CN111160840A - 一种车辆服务站的流量估计方法和系统 - Google Patents
一种车辆服务站的流量估计方法和系统 Download PDFInfo
- Publication number
- CN111160840A CN111160840A CN201911184434.0A CN201911184434A CN111160840A CN 111160840 A CN111160840 A CN 111160840A CN 201911184434 A CN201911184434 A CN 201911184434A CN 111160840 A CN111160840 A CN 111160840A
- Authority
- CN
- China
- Prior art keywords
- daily
- limit
- standard deviation
- distance
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 239000006185 dispersion Substances 0.000 claims description 67
- 238000012423 maintenance Methods 0.000 claims description 9
- 238000003032 molecular docking Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种车辆服务站的流量估计方法和系统,包括:根据观测时间段,取多个服务站距离阈值内的所有停靠点的停靠记录,得到每个所述服务站的停靠记录集合;根据日期和标准差公式,确定观测时间段内的每日时间限集合和每日距离限集合;根据方差公式确定所有服务站的每日时间限均值集合以及每日距离限均值集合;确定观测时间段内所述同类型服务站的日流量。通过根据已知的服务站统计服务站旁边的停靠点的距离和在该点的车辆停靠时间,通过计算标准差和统计学正态分布3定律对数据进行统计,过滤掉异常值,得到优质的正态数据,确定服务站的数据表现的特点和规律,对服务站流量进行更加精确和细致的估计。
Description
技术领域
本申请涉及流量估计领域,尤其涉及一种车辆服务站的流量估计方法和系统。
背景技术
车辆服务站,如维修站,加油站以及保养站点,除了能够给车辆进行维修,加油以及保养,还能够让车主在一段时间内进行停靠,休息。同时,在服务站周边,还会有小型便利店以及厕所等其他服务设施,方便车主应急使用。这些都是服务站的流量。通过服务站的流量数据,能够为广告的投放以及其他设施的增设提供数据依据。
然而服务站的流量却很难进行综合统计,并且,现在并没有能够对服务站的流量进行统计的方法。
综上所述,需要提供一种能够对车辆服务站的流量进行估计的方法和系统。
发明内容
为解决以上问题,本申请提出了一种车辆服务站的流量估计方法和系统。
一方面,本申请提出一种车辆服务站的流量估计方法,包括:
根据观测时间段,取多个同类型服务站距离阈值内的所有停靠点的停靠记录,得到每个所述服务站的停靠记录集合;
对每个所述停靠记录集合,根据日期和标准差公式,确定观测时间段内的每日时间限集合和每日距离限集合;
合并每个所述每日时间限集合以及每个每日距离限集合,根据方差公式确定所有服务站的每日时间限均值集合以及每日距离限均值集合;
分别根据所述每日时间限均值集合以及所述每日距离限均值集合,确定观测时间段内所述同类型服务站的日流量。
优选地,所述对每个所述停靠记录集合,根据日期和标准差公式,确定观测时间段内的每日时间限集合和每日距离限集合,包括:
按照日期,对每个所述停靠记录集合中的停靠时长和停靠距离分类,得到每日停靠时间集合和每日停靠距离集合;
使用标准差公式和每日停靠时间集合,分别计算每日停靠时间的二倍标准差和三倍标准差,得到观测时间段内的每日时间限集合;
使用标准差公式和每日停靠距离集合,分别计算每日停靠距离的二倍标准差和三倍标准差,得到观测时间段内的每日距离限集合。
优选地,所述合并每个所述每日时间限集合以及每个每日距离限集合,根据方差公式确定所有服务站的每日时间限均值集合以及每日距离限均值集合,包括:
按照日期,合并各每日时间限集合,使用方差公式计算各标准差的离散度,确定每日时间限均值集合;
按照日期,合并各每日距离限集合,使用方差公式计算各标准差的离散度,确定每日距离限均值集合。
优选地,所述按照日期,合并各每日时间限集合,使用方差公式计算各标准差的离散度,确定每日时间限均值集合,包括:
按照日期,合并各每日时间限集合,得到时间限集合,所述时间限集合包括各服务站各日的停靠时间的二倍标准差和三倍标准差;
使用方差公式,分别计算所述时间限集合中的所有二倍标准差上限离散度、二倍标准差下限离散度、三倍标准差上限离散度和三倍标准差下限离散度;
选择所述上下限离散度最小的二倍标准差或三倍标准差,组成每日时间限均值集合。
优选地,所述按照日期,合并各每日距离限集合,使用方差公式计算各标准差的离散度,确定每日距离限均值集合,包括:
按照日期,合并各每日距离限集合,得到距离限集合,所述距离限集合包括各服务站各日的停靠距离的二倍标准差和三倍标准差;
使用方差公式,分别计算所述距离限集合中的所有二倍标准差上限离散度、二倍标准差下限离散度、三倍标准差上限离散度和三倍标准差下限离散度;
选择所述上下限离散度最小的二倍标准差或三倍标准差,组成每日距离限均值集合。
优选地,所述选择所述上下限离散度最小的二倍标准差或三倍标准差,均包括:
判断所述二倍标准差上限离散度和二倍标准差下限离散度是否大于所述三倍标准差上限离散度和三倍标准差下限离散度;
若是,则选择所述三倍标准差上限和三倍标准差下限;
若否,则选择所述二倍标准差上限和二倍标准差下限。
优选地,所述分别根据所述每日时间限均值集合以及所述每日距离限均值集合,确定观测时间段内所述同类型服务站的日流量,包括:
统计需要确定日流量的每个服务站的停靠记录集合中的停靠时间小于等于所述每日时间限均值集合中的标准差上下限,同时停靠距离小于等于所述每日距离限均值集合中的标准差上下限的停靠点的数量,得到观测时间段内,需要确定日流量的每个所述同类型服务站的日流量。
优选地,在所述分别根据所述每日时间限均值集合以及所述每日距离限均值集合,确定观测时间段内所述同类型服务站的日流量之后,还包括:
判断所述服务站的置信距离内,是否有其他服务站;
若无,则所述服务站的置信度为1;
若有,则所述服务站的置信度为0。
优选地,所述服务站的类型包括:加油和/或维修和/或保养。
第二方面,本申请提出一种车辆服务站的流量估计系统,包括:
预处理模块,用于根据观测时间段,取多个同类型服务站距离阈值内的所有停靠点的停靠记录,得到每个所述服务站的停靠记录集合;
匹配模块,用于对每个所述停靠记录集合,根据日期和标准差公式,确定观测时间段内的每日时间限集合和每日距离限集合;合并每个所述每日时间限集合以及每个每日距离限集合,根据方差公式确定所有服务站的每日时间限均值集合以及每日距离限均值集合;分别根据所述每日时间限均值集合以及所述每日距离限均值集合,确定观测时间段内所述同类型服务站的日流量。
本申请的优点在于:通过根据观测时间段、停靠记录集合和标准差公式,确定观测时间段内的每日时间限集合和每日距离限集合,合并每个所述每日时间限集合以及每个每日距离限集合,根据方差公式确定所有服务站的每日时间限均值集合以及每日距离限均值集合,能够确定观测时间段内所述同类型服务站的日流量,根据统计学的方法保证流量估计的准确度。
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事实方案的目的,而并不认为是对本申请的限制。而且在整个附图中,用同样的参考符号表示相同的部件。在附图中:
图1是本申请提供的一种车辆服务站的流量估计方法的步骤示意图;
图2是本申请提供的一种车辆服务站的流量估计方法的流程示意图;
图3是本申请提供的一种车辆服务站的流量估计方法的正态分布3σ定律示意图;
图4是本申请提供的一种车辆服务站的流量估计系统的示意图。
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方式。虽然附图中显示了本公开的示例性实施方式,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方式所限制。相反,提供这些实施方式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。
根据本申请的实施方式,提出一种车辆服务站的流量估计方法,如图1所示,包括:
S101,根据观测时间段,取多个同类型服务站距离阈值内的所有停靠点的停靠记录,得到每个服务站的停靠记录集合;
S102,对每个停靠记录集合,根据日期和标准差公式,确定观测时间段内的每日时间限集合和每日距离限集合;
S103,合并每个每日时间限集合以及每个每日距离限集合,根据方差公式确定所有服务站的每日时间限均值集合以及每日距离限均值集合;
