CN111582738B - 一种区域机场群的航空客流需求预测方法 - Google Patents

一种区域机场群的航空客流需求预测方法 Download PDF

Info

Publication number
CN111582738B
CN111582738B CN202010399175.XA CN202010399175A CN111582738B CN 111582738 B CN111582738 B CN 111582738B CN 202010399175 A CN202010399175 A CN 202010399175A CN 111582738 B CN111582738 B CN 111582738B
Authority
CN
China
Prior art keywords
aviation
demand
airport
group
prediction
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
CN202010399175.XA
Other languages
English (en)
Other versions
CN111582738A (zh
Inventor
陈欣
毛亿
盛寅
宣超
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.)
Nanjing University of Finance and Economics
Original Assignee
Nanjing University of Finance and Economics
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 Nanjing University of Finance and Economics filed Critical Nanjing University of Finance and Economics
Priority to CN202010399175.XA priority Critical patent/CN111582738B/zh
Publication of CN111582738A publication Critical patent/CN111582738A/zh
Application granted granted Critical
Publication of CN111582738B publication Critical patent/CN111582738B/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
    • G06Q10/0631—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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种区域机场群的航空客流需求预测方法，不同于传统的单机场航空客流需求分析，我们以机场群为基本单元分析区域机场群的航空客流需求，采用在城市交通分析规划中有广泛应用基础的交通四阶段法作为预测框架，为基于区域机场群的航空客流需求分析建立较为普适的研究框架：先进行航空需求总量预测和航空需求结构分布预测；在此基础上，再将不同目的地城市的航空需求总量分配到机场群，进行区域内各子机场选择的预测；最后，分析得出单机场需求分配。采用本发明能够得到更为准确的预测结果。

