CN111340673A - 一种基于空铁耦合网络的出行耗时计算方法 - Google Patents
一种基于空铁耦合网络的出行耗时计算方法 Download PDFInfo
- Publication number
- CN111340673A CN111340673A CN202010022159.9A CN202010022159A CN111340673A CN 111340673 A CN111340673 A CN 111340673A CN 202010022159 A CN202010022159 A CN 202010022159A CN 111340673 A CN111340673 A CN 111340673A
- Authority
- CN
- China
- Prior art keywords
- city
- time
- travel
- speed rail
- aviation
- 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.)
- Pending
Links
- 230000008878 coupling Effects 0.000 title claims abstract description 51
- 238000010168 coupling process Methods 0.000 title claims abstract description 51
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 51
- 238000004364 calculation method Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 description 3
- 230000010006 flight Effects 0.000 description 3
- 230000002860 competitive effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Images
Classifications
-
- G06Q50/40—
-
- 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
Abstract
本发明公开了一种基于空铁耦合网络的出行耗时计算方法,属于复杂网络和交通网络领域。首先收集中国航空管理局发布的航空运营数据和中国铁路管理局发布的高铁运营数据。根据获得的交通数据,将航空系统和高铁系统耦合成中国航空高铁耦合网络。然后基于耦合网络,计算每个城市分别对于航空、高铁、空铁联运三种交通方式的依赖程度,同时分别计算一天内每个城市到达其他相连城市的最短耗时路径;针对一天内不同时刻,计算乘客A从城市i出发到达相连城市的耗时最短的最佳出发时间。最后乘客A选择最短耗时路径和依赖性最大的出行方式,按照最佳出发时间出发即可。本发明更全面的评测中国各个地理位置城市的出行选择情况,为乘客提供最佳出行方式。
Description
技术领域
本发明属于复杂网络和交通网络领域,具体涉及一种基于空铁耦合网络的出行耗时计算 方法。
背景技术
中国越来越多地参与到国际经济活动中,经济繁荣依赖于国家交通运输行业的快速发展, 作为城市间长途交通运输最重要的组成部分,航空和高速铁路(HSR)近年来得到了持续快 速的发展。
自2006年起中国航空的运输总周转量位居世界第二,连续年增速保持在10%,2018年 旅客总数达到6亿人次,与此同时,高铁经过10年间的快速发展,高速铁路网总覆盖范围达 到29000km,位居世界第一,占世界高铁总公里数的三分之一。
航空和高铁在快速的发展中有了更为紧密的结合,空铁联运的交通方式使得人们在长途 交通运输的选择中具有更高效的出行方案。由于航空运输和高铁运输具有各自的技术特征和 经济特征,航空和高铁之间的复杂关系已经成为一个关键的研究问题,引发了众多学者的广 泛关注。最初,研究人员将航空与高速铁路的关系视为竞争关系或者合作关系,经过多年的 研究,越来越多的研究人员认为航空与高铁是竞争关系与合作关系共存。
众多研究者们对航空和高铁的竞争与合作关系进行了大量的研究,从乘客需求,票价, 座位和环境等影响因素出发,研究空铁联运给人们生活带来的影响,但缺少对空铁联运的出 行耗时的相关研究。众多研究表明,出行耗时是影响人们出行选择最重要的因素之一。
