CN110288380A - 基于交通分区的租赁自行车投放量测算方法 - Google Patents
基于交通分区的租赁自行车投放量测算方法 Download PDFInfo
- Publication number
- CN110288380A CN110288380A CN201910457494.9A CN201910457494A CN110288380A CN 110288380 A CN110288380 A CN 110288380A CN 201910457494 A CN201910457494 A CN 201910457494A CN 110288380 A CN110288380 A CN 110288380A
- Authority
- CN
- China
- Prior art keywords
- traffic zone
- lease bicycle
- traffic
- lease
- bicycle
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出了一种基于交通分区的租赁自行车投放量测算方法。根据租赁自行车出行需求和租赁自行车交通设施承载力,建立基于交通分区的租赁自行车投放量测算方法。在研究区域内租赁自行车借还需求量、交通分区内租赁自行车道路网络承载力和停车设施承载力等约束下,考虑租赁自行车用户出行成本、投入车辆成本和调度工作量成本,构建基于交通分区的租赁自行车投放量的最优化数学模型并提出模型求解方法。本发明首次针对租赁自行车系统,以交通分区为单位,结合租赁自行车借还需求量和交通设施承载力,进行投放量测算模型构建,为租赁自行车投放量测算提供方法。
Description
技术领域
本发明涉及交通规划中的基础设施配置方法,具体涉及一种基于交通分区的租赁自行车投放量测算方法。
背景技术
租赁自行车包括没有固定桩位的互联网租赁自行车和有固定桩位的公共自行车,借还车不受时间和空间的限制,具有绿色、节能、环保、经济、方便等优点,与地面公交和轨道交通相互配合能够极大地提高地面公交与轨道交通的吸引力,能够帮助改善传统公共交通的“最后一公里”问题。
然而目前租赁自行车系统在运营过程中出现了供需不平衡的问题,造成无车可借、乱停乱放、占用车道等现象,租赁自行车有计划地投放是解决上述问题的关键途径。目前缺少结合出行需求和交通设施承载力对租赁自行车的投放量进行测算的方法。
发明内容
发明目的:本发明的目的在于解决现有的租赁自行车系统在运营过程中出现了供需不平衡,而又没有对租赁自行车的投放量进行测算的方法的问题。
技术方案:为解决上述问题,本发明提供以下技术方案:
基于交通分区的租赁自行车投放量测算方法,包括以下步骤:
(1)获取数据并进行交通分区划分;
(2)投放量模型假设与参数;
(3)模型目标函数构建;
(4)借还需求及其与投放量关系约束;
(5)全日保有量和调度量逻辑关系约束;
(6)出行需求与交通设施承载力关系约束;
(7)全日调度量约束;
(8)投放量测算求解。
进一步地,所述步骤(1)中交通分区划分及数据准备方法如下:
交通分区划分依据包括:
①在进行交通分区划分时,同一分区不跨越行政区划;
②在交通分区划分时,将铁路、河流等人工或天然屏障作为交通分区的边界;
③尽量将地形地貌和用地性质一致的区域划分进同一个交通分区;
获取的数据包括以交通分区为单位的全日24小时租赁自行车借车和还车需求量、以交通分区为单位的租赁自行车道路网络承载力、以交通分区为单位的租赁自行车停车设施承载力、交通分区重心之间的距离矩阵。
进一步地,所述步骤(2)中投放量模型假设与参数方法如下:
1)模型目标与模型假设
模型的主要目标是求解交通分区的租赁自行车借还需求全被满足的条件下,租赁自行车用户出行成本、投入车辆成本和调度工作量组成的综合成本最小的最优化数学模型;
模型假设为:①假设每个交通分区内的租赁自行车借还需求都于交通分区重心的质点产生和满足;②调度工作的水平无限高,完全能够满足租赁自行车在需求不平衡的交通分区之间瞬时重新分布;
2)模型参数设置
①集合
M={1,2,…,m}——交通分区集合;
K={0,1,…,k}——研究时段集合;
②常量
i——交通分区编号,i∈M;
j——交通分区编号,j∈M;
t——作为时段,指上一时刻至该时刻之间的量;