S104,分别根据每日时间限均值集合以及每日距离限均值集合,确定观测时间段内同类型服务站的日流量。
对每个停靠记录集合,根据日期和标准差公式,确定观测时间段内的每日时间限集合和每日距离限集合,包括:
按照日期,对每个停靠记录集合中的停靠时长和停靠距离分类,得到每日停靠时间集合和每日停靠距离集合;
使用标准差公式和每日停靠时间集合,分别计算每日停靠时间的二倍标准差和三倍标准差,得到观测时间段内的每日时间限集合;
使用标准差公式和每日停靠距离集合,分别计算每日停靠距离的二倍标准差和三倍标准差,得到观测时间段内的每日距离限集合。
合并每个每日时间限集合以及每个每日距离限集合,根据方差公式确定所有服务站的每日时间限均值集合以及每日距离限均值集合,包括:
按照日期,合并各每日时间限集合,使用方差公式计算各标准差的离散度,确定每日时间限均值集合;
按照日期,合并各每日距离限集合,使用方差公式计算各标准差的离散度,确定每日距离限均值集合。
按照日期,合并各每日时间限集合,使用方差公式计算各标准差的离散度,确定每日时间限均值集合,包括:
按照日期,合并各每日时间限集合,得到时间限集合,时间限集合包括各服务站各日的停靠时间的二倍标准差和三倍标准差;
使用方差公式,分别计算时间限集合中的所有二倍标准差上限离散度、二倍标准差下限离散度、三倍标准差上限离散度和三倍标准差下限离散度;
选择上下限离散度最小的二倍标准差或三倍标准差,组成每日时间限均值集合。
按照日期,合并各每日距离限集合,使用方差公式计算各标准差的离散度,确定每日距离限均值集合,包括:
按照日期,合并各每日距离限集合,得到距离限集合,距离限集合包括各服务站各日的停靠距离的二倍标准差和三倍标准差;
使用方差公式,分别计算距离限集合中的所有二倍标准差上限离散度、二倍标准差下限离散度、三倍标准差上限离散度和三倍标准差下限离散度;
选择上下限离散度最小的二倍标准差或三倍标准差,组成每日距离限均值集合。
选择上下限离散度最小的二倍标准差或三倍标准差,均包括:
判断二倍标准差上限离散度和二倍标准差下限离散度是否大于三倍标准差上限离散度和三倍标准差下限离散度;
若是,则选择三倍标准差上限和三倍标准差下限;
若否,则选择二倍标准差上限和二倍标准差下限。
分别根据每日时间限均值集合以及每日距离限均值集合,确定观测时间段内同类型服务站的日流量,包括:
统计需要确定日流量的每个服务站的停靠记录集合中的停靠时间小于等于每日时间限均值集合中的标准差上下限,同时停靠距离小于等于每日距离限均值集合中的标准差上下限的停靠点的数量,得到观测时间段内,需要确定日流量的每个同类型服务站的日流量。
在分别根据每日时间限均值集合以及每日距离限均值集合,确定观测时间段内同类型服务站的日流量之后,还包括:
判断服务站的置信距离内,是否有其他服务站;
若无,则服务站的置信度为1;
若有,则服务站的置信度为0。
置信度为1的服务站统计结果更可靠。
置信距离优选地,为50米至20米范围内的任意数值。
服务站的类型包括:加油和/或维修和/或保养。
距离阈值可以根据需要设置,优选地,可以为100米至20米范围内的任意数值。
停靠距离为直线距离,即停靠点与服务站所在位置之间的直线距离。
在选择服务站进行上下限计算以及根据上下限计算服务站的流量时,尽可能不要选择置信距离内有多个服务站的站点进行计算。
下面,对本申请实施例进行进一步说明,如图2所示。
假设,需要统计维修站的停靠流量,则可以随机取一段时间内(观测时间段内)几个维修站周围一定范围内的停靠点。每个停靠点有一个对应的停靠记录,包括经纬度、停靠距离(与维修站的直线距离)和停靠时间等数据。
以选择3个同类型的服务站(维修站),观测时间段为2019年1月1日至4日(一共4天)为例。
则每个服务站都有一个停靠记录集合(共3个集合),每个集合都能根据标准差公式,计算出这4天每天的停靠时间上下限(正负二倍标准差和正负三倍标准差)和停靠距离上下限(正负二倍标准差和正负三倍标准差),这些上下限组成每日时间限集合,每日距离限集合。
即,每个服务站,都有一个每日时间限集合和一个每日距离限集合。每个每日时间限集合,都包括4组二倍标准差和4组三倍标准差,也就是1日、2日、3日和4日的。
每个每日距离限集合,都包括4组二倍标准差和4组三倍标准差,也就是1日、2日、3日和4日的。
将3个服务站的每日时间限集合合并,得到12组2倍标准差和12组3倍标准差。2倍标准差和3倍标准差都是以正值为上限,负值为下限。即,12组二倍标准差,包括:12组正二倍标准差(上限)和12组负二倍标准差(下限)。
