CN112131330B - 一种自由流动模式下共享汽车的运营区域选址布局方法 - Google Patents
一种自由流动模式下共享汽车的运营区域选址布局方法 Download PDFInfo
- Publication number
- CN112131330B CN112131330B CN202010971472.7A CN202010971472A CN112131330B CN 112131330 B CN112131330 B CN 112131330B CN 202010971472 A CN202010971472 A CN 202010971472A CN 112131330 B CN112131330 B CN 112131330B
- Authority
- CN
- China
- Prior art keywords
- community
- boundary
- grid
- node
- points
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005065 mining Methods 0.000 claims abstract description 14
- 239000013598 vector Substances 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种自由流动模式下共享汽车的运营区域选址布局方法,包括以下步骤:首先基于候选地图,根据用户的历史出行数据构造出用户出行网络;之后采用社团挖掘算法,从用户出行网络中挖掘出紧密联系的社团区域,其中,单个社团区域具体表现为栅格集合;最后分别计算不同社团区域对应的边界围栏,即得到共享汽车的各个运营区域。与现有技术相比,本发明针对自由流动模式下的共享汽车,采用距离衰减方法,能够有效控制社团区域的面积大小、保证社团区域划分的细致性以及社团内的连续性,通过计算社团区域对应栅格集合的电子边界围栏,能够快速准确地获得对应的运营区域边界范围。
Description
技术领域
本发明涉及共享汽车选址技术领域,尤其是涉及一种自由流动模式下共享汽车的运营区域选址布局方法。
背景技术
随着家庭汽车保有量的持续增加,交通拥堵和环境污染问题也越发严重,共享汽车这一新兴的出行方式则能在一定程度上缓解这些问题。为保证共享汽车的有效、可靠运营,首先需要对共享汽车的运营区域进行选址布局。
共享汽车的运营模式主要分为自由流动式、单程站点式和往返式,其中,自由流动模式具体为:用户可以在运营方指定的运营区域范围内,寻找可用的车辆,在完成出行后将车辆规划至运营区域内任意停车位即可。现有的选址布局方法大多根据经验常识进行决策,比如将行政区域、城市中心区域等人流密集度或交通密集度较高的区域作为自由流动模式下共享汽车的运营区域,这种方式得到的运营区域数目较少且单个运营区域的面积过大,甚至不同运营区域之间存在干涉情况,使得用户找不到可用的车辆、找不到车辆的停放点,同时也增加了自由流动模式下共享汽车的运营难度,不利于用户的出行体验。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种自由流动模式下共享汽车的运营区域选址布局方法,以得到自由流动模式下合理、准确的共享汽车运营区域,提高用户出行体验。
本发明的目的可以通过以下技术方案来实现:一种自由流动模式下共享汽车的运营区域选址布局方法,包括以下步骤:
S1、基于候选地图,根据用户的历史出行数据构造出用户出行网络;
S2、采用社团挖掘算法,从用户出行网络中挖掘出紧密联系的社团区域,其中,单个社团区域具体表现为栅格集合;
S3、分别计算不同社团区域对应的边界围栏,即得到共享汽车的各个运营区域。
进一步地,所述步骤S1具体包括以下步骤:
S11、采用Geohash编码算法,将候选地图离散化为多个Geohash栅格;
S12、将每个Geohash栅格作为用户出行网络的一个节点,根据用户的历史出行数据,将出发地点的Geohash栅格节点作为起始点、到达地点的Geohash栅格节点作为终点,形成一条有向连边,以得到多条有向连边;
S13、分别计算多条有向连边的连边权重,构造得到一个加权有向的用户出行网络。
进一步地,所述步骤S12中将每个Geohash栅格作为用户出行网络的一个节点具体是用Geohash栅格内的出发点和到达点集合的密度中心对应替代为用户出行网络中节点在地理空间的中心:
其中,ni(lon,lat)为第i个节点在地理空间的中心经纬度,lonk为第i个节点对应栅格内第k个出发点或到达点的经度,latk为该栅格内第k个出发点或到达点的纬度,m为栅格内的出发点和到达点的总数。
进一步地,所述步骤S13中计算有向连边的连边权重的具体过程为:
S131、获取出发地点和到达地点之间的流量;
S132、获取出发地点和达到地点之间的空间距离;
S133、对步骤S131获取的流量和步骤S132获取的空间距离进行min-max归一化处理;
S144、基于归一化处理后的流量和空间距离,计算得到有向连边的连边权重。
进一步地,所述步骤S144中有向连边的连边权重计算公式为:
其中,wij为节点i与节点j之间有向连边的连边权重,fij为节点i与节点j之间的流量,dij为节点i与节点j之间对应的空间距离,v为距离衰减系数。
