CN114462898A - 基于地理信息的公路规划管理方法及系统 - Google Patents
基于地理信息的公路规划管理方法及系统 Download PDFInfo
- Publication number
- CN114462898A CN114462898A CN202210377532.1A CN202210377532A CN114462898A CN 114462898 A CN114462898 A CN 114462898A CN 202210377532 A CN202210377532 A CN 202210377532A CN 114462898 A CN114462898 A CN 114462898A
- Authority
- CN
- China
- Prior art keywords
- road network
- road
- index
- data
- evaluation result
- 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
Links
- 238000007726 management method Methods 0.000 title claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 124
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000010606 normalization Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 16
- 238000000547 structure data Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 description 10
- 238000013461 design Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于地理信息的公路规划管理方法及系统，方法，包括：基于预设规则对获取的路网结构特征进行指标选择，得到指标特征；根据指标特征的类型，对每一类指标特征分别进行分类，得到对应各类指标特征的分类结果；分别对对应各类指标特征的分类结果进行归一化处理，得到待评价数据；基于待评价数据进行综合评估，得到方案评价结果。本发明基于预设规则对易于获取的路网结构特征进行指标选择，得到指标特征，利用各指标特征进行归一化处理以及综合评估，以形成闭环，从而确保方案评价结果的准确性；且由于路网结构特征易于获取，质量得以保障，时效性较好，以进一步提高方案评价结果的准确性和可靠性。
Description
技术领域
本发明涉及道路规划技术领域，尤其涉及一种基于地理信息的公路规划管理方法及系统。
背景技术
近年来，我国以国省干线公路网为重点的高等级公路取得了巨大的发展，有力地促进了我国交通运输和社会经济的进步。然而，在此建设过程中也出现了许多值得关注的问题，比如部分公路建成通车后在很短的时间内即可达到设计通行能力，以致行业管理单位的运营水平下降，并对后续改扩建带来极大的负面影响；再比如部分公路建成通车后交通量很小且远低于设计通行能力，以致浪费所建设的公路资源。因此，迫切需要深入地对公路网规划成果进行客观合理地评价，在宏观方面把握未来公路网发展的大趋势，以作为公路网规划合理性评价的重要依据。
目前采用的公路网规划评价方法中，大多采用综合评价或交通规划的方法。这些方法都存在数据获取困难、数据质量时效性不高、数据质量难以验证、规划方法步骤繁琐和计算效率低下等困难。
发明内容
本发明提供一种基于地理信息的公路规划管理方法及系统，用以解决现有技术中道路规划准确率较差的缺陷，提高道路规划的准确性和可靠性。
本发明提供一种基于地理信息的公路规划管理方法，包括：基于预设规则对获取的路网结构特征进行指标选择，得到对应各路网的指标特征；分别针对各所述路网对应的指标特征，根据所述指标特征的类型，对每一类指标特征分别进行分类，得到对应各类指标特征的分类结果；分别对所述对应各类指标特征的分类结果进行归一化处理，得到对应各所述路网的待评价数据；基于所述对应各所述路网的待评价数据进行综合对比，得到方案评价结果。
根据本发明提供的一种基于地理信息的公路规划管理方法，所述指标特征，包括路网密度、路网等级比例、路网迂回度、路网可达性、路网可靠性、路网连接度和路网负荷度中的至少一项。
根据本发明提供的一种基于地理信息的公路规划管理方法，所述预设规则包括预设指标选择规则和预设数据获取规则，所述基于预设规则对获取的路网结构特征进行指标选择，包括：基于所述预设指标选择规则，从获取的路网结构特征中选择对应数据，得到路网结构数据；基于所述预设数据获取规则，从所述路网结构数据中选择对应数据，得到对应各路网的指标特征。
根据本发明提供的一种基于地理信息的公路规划管理方法，所述基于所述对应各路网的待评价数据进行综合对比，得到方案评价结果，包括：对所述对应各所述路网的待评价矩阵进行对比，得到第一评价结果；基于熵值法对所述对应各所述路网的待评价矩阵进行对比，得到第二评价结果；利用所述第一评价结果和所述第二评价结果进行综合评估，得到方案评价结果。
根据本发明提供的一种基于地理信息的公路规划管理方法，所述待评价数据包括现状年路网评价矩阵和规划年路网评价矩阵，对所述对应各所述路网的待评价矩阵进行对比，得到第一评价结果，包括：基于所述规划年路网评价矩阵和所述现状年路网评价矩阵的比值，得到对比系数；基于所述对比系数大于或等于1，得到规划年路网方案合理作为第一评价结果；基于所述对比系数小于1，得到规划建议方案作为第一评价结果。