12组三倍标准差包括:12组正三倍标准差(上限)和12组负三倍标准差(下限)。
将3个服务站的每日时间限集合合并,得到12组二倍标准差和12组三倍标准差。将3个服务站的每日距离限集合合并,得到12组二倍标准差和12组三倍标准差。
以合并后的每日时间限集合为例,根据方差公式,使用12组正二倍标准差(上限)中所有的数据,计算其离散度。使用12组负二倍标准差(下限)中所有的数据,计算其离散度。使用12组正三倍标准差(上限)中所有的数据,计算其离散度。使用12组负三倍标准差(下限)中所有的数据,计算其离散度。
以时间上的标准差为例,判断二倍标准差上限离散度和二倍标准差下限离散度是否大于三倍标准差上限离散度和三倍标准差下限离散度;若是,则选择所述三倍标准差上限和三倍标准差下限作为时间上的标准差,组成每日时间限均值集合;若否,则选择所述二倍标准差上限和二倍标准差下限作为时间上的标准差,组成每日时间限均值集合。
假设,停靠时间上,是二倍标准差的上下限离散度最小,停靠距离上,是三倍标准差的上下限离散度最小,则每日时间限均值集合包括根据时长数据得出的二倍标准差的上下限,每日距离限均值集合包括根据距离数据得出的三倍标准差的上下限。
根据每日时间限均值集合和每日距离限均值集合计算这类服务站的流量。
假设需要计算同类型的其他服务站的流量,则选择待计算服务站的距离阈值范围内的所有停靠点,根据各停靠点的停靠记录,选择停靠距离和停靠时长同时满足标准(停靠时间小于等于二倍标准差上下限,停靠距离小于等于三倍标准差上下限)的停靠点,这些停靠点的数量就是待计算服务站的流量。
如图3所示,根据正态分布的定义可知,数据点落在偏离均值正负一倍标准差(即sigma值)内的概率为68.2%;数据点落在偏离均值正负二倍标准差内的概率为95.4%;数据点落在偏离均值正负三倍标准差内的概率为99.6%。
通过计算标准差,根据统计学正态分布3σ定律找到服务站的数据表现的特点和规律,以便对服务站进行更加细致的描述。
还可停靠记录中的数据按时间或距离进行排序,观察数据是否符合正态分布。
所以,如表1所示,如果数据点落在偏离均值正负二倍标准差之外的概率就不足5%,它属于小概率事件,即认为这样的数据点为异常点。如果数据点落在偏离均值正负三倍标准差之外的概率将会更小,可以认为这些数据点为极端异常点。其中,为数据的平均值。
表1
第二方面,根据本申请的实施方式,还提出一种车辆服务站的流量估计系统,如图4所示,包括:
预处理模块101,用于根据观测时间段,取多个同类型服务站距离阈值内的所有停靠点的停靠记录,得到每个服务站的停靠记录集合;
匹配模块102,用于对每个停靠记录集合,根据日期和标准差公式,确定观测时间段内的每日时间限集合和每日距离限集合;合并每个每日时间限集合以及每个每日距离限集合,根据方差公式确定所有服务站的每日时间限均值集合以及每日距离限均值集合;分别根据每日时间限均值集合以及每日距离限均值集合,确定观测时间段内同类型服务站的日流量。
本申请的方法中,通过根据已知的服务站统计服务站旁边的停靠点的距离和在该点的车辆停靠时间,通过计算标准差和统计学正态分布3σ定律对数据进行统计,过滤掉异常值,得到优质的正态数据,确定服务站的数据表现的特点和规律,以便对服务站进行更加精确和细致的描述。根据观测时间段、停靠记录集合和标准差公式,确定观测时间段内的每日时间限集合和每日距离限集合,合并每个所述每日时间限集合以及每个每日距离限集合,根据方差公式确定所有服务站的每日时间限均值集合以及每日距离限均值集合,能够确定观测时间段内所述同类型服务站的日流量,根据统计学的方法保证流量估计的准确度。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种车辆服务站的流量估计方法,其特征在于,包括:
根据观测时间段,取多个同类型服务站距离阈值内的所有停靠点的停靠记录,得到每个所述服务站的停靠记录集合;
对每个所述停靠记录集合,根据日期和标准差公式,确定观测时间段内的每日时间限集合和每日距离限集合;
合并每个所述每日时间限集合以及每个每日距离限集合,根据方差公式确定所有服务站的每日时间限均值集合以及每日距离限均值集合;
分别根据所述每日时间限均值集合以及所述每日距离限均值集合,确定观测时间段内所述同类型服务站的日流量。
2.如权利要求1所述的方法,其特征在于,所述对每个所述停靠记录集合,根据日期和标准差公式,确定观测时间段内的每日时间限集合和每日距离限集合,包括:
按照日期,对每个所述停靠记录集合中的停靠时长和停靠距离分类,得到每日停靠时间集合和每日停靠距离集合;
使用标准差公式和每日停靠时间集合,分别计算每日停靠时间的二倍标准差和三倍标准差,得到观测时间段内的每日时间限集合;
使用标准差公式和每日停靠距离集合,分别计算每日停靠距离的二倍标准差和三倍标准差,得到观测时间段内的每日距离限集合。
3.如权利要求1所述的方法,其特征在于,所述合并每个所述每日时间限集合以及每个每日距离限集合,根据方差公式确定所有服务站的每日时间限均值集合以及每日距离限均值集合,包括:
按照日期,合并各每日时间限集合,使用方差公式计算各标准差的离散度,确定每日时间限均值集合;
按照日期,合并各每日距离限集合,使用方差公式计算各标准差的离散度,确定每日距离限均值集合。
4.如权利要求3所述的方法,其特征在于,所述按照日期,合并各每日时间限集合,使用方差公式计算各标准差的离散度,确定每日时间限均值集合,包括:
按照日期,合并各每日时间限集合,得到时间限集合,所述时间限集合包括各服务站各日的停靠时间的二倍标准差和三倍标准差;
使用方差公式,分别计算所述时间限集合中的所有二倍标准差上限离散度、二倍标准差下限离散度、三倍标准差上限离散度和三倍标准差下限离散度;
选择所述上下限离散度最小的二倍标准差或三倍标准差,组成每日时间限均值集合。
5.如权利要求3所述的方法,其特征在于,所述按照日期,合并各每日距离限集合,使用方差公式计算各标准差的离散度,确定每日距离限均值集合,包括:
按照日期,合并各每日距离限集合,得到距离限集合,所述距离限集合包括各服务站各日的停靠距离的二倍标准差和三倍标准差;
使用方差公式,分别计算所述距离限集合中的所有二倍标准差上限离散度、二倍标准差下限离散度、三倍标准差上限离散度和三倍标准差下限离散度;
选择所述上下限离散度最小的二倍标准差或三倍标准差,组成每日距离限均值集合。
6.如权利要求4或5所述的方法,其特征在于,所述选择所述上下限离散度最小的二倍标准差或三倍标准差,均包括:
判断所述二倍标准差上限离散度和二倍标准差下限离散度是否大于所述三倍标准差上限离散度和三倍标准差下限离散度;
若是,则选择所述三倍标准差上限和三倍标准差下限;
若否,则选择所述二倍标准差上限和二倍标准差下限。
7.如权利要求1所述的方法,其特征在于,所述分别根据所述每日时间限均值集合以及所述每日距离限均值集合,确定观测时间段内所述同类型服务站的日流量,包括:
统计需要确定日流量的每个服务站的停靠记录集合中的停靠时间小于等于所述每日时间限均值集合中的标准差上下限,同时停靠距离小于等于所述每日距离限均值集合中的标准差上下限的停靠点的数量,得到观测时间段内,需要确定日流量的每个所述同类型服务站的日流量。
8.如权利要求1所述的方法,其特征在于,在所述分别根据所述每日时间限均值集合以及所述每日距离限均值集合,确定观测时间段内所述同类型服务站的日流量之后,还包括:
判断所述服务站的置信距离内,是否有其他服务站;
若无,则所述服务站的置信度为1;
若有,则所述服务站的置信度为0。
9.如权利要求1所述的方法,其特征在于,所述服务站的类型包括:加油和/或维修和/或保养。
10.一种车辆服务站的流量估计系统,其特征在于,包括:
预处理模块,用于根据观测时间段,取多个同类型服务站距离阈值内的所有停靠点的停靠记录,得到每个所述服务站的停靠记录集合;
匹配模块,用于对每个所述停靠记录集合,根据日期和标准差公式,确定观测时间段内的每日时间限集合和每日距离限集合;合并每个所述每日时间限集合以及每个每日距离限集合,根据方差公式确定所有服务站的每日时间限均值集合以及每日距离限均值集合;分别根据所述每日时间限均值集合以及所述每日距离限均值集合,确定观测时间段内所述同类型服务站的日流量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911184434.0A CN111160840B (zh) | 2019-11-27 | 2019-11-27 | 一种车辆服务站的流量估计方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911184434.0A CN111160840B (zh) | 2019-11-27 | 2019-11-27 | 一种车辆服务站的流量估计方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111160840A true CN111160840A (zh) | 2020-05-15 |
