CN112488400B - 基于区块链技术与出行计划共享的交通出行行为调控方法 - Google Patents

基于区块链技术与出行计划共享的交通出行行为调控方法 Download PDF

Info

Publication number
CN112488400B
CN112488400B CN202011410756.5A CN202011410756A CN112488400B CN 112488400 B CN112488400 B CN 112488400B CN 202011410756 A CN202011410756 A CN 202011410756A CN 112488400 B CN112488400 B CN 112488400B
Authority
CN
China
Prior art keywords
travel
traffic
travel plan
sharing
travelers
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
CN202011410756.5A
Other languages
English (en)
Other versions
CN112488400A (zh
Inventor
朱森来
于航
杨杰
何述超
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.)
Nantong University
Original Assignee
Nantong University
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 Nantong University filed Critical Nantong University
Priority to CN202011410756.5A priority Critical patent/CN112488400B/zh
Publication of CN112488400A publication Critical patent/CN112488400A/zh
Application granted granted Critical
Publication of CN112488400B publication Critical patent/CN112488400B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Abstract

本发明公开了一种基于区块链技术和出行计划共享的交通出行行为调控方法为：首先，出行者在出行之前共享自己的出行计划；其次，根据出行者共享的出行计划预测未来不同时间段的交通网络动态交通需求；再次，基于动态交通需求的预测结果和城市交通供给信息评估城市交通网络的运行水平；优化出行计划；随机选取出行者，并向出行者提供对应的出行建议；出行者选择是否接受出行建议，完成后，基于选择结果进行动态交通需求预测，以此循环，直至城市交通网络的运行水平达到满意的水平。本方法采用哈希算法加密，通过区块链的公钥和私钥技术共享出行计划，保护出行者的隐私；激励出行者共享出行计划和接受出行建议。