进一步地,所述步骤S3具体包括以下步骤:
S31、将社团区域按照地理空间的连通性进行划分,得到多个连通子集;
S32、按顺序寻找每个连通子集的边界点经纬度数据;
S33、将所有连通子集的边界点经纬度数据按顺序连接构成一段闭合曲线,即搜索出社团区域对应的边界电子围栏;
S34、重复步骤S31~S33,直至搜索出各社团区域对应的边界电子围栏,即得到共享汽车的各个运营区域。
进一步地,所述步骤S31具体是以四邻域作为空间连续性标准,采用深度优先搜索的方法得到社团区域内的所有连通子集。
进一步地,所述步骤S32的具体过程为:
S321、从社团区域栅格集合中选取出边界栅格;
S322、选取边界栅格的任意一个边界边AB作为初始边界向量;
S323、按照顺时针方向依次进行下一个边界点的搜索,直至搜索的下一个边界点为初始点A,则结束搜索,并输出所有边界点经纬度数据。
进一步地,所述步骤S321中边界栅格具体为栅格集合中经度最小且纬度最大的栅格。
进一步地,所述步骤S323中下一个边界点的搜索过程具体为:搜索范围为B点邻域的三个点C1、C2、C3,以B为起点、以这三个点C1、C2、C3分别为终点,得到向量BCi,i=1,2,3,若向量BCi的左侧没有删除且右侧存在栅格,则Ci为下一个边界点。
与现有技术相比,本发明具有以下优点:
一、本发明根据用户历史出行数据构造用户出行网络,用户出行网络中有向连边的连边权重既考虑两节点之间的流量和空间距离,同时通过增加距离衰减项来减少历史出行数据中的偶发远距离出行订单对最后社团挖掘结果的影响,即利用调节衰减系数以控制地理社团区域的面积大小,从而提高后续社团区域划分的细致性、保证单个社团区域内的连续性、避免发生社团区域之间干涉的问题。
二、本发明采用栅格集合作为社团区域的体现形式,通过计算栅格集合的边界围栏,即可得到对应的运营区域范围,本发明在计算栅格集合的边界围栏时,首先将社团区域按照地理空间上的连通性分为数量不等的连通子集,之后按顺序寻找每个连通子集的边界点经纬度数据,最后按顺序将边界点经纬度数据连接成一段闭合曲线,即得到了栅格集合的电子边界围栏,该方法能够直接、方便地计算得到电子围栏Polygon数据,以此准确得到栅格集合外围不规则的边界围栏、获得准确的运营区域。
附图说明
图1为本发明的方法流程示意图;
图2为本发明的运营区域划分过程示意图;
图3为本发明栅格集合电子围栏的求解过程示意图;
图4为本发明栅格集合电子围栏边界点搜索示意图;
图5为实施例中没有采用距离衰减系数获得的社团挖掘结果;
图6为实施例中采用距离衰减系数获得的社团挖掘结果;
图7为实施例中中心社团区域的电子围栏示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示,一种自由流动模式下共享汽车的运营区域选址布局方法,包括以下步骤:
S1、基于候选地图,根据用户的历史出行数据构造出用户出行网络;
S2、采用社团挖掘算法,从用户出行网络中挖掘出紧密联系的社团区域,其中,单个社团区域具体表现为栅格集合;
S3、分别计算不同社团区域对应的边界围栏,即得到共享汽车的各个运营区域。
具体的,如图2所示,首先根据用户的历史出行数据构造出行网络,图2中小方块代表了地理位置上的一个区域,而方块之间的有向边则表示了这两个方块之间存在空间交互关系,交互的强弱则由边权重所体现,权重越大,代表交互越紧密;其次,采用社团挖掘的方法去挖掘该网络中的高密子图结构,可以清晰的看出,找到的三个社团内部联系紧密,而各个社团之间的联系则较弱,适合实施自由流动运营模式;最后基于挖掘出来的社团(一堆离散的栅格节点),计算其在地理上的电子围栏边界,从而得到最后的运营区域边界范围。
在构建用户出行网络时,采用Geohash编码算法将候选地图离散化为一个个Geohash的小栅格,挑选合适的编码精度,即得到离散化后的Geohash栅格。将每个Geohash栅格作为网络中的节点n,其中,节点在地理上的中心,用栅格内的出发、到达点集合的密度中心代替。如公式(1)所示,其中ni表示i节点的地理中心经纬度,lonk表示该栅格节点内第k个出发或到达点的经度,latk表示该栅格节点内第k个出发或到达点的纬度,m为ni栅格内的出发和到达点的总数。
根据用户的出发、到达点的历史信息,将出发地点的Geohash栅格节点作为起始点,到达地点的栅格节点作为终点,形成一条有向连边。连边权重wij取两节点之间的月累积人流量,同时也将空间距离考虑进去,根据公式(2)计算连边权重,由此构建出一个加权有向的用户出行网络Gu(N,E),其中,N表示出发点,E表示有向连边。
其中,wij为连边权重,fij为两节点之间的流量,而dij为两地之间的空间距离,v为距离衰减系数。旨在通过增加距离的衰减项,来减少原始出行数据中的偶发远距离出行订单对最后社团挖掘结果的影响。v定义了距离权重对出行需求的衰减速度,通过调节衰减系数v可以来控制地理社团最后的大小。需要注意的是,在实际计算时,应当对fij以及距离dij预先进行min-max归一化处理,使两个量纲一致后再进行连边新权重的计算。至此,一个加权有向的用户出行网络构造完成。
在挖掘紧密联系的社团区域时,根据构建的用户出行网络Gu,采用Louvain算法对其进行社团挖掘,其算法原始版本是用于无向图的社团挖掘,现将其推广至有向网络,其中涉及到的有向网络模块度计算方式为公式(3):
