CN110674976A - 一种基于车辆时空分布的汽修门店选址方法 - Google Patents

一种基于车辆时空分布的汽修门店选址方法 Download PDF

Info

Publication number
CN110674976A
CN110674976A CN201910840983.2A CN201910840983A CN110674976A CN 110674976 A CN110674976 A CN 110674976A CN 201910840983 A CN201910840983 A CN 201910840983A CN 110674976 A CN110674976 A CN 110674976A
Authority
CN
China
Prior art keywords
data
area
site selection
store
analyzing
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
Application number
CN201910840983.2A
Other languages
English (en)
Other versions
CN110674976B (zh
Inventor
陈洪强
张毅
何大东
孙晓峰
葛磊
翁高涛
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.)
Aiyou (shanghai) Information Technology Co Ltd
Original Assignee
Aiyou (shanghai) Information Technology Co Ltd
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 Aiyou (shanghai) Information Technology Co Ltd filed Critical Aiyou (shanghai) Information Technology Co Ltd
Priority to CN201910840983.2A priority Critical patent/CN110674976B/zh
Publication of CN110674976A publication Critical patent/CN110674976A/zh
Application granted granted Critical
Publication of CN110674976B publication Critical patent/CN110674976B/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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Instructional Devices (AREA)
  • Remote Sensing (AREA)
  • Library & Information Science (AREA)

Abstract

本发明公开了一种基于车辆时空分布的汽修门店选址方法，属于数据处理技术领域。本发明基于城市路网、居民区、办公商业区的综合因素，以可视化的地图展示，来分析区域车辆保有量的情况，根据相应评级，制定对应权重等级，计算区域综合评分；并且排除区域内竞争带来的负面影响；综合分析汽修门店最佳选址方案，为汽修门店选址提供理论支持。通过优化选址，提高门店的客流量，带来更多的利润点。