根据本发明提供的一种基于地理信息的公路规划管理方法，所述基于熵值法对所述对应各所述路网的待评价矩阵进行对比，得到第二评价结果，包括：基于熵值法，得到对应各所述路网的待评价数据的价值系数；根据所述价值系数，确定对应各所述路网的第二评价结果。
本发明还提供一种基于地理信息的公路规划管理系统，包括：指标选择模块，基于预设规则对获取的路网结构特征进行指标选择，得到对应各路网的指标特征；分类模块，分别针对各所述路网对应的指标特征，根据所述指标特征的类型，对每一类指标特征分别进行分类，得到对应各类指标特征的分类结果；归一化处理模块，分别对所述对应各类指标特征的分类结果进行归一化处理，得到对应各所述路网的待评价数据；综合对比模块，基于所述对应各所述路网的待评价数据进行综合对比，得到方案评价结果。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于地理信息的公路规划管理方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于地理信息的公路规划管理方法的步骤。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于地理信息的公路规划管理方法的步骤。
本发明提供的基于地理信息的公路规划管理方法及系统，基于预设规则对易于获取的路网结构特征进行指标选择，得到指标特征，利用各指标特征进行归一化处理以及综合评估，以形成闭环，从而确保方案评价结果的准确性；且由于路网结构特征易于获取，质量得以保障，时效性较好，以进一步提高方案评价结果的准确性和可靠性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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是本发明提供的基于地理信息的公路规划管理方法的流程示意图；
图2是本发明提供的指标选择的流程示意图；
图3是本发明提供的路网布局连接形式示意图；
图4是本发明提供的归一化处理的流程示意图；
图5是本发明提供的综合评估的流程示意图；
图6是本发明提供的基于地理信息的公路规划管理系统的结构示意图；
图7是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中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作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。
图1示出了本发明一种基于地理信息的公路规划管理方法的流程示意图，该方法，包括：
S11，基于预设规则对获取的路网结构特征进行指标选择，得到对应各路网的指标特征；
S12，分别针对各路网对应的指标特征，根据指标特征的类型，对每一类指标特征分别进行分类，得到对应各类指标特征的分类结果；
S13，分别对对应各类指标特征的分类结果进行归一化处理，得到对应各路网的待评价数据；
S14，基于对应各路网的待评价数据进行综合评估，得到方案评价结果。
需要说明的是，本说明书中的S1N不代表基于地理信息的公路规划管理方法的先后顺序，下面具体结合图2-图5描述本发明的基于地理信息的公路规划管理方法。
步骤S11，基于预设规则对获取的路网结构特征进行指标选择，得到对应各路网的指标特征。
在本实施例中，参考图2，预设规则包括预设指标选择规则和预设数据获取规则，基于预设规则对获取的路网结构特征进行指标选择，包括：基于预设指标选择规则，从获取的路网结构特征中选择对应数据，得到路网结构数据；基于预设数据获取规则，从路网结构数据中选择对应数据，得到对应各路网的指标特征。
需要说明的是，基于预设指标选择规则，从获取的路网结构特征中选择对应数据，得到路网结构数据，可以理解为，从路网结构特征中选择符合预设指标选择规则的路网结果数据，预设指标选择规则可以基于需求选择实际需要的数据，此处不作进一步限定。举例而言，预设指标选择规则可以为选择的数据需符合客观性、可比性和/或可行性等，其中，客观性即为客观存在的数据，非主观人为臆测的，可比性即为数据为数值型数据，可用于对比，可行性即为数据可以用于计算。比如运输密度（公里/亿车公里）的指标中需要运输周转量的数据，大多是基于人工主观推算得到的，因此，该数据不符合客观性原则，不符合指标选择原则，因此予以舍弃，除上述路网运输密度外，其他如公路网理想规模接近度、路网经济密度、路网人口密度等也是如此。
另外，基于预设数据获取规则，从路网结构数据中选择对应数据，得到对应各路网的指标特征，可以理解为从符合预设指标选择规则的路网结构数据中选择符合预设数据获取原则的数据，作为指标特征。应当注意，预设数据获取规则可以基于数据获取的难易程度进行设置，比如将数据可以直接获取记为简单难度，将数据需要基于直接获取的源数据进行计算得到的记为中等难度，将数据基于人工主观推算得到的记为高等难度，具体的数据获取难易程度可以根据实际涉及的指标数据以及实际设计进行设置，此处对此不作进一步地限定。
在一个可选实施例中，在基于预设规则对获取的路网结构特征进行指标选择之前，还包括：获取路网源数据；基于路网源数据，得到路网结构特征。需要说明的是，路网源数据包括各个地市路网数据、地理数据、地市范围内的路网拓扑数据等。路网源数据的获取，主要是通过公路行业管理所有的一年一次的养护统计年报空间和属性数据，以及计划规划部门的自有数据，以更为便利的获取数据，提高数据获取的容易程度，且获取的数据时效性好、质量较好。