公式(3)中,qout,i表示i节点的出强度,qin,j表示j节点的入强度。为了更易于计算,将其进一步的简化成各个子社团之间的模块度求和形式,具体计算如公式(4)所示。其中totout,c和totin,c表示的是社团c的总出强度与入强度,sc表示是社团c自环(内部成员连边)的权重。
在计算栅格集合的边界围栏时,考虑到虚拟电子围栏由一串经纬度数据构成,能够按顺序连接成为一段闭合曲线。现有的新能源汽车或者共享单车,都具有车载GPS定位系统,可以很方便由虚拟电子围栏作为其实际运营区域。本发明通过社团挖掘得到的运营区域,是由一个一个的Geohash栅格构成,并没有直接得到其外围的电子围栏数据,很难直接将其结果运用在实际工程中。为了使基于社团挖掘的区域划分算法能够在工程上具有实用价值,本发明基于这种栅格集合的特点,设计了一种基于Geohash栅格的边界围栏算法,如图3所示,该算法核心思想分为两步,第一步将社团按照地理空间上的连通性分为数量不等的连通子集;第二步则是按顺序寻找每个连通子集的边界点经纬度数据。本发明以四邻域作为空间连续性标准,采用深度优先搜索的方法获得社团内的所有空间连通子图,然后对每个连通子图采用如图4的方式进行边界围栏搜索,进行边界围栏搜索时,首先需要找到这组栅格的边界栅格,一般取左上角栅格,即经度最小、纬度最大的栅格,并取其任意一条边界边AB作为初始向量边,之后按顺时针进行下一个边界点的搜索,搜索范围为B点邻域的三个点C1、C2、C3,以B为起点,与这三个点分别为终点,构成BCi的向量,如果向量左侧没有栅格并且右侧有栅格,则Ci为一个边界点,重复这个搜索过程,直到下一个边界点为起始点A时,停止搜索,其时间复杂度为O(3N)。基于该算法,能够快速、方便、准确地得到各个运营区域的电子围栏Polygon数据。
本实施例使用上海市的出租车订单数据,对上海市的自由流动模式下的共享汽车选址布局问题进行案例分析。
首先对上海市的出租车订单数据进行预处理。处理后的上海市月累积出租车订单数据量级达百万级别,采用Geohash编码算法将上海市地图离散化为一个个Geohash的小栅格,编码精度取6,离散化后的每个栅格的面积约为0.72平方公里,按照该方法进行处理后,得到6487个符合条件的网络节点。网络连边权重根据出租车订单中的上下车信息,将上车地点的Geohash栅格节点作为起始点,下车地点的栅格节点作为终点,形成一条有向连边。连边权重wij计算如公式(2),由此构建出一个加权有向的用户出行网络Gu(N,E)。
其中,v分别取0和1的社团挖掘结果如图5和图6所示。从图5中可以看出,上海市被比较好的划分为了六个大社团,并且能够看出黄浦江构成了一条清晰的社团分界线。从图5中也能看出当不考虑距离衰减时,由Louvain算法挖掘出的地理社团,由于没有考虑地理空间距离的限制,导致最后的社团划分数目较少,各个社团的面积太大。除此之外,每个社团内都存在零星的其他社团成员,一个社团的内部成员并没有在空间上连续,这也会对实际运营增加管理难度。
而考虑空间距离衰减后的社团挖掘结果如图6所示,其中衰减系数v取值为1。改进后的社团模块度达到了0.632,比改进前提升了近一倍。可以看出,增加空间距离的衰减后,社团划分的更加细致了,中心社团区域有扩大的趋势,图5中区域较大的社团进一步的细分为了三个社团,而黄浦江依然维持一条清晰的社团分界线,并且社团内部的成员在地理空间上均变得连续起来,对中心区域进行边界围栏计算,得到最后的电子围栏如图7所示。
Claims (5)
1.一种自由流动模式下共享汽车的运营区域选址布局方法,其特征在于,包括以下步骤:
S1、基于候选地图,根据用户的历史出行数据构造出用户出行网络;
S2、采用社团挖掘算法,从用户出行网络中挖掘出紧密联系的社团区域,其中,单个社团区域具体表现为栅格集合;
S3、分别计算不同社团区域对应的边界围栏,即得到共享汽车的各个运营区域;
步骤S3具体包括以下步骤:
S31、将社团区域按照地理空间的连通性进行划分,得到多个连通子集;
S32、按顺序寻找每个连通子集的边界点经纬度数据;
S33、将所有连通子集的边界点经纬度数据按顺序连接构成一段闭合曲线,从而搜索出社团区域对应的边界电子围栏;
S34、重复步骤S31~S33,直至搜索出各社团区域对应的边界电子围栏,即得到共享汽车的各个运营区域;
步骤S31具体是以四邻域作为空间连续性标准,采用深度优先搜索的方法得到社团区域内的所有连通子集;
步骤S32的具体过程为:
S321、从社团区域栅格集合中选取出边界栅格,具体为栅格集合中经度最小且纬度最大的栅格;
S322、选取边界栅格的任意一个边界边AB作为初始边界向量;
S323、按照顺时针方向依次进行下一个边界点的搜索,直至搜索的下一个边界点为初始点A,则结束搜索,并输出所有边界点经纬度数据;其中,下一个边界点的搜索过程具体为:搜索范围为B点邻域的三个点C1、C2、C3,以B为起点、以这三个点C1、C2、C3分别为终点,得到向量BCi,i=1,2,3,若向量BCi的左侧没有删除且右侧存在栅格,则Ci为下一个边界点。
2.根据权利要求1所述的一种自由流动模式下共享汽车的运营区域选址布局方法,其特征在于,所述步骤S1具体包括以下步骤:
S11、采用Geohash编码算法,将候选地图离散化为多个Geohash栅格;
S12、将每个Geohash栅格作为用户出行网络的一个节点,根据用户的历史出行数据,将出发地点的Geohash栅格节点作为起始点、到达地点的Geohash栅格节点作为终点,形成一条有向连边,以得到多条有向连边;
