CN110555587B - 基于多种流数据的城市分级方法 - Google Patents

基于多种流数据的城市分级方法 Download PDF

Info

Publication number
CN110555587B
CN110555587B CN201910664073.3A CN201910664073A CN110555587B CN 110555587 B CN110555587 B CN 110555587B CN 201910664073 A CN201910664073 A CN 201910664073A CN 110555587 B CN110555587 B CN 110555587B
Authority
CN
China
Prior art keywords
city
weight
network
flow network
urban
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
CN201910664073.3A
Other languages
English (en)
Other versions
CN110555587A (zh
Inventor
关庆锋
岳汉秋
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.)
China University of Geosciences
Original Assignee
China University of Geosciences
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 China University of Geosciences filed Critical China University of Geosciences
Priority to CN201910664073.3A priority Critical patent/CN110555587B/zh
Publication of CN110555587A publication Critical patent/CN110555587A/zh
Application granted granted Critical
Publication of CN110555587B publication Critical patent/CN110555587B/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
    • 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
    • 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
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于多种流数据的城市分级方法，包括以下步骤：步骤1、选取反映城市之间联系的多种流数据，根据多种流数据分别构建多种流网络；步骤2、统计每种流网络中每条边的权值，采用层次分析法计算每种流网络的权重，集成多种流网络，计算综合流网络中每条边的权值，构建综合流网络；步骤3、采用PageRank算法迭代综合流网络中每条边的权值到收敛状态，即得到城市的PR值，按照PR值对城市进行分级排序，输出城市排序结果。本发明具有解决了利用单一流数据量化城市中心性存在片面性的问题的有益效果。

