出行距离。具体的,地铁AFC卡刷卡设备在每次刷卡时,可以记录城市居民的上地铁的上车时间、上车站点、下地铁的下车时间、下车站点;如此,可以根据上车时间和下车时间确定地铁方式出行的出行时间;并且以根据上车站点、下车站点和站间距离确定地铁防暑出行的出行距离。如此,根据公式(1-3)确定地面公交方式出行的出行时间指数,如表3所示(以北京市2018年典型周为例)。
表3 2018年北京市地铁方式出行时间指数(典型周)
地铁(时间) | 2018/10/8 | 2018/10/9 | 2018/10/10 | 2018/10/11 | 2018/10/12 |
6:00 | 2.53 | 2.53 | 2.50 | 2.52 | 2.51 |
7:00 | 2.53 | 2.50 | 2.51 | 2.51 | 2.51 |
8:00 | 2.51 | 2.55 | 2.54 | 2.57 | 2.54 |
9:00 | 2.59 | 2.62 | 2.59 | 2.59 | 2.63 |
10:00 | 2.81 | 2.82 | 2.80 | 2.82 | 2.84 |
11:00 | 2.92 | 2.93 | 2.85 | 2.94 | 2.93 |
12:00 | 2.90 | 2.88 | 2.91 | 2.91 | 2.93 |
13:00 | 2.90 | 2.92 | 2.90 | 2.92 | 2.90 |
14:00 | 2.90 | 2.96 | 2.92 | 2.90 | 2.90 |
15:00 | 2.80 | 2.86 | 2.85 | 2.82 | 2.84 |
16:00 | 2.68 | 2.75 | 2.74 | 2.71 | 2.75 |
17:00 | 2.56 | 2.57 | 2.58 | 2.58 | 2.64 |
18:00 | 2.60 | 2.61 | 2.61 | 2.61 | 2.68 |
19:00 | 2.68 | 2.67 | 2.71 | 2.69 | 2.76 |
20:00 | 2.84 | 2.85 | 2.87 | 2.87 | 2.99 |
21:00 | 2.96 | 2.97 | 2.99 | 2.98 | 3.02 |
注:表3中行为2018年北京市典型周每一个工作日从6:00~21:00的时间;表3中列为2018年北京市典型周内的每个工作日。
并依据上述表3,以每一个工作日的时间为横坐标,以每一个工作日的出行时间指数为纵坐标,绘制2018年北京市典型周地铁方式出行时间指数周变化分析图,如图4所示;从表3和图4可以看出,地铁方式出行时间指数变化波动不大,由于早、晚高峰时段地铁发车间隔更密集,早、晚高峰时段地铁出行时间指数相比其他时段更快捷。可以看出,通过对地铁方式出行时间指数的分析,为北京市轨道交通规划和居民采用地铁方式出行提供了依据。
需要说明的是,由于地铁方式出行时间指数周变化波动不大,分析图中的曲线重合度较高;为保证分析图的清晰性,图4中仅选用了周一、周二和周五的数据绘制地铁方式出行时间指数的变化曲线。可以理解的是,由于表3中已经完整记录了2018年北京市典型周的每一个工作日地铁方式出行时间指数的数据,因此,本领域技术人员能够依据表3绘制出完整的地铁方式出行周变化分析图。并不影响图4的完整性。
具体的,在一些实施方式中,基于每一种出行方式的出行样本数、出行时间和出行距离,按照公式(1)确定出行时间指数,具体包括:
基于骑行方式出行的出行样本数、出行时间和出行距离,按照如下公式(1-4)确定骑行方式出行的出行时间指数。
其中,BIbi是骑行方式出行的出行时间指数,单位min/km;Tbi是采用骑行方式出行的出行时间,单位min;Lbi是采用骑行方式出行的出行距离,单位km。
具体的,本实施方式中的骑行方式出行可以是指共享骑行方式出行,例如,共享单车、共享电动车等。相应的,骑行方式出行的骑行出行行程数据可以是共享单车或共享电动车的骑行数据,例如摩拜单车、哈喽单车的骑行开始时间、骑行结束时间和骑行距离。如此,基于骑行开始时间和骑行结束时间,按照公式(1-4)确定骑行方式出行的出行样本的出行时间。
具体的,在一些实施方式中,基于每一种出行方式的出行样本数、出行时间和出行距离,按照公式(1)确定出行时间指数,具体包括:
基于步行方式出行的出行样本数、出行时间和出行距离,按照如下公式(1-5)确定步行方式出行的出行时间指数。
其中,BIw是步行方式出行的出行时间指数,单位min/km;Tw是采用步行方式出行的出行时间,单位min;Lw是采用步行方式出行的出行距离,单位km。
需要说明的是,由于城市居民采用步行方式出行的出行时间和出行距离通常较为难以获取,其可以采用交通调查时获取到的数据。当然,由于目前移动终端均具有运动计步功能,本实施方式中城市居民采用步行方式出行的出行时间和出行距离也可以基于移动终端的运动计步功能获得。如此,基于城市居民采用步行方式出行的出行时间和出行距离,按照公式(1-5)确定步行方式出行的出行时间指数。