S13、分别计算多条有向连边的连边权重,构造得到一个加权有向的用户出行网络。
3.根据权利要求2所述的一种自由流动模式下共享汽车的运营区域选址布局方法,其特征在于,所述步骤S12中将每个Geohash栅格作为用户出行网络的一个节点具体是用Geohash栅格内的出发点和到达点集合的密度中心对应替代为用户出行网络中节点在地理空间的中心:
其中,ni(lon,lat)为第i个节点在地理空间的中心经纬度,lonk为第i个节点对应栅格内第k个出发点或到达点的经度,latk为该栅格内第k个出发点或到达点的纬度,m为栅格内的出发点和到达点的总数。
4.根据权利要求3所述的一种自由流动模式下共享汽车的运营区域选址布局方法,其特征在于,所述步骤S13中计算有向连边的连边权重的具体过程为:
S131、获取出发地点和到达地点之间的流量;
S132、获取出发地点和达到地点之间的空间距离;
S133、对步骤S131获取的流量和步骤S132获取的空间距离进行min-max归一化处理;
S144、基于归一化处理后的流量和空间距离,计算得到有向连边的连边权重。
5.根据权利要求4所述的一种自由流动模式下共享汽车的运营区域选址布局方法,其特征在于,所述步骤S144中有向连边的连边权重计算公式为:
其中,wij为节点i与节点j之间有向连边的连边权重,fij为节点i与节点j之间的流量,dij为节点i与节点j之间对应的空间距离,v为距离衰减系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010971472.7A CN112131330B (zh) | 2020-09-16 | 2020-09-16 | 一种自由流动模式下共享汽车的运营区域选址布局方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010971472.7A CN112131330B (zh) | 2020-09-16 | 2020-09-16 | 一种自由流动模式下共享汽车的运营区域选址布局方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112131330A CN112131330A (zh) | 2020-12-25 |
CN112131330B true CN112131330B (zh) | 2024-01-26 |
Family
ID=73846394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010971472.7A Active CN112131330B (zh) | 2020-09-16 | 2020-09-16 | 一种自由流动模式下共享汽车的运营区域选址布局方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112131330B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114677048B (zh) * | 2022-04-22 | 2024-01-16 | 北京阿帕科蓝科技有限公司 | 一种需求区域挖掘方法 |
CN116862097B (zh) * | 2023-06-08 | 2024-05-31 | 深圳市蕾奥规划设计咨询股份有限公司 | 一种信息确定方法及设备 |
CN118037517A (zh) * | 2024-04-12 | 2024-05-14 | 深圳大学 | 出行网络动态社团划分方法、装置、计算机设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764555A (zh) * | 2018-05-22 | 2018-11-06 | 浙江大学城市学院 | 一种基于Hadoop的共享单车停放点选址方法 |
CN109074622A (zh) * | 2016-04-27 | 2018-12-21 | 北京嘀嘀无限科技发展有限公司 | 确定运输服务路线的系统及方法 |
CN109614458A (zh) * | 2018-12-20 | 2019-04-12 | 中国人民解放军战略支援部队信息工程大学 | 基于导航数据的城市社区结构挖掘方法与装置 |
CN111190982A (zh) * | 2019-12-25 | 2020-05-22 | 航天信息股份有限公司 | 一种基于大数据的共享单车管理方法及系统 |
-
2020
- 2020-09-16 CN CN202010971472.7A patent/CN112131330B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109074622A (zh) * | 2016-04-27 | 2018-12-21 | 北京嘀嘀无限科技发展有限公司 | 确定运输服务路线的系统及方法 |
CN108764555A (zh) * | 2018-05-22 | 2018-11-06 | 浙江大学城市学院 | 一种基于Hadoop的共享单车停放点选址方法 |
