CN110298516B - 一种基于客流od数据的拆分过长公交线路的方法、装置、移动端设备及服务器 - Google Patents
一种基于客流od数据的拆分过长公交线路的方法、装置、移动端设备及服务器 Download PDFInfo
- Publication number
- CN110298516B CN110298516B CN201910599167.7A CN201910599167A CN110298516B CN 110298516 B CN110298516 B CN 110298516B CN 201910599167 A CN201910599167 A CN 201910599167A CN 110298516 B CN110298516 B CN 110298516B
- Authority
- CN
- China
- Prior art keywords
- passenger flow
- line
- station
- data
- overlong
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 abstract description 5
- 238000011002 quantification Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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"
- 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
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (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)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于客流OD数据的拆分过长公交线路的方法,包括如下步骤:步骤1,采集各个公交线路轨迹点坐标,站点坐标;步骤2:获取客流数据和客流OD数据;步骤3:对客流数据站点匹配;步骤4,汇总得出线路日均总客流量、站台日均总客流量、线路的路准时间、乘客平均乘车站数;步骤5,确定需要拆分的过长线路;步骤6,确定其待拆分站点;步骤7,输出结果。本发明通过量化界定过长线路标准,为筛选过长线路提供依据,以客观的OD数据作为线路拆分的依据,提高了线路拆分的科学性、可靠性、实用性,减少了驾驶员连续工作时间、提高了公交车辆的准点率,很大程度上提高乘客出行满意度。
Description
技术领域
本发明涉及智能公共交通领域中的公交客流统计分析和公交线网规划领域,具体涉及一种基于客流OD数据的拆分过长公交线路的方法、装置、移动端设备及服务器。
背景技术
随着公共交通的运载压力不断增大,城市公交线路规划过程中产生了许多运营里程过长的公交线路,公交线路过长必然带来驾驶员驾驶时间过长、公交公司运营管理难度增加、车辆准点率下降等一系列问题,不断加剧了公交运行时间与乘客公交出行期望时间的供需矛盾;因此通过科学的方法对运营里程过长的公交线路进行拆分成为了亟待解决的问题;目前对于运营里程过长的公交线路的拆分还缺少科学合理可靠的方法,对于如何界定过长公交线路,线路是否可以拆分缺少可量化判断标准;凭借人为经验简单粗暴的拆分线路会带来换乘次数的增加,不仅增加了出行成本,也会增加时间成本不利于公交的正常运营。
发明内容
为了克服现有技术的不足,本发明的目的在于提供一种基于客流OD数据的拆分过长公交线路的方法,该方法减少了驾驶员连续工作时间、提高了公交车辆的准点率,很大程度上提高乘客出行满意度。
为达到上述目的,本发明是通过以下的技术方案来实现的:
步骤1,采集各个公交线路轨迹点坐标,站点坐标,计算线路长度,线路总站点数stationNum;
步骤2:获取客流数据和客流OD数据,所述客流数据包括乘客上下车时的GPS点信息、停站时间、上下车客流人数,所述客流OD数据为通过图像识别技术把同一人在两个GPS点或两个站点的上、下车图像关联起来,从而关联出乘客上、下车时所属的两条客流数据;
步骤3:对客流数据和客流OD数据进行站点匹配;
