CN112036757A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN112036757A CN112036757A CN202010913952.8A CN202010913952A CN112036757A CN 112036757 A CN112036757 A CN 112036757A CN 202010913952 A CN202010913952 A CN 202010913952A CN 112036757 A CN112036757 A CN 112036757A
- Authority
- CN
- China
- Prior art keywords
- traffic
- parking
- cell
- calculating
- mobile phone
- 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
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
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
Abstract
本发明提供一种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,方法步骤如下:1)基于浮动车数据的拥堵区域识别;2)基于拥堵溯源的轨道站点吸引力计算;3)基于手机信令数据出行量计算;4)基于手机信令数据的停车换乘停车场需求计算;基于手机信令数据计算轨道站覆盖范围内的交通小区出行量,出行量乘以调查获取的换乘系数获得交通小区停车换乘出行量;依据停车需求模型计算停车换乘停车场的停车泊位数。本发明基于交通大数据对现状停车需求和未来可能吸引的停车需求进行综合评估,最终确定合理的停车换乘停车场选址。本发明能够缓解城市中心区的交通拥堵,提高了运输系统的整体效率。
Description
技术领域
本发明涉及一种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。
背景技术
停车换乘设施作为将小汽车与轨道交通结合的交通需求管理手段,为郊区小汽车提供低于城市中心停车费用或免费的停车位,并辅以合理的实施、管理政策,可有效的截挡小汽车于城市中心外围,引导乘客换乘轨道交通进入城市内部。近年来随着公共出行的大力推广,停车换乘停车场成为解决中心城区交通拥堵,缓解城区停车压力的有效措施。对于停车换乘停车场选址而言,应结合实际的出行需求合理布设,若规划不合理会造成停车场遇冷,公共资源的浪费。
发明内容
基于以上不足之处,本发明基于手机信令和浮动车数据,从现状停车需求和预期停车需求出发,提出了一种基于手机信令数据和浮动车数据的停车换乘停车场的选址方法,可为停车换乘停车场的选址提供参考,解决了现有停车换乘停车场规划不合理、公共资源浪费的问题。
本专利基于手机信令和浮动车数据,从现状停车需求和预期停车需求出发,提出了一种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。
本发明所采用的技术方案如下:一种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,步骤如下:
(一)、基于浮动车数据的拥堵区域识别,将研究范围划分为多个交通小区,将浮动车GPS数据匹配至地图路网上,计算交通小区范围内路段速度,再得出各交通小区拥堵指数;
(二)、基于拥堵溯源的轨道站点吸引力计算,基于浮动车GPS轨迹,对拥堵路段的流量进行溯源分析,找出各轨迹去向或来源交通小区;对研究范围内的拥堵路段流量的去向交通小区进行分析,选取去向交通小区周围1km范围内具有轨道站点的交通小区作为研究对象,计算去向交通小区的高峰小时拥堵路段出行量,并对去向小区交通流量来源进行反推,寻找去向小区流量O点,即来源交通小区,确定各来源交通小区的坐标值及与拥堵路段相关的流量,对各轨道站点周围范围内的来源交通小区进行吸引力计算;
(三)、基于手机信令数据出行量计算,根据基站经纬度信息,将基站平均服务半径内的基站进行聚类合并处理;建立基站与交通小区间的映射关系;根据聚合处理后的基站,确定手机用户的停留轨迹;设置时间、空间阈值,确定用户的出行链;遍历所有用户有效停留表,判断其出行链的起终点;统计起终点间的交通出行量,形成各个时间段的交通出行量OD矩阵,并结合城市出行结构,折算小汽车的交通出行量OD矩阵;