T——作为时刻,指某一时的量;
dij,i∈M,j∈M——交通分区i和交通分区j重心之间的距离,单位为m;
——t时段内,交通分区i的借车需求,单位为辆/h;
——t时段内,交通分区i的还车需求,单位为辆/h;
λ——租赁自行车车辆周转率;
c——平均每辆租赁自行车的造价成本,单位为元/辆;
p——租赁自行车的调度成本,单位为元/辆次;
α——步行距离换算为成本的换算系数,单位为元/米;
μ——企业成本与用户成本的权重比例;
③决策变量
——t时段内,交通分区j内选择交通分区i的借车需求,单位为辆/h,为自然数;——t时段内,交通分区j内选择交通分区i的还车需求,单位为辆/h,为自然数;——T时刻,交通分区i的租赁自行车保有量,单位为辆,为自然数;
——T时刻,交通分区i需要调度的租赁自行车数量,单位为辆,为正数。
Bmax——研究区域内投放量的最小建议值,即为研究区域内全日投放量最大值。
进一步地,所述步骤(3)模型目标函数构建方法如下:
其中,为整个研究区域内租赁自行车的最小投放量。
进一步地,所述步骤(4)借还需求及其与投放量关系约束方法如下:
上式约束研究区域内所有交通分区内的借车需求都被研究区域内的交通分区满足;
上式约束研究区域内所有交通分区内的还车需求都被研究区域内的交通分区满足;
上式约束交通分区内租赁自行车投放量需满足该分区内本时段内的借车需求。
进一步地,所述步骤(5)全日投放量逻辑关系约束方法如下:
上式约束各交通分区内的租赁自行车保有量和调度量在不同时刻之间的逻辑关系。进一步地,所述步骤(6)出行需求与交通设施承载力关系约束方法如下:
上式约束交通分区内租赁自行车的出行需求不超过交通分区的道路网络承载力;
上式约束交通分区内租赁自行车的停车需求不超过交通分区内的停车设施承载力。
进一步地,所述步骤(7)全日调度量约束方法如下:
上式约束当将租赁自行车调入某交通分区时,交通分区内的租赁自行车投放量受到本分区的租赁自行车停车设施承载力限制;当将租赁自行车调出某交通分区时,调出的车辆数不能超过本交通分区内时段初始时刻的租赁自行车保有量。
进一步地,所述步骤(8)投放量测算求解方法如下:
建立的模型为单目标混合整数规划问题,目标函数较为复杂,涉及到的决策变量和约束条件数量非常大,运用Matlab使用Yalmip工具箱,调用CPLEX求解;
每个时段的车辆投放量计算公式为:
其中,为第i个交通分区在第T个时刻所需的租赁自行车投放量,单位为辆。
有益效果:本发明与现有技术相比:
本发明拟解决的问题是基于交通分区的共享单车24小时的投放量,投放量以交通分区为单位,且研究重点在于共享单车的投放量,对共享单车调度工作量不予考虑,故本发明根据租赁自行车出行需求和租赁自行车交通设施承载力,建立基于交通分区的租赁自行车投放量测算方法。在研究区域内租赁自行车借还需求量、交通分区内租赁自行车道路网络承载力和停车设施承载力等约束下,考虑租赁自行车用户出行成本、投入车辆成本和调度工作量成本,构建基于交通分区的租赁自行车投放量的最优化数学模型并提出模型求解方法。本发明对于改善租赁自行车供需矛盾具有重要意义。
附图说明
图1为本发明方法的流程图;
图2为交通分区划分结果图;
图3为案例交通分区内24小时租赁自行车投放量。
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。
租赁自行车包括没有固定桩位的租赁自行车和有固定桩位的公共自行车,借还车不受时间和空间的限制,具有绿色、节能、环保、经济、方便等优点。本发明定义基于交通分区的租赁自行车投放量测算方法,为租赁自行车的其他研究提供支撑。参照图1,本发明提出的基于交通分区的租赁自行车投放量测算方法,包括以下步骤:(1)交通分区划分及数据准备;(2)投放量模型假设与参数;(3)模型目标函数构建;(4)借还需求及其与投放量关系约束;(5)全日保有量和调度量逻辑关系约束;(6)出行需求与交通设施承载力关系约束;(7)全日调度量约束;(8)投放量测算求解。以下详述具体过程。
案例
(1)交通分区划分及数据准备。
本发明实例使用的交通分区划分数据为Shapefile文件,原始坐标为WGS84坐标系。根据交通分区划分依据,将南京市主城区鼓楼、玄武、建邺、秦淮、雨花台五个行政区划分为193个交通分区,交通分区划分结果如图2所示。统计出每个行政区内划分的交通分区数量,如表1所示。