CN109614458A (zh) * | 2018-12-20 | 2019-04-12 | 中国人民解放军战略支援部队信息工程大学 | 基于导航数据的城市社区结构挖掘方法与装置 |
CN111190982A (zh) * | 2019-12-25 | 2020-05-22 | 航天信息股份有限公司 | 一种基于大数据的共享单车管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112131330A (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112131330B (zh) | 一种自由流动模式下共享汽车的运营区域选址布局方法 | |
CN108920481B (zh) | 一种基于手机定位数据的道路网重建方法及系统 | |
Kondor et al. | Estimating savings in parking demand using shared vehicles for home–work commuting | |
Fiorini et al. | AIS data visualization for maritime spatial planning (MSP) | |
CN113470365A (zh) | 一种面向有缺失数据的公交车到站时间预测方法 | |
Xie et al. | Transforming smart cities with spatial computing | |
Tang et al. | Exploring urban travel patterns using density-based clustering with multi-attributes from large-scaled vehicle trajectories | |
CN112734176B (zh) | 一种充电站建站方法、装置、终端设备和可读存储介质 | |
CN110160538B (zh) | 一种基于手机信令数据的地图匹配方法 | |
CN112785077A (zh) | 基于时空数据的出行需求预测方法及系统 | |
CN114548811A (zh) | 一种机场可达性的检测方法、装置、电子设备及存储介质 | |
CN116542709A (zh) | 一种基于交通态势感知的电动汽车充电站规划分析方法 | |
CN113159371B (zh) | 基于跨模态数据融合的未知目标特征建模与需求预测方法 | |
Albalawneh et al. | A new federated genetic algorithm-based optimization technique for multi-criteria vehicle route planning using ArcGIS network analyst | |
Hu et al. | A novel method for the detection of road intersections and traffic rules using big floating car data | |
Al-Hamami et al. | Optimal cell towers distribution by using spatial mining and geographic information system | |
CN112364776A (zh) | 一种城市功能区识别模型建立、分类方法及装置 | |
Yao et al. | Trip segmentation and mode detection for human mobility data | |
Cai et al. | Spatial attention based grid representation learning for predicting origin–destination flow | |
CN113554221B (zh) | 一种“流空间”视角下的城镇开发边界模拟预测方法 | |
CN115565376A (zh) | 融合graph2vec、双层LSTM的车辆行程时间预测方法及系统 | |
Stadler et al. | A method for the optimized placement of bus stops based on voronoi diagrams | |
Shi et al. | An adaptive route guidance model considering the effect of traffic signals based on deep reinforcement learning | |
Duchon et al. | Collaborative sensing platform for eco routing and environmental monitoring | |
Chehreghan et al. | Developing a novel method for optimum site selection based on fuzzy genetic system and GIS |
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 |