CN111626582A - 一种城市交通出行问题热点分级方法及装置 - Google Patents

一种城市交通出行问题热点分级方法及装置 Download PDF

Info

Publication number
CN111626582A
CN111626582A CN202010431381.4A CN202010431381A CN111626582A CN 111626582 A CN111626582 A CN 111626582A CN 202010431381 A CN202010431381 A CN 202010431381A CN 111626582 A CN111626582 A CN 111626582A
Authority
CN
China
Prior art keywords
hotspot
time
waiting
hotspots
tracing
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
Application number
CN202010431381.4A
Other languages
English (en)
Inventor
赵琳
刘冬梅
张劲泉
张晓亮
王海鹏
丁丽媛
王晶
王文静
宋艳
郭宇奇
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.)
Research Institute of Highway Ministry of Transport
Original Assignee
Research Institute of Highway Ministry of Transport
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 Research Institute of Highway Ministry of Transport filed Critical Research Institute of Highway Ministry of Transport
Priority to CN202010431381.4A priority Critical patent/CN111626582A/zh
Publication of CN111626582A publication Critical patent/CN111626582A/zh
Pending legal-status Critical Current

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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种城市交通出行问题热点分级方法及装置，其中，该方法包括：获取多个被测对象的出行数据；根据多个被测对象的出行数据确定问题热点；根据问题热点和多个被测对象的出行数据确定溯源热点，溯源热点为出行数据中与问题热点相关的通行时间大于预设阈值的起点位置，和/或终点位置；根据问题热点和溯源热点进行聚类分析，得到多个热点区域；根据各热点区域中的问题热点和溯源热点的总数对热点区域进行分级。通过实施本发明实现了对问题热点和溯源热点进行了分级，问题热点和溯源热点为各城市交通出行方式之间的协同运行的薄弱点，通过对问题热点和溯源热点进行分级可以使后续的城市建设更有针对性。