步骤4,根据经过站点匹配的客流数据和客流OD数据,分别汇总得出线路日均总客流量、站台日均总客流量、线路的路准时间、乘客平均乘车站数;
步骤5,根据线路长度、线路路准时间、乘客平均乘车站数的阈值条件确定需要拆分的过长线路;
步骤6,对步骤5得到的确定需要拆分的过长线路,根据站点位置、站台日均总客流量情况确定其待拆分站点;
步骤7,输出需要拆分的过长线路,及其待拆分站点,优选的,并对其进行人工判断,最终决定该公交线路是否拆分。
优选的,步骤3中所述对客流数据和客流OD数据进行站点匹配,其匹配方法为:
(1)先根据GPS位置对客流数据匹配站点;若GPS漂移或丢失则根据时间和前后可用GPS点推断站点;
(2)根据客流OD数据中某辆车某个时间某个门第某位上客和下客的信息与客流数据中某辆车某个时间某个门的站点位置做匹配。
优选的,步骤4的所述的线路日均总客流量、站台日均总客流量、线路的路准时间、乘客平均乘车站数的具体计算过程如下:
(1)计算线路日均总客流量:对终端采集的车辆从始发站到终点站过程中每次开关门的上客数量cntUp求和,计算各个线路的日均总客流量:每个班次的客流总量(N为总开关门次数),则当天该线路总客流量(M为当天班次数),取各个线路在数天(优选一个月)内flowNum的平均值即为线路日均总客流量;
(2)计算站台日均总客流量:根据每个站台的上客数量cntUp、下客数量cntDown计算出每个站台的客流量cntInsidePerSch,即每个站台的客流通过量,也是经过每个站台时的车内人数,若计算线路第J个站台的客流量,则(M为当天班次数),取各个线路在数天(优选一个月)内cntInside的平均值即为站台的日均总客流量;
(3)计算线路的路准时间:根据终端采集的各个班次车辆的首次开门时间openTime和最后关门时间closeTime匹配线路首末站的GPS坐标从而计算出每条线路各个班次的路准时间realRunTime=closeTime-openTime(单位:分钟);统计一个月内的每条线路各个班次的平均路准时间avgRealRunTime以及最大的路准时间maxRealRunTime;
(4)计算乘客平均乘车站数:根据客流OD数据得出的各个乘客的乘坐站数,计算每条线路在数天(优选一个月)内乘客平均乘坐站数avgStationSpacing。
优选的,步骤5所述的确定需要拆分的过长线路,具体如下:
步骤51,判断线路长度是否大于阈值L,若线路长度大于阈值L,则该线路为可能需要拆分的过长线路,进入步骤52;其中阈值L∈[15公里,25公里];
步骤52,判断线路的平均路准时间是否大于阈值T,且线路的最大路准时间是否大于阈值Tmax,若是,则该线路为需要拆分的过长线路。
优选的,步骤6所述的确定其待拆分站点具体为确定中间站点集合,进而确定备选拆分站点集合,最后确定待拆分站点:
定义中间站点集合,取K=INT(stationNum/3),则第K+1~2K站点为中间站点集合,根据中间站点的站台日均总客流量是否小于阈值A和或站台日均总客流量占线路日均总客流量的比例是否小于阈值B,从而获得备选拆分站点集合,若备选拆分站点有多个,则取其中站台日均总客流量最小的站点为待拆分站点;所述阈值A∈[200,600],阈值B∈[8%,20%]。
优选的,步骤6所述的确定备选拆分站点集合后,根据所述备选拆分站点和公交场站的距离确定待拆分站点
若备选拆分站点的GPS位置与已存在公交场站的最短行驶距离小于阈值C,则此备选拆分站点为待拆分站点,若待拆分站点为多个,则取其中站台日均总客流量最小的站点为待拆分站点,所述阈值C∈[1公里,2公里]。
基于相同的技术构思,本发明还包括一种基于客流OD数据的拆分过长公交线路的装置,该装置包括获取单元、处理单元、第一确定单元、第二确认单元、输出单元,上述单元依次电连接;
所述获取单元用于执行一种基于客流OD数据的拆分过长公交线路的方法的步骤1和步骤2的步骤;
所述处理单元用于执行一种基于客流OD数据的拆分过长公交线路的方法的步骤3和步骤4的步骤;
所述第一确定单元用于执行一种基于客流OD数据的拆分过长公交线路的方法的步骤5的步骤;
所述第二确认单元用于执行一种基于客流OD数据的拆分过长公交线路的方法的步骤6的步骤;
所述输出单元用于执行一种基于客流OD数据的拆分过长公交线路的方法的步骤7的步骤;