Description

基于区块链技术与出行计划共享的交通出行行为调控方法
技术领域
本发明属于交通拥堵管理和智能交通系统领域，涉及到基于区块链技术与出行计划共享的交通出行行为调控方法。
背景技术
随着城市化进程的发展，交通拥堵问题越发严重，而缓解甚至解决交通拥堵问题的关键就是合理调控出行者的出行选择行为，如计划出行方式选择、计划出行时间选择、以及计划出行路径选择等。
为了鼓励出行者使用公共交通、减少私家车出行以及规避高峰期间出行等，许多城市通过限号出行、公共交通补贴政策、错峰上下班、拥堵收费等措施调控出行者出行选择行为。然而这些方法大多是强制性措施，存在公平性、社会接受度低等问题。很多出行者认为交通管理者不是为了治理交通问题而制定的相应策略，而是处于其他利益考虑如提高政府部门财政收入，因此对这些调控策略往往会有抗拒心理，导致出行者对于交通管理者制定的方案存在不信任问题。另外，出行调控策略的实施效果往往取决于准确的出行需求预测，而现有的出行需求预测往往基于历史的出行数据，或者实时检测的交通出行信息，但出行者的出行选择存在很多不确定性，而历史的出行者数据很难准确把握这些不确定性，因此出行需求预测存在很大的误差。而实时检测的交通出行信息是出行者已经进行出行选择并实施之后呈现结果，实时调控方案不能从根本上去调控出行者的初始选择行为，因此管控效果也并不理想。
综上，现有交通出行调控方法存在问题是：普遍采用的调控方法往往具有强制性、不公平性，出行者与交通管理部门存在不信任问题，调控方法的社会接受度不高；调控方法依据准确的出行需求预测，而现状出行需求依据历史出行数据和实时检测数据，不能很好地把握出行不确定性，出行需求预测准确度低，且不能从根本上调控出行者的初始选择行为，调控方法实施效果低。
发明内容
本发明的目的是提供一种基于区块链技术与出行计划共享的交通出行调控方法，解决上述问题中的一个或多个。
本发明提出了一种基于区块链技术与出行计划共享的交通出行调控方法，包括以下步骤：
步骤1、共享出行计划；
步骤2、基于出行计划预测未来不同时间段的交通网络动态交通需求；
步骤3、基于动态交通需求的预测结果和城市交通供给信息评估城市交通网络的运行水平，如果运行水平达到满意的水平，将出行计划进行上链，反之继续步骤4；
步骤4、优化出行计划；
步骤5、基于步骤4的优化结果，随机选取出行者，并向出行者提供对应的出行建议，随机选取出行者能够更好的保证公平性；
步骤6、接收出行者对于是否接受出行建议做出的选择，返回步骤2，重新基于选择结果进行动态交通需求预测，以次循环，直至城市交通网络的运行水平达到满意的水平，步骤6的设置使得出行建议不具有强制性，出行者拥有自由选择权，更好的提升出行者使用时的体验感。
在某些实施方案中，基于区块链技术与出行计划共享的交通出行行为调控方法采用哈希算法加密，每个出行者都拥有一个私钥和一个公钥。通过区块链的公钥和私钥技术，可以防止恶意篡改数据，验证信息的真实性。
在某些实施方案中，所述步骤1中共享出行计划是通过基于区块链构建的出行服务系统实现的，出行服务系统为多层出行服务系统，包括识别层、隐私层、合约层以及共识层，
识别层，用于存储和处理元数据、动态数据、静态数据以及预测数据，元数据中包括城市交通供给信息，预测数据中包括动态交通需求的预测结果；
隐私层，用于识别出行者，存储和处理出行计划；
合约层，用于进行智能合约和代理；
共识层，用于工作量证明和数据传输。
在某些实施方案中，所述出行服务系统还包括激励层，激励层用于存储共识激励，实现激励功能，包括服从激励和共享激励，共识激励是出行服务系统中的激励策略。
在某些实施方案中，所述静态数据中包括姓名、年龄、性别以及车牌号；
所述动态数据中包括出行计划，每个出行者的静态数据分别生成一个第一独立ID进行上链，与动态数据相关联。
在某些实施方案中，所述城市交通供给信息中包括组成要素和供给信息，组成要素包括路网结构，及路网结构涉及的路段、交叉口、线路、场站以及停车场，供给信息包括通行能力和管控措施，每个组成要素生成一个第二独立ID与供给信息关联，同时通过第二独立ID与出行计划相关联，并进行上链。