Description

一种城市交通出行问题热点分级方法及装置
技术领域
本发明涉及智慧交通技术领域，具体涉及一种城市交通出行问题热点分级方法及装置。
背景技术
为了满足城市居民的出行需求，有关部门投入了大量的精力进行道路规划和建设，去解决由于交通流量大而导致的道路拥堵的问题，但是影响城市居民出行需求与服务水平的因素除道路拥堵外，各种城市交通出行方式之间的协同衔接、以及城市交通各子系统相互之间的影响也是主要影响因素之一，这也是亟需开展研究并深入挖掘的热点，这些热点对于城市综合客运系统及各交通方式子系统的优化与协同运行效率的提升尤为重要。
发明内容
因此，本发明要解决的技术问题在于克服现有技术中没有对城市交通出行方式之间的协同衔接位置及各城市交通子系统相互之间的影响进行研究缺陷，从而提供一种城市交通出行问题热点分级方法及装置。
本发明第一方面提供了一种城市交通出行问题热点分级方法，包括：获取多个被测对象的出行数据；根据多个被测对象的出行数据确定问题热点；根据问题热点和多个被测对象的出行数据确定溯源热点，溯源热点为出行数据中与问题热点相关的通行时间大于预设阈值的起点位置，和/或终点位置；根据问题热点和溯源热点进行聚类分析，得到多个热点区域；根据各热点区域中的问题热点和溯源热点的总数对热点区域进行分级。
可选地，在本发明提供的城市交通出行问题热点分级方法中，问题热点包括接驳热点、等候热点、换乘热点中的至少之一；根据多个被测对象的出行数据确定问题热点的步骤，包括：根据多个被测对象的出行数据确定接驳热点、等候热点及换乘热点中至少之一；根据接驳热点、等候热点及换乘热点中至少之一确定问题热点。
可选地，在本发明提供的城市交通出行问题热点分级方法中，根据多个被测对象的出行数据确定接驳热点的步骤，包括：根据多个被测对象的接驳时间和接驳时间所属范围计算接驳加权值；根据接驳加权值确定接驳热点。
可选地，在本发明提供的城市交通出行问题热点分级方法中，接驳时间包括步行至站点的时间、骑行至站点的时间、从起始位置步行至上车位置的时间、从下车位置步行至目的地位置的时间中的至少之一，根据多个被测对象的接驳时间和接驳时间所属范围计算接驳加权值的步骤，包括：根据多个被测对象步行至站点的时间和步行至站点的时间所属范围计算第一步行接驳加权值；和/或根据多个被测对象骑行至站点的时间和骑行至站点的时间所属范围计算骑行接驳加权值；和/或根据多个被测对象从起始位置步行至上车位置的时间和从起始位置步行至上车位置的时间所属范围计算第二步行接驳加权值；和/或根据多个被测对象从下车位置步行至目的地位置的时间和从下车位置步行至目的地位置的时间所属范围计算第三步行接驳加权值。
可选地，在本发明提供的城市交通出行问题热点分级方法中，根据多个被测对象的出行数据确定等候热点的步骤，包括：根据多个被测对象的等候时间和等候时间所属范围计算等候加权值；根据等候加权值确定等候热点。
可选地，在本发明提供的城市交通出行问题热点分级方法中，等候时间包括公交等候时间、轨道交通等候时间、打车等候时间中的至少之一，根据等候时间和等候时间所属范围计算等候加权值的步骤，包括：根据多个被测对象的公交等候时间和公交等候时间所属范围计算公交等候加权值；和/或根据多个被测对象的轨道交通等候时间和轨道交通等候时间所属范围计算轨道交通等候加权值；和/或根据多个被测对象的打车等候时间和打车等候时间所属范围计算打车等候加权值。
可选地，在本发明提供的城市交通出行问题热点分级方法中，根据多个被测对象的出行数据确定换乘热点的步骤，包括：根据多个被测对象的换乘时间和换乘时间所属范围计算换乘加权值；根据换乘加权值确定换乘热点。
可选地，在本发明提供的城市交通出行问题热点分级方法中，根据问题热点获取和多个被测对象的出行数据确定溯源热点的步骤，包括：获取到达问题热点的被测对象的起点位置以及从起点位置到达问题热点所用时间，将所用时间大于预设阈值的起点位置判定为溯源热点，和/或，获取从问题热点出发的被测对象到达终点位置以及从问题热点到达终点位置的时间，将时间大于预设阈值的终点位置判定为溯源热点。
可选地，在本发明提供的城市交通出行问题热点分级方法中，根据问题热点和溯源热点进行聚类分析，得到多个热点区域的步骤，包括：采用基于密度的聚类算法对问题热点和溯源热点进行聚类分析，确定问题热点和溯源热点中的多个核心点，将各核心点、核心点的核心距离点、核心点的可达距离点划为一类，得到多个热点区域。
可选地，在本发明提供的城市交通出行问题热点分级方法中，根据各热点区域中的问题热点和溯源热点的总数对热点区域进行分级的步骤，包括：采用模糊C均值聚类算法将热点区域中问题热点和溯源热点的数量划分为多个热点数量阈值范围；根据多个热点数量阈值范围将热点区域划分为多个等级。
本发明第二方面提供了一种城市交通出行问题热点分级装置，包括：出行数据获取模块，用于获取多个被测对象的出行数据；问题热点确定模块，用于根据多个被测对象的出行数据获取问题热点；溯源热点确定模块，用于根据问题热点和多个被测对象的出行数据确定溯源热点，溯源热点为出行数据中与问题热点相关的通行时间大于预设阈值的起点位置，和/或终点位置；热点聚类模块，用于根据问题热点和溯源热点进行聚类分析，得到多个热点区域；热点区域分级模块，用于根据各热点区域中的问题热点和溯源热点的总数对热点区域进行分级。
本发明第三方面提供了一种计算机设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，从而执行如本发明第一方面提供的城市交通出行问题热点分级方法。
本发明第四方面提供了一种计算机可读存储介质，其特征在于，计算机可读存储介质存储有计算机指令，计算机指令用于使计算机执行如本发明第一方面提供的城市交通出行问题热点分级方法。
本发明技术方案，具有如下优点：