Description

一种基于车辆时空分布的汽修门店选址方法
技术领域
本发明涉及一种基于车辆时空分布的汽修门店选址方法，属于数据处理技术领域。
背景技术
随着社会的快速发展，“选址”被广泛应用在各行各业，较多的出现在连锁性的全国终端的选择。随着全国车辆保有量的快速增长，汽车后市场行业快速发展，汽车后市场企业快速建设汽修连锁店，企业会根据自己公司的战略规划进行选址。
选址对于商铺来说是一个长期投资，地址的选择对于长期经营有着至关重要的作用，在确定地址后无法轻易变动，所以选址必须综合考虑各方面的影响因素，以及未来可能发生的变化，店铺位置能够及时适应外界的变化，这样才能够达到长期的发展。
然而目前在选址中，主要通过人工进行实地考察调研，进行利益核算，此种方式会造成时间和人力的浪费，并且缺少客观指导。
发明内容
本发明所要解决的技术问题在于：提供一种基于车辆时空分布的汽修门店选址方法，它解决了目前在选址中，主要通过人工进行实地考察调研，进行利益核算，此种方式会造成时间和人力的浪费，并且缺少客观指导的问题。
本发明所要解决的技术问题采取以下技术方案来实现：
一种基于车辆时空分布的汽修门店选址方法，包括以下步骤:
S1、采集城市路网车流量数据、办公商业区分布数据、居民区分布数据，以及同行业门店分布数据，并进行分类存储。
S2、构建可视化电子地图，将采集的数据在电子地图上根据时间、位置等多纬度进行整合和展示，根据不同数据的权重，分析出车辆分布热点图和行为规律。
S3、结合同行业门店分布情况，进行店面可服务汽车数量全面分析，找到选址的中心坐标。
S4、根据车辆出行规律，进行区域选址的详细规划。
S5、综合分析上述数据，得到门店的最佳选址方案。
作为优选实例，所述S2包括以下步骤：
S2.1、分析周围的路网数据，根据路况和每小时车流量对道路进行综合评级，选择周边道路综合评级最高的区域。
S2.2、分析周围的小区数据，根据小区常住人口和汽车保有量进行综合评级，选择周边小区综合评级最高的区域。
S2.3、分析周围的办公商业区数据，根据汽车保有量进行综合评级，选择周边办公商业区综合评级最高的区域。
S2.4、综合处理三类区域数据，通过电子地图平台，将三类区域数据以点位的形式展示在平面地图上，根据点位密集度生成办公商业区和居民区的热点图，对门店分布点位根据服务能力进行x公里范围做缓冲区展示形成缓冲区平面图，计算三个区域的重叠部分，对居民区和商业区叠加并且排除门店缓冲区，规划出适宜选址的热点图,其中，x取值为车主开车半小时的正常行驶距离。
作为优选实例，所述S3包括以下步骤：
S3.1、分析周围的同行业的门店数据，分析这些门店规模以及服务能力，对竞争对手进行综合评价，选择竞争力相对较弱的区域。
S3.2、结合S2.4中分析出的区域数据热点图，对生成的热点图进行展示，并且利用电子地图平台计算每个热点区域的中心点，计算出选址的中心点坐标。
作为上述技术方案的优选，车辆出行规律对于门店未来运营状况具有一定的影响，对于居民区和办公商业区，在工作日和节假日有着特定的出行规律，对于不同时间带来的车辆出行规律的影响，分析出不同时间居民区和办公商业区给能够带来运营方面的影响，进一步综合分析选址的可行性，实现最大化利益。
作为优选实例，所述S4的选址模型为：
其中，i表示城市路网，i∈I；j为表示居民区，j∈J；k表示办公商业区，k∈K；Fi表示i道路的权重；Gj表示j居民区的权重；Tk表示k办公商业区的权重；l为表示同行汽修门店，j∈J；Hl表示l门店的权重。
Figure DEST_PATH_IMAGE004
其中1表示作为考虑因素，0表示不考虑。
上述模型中，
Figure DEST_PATH_IMAGE006
第一项为道路综合评分，第二项为居民区综合评分，第三项办公商业区综合评分；
Figure DEST_PATH_IMAGE008
为同行门店综合分数，在模型中作为负面分数进行分析。
第一项为道路综合评分，第二项为居民区综合评分，第三项办公商业区综合评分；
目标函数(2)为同行门店综合分数，在模型中作为负面分数进行分析。
作为优选实例，所述S5包括以下步骤：
S5.1、根据S4计算S3各个中心点正面因素评分。
S5.2、根据S4计算S3各个中心点负面因素评分。
S5.3、对各个中心点综合评分进行统计，计算最高的分数的为合适的选址位置。
本发明的有益效果是：本发明基于城市路网、居民区、办公商业区的综合因素，以可视化的地图展示，来分析区域车辆保有量的情况，根据相应评级，制定对应权重等级，计算区域综合评分；并且排除区域内竞争带来的负面影响；综合分析汽修门店最佳选址方案，为汽修门店选址提供理论支持。通过优化选址，提高门店的客流量，带来更多的利润点。
附图说明
图1为本发明中汽修门店选址方法流程图。
具体实施方式
为了对本发明的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图例和实施例，进一步阐述本发明。
实施例1
一种基于车辆时空分布的汽修门店选址方法，包括以下步骤:
S1、采集城市路网车流量数据、办公商业区分布数据、居民区分布数据，以及同行业门店分布数据，并进行分类存储。
S2、构建可视化电子地图，将采集的数据在电子地图上根据时间、位置等多纬度进行整合和展示，根据不同数据的权重，分析出车辆分布热点图和行为规律，具体包括以下步骤：
S2.1、分析周围的路网数据，根据路况和每小时车流量对道路进行综合评级，选择周边道路综合评级最高的区域。
S2.2、分析周围的小区数据，根据小区常住人口和汽车保有量进行综合评级，选择周边小区综合评级最高的区域。
S2.3、分析周围的办公商业区数据，根据汽车保有量进行综合评级，选择周边办公商业区综合评级最高的区域。
S2.4、综合处理三类区域数据，通过电子地图平台，将三类区域数据以点位的形式展示在平面地图上，根据点位密集度生成办公商业区和居民区的热点图，对门店分布点位根据服务能力进行x公里范围做缓冲区展示形成缓冲区平面图，计算三个区域的重叠部分，对居民区和商业区叠加并且排除门店缓冲区，规划出适宜选址的热点图,其中，x取值为车主开车半小时的正常行驶距离。
S3、结合同行业门店分布情况，进行店面可服务汽车数量全面分析，找到选址的中心坐标，具体包括以下步骤：
S3.1、分析周围的同行业的门店数据，分析这些门店规模以及服务能力，对竞争对手进行综合评价，选择竞争力相对较弱的区域。
S3.2、结合S2.4中分析出的区域数据热点图，对生成的热点图进行展示，并且利用电子地图平台计算每个热点区域的中心点，计算出选址的中心点坐标。
车辆出行规律对于门店未来运营状况具有一定的影响，对于居民区和办公商业区，在工作日和节假日有着特定的出行规律，对于不同时间带来的车辆出行规律的影响，分析出不同时间居民区和办公商业区给能够带来运营方面的影响，进一步综合分析选址的可行性，实现最大化利益。
S4、根据车辆出行规律，进行区域选址的详细规划，具体选址模型如下：
Figure 742443DEST_PATH_IMAGE002
其中，i表示城市路网，i∈I；j为表示居民区，j∈J；k表示办公商业区，k∈K；Fi表示i道路的权重；Gj表示j居民区的权重；Tk表示k办公商业区的权重；l为表示同行汽修门店，j∈J；Hl表示l门店的权重。
Figure 659584DEST_PATH_IMAGE004
其中1表示作为考虑因素，0表示不考虑。
上述模型中，
Figure 439321DEST_PATH_IMAGE006
第一项为道路综合评分，第二项为居民区综合评分，第三项办公商业区综合评分；
Figure 522946DEST_PATH_IMAGE008
为同行门店综合分数，在模型中作为负面分数进行分析。
S5、综合分析上述数据，得到门店的最佳选址方案，具体步骤如下：
S5.1、根据S4计算S3各个中心点正面因素评分。
S5.2、根据S4计算S3各个中心点负面因素评分。
S5.3、对各个中心点综合评分进行统计，计算最高的分数的为合适的选址位置。
本发明可获取城市路网数据、车流量数据、办公商业区分布、居民区分布，可以将这些数据整合成可视化地图数据进行展示和分析，整合各类影响因素形成科学的汽修门店选址方法。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (5)