本发明还包括一种移动端设备,该设备包含一种基于客流OD数据的拆分过长公交线路的装置。
本发明还包括一种服务器,该服务器包含一种基于客流OD数据的拆分过长公交线路的装置。
与现有技术相比,本发明具有如下有益效果:
通过量化界定过长线路标准,为筛选过长线路提供依据,以客观的OD数据作为线路拆分的依据,提高了线路拆分的科学性、可靠性、实用性,减少了驾驶员连续工作时间、提高了公交车辆的准点率,在减少运营成本的同时兼顾了乘客出行成本,时间成本。
具体实施方式
为了阐明本发明的技术方案和工作原理,下面通过具体实施例对本发明做详细的介绍。目的是使得本领域的技术人员对本发明的构思、技术方案有更完整、准确和深入的理解。需要注意的是,关于乡镇线路、旅游线路不属于本发明所述的过长线路的范畴。
一种基于客流OD数据的拆分过长公交线路的方法主要包括以下步骤:
步骤1,采集各个公交线路轨迹点坐标,站点坐标,计算线路长度,线路总站点数stationNum;
步骤2:获取客流数据和客流OD数据,所述客流数据包括乘客上下车时的GPS点信息、停站时间、上下车客流人数,所述客流OD数据为通过图像识别技术把同一人在两个GPS点或两个站点的上、下车图像关联起来,从而关联出乘客上、下车时所属的两条客流数据;
步骤3:对客流数据和客流OD数据进行站点匹配,匹配优先级为:
(1)根据GPS位置对客流数据匹配站点;
(2)若GPS漂移或丢失则根据时间和前后可用GPS点推断站点;
(3)根据客流OD数据中某辆车某个时间某个门第某位上客和下客的信息与客流数据中某辆车某个时间某个门的站点位置做匹配;
步骤4,根据经过站点匹配的客流数据和客流OD数据,分别汇总得出线路日均总客流量、站台日均总客流量、线路的路准时间、乘客平均乘车站数,具体计算过程如下:
(1)计算线路日均总客流量:对终端采集的车辆从始发站到终点站过程中每次开关门的上客数量cntUp求和,计算各个线路的日均总客流量:每个班次的客流总量(N为总开关门次数),则当天该线路总客流量(M为当天班次数),取各个线路在数天(优选一个月)内flowNum的平均值即为线路日均总客流量;
(2)计算站台日均总客流量:根据每个站台的上客数量cntUp、下客数量cntDown计算出每个站台的客流量cntInsidePerSch,即每个站台的客流通过量,也是经过每个站台时的车内人数,若计算线路第J个站台的客流量,则(M为当天班次数),取各个线路在数天(优选一个月)内cntInside的平均值即为站台的日均总客流量;
(3)计算线路的路准时间:根据终端采集的各个班次车辆的首次开门时间openTime和最后关门时间closeTime匹配线路首末站的GPS坐标从而计算出每条线路各个班次的路准时间realRunTime=closeTime-openTime(单位:分钟);统计一个月内的每条线路各个班次的平均路准时间avgRealRunTime以及最大的路准时间maxRealRunTime;
(4)计算乘客平均乘车站数:根据客流OD数据得出的各个乘客的乘坐站数,计算每条线路在数天(优选一个月)内乘客平均乘坐站数avgStationSpacing;
步骤5,根据线路长度、线路路准时间、乘客平均乘车站数的阈值条件确定需要拆分的过长线路,具体如下:
(1)定义过长线路的线路长度阈值
我们一般认为公交线路长度最长不宜超过25公里,15公里以内对于乘客和驾驶员体验最好,则线路长度阈值范围∈[15公里,25公里],定义过长线路的具体范围需要根据各个城市实际道路情况以及交通情况而定。以镇江公交为例,筛选distance>18公里的公交线路,为可能需要拆分的过长线路;
(2)定义路准时间的阈值
公交驾驶员一个班次驾驶时间不宜超过50分钟,否则容易造成疲劳驾驶。考虑到具体的排班情况以及各个城市的交通状况,驾驶员每趟班次的驾驶时间最长也不应超过70分钟,则平均路准时间阈值∈[50min,70min],最大路准时间阈值∈[55min,80min];具体区间范围视各个城市的交通状况而定,以镇江公交为例,筛选实际平均路准时间avgRealRunTime>50min,实际最大路准时间maxRealRunTime>55min的公交线路,为可能需要拆分的过长线路;
(3)定义乘客平均乘坐站数阈值