(四)、基于手机信令数据的停车换乘停车场需求计算,基于手机信令数据计算轨道站覆盖范围内的交通小区出行量,出行量乘以调查获取的换乘系数获得交通小区停车换乘出行量;依据停车需求模型计算停车换乘停车场的停车泊位数。
本发明还具有如下技术特征:
1、步骤(一)、基于浮动车数据的拥堵区域识别具体如下,将定位装置获得的车辆定位轨迹与电子地图数据库中的道路信息进行比较,通过算法确定出车辆最可能的行驶路段及车辆在此路段上最可能的位置,以此计算出路段的通行速度;
(1)将研究范围划分为多个交通小区,计算交通小区范围内路段速度;
(2)计算交通小区范围内路段速度,
在路网图中,将整条道路按照交叉路口打断为多个路段,每条路段认定是直线段,比较浮动车位置数据点到各个路段的距离,最小值所对应的路段为该点的归属路段,并且浮动车位置数据点到两端点的距离分别不大于线段本身的长度;
根据匹配后的浮动车位置数据点数,由每条路段上每辆车的平均速度模拟出路段平均通行速度,
设m时刻路段i上共有n辆浮动车,设每辆浮动车在此路段的停留总时间为tj,行驶距离为sj,则每辆浮动车在路段i上行驶的平均速度为:
其中,sj为第j辆车相临两个信号点间的距离之和;tj为第j辆车相邻两个信号点间的时间差,
设路段i的平均速度为Vm,则
(3)交通小区拥堵指数计算,
依据行程时间比交通指数计算方法,计算基于路段运行速度的区域交通指数,根据交通指数计算结果划分区域拥堵级别,剔除不适宜设置停车换乘停车场的交通小区;
2、步骤(二)、基于拥堵溯源的轨道站点吸引力计算方法具体如下,
(1)基于浮动车GPS轨迹,对拥堵路段的流量进行溯源分析,
(1.1)由行程与路段的对应关系,将所有经过路段的行程筛选出来,记总行程数为N,
(1.2)根据行程与路段的对应关系,在这些行程所经过的所有路段选择出来,
(2)对研究范围内的拥堵路段流量的去向交通小区进行分析,选取去向交通小区周围1km范围内具有轨道站点的交通小区作为研究对象,
(3)计算去向交通小区的高峰小时拥堵路段出行量qi,并对去向小区交通流量来源进行反推qi{qi1,qi2……qin},寻找去向小区流量O点,即来源交通小区,
(4)确定各来源交通小区的坐标值(xj,yj)及与拥堵路段相关的流量qi,
(5)设能够接受停车换乘的最远驾驶距离为10km,则对各轨道站点周围10km范围内的来源交通小区进行吸引力计算,
φk——轨道站点k的出行吸引值,
qj——各来源交通小区与拥堵路段相关的流量,
djk——来源交通小区与轨道站点的距离,
β——停车换乘比例,
φ值越大,轨道站点对流量的吸引力越大,越适宜建设停车换乘停车场。
3、步骤(三)、基于手机信令数据出行量计算方法具体如下,
(1)根据基站经纬度信息,根据基站平均服务半径内的基站进行聚类合并处理;
(2)建立基站与交通小区间的映射关系;制作交通小区与基站小区的相互映射关系,根据通信网络的覆盖情况,利用事先划分好的交通小区,制作移动通信网络覆盖与交通小区的相互映射关系,
(3)根据聚合处理后的基站,确定手机用户的停留轨迹;
(4)选择每个手机用户有效停留轨迹中,停留时间不小于设定停留阈值的有效停留点;本次设置停留时间为1小时为其一次有目的的出行的时间阈值;
(5)如果手机用户相邻两次有效停留点的距离不小于0.5KM,则两次停留点间作为该用户的一次出行;
(6)遍历所有用户有效停留表,判断其出行链的起终点;
(7)统计起终点间的交通出行量,形成各个时间段的交通出行量OD矩阵,并结合城市出行结构,折算小汽车的交通出行量OD矩阵,
4、步骤(四)、基于手机信令数据的停车换乘停车场需求计算方法具体如下,
(1)基于手机信令数据计算轨道站覆盖范围内的交通小区出行量,出行量乘以调查获取的换乘系数获得交通小区停车换乘出行量;
(2)依据停车需求模型计算停车换乘停车场的停车泊位数,
pi=DI1f(s)-Oi1
pi——高峰时段停车需求数量,
DI1——高峰时间段累计交通吸引量,
Oi1——高峰时间段累计交通发生量,
f(s)——机动车停车生成率。
本发明的优点及有益效果:本发明能够缓解城市中心区的交通拥堵与停车位的不足,提高运输系统的整体效率;同时增加了公共交通的利用率,改善城市人居环境,促进城市可持续发展;提高交通资源利用率、缓解交通拥堵、降低交通污染。
附图说明
图1为本发明的流程框图。
具体实施方式
下面举例对本发明做进一步的说明:
实施例1
如图1所示,一种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,如下:
1、基于浮动车数据的拥堵区域识别
浮动车交通信息采集与处理过程中的关键技术之一就是浮动车数据的地图匹配,即将定位装置获得的车辆定位轨迹与电子地图数据库中的道路信息进行比较,确定出车辆最可能的行驶路段及车辆在此路段上最可能的位置,以此计算出路段的通行速度。