Description

基于多种流数据的城市分级方法
技术领域
本发明涉及城市地理学领域。更具体地说，本发明涉及一种基于多种流数据的城市分级方法。
背景技术
随着区域一体化的快速发展，区域内城市之间的关系也由竞争向协作的模式转化，城市的综合功能定位是指城市的整体规模、潜力以及其在区域乃至更大尺度内中所占的地位和影响力，评估城市的功能定位，将为区域内的核心城市与边缘城市识别、城市功能角色定位以及区域内协调发展提供支撑。
传统的城市分级方法可以分为两大类：其一是通过单一的城市调查属性数据，如城市的人口等数值的大小从形态上对城市进行分级，然而，单一的数据往往不能反映城市的综合实力；其二是采用反映城市的多个属性指标，进行主成分分析，得到其综合得分进行分级排序，但属性指标属于静态数据，并不能从功能上反映城市的角色定位。
城市之间的关系数据反映了城市之间的功能联系，目前，常基于关系数据构建复杂网络，并采用复杂网络的指标，如度中心性、中介中心性等来反映区域内城市的重要性，然而该方法只能反映城市在某一个功能方面的重要性，不能衡量其综合功能。因此，研究发明一种基于多种流数据的城市分级方法具有一定的实用价值和现实意义。
发明内容
本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。
本发明还有一个目的是提供一种基于多种流数据的城市分级方法，解决了利用单一流数据量化城市中心性存在片面性的问题，综合反映城市之间的功能定位。
为了实现根据本发明的这些目的和其它优点，提供了一种基于多种流数据的城市分级方法，包括以下步骤：
步骤1、选取反映城市之间联系的多种流数据，根据多种流数据分别构建多种流网络；
步骤2、统计每种流网络中每条边的权值，采用层次分析法计算每种流网络的权重，根据多种流网络，计算综合流网络中每条边的权值，构建综合流网络；
步骤3、采用PageRank算法迭代综合流网络中每条边的权值至收敛状态，即得到城市的PR值，按照PR值对城市进行分级排序，输出城市排序结果。
优选的是，多种流网络包括信息流网络、长途客车流网络、高速列车流网络、普速列车流网络、引力流网络。
优选的是，如权利要求2所述的基于多种流数据的城市分级方法，其特征在于，所述信息流网络的构建方法为：提取城市地名作为点对象，城市对中城市M和城市N之间作为边对象，记为
Figure BDA0002139494740000021
城市M和城市N之间的百度指数中相互搜索指数的和作为边的权值，记为
Figure BDA0002139494740000022
构建成信息流网络；
所述长途客车流网络的构建方法为：提取城市地名作为点对象，城市对中城市M和城市N之间作为边对象，记为
Figure BDA0002139494740000023
城市M和城市N之间的长途客车班次数量作为边的权值，记为
Figure BDA0002139494740000024
构建成长途客车流网络。
优选的是，所述高速列车流网络的构建方法为：提取高速列车线路中的站点，为站点名称匹配WGS84坐标系统下的经纬度坐标，将各站点与选定的城市行政区划范围进行叠置求相交，将各站点匹配到选定的各个城市中形成城市节点，以城市节点作为点对象，城市对中城市M和城市N之间作为边对象，记为
Figure BDA0002139494740000025
将城市M和城市N连接的高速列车班次数量作为边的权值，记为
Figure BDA0002139494740000026
构建成高速列车流网络；
所述普速列车流网络的构建方法为：提取普速列车线路中的站点，为站点名称匹配WGS84坐标系统下的经纬度坐标，将站点与选定的城市行政区划范围进行GIS叠置分析求相交，将各站点匹配到选定的各个城市中形成城市节点，以城市节点作为点对象，城市对中城市M和城市N之间作为边对象，记为
Figure BDA0002139494740000027
将城市M和城市N连接的普速列车班次数量作为边的权值，记为
Figure BDA0002139494740000028
构建成普速列车流网络。
优选的是，所述引力流网络的构建方法为：提取反映城市规模水平的指标，指标包括常住人口、货运总量、邮电业务总量、医院和卫生所数量、人均公路占有量、人均建设用地面积、人均绿地面积，采用主成分分析法计算得到反映城市信息的主成分及其所占方差，计算城市的综合得分F，城市综合得分F的计算公式为：
Figure BDA0002139494740000029
其中，根据代表原始变量85％以上信息来确定K的值，Pk为第k个主成分的值，vk为第k个主成分的方差，vsum为前k个主成分方差的总和；
根据城市综合得分，采用引力模型计算城市对之间的引力流联系强度SMN，其计算公式为：