CN111160840B CN111160840B (zh) | 2023-07-25 |
Family
ID=70556161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911184434.0A Active CN111160840B (zh) | 2019-11-27 | 2019-11-27 | 一种车辆服务站的流量估计方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111160840B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002297833A (ja) * | 2001-03-30 | 2002-10-11 | Daiwa House Ind Co Ltd | 交通検証システム,交通検証装置,交通検証方法,プログラム並びにデータ記録媒体 |
US20110246209A1 (en) * | 2010-03-31 | 2011-10-06 | Intuit Inc. | Method and system for predicting customer flow and arrival times using positional tracking of mobile devices |
CN102770304A (zh) * | 2010-02-22 | 2012-11-07 | 丰田自动车株式会社 | 电力供给控制装置以及信息提供装置 |
US20140132767A1 (en) * | 2010-07-31 | 2014-05-15 | Eric Sonnabend | Parking Information Collection System and Method |
CN104992555A (zh) * | 2015-07-22 | 2015-10-21 | 济南市市政工程设计研究院(集团)有限责任公司 | 一种轨道站点衔接设施公交停靠站规模预测方法 |
JP5988185B1 (ja) * | 2016-01-19 | 2016-09-07 | 株式会社大都製作所 | 駐車場管理システム |
CN106776988A (zh) * | 2016-12-06 | 2017-05-31 | 北京中交兴路信息科技有限公司 | 一种基于时间聚合的停靠点确定方法及装置 |
US20180209803A1 (en) * | 2017-01-25 | 2018-07-26 | Via Transportation, Inc. | Dynamic Route Planning |
CN108600965A (zh) * | 2018-05-11 | 2018-09-28 | 南京邮电大学 | 一种基于客人位置信息的客流数据预测方法 |
CN108664620A (zh) * | 2018-05-14 | 2018-10-16 | 南京邮电大学 | 一种店铺客流量预测方法 |
CN109858683A (zh) * | 2019-01-07 | 2019-06-07 | 北京三快在线科技有限公司 | 确定店铺的营业状态的方法、装置、电子设备及存储介质 |
CN109902860A (zh) * | 2019-01-23 | 2019-06-18 | 西南交通大学 | 一种基于组合距离评估的电动汽车充电站选址方法 |
CN110119845A (zh) * | 2019-05-11 | 2019-08-13 | 北京京投亿雅捷交通科技有限公司 | 一种轨道交通客流预测的应用方法 |
CN110223533A (zh) * | 2019-06-19 | 2019-09-10 | 同济大学 | 一种基于生存分析的夜间驻留停车需求预测方法 |
US20190295007A1 (en) * | 2018-03-26 | 2019-09-26 | Hitachi Solutions, Ltd. | People flow prediction device |
US20190347513A1 (en) * | 2017-01-31 | 2019-11-14 | Verizon Connect Ireland Limited | System and method for detecting and classifying recurrent stops of a vehicle fleet |