此外,在过去的几十年里,复杂网络理论得到了许多研究领域的关注,如网络建模,信 息流量和级联故障等等。值得注意的是,复杂网络理论已广泛应用于大规模交通网络分析, 尤其是航空和铁路,复杂网络理论在航空网络和铁路网络的研究中起着至关重要的作用。近 年来,复杂网络理论中的耦合网络的研究被认为是一个重要的研究领域。从理论的角度来看, 中国航空网络和高速铁路网络本质上是一个耦合网络。因此,在复杂网络理论框架下分析中 国航空高铁耦合网络的结构和性质是非常值得的研究领域。
发明内容
针对中国航空和高铁的耦合交通网络,本发明提出了一种基于空铁耦合网络的出行耗时 计算方法,为乘客出行方案选择提供指导,同时为交通管理者提供辅助信息参考。
所述的出行耗时分析方法,具体步骤如下:
步骤一、收集中国航空管理局发布的航空运营数据和中国铁路管理局发布的高铁运营数 据。
步骤二、根据获得的交通数据,将航空系统和高铁系统耦合成一个网络结构,构成中国 航空高铁耦合网络。
耦合网络包括三类城市:航空城市,高铁城市以及耦合城市。
航空城市是指仅有机场的城市;高铁城市是指仅有高铁站的城市;耦合城市是指既有机 场又有高铁站的城市;
每个城市用节点代表;两个城市之间有直达高铁或者直达航班,用边将这两个城市相连。
步骤三、基于耦合网络,计算每个城市分别对于航空、高铁、空铁联运三种交通方式的 依赖程度。
首先,针对任意乘客A从城市i出发到达城市j,依据时刻表数据,遍历所有出行线路并 统计每一条线路的出行方式。
然后,从所有线路中,分别统计航空线路、高铁线路和空铁联运线路的数量,并计算出 各自的占比;
ARi表示从城市i到城市j的航空路线总数;Ri表示从城市i到城市j的总路线数量。
HRi表示从城市i到城市j的航空路线数;
CRi表示从城市i到城市j的空铁联运路线数;
同理,得到城市i到每个相连城市之间的航空线路、高铁线路和空铁联运线路的占比;将 城市i到每个相连城市的航空路线占比之和记为将城市i到每个相连城市的高铁路线占比 之和记为将城市i到每个相连城市的空铁联运路线占比之和记为且
最后,最大的占比值即为城市i的依赖程度最大的出行方式。
步骤四、基于耦合网络,分别计算一天内每个城市到达其他相连城市的最短耗时路径;
首先,针对任意乘客A,通过Dijkstra算法,遍历一天内从城市i到城市j之间每一条出行 路线;
然后,针对每条出行路线,计算从城市i出发到达城市j各路线的总耗时;
同理,得到城市i到每个相连城市之间的各路线的总耗时,并选择总耗时最短的出行线路。
针对当总耗时最短的出行线路中换乘次数不满足乘客的需求时,从遍历的所有出行路线 中,选择换乘次数最少的线路出行,在换乘次数相同时,选择出行耗时最短的线路。
针对当总耗时最短的出行线路中等待时间不满足乘客的需求时,从遍历的所有出行路线 中,选择等待时间占比最少的线路出行。
N表示耦合网络中所有城市节点的个数。
步骤五、针对一天内不同时刻,计算乘客A从城市i出发到达相连城市的耗时最短的最佳 出发时间。
首先,将一天的时刻划分为24个时间段:0am-1am,1am-2am,3am-4am,……, 23pm-24pm;
然后,计算不同时间段出发的出行耗时,针对出发时间q的出行耗时,计算公式如下:
最后,选择出行耗时最少的时间段为最佳出发时间。
步骤六、乘客A从城市i出行,选择最短耗时路径和依赖性最大的出行方式,按照最佳出 发时间出发即可。
本发明的优点在于:
(1)本发明一种基于空铁耦合网络的出行耗时计算方法,在复杂网络理论框架的基础上, 将中国航空网络和高铁网络构建成一个多层的耦合网络,更加符合空铁网络的实际情况。并 对构建的中国空铁耦合网络中的网络结构、拓扑特性和出行耗时等因素进行了全面的分析。
(2)本发明一种基于空铁耦合网络的出行耗时计算方法,基于时刻表考虑了不同出发时 间、等待时间和换乘次数等影响因素,得到最佳出行路线和最佳出发时间,为不同城市的乘 客出行提供了更加可靠全面的辅助信息。
(3)本发明一种基于空铁耦合网络的出行耗时计算方法,提出了一种航空/高铁出行方 式的依赖性指标,用以测量中国空铁耦合网络中的多式联运依赖率,更全面的评测中国各个 地理位置城市的出行选择情况,为乘客提供最佳出行方式的参考信息。
附图说明
图1是本发明构建的中国空铁耦合网络示意图;
图2是本发明一种基于空铁耦合网络的出行耗时计算方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合附图和实施例对本发明作进一 步的详细描述。
本发明一种基于空铁耦合网络的出行耗时计算方法,充分分析了不同城市在不同出行时 间的出行耗时分布。
所述的出行耗时分析方法,如图2所示,具体步骤如下:
步骤一、收集中国航空管理局发布的航空运营数据和中国铁路管理局发布的高铁运营数 据。
本实施例收集的是中国航空管理局发布的2016年航空运营数据和中国铁路管理局发布 的2016年高铁运营数据。
步骤二、根据获得的交通数据,将航空系统和高铁系统耦合成一个网络结构,构成中国 航空高铁耦合网络。
首先,对获取的交通数据进行清洗和整理,提取各城市的机场之间的航班数据和高铁站 之间的列次数据。
然后,将每个城市用一个节点代表,若两个城市之间有直达高铁或者直达航班,用边将 这两个城市相连。
如此将清洗后的数据构建成网络,称为中国航空高铁耦合网络。
其中耦合网络包括三类城市:航空城市(仅有机场),高铁城市(仅有高铁站)以及耦合 城市(既有机场又有高铁站)。
2016年的数据中,统计的全部城市有265个,其中航空城市有114个,高铁城市有74个,耦合城市有67个,如图1所示。上方部分为航空网络,包括航空城市和耦合城市,存在 航空和公路两种交通方式,共计181个节点,3092条连边。下方部分为高铁网络,高铁网络 包括高铁城市和耦合城市,存在高铁和公路两种交通方式,共计151个节点,7755条连边。
耦合城市的公路将航空网络和高铁网络耦合在一起,构建了中国航空和高铁耦合网络, 共计265个节点,10169条连边。
在中国航空和高铁耦合网络的基础上,对比研究网络拓扑参数,分析判断不同城市特征, 为航空城市、高铁城市或者耦合城市的乘客出行需求提供相应的参考信息。根据所构建的耦 合网络结构,比较其中航空网络,高铁网络,耦合网络本身的拓扑性质,同时对网络中包含 的三类城市(航空城市、高铁城市、耦合城市)的拓扑参数进行了对比研究。
拓扑参数包括度、强度、聚类系数、最短路径长度、度异质性、度相关系数和介数中心 性等,是网络性质研究中常用的指标。度大以及强度大的城市代表着具有更高的发车/航班频 率;聚类系数大的城市有更多的出行路线选择;最短路径长度小的城市代表具有更少的换乘 次数;介数中心性大的城市表示更适合选择作为换乘点。
对比研究三类网络结构和城市的拓扑特征。拓扑参数定义如下:
1)度:与节点直接相连的边的数目。当城市i和城市j之间有航班/高铁相连时aij=1,否 则aij=0。
2)强度:从城市节点驶出的航空/高铁数目。wij表示城市i和城市j之间权重,Γi表示城市 节点i的邻居节点集。
3)聚类系数:描述点的邻接点之间相互连接的程度,其对于每一个城市i,ki表示节点i的 度,即邻居节点数,Ei表示ki个邻居中相互连接的对数。
4)最短路径长度:定义为两点间最短路径lij的平均长度,lij定义为网络中所有连通(i, j)的通路中,所经过的其它节点最少的一条路径的长度。
6)度相关系数:衡量网络中所有节点度的关联程度,ke和k′e表示第e个边末端节点的度 数(e=1,2,…,E)。
7)介数中心性:衡量网络中任意两个节点的最短路径经过某一节点或边的总次数,gsj表 示从节点s到节点j的最短路径数,fsj表示gsj包含节点i的最短路径数。
步骤三、基于耦合网络,计算每个城市分别对于航空、高铁、空铁联运三种交通方式的 依赖程度。
对耦合网络的依赖性分析中,航空/高铁出行方式的依赖性指标,对航空出行依赖率、高 铁出行依赖率以及空铁联运出行依赖率进行了分析,统计了依赖程度的网络分布,为乘客的 出行方式提供建议。
考虑到处于不同地理位置的乘客,他们的跨城市长途出行对航空、高铁、空铁联运三种 出行方式的出行依赖性不同,再加上空铁联运的特殊性,以及航线、高铁在全网分布特性的 不同。
具体为:首先,针对任意乘客A从城市i出发到达城市j,依据时刻表数据,遍历所有出 行线路并统计每一条线路的出行方式。
然后,从所有线路中,分别统计航空线路、高铁线路和空铁联运线路的数量,并计算出 各自的占比;
ARi表示从城市i到城市j的航空路线总数;Ri表示从城市i到城市j的总路线数量。
HRi表示从城市i到城市j的航空路线数;
CRi表示从城市i到城市j的空铁联运路线数;
同理,得到城市i到每个相连城市之间的航空线路、高铁线路和空铁联运线路的占比;将 城市i到每个相连城市的航空路线占比之和记为将城市i到每个相连城市的高铁路线占比 之和记为将城市i到每个相连城市的空铁联运路线占比之和记为且
最后,最大的占比值即为城市i的依赖程度最大的出行方式。
步骤四、基于耦合网络,分别计算一天内每个城市到达其他相连城市的最短耗时路径;
由于跨城市的长距离出行通常会产生换乘(飞机-飞机换乘、高铁-高铁换乘、飞机-高铁 换乘),因此乘客出行不仅需要考虑在飞机或者高铁的运行时间,还需要考虑换乘时间与在机 场/高铁站的等待时间。通过计算耦合网络中每个城市分别到其他城市的最短耗时路径,为乘 客计算出耗时最短的出行线路,同时依据乘客不同需求,提供换乘次数最少或者等待时间占 比最短的线路。