图5是本申请实施例提供的中心城区综合出行时间指数分时段分析图。
具体的,按照上述实施方式中确定出采用不同出行方式的出行时间指数后,步骤104,获取每一种出行方式的周转量权重,并根据每一种出行方式的出行时间指数和周转量权重,确定综合出行时间指数,具体包括:
获取每一种出行方式的周转量权重,并根据每一种出行方式的出行时间指数和周转量权重,按照如下公式(2)确定综合出行时间指数,并基于综合出行时间指数分析城市交通运行状态;
其中,BTI是综合出行时间指数;wi是多种出行方式中的一种出行方式的周转量权重;BIi是多种出行方式中的一种出行方式的出行时间指数。
具体的,本实施方式中,每一种出行方式的周转量权重为某一种出行方式在所有出行方式中所占的比例;具体以北京市为例,可以参考北京市每五年一次的居民大调查结果,该居民大调查结果中有包括居民采用各种出行方式的出行量和平均出行距离;例如,调查中的驾车方式出行的出行量和驾车方式出行的平均出行距离;本实施方式中,将驾车方式出行的出行量与平均出行距离的乘积计作A1;如此,分别计算出地面公交方式出行的出行量与平均出行距离的乘积计作A2、地铁方式出行的出行量与平均出行距离的乘积计作A3、骑行方式出行的出行量与平均出行距离的乘积计作A4、步行方式出行的出行量与平均出行距离的乘积计作A5。如此,按照如下公式(2-1)确定每一种出行方式的周转量权重。
如此,通过确定每一种出行方式的周转量权重,并按照公式(2)确定综合出行时间指数。
具体的,本实施方式中,以北京市为例,按照公式(2)对北京市典型周的综合出行时间指数进行分析,如表4所示。
表4北京市2018年典型周综合出行时间指数(按时段分析)
综合 | 2018/10/8 | 2018/10/9 | 2018/10/10 | 2018/10/11 | 2018/10/12 |
6:00 | 4.09 | 4.05 | 4.06 | 4.08 | 4.07 |
7:00 | 4.52 | 4.51 | 4.53 | 4.55 | 4.45 |
8:00 | 4.37 | 4.48 | 4.52 | 4.55 | 4.44 |
9:00 | 4.18 | 4.37 | 4.40 | 4.40 | 4.39 |
10:00 | 4.15 | 4.32 | 4.36 | 4.38 | 4.35 |
11:00 | 4.12 | 4.27 | 4.29 | 4.29 | 4.29 |
12:00 | 4.12 | 4.20 | 4.22 | 4.22 | 4.23 |
13:00 | 4.14 | 4.24 | 4.29 | 4.28 | 4.30 |
14:00 | 4.19 | 4.32 | 4.36 | 4.35 | 4.37 |
15:00 | 4.18 | 4.32 | 4.38 | 4.32 | 4.42 |
16:00 | 4.22 | 4.36 | 4.45 | 4.40 | 4.49 |
17:00 | 4.38 | 4.51 | 4.67 | 4.57 | 4.67 |
18:00 | 4.43 | 4.57 | 4.63 | 4.55 | 4.66 |
19:00 | 4.22 | 4.30 | 4.37 | 4.30 | 4.40 |
20:00 | 4.15 | 4.21 | 4.26 | 4.23 | 4.38 |
21:00 | 4.13 | 4.16 | 4.22 | 4.19 | 4.31 |
并依据上述表4,以时间为横坐标,以综合出行时间指数为纵坐标绘制2018年北京市典型周综合出行时间指数分析变化图,如图5所示。需要说明的是,由于综合出行时间指数周变化波动不大,分析图中的曲线重合度较高;为保证分析图的清晰性,图5中仅选用了周一、周三和周五的数据绘制综合出行时间指数的变化曲线。可以理解的是,由于表4中已经完整记录了2018年北京市典型周的每一个工作日综合出行时间指数的数据,因此,本领域技术人员能够依据表4绘制出完整的综合出行周变化分析图。并不影响图5的完整性。
图6是本申请实施例提供的高峰时段综合出行时间指数月度分析图。图7是本申请实施例提供的不同出行方式出行时间指数月度分析图。图8是本申请实施例提供的不同城区综合出行时间指数分时段分析图。
具体的,参照图6至图8所示,具体的,本实施方式中,以北京市为例,按照公式(2)对北京市全年高峰时段综合出行时间指数进行分析,如表5所示。
表5北京市2018年工作日高峰时段综合出行时间指数(按月分析)
注:表5中行为2018年全年月份,表4中列为不同出行方式。
并依据上述表5,以全年月份为横坐标,以综合出行时间指数为纵坐标绘制2018年北京市全年出行时间指数分析变化图,如图6所示;从图6可以看出,北京市2018年全年综合出行时间指数在4.22~4.46min/km。在一些实施方式中,以全年月份为横坐标,以每一种出行方式的高峰时段综合出行时间指数为纵坐标,绘制2018年北京市全年各出行方式的出行指数分析变化图,如图7所示;从图7可以看出,地铁方式出行时间指数较为稳定;地面公交方式出行时间指数值在3.34~3.72min/km区间范围;驾车方式出行时间指数在2.62~3.09min/km区间范围。
