CN114548811A - 一种机场可达性的检测方法、装置、电子设备及存储介质 - Google Patents
一种机场可达性的检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114548811A CN114548811A CN202210194082.2A CN202210194082A CN114548811A CN 114548811 A CN114548811 A CN 114548811A CN 202210194082 A CN202210194082 A CN 202210194082A CN 114548811 A CN114548811 A CN 114548811A
- Authority
- CN
- China
- Prior art keywords
- airport
- reachability
- grid
- determining
- time
- 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
- 238000001514 detection method Methods 0.000 title claims description 12
- 238000000034 method Methods 0.000 claims abstract description 67
- 238000010276 construction Methods 0.000 claims description 43
- 238000012216 screening Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1093—Calendar-based scheduling for persons or groups
-
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种机场可达性的检测方法、装置、电子设备及存储介质,通过获取待分析机场对应的机场坐标,确定待分析机场对应的可达性分析区域并划分为多个网格,确定每个网格的网格中心点坐标;将机场坐标和网格中心点坐标导入在线地图Web服务接口中,采集多种预设出行模式下的出行时间,并确定每种预设出行模式的交通分担权重,针对每个网格,根据出行时间和交通分担权重,确定从该网格到达待分析机场的综合出行时间;根据全部综合出行时间,确定用于检测待分析机场在可达性分析区域内交通可达性的交通等时圈图像。本申请可以准确刻画机场交通可达性,同时对机场周边区域可达性水平及影响因素也具有较好可解释性。
Description
技术领域
本公开涉及城市交通分析技术领域,具体而言,涉及一种机场可达性的检测方法、装置、电子设备及存储介质。
背景技术
机场最为一种综合交通枢纽是城市间与城市内外客流集散、转换的重要设施载体,统筹协调航空运输与其他交通方式的高效衔接和一体化运输组织。机场枢纽功能的有效发挥,很大程度上取决于空侧与陆侧交通体系的协同效率,由于较多机场位于城市边缘或外围、接驳交通系统不尽完善,以致旅客抵离机场距离较长、换乘次数较多,使得陆侧出行时间占比过大,航空运输快速性优势的发挥因机场陆侧交通可达性不足而受到制约。因此,机场陆侧交通可达性与旅客出行便捷性、机场客流辐射范围息息相关,对可达性进行精确分析评估,是支撑机场综合交通提升规划、拓展机场腹地市场的关键性基础。
在现有的机场可达性分析过程中,需要收集矢量交通地理数据建立本地交通网络模型,存在路网老旧缺失和网络属性需手动假设的问题,无法准确反映交通网络的实际运行速度、交通管制措施、公共交通运营时间等实际运行状态,对可达性的刻画准确度较低,实时性较差。
发明内容
本公开实施例至少提供一种机场可达性的检测方法、装置、电子设备及存储介质,可以精确刻画不同交通圈层的可达范围,对机场可达性的检测具有较高的准确度,实时性较好。
本公开实施例提供了一种机场可达性的检测方法,所述方法包括:
获取待分析机场对应的机场坐标,根据所述机场坐标,确定所述待分析机场对应的可达性分析区域;
将所述可达性分析区域划分为多个网格,针对每个所述网格,确定该所述网格对应的网格中心点坐标;