1.一种基于车辆时空分布的汽修门店选址方法，其特征在于，包括以下步骤:
S1、采集城市路网车流量数据、办公商业区分布数据、居民区分布数据，以及同行业门店分布数据，并进行分类存储。
S2、构建可视化电子地图，将采集的数据在电子地图上根据时间、位置等多纬度进行整合和展示，根据不同数据的权重，分析出车辆分布热点图和行为规律。
S3、结合同行业门店分布情况，进行店面可服务汽车数量全面分析，找到选址的中心坐标。
S4、根据车辆出行规律，进行区域选址的详细规划。
S5、综合分析上述数据，得到门店的最佳选址方案。
2.根据权利要求1所述的一种基于车辆时空分布的汽修门店选址方法，其特征在于，所述S2包括以下步骤：
S2.1、分析周围的路网数据，根据路况和每小时车流量对道路进行综合评级，选择周边道路综合评级最高的区域。
S2.2、分析周围的小区数据，根据小区常住人口和汽车保有量进行综合评级，选择周边小区综合评级最高的区域。
S2.3、分析周围的办公商业区数据，根据汽车保有量进行综合评级，选择周边办公商业区综合评级最高的区域。
S2.4、综合处理三类区域数据，通过电子地图平台，将三类区域数据以点位的形式展示在平面地图上，根据点位密集度生成办公商业区和居民区的热点图，对门店分布点位根据服务能力进行x公里范围做缓冲区展示形成缓冲区平面图，计算三个区域的重叠部分，对居民区和商业区叠加并且排除门店缓冲区，规划出适宜选址的热点图,其中，x取值为车主开车半小时的正常行驶距离。
3.根据权利要求1所述的一种基于车辆时空分布的汽修门店选址方法，其特征在于，所述S3包括以下步骤：
S3.1、分析周围的同行业的门店数据，分析这些门店规模以及服务能力，对竞争对手进行综合评价，选择竞争力相对较弱的区域。
S3.2、结合S2.4中分析出的区域数据热点图，对生成的热点图进行展示，并且利用电子地图平台计算每个热点区域的中心点，计算出选址的中心点坐标。
4.根据权利要求1所述的一种基于车辆时空分布的汽修门店选址方法，其特征在于，所述S4的选址模型为：
Figure FDA0002193719020000021
Figure FDA0002193719020000022
其中，i表示城市路网，i∈I；j为表示居民区，j∈J；k表示办公商业区，k∈K；Fi表示i道路的权重；Gj表示j居民区的权重；Tk表示k办公商业区的权重；l为表示同行汽修门店，j∈J；Hl表示l门店的权重。
Figure FDA0002193719020000023
Figure FDA0002193719020000024
Figure FDA0002193719020000026
其中1表示作为考虑因素，0表示不考虑。
上述模型中，
f1(s)第一项为道路综合评分，第二项为居民区综合评分，第三项办公商业区综合评分；
f2(s)为同行门店综合分数，在模型中作为负面分数进行分析。
5.根据权利要求1所述的一种基于车辆时空分布的汽修门店选址方法，其特征在于，所述S5包括以下步骤：
S5.1、根据S4计算S3各个中心点正面因素评分。
S5.2、根据S4计算S3各个中心点负面因素评分。
S5.3、对各个中心点综合评分进行统计，计算最高的分数的为合适的选址位置。
CN201910840983.2A 2019-09-06 2019-09-06 一种基于车辆时空分布的汽修门店选址方法 Active CN110674976B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910840983.2A CN110674976B (zh) 2019-09-06 2019-09-06 一种基于车辆时空分布的汽修门店选址方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910840983.2A CN110674976B (zh) 2019-09-06 2019-09-06 一种基于车辆时空分布的汽修门店选址方法