1.本发明提供的城市交通出行问题热点分级方法，先根据被测对象的出行数据确定问题热点，并根据出行数据和问题热点确定溯源热点，溯源热点为出行数据中与问题热点相关的通行时间大于预设阈值的起点位置，和/或终点位置，然后对问题热点和溯源热点进行聚类分析，得到多个热点区域，最后对热点区域进行分级。本发明提供的城市交通出行问题热点分级方法对问题热点和溯源热点进行了分级，问题热点和溯源热点为各城市交通出行方式之间的协同运行的薄弱点，通过对问题热点和溯源热点进行分级可以使后续的城市建设更有针对性，并且，通过问题热点实现个体的出行溯源，更加有针对性地解决个体出行需求问题。
2.本发明提供的城市交通出行问题热点分级方法，问题热点包括接驳热点、等候热点、换乘热点中的至少之一，在确定问题热点时，先根据多个被测对象的出行数据确定接驳热点、等候热点及换乘热点中的至少之一，然后根据接驳热点、等候热点及换乘热点中的至少之一确定问题热点，由于接驳、等候、换乘都是居民出行时无法避免的因素，因此通过接驳热点、等候热点、换乘热点确定的问题热点较为客观全面。
3.本发明提供的城市交通出行问题热点分级装置，先根据被测对象的出行数据确定问题热点，并根据出行数据和问题热点确定溯源热点，溯源热点为出行数据中与问题热点相关的通行时间大于预设阈值的起点位置，和/或终点位置，然后对问题热点和溯源热点进行聚类分析，得到多个热点区域，最后对热点区域进行分级。本发明提供的城市交通出行问题热点分级装置对问题热和溯源热点进行了分级，问题热点和溯源热点为各城市交通出行方式之间的协同运行的薄弱点，通过对问题热点和溯源热点进行分级可以使后续的城市建设更有针对性，并且，通过问题热点实现个体的出行溯源，更加有针对性地解决个体出行需求问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1-图5为本发明实施例中城市交通出行问题热点分级方法的具体示例的流程图；
图6为本发明实施例中问题热点和溯源热点的样本集示意图；
图7为本发明实施例中问题热点和溯源热点的聚类结果示意图；
图8为本发明实施例中城市交通出行问题热点分级装置的具体示例的示意框图；
图9为本发明实施例中提供的计算机设备的具体示例的示意框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
各种城市交通出行方式之间的协同衔接位置相互之间的影响是影响居民出行的重要因素之一，这也是亟需开展研究并深入挖掘的热点，这些热点对于城市综合客运系统各交通方式子系统的优化与协同运行效率的提升尤为重要。
本发明实施例提供了一种城市交通出行问题热点分级方法，如图1所示，包括：
步骤S10：获取多个被测对象的出行数据，在本发明实施例中，为了更客观、全面地获取问题热点，需要尽量多的获取被测对象以及被测对象的出行数据，被测对象的出行数据包括被测对象从出发位置到目的地之间每一时刻所处的位置、移动状态、移动方式等。在本发明实施例中，被测对象为在研究区域内形成运动轨迹的对象。
步骤S20：根据多个被测对象的出行数据确定问题热点，在本发明实施例中，问题热点为城市客运系统无法满足居民出行的位置，例如，存在一公交站点，该站点的公交车每隔10分钟有一趟，但是该站点的人流量较大，10分钟一趟的频次无法满足居民的出行需求，则该站点被确定为问题热点，或者，存在一办公区，该办公区人流量较大，但是该办公区附近没有公交站和地铁站，居民从最近的站点步行到该办公区的平均时间为30分钟，该办公区也被判定为问题热点。
在具体实施例中，在不同的时间段问题热点也会有所不同，例如，对于一地铁站，在早高峰和晚高峰时会出现无法满足居民出行的情况，但是在平峰时并不会出现无法满足居民出行的情况，因此在确定问题热点时，需要记录热点发生的时间段、经纬度信息、站点属性、热点属性，站点属性包括公交站点、轨道站点，热点属性包括接驳热点、换乘热点、等候热点。
步骤S30：根据问题热点和多个被测对象的出行数据确定溯源热点，溯源热点为出行数据中与问题热点相关的通行时间大于预设阈值的起点位置，和/或终点位置，在确定溯源热点时，需要记录热点发生的时间段、经纬度信息、与溯源热点相对应的问题热点属性。由于城市客运系统是纵横交错的，不同点之间是相互联系相互影响的，使某一个站点或某一个位置成为问题热点可能是达到该位置的起始位置或从该位置出发的重点位置存在为题，导致该位置成为了问题热点，因此为了使提取到的热点更全面客观，本申请中在提取到问题热点后，还基于被测对象的出行数据提取了溯源热点。
步骤S40：根据问题热点和溯源热点进行聚类分析，得到多个热点区域。在本发明实施例中，由于同时间段的问题热点和溯源热点有所不同，因此对问题热点和溯源热点进行聚类分析时，可以根据预设的周期进行聚类分析，例如，可以以小时、天等为单位对问题热点和溯源热点进行聚类分析。
步骤S50：根据各热点区域中的问题热点和溯源热点的总数对热点区域进行分级。在本发明实施例中，根据热点区域中的问题热点和溯源热点的总数对热点区域进行分级，热点区域问题热点和溯源热点的数量越多，说明该热点区域存在的问题越大，在后续城市建设中应优先考虑问题热点和溯源热点数量较多的热点区域。
本发明提供的城市交通出行问题热点分级方法，先根据被测对象的出行数据确定问题热点，并根据出行数据和问题热点确定溯源热点，溯源热点为出行数据中与问题热点相关的通行时间大于预设阈值的起点位置，和/或终点位置，然后对问题热点和溯源热点进行聚类分析，得到多个热点区域，最后对热点区域进行分级。本发明提供的城市交通出行问题热点分级方法，数据源为个体出行数据，以个体出行点及其溯源点为基础，反映的是客运系统服务居民出行的好坏程度，相比于传统基于出租车轨迹与客流量大小进行的热点分析方法，能够更真实地反映出城市综合客运系统的问题症结，也为城市综合客运管理部门提供更有针对性并更加精细化的理论支撑，并且，本发明提供的城市交通出行问题热点分级方法还对问题热点和溯源热点进行了分级，问题热点和溯源热点为各城市交通出行方式之间的协同运行的薄弱点，通过对问题热点和溯源热点进行分级可以使后续的城市建设更有针对性，并且，通过问题热点实现个体的出行溯源，更加有针对性地解决个体出行需求问题。