针对每一个所述网格中心点坐标,将所述机场坐标和该所述网格中心点坐标导入预选的在线地图中,确定所述网格中心点坐标与所述机场坐标之间,多种预设出行模式下的出行时间;
确定每种所述预设出行模式对应的交通分担权重,针对每个所述网格,根据所述出行时间和所述交通分担权重,确定从该所述网格到达所述待分析机场的综合出行时间;
根据全部所述综合出行时间,确定所述可达性分析区域对应的交通等时圈图像,以检测所述待分析机场在所述可达性分析区域内的可达性。
一种可选的实施方式中,在所述根据全部所述综合出行时间,生成所述可达性分析区域对应的交通等时圈图像,以检测所述待分析机场在所述可达性分析区域内的可达性之后,所述方法还包括:
在所述网格中筛选出多个目标网格;
针对每个所述目标网格,确定该所述目标网格内的预设多类城建特征指标;
将全部所述城建特征指标输入至预先构建的可达性自回归分析模型,确定每类所述城建特征指标对应的P值;
筛选所述P值小于预设数值阈值的目标城建特征指标,将所述目标城建特征指标,作为所述目标网格对应的可达性影响因素指标,以确定所述目标网格内的可达性影响因素。
一种可选的实施方式中,基于以下方法构建所述可达性自回归分析模型:
将所述城建特征指标作为协变量,所述目标网格对应的综合出行时间作为因变量,构建可达性自回归分析模型;
所述可达性自回归分析模型为:
t=ρWt+Qβ+ε
其中,W代表预设的空间权重矩阵、Q代表所述城建特征指标、ρ代表预设的空间效应系数、β代表预设的参数向量、ε代表随机扰动项、t代表所述综合出行时间。
一种可选的实施方式中,所述城建特征指标包括:所述目标网格内的路网密度、常规公交站点数量、机场巴士站点数量、城市轨道交通站点数量、居住小区数量、办公场所数量以及商业购物场所数量。
一种可选的实施方式中,所述根据全部所述综合出行时间,确定所述可达性分析区域对应的交通等时圈图像,具体包括:
获取所述可达性分析区域对应的地图图像;
根据每个所述网格中心点坐标以及对应的所述综合出行时间,生成所述可达性分析区域对应的出行时间分布点阵;
采用反距离加权法针对所述出行时间分布点阵进行插值处理,生成所述可达性分析区域对应的出行时间栅格;
以预设的时间间隔作为时间梯度,根据所述时间梯度在所述出行时间栅格内生成多条等值时间线;
将所述地图图像与所述等值时间线相结合,确定所述可达性分析区域对应的交通等时圈图像。
一种可选的实施方式中,所述确定所述网格中心点坐标与所述机场坐标之间,多种预设出行模式下的出行时间,包括:
针对每种所述预设出行模式,访问所述在线地图对应的应用程序编程接口,获取在该种所述预设出行模式下,所述网格中心点坐标与所述机场坐标之间的多条导航时间数据;
将所述导航时间数据确定为该种所述预设出行模式下,所述网格中心点坐标与所述机场坐标之间的出行时间。
本公开实施例还提供一种机场可达性的检测装置,所述装置包括:
区域确定模块,用于获取待分析机场对应的机场坐标,根据所述机场坐标,确定所述待分析机场对应的可达性分析区域;
区域划分模块,用于将所述可达性分析区域划分为多个网格,针对每个所述网格,确定该所述网格对应的网格中心点坐标;
第一时间确定模块,用于针对每一个所述网格中心点坐标,将所述机场坐标和该所述网格中心点坐标导入预选的在线地图中,确定所述网格中心点坐标与所述机场坐标之间,多种预设出行模式下的出行时间;
第二时间确定模块,用于确定每种所述预设出行模式对应的交通分担权重,针对每个所述网格,根据所述出行时间和所述交通分担权重,确定从该所述网格到达所述待分析机场的综合出行时间;
图像生成模块,用于根据全部所述综合出行时间,确定所述可达性分析区域对应的交通等时圈图像,以检测所述待分析机场在所述可达性分析区域内的可达性。
一种可选的实施方式中,所述装置还包括:
第一筛选模块,用于在所述网格中筛选出多个目标网格;
指标确定模块,用于针对每个所述目标网格,确定该所述目标网格内的预设多类城建特征指标;
分析模块,用于将全部所述城建特征指标输入至预先构建的可达性自回归分析模型,确定每类所述城建特征指标对应的P值;
第二筛选模块,用于筛选所述P值小于预设数值阈值的目标城建特征指标,将所述目标城建特征指标,作为所述目标网格对应的可达性影响因素指标,以确定所述目标网格内的可达性影响因素。
一种可选的实施方式中,所述装置还包括模型构建模块,所述模型构建模块用于:
将所述城建特征指标作为协变量,所述目标网格对应的综合出行时间作为因变量,构建可达性自回归分析模型;