表1交通分区个数统计
以交通分区为单位的全日24小时租赁自行车借车和还车需求量、以交通分区为单位的租赁自行车道路网络承载力和以交通分区为单位的租赁自行车停车设施承载力数据均为已知数据。
交通分区重心之间的距离矩阵。在求解模型前,需要对参数dij(交通分区中心的距离矩阵)进行计算与赋值。这里利用ArcGIS软件获取dij,步骤如下:
①使用ArcGIS软件中“数据管理工具”的“要素”——“要素转点”功能,将交通分区面要素提取成点要素,并保留字段属性和内容;
②将生成的交通分区质心点要素文件图层导出,复制一个相同的图层;
③使用ArcGIS软件中“分析工具”的“领域分析”——“点距离”功能,计算交通分区质心之间的距离,形成交通分区重心的距离矩阵。
(2)投放量模型假设与参数。
1)模型目标与模型假设
模型需要解决的问题是:每个交通分区各时段需投入多少租赁自行车数量。模型的主要目标是求解交通分区的租赁自行车借还需求全被满足的条件下,租赁自行车用户出行成本、投入车辆成本和调度工作量组成的综合成本最小的最优化数学模型。本研究拟解决的问题是基于交通分区的租赁自行车24小时的投放量,投放量以交通分区为单位,且研究重点在于租赁自行车的投放量,对租赁自行车调度工作量不予考虑。因此,对模型作出如下假设:①假设每个交通分区内的租赁自行车借还需求都于交通分区重心的质点产生和满足;②调度工作的水平无限高,完全能够满足租赁自行车在需求不平衡的交通分区之间瞬时重新分布。
2)模型参数设置
①集合
M={1,2,…,m}——交通分区集合;
K={0,1,…,k}——研究时段集合;
②常量
i——交通分区编号,i∈M;
j——交通分区编号,j∈M;
t——作为时段,指上一时刻至该时刻之间的量;
T——作为时刻,指某一时的量;
dij,i∈M,j∈M——交通分区i和交通分区j重心之间的距离,m;
——t时段内,交通分区i的借车需求,辆/h;
——t时段内,交通分区i的还车需求,辆/h;
λ——租赁自行车车辆周转率;
c——平均每辆租赁自行车的造价成本,元/辆;
p——租赁自行车的调度成本,元/辆次;
α——步行距离换算为成本的换算系数,元/米;
μ——企业成本与用户成本的权重比例;
③决策变量
——t时段内,交通分区j内选择交通分区i的借车需求,辆/h,为自然数;
——t时段内,交通分区j内选择交通分区i的还车需求,辆/h,为自然数;
——T时刻,交通分区i的租赁自行车保有量,辆,为自然数;
——T时刻,交通分区i需要调度的租赁自行车数量,辆,为正数。
Bmax——研究区域内投放量的最小建议值,即为研究区域内全日投放量最大值。
对模型中利用到的参数进行赋值,如表2所示。
表2模型参数赋值
模型输入的常数有:1)dij:为m×m的矩阵;2)j∈M,t∈K:为k个1×m的向量;3)j∈M,t∈K:为k个1×m的向量;4)i∈M:为1×m的向量;5)i∈M:为1×m的向量。
模型输出的决策变量有:1)为k个m×m的矩阵;2)为k个m×m的矩阵;3)为k个1×m的向量;4)为k个1×m的向量。
3)模型目标函数构建:
式中各参数如前文所述。此式为目标函数。优化目标包括租赁自行车用户出行成本最小,包括租赁自行车用户的借车步行距离和还车步行距离。投入车辆成本即为研究区域内租赁自行车全日最大投放量,调度工作量即为研究区域内全天需要调度的租赁自行车车辆数。其中,为在所有的研究时段内,研究区域内租赁自行车保有量的最大值,即为整个研究区域内租赁自行车的最小投放量。
4)借还需求及其与投放量关系约束:
上式约束研究区域内所有交通分区内的借车需求都被研究区域内的交通分区满足。
上式约束研究区域内所有交通分区内的还车需求都被研究区域内的交通分区满足。
上式约束交通分区内租赁自行车投放量需满足该分区内本时段内的借车需求。
5)全日保有量和调度量逻辑关系约束:
上式约束各交通分区内的租赁自行车保有量和调度量在不同时刻之间的逻辑关系。
6)出行需求与交通设施承载力关系约束:
上式约束交通分区内租赁自行车的出行需求不超过交通分区的道路网络承载力。
上式约束交通分区内租赁自行车的停车需求不超过交通分区内的停车设施承载力。
7)全日调度量约束:
上式约束当将租赁自行车调入某交通分区时,交通分区内的租赁自行车投放量受到本分区的租赁自行车停车设施承载力限制;当将租赁自行车调出某交通分区时,调出的车辆数不能超过本交通分区内时段初始时刻的租赁自行车保有量。
8)全日调度量约束:
上式约束当将租赁自行车调入某交通分区时,交通分区内的租赁自行车投放量受到本分区的租赁自行车停车设施承载力限制;当将租赁自行车调出某交通分区时,调出的车辆数不能超过本交通分区内时段初始时刻的租赁自行车保有量。
本发明建立的模型为单目标混合整数规划问题,目标函数较为复杂,涉及到的决策变量和约束条件数量非常大,本发明运用Matlab使用Yalmip工具箱,调用CPLEX求解。
最后得到每个时段的车辆投放量计算公式为:
其中,为第i个交通分区在第T个时刻所需的租赁自行车投放量,辆。
计算得出研究区域内全天各时段的初始车辆保有量、所需的租赁自行车车辆总调度辆和计算得出的车辆投放总量,如表2所示。工作日全天所需累计车辆调度量为310645辆,车辆累计投放量为629167辆。
表2研究区域内24小时投放量
同时能够得到各交通分区内24个小时内所需的投放量,以48号交通分区为例,图3为该交通分区24小时的投放量。
Claims (9)
1.基于交通分区的租赁自行车投放量测算方法,其特征在于,包括以下步骤:
(1)获取数据并进行交通分区划分;
(2)投放量模型假设与参数;
(3)模型目标函数构建;
(4)借还需求及其与投放量关系约束;
(5)全日保有量和调度量逻辑关系约束;
(6)出行需求与交通设施承载力关系约束;
(7)全日调度量约束;
(8)投放量测算求解。
2.根据权利要求1所述的基于交通分区的租赁自行车投放量测算方法,其特征在于,所述步骤(1)中交通分区划分及数据准备方法如下:
交通分区划分依据包括:
①在进行交通分区划分时,同一分区不跨越行政区划;
②在交通分区划分时,将铁路、河流等人工或天然屏障作为交通分区的边界;
③尽量将地形地貌和用地性质一致的区域划分进同一个交通分区;
获取的数据包括以交通分区为单位的全日24小时租赁自行车借车和还车需求量、以交通分区为单位的租赁自行车道路网络承载力、以交通分区为单位的租赁自行车停车设施承载力、交通分区重心之间的距离矩阵。
3.根据权利要求1所述的基于交通分区的租赁自行车投放量测算方法,其特征在于,所述步骤(2)中投放量模型假设与参数方法如下:
1)模型目标与模型假设
模型的主要目标是求解交通分区的租赁自行车借还需求全被满足的条件下,租赁自行车用户出行成本、投入车辆成本和调度工作量组成的综合成本最小的最优化数学模型;
模型假设为:①假设每个交通分区内的租赁自行车借还需求都于交通分区重心的质点产生和满足;②调度工作的水平无限高,完全能够满足租赁自行车在需求不平衡的交通分区之间瞬时重新分布;
2)模型参数设置
①集合
M={1,2,…,m}——交通分区集合;
K={0,1,…,k}——研究时段集合;
②常量
i——交通分区编号,i∈M;
j——交通分区编号,j∈M;
t——作为时段,指上一时刻至该时刻之间的量;
T——作为时刻,指某一时的量;
dij,i∈M,j∈M——交通分区i和交通分区j重心之间的距离,单位为m;
——t时段内,交通分区i的借车需求,单位为辆/h;
——t时段内,交通分区i的还车需求,单位为辆/h;
λ——租赁自行车车辆周转率;
c——平均每辆租赁自行车的造价成本,单位为元/辆;
p——租赁自行车的调度成本,单位为元/辆次;
α——步行距离换算为成本的换算系数,单位为元/米;
μ——企业成本与用户成本的权重比例;
③决策变量
——t时段内,交通分区j内选择交通分区i的借车需求,单位为辆/h,为自然数;
——t时段内,交通分区j内选择交通分区i的还车需求,单位为辆/h,为自然数;
——T时刻,交通分区i的租赁自行车保有量,单位为辆,为自然数;
——T时刻,交通分区i需要调度的租赁自行车数量,单位为辆,为正数;
Bmax——研究区域内投放量的最小建议值,即为研究区域内全日投放量最大值。
4.根据权利要求1所述的基于交通分区的租赁自行车投放量测算方法,其特征在于,所述步骤(3)模型目标函数构建方法如下:
其中,为整个研究区域内租赁自行车的最小投放量。
5.根据权利要求1所述的基于交通分区的租赁自行车投放量测算方法,其特征在于,所述步骤(4)借还需求及其与投放量关系约束方法如下:
上式约束研究区域内所有交通分区内的借车需求都被研究区域内的交通分区满足;