在一可选实施例中，本发明提供的城市交通出行问题热点分级方法中，问题热点包括接驳热点、等候热点、换乘热点中的至少之一，如图2所示，上述步骤S20具体包括：
步骤S21：根据多个被测对象的出行数据确定接驳热点、等候热点及换乘热点中至少之一。
步骤S22：根据接驳热点、等候热点及换乘热点中至少之一确定问题热点。在一具体实施例中，可以根据实际需求确定问题热点，例如，若研究重点为各公交站点或轨道站点之间的换乘问题，可以只计算换乘热点，根据换乘热点确定问题热点，若研究重点为各位置的可达性，可以只计算接驳热点，根据接驳热点确定问题热点，若想对城市客运状况进行全面研究，可以同时计算接驳热点、等候热点、换乘热点，并根据接驳热点、等候热点、换乘热点确定问题热点。
本发明实施例提供的城市交通出行问题热点分级方法，问题热点包括接驳热点、等候热点、换乘热点中的至少之一，在确定问题热点时，先根据多个被测对象的出行数据确定接驳热点、等候热点及换乘热点中的至少之一，然后根据接驳热点、等候热点及换乘热点中的至少之一确定问题热点，由于接驳、等候、换乘都是居民出行时无法避免的因素，因此通过接驳热点、等候热点、换乘热点确定的问题热点较为客观全面。
在于可选实施例中，如图3所示，在上述步骤S21中，根据多个被测对象的出行数据确定接驳热点的步骤具体包括：
步骤S211：根据多个被测对象的接驳时间和接驳时间所属范围计算接驳加权值，对于同一目标位置，不同被测对象由于出发位置不同，导致到达目标位置的接驳时间不同，在本发明实施例中对不同的接驳时间段设置了不同的权值，根据到达目标位置的接驳时间和位于不同时间段内的被测对象数量计算目标位置的接驳加权值。
步骤S212：根据接驳加权值确定接驳热点。在本发明实施例中，对不同的接驳时间段设置权值时，接驳时间越长，权值越大，因此目标位置的接驳加权值越大，说明该目标位置可达性越差，因此本发明实施例中将接驳加权值按从大到小排序，将排名前50％的位置确定为接驳热点。
在一可选实施例中，接驳时间包括步行至站点的时间、骑行至站点的时间、从起始位置步行至上车位置的时间、从下车位置步行至目的地位置的时间中的至少之一，如图4所示，上述步骤S211具体包括：
步骤S2111：根据多个被测对象步行至站点的时间和步行至站点的时间所属范围计算第一步行接驳加权值，第一步行接驳加权值可以表征目标站点的步行可达性。
步骤S2113：根据多个被测对象从起始位置步行至上车位置的时间和从起始位置步行至上车位置的时间所属范围计算第二步行接驳加权值，第二步行接驳加权值可以表征目标位置打车难易程度，第二步行接驳加权值越大，表明该目标位置打车越困难。
步骤S2114：根据多个被测对象从下车位置步行至目的地位置的时间和从下车位置步行至目的地位置的时间所属范围计算第三步行接驳加权值，第三步行接驳加权值可以表征目标位置的机动车可达性，第三步行接驳加权值越大，表明该目标位置机动车可达性越差。
在本发明实施例中，步骤S2111、步骤S2113、步骤S2114中计算第一步行接驳加权值、第二步行接驳加权值、第三步行接驳加权值的方法一致：先提取被测对象出行数据中的起终点与目标位置相连接的步行接驳片段，以目标位置经纬度为基础，统计每个目标位置步行至此(包含候车时间)或由此步行至目标位置的实际步行时间、实际步行时间范围、每个时间范围内的人数，计算步行接驳加权值：
步行接驳加权值＝∑(tw-fBi-5)+2×∑(tw-fCi-9)+3×∑(tw-fDi-17)，
其中，tw-fBi为步行时间在5min以内的被测对象i的实际步行时间，tw-fCi为步行时间在(5min，9min]以内的被测对象i的实际步行时间，tw-fDi为步行时间在(9min，17min]以内的个体i的实际步行时间。
目标位置的步行接驳加权值越大，说明该目标位置的步行可达性越差。
步骤S2112：根据多个被测对象骑行至站点的时间和骑行至站点的时间所属范围计算骑行接驳加权值。在本发明实施例中，先提取被测对象出行数据中的起终点与公交/轨道站点相连接的骑行接驳片段，以公交/轨道站点经纬度为基础，统计每个站点骑车至此(包含开锁车前后的步行时间与候车时间)的时间或由此骑车至目的地(包含开锁车前后的步行时间)的时间，根据实际骑行时间、骑行时间范围、每个时间范围内的人数，计算骑行接驳加权值：
骑行接驳加权值＝∑(tr-fBi-7)+2×∑(tr-fci-11)+3×∑(tr-fDi-23)，
其中，tr-fAi为骑车时间在7min以内的被测对象i的实际骑车时间，tr-fBi为骑车时间在(7min，11min]以内的被测对象i的实际骑车时间，tr-fCi为骑车时间在(11min，23min]以内的被测对象i的实际骑车时间，tr-fDi为骑车时间在(23min，36min]以内的被测对象i的实际骑车时间。
目标站点的骑行接驳加权值越大，说明该目标站点的骑行可达性越差。
在一具体实施例中，可以根据实际需求选择采用上述步骤S2111-步骤S2114的一种或多种方法确定接驳热点，例如，若研究重点为研究公交站点或轨道站点的不行可达性，可以只通过步骤S2111计算第一步行接驳加权值，并将第一步行接驳加权值按从大到小的顺序排列，将前50％的位置判定为接驳热点；若想进行综合全面的研究，可以同时计算第一步行接驳加权值、第二步行接驳加权值、第三步行接驳加权值、骑行接驳加权值，并将前50％的位置判定为接驳热点，也可以在计算全部接驳加权值后，根据研究重点为不同的接驳加权值确定不同的权重，然后确定接驳热点。
在一可选实施例中，如图3所示，在上述步骤S21中，根据多个被测对象的出行数据确定等候热点的步骤具体包括：
步骤S213：根据多个被测对象的等候时间和等候时间所属范围计算等候加权值。在本发明实施例中，等候时间包括等候公交车、地铁、出租车等交通工具的时间。
步骤S214：根据等候加权值确定等候热点。在本发明实施例中，对不同的等候时间段设置权值时，等候时间越长，权值越大，因此目标位置的等候加权值越大，说明该目标位置浪费了居民出行时间，因此本发明实施例中将等候加权值按从大到小排序，将排名前50％的位置确定为等候热点。