在一个可选实施例中，指标特征包括路网密度、路网等级比例、路网迂回度、路网可达性、路网可靠性、路网连接度和路网负荷度中的至少一项。
路网密度既可以体现路网建设的数量和水平，又能反映城际路网布局的合理与均衡。通常指公路总长度与总面积之比。路网密度越大，交通越便捷，但密度过大会增加投资，造成交叉口过多，影响车辆行驶速度和干道通行能力；密度过小，会使运输车辆绕行和穿越，增加出行时间。
在本实施例中，得到路网密度包括：基于获取的路网数据和地理数据，计算对应市的区域面积；基于获取的路网数据和地理数据，获取各个路线图层，并从路线图层中获取地市范围内的所有路线；从所有路线中取出任一路线，并得到该路线的里程长度值；基于该路线的里程长度值和区域面积，得到路网密度。路网密度，表示为：
其中，
表示路网密度，Li表示第i条道路的实际里程长度，i∈(0,J]，J表示整个
路网的路线总数，A表示区域的面积。需要说明的是，路网密度表示绝对公路网密度，里程长
度为绝对公路的里程长度。
由于不同等级的公路承担不同的角色，比如运输客流、运输货流等，因此，需要介入路网等级比例以考公路技术等级的差别。在本实施例中，得到路网等级比例包括：基于获取的各个地市路网数据和地理数据，获取各个路线图层；基于各个路线图层，获取分等级道路，比如高速公路、普通国道和普通省道；计算不同等级道路的长度；计算该路线的实际里程长度；基于不同等级道路的长度和该路线的实际里程长度，得到路网等级比例。路网等级比例，表示为：
其中，ρ表示路网等级比例，li表示预设技术等级第i条路线的长度，Li表示该路线对应的实际里程长度，I表示对应技术等级包含的路线总数，J表示整个路网的路线总数。
路网规划为了满足城际交通运输的要求，使得各区域的客货流运输有便捷的联系，因此需要通过路网迂回的，确定路网能否最大限度地使得位移距离最小。在本实施例中，得到路网等级比例，包括：基于获取的各个地市路网数据和地理数据，获取各个路线图层；基于各个路线图层，获取对应地市范围内的所有路线；从所有路线中选择一条路线，并获得两个节点公路的直线距离；获得对应路线的起止点，并计算两个节点之间公路的路径长度；基于路径长度和直线距离，得到路网迂回度。路网迂回度，表示为：
其中，
表示路网迂回度，n表示路网中的节点数量，dij表示路网两个节点间公路
的路径长度，drij为路网中两个节点公路的直线距离。需要说明的是，在理想情况下，路网迂
回度为1，一般情况下，路网迂回度大于1，但不宜大于2，当路网迂回度大于2时为高迂回度，
需要对应考虑设置新的路线。
在本实施例中，得到路网可达性，包括：基于获取的各个地市路网数据和地理数据，获取地市范围内的路网拓扑数据；基于路网拓扑数据，获取节点和连通道路；使用最短路径分析方法，利用长度作为道路长度，计算节点间的最短时间和加权平均时间；计算i节点最短时间的可达性值和加权平均时间的可达性值；将所有n个节点累加，得到累加值。
路网可达性为公路网中各节点交互作用的机会大小，其子指标包括：路网总连通性、最短出行时间和加权平均出行时间，其中，路网总连通性，基于构建全路网拓扑，进行连通性分析，以查询出连通的节点与线要素。
最短出行时间，即路网中任意一个节点至所有节点所耗费时间的累加值，当选取的节点间路径为耗费最短时间的路径，耗费时间越少，则表示可达性越高。因此，路网可达性，表示为：
其中，Ai为节点的可达性，其数值可以从0（节点本身）到+∞（未连通节点），Tij为节点i到节点j的最短出行时间，n为路网中节点个数。
实际上，每个节点的区位位置的影响是不同的。通常节点处于中心区位的可达性值较小。因此，可以通过加权平均出行时间得到对应节点的可达性。即路网可达性，表示为：
其中，Ai为节点的可达性值，其数值可以从0（节点本身）到+∞（未连通节点），Tij为节点i到节点j的最少出行时间，Mj为节点j的权重，此权重一般设定为经济指标、人口指标、节点中心性等，n为路网中节点个数。
需要补充的是，为了将两个可达性指标，即最短出行时间和加权平均出行时间进行均衡化，建立可达性系数指标，表示为：
式中，
为可达性系数；Ai为某个节点的可达性值；
为该指标中全部节
点可达性的平均值。
公路在遇到障碍如施工、灾害、管控被阻断的情况下，需要了解道路整体连通性和连通效率的表现情况，常用方法主要有蒙特卡洛方法、终端可靠性评估方法、微观交通仿真技术、博弈论技术、吸收马尔科夫链方法等。在本实施例中，得到路网可靠性，包括：基于获取的各个地市路网数据和地理数据，获取地市范围内的路网拓扑数据；基于路网拓扑数据，通过空间相交查找所有相邻的区域（相邻地市）；查找当前节点与相邻区域节点的路线；对查找出的路线设置障碍点，使其阻断；循环计算所有路线，归一化处理后获得某一区域的可靠性系数。路网可靠性，表示为：
其中，
为可靠性系数；Ri为某个节点的可靠性值；
为该区域内全部节
点可靠性的平均值。需要说明的是，可靠性值为区域内代表性节点作为评价节点，一般为重
要交通节点。可靠性值需要做归一化处理。
路网连接度，是指与路网总节点数和总边数有关的指标，用于衡量路网的成熟程度。连接性是路网交通连续性、便捷性的体现，既是出行能力能够均值分布和组织的前提，又体现了车辆和出行人员选择性要求的满足程度。路网连接度指数越高，路网节点的连接边越多，成网率越高；反之，成网率越低。
在本实施例中，得到路网连接度，包括：基于获取的各个地市路网数据和地理数据，获取各个路网图层，并将多个路网图层合并；创建合并后的路网拓扑，并获取路网节点；根据获取的路网节点查找相交的线要素；循环累加线要素的个数，并计算路网连接度。路网连接度，表示为：