1)将研究范围划分为多个交通小区,计算交通小区范围内路段速度。
2)计算交通小区范围内路段速度。
在路网图中,将整条道路按照交叉路口等打断为多个路段,每条路段都可以近似看作是直线段,比较浮动车位置数据点到各个路段的距离,最小值所对应的路段为该点的归属路段。由于点到线的距离可能存在垂足在线段范围外的情况,所以计算时必须添加一个限制条件,即浮动车位置数据点到两端点的距离分别不大于线段本身的长度。
根据匹配后的浮动车位置数据点数,由每条路段上每辆车的平均速度模拟出路段平均通行速度。设m时刻路段i上共有n辆浮动车。假设每辆浮动车在此路段的停留总时间为tj,行驶距离为sj,则每辆浮动车在路段i上行驶的平均速度为:
其中,sj为第j辆车相临两个信号点间的距离之和;tj为第j辆车相邻两个信号点间的时间差。
设路段i的平均速度为Vm,则
3)交通小区拥堵指数计算。
依据行程时间比交通指数计算方法,计算基于路段运行速度的区域交通指数。根据交通指数计算结果划分区域拥堵级别,剔除不适宜设置停车换乘停车场的交通小区,例如剔除交通指数大于4的交通小区。
2、基于拥堵溯源的轨道站点吸引力计算
1)基于浮动车GPS轨迹,对拥堵路段的流量进行溯源分析。
a)由行程与路段的对应关系,将所有经过路段的行程筛选出来。记总行程数为N。
b)根据行程与路段的对应关系,在这些行程所经过的所有路段选择出来。
2)对研究范围内的拥堵路段流量的去向交通小区进行分析,选取去向交通小区周围1km范围内具有轨道站点的交通小区作为研究对象。(认为目的地附近有轨道站点的行程才会考虑轨道出行及停车换乘出行)
3)计算去向交通小区的高峰小时拥堵路段出行量qi,并对去向小区交通流量来源进行反推qi{qi1,qi2……qin},寻找去向小区流量O点,即来源交通小区。
4)确定各来源交通小区的坐标值(xj,yj)及与拥堵路段相关的流量qi。
5)设能够接受停车换乘的最远驾驶距离为10km,则对各轨道站点周围10km范围内的来源交通小区进行吸引力计算。
φk——轨道站点k的出行吸引值;
qj——各来源交通小区与拥堵路段相关的流量;
djk——来源交通小区与轨道站点的距离;
β——停车换乘比例。
φ值越大,轨道站点对流量的吸引力越大,越适宜建设停车换乘停车场。
3、基于手机信令数据出行量计算
1)根据基站经纬度信息,将一定距离(根据基站平均服务半径)内的基站进行聚类合并处理;
2)建立基站与交通小区间的映射关系;制作交通小区与基站小区的相互映射关系。根据通信网络的覆盖情况,利用事先划分好的交通小区,制作移动通信网络覆盖与交通小区的相互映射关系。
3)根据聚合处理后的基站,确定手机用户的停留轨迹;
4)选择每个手机用户有效停留轨迹中,停留时间不小于设定停留阈值的有效停留点;本次设置停留时间为1小时为其一次有目的的出行的时间阈值;
5)如果手机用户相邻两次有效停留点的距离不小于0.5KM(信令漂移或短出行剔除),则两次停留点间作为该用户的一次出行;
6)遍历所有用户有效停留表,判断其出行链的起终点;
7)统计起终点间的交通出行量,形成各个时间段的交通出行量OD矩阵,并结合城市出行结构,折算小汽车的交通出行量OD矩阵。
4、基于手机信令数据的停车换乘停车场需求计算
1)基于手机信令数据计算轨道站覆盖范围内的交通小区出行量,出行量乘以调查获取的换乘系数获得交通小区停车换乘出行量;
2)依据停车需求模型计算停车换乘停车场的停车泊位数。
pi=DI1f(s)-Oi1
pi——高峰时段停车需求数量
DI1——高峰时间段累计交通吸引量
Oi1——高峰时间段累计交通发生量
f(s)——机动车停车生成率;
本发明基于交通大数据对现状停车需求和未来可能吸引的停车需求进行综合评估,最终确定合理的停车换乘停车场选址及规模。
Claims (5)
1.一种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,其特征在于,方法步骤如下:
(一)、基于浮动车数据的拥堵区域识别,将研究范围划分为多个交通小区,将浮动车GPS数据匹配至地图路网上,计算交通小区范围内路段速度,再得出各交通小区拥堵指数;
(二)、基于拥堵溯源的轨道站点吸引力计算,基于浮动车GPS轨迹,对拥堵路段的流量进行溯源分析,找出各轨迹去向或来源交通小区;对研究范围内的拥堵路段流量的去向交通小区进行分析,选取去向交通小区周围1km范围内具有轨道站点的交通小区作为研究对象,计算去向交通小区的高峰小时拥堵路段出行量,并对去向小区交通流量来源进行反推,寻找去向小区流量O点,即来源交通小区,确定各来源交通小区的坐标值及与拥堵路段相关的流量,对各轨道站点周围范围内的来源交通小区进行吸引力计算;