根据各个城市实际道路情况以及交通情况定义乘客平均乘坐站数区间,以镇江公交为例定义区间为avgStationSpacing<(stationNum-1)/2,筛选符合条件的线路为可能需要拆分的过长线路;
步骤6,对步骤5得到的确定需要拆分的过长线路,根据站点位置、站台日均总客流量情况确定其待拆分站点
步骤61,确定备选拆分站点集合:
定义中间站点集合,取K=stationNum/3(向上取整),则第K+1~2K站点为中间站点集合。根据各个城市实际道路情况以及交通情况定义可拆分的过长线路的客流区间;用于拆分的中间站台日均总客流量阈值∈[200,600],用于拆分的中间站台日均总客流量占线路日均总客流量的比例阈值∈[8%,20%],中间站点客流量根据各个城市实际道路情况以及交通情况的不同进行阈值的选择,以镇江公交为例判断中间站点客流量是否满足cntInside<flowNum*10%,是否满足cntInside<300人。若满足以上条件则将该站点加入可拆分线路的备选拆分站点集合。
步骤62,根据所述备选拆分站点和公交场站的距离确定待拆分站点
根据可拆分线路的备选拆分站点集合中各站点GPS坐标计算其距离已存在公交场站的最短行驶距离parkDistance。根据各个城市实际道路情况以及交通情况定义拆分站点距离公交场站的最大距离阈值∈[1公里,2公里];以镇江公交为例,筛选出parkDistance<1公里时中间站点,若存在多个满足条件的公交站点,选取其中客流量cntInside最小的站点为拆分线路的站点;若不存在满足条件的公交站点,则选取集合中客流量cntInside最小的站点为拆分站点并提示需要优化公交场站。
步骤7,输出需要拆分的过长线路,及其待拆分站点,优选的,并对其进行人工判断,最终决定该公交线路是否拆分。
以上对本发明进行了示例性描述,显然,本发明具体实现并不受上述方式的限制,凡是采用了本发明的方法构思和技术方案进行的各种非实质性的改进;或者未经改进、等同替换,将本发明的上述构思和技术方案直接应用于其他场合的,均在本发明的保护范围之内。
Claims (11)
1.一种基于客流OD数据的拆分过长公交线路的方法,其特征在于,包含如下步骤:
步骤1,采集各个公交线路轨迹点坐标,站点坐标,计算线路长度,线路总站点数stationNum;
步骤2:获取客流数据和客流OD数据
所述客流数据包括乘客上下车时的GPS点信息、停站时间、上下车客流人数,所述客流OD数据为通过图像识别技术把同一人在两个GPS点或两个站点的上、下车图像关联起来,从而关联出乘客上、下车时所属的两条客流数据;
步骤3:对客流数据和客流OD数据进行站点匹配;
步骤4,根据经过站点匹配的客流数据和客流OD数据,分别汇总得出线路日均总客流量、站台日均总客流量、线路的路准时间、乘客平均乘车站数;
步骤5,根据线路长度、线路路准时间、乘客平均乘车站数的阈值条件确定需要拆分的过长线路;
步骤6,对步骤5得到的确定需要拆分的过长线路,根据站点位置、站台日均总客流量情况确定其待拆分站点;
步骤7,输出需要拆分的过长线路,及其待拆分站点。
2.根据权利要求1所述的一种基于客流OD数据的拆分过长公交线路的方法,其特征在于,步骤3中所述对客流数据和客流OD数据进行站点匹配,其匹配方法为:
(1)先根据GPS位置对客流数据匹配站点;若GPS漂移或丢失则根据时间和前后可用GPS点推断站点;
(2)根据客流OD数据中某辆车某个时间某个门第某位上客和下客的信息与客流数据中某辆车某个时间某个门的站点位置做匹配。
3.根据权利要求2所述的一种基于客流OD数据的拆分过长公交线路的方法,其特征在于,步骤4的所述的线路日均总客流量、站台日均总客流量、线路的路准时间、乘客平均乘车站数的具体计算过程如下:
(1)计算线路日均总客流量:对终端采集的车辆从始发站到终点站过程中每次开关门的上客数量cntUp求和,计算各个线路的日均总客流量:每个班次的客流总量N为总开关门次数,则当天该线路总客流量M为当天班次数,取各个线路在数天内flowNum的平均值即为线路日均总客流量;
(2)计算站台日均总客流量:根据每个站台的上客数量cntUp、下客数量cntDown计算出每个站台的客流量cntInsidePerSch,即每个站台的客流通过量,也是经过每个站台时的车内人数,若计算线路第J个站台的客流量,则M为当天班次数,cntInside为站台一天总客流量,取各个线路在数天内cntInside的平均值即为站台的日均总客流量;