在某些实施方案中，所述预测未来不同时间段的交通网络动态交通需求的方法为：
若所有出行者均愿意共享出行计划，结合出行者共享的出行计划，通过时间离散化，筛选求和，得到未来不同时间段的动态交通需求，能够保证动态交通需求预测的准确性；
若只有部分出行者愿意共享出行计划，则进行以下步骤：
根据共享的出行计划，通过时间离散化，筛选求和，得到共享出行计划的出行者在为了不同时间段的动态交通需求；
借助物联网系统历史储备和实时监测的交通出行数据计算共享出行计划的出行者占总出行者数量的比例；
对未共享出行计划的出行者的动态交通需求进行预测，与共享出行计划的出行者的动态交通需求进行叠加，得到最终的不同时段的动态交通需求的预测结果。
在某些实施方案中，所述动态交通需求包括出行方式分担率、OD需求分布、系统总计划出行时间以及各路段的交通流量，所述各路段的交通流量包括瓶颈路段的交通流量。
在某些实施方案中，所述步骤4中通过智能合约的形式自动优化出行计划，保证信息的透明化、公开化，解决传统交通出行者对于交通管理部门制定管控方案的不信任问题。
在某些实施方案中，所述出行计划包括计划出行方式、计划出行时间以及计划出行路径。
有益效果：本发明与现有技术相比，具有以下优点：
1、本方法基于系统自动生成的出行方案，随机选择出行者进行出行建议提供，保障了方法的公平性，且出行者拥有自由选择权，可自由选择是否接受系统提供的出行建议，不具有强制性；
2、本方法依据区块链技术在保障信息安全的基础上，实现了信息的透明化，调控方案的制定依据、制定过程实现公开化，解决了不信任问题与信息不透明化问题；
3、交通调控方法依据准确的出行需求预测，而现状出行需求依据历史出行数据和实时检测数据，不能很好地把握出行不确定性，出行需求预测准确度低，且不能从根本上调控出行者的初始选择行为，调控方法实施效果低，而本方法基于提前共享的出行计划可以减少不确定性对出行需求预测的影响，保障了出行需求预测的准确性；
4、通过区块链技术保护出行者出行隐私、信息安全的基础上，基于出行计划预测出行需求，从而进行出行计划优化，并随机选择出行者进行出行建议，出行者可自由选择是否接受提供的出行建议，方法具有公平性、自由选择性等优点，且基于出行计划可以保证出行需求的预测准确性，保障调控方案的实施效果。
附图说明
图1是本发明提供的一种基于区块链技术与出行计划共享的交通出行调控方法所基于区块链技术构建的共享管理平台所融合信息的示意图；
图2是本发明提供的一种基于区块链技术与出行计划共享的交通出行调控方法所构建的多层出行服务系统的数据结构示意图；
图3是本发明提供的一种基于区块链技术与出行计划共享的交通出行调控方法的工作流程示意图；
图4是本发明提供的一种基于区块链技术与出行计划共享的交通出行调控方法的出行者静态信息注册流程示意图；
图5是本发明提供的一种基于区块链技术与出行计划共享的交通出行调控方法的城市交通供给组成信息注册流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。
本实施例提供一种基于区块链技术与出行计划共享的交通出行调控方法，其核心技术是基于区块链构建的出行服务系统，该出行服务系统需要融合信息如图1所示，包括三个方面：(1)出行者相关信息：包括长时间内不变动的静态数据(用户ID、姓名、年龄、性别、车牌号、公交卡号等)和每天会动态调整的动态数据(计划出行时间、计划出行方式、计划出行路径等)；(2)城市交通供给信息：包括路网结构(路网拓扑结构、道路等级划分、公交网络结构、地铁网络、公共自行车站点分布情况等)、通行能力(各路段车道数及设计速度、公交线路设计、公交发车时间及间隔、地铁发车时间及间隔、出租车投放情况、公共自行车投放情况等)、管控措施(限速、限行、收费等管控措施)、及其他影响交通供给状况的信息(如突发事件、施工等)；(3)物联网信息：包括物联网系统历史储备、实时监测的交通出行数据及出行者的定位信息，物联网系统历史储备包括基于物联网储备的历史交通需求数据，实时监测的交通出行数据包括实时检测的交通状况、实时预测的计划出行时间、以及实时预测的计划出行方式等。出行者相关信息是为了准确的预测交通需求状况；城市交通供给信息是为了进行需求与供给匹配分析，评估城市交通运行水平，以及作为智能制定出行行为调控方案的基础输入信息；实时监测的交通出行数据是为了当只有部分人愿意共享出行计划时，辅助预测交通需求，提高预测精度，理想情况下，当所有人都愿意共享出行计划时，则可以不需要利用物联网相关信息；出行者的定位信息是为了匹配出行者实际出行选择行为是否与上链的出行计划信息相匹配，从而规范出行者执行选择的出行计划。