上式约束研究区域内所有交通分区内的还车需求都被研究区域内的交通分区满足;
上式约束交通分区内租赁自行车投放量需满足该分区内本时段内的借车需求。
6.根据权利要求1所述的基于交通分区的租赁自行车投放量测算方法,其特征在于,所述步骤(5)全日投放量逻辑关系约束方法如下:
上式约束各交通分区内的租赁自行车保有量和调度量在不同时刻之间的逻辑关系。
7.根据权利要求1所述的基于交通分区的租赁自行车投放量测算方法,其特征在于,所述步骤(6)出行需求与交通设施承载力关系约束方法如下:
上式约束交通分区内租赁自行车的出行需求不超过交通分区的道路网络承载力;
上式约束交通分区内租赁自行车的停车需求不超过交通分区内的停车设施承载力。
8.根据权利要求1所述的基于交通分区的租赁自行车投放量测算方法,其特征在于,所述步骤(7)全日调度量约束方法如下:
上式约束当将租赁自行车调入某交通分区时,交通分区内的租赁自行车投放量受到本分区的租赁自行车停车设施承载力限制;当将租赁自行车调出某交通分区时,调出的车辆数不能超过本交通分区内时段初始时刻的租赁自行车保有量。
9.根据权利要求1所述的基于交通分区的租赁自行车投放量测算方法,其特征在于,所述步骤(8)投放量测算求解方法如下:
建立的模型为单目标混合整数规划问题,目标函数较为复杂,涉及到的决策变量和约束条件数量非常大,运用Matlab使用Yalmip工具箱,调用CPLEX求解;
每个时段的车辆投放量计算公式为:
其中,Vi T为第i个交通分区在第T个时刻所需的租赁自行车投放量,单位为辆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910457494.9A CN110288380B (zh) | 2019-05-29 | 2019-05-29 | 基于交通分区的租赁自行车投放量测算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910457494.9A CN110288380B (zh) | 2019-05-29 | 2019-05-29 | 基于交通分区的租赁自行车投放量测算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110288380A true CN110288380A (zh) | 2019-09-27 |
CN110288380B CN110288380B (zh) | 2023-03-24 |
Family
ID=68002874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910457494.9A Active CN110288380B (zh) | 2019-05-29 | 2019-05-29 | 基于交通分区的租赁自行车投放量测算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110288380B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111984924A (zh) * | 2020-07-07 | 2020-11-24 | 东南大学 | 一种评估公共自行车租赁政策对区域自行车安全影响的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416515A (zh) * | 2018-02-26 | 2018-08-17 | 武汉理工大学 | 共享单车停放装置投放量测算方法 |
CN108596727A (zh) * | 2018-04-26 | 2018-09-28 | 重庆邮电大学 | 一种共享单车的管理与决策方法 |
CN109190813A (zh) * | 2018-08-22 | 2019-01-11 | 华南理工大学 | 一种基于双层规划的共享自行车区域投放规划方法 |
-
2019
- 2019-05-29 CN CN201910457494.9A patent/CN110288380B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416515A (zh) * | 2018-02-26 | 2018-08-17 | 武汉理工大学 | 共享单车停放装置投放量测算方法 |