其中，Rl表示路网连接度，n为公路节点数；mi为第i个节点邻接的边连接数。
举例而言，参考图3，连接度为2时，路网布局为树状，各节点间大多为两路连接，连接度差；连接度为4时，大多为四路连接，连接性较好；连接度为6时，接近理想状态。一般来说，R值最好在4-6之间。对于一般干线公路，目标R值在4-5之间。
路网负荷度，是指路网的实际交通量与通行能力之比。路网负荷度反映了路网对交通量的适应能力，同时从整体上体现了路网的畅通性。在本实施例中，得到路网负荷度，包括：基于获取的各个地市路网数据和地理数据，获取各个路线图层；基于各个路线图层，获取对应地市范围内的所有路线；从所有路线中选择一条路线，并获取该路线上每个交调站的年日均交通量及其累加值；获取该路线上每个交调站路段的设计交通量及其累加值；基于交通量及其累加值和设计交通量及其累加值，计算路网负荷度。路网负荷度，表示为：
其中，Rf表示路网负荷度，Vi为第i个路段的平均交通量，此处从获取路网结构特征的便捷程度考虑，选择年日均交通量AADT作为该路段的平均交通量；Ci为第i个路段的通行能力，即该路段的最大交通量，n为路段中的路段数。需要说明的是，R≤0.7时，表示公路网适度超前发展，并在一定时间内能够满足交通量的增长；0.7<R<1.0时，表示公路网基本满足交通需求，当R接近1时，某些路段出现交通拥挤现象；R≥1时，表示公路网不能满足交通需求，大量路段交通阻塞，应考虑新建或改扩建公路网。
步骤S12，分别针对各路网对应的指标特征，根据指标特征的类型，对每一类指标特征分别进行分类，得到对应各类指标特征的分类结果。
需要说明的是，分类结果包括区间型指标、固定型指标、极大型指标和极小型指标，其中区间型指标为指标特征位于某区间范围内时越佳；固定型指标为指标特征越接近某固定值时越佳；极大型指标为指标特征值越大越佳；极小型指标为值越小越佳。
步骤S13，分别对对应各类指标特征的分类结果进行归一化处理，得到对应各路网的待评价数据。
由于各个指标的内涵不同，且有各自的量纲，直接使用不同量纲的值进行比较是没有意义的，因此，为了便于后续的分析和处理，保证各个指标之间具有等效性，需要分别对各类指标特征的分类结果指标无量纲化和归一化。
在本实施例中，参考图4，分别对对应各类指标特征的分类结果进行归一化处理，包括：针对任一类指标特征，分别对其对应的分类结果进行归一化处理，得到各分类结果对应的评价矩阵；对各分类结果对应的评价矩阵进行综合，得到对应各路网的待评价数据。
具体而言，首先，分类结果包括区间型指标、固定型指标、极大型指标和极小型指标。则分别对区间型指标、固定型指标、极大型指标和极小型指标进行归一化处理。
对区间型指标进行归一化处理，得到评价矩阵时，假设指标Vj的最佳取值区间为
，其中，i,k=1,2,…m；j=1,2,…n；则评价矩阵rij表示为：
对固定型指标进行归一化处理，得到评价矩阵时，假设指标Vj的最佳取值为xj*，i,k=1,2,…m；j=1,2,…n。则评价矩阵rij表示为：
对极大型指标进行归一化处理，得到评价矩阵时，假设指标Vj中，i,k=1,2,…m；j=1,2,…n。则评价矩阵rij表示为：
对极小型指标进行归一化处理，得到评价矩阵时，假设指标Vj中，i,k=1,2,…m；j=1,2,…n。则评价矩阵rij表示为：
其次，对各分类结果对应的评价矩阵进行综合，得到待评价数据。待评价数据表示
为
。
步骤S14，基于对应各路网的待评价数据进行综合对比，得到方案评价结果。
在本实施例中，基于对应各路网的待评价数据进行综合对比，得到方案评价结果，包括：对对应各路网的待评价矩阵进行对比，得到第一评价结果；基于熵值法对对应各路网的待评价矩阵进行对比，得到第二评价结果；利用第一评价结果和第二评价结果进行综合评估，得到方案评价结果。
应当注意，在基于预设规则对获取的路网结构特征进行指标选择之前，获取路网结构特征，获取的路网结构特征对应不同的路网，因此后续得到待评价数据时，得到的待评价数据同样对应不同的路网，即基于上述步骤对不同路网包含的路网结构特征进行处理，得到对应各路网的待评价数据。
参考图5，具体而言，首先，待评价数据包括现状年路网评价矩阵和规划年路网评价矩阵，对对应各路网的待评价矩阵进行对比，得到第一评价结果，包括：基于规划年路网评价矩阵和现状年路网评价矩阵的比值，得到对比系数；基于对比系数大于或等于1，得到规划年路网方案合理作为第一评价结果；基于对比系数小于1，得到规划建议方案作为第一评价结果。
需要说明的是，对比系数，表示为：
，其中，R’表示规划年路网待评价数
据，R表示现状年路网评价矩阵。另外，基于对比系数小于1，得到规划建议方案作为第一评
价结果，包括：基于对比系数小于1，获取不合理指标集；基于不合理指标集，修改方案，得到
规划建议方案，并将其作为新的方案，重新利用上述流程进行评价。应当注意，在修改方案
时，可以采用可视化的管理系统进行公路规划的修改，以便于用户及时对路网规划方案进
行修改或更新，提高规划方案管理的便利性和用户体验度。
其次，基于熵值法对对应各路网的待评价矩阵进行对比，得到第二评价结果，包括：基于熵值法，得到对应各路网的待评价数据的价值系数；根据价值系数，确定对应各路网的第二评价结果。
需要说明的是，在信息系统中，信息熵是信息无序度的度量，信息熵越大，信息无序度越高，其信息的效用值越小，反之，信息熵越小，信息无序度越小，信息效用值越大。因此，在多元（m元）系统中，单位熵值函数为：