为了融合以上所述的多源信息，采用多层出行服务系统进行数据存储与处理，如图2所示，包括识别层、隐私层、合约层、共识层以及激励层，
识别层，用于存储和处理元数据、动态数据、静态数据以及预测数据，城市交通供给信息和物联网信息包含于元数据中，预测数据中包括动态交通需求的预测结果；
隐私层，用于识别出行者，存储和处理出行计划；
合约层，用于进行智能合约和代理，完成动态交通需求的预测、运行水平的评估以及调控优化出行计划；
共识层，用于工作量证明和数据传输；
激励层，用于存储共识激励，实现激励功能，包括服从激励和共享激励，共识激励是出行服务系统中的激励策略。
在该出行服务系统中，通过哈希算法加密，每个出行者拥有一个私钥和一个公钥，通过区块链的公钥和私钥技术既可以共享出行计划，又可以保护出行者的隐私。
基于构建的多层区块链出行服务系统，交通出行行为调控方法的工作流程如图3所示，其具体步骤如下：
步骤1、比如为了保证城市高峰上下班期间(假设为7:00-9:00，具体时间与每个城市的作息习惯相关)交通的有效运行，出行者出行之前(如6点之前)登录基于区块链构建的出行服务系统，将出行计划发布并广播到整个系统，出行计划包括计划出行方式、计划出行时间、计划出行路径；
步骤2、进行动态交通需求的预测，出行服务系统基于出行者共享的出行计划预测交通网络动态交通需求，包括不同时间段下出行方式分担率、OD需求分布、各路段尤其是瓶颈路段的交通流量等，
如果所有出行者都愿意共享出行计划，结合出行者共享的出行计划，通过时间离散化将每天分成多个时间段，通过筛选求和，预测未来不同时间段的动态交通需求；以某一OD对(起点到终点)为例，以15min为单位时间，将一天24h划分成96个时间段，根据出行者共享的出行计划中的出行时间选择，将每个出行计划信息归属于对应的时间段，再根据共享的出行方式选择、出行路径选择，通过累加推导出每个时间段下的各出行方式交通需求、路径交通流量，结合路网拓扑关系进一步预测出各时间段下的各路段交通流量，通过以上方法基于共享的出行计划预测该OD对未来不同时间段的动态交通需求。
当只有部分出行者愿意共享出行计划时，首先，通过每天的时间离散化，如以15min为一个单位时间，通过筛选求和，可以得到这些分享出行计划的出行者在未来不同时间段的动态交通需求；然后，借助于物联网系统历史储备及实时监测的交通出行数据，通过比较预测的分享出行计划的出行者对应的路段流量与各路段检测的交通总量，推算的分享出行计划的出行者占总出行者数量的比例；最后，对于未分享出行计划的出行者相应的动态交通需求通过传统方法(灰色预测、时空序列、深度学习等)进行预测，与分享出行计划的出行者的动态交通需求预测结果进行叠加，得到最终的动态交通需求预测结果；
出行计划共享的出行者越多，动态交通需求预测的准确性就会越有保证，因此通过激励层的共享激励激励出行者共享出行计划，如积分奖励策略，当出行者主动分享出行计划并验证实施了该出行计划(通过共享的手机定位信息进行验证)时，奖励相应的积分，这些积分可以兑换停车券、消费券等；
步骤3、评估运行水平，基于预测的动态交通需求以及城市交通供给信息，评估城市交通网络的运行水平，如果运行水平达到满意的水平，将出行者的出行计划进行上链，同时动态交通需求的预测结果和运行水平的评估结果也随着出行计划上链，否则继续步骤4，
在出行服务系统运行前设定评价指标存储于出行服务系统中，运行水平根据预测的出行方式分担率、各时间段出行需求分布、系统总计划出行时间，与评价指标进行对比，以评判运行水平是否满意，达到对应的评价指标即为满意的水平；