在一些可选的实施方式中,以北京市为例,还可以各个城区分区进行出行指数分析。如表6所示。
表6 2018年北京市六城区综合出行时间指数(周平均)
并依据上述表6,以时间为横坐标,以出行时间指数为纵坐标,对北京市东城区、西城区、朝阳区、海定区、丰台区、石景山区六城区的综合出行时间指数进行分析,如图8所示;从图8可以看出,东城区和西城区的出行时间指数明显高于其他各区出行时间指数。
本实施例提供的城市交通运行状态分析方法,通过采用不同出行方式的出行样本数、出行时间和出行距离,分别计算出采用不同出行方式的出行时间指数,再根据不同出行方式的出行时间指数的周转量权重,确定出城市综合出行时间指数,充分考虑城市居民的各种不同出行方式对城市交通的影响,综合对城市交通运行状态进行分析,保证了对城市交通运行状态分析的全面性,为交通运行状态的监测,出行问题的诊断和综合治理效果的评估提供了准确的依据和支持。
图9是本申请实施例提供的城市交通运行状态分析装置的示意图。
基于前述实施例,如图9所示,本实施例提供的一种城市交通运行状态分析装置90,该装置90所包括的各模块以及各模块所包括的各子模块,都可以通过服务器中的处理器来实现:当然也可通过的逻辑电路实现:在实施的过程中,处理器可以为中央处理器(Central Processing Unit,CPU)、网络处理器(Neural-network Processing Unit,NPU)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)等;该装置90包括:
获取模块91,用于获取出行样本的出行数据;出行样本为城市中采用不同出行方式出行的对象,出行数据包括采用不同出行方式的出行行程数据。
获取模块91,还用于基于每一种出行方式的出行行程数据,获取每一种出行方式的出行样本的出行时间和出行距离。
确定模块92,用于基于每一种出行方式的出行样本数、出行时间和出行距离,确定每一种出行方式的出行时间指数。
确定模块92,还用于获取每一种出行方式的周转量权重,并根据每一种出行方式的出行时间指数和周转量权重,确定综合出行时间指数。
分析模块93,用于基于综合出行时间指数分析城市交通运行状态。
在一些可选的实施方式中,确定模块92,具体用于基于每一种出行方式的出行样本数、出行时间和出行距离,按照实施例中公式(1)确定出行时间指数。
在一些可选的实施方式中,获取模块91,具体用于获取驾车方式出行的小汽车出行行程数据、地面公交方式出行的地面公交出行行程数据、地铁方式出行的地铁出行行程数据、骑行方式出行的骑行出行行程数据或步行方式出行的步行出行行程数据中的至少一种。
在一些可选的实施方式中,确定模块92,具体用于基于驾车方式出行的出行样本数、出行时间和出行距离,按照实施例中公式(1-1)确定驾车方式出行的出行时间指数。
在一些可选的实施方式中,确定模块92,具体还用于按照实施例中公式(1-2)确定地面公交方式出行的出行时间指数。
在一些可选的实施方式中,确定模块92,具体还用于按照实施例中公式(1-3)确定地铁方式出行的出行时间指数。
在一些可选的实施方式中,确定模块92,具体还用于按照实施例中公式(1-4)确定骑行方式出行的出行时间指数。
在一些可选的实施方式中,确定模块92,具体还用于按照实施例中公式(1-5)确定步行方式出行的出行时间指数。
在一些可选的实施方式中,确定模块92,还用于按照实施例中公式(2)确定综合出行时间指数。
需要说明的是,本申请实施例中,如果以软件功能模块的形式实现上述信息处理的方法,并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台服务器执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本申请实施例不限制于任何特定的硬件和软件结合。
对应地,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例提供的交通运行状态分析方法中的步骤。
本申请装置实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
这里需要指出的是:以上存储介质和设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
图10是本申请实施例提供的电子设备的示意图。
基于前述实施例,如图10所示,本申请实施例提供的一种电子设备100,包括:
储存器1001、处理器1002和通讯总线1003;其中,储存器100与处理器1001通过通讯总线1003通信连接;
储存器1001中存储有计算机可执行指令,处理器1002用于执行储存器中储存的计算机可执行指令,以实现交通运行状态分析方法中的步骤。