Description

一种区域机场群的航空客流需求预测方法
技术领域
本发明涉及一种区域机场群的航空客流需求预测方法，属于航空规划技术。
背景技术
机场群模式是区域航空运输发展的必然趋势，我国的长三角机场群、京津冀机场群、珠三角机场群已基本形成。对机场群的航空客流需求的预测，是区域机场群系统规划过程的重要组成部分，需要将机场群系统规划过程与区域内的地面交通服务水平相结合。这种集成确保区域航空客运需求的预测分析是以区域整体角度作为基本决策单元，而不是以传统的单个机场所在城市为决策单元。
目前，尽管有相当多的研究试图模拟航空旅客的机场选择问题(包括不同航空公司和机场的选择)或航空旅客前往机场的地面接入方式的选择问题(不同地面出行方式的选择)。然而，以机场群为决策单元，在区域层面上对航空旅客的出行生成进行建模，以及基于机场群的航空需求预测工作尚不多见；而这些内容对机场群未来航空旅客需求分配、设施规划和资源调配具有重要影响，因此需要在区域机场群规划和开发过程中格外注意。
发明内容
发明目的：为了克服现有技术中存在的不足，本发明提供一种区域机场群的航空客流需求预测方法，从区域层面分析需求总规模和结构分布，再将航空需求分配到机场群的各个子机场，通过交通四阶段法建立较为普适的航空需求的研究框架。
在本发明中，所述的机场群指的是：地面交通2h以内的机场组合；机场群的GDP则指的是：机场群所在城市的GDP总和。
技术方案：为实现上述目的，本发明采用的技术方案为：
一种区域机场群的航空客流需求预测方法，不同于传统的单机场的航空客流需求分析，我们以机场群为基本单元分析区域机场群的航空客流需求，采用在城市交通分析规划中有广泛应用基础的交通四阶段法(Four step travel model)作为预测框架，为基于区域机场群的航空客流需求分析建立较为普适的研究框架：先进行航空需求总量预测(TripGeneration)和航空需求结构分布预测(Trip Distribution)；在此基础上，将不同目的地城市的航空需求总量分配到机场群，并进行区域内各子机场选择的预测(AirportChoice)；最后，进行单机场需求分配(Trip Assignment)。
一般我们将地面交通2小时内的机场组合称为一个机场群，国内典型的机场群有长三角机场群、珠三角机场群和京津冀机场群；当然，我们也可以参考一些其他因素，以某些共性特征作为分类标准，建立机场群，但是最主要的参考因素还是地面交通。
具体的，航空需求总量Ttotal按照如下方式进行预测：
(1)从区域机场群的整体出发，建立航空需求发生量Tout与区域经济社会指标(人均GDP、人口规模和结构、就业和产业结构、旅游业条件、对外贸易额、城市化水平、公路和高铁网络等)的计量经济回归模型，预测航空需求发生量Tout；航空需求发生量是指从某机场群内各个子机场始发到该机场群外其他机场的所有航空客流数；
(2)建立基于区域机场群的历史航空需求吸引量的时间序列预测模型，预测航空需求吸引量Tin；航空需求吸引量是指从区域外其他机场始发到本机场群内各子机场的所有航空客流数；
(3)预测航空需求总量Ttotal＝Tin+Tout。
值得指出的是，一般来说，航空需求发生量Tout和航空需求吸引量Tin并不相同，需要分别进行研究，特别是对于机场群中以航空旅游为主的子机场来说，机场对外联系强度往往小于外部区域对机场的联系强度，故航空需求发生量往往小于航空需求吸引量。
具体的，所述航空需求发生量Tout与区域经济社会指标的计量经济回归模型采用Elastic Net回归模型，该模型针对数据集中样本特征变量共线性和过拟合问题有较好处理效果；基于区域机场群的历史航空需求吸引量的时间序列预测模型采用Holt Winters模型，该模型对于包含趋势性和季节性的序列数据具有较好针对性。
航空需求总量是对区域机场群航空出行活动规模的整体把握，而对于机场群与不同目的地城市之间的起讫点航空需求(OD航空需求)的分析是基于对航空需求结构分布进行研究得到的；具体的，所述航空需求结构分布预测，即将航空需求发生量Tout和航空需求吸引量Tin分配到各个目的地城市，建立区域机场群与各个目的地城市的起讫点航空需求。更为具体的，采用随机重力模型分析区域机场群的起讫点航空需求矩阵OD，矩阵OD的第i行j元素为
Figure BDA0002488802710000031
其中：Tij表示机场群i与目的地城市j的起讫点航空需求量，α0,α1,α2,α3为运算参数，yi、yj分别为机场群i目的地城市j的GDP值，cij为关于机场群i和目的地城市j之间的阻抗成本，εij为关于机场群i和目的地城市j之间需求的随机误差因子，其期望值满足E(εij|yi,yj,cij)＝1；航空总需求量为
Figure BDA0002488802710000032
在进行区域内机场选择预测时，需要将机场群的OD航空需求分配到内部的各个机场，涉及到机场选择问题；既有研究中多是利用MNL模型(Multinomial Logit Model)来进行分析，但是该模型中的随机效用函数通常设定为特性变量的线性函数形式，忽略了选择方式与其影响因素之间的非线性关系以及因素间的相互作用；此外，该模型中无关方案独立性假设(Independence of irrelevant alternatives，IIA)否定了备选项间可能存在的相关性，会引起“红蓝巴士问题”；特别是当机场群中出现新机场时，MNL模型对机场选择行为解释(包括相似效应、吸引效应)的准确性将受到较大影响，这些不足弱化了MNL模型的分析能力。在本案中，我们将结合旅客出行问卷调查数据，并综合考虑机场容量、区域地面交通时间、选择意愿等重要影响因素，运用受限玻尔兹曼机预测模型(Restricted BoltzmannMachine，RBM)将航空需求总量按比例分配到各个机场群，得到机场群i内子机场m与目的地城市j的航空需求比例
Figure BDA0002488802710000033
具体的，对机场群i中的子机场m进行需求分配时，建立机场群i的单机场的起讫点航空需求矩阵ODi，矩阵ODi的第m行j列元素Tmj表示子机场m与目的地城市j的起讫点航空需求量，
Figure BDA0002488802710000034
则机场群i内的子机场m的航空需求总量为
Figure BDA0002488802710000035
J为目的地城市的总数量，
Figure BDA0002488802710000036
为机场群i内子机场m与目的地城市j的航空需求比例。
有益效果：本发明提供的区域机场群的航空客流需求预测方法，相对于现有技术，具体如下优势：
1、改变了传统以单个机场为研究对象的研究方法，以机场群为单元进行研究，为航空客流需求预测提供了一种新的研究思路；
2、对航空需求发生量和航空需求吸引量分别进行研究，能够提升一些特殊客流导向的机场的预测结果准确性，比如以旅游为客流导向的机场；
3、结合数据类型和数据相关性进行模型选择，更合理地使用数据，得到更为准确的预测结果；
4、采用在城市交通分析规划中有广泛应用基础的交通四阶段法作为预测框架，为基于区域机场群的航空客流需求分析建立较为普适的研究框架。
附图说明