Figure BDA0002139494740000031
其中，FM和FN为两个城市的综合得分，G为系数常量，β为距离摩擦系数，G和β可自行设置，d为两个城市之间的距离；
以城市作为点对象，城市对中城市M和城市N之间作为边对象，记为
Figure BDA0002139494740000032
城市M和城市N之间的引力流联系强度SMN作为边的权值，记为
Figure BDA0002139494740000033
构建引力流网络。
优选的是，步骤2中综合流网络的构建方法为：对每种流网络中每条边的权值进行归一化处理，归一化计算公式为：
Figure BDA0002139494740000034
Figure BDA0002139494740000035
为归一化后的值，
Figure BDA0002139494740000036
为每种流网络中边的权值，
Figure BDA0002139494740000037
为该流网络中的最小值，
Figure BDA0002139494740000038
为该流网络中的最大值；
采用层次分析法计算每种流网络的权重，记为Wn；
将归一化的流网络按照其相应权重进行加权叠加，得到城市M和城市N之间的权值总和，记为
Figure BDA0002139494740000039
以城市作为点对象，城市对中城市M和城市N之间作为边对象，记为EMN，城市M和城市N之间的权值总和作为综合流中边的权值，记为CMN，构建综合流网络。
优选的是，步骤3中城市PageRank值(PR)的计算公式为：
Figure BDA00021394947400000310
PR(m)表示城市M的PR值，CMN表示综合流网络中城市M和城市N之间边的权值，Bn表示综合流网络中城市M的邻居城市节点集合，Q是城市总数，q为阻尼系数，q取值可根据实际情况设定。
本发明至少包括以下有益效果：从多个方面对城市的综合功能进行量化，克服了使用单一城市调查属性静态数据不能反映城市功能的缺陷；量化了城市在区域内的综合功能，解决了利用单一流数据量化城市中心性存在片面性的问题；可以应用到更多的流数据中，具有很强的泛化性和鲁棒性，将为区域内的核心城市与边缘城市识别、城市功能角色定位以及区域内协调发展提供支撑。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明的多种流数据的城市分级方法的流程图；
图2为本发明的多种流数据的城市分级方法的信息流网络；
图3为本发明的多种流数据的城市分级方法的长途客车流网络；
图4为本发明的多种流数据的城市分级方法的高速列车流网络；
图5为本发明的多种流数据的城市分级方法的普速列车流网络；
图6为本发明的多种流数据的城市分级方法的引力流网络；
图7为本发明的多种流数据的城市分级方法的综合流网络；
图8为本发明的多种流数据的城市分级方法的城市分级排序结果。
具体实施方式
下面结合附图和实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
如图1所示，本发明采用的技术方案提供了一种基于多种流数据的城市分级方法，包括以下步骤：
步骤1：选取城市之间联系的多种流数据，根据多种流数据分别构建多种流网络；
以某区域为例，城市依次编号为A、B、...，构建多种流网络，多种流网络包括信息流网络、长途客车流网络、高速列车流网络、普速列车流网络、引力流网络，所述信息流网络的边集合记为E1、所述长途客车流网络的边集合记为E2、所述高速列车流网络的边集合记为E3、所述普速列车流网络的边集合记为E4、所述引力流网络的边集合记为E5；
所述信息流网络的构建方法为：提取城市地名作为点对象，城市对中城市M和城市N之间作为边对象，记为
Figure BDA0002139494740000041
城市M和城市N之间的百度指数中相互搜索指数的和作为边的权值，记为
Figure BDA0002139494740000042
构建成信息流网络，如图2所示；
所述长途客车流网络的构建方法为：提取城市地名作为点对象，城市对中城市M和城市N之间作为边对象，记为
Figure BDA0002139494740000043
城市M和城市N之间的长途客车班次数量作为边的权值，记为
Figure BDA0002139494740000044
构建成长途客车流网络，如图3所示；
所述高速列车流网络的构建方法为：提取高速列车线路中的站点，为站点名称匹配WGS84坐标系统下的经纬度坐标，将各站点与选定的城市行政区划范围进行GIS叠置分析求相交，将各站点匹配到选定的各个城市中形成城市节点，以城市节点作为点对象，城市对中城市M和城市N之间作为边对象，记为