针对某个乘客,计算该乘客从中国空铁耦合网络中的城市节点i到城市节点j的出行耗时 中各部分耗时的时间占比以及换乘次数。以此依据乘客不同需求,提供出行总耗时最短、等 待时间占比最短、换乘次数最少三种路线选择参考。值得注意的是,乘客到达该城市的任一 机场或者高铁站,本发明就认为该乘客已经到达该城市。
具体过程为:
首先,针对任意乘客A,遍历一天内从城市i到城市j之间每一条出行路线;
换乘时间包含进出站时间和公路换乘时间,主要与城市内机场、高铁站的位置分布、 服务能力,以及市内交通情况有关。依据市场调研,本发明设定机场进站时间为60分钟,出 站时间为15分钟,高铁站进站时间为30分钟,出站时间为10分钟。并根据Google Map获 得不同城市不同站点间(不同机场之间,不同高铁站之间,机场与高铁站之间)的公路运行 时间。
同理,通过Dijkstra算法,遍历城市i到每个相连城市之间的所有出行路线并计算总耗时, 对每条出行路线都选择出一条总耗时最短的线路。
视作不可减少的,是出行必须要花费的时间。而和则是额外花费的时间,是在换乘 的过程中产生的,其中主要与城市内机场、高铁站的位置分布,站点服务能力以及市内交 通有关,通常不易改变,主要发生在换乘站点,主要与换乘城市驶出的航班/高铁的频次与 乘客到达时间有关,因此,一个高效的出行主要取决于的时间。
节点i的平均出行耗时的计算公式如下,其中N表示节点个数,tij表示节点i到节点j的出行 耗时:
对于乘客的不同需求,计算出换乘次数最少的出行路径,通过最短路径算法计算乘客A 从城市i出发到达城市j的所有路线,记录所有路线的换乘次数以及出行耗时,从而选择换乘次 数最少的出行线路;在换乘次数相同时,可选择出行耗时最短的线路。
n是换乘次数,用来记录最短路径中同种交通方式换乘(航空到航空或者高铁到高铁)以 及不同交通方式(航空到高铁或者高铁到航空)换乘的次数。节点i平均换乘次数的计算公式 如下:
由于一个高效率的出行应该有更少的等待时间,因此乘客可依据自己需求,从遍历的所 有出行路线中,选择等待时间占比最少的出行路线。
N表示耦合网络中所有城市节点的个数。
根据最短耗时路径中对应的出行耗时参数tij、和ni、得到乘客从 任意城市节点i到城市节点j的出行耗时以及各部分耗时的占比,为乘客提供出行总耗时最短、 等待时间占比最短、换乘次数最少三种最佳路线选择参考。
步骤五、针对一天内不同时刻,计算乘客A从城市i出发到达相连城市的耗时最短的最佳 出发时间。
在实际情况中,交通网络的出行情况在一天之内并不是一致的。乘客选择在不同的时刻 出发,通常会花费不同的时间。通过考虑出发时间的影响,计算乘客A从城市i出发到达城市 j的耗时最短的最佳出发时间具体过程如下:
首先,将出发时刻划分为24个时间段:0am-1am,1am-2am,3am-4am,……,23pm-24pm;
然后,计算不同时间段出发的出行耗时,针对出发时间q的出行耗时,计算公式如下:
最后,选择出行耗时最少的时间段为最佳出发时间。
步骤六、乘客A从城市i出行,选择最短耗时路径和依赖性最大的出行方式,按照最佳出 发时间出发即可。
Claims (3)
1.一种基于空铁耦合网络的出行耗时计算方法,其特征在于,具体步骤如下:
步骤一、收集中国航空管理局发布的航空运营数据和中国铁路管理局发布的高铁运营数据;
步骤二、根据获得的交通数据,将航空系统和高铁系统耦合成一个网络结构,构成中国航空高铁耦合网络;
步骤三、基于耦合网络,计算每个城市分别对于航空、高铁、空铁联运三种交通方式的依赖程度;
步骤四、基于耦合网络,分别计算一天内每个城市到达其他相连城市的最短耗时路径;
首先,针对任意乘客A,通过Dijkstra算法,遍历一天内从城市i到城市j之间每一条出行路线;
然后,针对每条出行路线,计算从城市i出发到达城市j各路线的总耗时;
同理,得到城市i到每个相连城市之间的各路线的总耗时,并选择总耗时最短的出行线路;
针对当总耗时最短的出行线路中换乘次数不满足乘客的需求时,从遍历的所有出行路线中,选择换乘次数最少的线路出行,在换乘次数相同时,选择出行耗时最短的线路;
针对当总耗时最短的出行线路中等待时间不满足乘客的需求时,从遍历的所有出行路线中,选择等待时间占比最少的线路出行;
N表示耦合网络中所有城市节点的个数;
步骤五、针对一天内不同时刻,计算乘客A从城市i出发到达相连城市的耗时最短的最佳出发时间;
首先,将一天的时刻划分为24个时间段:0am-1am,1am-2am,3am-4am,……,23pm-24pm;