US20200160709A1 (en) * | 2017-07-26 | 2020-05-21 | Via Transportation, Inc. | Routing both autonomous and non-autonomous vehicles |
-
2019
- 2019-11-27 CN CN201911184434.0A patent/CN111160840B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002297833A (ja) * | 2001-03-30 | 2002-10-11 | Daiwa House Ind Co Ltd | 交通検証システム,交通検証装置,交通検証方法,プログラム並びにデータ記録媒体 |
CN102770304A (zh) * | 2010-02-22 | 2012-11-07 | 丰田自动车株式会社 | 电力供给控制装置以及信息提供装置 |
US20110246209A1 (en) * | 2010-03-31 | 2011-10-06 | Intuit Inc. | Method and system for predicting customer flow and arrival times using positional tracking of mobile devices |
US20140132767A1 (en) * | 2010-07-31 | 2014-05-15 | Eric Sonnabend | Parking Information Collection System and Method |
CN104992555A (zh) * | 2015-07-22 | 2015-10-21 | 济南市市政工程设计研究院(集团)有限责任公司 | 一种轨道站点衔接设施公交停靠站规模预测方法 |
JP5988185B1 (ja) * | 2016-01-19 | 2016-09-07 | 株式会社大都製作所 | 駐車場管理システム |
CN106776988A (zh) * | 2016-12-06 | 2017-05-31 | 北京中交兴路信息科技有限公司 | 一种基于时间聚合的停靠点确定方法及装置 |
US20180209803A1 (en) * | 2017-01-25 | 2018-07-26 | Via Transportation, Inc. | Dynamic Route Planning |
US20190347513A1 (en) * | 2017-01-31 | 2019-11-14 | Verizon Connect Ireland Limited | System and method for detecting and classifying recurrent stops of a vehicle fleet |
US20200160709A1 (en) * | 2017-07-26 | 2020-05-21 | Via Transportation, Inc. | Routing both autonomous and non-autonomous vehicles |
US20190295007A1 (en) * | 2018-03-26 | 2019-09-26 | Hitachi Solutions, Ltd. | People flow prediction device |
CN108600965A (zh) * | 2018-05-11 | 2018-09-28 | 南京邮电大学 | 一种基于客人位置信息的客流数据预测方法 |
CN108664620A (zh) * | 2018-05-14 | 2018-10-16 | 南京邮电大学 | 一种店铺客流量预测方法 |
CN109858683A (zh) * | 2019-01-07 | 2019-06-07 | 北京三快在线科技有限公司 | 确定店铺的营业状态的方法、装置、电子设备及存储介质 |
CN109902860A (zh) * | 2019-01-23 | 2019-06-18 | 西南交通大学 | 一种基于组合距离评估的电动汽车充电站选址方法 |
CN110119845A (zh) * | 2019-05-11 | 2019-08-13 | 北京京投亿雅捷交通科技有限公司 | 一种轨道交通客流预测的应用方法 |