步骤4、调控优化出行计划，根据共享的出行计划，通过智能合约的形式自动优化出行者的出行计划，优化目标是使得交通网络运行水平系统最优，优化方法及相关的模型、输入数据等以智能合约的形式呈现；
优化方法以某一OD对为例，首先根据事先制定的公共交通出行最低分担率推算公共交通的最低出行需求，然后与步骤2预测的动态交通需求比较，如果动态交通需求低于最低动态交通需求，则根据差值确定需要建议多少机动车出行者转移到公共交通上，高于最低出行需求则不考虑方式转移；对于不考虑方式转移的机动车出行者，首先基于步骤2的时间离散化，根据动态系统最优交通分配模型估计出各时间段系统最优下的机动车出行需求及计划出行路径流量，最后与步骤2下基于出行计划的动态交通需求预测下的各时间段机动车出行需求和路径流量进行比较，根据比较结果推算需要建议多少机动车出行者改变计划出行时间计划和计划出行路径计划，通过以上步骤对出行者的计划出行方式、计划出行时间、计划出行路径进行优化；
步骤5、提供出行建议，实现系统最优往往会使得部分人牺牲个人利益，如需要出行者中一定比例的出行者改变计划出行方式、计划出行时间、计划出行路径选择，为了不失公平性，基于步骤4优化的出行计划，随机选取相应的出行者提供对应的出行建议，即为出行者对应的优化后出行计划；
步骤6、出行者收到系统提供的出行建议之后，拥有自主选择权，可以坚持原先的出行计划，拒绝出行建议，也可以接受出行建议改变原先制定的出行计划，出行者进行选择之后，返回步骤2，重新基于选择结果(若接受出行建议，则将出行建议作为新的出行计划；若拒绝出行建议，则出行计划不变)，进行动态交通需求的预测，以此循环，直到达到满意的城市交通网络运行水平。
出行建议并不具有强制性，出行者拥有自由选择权，可以选择是否接受系统提供的出行建议。如果所有出行者都愿意接受系统提供的出行建议，会提高系统的运行效率和保障方案的实施效果，因此通过激励层的服从激励激励出行者接受系统提供的出行建议，如积分奖励策略，当出行者接受了系统提供了系统提供的出行建议并验证实施了该出行建议时，奖励相应的积分，这些积分可以兑换停车券、消费券等。
该出行服务系统中，由于每个出行者都视作一个节点，而每个节点相关的出行信息数据量比较大，将这些出行信息进行上链对计算机运行水平要求很高。另外，城市交通供给组成要素往往也很复杂，涉及路段信息、场站信息、线路信息、区域信息(商场、学校、医院、停车场等)、交叉口信息等，每个出行者的出行计划往往都与这些供给信息存在交互关系，根据交互关系去提取分析城市交通供给状况服务水平涉及的数据处理复杂度会很高。为解决以上问题，构建的出行服务系统一方面针对出行者信息，将出行者信息分为静态信息和动态信息，静态信息即长时间内不变动的信息，如姓名、年龄、性别、车牌号、公交卡号等，动态信息即经常随时间变动的信息，如出行计划。为减少出行服务系统的上链复杂度，静态信息通过权威的监管部门(如城市交通管理部门)进行注册储存，每个出行者相关的静态信息生成一个第一独立ID(即用户ID)进行上链，如图4所示。而动态信息通过出行服务系统进行共享，进行信息上链时静态信息通过生成的第一独立ID与动态信息相关联，并可以进行溯源分析，减少了计算机的运算量，保障了系统的运行效率，同时也能保护出行者的隐私。
另一方面针对城市交通供给信息，城市交通供给信息的组成要素往往也很复杂，涉及路段信息、场站信息、线路信息、区域信息(商场、学校、医院、停车场等)、交叉口信息等，为减少计算机的运算量，组成要素进行划分(路网结构，及路网结构涉及的路段、交叉口、线路、场站、停车场等)，将这些划分的组成要素涉及的供给信息，如通行能力、管控措施(限速、限行、收费、容量、停车位等管控措施)、及其他影响交通供给状况的信息，等通过监管部门登记进行储存，每个组成要素生成一个第二独立ID与这些供给信息相关联，通过第二独立ID与出行者的出行计划相关联并进行上链，减少了计算机的运算量，也方便根据第二独立ID对重点关注的城市交通瓶颈点或重点区域进行提取分析。图5以某一商场的停车场为例，示意了停车场相关信息的注册流程。