Publications (2)

Publication Number Publication Date
CN110674976A true CN110674976A (zh) 2020-01-10
CN110674976B CN110674976B (zh) 2022-09-30

Family

ID=69076083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910840983.2A Active CN110674976B (zh) 2019-09-06 2019-09-06 一种基于车辆时空分布的汽修门店选址方法

Country Status (1)

Country Link
CN (1) CN110674976B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111612536A (zh) * 2020-05-20 2020-09-01 上海评驾科技有限公司 一种基于车联网数据的换车指数的计算方法
CN112668803A (zh) * 2021-01-06 2021-04-16 上海阑途信息技术有限公司 一种基于LightGBM模型的汽车服务连锁企业开店选址方法
CN113609209A (zh) * 2021-08-12 2021-11-05 上海氢枫能源技术有限公司 一种加氢站建站区域和规模的系统及方法
CN113610309A (zh) * 2021-08-13 2021-11-05 清华大学 基于大数据和人工智能的消防站选址方法及装置
CN113763045A (zh) * 2021-09-06 2021-12-07 武汉博创非凡智能科技有限公司 一种基于多源数据融合的门店选址可视化分析方法及系统
CN114782115A (zh) * 2022-06-20 2022-07-22 深圳联友科技有限公司 一种专营店选址推荐方法、系统和终端设备
CN115310840A (zh) * 2022-08-16 2022-11-08 上海复通软件技术有限公司 一种基于互联网的汽修门店的评级方法及系统
CN116151839A (zh) * 2023-04-18 2023-05-23 中汽传媒(天津)有限公司 一种汽车售后点动态规划方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009145472A1 (ko) * 2008-04-05 2009-12-03 주식회사 타스테크 소상공인의 영업점 입지적합도 및 매출등급 계산 시스템 및 방법
CN108681796A (zh) * 2018-06-01 2018-10-19 郑州大学 基于POI数据与Dijkstra算法的城市对外公路客运枢纽选址方法
CN109902845A (zh) * 2017-12-08 2019-06-18 宝沃汽车（中国）有限公司 车辆服务点的配置方法、装置和系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009145472A1 (ko) * 2008-04-05 2009-12-03 주식회사 타스테크 소상공인의 영업점 입지적합도 및 매출등급 계산 시스템 및 방법
CN109902845A (zh) * 2017-12-08 2019-06-18 宝沃汽车（中国）有限公司 车辆服务点的配置方法、装置和系统
CN108681796A (zh) * 2018-06-01 2018-10-19 郑州大学 基于POI数据与Dijkstra算法的城市对外公路客运枢纽选址方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
倪玲霖: "《中国优秀博硕士学位论文全文数据库 (硕士)经济与管理科学辑》", 15 June 2006 *
王晓辉: "《中国优秀博硕士学位论文全文数据库 (硕士)工程科技Ⅱ辑》", 15 February 2005 *
王璟: "《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》", 15 February 2019 *
谢伟平: "社区型汽车快修连锁选址模型的构建", 《市场周刊·理论研究》 *
顾丰 等: "一种汽车快修连锁店双层规划选址模型", 《大连理工大学学报》 *
顾丰 等: "基于"性价比"及云模型的汽车快修店备选点选址方法", 《中国科技论文》 *
黄潆: "《中国优秀硕士学位论文全文数据库 经济与管理科学辑》", 15 January 2017 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111612536A (zh) * 2020-05-20 2020-09-01 上海评驾科技有限公司 一种基于车联网数据的换车指数的计算方法
CN112668803A (zh) * 2021-01-06 2021-04-16 上海阑途信息技术有限公司 一种基于LightGBM模型的汽车服务连锁企业开店选址方法
CN112668803B (zh) * 2021-01-06 2023-02-10 上海阑途信息技术有限公司 一种基于LightGBM模型的汽车服务连锁企业开店选址方法
CN113609209A (zh) * 2021-08-12 2021-11-05 上海氢枫能源技术有限公司 一种加氢站建站区域和规模的系统及方法
CN113609209B (zh) * 2021-08-12 2024-02-20 上海氢枫能源技术有限公司 一种加氢站建站区域和规模的判断系统及方法
CN113610309A (zh) * 2021-08-13 2021-11-05 清华大学 基于大数据和人工智能的消防站选址方法及装置
CN113763045A (zh) * 2021-09-06 2021-12-07 武汉博创非凡智能科技有限公司 一种基于多源数据融合的门店选址可视化分析方法及系统
CN113763045B (zh) * 2021-09-06 2024-02-23 武汉博创非凡智能科技有限公司 一种基于多源数据融合的门店选址可视化分析方法及系统
CN114782115A (zh) * 2022-06-20 2022-07-22 深圳联友科技有限公司 一种专营店选址推荐方法、系统和终端设备
CN115310840A (zh) * 2022-08-16 2022-11-08 上海复通软件技术有限公司 一种基于互联网的汽修门店的评级方法及系统
CN116151839A (zh) * 2023-04-18 2023-05-23 中汽传媒(天津)有限公司 一种汽车售后点动态规划方法及系统
CN116151839B (zh) * 2023-04-18 2023-06-27 中汽传媒(天津)有限公司 一种汽车售后点动态规划方法及系统