(三)、基于手机信令数据出行量计算,根据基站经纬度信息,将基站平均服务半径内的基站进行聚类合并处理;建立基站与交通小区间的映射关系;根据聚合处理后的基站,确定手机用户的停留轨迹;设置时间、空间阈值,确定用户的出行链;遍历所有用户有效停留表,判断其出行链的起终点;统计起终点间的交通出行量,形成各个时间段的交通出行量OD矩阵,并结合城市出行结构,折算小汽车的交通出行量OD矩阵;
(四)、基于手机信令数据的停车换乘停车场需求计算,基于手机信令数据计算轨道站覆盖范围内的交通小区出行量,出行量乘以调查获取的换乘系数获得交通小区停车换乘出行量;依据停车需求模型计算停车换乘停车场的停车泊位数。
2.根据权利要求1所述的一种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,其特征在于,步骤(一)、基于浮动车数据的拥堵区域识别方法具体如下,将定位装置获得的车辆定位轨迹与电子地图数据库中的道路信息进行比较,通过算法确定出车辆最可能的行驶路段及车辆在此路段上最可能的位置,以此计算出路段的通行速度;
(1)将研究范围划分为多个交通小区,计算交通小区范围内路段速度;
(2)计算交通小区范围内路段速度,
在路网图中,将整条道路按照交叉路口打断为多个路段,每条路段认定是直线段,比较浮动车位置数据点到各个路段的距离,最小值所对应的路段为该点的归属路段,并且浮动车位置数据点到两端点的距离分别不大于线段本身的长度;
根据匹配后的浮动车位置数据点数,由每条路段上每辆车的平均速度模拟出路段平均通行速度,
设m时刻路段i上共有n辆浮动车,设每辆浮动车在此路段的停留总时间为tj,行驶距离为sj,则每辆浮动车在路段i上行驶的平均速度为:
其中,sj为第j辆车相临两个信号点间的距离之和;tj为第j辆车相邻两个信号点间的时间差,
设路段i的平均速度为Vm,则
(3)交通小区拥堵指数计算,
依据行程时间比交通指数计算方法,计算基于路段运行速度的区域交通指数,根据交通指数计算结果划分区域拥堵级别,剔除不适宜设置停车换乘停车场的交通小区。
3.根据权利要求1所述的一种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,其特征在于,步骤(二)、基于拥堵溯源的轨道站点吸引力计算方法具体如下,
(1)基于浮动车GPS轨迹,对拥堵路段的流量进行溯源分析,
(1.1)由行程与路段的对应关系,将所有经过路段的行程筛选出来,记总行程数为N,
(1.2)根据行程与路段的对应关系,在这些行程所经过的所有路段选择出来,
(2)对研究范围内的拥堵路段流量的去向交通小区进行分析,选取去向交通小区周围1km范围内具有轨道站点的交通小区作为研究对象,
(3)计算去向交通小区的高峰小时拥堵路段出行量qi,并对去向小区交通流量来源进行反推qi{qi1,qi2……qin},寻找去向小区流量O点,即来源交通小区,
(4)确定各来源交通小区的坐标值(xj,yj)及与拥堵路段相关的流量qi,
(5)设能够接受停车换乘的最远驾驶距离为10km,则对各轨道站点周围10km范围内的来源交通小区进行吸引力计算,
φk——轨道站点k的出行吸引值,
qj——各来源交通小区与拥堵路段相关的流量,
djk——来源交通小区与轨道站点的距离,
β——停车换乘比例,
φ值越大,轨道站点对流量的吸引力越大,越适宜建设停车换乘停车场。
4.根据权利要求1所述的一种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,其特征在于,步骤(三)、基于手机信令数据出行量计算方法具体如下,
(1)根据基站经纬度信息,根据基站平均服务半径内的基站进行聚类合并处理;
(2)建立基站与交通小区间的映射关系;制作交通小区与基站小区的相互映射关系,根据通信网络的覆盖情况,利用事先划分好的交通小区,制作移动通信网络覆盖与交通小区的相互映射关系,
(3)根据聚合处理后的基站,确定手机用户的停留轨迹;
(4)选择每个手机用户有效停留轨迹中,停留时间不小于设定停留阈值的有效停留点;本次设置停留时间为1小时为其一次有目的的出行的时间阈值;
(5)如果手机用户相邻两次有效停留点的距离不小于0.5KM,则两次停留点间作为该用户的一次出行;
(6)遍历所有用户有效停留表,判断其出行链的起终点;
(7)统计起终点间的交通出行量,形成各个时间段的交通出行量OD矩阵,并结合城市出行结构,折算小汽车的交通出行量OD矩阵。
5.根据权利要求1所述的一种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,其特征在于,步骤(四)、基于手机信令数据的停车换乘停车场需求计算方法具体如下,