在一可选实施例中，等候时间包括公交等候时间、轨道交通等候时间、打车等候时间中的至少之一，如图4所示，上述步骤S213具体包括：
步骤S2131：根据多个被测对象的公交等候时间和公交等候时间所属范围计算公交等候加权值。在本发明实施例中，先提取被测对象出行数据中公交出行段之前的静止片段，以公交站点为基础，统计每个站点上被测对象的候车时间、候车时间所属范围、每个时间范围内的人数，计算公交等候加权值：
公交等候加权值＝∑(tb-wBi-1)+2×∑(tb-wCi-3)+3×∑(tb-wDi-10)，
其中，tb-wAi候车时间在1min以内的被测对象i的实际候车时间，tb-wBi候车时间在(1min，3min]以内的被测对象i的实际候车时间，tb-wCi为候车时间在[3min，10min)以内的被测对象i的实际候车时间，tb-wDi为候车时间在[10min，30min)以内的被测对象i的实际候车时间。
步骤S2132：根据多个被测对象的轨道交通等候时间和轨道交通等候时间所属范围计算轨道交通等候加权值。在本发明实施例中，先提取被测对象出行数据中轨道出行段之前的静止片段，以轨道站点为基础，统计每个站点上被测对象的候车时间、候车时间所属范围、每个时间范围内的人数，计算轨道交通等候加权值：
轨道交通等候加权值＝∑(ts-wBi-1)+2×∑(ts-wCi-2)+3×∑(ts-wDi-5)，
其中，ts-wAi候车时间在1min以内的被测对象i的实际候车时间，ts-wBi候车时间在(1min，2min]以内的被测对象i的实际候车时间，ts-wCi为候车时间在[2min，5min)以内的被测对象i的实际候车时间，ts-wDi为候车时间在[5min，10min)以内的被测对象i的实际候车时间。
步骤S2133：根据多个被测对象的打车等候时间和打车等候时间所属范围计算打车等候加权值。在本发明实施例中，先提取个体出行链中小汽车出行段之前的静止片段，以小汽车出行段起点为基础，统计该点上出行之前的等候时间、等候时间所属范围、每个时间范围内的人数，计算加打车等候加权值：
打车等候加权值＝∑(tt-wBi-2)+2×∑(tt-wCi-7)+3×∑(tt-wDi-15)，
其中，tt-wAi为候车时间在2min以内的被测对象i的实际等候出租车的时间，tt-wBi为候车时间在(2min，7min]以内的被测对象i的实际等候出租车的时间，tt-wCi为候车时间在[7min，15min)以内的被测对象i的实际等候出租车的时间，tt-wDi为候车时间在[15min，30min)以内的被测对象i的实际等候出租车的时间。
在一具体实施例中，可以根据实际需求选择采用上述步骤S2131-步骤S2133的一种或多种方法确定等候热点，例如，若研究重点为公交站点的等候时间，可以只通过步骤S2131计算公交等候加权值，并将公交等候加权值按从大到小的顺序排列，将前50％的位置判定为等候热点；若想进行综合全面的研究，可以同时计算公交等候加权值、轨道交通等候加权值、打车等候加权值，并将前50％的位置判定为等候热点，也可以在计算全部等候加权值后，根据研究重点为不同的等候加权值确定不同的权重，然后确定等候热点。
在一可选实施例中，如图3所示，上述步骤S21中，根据多个被测对象的出行数据确定换乘热点的步骤，包括：
步骤S215：根据多个被测对象的换乘时间和换乘时间所属范围计算换乘加权值。在本发明实施例中，先提取被测对象出行数据中的轨道、公交、小汽车出行段之间的步行、骑车、静止片段，以公交/轨道站点为基础，统计每个站点上公交车、地铁、小汽车各方式或同方式各线路之间的换乘时间(包括行走、骑车、候车时间)、换乘时间所属范围、每个时间范围内的人数，计算换乘加权值：
换乘加权值＝∑(tcBi-4)+2×∑(tcCi-10)+3×∑(tcDi-19)，
其中，tcAi为换乘时间在4min以内的被测对象i的实际换乘公交时间，tcBi为换乘时间在(4min，10min]以内的被测对象i的实际换乘公交时间，tcCi为换乘时间在(10min，19min]以内的被测对象i的实际换乘公交时间，tcDi为换乘时间在(19min，30min]以上的被测对象i的实际换乘公交时间。
步骤S216：根据换乘加权值确定换乘热点。在本发明实施例中，对不同的换乘时间段设置权值时，换乘时间越长，权值越大，因此目标位置的换乘加权值越大，说明该目标位置换乘所需时间越长，因此本发明实施例中将换乘加权值按从大到小排序，将排名前50％的位置确定为换乘热点。
在一可选实施例中，如图5所示，上述步骤S30具体包括：
步骤S31：获取到达问题热点的被测对象的起点位置以及从起点位置到达问题热点所用时间，将所用时间大于预设阈值的起点位置判定为溯源热点；和/或，
步骤S32：获取从问题热点出发的被测对象到达终点位置以及从问题热点到达终点位置所用时间，将所用时间大于预设阈值的终点位置判定为溯源热点。
在一具体实施例中，可以根据研究重点选择步骤S31或步骤S32中的其中一种方案确定溯源热点，为了使获取到的溯源热点更全面，也可以同时采用步骤S31和步骤S32两种方案确定溯源热点。
在一可选实施例中，在上述步骤S40中，采用基于密度的聚类算法对问题热点和溯源热点进行聚类分析，确定问题热点和溯源热点中的多个核心点，将各核心点、核心点的核心距离点、核心点的可达距离点划为一类，得到多个热点区域。
在一具体实施例中，通过如下步骤对问题热点和溯源热点进行聚类分析：
步骤一，确定邻域半径∈为20m，确定最小点数minPts为5，邻域半径和最小点数可以根据实际需求进行调整；
步骤二，计算样本集中每个点之间的距离，然后筛选出距离20m以内的点的数量不少于5个的点，记为核心点，将所有核心点计入队列Qcore，如图6所示为问题热点和溯源热点的样本集的示意图，需要说明的是，图6仅为举例说明的示意图，而并非对实施方式的限定；