根据此公式，得到第i项指标的信息熵值为：
其中，e(ri)表示第i项指标的信息熵值，常数k与系统的样本数m有关，m个样本处于完全无序分布状态时，rij=1/m，代入上式得：
由上式可得：
k=（ln m）-1，0≤e≤1
令
，则待评价数据R的熵为
待评价数据R的权重可表示为
式中
，
。
需要说明的是，权重对应价值系数，即价值系数越大，则其对应评价的重要性越大，对评价结果的贡献越大。具体根据价值系数确定第二评价结果的方式可根据实际设计需求以及用户需求确定，即确定用户对于合理方案和待更新规划方案的界定。
在一个可选实施例中，根据价值系数，确定对应各路网的第二评价结果，包括：根据价值系数，确定当前方案是否最合理；基于当前方案最合理，形成报告；否则，判断是否形成新的规划建议方案，并基于新的规划建议方案重新利用上述步骤进行指标选择。需要说明的是，最合理的判断可以基于价值系数最大确定；是否形成新的规划建议方案可根据用户实际规划需求以及对应城市的实际需求确定，此处不作过多限定。
在一个可选实施例中，判断是否形成新的规划建议方案，包括：对除最合理方案对应的价值系数以外的价值系数由大至小，选择预设数量的价值系数对应的规划方案进行更新，以将得到的合理方案重新利用上述模块进行指标选择；其余价值系数对应的规划方案进行丢弃。
在另一个可选实施例中，判断是否形成新的规划建议方案，包括：将除最合理方案对应的价值系数以外的价值系数中大于预设阈值的价值系数对应的规划方案作为合理方案，其余价值系数对应的规划方案进行更新。
最后，利用第一评价结果和第二评价结果进行综合评估，得到方案评价结果。需要说明的是，综合评估的原则可根据用户实际的设计、需求确定，即第一评价结果和第二评价结果对方案评价结果的影响可根据用户实际设计需求或使用需求设置，此处不作进一步地限定。
综上所述，本发明实施例基于预设规则对易于获取的路网结构特征进行指标选择，得到指标特征，利用各指标特征进行归一化处理以及综合评估，以形成闭环，从而确保方案评价结果的准确性；且由于路网结构特征易于获取，质量得以保障，时效性较好，以进一步提高方案评价结果的准确性和可靠性。
下面对本发明提供的基于地理信息的公路规划管理系统进行描述，下文描述的基于地理信息的公路规划管理系统与上文描述的基于地理信息的公路规划管理方法可相互对应参照。
图6示出了一种基于地理信息的公路规划管理系统的结构示意图，该系统，包括：
指标选择模块61，基于预设规则对获取的路网结构特征进行指标选择，得到对应各路网的指标特征；
分类模块62，分别针对各路网对应的指标特征，根据指标特征的类型，对每一类指标特征分别进行分类，得到对应各类指标特征的分类结果；
归一化处理模块63，分别对对应各类指标特征的分类结果进行归一化处理，得到对应各路网的待评价数据；
综合对比模块64，基于对应各路网的待评价数据进行综合对比，得到方案评价结果。
在本实施例中，指标选择模块61，包括：第一选择单元，基于预设指标选择规则，从获取的路网结构特征中选择对应数据，得到路网结构数据；得选择单元，基于预设数据获取规则，从路网结构数据中选择对应数据，得到对应各路网的指标特征。
在一个可选实施例中，该系统，还包括：数据获取单元，获取路网源数据；特征获取单元，基于路网源数据，得到路网结构特征。以在基于预设规则对获取的路网结构特征进行指标选择之前，获取路网结构特征，数据易于获取，以便于提高数据时效性和质量。
更进一步地说，特征获取单元，包括：第一数据获取子单元，基于获取的路网数据和地理数据，计算对应市的区域面积；第二数据获取子单元，基于获取的路网数据和地理数据，获取各个路线图层，并从路线图层中获取地市范围内的所有路线；里程计算子单元，从所有路线中取出任一路线，并得到该路线的里程长度值；密度计算子单元，基于该路线的里程长度值和区域面积，得到路网密度。
在一个可选实施例中，特征获取单元，还包括：图层获取子单元，基于获取的各个地市路网数据和地理数据，获取各个路线图层；道路获取子单元，基于各个路线图层，获取分等级道路，比如高速公路、普通国道和普通省道；长度获取子单元，计算不同等级道路的长度；里程长度计算子单元，计算该路线的实际里程长度；等级比例获取子单元，基于不同等级道路的长度和该路线的实际里程长度，得到路网等级比例。
在一个可选实施例中，特征获取单元，还包括：图层获取子单元，基于获取的各个地市路网数据和地理数据，获取各个路线图层；路线获取子单元，基于各个路线图层，获取对应地市范围内的所有路线；距离计算子单元，从所有路线中选择一条路线，并获得两个节点公路的直线距离；长度计算子单元，获得对应路线的起止点，并计算两个节点之间公路的路径长度；迂回度计算子单元，基于路径长度和直线距离，得到路网迂回度。
在一个可选实施例中，特征获取单元，还包括：拓扑数据获取子单元，基于获取的各个地市路网数据和地理数据，获取地市范围内的路网拓扑数据；第三数据获取子单元，基于路网拓扑数据，获取节点和连通道路；第四数据获取子单元，使用最短路径分析方法，利用长度作为道路长度，计算节点间的最短时间和加权平均时间；可达性计算子单元，计算i节点最短时间的可达性值和加权平均时间的可达性值；累加子单元，将所有n个节点累加，得到累加值。
在一个可选实施例中，特征获取单元，还包括：拓扑数据获取子单元，基于获取的各个地市路网数据和地理数据，获取地市范围内的路网拓扑数据；相邻区域查找子单元，基于路网拓扑数据，通过空间相交查找所有相邻的区域（相邻地市）；路线查找子单元，查找当前节点与相邻区域节点的路线；阻断子单元，对查找出的路线设置障碍点，使其阻断；可靠性获取子单元，循环计算所有路线，归一化处理后获得某一区域的可靠性系数。