本申请设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请设备实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,设备和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一种数据访问方法、设备及系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者设备程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干设备的单元权利要求中,这些设备中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种城市交通运行状态分析方法,其特征在于,包括:
获取出行样本的出行数据;所述出行样本为城市中采用不同出行方式出行的对象,所述出行数据包括采用不同出行方式的出行行程数据;
基于每一种出行方式的所述出行行程数据,获取所述每一种出行方式的所述出行样本的出行时间和出行距离;
基于每一种出行方式的出行样本数、所述出行时间和所述出行距离,确定所述每一种出行方式的出行时间指数;
获取所述每一种出行方式的周转量权重,并根据所述每一种出行方式的所述出行时间指数和所述周转量权重,确定综合出行时间指数;
基于所述综合出行时间指数分析城市交通运行状态。
3.根据权利要求2所述的方法,其特征在于,所述出行数据包括:
驾车方式出行的小汽车出行行程数据、地面公交方式出行的地面公交出行行程数据、地铁方式出行的地铁出行行程数据、骑行方式出行的骑行出行行程数据或步行方式出行的步行出行行程数据中的至少一种。
4.根据权利要求3所述的方法,其特征在于,所述基于所述每一种出行方式的所述出行样本数、所述出行时间和所述出行距离,按照公式(1)确定所述出行时间指数,具体包括:
基于所述驾车方式出行的所述出行样本数、所述出行时间和所述出行距离,确定所述驾车方式出行的所述出行时间指数;
基于所述地面公交方式出行的所述出行样本数、所述出行时间和所述出行距离,确定所述地面公交方式出行的所述出行时间指数;
基于所述地铁方式出行的所述出行样本数、所述出行时间和所述出行距离,确定所述地铁方式出行的所述出行时间指数;
基于骑行方式出行的所述出行样本数、所述出行时间和所述出行距离,确定所述骑行方式出行的所述出行时间指数;
基于步行方式出行的所述出行样本数、所述出行时间和所述出行距离,确定所述步行方式出行的所述出行时间指数。
5.根据权利要求3所述的方法,其特征在于,所述小汽车出行行程数据包括点火时间、熄火时间和出行距离;所述地面公交出行行程数据包括上地面公交的上车时间、上地面公交的上车站点、下地面公交的下车时间、下地面公交的下车站点和地面公交站的站间距离;所述地铁出行行程数据包括上地铁的上车时间、上地铁的上车站点、下地铁的下车时间、下地铁的下车站点和地铁站的站间距离;所述骑行出行行程数据包括骑行开始时间、骑行结束时间和骑行距离;所述步行出行行程数据包括步行时间和步行距离。
6.根据权利要求5所述的方法,其特征在于,所述基于每一种出行方式的所述出行行程数据,获取所述每一种出行方式的所述出行样本的出行时间和出行距离,具体包括:
基于所述点火时间和所述熄火时间,确定所述驾车方式出行的所述出行样本的所述出行时间;
基于所述上地面公交的上车时间和所述下地面公交的下车时间,确定所述地面公交方式出行的所述出行样本的所述出行时间;且基于所述上地面公交的上车站点、下地面公交的下车站点和所述地面公交站的站间距离,确定所述地面公交方式出行的所述出行样本的所述出行距离;
基于所述上地铁的上车时间和所述下地铁的下车时间,确定所述地铁方式出行的所述出行样本的所述出行时间;且基于所述上地铁的上车站点、下地铁的下车站点和所述地铁站的站间距离,确定所述地铁方式出行的所述出行样本的所述出行距离;
基于所述骑行开始时间和所述骑行结束时间,确定所述骑行方式出行所述出行样本的所述出行时间。
8.一种城市交通运行状态分析装置,其特征在于,包括:
获取模块,用于获取出行样本的出行数据;所述出行样本为城市中采用不同出行方式出行的对象,所述出行数据包括采用不同出行方式的出行行程数据;
所述获取模块,还用于基于每一种出行方式的所述出行行程数据,获取所述每一种出行方式的所述出行样本的出行时间和出行距离;
确定模块,用于基于每一种出行方式的出行样本数、所述出行时间和所述出行距离,确定所述每一种出行方式的出行时间指数;
所述确定模块,还用于获取所述每一种出行方式的周转量权重,并根据所述每一种出行方式的所述出行时间指数和所述周转量权重,确定综合出行时间指数;
分析模块,用于基于所述综合出行时间指数分析城市交通运行状态。
9.一种电子设备,其特征在于,包括:
储存器、处理器和通讯总线;其中,所述储存器与所述处理器通过所述通讯总线通信连接;
所述储存器中存储有计算机可执行指令,所述处理器用于执行所述储存器中储存的计算机可执行指令,以实现权利要求1-7任一项所述的方法。