步骤三，针对Qcore中的点，每访问一个点，就将其放入Qorder中，将与之距离小于20m的点放入Qreach；
步骤四，计算剩下的点中与Qreach中的点距离小于20m的点，放入Qseed；
步骤五，循环计算Qseed中的点，并放入之前的Qorder与Qreach相对应的点集中；
步骤六，遍历计算完所有点；
步骤七，将各核心点、核心点的核心距离点、核心点的可达距离点记为一类，不符合的点记为噪声点。图7为聚类结果示意图，位于同于框中的点表示一类，图7所示的聚类结果表示将问题热点和溯源热点分为5个热点区域，需要说明的是，图7仅为举例说明的示意图，而并非对实施方式的限定。
在一可选实施例中，在上述步骤S50中，通过如下步骤对热点区域进行分级：
首先，采用模糊C均值聚类算法将热点区域中问题热点和溯源热点的数量划分为多个热点数量阈值范围。
然后，根据多个热点数量阈值范围将热点区域划分为多个等级。
在本发明实施例中，在进行模糊C均值聚类算法进行等级划分时，将加权指数确定为2，将热点区域划分为优良中差4个等级，具体步骤如下：
步骤一，初始化数据集；
步骤二，计算质心，以隶属度为权重做加权平均；
Figure BDA0002500649670000191
其中，uij表示样本xi属于j类的隶属度，i表示第i个样本，cj是j类的中心，m是聚类的簇数，本发明实施例中为4类。
步骤三，更新权重(隶属度)：
Figure BDA0002500649670000192
其中，k表示迭代步数，||*||表示距离，对于单个样本xi，它对于每个类的隶属度之和为1。
第四步，重复迭代计算隶属度和质心，直至达到结束条件(算法收敛)：
Figure BDA0002500649670000201
第五步，根据聚类结果得到质心的值，以各质心等距间隔为依据，得到四个等级对应的热点数量阈值范围。如：将包含200个以下问题热点和溯源热点的热点区域分级为优，将包含200-500个问题热点和溯源热点的热点区域分级为良，将包含500-1000个问题热点和溯源热点的热点区域分级为中，将包含超过1000个问题热点和溯源热点的热点区域分级为差。需要说明的是，热点区域中包含越多的问题热点和溯源热点，说明该区域的交通协同运行情况越差，“优”、“良”、“中”、“差”只是相对的，即使分级为“优”的热点区域，也不能说明该区域的交通协同运行情况为优，因为提取到的热点区域本身都是交通协同运行情况较差的区域。另外，由于不同时间段内的问题热点会有所不同，因此不同时间段内的热点区域及热点区域的分级也会有所不同，因此在对分级后的热点区域进行记录时，需明确确定热点区域的时间段。
实施例2
本发明实施例提供了一种城市交通出行问题热点分级装置，如图8所示，包括：
出行数据获取模块10，用于获取多个被测对象的出行数据，详细描述见上述实施例1中对步骤S10的描述。
问题热点确定模块20，用于根据多个被测对象的出行数据获取问题热点，详细描述见上述实施例1中对步骤S20的描述。
溯源热点确定模块30，用于根据问题热点和多个被测对象的出行数据确定溯源热点，溯源热点为出行数据中与问题热点相关的通行时间大于预设阈值的起点位置，和/或终点位置，详细描述见上述实施例1中对步骤S30的描述。
热点聚类模块40，用于根据问题热点和溯源热点进行聚类分析，得到多个热点区域，详细描述见上述实施例1中对步骤S40的描述。
热点区域分级模块50，用于根据各热点区域中的问题热点和溯源热点的总数对热点区域进行分级，详细描述见上述实施例1中对步骤S50的描述。
本发明实施例提供的城市交通出行问题热点分级装置，先根据被测对象的出行数据确定问题热点，并根据出行数据和问题热点确定溯源热点，溯源热点为出行数据中与问题热点相关的通行时间大于预设阈值的起点位置，和/或终点位置，然后对问题热点和溯源热点进行聚类分析，得到多个热点区域，最后对热点区域进行分级。本发明提供的城市交通出行问题热点分级装置对问题热点和溯源热点进行了分级，问题热点和溯源热点为各城市交通出行方式之间的协同运行的薄弱点，通过对问题热点和溯源热点进行分级可以使后续的城市建设更有针对性，并且，通过问题热点实现个体的出行溯源，更加有针对性地解决个体出行需求问题。
实施例3
本发明实施例提供一种计算机设备，如图9所示，该计算机设备主要包括一个或多个处理器61以及存储器62，图9中以一个处理器61为例。
该计算机设备还可以包括：输入装置63和输出装置64。
处理器61、存储器62、输入装置63和输出装置64可以通过总线或者其他方式连接，图9中以通过总线连接为例。
处理器61可以为中央处理器(Central Processing Unit，CPU)。处理器61还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器62可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据城市交通出行问题热点分级装置的使用所创建的数据等。此外，存储器62可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器62可选包括相对于处理器61远程设置的存储器，这些远程存储器可以通过网络连接至城市交通出行问题热点分级装置。输入装置33可接收用户输入的计算请求(或其他数字或字符信息)，以及产生与城市交通出行问题热点分级装置有关的键信号输入。输出装置64可包括显示屏等显示设备，用以输出计算结果。
实施例4
本发明实施例提供一种计算机可读存储介质，该计算机可读存储介质存储计算机指令，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的城市交通出行问题热点分级方法。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-StateDrive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (13)