图1为本发明方法的流程示意图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1所示为一种区域机场群的航空客流需求预测方法，不同于传统的单机场的航空客流需求分析，我们以机场群为基本单元分析区域机场群的航空客流需求，采用在城市交通分析规划中有广泛应用基础的交通四阶段法(Four step travel model)作为预测框架，为基于区域机场群的航空客流需求分析建立较为普适的研究框架：先进行航空需求总量预测(Trip Generation)和航空需求结构分布预测(Trip Distribution)；在此基础上，再将不同目的地城市的航空需求总量分配到机场群，并进行区域内各子机场选择的预测(Airport Choice)；最后，分析得出单机场需求分配(Trip Assignment)。
步骤一：航空需求总量Ttotal预测
(1)从区域机场群的整体出发，采用Elastic Net回归模型建立航空需求发生量Tout与区域经济社会指标(人均GDP、人口规模和结构、就业和产业结构、旅游业条件、对外贸易额、城市化水平、公路和高铁网络等)的计量经济回归模型，预测航空需求发生量Tout；
(2)采用Holt Winters模型建立基于区域机场群的历史航空需求吸引量的时间序列预测模型，预测航空需求吸引量Tin；
(3)预测航空需求总量Ttotal＝Tin+Tout。
步骤二：航空需求结构分布预测
航空需求总量是对区域机场群航空出行活动规模的整体把握，而对于机场群与不同目的地城市之间的起讫点航空需求(OD航空需求)的分析是基于对航空需求结构分布进行研究得到的；具体的，所述航空需求结构分布预测，即将航空需求发生量Tout和航空需求吸引量Tin分配到各个目的地城市，建立区域机场群与各个目的地城市的起讫点航空需求。更为具体的，采用随机重力模型分析区域机场群的起讫点航空需求矩阵OD，矩阵OD的第i行j元素为
Figure BDA0002488802710000051
其中：Tij表示机场群i与目的地城市j的起讫点航空需求量，α0,α1,α2,α3为运算参数，yi、yj分别为机场群i和目的地城市j的GDP值，cij为关于机场群i和目的地城市j之间的阻抗成本，εij为关于机场群i和目的地城市j之间需求的随机误差因子，其期望值满足E(εij|yi,yj,cij)＝1；航空总需求量为
Figure BDA0002488802710000052
步骤三：区域内机场选择分析
在进行区域内机场选择分析时，需要将机场群的OD航空需求分配到内部的各个机场，涉及到机场选择问题；既有研究中多是利用MNL模型(Multinomial Logit Model)来进行分析，但是该模型中的随机效用函数通常设定为特性变量的线性函数形式，忽略了选择方式与其影响因素之间的非线性关系以及因素间的相互作用；此外，该模型中无关方案独立性假设(Independence of irrelevant alternatives，IIA)否定了备选项间可能存在的相关性，会引起“红蓝巴士问题”；特别是当机场群中出现新机场时，MNL模型对机场选择行为解释(包括相似效应、吸引效应)的准确性将受到较大影响，这些不足弱化了MNL模型的分析能力。在本案中，我们将结合旅客出行问卷调查数据，并综合考虑机场容量、区域地面交通时间、选择意愿等重要影响因素，运用受限玻尔兹曼机预测模型(Restricted BoltzmannMachine，RBM)将航空需求总量按比例分配到各个机场群，得到机场群i内子机场m与目的地城市j的航空需求比例
Figure BDA0002488802710000053
步骤四：单机场需求分配
在对机场群i中的子机场m进行需求分配时，建立机场群i的单机场的起讫点航空需求矩阵ODi，矩阵ODi的第m行j列元素Tmj表示子机场m与目的地城市j的起讫点航空需求量，
Figure BDA0002488802710000054
则机场群i内的子机场m的航空需求总量为
Figure BDA0002488802710000055
J为目的地城市的总数量，
Figure BDA0002488802710000061
为机场群i内子机场m与目的地城市j的航空需求比例。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.一种区域机场群的航空客流需求预测方法，其特征在于：以机场群为基本单元分析区域机场群的航空客流需求，采用交通四阶段法作为预测框架：先进行航空需求总量预测和航空需求结构分布预测；在此基础上，再将不同目的地城市的航空需求总量分配到机场群，进行区域内各子机场选择的预测；最后，进行单机场需求分配；
(一)航空需求总量Ttotal按照如下方式进行预测：
(1)从区域机场群的整体出发，建立航空需求发生量Tout与区域经济社会指标的计量经济回归模型，预测航空需求发生量Tout；航空需求发生量是指从某机场群内各个子机场始发到该机场群外其他机场的所有航空客流数；所述航空需求发生量Tout与区域经济社会指标的计量经济回归模型采用Elastic Net回归模型；
(2)建立基于区域机场群的历史航空需求吸引量的时间序列预测模型，预测航空需求吸引量Tin；航空需求吸引量是指从区域外其他机场始发到本机场群内各子机场的所有航空客流数；所述基于区域机场群的历史航空需求吸引量的时间序列预测模型采用HoltWinters模型；
(3)预测航空需求总量Ttotal＝Tin+Tout。
(二)所述航空需求结构分布预测，即将航空需求发生量Tout和航空需求吸引量Tin分配到各个目的地城市，建立区域机场群与各个目的地城市的起讫点航空需求；采用随机重力模型分析区域机场群的起讫点航空需求矩阵OD，矩阵OD的第i行j元素为
Figure QLYQS_1
其中：Tij表示机场群i与目的地城市j的起讫点航空需求量，α0,α1,α2,α3为运算参数，yi、yj分别为机场群i和目的地城市j的GDP值，cij为关于机场群i和目的地城市j之间的阻抗成本，εij为关于机场群i和目的地城市j之间需求的随机误差因子，其期望值满足E(εij|yi,yj,cij)＝1；航空总需求量为
(三)运用受限玻尔兹曼机预测模型将不同目的城市的航空需求总量按比例分配到机场群，得到机场群i内子机场m与目的地城市j的航空需求比例
Figure QLYQS_2
(四)在对机场群i中的子机场m进行需求分配时，建立机场群i的单机场的起讫点航空需求矩阵ODi，矩阵ODi的第m行j列元素Tmj表示子机场m与目的地城市j的起讫点航空需求量，
Figure QLYQS_3
则机场群i内的子机场m的航空需求总量为
Figure QLYQS_4
J为目的地城市的总数量。
CN202010399175.XA 2020-05-12 2020-05-12 一种区域机场群的航空客流需求预测方法 Active CN111582738B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010399175.XA CN111582738B (zh) 2020-05-12 2020-05-12 一种区域机场群的航空客流需求预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010399175.XA CN111582738B (zh) 2020-05-12 2020-05-12 一种区域机场群的航空客流需求预测方法