在一个可选实施例中，特征获取单元，还包括：合并子单元，基于获取的各个地市路网数据和地理数据，获取各个路网图层，并将多个路网图层合并；节点获取子单元，创建合并后的路网拓扑，并获取路网节点；线要素获取子单元，根据获取的路网节点查找相交的线要素；连接度计算子单元，循环累加线要素的个数，并计算路网连接度。
在一个可选实施例中，特征获取单元，还包括：图层获取子单元，基于获取的各个地市路网数据和地理数据，获取各个路线图层；路线获取子单元，基于各个路线图层，获取对应地市范围内的所有路线；交通量获取子单元，从所有路线中选择一条路线，并获取该路线上每个交调站的年日均交通量及其累加值；设计交通量获取子单元，获取该路线上每个交调站路段的设计交通量及其累加值；负荷度计算子单元，基于交通量及其累加值和设计交通量及其累加值，计算路网负荷度。
分类模块62，包括分类单元，分别针对各路网对应的指标特征，根据指标特征的类型，对每一类指标特征分别进行分类，得到对应各类指标特征的分类结果。需要说明的是，分类结果包括区间型指标、固定型指标、极大型指标和极小型指标。
归一化处理模块63，包括：归一化处理单元，针对任一类指标特征，分别对其对应的分类结果进行归一化处理，得到各分类结果对应的评价矩阵；综合子单元，对各分类结果对应的评价矩阵进行综合，得到对应各路网的待评价数据。
综合对比模块64，包括：第一评价单元，利用对应各路网的待评价矩阵进行对比，得到第一评价结果；第二评价单元，基于熵值法对对应各路网的待评价矩阵进行对比，得到第二评价结果；综合评估单元，利用第一评价结果和第二评价结果进行综合评估，得到方案评价结果。
具体而言，第一评价单元，包括：系数确定子单元，基于规划年路网评价矩阵和现状年路网评价矩阵的比值，得到对比系数；第一评价子单元，基于对比系数大于或等于1，得到规划年路网方案合理作为第一评价结果；基于对比系数小于1，得到规划建议方案作为第一评价结果。
更进一步地说，第一评价子单元，包括：指标确定孙单元，基于对比系数小于1，获取不合理指标集；方案更新孙单元，基于不合理指标集，修改方案，得到规划建议方案，并将其作为新的方案，重新利用上述流程进行评价。
另外，第二评价单元，包括：价值系数获取子单元，基于熵值法征，得到对应待评价数据的价值系数；第二评价子单元，根据价值系数，确定对应各路网的第二评价结果。
在一个可选实施例中，第二评价子单元，包括：合理方案确定孙单元，根据价值系数，确定当前方案是否最合理，并基于当前方案最合理，形成报告；否则，方案判断子单元，判断是否形成新的规划建议方案，并基于新的规划建议方案重新利用上述步骤进行指标选择。需要说明的是，最合理的判断可以基于价值系数最大确定；是否形成新的规划建议方案可根据用户实际规划需求以及对应城市的实际需求确定，此处不作过多限定。
举例而言，在一个可选实施例中，方案判断子单元，包括：方案更新孙单元，对除最合理方案对应的价值系数以外的价值系数由大至小，选择预设数量的价值系数对应的规划方案进行更新，以将得到的合理方案重新利用上述模块进行指标选择，其余价值系数对应的规划方案进行丢弃。
在另一个可选实施例中，方案判断子单元，包括：方案判断孙单元，将除最合理方案对应的价值系数以外的价值系数中大于预设阈值的价值系数对应的规划方案作为合理方案，其余价值系数对应的规划方案进行更新。
综上所述，本发明实施例通过指标选择模块基于预设规则对易于获取的路网结构特征进行指标选择，得到指标特征，利用分类模块和归一化处理模块对各指标特征进行归一化处理以及利用综合对比模块进行综合评估，以形成闭环，从而确保方案评价结果的准确性；且由于路网结构特征易于获取，质量得以保障，时效性较好，以进一步提高方案评价结果的准确性和可靠性。
图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器(processor)71、通信接口(Communications Interface)72、存储器(memory)73和通信总线74，其中，处理器71，通信接口72，存储器73通过通信总线74完成相互间的通信。处理器71可以调用存储器73中的逻辑指令，以执行基于地理信息的公路规划管理方法，该方法包括：基于预设规则对获取的路网结构特征进行指标选择，得到对应各路网的指标特征；分别针对各路网对应的指标特征，根据指标特征的类型，对每一类指标特征分别进行分类，得到对应各类指标特征的分类结果；分别对对应各类指标特征的分类结果进行归一化处理，得到对应各路网的待评价数据；基于对应各路网的待评价数据进行综合对比，得到方案评价结果。
此外，上述的存储器73中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的基于地理信息的公路规划管理方法，该方法包括：基于预设规则对获取的路网结构特征进行指标选择，得到对应各路网的指标特征；分别针对各路网对应的指标特征，根据指标特征的类型，对每一类指标特征分别进行分类，得到对应各类指标特征的分类结果；分别对对应各类指标特征的分类结果进行归一化处理，得到对应各路网的待评价数据；基于对应各路网的待评价数据进行综合对比，得到方案评价结果。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的基于地理信息的公路规划管理方法，该方法包括：基于预设规则对获取的路网结构特征进行指标选择，得到对应各路网的指标特征；分别针对各路网对应的指标特征，根据指标特征的类型，对每一类指标特征分别进行分类，得到对应各类指标特征的分类结果；分别对对应各类指标特征的分类结果进行归一化处理，得到对应各路网的待评价数据；基于对应各路网的待评价数据进行综合对比，得到方案评价结果。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于地理信息的公路规划管理方法，其特征在于，包括：