Claims (9)

1.一种基于区块链技术与出行计划共享的交通出行行为调控方法，其特征在于，包括以下步骤：
步骤1、共享出行计划；
步骤2、基于出行计划预测未来不同时间段的交通网络动态交通需求；
步骤3、基于动态交通需求的预测结果和城市交通供给信息评估城市交通网络的运行水平，如果运行水平达到满意的水平，将出行计划进行上链，反之继续步骤4；
步骤4、优化出行计划；
步骤5、基于步骤4的优化结果，随机选取出行者，并向出行者提供对应的出行建议；
步骤6、接收出行者对于是否接受出行建议做出的选择，返回步骤2，重新基于选择结果进行动态交通需求预测，以次循环，直至城市交通网络的运行水平达到满意的水平；
其中，所述预测未来不同时间段的交通网络动态交通需求的方法为：
若所有出行者均愿意共享出行计划，结合出行者共享的出行计划，通过时间离散化，筛选求和，得到未来不同时间段的动态交通需求；
若只有部分出行者愿意共享出行计划，则进行以下步骤：
根据共享的出行计划，通过时间离散化，筛选求和，得到共享出行计划的出行者在为了不同时间段的动态交通需求；
借助物联网系统历史储备和实时监测的交通出行数据计算共享出行计划的出行者占总出行者数量的比例；
对未共享出行计划的出行者的动态交通需求进行预测，与共享出行计划的出行者的动态交通需求进行叠加，得到最终的不同时段的动态交通需求的预测结果。
2.根据权利要求1所述基于区块链技术与出行计划共享的交通出行行为调控方法，其中，基于区块链技术与出行计划共享的交通出行行为调控方法采用哈希算法加密，每个出行者都拥有一个私钥和一个公钥。
3.根据权利要求1所述基于区块链技术与出行计划共享的交通出行行为调控方法，其中，所述步骤1中共享出行计划是通过基于区块链构建的出行服务系统实现的，出行服务系统为多层出行服务系统，包括识别层、隐私层、合约层以及共识层，
识别层，用于存储和处理元数据、动态数据、静态数据以及预测数据，元数据中包括城市交通供给信息，预测数据中包括动态交通需求的预测结果；
隐私层，用于识别出行者，存储和处理出行计划；
合约层，用于进行智能合约和代理；
共识层，用于工作量证明和数据传输。
4.根据权利要求3所述基于区块链技术与出行计划共享的交通出行行为调控方法，其中，所述出行服务系统还包括激励层，激励层用于存储共识激励，实现激励功能，包括服从激励和共享激励，共识激励是出行服务系统中的激励策略。
5.根据权利要求3所述基于区块链技术与出行计划共享的交通出行行为调控方法，其中，
所述静态数据中包括姓名、年龄、性别以及车牌号；
所述动态数据中包括出行计划，每个出行者的静态数据分别生成一个第一独立ID进行上链，与动态数据相关联。
6.根据权利要求1或3所述基于区块链技术与出行计划共享的交通出行行为调控方法，其中，所述城市交通供给信息中包括组成要素和供给信息，组成要素包括路网结构，及路网结构涉及的路段、交叉口、线路、场站以及停车场，供给信息包括通行能力和管控措施，每个组成要素生成一个第二独立ID与供给信息关联，同时通过第二独立ID与出行计划相关联，并进行上链。
7.根据权利要求1或3所述基于区块链技术与出行计划共享的交通出行行为调控方法，其中，所述动态交通需求包括出行方式分担率、OD需求分布、系统总计划出行时间以及各路段的交通流量，所述各路段的交通流量包括瓶颈路段的交通流量。
8.根据权利要求1所述基于区块链技术与出行计划共享的交通出行行为调控方法，其中，所述步骤4中通过智能合约的形式自动优化出行计划。
9.根据权利要求1、3、5及8中的任一项所述基于区块链技术与出行计划共享的交通出行行为调控方法，其中，所述出行计划包括计划出行方式、计划出行时间以及计划出行路径。
CN202011410756.5A 2020-12-04 2020-12-04 基于区块链技术与出行计划共享的交通出行行为调控方法 Active CN112488400B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011410756.5A CN112488400B (zh) 2020-12-04 2020-12-04 基于区块链技术与出行计划共享的交通出行行为调控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011410756.5A CN112488400B (zh) 2020-12-04 2020-12-04 基于区块链技术与出行计划共享的交通出行行为调控方法