(3)计算线路的路准时间:根据终端采集的各个班次车辆的首次开门时间openTime和最后关门时间closeTime匹配线路首末站的GPS坐标从而计算出每条线路各个班次的路准时间realRunTime=closeTime-openTime(单位:分钟);统计一个月内的每条线路各个班次的平均路准时间avgRealRunTime以及最大的路准时间maxRealRunTime;
(4)计算乘客平均乘车站数:根据客流OD数据得出的各个乘客的乘坐站数,计算每条线路在数天内乘客平均乘坐站数avgStationSpacing。
4.根据权利要求3所述的一种基于客流OD数据的拆分过长公交线路的方法,其特征在于,
所述取各个线路在数天内flowNum的平均值即为线路日均总客流量,具体为:各个线路在一个月内flowNum的平均值即为线路日均总客流量;
取各个线路在数天内cntInside的平均值即为站台的日均总客流量,具体为:取各个线路在一个月内cntInside的平均值即为站台的日均总客流量;
计算每条线路在数天内乘客平均乘坐站数,具体为:计算每条线路在一个月内乘客平均乘坐站数。
5.根据权利要求3所述的一种基于客流OD数据的拆分过长公交线路的方法,其特征在于,步骤5所述的确定需要拆分的过长线路,具体如下:
步骤51,判断线路长度是否大于阈值L,其中阈值L∈[15公里,25公里],若线路长度大于阈值L,则该线路为可能需要拆分的过长线路,进入步骤52;
步骤52,判断线路的平均路准时间是否大于阈值T,且线路的最大路准时间是否大于阈值Tmax,若是,则该线路为需要拆分的过长线路。
7.根据权利要求3-6任一项所述的一种基于客流OD数据的拆分过长公交线路的方法,其特征在于,步骤6所述的确定其待拆分站点具体为确定中间站点集合,进而确定备选拆分站点集合,最后确定待拆分站点:
定义中间站点集合,取K=INT(stationNum/3),则第K+1~2K站点为中间站点集合,根据中间站点的站台日均总客流量是否小于阈值A和或站台日均总客流量占线路日均总客流量的比例是否小于阈值B,从而获得备选拆分站点集合;若备选拆分站点有多个,则取其中站台日均总客流量最小的站点为待拆分站点;所述阈值A∈[200,600],阈值B∈[8%,20%]。
8.根据权利要求7所述的一种基于客流OD数据的拆分过长公交线路的方法,其特征在于,所述的确定备选拆分站点集合后,根据所述备选拆分站点和公交场站的距离确定待拆分站点:
若备选拆分站点的GPS位置与已存在公交场站的最短行驶距离小于阈值C,则此备选拆分站点为待拆分站点,若待拆分站点为多个,则取其中站台日均总客流量最小的站点为待拆分站点,所述阈值C∈[1公里,2公里]。
9.一种基于客流OD数据的拆分过长公交线路的装置,其特征在于,该装置包括获取单元、处理单元、第一确定单元、第二确认单元、输出单元,上述单元依次电连接;
所述获取单元用于执行权利要求1-8任一项所述的一种基于客流OD数据的拆分过长公交线路的方法的步骤1和步骤2的步骤;
所述处理单元用于执行权利要求1-8任一项所述的一种基于客流OD数据的拆分过长公交线路的方法的步骤3和步骤4的步骤;
所述第一确定单元用于执行权利要求1-8任一项所述的一种基于客流OD数据的拆分过长公交线路的方法的步骤5的步骤;
所述第二确认单元用于执行权利要求1-8任一项所述的一种基于客流OD数据的拆分过长公交线路的方法的步骤6的步骤;
所述输出单元用于执行权利要求1-8任一项所述的一种基于客流OD数据的拆分过长公交线路的方法的步骤7的步骤。
10.一种移动端设备,其特征在于,包含权利要求9所述的一种基于客流OD数据的拆分过长公交线路的装置。
11.一种服务器,其特征在于,包含权利要求9所述的一种基于客流OD数据的拆分过长公交线路的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910599167.7A CN110298516B (zh) | 2019-07-04 | 2019-07-04 | 一种基于客流od数据的拆分过长公交线路的方法、装置、移动端设备及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910599167.7A CN110298516B (zh) | 2019-07-04 | 2019-07-04 | 一种基于客流od数据的拆分过长公交线路的方法、装置、移动端设备及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110298516A CN110298516A (zh) | 2019-10-01 |