CN110223533A (zh) * | 2019-06-19 | 2019-09-10 | 同济大学 | 一种基于生存分析的夜间驻留停车需求预测方法 |
Non-Patent Citations (2)
Title |
---|
王子甲: "轨道交通车站检票闸机布局的仿真优化", 北京交通大学学报, vol. 35, no. 6, pages 28 - 39 * |
苏小林;张艳娟;武中;阎晓霞;: "规模化电动汽车充电负荷的预测及其对电网的影响", no. 01, pages 45 - 54 * |
Also Published As
Publication number | Publication date |
---|---|
CN111160840B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Borenstein et al. | Market incentives for safe commercial airline operation | |
Cui | Bus passenger origin-destination matrix estimation using automated data collection systems | |
CN106875314B (zh) | 一种城市轨道交通线网客流od动态估计方法 | |
CN110348614B (zh) | 一种获取乘客od的方法及公交客流的预测方法 | |
CN103440768B (zh) | 一种基于动态修正的公交车到达时间实时预测方法 | |
CN109360415B (zh) | 一种道路交通流异常数据识别方法 | |
CN109523819B (zh) | 一种基于公交到离站的乘客ic卡数据与站点匹配方法 | |
CN109637134A (zh) | 一种公交设备匹配方法 | |
US20110184773A1 (en) | Method and System for Planning Paratransit Runs | |
CN103065466A (zh) | 一种交通异常状况的检测方法和装置 | |
CN103903436A (zh) | 一种基于浮动车的高速公路交通拥堵检测方法和系统 | |
CN103903437B (zh) | 基于视频交通检测数据的机动车出行od矩阵获取方法 | |
CN108717583B (zh) | 一种城市轨道交通区间中断条件下车站滞留旅客量实时预测方法 | |
CN117314504B (zh) | 一种公共交通客流预测方法及系统 | |
CN103793761B (zh) | 一种枢纽异常客流量产生因素的识别方法 | |
CN114501336B (zh) | 一种公路出行量测算方法、装置、电子设备及存储介质 | |
CN111160840A (zh) | 一种车辆服务站的流量估计方法和系统 | |
Zhang et al. | Statistical analysis of the stability of bus vehicles based on GPS trajectory data | |
CN107480824B (zh) | 城市轨道交通站点短时客流预测系统及方法 | |
CN109448379A (zh) | 一种社交媒体数据偶发性交通事件的识别及定位方法 | |
US9952060B2 (en) | Method for the real-time estimation of the total consumption of a fluid distributed to users, and a distribution network implementing said method | |
CN109523788B (zh) | 一种路段运行效果评价方法 | |
Chu et al. | Reproducing longitudinal in-vehicle traveler experience and the impact of a service reduction with public transit smart card data | |
CN114580787B (zh) | 一种基于公交地铁接驳站点的客流量预测方法及装置 | |
CN105303246A (zh) | 一种多线路公交到站时间预测方法 |
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 |