基于预设规则对获取的路网结构特征进行指标选择，得到对应各路网的指标特征；
分别针对各所述路网对应的指标特征，根据所述指标特征的类型，对每一类指标特征分别进行分类，得到对应各类指标特征的分类结果；
分别对所述对应各类指标特征的分类结果进行归一化处理，得到对应各所述路网的待评价数据；
基于所述对应各所述路网的待评价数据进行综合对比，得到方案评价结果。
2.根据权利要求1所述的基于地理信息的公路规划管理方法，其特征在于，所述指标特征，包括路网密度、路网等级比例、路网迂回度、路网可达性、路网可靠性、路网连接度和路网负荷度中的至少一项。
3.根据权利要求1所述的基于地理信息的公路规划管理方法，其特征在于，所述预设规则包括预设指标选择规则和预设数据获取规则，所述基于预设规则对获取的路网结构特征进行指标选择，包括：
基于所述预设指标选择规则，从获取的路网结构特征中选择对应数据，得到路网结构数据；
基于所述预设数据获取规则，从所述路网结构数据中选择对应数据，得到对应各路网的指标特征。
4.根据权利要求1所述的基于地理信息的公路规划管理方法，其特征在于，所述基于所述对应各所述路网的待评价数据进行综合对比，得到方案评价结果，包括：
对所述对应各所述路网的待评价矩阵进行对比，得到第一评价结果；
基于熵值法对所述对应各所述路网的待评价矩阵进行对比，得到第二评价结果；
利用所述第一评价结果和所述第二评价结果进行综合评估，得到方案评价结果。
5.根据权利要求4所述的基于地理信息的公路规划管理方法，其特征在于，所述待评价数据包括现状年路网评价矩阵和规划年路网评价矩阵，对所述对应各所述路网的待评价矩阵进行对比，得到第一评价结果，包括：
基于所述规划年路网评价矩阵和所述现状年路网评价矩阵的比值，得到对比系数；
基于所述对比系数大于或等于1，得到规划年路网方案合理作为第一评价结果；
基于所述对比系数小于1，得到规划建议方案作为第一评价结果。
6.根据权利要求4所述的基于地理信息的公路规划管理方法，其特征在于，所述基于熵值法对所述对应各所述路网的待评价矩阵进行对比，得到第二评价结果，包括：
基于熵值法，得到对应各所述路网的待评价数据的价值系数；
根据所述价值系数，确定对应各所述路网的第二评价结果。
7.一种基于地理信息的公路规划管理系统，其特征在于，包括
指标选择模块，基于预设规则对获取的路网结构特征进行指标选择，得到对应各路网的指标特征；
分类模块，分别针对各所述路网对应的指标特征，根据所述指标特征的类型，对每一类指标特征分别进行分类，得到对应各类指标特征的分类结果；
归一化处理模块，分别对所述对应各类指标特征的分类结果进行归一化处理，得到对应各所述路网的待评价数据；
综合对比模块，基于所述对应各所述路网的待评价数据进行综合对比，得到方案评价结果。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述基于地理信息的公路规划管理方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于地理信息的公路规划管理方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于地理信息的公路规划管理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210377532.1A CN114462898A (zh) | 2022-04-12 | 2022-04-12 | 基于地理信息的公路规划管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210377532.1A CN114462898A (zh) | 2022-04-12 | 2022-04-12 | 基于地理信息的公路规划管理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114462898A true CN114462898A (zh) | 2022-05-10 |
Family
ID=81417807
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210377532.1A Pending CN114462898A (zh) | 2022-04-12 | 2022-04-12 | 基于地理信息的公路规划管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114462898A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117292547A (zh) * | 2023-10-27 | 2023-12-26 | 重庆交通大学 | 一种大型活动多级影响区路网连通性评价方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105243255A (zh) * | 2015-08-11 | 2016-01-13 | 北华航天工业学院 | 一种软基处理方案的评价方法 |