然后,计算不同时间段出发的出行耗时,针对出发时间q的出行耗时,计算公式如下:
最后,选择出行耗时最少的时间段为最佳出发时间;
步骤六、乘客A从城市i出行,选择最短耗时路径和依赖性最大的出行方式,按照最佳出发时间出发即可。
2.如权利要求1所述的一种基于空铁耦合网络的出行耗时计算方法,其特征在于,步骤二中所述的耦合网络包括三类城市:航空城市,高铁城市以及耦合城市;
航空城市是指仅有机场的城市;高铁城市是指仅有高铁站的城市;耦合城市是指既有机场又有高铁站的城市;
每个城市用节点代表;两个城市之间有直达高铁或者直达航班,用边将这两个城市相连。
3.如权利要求1所述的一种基于空铁耦合网络的出行耗时计算方法,其特征在于,所述的步骤三具体过程为:
首先,针对任意乘客A从城市i出发到达城市j,依据时刻表数据,遍历所有出行线路并统计每一条线路的出行方式;
然后,从所有线路中,分别统计航空线路、高铁线路和空铁联运线路的数量,并计算出各自的占比;
ARi表示从城市i到城市j的航空路线总数;Ri表示从城市i到城市j的总路线数量;
HRi表示从城市i到城市j的航空路线数;
CRi表示从城市i到城市j的空铁联运路线数;
同理,得到城市i到每个相连城市之间的航空线路、高铁线路和空铁联运线路的占比;将城市i到每个相连城市的航空路线占比之和记为将城市i到每个相连城市的高铁路线占比之和记为将城市i到每个相连城市的空铁联运路线占比之和记为且
最后,最大的占比值即为城市i的依赖程度最大的出行方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010022159.9A CN111340673A (zh) | 2020-01-09 | 2020-01-09 | 一种基于空铁耦合网络的出行耗时计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010022159.9A CN111340673A (zh) | 2020-01-09 | 2020-01-09 | 一种基于空铁耦合网络的出行耗时计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111340673A true CN111340673A (zh) | 2020-06-26 |
Family
ID=71183368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010022159.9A Pending CN111340673A (zh) | 2020-01-09 | 2020-01-09 | 一种基于空铁耦合网络的出行耗时计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111340673A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111797283A (zh) * | 2020-07-08 | 2020-10-20 | 深圳市活力天汇科技股份有限公司 | 一种基于无向加权图的空铁中转方法 |
CN111833153A (zh) * | 2020-07-17 | 2020-10-27 | 深圳市活力天汇科技股份有限公司 | 一种购买高铁票时推荐航班的方法 |
CN112700034A (zh) * | 2020-12-18 | 2021-04-23 | 西南交通大学 | 一种联程联运路径选择方法、装置、设备及可读存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824467A (zh) * | 2013-12-18 | 2014-05-28 | 招商局重庆交通科研设计院有限公司 | 针对私有车辆的预约式交通导航服务方法及装置 |
CN106156084A (zh) * | 2015-03-31 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 路线查询方法、装置和系统 |
CN107036617A (zh) * | 2017-05-17 | 2017-08-11 | 东北大学 | 一种出租车与地铁组合的出行路线规划方法及系统 |
CN107563028A (zh) * | 2017-08-22 | 2018-01-09 | 南京邮电大学 | 一种基于空间网络的公交‑地铁耦合网络构建方法 |
CN108243065A (zh) * | 2018-01-08 | 2018-07-03 | 东北大学 | 基于公交-地铁双层加权换乘网络下的拥塞感知路由策略 |