Figure BDA0002139494740000051
将城市M和城市N连接的高速列车班次数量作为边的权值，记为
Figure BDA0002139494740000052
构建成高速列车流网络，如图4所示；
所述普速列车流网络的构建方法为：提取普速列车线路中的站点，为站点名称匹配WGS84坐标系统下的经纬度坐标，将站点与选定的城市行政区划范围进行叠置求相交，将各站点匹配到选定的各个城市中形成城市节点，以城市节点作为点对象，城市对中城市M和城市N之间作为边对象，记为
Figure BDA0002139494740000053
将城市M和城市N连接的普速列车班次数量作为边的权值，记为
Figure BDA0002139494740000054
构建成普速列车流网络，如图5所示；
所述引力流网络的构建方法为：提取反映城市规模水平的指标，指标包括常住人口、货运总量、邮电业务总量、医院和卫生所数量、人均公路占有量、人均建设用地面积、人均绿地面积，采用主成分分析法计算得到反映城市信息的主成分及其所占方差，计算城市的综合得分F，城市综合得分F的计算公式为：
Figure BDA0002139494740000055
其中，根据代表原始变量85％以上信息来确定K的值，Pk为第k个主成分的值，vk为第k个主成分的方差，vsum为前k个主成分方差的总和；根据城市综合得分，采用引力模型计算城市对之间的引力流联系强度SMN，其计算公式为：
Figure BDA0002139494740000056
其中，FM和FN为两个城市的综合得分，G为系数常量，β为距离摩擦系数，G和β可自行设置，d为两个城市之间的距离；以城市作为点对象，城市对中城市M和城市N之间作为边对象，记为
Figure BDA0002139494740000057
城市M和城市N之间的引力流联系强度SMN作为边的权值，记为
Figure BDA0002139494740000058
构建引力流网络，如图6所示。
步骤2、统计每种流网络中每条边的权值，采用层次分析法计算每种流网络的权重，记为Wn，集成多种流网络，计算综合流网络中每条边的权值，构建综合流网络；
层次分析法计算每种流网络权重的判断矩阵如表1所示：
表1
Figure BDA0002139494740000059
进行层次排序后求解E1、E2、E3、E4、E5的权重分别记为W1、W2、W3、W4、W5，其分别为0.18、0.17、0.10、0.10、0.45；
对上述流网络中边的权值进行归一化处理，归一化计算公式为：
Figure BDA0002139494740000061
Figure BDA0002139494740000062
为归一化后的值，
Figure BDA0002139494740000063
为每种流中边的权值，
Figure BDA0002139494740000064
为该流中的最小值，
Figure BDA0002139494740000065
为该流中的最大值；
将多个归一化的流网络按照其相应权重进行加权叠加，得城市M和城市N之间的权值总和，记为
Figure BDA0002139494740000066
以城市作为点对象，城市对中城市M和城市N之间作为边对象，记为EMN，城市M和城市N之间的权值总和作为综合流中边的权值，记为CMN，构建综合流网络，如图7所示。
步骤3、采用PageRank算法迭代综合流网络中每条边的权值到收敛状态，即得到城市的PR值，按照PR值对城市进行分级排序，输出城市排序结果；
城市PageRank值的计算公式为：
Figure BDA0002139494740000067
PR(m)表示城市M的PR值，CMN表示综合流网络中城市M和城市N之间边的权值，Bn表示综合流网络中城市M的邻居城市节点集合，Q是城市总数，q为阻尼系数，q取值0.85，q取值可根据实际情况设定；
按照上述公式迭代到收敛状态，即得到各个城市的PR值；
根据PR值对各个城市进行分级排序，输出城市排序结果，如图8所示。
相较于现有技术，基于多种流数据的城市分级方法从多个方面对城市的综合功能进行刻画，克服了使用单一城市调查属性静态数据不能反映城市功能角色的缺陷；基于多种流数据的城市分级方法量化了城市在区域内的综合功能，解决了利用单一流数据量化城市中心性存在片面性的问题；基于多种流数据的城市分级方法可以应用到更多的流数据中，具有很强的泛化性和鲁棒性。将为区域内的核心城市与边缘城市识别、城市功能角色定位以及区域内协调发展提供支撑。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例和实施例。