1.一种城市交通出行问题热点分级方法，其特征在于，包括：
获取多个被测对象的出行数据；
根据多个被测对象的出行数据确定问题热点；
根据问题热点和多个被测对象的出行数据确定溯源热点，溯源热点为出行数据中与问题热点相关的通行时间大于预设阈值的起点位置，和/或终点位置；
根据问题热点和溯源热点进行聚类分析，得到多个热点区域；
根据各热点区域中的问题热点和溯源热点的总数对热点区域进行分级。
2.根据权利要求1的城市交通出行问题热点分级方法，其特征在于，问题热点包括接驳热点、等候热点、换乘热点中的至少之一；
根据多个被测对象的出行数据确定问题热点的步骤，包括：
根据多个被测对象的出行数据确定接驳热点、等候热点及换乘热点中至少之一；
根据接驳热点、等候热点及换乘热点中至少之一确定问题热点。
3.根据权利要求2的城市交通出行问题热点分级方法，其特征在于，根据多个被测对象的出行数据确定接驳热点的步骤，包括：
根据多个被测对象的接驳时间和接驳时间所属范围计算接驳加权值；
根据接驳加权值确定接驳热点。
4.根据权利要求3的城市交通出行问题热点分级方法，其特征在于，接驳时间包括步行至站点的时间、骑行至站点的时间、从起始位置步行至上车位置的时间、从下车位置步行至目的地位置的时间中的至少之一，
根据多个被测对象的接驳时间和接驳时间所属范围计算接驳加权值的步骤，包括：
根据多个被测对象步行至站点的时间和步行至站点的时间所属范围计算第一步行接驳加权值；和/或
根据多个被测对象骑行至站点的时间和骑行至站点的时间所属范围计算骑行接驳加权值；和/或
根据多个被测对象从起始位置步行至上车位置的时间和从起始位置步行至上车位置的时间所属范围计算第二步行接驳加权值；和/或
根据多个被测对象从下车位置步行至目的地位置的时间和从下车位置步行至目的地位置的时间所属范围计算第三步行接驳加权值。
5.根据权利要求2的城市交通出行问题热点分级方法，其特征在于，根据多个被测对象的出行数据确定等候热点的步骤，包括：
根据多个被测对象的等候时间和等候时间所属范围计算等候加权值；
根据等候加权值确定等候热点。
6.根据权利要求5的城市交通出行问题热点分级方法，其特征在于，等候时间包括公交等候时间、轨道交通等候时间、打车等候时间中的至少之一，
根据等候时间和等候时间所属范围计算等候加权值的步骤，包括：
根据多个被测对象的公交等候时间和公交等候时间所属范围计算公交等候加权值；和/或
根据多个被测对象的轨道交通等候时间和轨道交通等候时间所属范围计算轨道交通等候加权值；和/或
根据多个被测对象的打车等候时间和打车等候时间所属范围计算打车等候加权值。
7.根据权利要求2的城市交通出行问题热点分级方法，其特征在于，根据多个被测对象的出行数据确定换乘热点的步骤，包括：
根据多个被测对象的换乘时间和换乘时间所属范围计算换乘加权值；
根据换乘加权值确定换乘热点。
8.根据权利要求1的城市交通出行问题热点分级方法，其特征在于，根据问题热点获取和多个被测对象的出行数据确定溯源热点的步骤，包括：
获取到达问题热点的被测对象的起点位置以及从起点位置到达问题热点所用时间，将所用时间大于预设阈值的起点位置判定为溯源热点，和/或，
获取从问题热点出发的被测对象到达终点位置以及从问题热点到达终点位置所用时间，将所用时间大于预设阈值的终点位置判定为溯源热点。
9.根据权利要求1的城市交通出行问题热点分级方法，其特征在于，根据问题热点和溯源热点进行聚类分析，得到多个热点区域的步骤，包括：
采用基于密度的聚类算法对问题热点和溯源热点进行聚类分析，确定问题热点和溯源热点中的多个核心点，将各核心点、核心点的核心距离点、核心点的可达距离点划为一类，得到多个热点区域。
10.根据权利要求1的城市交通出行问题热点分级方法，其特征在于，根据各热点区域中的问题热点和溯源热点的总数对热点区域进行分级的步骤，包括：
采用模糊C均值聚类算法将热点区域中问题热点和溯源热点的数量划分为多个热点数量阈值范围；
根据多个热点数量阈值范围将热点区域划分为多个等级。
11.一种城市交通出行问题热点分级装置，其特征在于，包括：
出行数据获取模块，用于获取多个被测对象的出行数据；
问题热点确定模块，用于根据多个被测对象的出行数据获取问题热点；
溯源热点确定模块，用于根据问题热点和多个被测对象的出行数据确定溯源热点，溯源热点为出行数据中与问题热点相关的通行时间大于预设阈值的起点位置，和/或终点位置；
热点聚类模块，用于根据问题热点和溯源热点进行聚类分析，得到多个热点区域；
热点区域分级模块，用于根据各热点区域中的问题热点和溯源热点的总数对热点区域进行分级。
12.一种计算机设备，其特征在于，包括：
至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，从而执行如权利要求1-10中任一项的城市交通出行问题热点分级方法。
13.一种计算机可读存储介质，其特征在于，计算机可读存储介质存储有计算机指令，计算机指令用于使计算机执行如权利要求1-10中任一项的城市交通出行问题热点分级方法。
CN202010431381.4A 2020-05-20 2020-05-20 一种城市交通出行问题热点分级方法及装置 Pending CN111626582A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010431381.4A CN111626582A (zh) 2020-05-20 2020-05-20 一种城市交通出行问题热点分级方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010431381.4A CN111626582A (zh) 2020-05-20 2020-05-20 一种城市交通出行问题热点分级方法及装置