(1)基于手机信令数据计算轨道站覆盖范围内的交通小区出行量,出行量乘以调查获取的换乘系数获得交通小区停车换乘出行量;
(2)依据停车需求模型计算停车换乘停车场的停车泊位数,
pi=DI1f(s)-Oi1
pi——高峰时段停车需求数量,
DI1——高峰时间段累计交通吸引量,
Oi1——高峰时间段累计交通发生量,
f(s)——机动车停车生成率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010913952.8A CN112036757B (zh) | 2020-09-03 | 2020-09-03 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010913952.8A CN112036757B (zh) | 2020-09-03 | 2020-09-03 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112036757A true CN112036757A (zh) | 2020-12-04 |
CN112036757B CN112036757B (zh) | 2023-10-17 |
Family
ID=73591753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010913952.8A Active CN112036757B (zh) | 2020-09-03 | 2020-09-03 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112036757B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112802332A (zh) * | 2020-12-30 | 2021-05-14 | 青岛中兴智能交通有限公司 | 一种分析停车拥挤指标的方法 |
CN112926823A (zh) * | 2021-01-20 | 2021-06-08 | 蔡家斌 | 一种智慧交通业务数据检测方法、装置及电子设备 |
CN113055834A (zh) * | 2020-12-23 | 2021-06-29 | 沈阳世纪高通科技有限公司 | 一种基于4g信令数据匹配路网的方法及装置 |
WO2022227303A1 (zh) * | 2021-04-26 | 2022-11-03 | 腾讯云计算(北京)有限责任公司 | 信息处理方法、装置、计算机设备及存储介质 |
CN116118532A (zh) * | 2022-11-15 | 2023-05-16 | 北京交通大学 | 一种基于交通出行链的充电桩网络布设与功率协同方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170219361A1 (en) * | 2016-01-29 | 2017-08-03 | Omnitracs, Llc | Vehicle parking system |
CN108550261A (zh) * | 2018-05-31 | 2018-09-18 | 重庆大学 | 基于rfid电子车牌的城市交通od计算方法 |
-
2020
- 2020-09-03 CN CN202010913952.8A patent/CN112036757B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170219361A1 (en) * | 2016-01-29 | 2017-08-03 | Omnitracs, Llc | Vehicle parking system |
CN108550261A (zh) * | 2018-05-31 | 2018-09-18 | 重庆大学 | 基于rfid电子车牌的城市交通od计算方法 |
Non-Patent Citations (1)
Title |
---|
张文会;孙舒蕊;于秋影;沈航先;: "考虑供需平衡的路内停车布局研究", 森林工程, no. 02 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113055834A (zh) * | 2020-12-23 | 2021-06-29 | 沈阳世纪高通科技有限公司 | 一种基于4g信令数据匹配路网的方法及装置 |