| CN110766320A (zh) * | 2019-10-23 | 2020-02-07 | 北京新机场建设指挥部 | 一种机场智能电网运行安全评价方法及装置 |
| CN110969347A (zh) * | 2019-11-22 | 2020-04-07 | 国网山东省电力公司临沂供电公司 | 一种输电网结构形态评估方法 |
| CN111145536A (zh) * | 2019-12-02 | 2020-05-12 | 北京航空航天大学 | 一种基于异常检测的道路网络脆性评价方法 |
-
2022
- 2022-04-12 CN CN202210377532.1A patent/CN114462898A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105243255A (zh) * | 2015-08-11 | 2016-01-13 | 北华航天工业学院 | 一种软基处理方案的评价方法 |
| CN110766320A (zh) * | 2019-10-23 | 2020-02-07 | 北京新机场建设指挥部 | 一种机场智能电网运行安全评价方法及装置 |
| CN110969347A (zh) * | 2019-11-22 | 2020-04-07 | 国网山东省电力公司临沂供电公司 | 一种输电网结构形态评估方法 |
| CN111145536A (zh) * | 2019-12-02 | 2020-05-12 | 北京航空航天大学 | 一种基于异常检测的道路网络脆性评价方法 |
Non-Patent Citations (1)
| Title |
|---|
| 林忠: "公路网规划综合评价方法及关键技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117292547A (zh) * | 2023-10-27 | 2023-12-26 | 重庆交通大学 | 一种大型活动多级影响区路网连通性评价方法 |
| CN117292547B (zh) * | 2023-10-27 | 2024-05-07 | 重庆交通大学 | 一种大型活动多级影响区路网连通性评价方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110428096B (zh) | 基于票务信息的城市轨道交通多交路运输组织优化方法 | |
| CN112466122B (zh) | 一种公交线网的备选线路集生成、线路规划方法及装置 | |
| CN108444486B (zh) | 一种导航路线排序方法和装置 | |
| CN110836675B (zh) | 一种基于决策树的自动驾驶搜索决策方法 | |
| CN109686091B (zh) | 一种基于多源数据融合的交通流量填补算法 | |
| CN112990648B (zh) | 一种轨道交通网络运营稳定性评估方法 | |
| CN111879329B (zh) | 基于a*算法的定制公交可通行最短路径计算方法 | |
| CN113779430B (zh) | 路网数据生成方法、装置、计算设备和存储介质 | |
| Lee et al. | Correlation between optimal carsharing locations and carbon dioxide emissions in urban areas | |
| CN109544967A (zh) | 一种基于低频avl数据的公交线网运行状态监控方法 | |
| CN104331746B (zh) | 一种分离式的动态路径优化系统及其方法 | |
| CN114462898A (zh) | 基于地理信息的公路规划管理方法及系统 | |
| CN109887280B (zh) | 一种交通网络节点关键度评估方法 | |
| CN111340673A (zh) | 一种基于空铁耦合网络的出行耗时计算方法 | |
| CN110674990B (zh) | 设置滑动窗口更新机制的即时配送路径选择方法及系统 | |
| CN111723871B (zh) | 一种公交车实时车厢满载率的估算方法 | |
| CN110798802B (zh) | 一种共享自行车骨架网络提取方法 | |
| CN114897445B (zh) | 公交线网的停靠点调整优化方法、装置及可读存储介质 | |
| CN111882092A (zh) | 一种适用于共享出行的出租车车辆搜索方法 | |
| CN115146840A (zh) | 一种基于数据驱动的轨道交通新线接入客流预测方法 | |
| CN114842641A (zh) | 面向省域的多模式链式交通分配方法 | |
| Liao et al. | Driver route planning method based on accident risk cost prediction | |
| Hoogendoorn-Lanser et al. | Application of constrained enumeration approach to multimodal choice set generation | |
| CN112613662A (zh) | 公路交通量分析方法、装置、电子设备和存储介质 | |
| CN111915889A (zh) | 一种基于遗传蚁群混合算法的车联网路侧单元部署方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220510 |