Publications (1)

Publication Number Publication Date
CN111626582A true CN111626582A (zh) 2020-09-04

Family

ID=72259100

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010431381.4A Pending CN111626582A (zh) 2020-05-20 2020-05-20 一种城市交通出行问题热点分级方法及装置

Country Status (1)

Country Link
CN (1) CN111626582A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112669603A (zh) * 2020-12-17 2021-04-16 广东南方通信建设有限公司 基于大数据的城市交通协同方法及装置
CN113038369A (zh) * 2021-03-03 2021-06-25 摩拜(北京)信息技术有限公司 地理围栏分级方法、车辆调度方法以及服务器
CN113920719A (zh) * 2021-09-09 2022-01-11 青岛海信网络科技股份有限公司 交通溯源方法及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100257168A1 (en) * 2009-04-07 2010-10-07 Jacob Guo Hotspot analysis systems and methods
US9212921B1 (en) * 2014-10-15 2015-12-15 Toyota Jidosha Kabushiki Kaisha Determining problematic travel conditions
CN110609824A (zh) * 2019-09-09 2019-12-24 南京师范大学 城市路网环境下基于动态空间网络模型的热点区域检测方法
CN110705848A (zh) * 2019-09-18 2020-01-17 交通运输部公路科学研究所 一种基于个体出行链的综合交通服务评价方法及装置
CN110851741A (zh) * 2019-11-09 2020-02-28 郑州天迈科技股份有限公司 出租车载客热点识别推荐算法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100257168A1 (en) * 2009-04-07 2010-10-07 Jacob Guo Hotspot analysis systems and methods
US9212921B1 (en) * 2014-10-15 2015-12-15 Toyota Jidosha Kabushiki Kaisha Determining problematic travel conditions
CN110609824A (zh) * 2019-09-09 2019-12-24 南京师范大学 城市路网环境下基于动态空间网络模型的热点区域检测方法
CN110705848A (zh) * 2019-09-18 2020-01-17 交通运输部公路科学研究所 一种基于个体出行链的综合交通服务评价方法及装置
CN110851741A (zh) * 2019-11-09 2020-02-28 郑州天迈科技股份有限公司 出租车载客热点识别推荐算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
夏英 等: "基于轨迹聚类的热点路径分析方法", 重庆邮电大学学报（自然科学版） *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112669603A (zh) * 2020-12-17 2021-04-16 广东南方通信建设有限公司 基于大数据的城市交通协同方法及装置
CN113038369A (zh) * 2021-03-03 2021-06-25 摩拜(北京)信息技术有限公司 地理围栏分级方法、车辆调度方法以及服务器
CN113920719A (zh) * 2021-09-09 2022-01-11 青岛海信网络科技股份有限公司 交通溯源方法及电子设备

Similar Documents

Publication Publication Date Title
CN111626582A (zh) 一种城市交通出行问题热点分级方法及装置
CN107729938B (zh) 一种基于公交接驳辐射区特征的轨道站点分类方法
CN108446470B (zh) 基于车辆轨迹数据和人口分布的医疗设施可达性分析方法
CN107832779B (zh) 一种轨道站点分类系统
CN110836675B (zh) 一种基于决策树的自动驾驶搜索决策方法
CN111008505B (zh) 城市坡道行驶工况构建方法及应用
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
CN111581325B (zh) 一种基于时空影响距离的K-means站点区域划分方法
CN109840272B (zh) 一种共享电动汽车站点用户需求预测方法
Marisamynathan et al. Pedestrian perception-based level-of-service model at signalized intersection crosswalks
CN112036757A (zh) 基于手机信令和浮动车数据的停车换乘停车场的选址方法
Tang et al. Multi-stage deep learning approaches to predict boarding behaviour of bus passengers
Kato et al. Latest urban rail demand forecast model system in the Tokyo Metropolitan Area
CN115995149A (zh) 一种基于多源数据的停车供需特征动态评估方法及系统
CN115311858A (zh) 基于交通流韧性的城市路段分级管制方法
Crawford et al. Analysing spatial intrapersonal variability of road users using point-to-point sensor data
Chen et al. Research on the influencing factors of elderly pedestrian traffic accidents considering the built environment
Fan et al. Optimizing location of variable message signs using GPS probe vehicle data
CN113449780A (zh) 基于随机森林和lstm神经网络的路内泊位占有率预测方法
Shen et al. Strategic Charging Infrastructure Deployment for Electric Vehicles
CN117196266B (zh) 基于神经网络的无人驾驶共享汽车区域调度方法及装置
Xu et al. Nonparametric method for optimizing the start time of short-term road maintenance operations using real-time traffic map data.
CN116703039B (zh) 站城融合数据分析方法及装置
CN113095986B (zh) 公共交通满载率计算方法、系统及计算机可读存储介质
CN113850295B (zh) 一种基于Weighted-LeaderRank和GMM聚类的站点选址预测方法

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