Claims (5)

1.一种基于多种流数据的城市分级方法，其特征在于，包括以下步骤：
步骤1、选取反映城市之间联系的多种流数据，根据多种流数据分别构建多种流网络；
步骤2、统计每种流网络中每条边的权值，采用层次分析法计算每种流网络的权重，集成多种流网络，计算综合流网络中每条边的权值，构建综合流网络；
所述综合流网络的构建方法为：对每种流网络中每条边的权值进行归一化处理，归一化计算公式为：
Figure FDA0003998262310000011
Figure FDA0003998262310000012
为归一化后的值，
Figure FDA0003998262310000013
为每种流网络中边的权值，
Figure FDA0003998262310000014
为该流网络中的最小值，
Figure FDA0003998262310000015
为该流网络中的最大值；
采用层次分析法计算每种流网络的权重，记为Wn；
将归一化的流网络按照其相应权重进行加权叠加，得到城市M和城市N之间的权值总和，记为
Figure FDA0003998262310000016
以城市作为点对象，城市对中城市M和城市N之间作为边对象，记为EMN，城市M和城市N之间的权值总和作为综合流中边的权值，记为CMN，构建综合流网络；
步骤3、采用PageRank算法迭代综合流网络中每条边的权值至收敛状态，即得到城市的PR值，按照PR值对城市进行分级排序，输出城市排序结果；
城市PageRank值的计算公式为：
Figure FDA0003998262310000017
PR(m)表示城市M的PR值，CMN表示综合流网络中城市M和城市N之间边的权值，Bn表示综合流网络中城市M的邻居城市节点集合，Q是城市总数，q为阻尼系数。
2.如权利要求1所述的基于多种流数据的城市分级方法，其特征在于，多种流网络包括信息流网络、长途客车流网络、高速列车流网络、普速列车流网络、引力流网络。
3.如权利要求2所述的基于多种流数据的城市分级方法，其特征在于，所述信息流网络的构建方法为：提取城市地名作为点对象，城市对中城市M和城市N之间作为边对象，记为
Figure FDA0003998262310000018
城市M和城市N之间的百度指数中相互搜索指数的和作为边的权值，记为
Figure FDA0003998262310000019
构建成信息流网络；
所述长途客车流网络的构建方法为：提取城市地名作为点对象，城市对中城市M和城市N之间作为边对象，记为
Figure FDA0003998262310000021
城市M和城市N之间的长途客车班次数量作为边的权值，记为
Figure FDA0003998262310000022
构建成长途客车流网络。
4.如权利要求2所述的基于多种流数据的城市分级方法，其特征在于，所述高速列车流网络的构建方法为：提取高速列车线路中的站点，为站点名称匹配WGS84坐标系统下的经纬度坐标，将站点与选定的城市行政区划范围进行叠置求相交，将各个站点匹配到选定的各个城市中形成城市节点，以城市节点作为点对象，城市对中城市M和城市N之间作为边对象，记为
Figure FDA0003998262310000023
将城市M和城市N连接的高速列车班次数量作为边的权值，记为
Figure FDA0003998262310000024
构建成高速列车流网络；
所述普速列车流网络的构建方法为：提取普速列车线路中的站点，为站点名称匹配WGS84坐标系统下的经纬度坐标，将站点与选定的城市行政区划范围进行GIS叠置分析求相交，将各个站点匹配到选定的各个城市中形成城市节点，以城市节点作为点对象，城市对中城市M和城市N之间作为边对象，记为
Figure FDA0003998262310000025
将城市M和城市N连接的普速列车班次数量作为边的权值，记为
Figure FDA0003998262310000026
构建成普速列车流网络。
5.如权利要求2所述的基于多种流数据的城市分级方法，其特征在于，所述引力流网络的构建方法为：提取反映城市规模水平的指标，指标包括常住人口、货运总量、邮电业务总量、医院和卫生所数量、人均公路占有量、人均建设用地面积、人均绿地面积，采用主成分分析法计算得到反映城市信息的主成分及其所占方差，计算城市的综合得分F，城市综合得分F的计算公式为：
Figure FDA0003998262310000027
其中，根据代表原始变量85％以上信息来确定K的值，Pk为第k个主成分的值，vk为第k个主成分的方差，vsum为前k个主成分方差的总和；
根据城市综合得分，采用引力模型计算城市对之间的引力流联系强度SMN，其计算公式为：
Figure FDA0003998262310000028
其中，FM和FN为两个城市的综合得分，G为系数常量，β为距离摩擦系数，G和β可自行设置，d为两个城市之间的距离；
以城市作为点对象，城市对中城市M和城市N之间作为边对象，记为
Figure FDA0003998262310000029
城市M和城市N之间的引力流联系强度SMN作为边的权值，记为
Figure FDA00039982623100000210
构建引力流网络。
CN201910664073.3A 2019-07-23 2019-07-23 基于多种流数据的城市分级方法 Active CN110555587B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910664073.3A CN110555587B (zh) 2019-07-23 2019-07-23 基于多种流数据的城市分级方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910664073.3A CN110555587B (zh) 2019-07-23 2019-07-23 基于多种流数据的城市分级方法