Publications (2)

Publication Number Publication Date
CN112488400A CN112488400A (zh) 2021-03-12
CN112488400B true CN112488400B (zh) 2023-12-22

Family

ID=74939383

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011410756.5A Active CN112488400B (zh) 2020-12-04 2020-12-04 基于区块链技术与出行计划共享的交通出行行为调控方法

Country Status (1)

Country Link
CN (1) CN112488400B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113283341A (zh) * 2021-05-25 2021-08-20 华北理工大学 一种数据分析终端装置
CN113191029B (zh) * 2021-06-30 2022-02-11 深圳坤湛科技有限公司 基于集群计算的交通仿真方法、程序及介质
CN113421134B (zh) * 2021-07-21 2022-03-11 厦门中卡科技股份有限公司 基于区块链技术的积分互转商业记账方法
CN113570418A (zh) * 2021-08-11 2021-10-29 东南大学 一种城市共享交通的居民出行需求预测方法
CN115240454B (zh) * 2022-06-21 2023-08-22 山东新工科信息技术有限公司 一种疏解交通拥堵的物联网平台及基于它的疏解方法
CN115240423B (zh) * 2022-07-24 2024-03-01 福建港南实业有限公司 基于互联网的智慧城市交通调配方法及系统
CN115527370B (zh) * 2022-09-30 2023-07-14 广州市智慧城市投资运营有限公司 一种基于隐私计算的出行需求共享与动静态交通协同方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106504530A (zh) * 2016-10-31 2017-03-15 合肥工业大学 一种用户出行路径诱导与管控系统及其方法
CN107045650A (zh) * 2016-10-25 2017-08-15 罗轶 基于区块链的网约车
CN108428340A (zh) * 2018-05-11 2018-08-21 深圳市图灵奇点智能科技有限公司 道路交通状况分析方法和系统
CN108680178A (zh) * 2018-02-22 2018-10-19 北京交通大学 基于定位信息与路径数据分享的未来交通规划系统和方法
CN111510496A (zh) * 2020-04-16 2020-08-07 山东交通学院 基于区块链信息共享的交通诱导系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7465484B2 (ja) * 2018-09-30 2024-04-11 ストロング フォース ティーピー ポートフォリオ ２０２２，エルエルシー 高機能輸送システム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107045650A (zh) * 2016-10-25 2017-08-15 罗轶 基于区块链的网约车
CN106504530A (zh) * 2016-10-31 2017-03-15 合肥工业大学 一种用户出行路径诱导与管控系统及其方法
CN108680178A (zh) * 2018-02-22 2018-10-19 北京交通大学 基于定位信息与路径数据分享的未来交通规划系统和方法
CN108428340A (zh) * 2018-05-11 2018-08-21 深圳市图灵奇点智能科技有限公司 道路交通状况分析方法和系统
CN111510496A (zh) * 2020-04-16 2020-08-07 山东交通学院 基于区块链信息共享的交通诱导系统及方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
区块链在智慧城市信息共享与使用中的应用研究;陈涛;马敏;徐晓林;;电子政务(07);全文 *
区块链赋能城市智能交通的应用探索;钟芸;;交通与港航(03);全文 *
城市交通系统规划、建设与管理一体化决策支持系统框架设计;王炜，Ｗ．Ｂｒｉｌｏｎ;城市规划(04);全文 *
基于区块链技术的共享经济发展模式探寻;何猛;;全国流通经济(23);全文 *
面向未来城市的智慧交通整体构思;张晓春;邵源;孙超;;城市交通(05);全文 *

Also Published As

Publication number Publication date
CN112488400A (zh) 2021-03-12

Similar Documents

Publication Publication Date Title
CN112488400B (zh) 基于区块链技术与出行计划共享的交通出行行为调控方法
Gurumurthy et al. Analyzing the dynamic ride-sharing potential for shared autonomous vehicle fleets using cellphone data from Orlando, Florida
Xu et al. Electric vehicle fleet size and trip pricing for one-way carsharing services considering vehicle relocation and personnel assignment
Huang et al. Vehicle relocation in one-way station-based electric carsharing systems: A comparative study of operator-based and user-based methods
Xu et al. Capacity-oriented passenger flow control under uncertain demand: Algorithm development and real-world case study
Nourinejad et al. A dynamic carsharing decision support system
Pevec et al. A data‐driven statistical approach for extending electric vehicle charging infrastructure
Liu et al. How to increase rail ridership in Maryland: Direct ridership models for policy guidance
Mackowski et al. Parking space management via dynamic performance-based pricing
Jorge et al. Comparing optimal relocation operations with simulated relocation policies in one-way carsharing systems
Alfian et al. A simulation tool for prioritizing product-service system (PSS) models in a carsharing service
Tang et al. A data-driven timetable optimization of urban bus line based on multi-objective genetic algorithm
Ji et al. How does dockless bike-sharing system behave by incentivizing users to participate in rebalancing?
Huang et al. Analysis of the acceptance of park-and-ride by users
Liu et al. A distributed Markovian parking assist system
Mirheli et al. Hierarchical optimization of charging infrastructure design and facility utilization
Guo et al. Modelling Passengers' Reaction to Dynamic Prices in Ride-on-demand Services: A Search for the Best Fare
Sang et al. Design of build-operate-transfer contract for integrated rail and property development with uncertainty in future urban population
Liao et al. Impacts of charging behavior on BEV charging infrastructure needs and energy use
Xue et al. Parking space reservation behavior of car travelers from the perspective of bounded rationality: a case study of nanchang city, China
Ahmad et al. Game theory applications in traffic management: A review of authority-based travel modelling
Naseri et al. Simulating the performance of HOV lanes for optimal urban traffic management
Ronald et al. Mobility patterns in shared, autonomous, and connected urban transport
Yang et al. Mechanism design for stochastic dynamic parking resource allocation
Deflorio et al. Dynamic charging systems for electric vehicles: simulation for the daily energy estimation on motorways

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