Publications (2)

Publication Number Publication Date
CN111582738A CN111582738A (zh) 2020-08-25
CN111582738B true CN111582738B (zh) 2023-05-02

Family

ID=72112165

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010399175.XA Active CN111582738B (zh) 2020-05-12 2020-05-12 一种区域机场群的航空客流需求预测方法

Country Status (1)

Country Link
CN (1) CN111582738B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114722449A (zh) * 2021-01-04 2022-07-08 中国民航工程咨询有限公司 一种区域通用机场的布局规划方法及布局规划系统
CN114066062B (zh) * 2021-11-18 2023-04-07 中国民用航空飞行学院 一种城市空中交通的物流需求预测方法及系统
CN115204485B (zh) * 2022-07-08 2023-05-26 深圳市规划国土发展研究中心 一种基于灰色理论和重力模型的跨境客流预测方法
CN117745108B (zh) * 2024-02-20 2024-05-07 中国民用航空飞行学院 一种先进空中交通的客流需求预测方法和系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105679102A (zh) * 2016-03-03 2016-06-15 南京航空航天大学 一种全国飞行流量时空分布预测推演系统及方法
CN105809280A (zh) * 2016-03-03 2016-07-27 南京航空航天大学 一种机场容量需求预测方法
CN109345139A (zh) * 2018-10-29 2019-02-15 南京航空航天大学 一种基于系统动力学的机场群效率及政策评估方法
EP3460730A1 (en) * 2017-09-26 2019-03-27 Honeywell International Inc. System and method for airport terminal area trajectory data clustering for selecting efficient terminal area procedures
CN110059893A (zh) * 2019-04-30 2019-07-26 中国民航大学 一种含规划机场的大型繁忙机场终端区起降量预测方法
CN110751102A (zh) * 2019-10-22 2020-02-04 天津财经大学 京津冀三地机场客流关联性分析方法及装置
CN110990789A (zh) * 2019-12-02 2020-04-10 中国民航工程咨询有限公司 一种货运机场的规划选址方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9715695B2 (en) * 2015-06-01 2017-07-25 Conduent Business Services, Llc Method, system and processor-readable media for estimating airport usage demand