10.一种计算机可读储存介质,其特征在于,所述计算机可读储存介质中存储有计算机可执行指令,所述计算机可执行指令在被执行时,实现权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910489643.XA CN110223514B (zh) | 2019-06-06 | 2019-06-06 | 城市交通运行状态分析方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910489643.XA CN110223514B (zh) | 2019-06-06 | 2019-06-06 | 城市交通运行状态分析方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110223514A CN110223514A (zh) | 2019-09-10 |
CN110223514B true CN110223514B (zh) | 2020-05-19 |
Family
ID=67819599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910489643.XA Active CN110223514B (zh) | 2019-06-06 | 2019-06-06 | 城市交通运行状态分析方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110223514B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113919662A (zh) * | 2021-09-22 | 2022-01-11 | 北京交通发展研究院 | 一种绿色出行比例指标测算方法及装置 |
CN114708729A (zh) * | 2022-03-31 | 2022-07-05 | 北京交通发展研究院 | 一种地面公交快捷性指标的分析方法、装置及电子设备 |
CN114863684B (zh) * | 2022-06-07 | 2023-06-30 | 中国城市规划设计研究院 | 一种城市交通网络设施特征分析系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065205A (zh) * | 2012-12-26 | 2013-04-24 | 深圳先进技术研究院 | 三维智能交通枢纽客流时空分析与预测系统 |
CN104464294A (zh) * | 2014-12-17 | 2015-03-25 | 合肥革绿信息科技有限公司 | 一种基于阵列雷达的路段交通状态评价方法及装置 |
EP3143933A1 (en) * | 2015-09-15 | 2017-03-22 | BrainSigns s.r.l. | Method for estimating a mental state, in particular a workload, and related apparatus |
CN107424409A (zh) * | 2017-06-15 | 2017-12-01 | 深圳源广安智能科技有限公司 | 一种城市交通状态评价系统 |
CN109741599A (zh) * | 2018-12-28 | 2019-05-10 | 天津易华录信息技术有限公司 | 交通运行评价方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470444B (zh) * | 2018-03-21 | 2019-03-08 | 特斯联(北京)科技有限公司 | 一种基于遗传算法优化的城市区域交通大数据分析系统与方法 |
-
2019
- 2019-06-06 CN CN201910489643.XA patent/CN110223514B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065205A (zh) * | 2012-12-26 | 2013-04-24 | 深圳先进技术研究院 | 三维智能交通枢纽客流时空分析与预测系统 |
CN104464294A (zh) * | 2014-12-17 | 2015-03-25 | 合肥革绿信息科技有限公司 | 一种基于阵列雷达的路段交通状态评价方法及装置 |
EP3143933A1 (en) * | 2015-09-15 | 2017-03-22 | BrainSigns s.r.l. | Method for estimating a mental state, in particular a workload, and related apparatus |
CN107424409A (zh) * | 2017-06-15 | 2017-12-01 | 深圳源广安智能科技有限公司 | 一种城市交通状态评价系统 |
CN109741599A (zh) * | 2018-12-28 | 2019-05-10 | 天津易华录信息技术有限公司 | 交通运行评价方法 |