Publications (2)

Publication Number Publication Date
CN110555587A CN110555587A (zh) 2019-12-10
CN110555587B true CN110555587B (zh) 2023-04-21

Family

ID=68735716

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910664073.3A Active CN110555587B (zh) 2019-07-23 2019-07-23 基于多种流数据的城市分级方法

Country Status (1)

Country Link
CN (1) CN110555587B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7765319B1 (en) * 2003-07-30 2010-07-27 Gorman Sean P System and method for analyzing the structure of logical networks
CN105893491A (zh) * 2016-03-29 2016-08-24 东南大学 一种基于区域城际流强度测算模型的划定大都市圈的方法
CN107704583A (zh) * 2017-09-30 2018-02-16 国信优易数据有限公司 数据可视化方法、装置、计算机设备及可读存储介质
CN108804496A (zh) * 2018-04-02 2018-11-13 浙江工业大学 一种基于PageRank算法的医院重要性排名方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7765319B1 (en) * 2003-07-30 2010-07-27 Gorman Sean P System and method for analyzing the structure of logical networks
CN105893491A (zh) * 2016-03-29 2016-08-24 东南大学 一种基于区域城际流强度测算模型的划定大都市圈的方法
CN107704583A (zh) * 2017-09-30 2018-02-16 国信优易数据有限公司 数据可视化方法、装置、计算机设备及可读存储介质
CN108804496A (zh) * 2018-04-02 2018-11-13 浙江工业大学 一种基于PageRank算法的医院重要性排名方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于修正引力模型的京津冀城市群空间联系分析;关晓光等;《城市问题》;20141127(第11期);正文第22-23页第3节 *

Also Published As

Publication number Publication date
CN110555587A (zh) 2019-12-10

Similar Documents

Publication Publication Date Title
CN110428096B (zh) 基于票务信息的城市轨道交通多交路运输组织优化方法
CN103512581B (zh) 一种路径规划方法和装置
CN108681586B (zh) 基于群智感知的旅游路线个性化推荐方法
CN112133090A (zh) 一种基于手机信令数据的多方式交通分布模型构建方法
CN109359682A (zh) 一种基于f-dbscan迭代聚类的机场巴士候选站点筛选方法
CN110472999B (zh) 基于地铁和共享单车数据的客流模式分析方法及装置
CN112800210A (zh) 基于海量公交数据的人群画像算法
CN108228593A (zh) 兴趣点重要度测量方法和装置
CN111563666A (zh) 一种基于网络热度的城市公共服务设施空间配置评价方法
CN115100395A (zh) 一种融合poi预分类和图神经网络的城市街区功能分类方法
AlHalawani et al. What makes London work like London?
CN111414878A (zh) 一种关于地块的社会属性分析、图像处理方法及装置
CN114501336A (zh) 一种公路出行量测算方法、装置、电子设备及存储介质
CN110502567A (zh) 一种面向主题的城市轨道交通站点层次poi提取方法
CN110555587B (zh) 基于多种流数据的城市分级方法
CN116564551B (zh) 一种数据-知识驱动的城市轨道交通风险辨识方法
CN107121143B (zh) 一种协同poi数据的道路选取方法
CN111898043A (zh) 一种城市旅行路线规划的方法
Ursu et al. Creating, testing and applying a GIS road travel cost model for Romania
CN116128160B (zh) 一种铁路车站高峰客流预测方法、系统及设备和介质
CN111008730B (zh) 基于城市空间结构的人群聚集度预测模型构建方法及装置
CN110633890A (zh) 一种土地利用效率判断方法和系统
Celiński et al. Sustainable development of the transport system through rationalization of transport tasks using a specialised travel planner
CN108229751B (zh) 一种基于家长接送空间模式的接送行为预测方法
O’Sullivan et al. The pitfalls and potential of spatial data

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