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105679102A (zh) * 2016-03-03 2016-06-15 南京航空航天大学 一种全国飞行流量时空分布预测推演系统及方法
CN105809280A (zh) * 2016-03-03 2016-07-27 南京航空航天大学 一种机场容量需求预测方法
EP3460730A1 (en) * 2017-09-26 2019-03-27 Honeywell International Inc. System and method for airport terminal area trajectory data clustering for selecting efficient terminal area procedures
CN109345139A (zh) * 2018-10-29 2019-02-15 南京航空航天大学 一种基于系统动力学的机场群效率及政策评估方法
CN110059893A (zh) * 2019-04-30 2019-07-26 中国民航大学 一种含规划机场的大型繁忙机场终端区起降量预测方法
CN110751102A (zh) * 2019-10-22 2020-02-04 天津财经大学 京津冀三地机场客流关联性分析方法及装置
CN110990789A (zh) * 2019-12-02 2020-04-10 中国民航工程咨询有限公司 一种货运机场的规划选址方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈欣 等.基于经济适应性评价的江苏临空经济发展模式和策略研究.经贸实践.2018,140-141. *

Also Published As

Publication number Publication date
CN111582738A (zh) 2020-08-25

Similar Documents

Publication Publication Date Title
CN111582738B (zh) 一种区域机场群的航空客流需求预测方法
CN107527293A (zh) 基于统计模型的城市群空间联系强度分析系统
CN109345117B (zh) 一种多维数据驱动的交通运输主体综合画像方法
Chen et al. A practical approach to determining critical macroeconomic factors in air-traffic volume based on K-means clustering and decision-tree classification
Niu A push-pull model for inter-city migration simulation
Petrik et al. Uncertainty analysis of an activity-based microsimulation model for Singapore
CN114005274A (zh) 基于小客车当量的高速公路收费站分级联动管控方法
Ait-Ali et al. The value of additional data for public transport origin–destination matrix estimation
Liang et al. An improved adaptive parallel genetic algorithm for the airport gate assignment problem
Luo et al. Influential factors in customer satisfaction of transit services: Using crowdsourced data to capture the heterogeneity across individuals, space and time
CN109118412B (zh) 城市轨道交通网络客流在线控制系统
Li et al. Exploring interactive and nonlinear effects of key factors on intercity travel mode choice using XGBoost
Yu et al. Combining travel behavior in metro passenger flow prediction: A smart explainable Stacking-Catboost algorithm
Jing et al. Optimal design method of public transit network considering transfer efficiency
Liu et al. Understanding the correlation between destination distribution and urban built environment from taxi GPS data
Wang et al. A multi-tier inspection queueing system with finite capacity for differentiated border control measures
CN114723275B (zh) 一种面向综合交通系统的客运生成总量分析方法
Zhang et al. Research on improvement and optimisation of modelling method of China’s civil aircraft market demand forecast model
CN114463978B (zh) 一种基于轨道交通信息处理终端的数据监测方法
CN109544005A (zh) 基于大数据框架的比较区域内公交客流和出租客流差异的系统
Nakayama et al. Comparing households with every member out-of-home in developing countries using travel surveys
Guo et al. Understanding the predictability of path flow distribution in urban road networks using an information entropy approach
CN114119314A (zh) 基于多源要素流的城市网络综合分析方法和系统
Wang et al. Air quality data analysis and forecasting platform based on big data
CN110992101A (zh) 车站广告媒体资源价值及收益预测回归方法及预测模型

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