Non-Patent Citations (1)
Title |
---|
基于行程时间比指数的街道级交通运行特性研究;张溪;《交通工程》;20181231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110223514A (zh) | 2019-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107506864B (zh) | 一种客运巴士路线规划方法和装置 | |
CN104167092B (zh) | 一种确定出租车上下客热点区域中心的方法以及装置 | |
JP6680798B2 (ja) | 推奨サービス位置を推奨するシステム及び方法 | |
Long et al. | Evaluating the effectiveness of urban growth boundaries using human mobility and activity records | |
US11449908B2 (en) | Method and system for determining transport service fee | |
AU2019246799B2 (en) | Systems and methods for distributing a service request for an on-demand service | |
US11182871B2 (en) | System and apparatus for ridesharing | |
CN110223514B (zh) | 城市交通运行状态分析方法、装置及电子设备 | |
CN111179578A (zh) | 一种确定限制停车地点的方法及系统 | |
CN110869953A (zh) | 推荐交通出行服务的系统和方法 | |
US20190139070A1 (en) | Systems and methods for cheat examination | |
CN111915200B (zh) | 一种基于公交分担率的精细空间尺度的城市公共交通供需状态划分方法 | |
Montini et al. | Searching for parking in GPS data | |
CN111861086A (zh) | 一种资源配置方法和系统 | |
Chen et al. | The impact of rainfall on the temporal and spatial distribution of taxi passengers | |
Hu et al. | Analyses of the Imbalance of Urban Taxis’ High‐Quality Customers Based on Didi Trajectory Data | |
CN108022426B (zh) | 一种识别高峰时段内公共自行车接驳轨道交通客流的方法 | |
CN107270919B (zh) | 公交路线分级方法、装置以及公交路线导航方法、装置 | |
CN108171533B (zh) | 基于智能公交卡数据的车载广告公交线路推荐方法及装置 | |
CN102568199B (zh) | 平均乘车距离的确定方法和装置 | |
Yang | Data-driven modeling of taxi trip demand and supply in New York City | |
CN111292076A (zh) | 一种公共交通工具拥挤度确定方法、系统及装置 | |
Zhang | How do taxis work in beijing? An exploratory study of spatio-temporal taxi travel pattern using GPS data | |
US11803520B2 (en) | Database generation method, database generation device, non-transitory computer-readable recording medium recording database generation program, data analysis method, data analyzer, and non-transitory computer-readable recording medium recording data analysis program | |
US20240127387A1 (en) | Information processing apparatus, information processing method, and storage medium |
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 |