CN109377048A (zh) * | 2018-10-23 | 2019-02-22 | 北京航空航天大学 | 一种综合交通网络枢纽节点选择方法 |
CN109446381A (zh) * | 2018-10-16 | 2019-03-08 | 中山大学 | 一种基于时态图的公共交通路网集成方法 |
CN109977322A (zh) * | 2019-03-05 | 2019-07-05 | 百度在线网络技术(北京)有限公司 | 出行方式推荐方法、装置、计算机设备和可读存储介质 |
CN110118567A (zh) * | 2018-02-06 | 2019-08-13 | 北京嘀嘀无限科技发展有限公司 | 出行方式推荐方法及装置 |
CN110285820A (zh) * | 2018-03-19 | 2019-09-27 | 上海博泰悦臻网络技术服务有限公司 | 一种用于车机的出行路况预测方法及系统 |
-
2020
- 2020-01-09 CN CN202010022159.9A patent/CN111340673A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824467A (zh) * | 2013-12-18 | 2014-05-28 | 招商局重庆交通科研设计院有限公司 | 针对私有车辆的预约式交通导航服务方法及装置 |
CN106156084A (zh) * | 2015-03-31 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 路线查询方法、装置和系统 |
CN107036617A (zh) * | 2017-05-17 | 2017-08-11 | 东北大学 | 一种出租车与地铁组合的出行路线规划方法及系统 |
CN107563028A (zh) * | 2017-08-22 | 2018-01-09 | 南京邮电大学 | 一种基于空间网络的公交‑地铁耦合网络构建方法 |
CN108243065A (zh) * | 2018-01-08 | 2018-07-03 | 东北大学 | 基于公交-地铁双层加权换乘网络下的拥塞感知路由策略 |
CN110118567A (zh) * | 2018-02-06 | 2019-08-13 | 北京嘀嘀无限科技发展有限公司 | 出行方式推荐方法及装置 |
CN110285820A (zh) * | 2018-03-19 | 2019-09-27 | 上海博泰悦臻网络技术服务有限公司 | 一种用于车机的出行路况预测方法及系统 |
CN109446381A (zh) * | 2018-10-16 | 2019-03-08 | 中山大学 | 一种基于时态图的公共交通路网集成方法 |
CN109377048A (zh) * | 2018-10-23 | 2019-02-22 | 北京航空航天大学 | 一种综合交通网络枢纽节点选择方法 |
CN109977322A (zh) * | 2019-03-05 | 2019-07-05 | 百度在线网络技术(北京)有限公司 | 出行方式推荐方法、装置、计算机设备和可读存储介质 |
Non-Patent Citations (3)
Title |
---|
DU WENBO,LIANG BOYUAN,YAN GANG,ORIOL LORDAN,CAO XIANBIN: "Identifying vital edges in Chinese air route network", 《CHINESE JOURNAL OF AERONAUTICS》 * |
李铁军: "基于时刻表的旅客出行路径推荐算法研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
范胜楠: "铁路运营网络特性分析", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111797283A (zh) * | 2020-07-08 | 2020-10-20 | 深圳市活力天汇科技股份有限公司 | 一种基于无向加权图的空铁中转方法 |
CN111797283B (zh) * | 2020-07-08 | 2024-03-05 | 深圳市活力天汇科技股份有限公司 | 一种基于无向加权图的空铁中转方法 |
CN111833153A (zh) * | 2020-07-17 | 2020-10-27 | 深圳市活力天汇科技股份有限公司 | 一种购买高铁票时推荐航班的方法 |