CN112802332A (zh) * | 2020-12-30 | 2021-05-14 | 青岛中兴智能交通有限公司 | 一种分析停车拥挤指标的方法 |
CN112926823A (zh) * | 2021-01-20 | 2021-06-08 | 蔡家斌 | 一种智慧交通业务数据检测方法、装置及电子设备 |
CN112926823B (zh) * | 2021-01-20 | 2022-08-23 | 深圳市车顶传媒有限公司 | 一种智慧交通业务数据检测方法、装置及电子设备 |
WO2022227303A1 (zh) * | 2021-04-26 | 2022-11-03 | 腾讯云计算(北京)有限责任公司 | 信息处理方法、装置、计算机设备及存储介质 |
CN116118532A (zh) * | 2022-11-15 | 2023-05-16 | 北京交通大学 | 一种基于交通出行链的充电桩网络布设与功率协同方法 |
CN116118532B (zh) * | 2022-11-15 | 2024-03-08 | 北京交通大学 | 一种基于交通出行链的充电桩网络布设与功率协同方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112036757B (zh) | 2023-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105608505B (zh) | 一种基于手机信令数据的居民轨道交通出行方式识别方法 | |
CN111091720B (zh) | 基于信令数据和浮动车数据的拥堵路段识别方法及装置 | |
CN110298500B (zh) | 一种基于出租车数据和城市路网的城市交通轨迹数据集生成方法 | |
CN112036757B (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 | |
CN112133090A (zh) | 一种基于手机信令数据的多方式交通分布模型构建方法 | |
CN111681421B (zh) | 基于手机信令数据的对外客运枢纽集疏空间分布分析方法 | |
CN111653099B (zh) | 基于手机信令数据的公交客流od获取方法 | |
CN105261212B (zh) | 一种基于出租车gps数据地图匹配的出行时空分析方法 | |
CN107316098B (zh) | 一种基于用户行为分析的汽车租赁点选址方法 | |
CN111210612B (zh) | 基于公交gps数据与站点信息提取公交线路轨迹的方法 | |
CN105809962A (zh) | 一种基于手机数据的交通出行方式划分的方法 | |
CN108288321A (zh) | 基于ic卡数据与车辆gps信息的公交站点上下客流量确定方法 | |
CN110414795B (zh) | 基于改进两步移动搜索法的新增高铁枢纽可达性影响方法 | |
CN115714957A (zh) | 基于手机信令的地铁出行识别方法、装置、设备及介质 | |
CN104599499A (zh) | 一种分布式统计交通位置的方法及装置 | |
CN114139251B (zh) | 一种边境地区陆路口岸整体布局方法 | |
CN109493601B (zh) | 一种公交支线设置方法 | |
CN113079463A (zh) | 一种基于手机信令数据的旅游景点游客出行活动识别方法 | |
Nair et al. | Mapping bus and stream travel time using machine learning approaches | |
CN114078322A (zh) | 一种公交运行状态评价方法、装置、设备及存储介质 | |
CN113870559B (zh) | 一种基于大数据车联网的交通流量计算方法 | |
CN111931968B (zh) | 一种应用手机gps数据来优化公共自行车站点布局的方法 | |
CN113077648A (zh) | 公交车辆实时站点预测方法和系统 | |
Sun et al. | A Novel Model for Accessibility of Bus Station and Its Application to Bottlenecks Identification: A Case Study in Harbin | |
CN116894609B (zh) | 一种基于半监督图神经网络的公交轨道接驳评价方法 |
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 |