CN108596727A (zh) * | 2018-04-26 | 2018-09-28 | 重庆邮电大学 | 一种共享单车的管理与决策方法 |
CN109190813A (zh) * | 2018-08-22 | 2019-01-11 | 华南理工大学 | 一种基于双层规划的共享自行车区域投放规划方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111984924A (zh) * | 2020-07-07 | 2020-11-24 | 东南大学 | 一种评估公共自行车租赁政策对区域自行车安全影响的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110288380B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109711630A (zh) | 一种基于出行概率矩阵的电动汽车快充站选址定容方法 | |
CN102880921B (zh) | 一种电动汽车充电站选址优化方法 | |
CN103177395B (zh) | 一种基于社会期望的智能配电网节能减排综合评价方法 | |
CN107886186A (zh) | 一种基于行车数据及维诺图划分区域的充电桩设置方法 | |
CN107169273A (zh) | 计及延时和v2g充电模式的电动汽车充电功率预测方法 | |
CN104636828A (zh) | 基于马尔科夫链的公共自行车站点供需预测方法 | |
Zhang et al. | Multi-objective hydro-thermal-wind coordination scheduling integrated with large-scale electric vehicles using IMOPSO | |
CN103077282A (zh) | 一种基于基元组合与多层次语义约束的高速铁路场景快速建模方法 | |
CN108805321A (zh) | 一种电动汽车充电站规划方法 | |
CN106651059A (zh) | 一种电动汽车充电站优化配置的方法 | |
CN110288212A (zh) | 基于改进的mopso的电动出租车新建充电站选址方法 | |
CN104933490A (zh) | 一种考虑社会车辆的土石坝工程的土石方调配优化方法 | |
CN107067136A (zh) | 电动汽车充电分配方法及装置 | |
CN108805322A (zh) | 一种私家车的充电负荷时空分布预测方法 | |
CN106159360B (zh) | 一种基于移动充电器模式的电动汽车充电方法 | |
CN110232219A (zh) | 一种基于数据挖掘的电动汽车可调度容量核定方法 | |
Zhou et al. | Research on resource allocation optimization of smart city based on big data | |
CN116205423A (zh) | 一种基于粒子群算法的垃圾收运车辆路径多目标优化方法 | |
CN106130110B (zh) | 基于分层概率选择出行地的电动出租车充电站定容方法 | |
CN110288380A (zh) | 基于交通分区的租赁自行车投放量测算方法 | |
CN109389310B (zh) | 基于蒙特卡洛模拟的电动汽车充电设施成熟度评价方法 | |
Stanilov | Bridging the gap between urban morphology and urban modelling K. Stanilov | |
CN106547977A (zh) | 一种基于层次分析法的IFC与CityGML一对一语义映射方法 | |
CN105976053A (zh) | 基于全生命周期的电动汽车充换电站布局方法和系统 | |
CN113762588A (zh) | 以城市路网为主体的充电基础设施配置方法 |
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 |