CN110298516B true CN110298516B (zh) | 2020-06-16 |
Family
ID=68030236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910599167.7A Active CN110298516B (zh) | 2019-07-04 | 2019-07-04 | 一种基于客流od数据的拆分过长公交线路的方法、装置、移动端设备及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110298516B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112288122B (zh) * | 2019-11-28 | 2024-02-27 | 南京行者易智能交通科技有限公司 | 一种基于客流od大数据的公交快速通勤线路设计方法 |
CN111598347B (zh) * | 2020-05-20 | 2024-02-09 | 上海评驾科技有限公司 | 一种道路运输车辆超长行程切分优化方法 |
CN112017209B (zh) * | 2020-09-07 | 2024-05-31 | 图普科技(广州)有限公司 | 一种区域人群轨迹确定方法及装置 |
CN112365050B (zh) * | 2020-11-10 | 2023-04-07 | 郑州天迈科技股份有限公司 | 基于部分客流比例评价指标的线网撤销、截短及拆分方法 |
CN112383145B (zh) * | 2020-11-12 | 2022-09-02 | 山东鲁软数字科技有限公司 | 一种改善配电环网图成图效果的线路拆分方法及系统 |
CN114691708B (zh) * | 2020-12-31 | 2023-05-23 | 南京行者易智能交通科技有限公司 | 一种基于客流od明细的可视化方法与装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102097002A (zh) * | 2010-11-22 | 2011-06-15 | 东南大学 | 一种基于ic卡数据获取公交站点od的方法及系统 |
CN103473606A (zh) * | 2013-08-27 | 2013-12-25 | 浙江工业大学 | 基于gis的最大最短路径长度的公交网络整体换乘性能优化方法 |
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 |
CN108961804A (zh) * | 2018-06-20 | 2018-12-07 | 北京市交通运行监测调度中心 | 基于多指标分类交集的公交线路调整备选集合确定方法 |
CN109543895A (zh) * | 2018-11-15 | 2019-03-29 | 北京航空航天大学 | 一种出基于出租客流转化的公交线网优化方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156908A (zh) * | 2010-12-17 | 2011-08-17 | 东南大学 | 基于轨道交通与公交一体化的公交线路及站点调整方法 |
CN106781459B (zh) * | 2016-11-30 | 2019-05-28 | 贵州智通天下信息技术有限公司 | 一种拆分路线轨迹的方法 |
CN109544901A (zh) * | 2018-11-26 | 2019-03-29 | 南京行者易智能交通科技有限公司 | 一种基于历史客流大数据的公交智能排班方法及装置 |
CN109670240B (zh) * | 2018-12-18 | 2023-02-24 | 南京林业大学 | 一种城市多模式公交网络初始线路生成方法 |