CN111833153B (zh) * | 2020-07-17 | 2024-03-05 | 深圳市活力天汇科技股份有限公司 | 一种购买高铁票时推荐航班的方法 |
CN112700034A (zh) * | 2020-12-18 | 2021-04-23 | 西南交通大学 | 一种联程联运路径选择方法、装置、设备及可读存储介质 |
CN112700034B (zh) * | 2020-12-18 | 2023-05-16 | 西南交通大学 | 一种联程联运路径选择方法、装置、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kong et al. | Optimal location planning method of fast charging station for electric vehicles considering operators, drivers, vehicles, traffic flow and power grid | |
CN109657843B (zh) | 一种城市接驳公交系统的一体化规划决策支持系统 | |
CN111340673A (zh) | 一种基于空铁耦合网络的出行耗时计算方法 | |
CN105844362B (zh) | 一种城市交通综合出行决策装置 | |
CN111310077B (zh) | 一种旅客智能行程推荐系统和方法 | |
CN110580404A (zh) | 一种基于城市多模式交通网络的网络运能确定方法 | |
CN107563028B (zh) | 一种基于空间网络的公交-地铁耦合网络构建方法 | |
CN110599760B (zh) | 一种多模式交通网络下的出行行为模拟方法 | |
CN112380398A (zh) | 一种空港旅客多交通方式换乘出行链构建装置 | |
CN106203725A (zh) | 基于启发式搜索的门到门出行路径方案个性化推荐方法 | |
CN107609677A (zh) | 一种基于出租车gps大数据的定制公交线路规划方法 | |
CN114117700A (zh) | 基于复杂网络理论的城市公共交通网络优化研究方法 | |
CN110222912A (zh) | 基于时间依赖模型的铁路行程路线规划方法及装置 | |
Hu et al. | Circuity in China's high-speed-rail network | |
CN109360420B (zh) | 一种公共交通大数据处理系统与方法 | |
Salucci et al. | Capturing the demand for an electric-powered short-haul air transportation network | |
CN114418228A (zh) | 一种基于多层网络的空铁联运双层加权网络建模方法 | |
CN113935543A (zh) | 一种城市空中出租车选址-路径优化方法 | |
CN115018399B (zh) | 一种机场通达性的确定方法、装置、电子设备及存储介质 | |
CN107038536A (zh) | 一种可移动式航班延误发布系统平台及其控制方法 | |
CN113298390B (zh) | 一种突发异构客流的多式协同疏散方案集构建方法及装置 | |
Peksa et al. | Estimating uam network load with traffic data for munich | |
Tian et al. | Method for determining the valid travel route of railways based on generalised cost under the syncretic railway network | |
Postorino | Environmental Effects of Airports Nodes: A Methodological Approach | |
Ma et al. | A study of highway logistics transportation network structure in China: From the perspective of complex network |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200626 |