Also Published As

Publication number Publication date
CN110674976B (zh) 2022-09-30

Similar Documents

Publication Publication Date Title
CN110674976B (zh) 一种基于车辆时空分布的汽修门店选址方法
Falchetta et al. Electric vehicle charging network in Europe: An accessibility and deployment trends analysis
Anderluh et al. Analytic hierarchy process for city hub location selection-The Viennese case
CN107316098B (zh) 一种基于用户行为分析的汽车租赁点选址方法
Gan et al. The identification of truck-related greenhouse gas emissions and critical impact factors in an urban logistics network
Clausen et al. Hands-on testing of last mile concepts
CN113112068A (zh) 一种村镇公共设施选址布局的方法及其系统
Gonzalez-Feliu et al. Estimated Data Production for Urban Goods Transport Diagnosis: The Freturb Methodology
CN111539764B (zh) 基于次模函数的大数据多址选择方法
CN106127316A (zh) 自动化车辆保养预估系统
CN112884420B (zh) 一种智慧物流查询系统及方法
Leonardi et al. Feasibility study of a network of consolidation centres in Luxembourg
Hargroves et al. A computer assisted school bus routing strategy: A case study
CN110633898A (zh) 一种考虑交通出行碳排放的县域城镇生活圈划分方法
Uddin et al. Modeling freight traffic demand and highway networks for hydrogen fueling station planning: A case study of US Interstate 75 Corridor
Martínez-Maldonado et al. Optimal routing for mass transit systems using multicriteria methodologies
CN110674990A (zh) 设置滑动窗口更新机制的即时配送路径选择方法及系统
CN115345351A (zh) 一种基于用户行为的电动汽车充电负荷预测方法
Bush et al. SERA scenarios of early market fuel cell electric vehicle introductions: modeling framework, regional markets, and station clustering
Celiński et al. Sustainable development of the transport system through rationalization of transport tasks using a specialised travel planner
Jonkers et al. Evaluation of eco-driving systems: a European analysis with scenarios and micro simulation
Kuiper et al. Modeling Electric Vehicle Charging Station Siting Suitability with a Focus on Equity
Schürmann et al. Towards a European peripherality index
Patil et al. Site Suitability Assessment of Public EV Charging Stations in Urban Environment
CN111832599B (zh) 一种基于机器学习随机森林的加油站预测方法

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