-
2019
- 2019-07-04 CN CN201910599167.7A patent/CN110298516B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102097002A (zh) * | 2010-11-22 | 2011-06-15 | 东南大学 | 一种基于ic卡数据获取公交站点od的方法及系统 |
CN103473606A (zh) * | 2013-08-27 | 2013-12-25 | 浙江工业大学 | 基于gis的最大最短路径长度的公交网络整体换乘性能优化方法 |
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 |
CN108961804A (zh) * | 2018-06-20 | 2018-12-07 | 北京市交通运行监测调度中心 | 基于多指标分类交集的公交线路调整备选集合确定方法 |
CN109543895A (zh) * | 2018-11-15 | 2019-03-29 | 北京航空航天大学 | 一种出基于出租客流转化的公交线网优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110298516A (zh) | 2019-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110298516B (zh) | 一种基于客流od数据的拆分过长公交线路的方法、装置、移动端设备及服务器 | |
CN112598182B (zh) | 一种轨道交通智能调度方法及系统 | |
CN107545320B (zh) | 一种基于图论的城市轨道交通乘客路径规划方法及系统 | |
CN111862606B (zh) | 一种基于多源数据的非法营运车辆识别方法 | |
CN109637134B (zh) | 一种公交设备匹配方法 | |
CN109255972B (zh) | 一种基于大数据的地面公交固定线路时刻表的优化方法 | |
CN109543934A (zh) | 城市公交线网的综合指标的评价方法 | |
CN103824449B (zh) | 一种利用众包来寻找及处理道路事故黑点的方法 | |
CN110009153B (zh) | 一种基于od客流的公交排班优化方法及系统 | |
CN110969861B (zh) | 一种车辆识别方法、装置、设备及计算机存储介质 | |
CN112036757B (zh) | 基于手机信令和浮动车数据的停车换乘停车场的选址方法 | |
CN111932925A (zh) | 一种公共交通站点的出行客流的确定方法、装置及系统 | |
CN109903555B (zh) | 一种基于大数据的公交乘客下车数据预测方法及系统 | |
CN110400462B (zh) | 基于模糊理论的轨道交通客流监测预警方法及其系统 | |
CN105046983A (zh) | 一种基于车路协同的交通流量预测系统及方法 | |
CN110853156A (zh) | 融合公交gps轨迹与ic卡数据的乘客od识别方法 | |
CN105405292B (zh) | 一种利用公交双次刷卡数据计算乘客上车时间的方法 | |
CN111161531A (zh) | 一种基于公交车载终端判断线路正返程和进出站的方法 | |
CN108665084B (zh) | 一种对驾驶风险的预测方法及系统 | |
CN106373399A (zh) | 一种公交线路站点间运行瓶颈识别系统 | |
CN102324111B (zh) | 基于公交ic卡数据的车辆运行方向判断方法 | |
CN108242146B (zh) | 基于公交卡数据分析乘客乘车站点及时间的方法和系统 | |
CN114118766A (zh) | 一种基于公交乘客出行多重匹配的客流od算法 | |
CN112601187B (zh) | 基于手机信令的公交常乘客预测方法与系统 | |
CN116307931B (zh) | 一种面向城市货运物流链的多源数据融合分析方法 |
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 |