所述可达性自回归分析模型为:
t=ρWt+Qβ+ε
其中,W代表预设的空间权重矩阵、Q代表所述城建特征指标、ρ代表预设的空间效应系数、β代表预设的参数向量、ε代表随机扰动项、t代表所述综合出行时间。
一种可选的实施方式中,所述图像生成模块具体用于:
获取所述可达性分析区域对应的地图图像;
根据每个所述网格中心点坐标以及对应的所述综合出行时间,生成所述可达性分析区域对应的出行时间分布点阵;
采用反距离加权法针对所述出行时间分布点阵进行插值处理,生成所述可达性分析区域对应的出行时间栅格;
以预设的时间间隔作为时间梯度,根据所述时间梯度在所述出行时间栅格内生成多条等值时间线;
将所述地图图像与所述等值时间线相结合,确定所述可达性分析区域对应的交通等时圈图像。
一种可选的实施方式中,所述第一时间确定模块具体用于:
针对每种所述预设出行模式,访问所述在线地图对应的应用程序编程接口,获取在该种所述预设出行模式下,所述网格中心点坐标与所述机场坐标之间的多条导航时间数据;
将所述导航时间数据确定为该种所述预设出行模式下,所述网格中心点坐标与所述机场坐标之间的出行时间。
本公开实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行上述机场可达性的检测方法,或上述机场可达性的检测方法中任一种可能的实施方式中的步骤。
本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述机场可达性的检测方法,或上述机场可达性的检测方法中任一种可能的实施方式中的步骤。
本公开实施例提供的一种机场可达性的检测方法、装置、电子设备及存储介质,通过获取待分析机场对应的机场坐标,根据机场坐标,确定待分析机场对应的可达性分析区域;将可达性分析区域划分为多个网格,针对每个网格,确定该网格对应的网格中心点坐标;针对每一个网格中心点坐标,将机场坐标和该网格中心点坐标导入预选的在线地图中,确定网格中心点坐标与机场坐标之间,多种预设出行模式下的出行时间;确定每种预设出行模式对应的交通分担权重,针对每个网格,根据出行时间和交通分担权重,确定从该网格到达待分析机场的综合出行时间;根据全部综合出行时间,确定可达性分析区域对应的交通等时圈图像,以检测待分析机场在可达性分析区域内的可达性。可以精确刻画不同交通圈层的可达范围,对机场可达性的刻画具有较高的准确度,实时性较好。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,此处的附图被并入说明书中并构成本说明书中的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本公开实施例所提供的一种机场可达性的检测方法的流程图;
图2示出了本公开实施例所提供的另一种机场可达性的检测方法的流程图;
图3示出了本公开实施例所提供的一种机场可达性的检测装置的示意图;
图4示出了本公开实施例所提供的一种电子设备的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
本文中术语“和/或”,仅仅是描述一种关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
经研究发现,在现有的机场可达性分析过程中,需要收集矢量交通地理数据建立本地交通网络模型,存在路网老旧缺失和网络属性需手动假设的问题,无法准确反映交通网络的实际运行速度、交通管制措施、公共交通运营时间等实际运行状态,对可达性的刻画准确度较低,实时性较差。
于上述研究,本公开提供了一种机场可达性的检测方法、装置及电子设备,通过获取待分析机场对应的机场坐标,根据机场坐标,确定待分析机场对应的可达性分析区域;将可达性分析区域划分为多个网格,针对每个网格,确定该网格对应的网格中心点坐标;针对每一个网格中心点坐标,将机场坐标和该网格中心点坐标导入预选的在线地图中,确定网格中心点坐标与机场坐标之间,多种预设出行模式下的出行时间;确定每种预设出行模式对应的交通分担权重,针对每个网格,根据出行时间和交通分担权重,确定从该网格到达待分析机场的综合出行时间;根据全部综合出行时间,确定可达性分析区域对应的交通等时圈图像,以检测待分析机场在可达性分析区域内的可达性。可以精确刻画不同交通圈层的可达范围,对机场可达性的刻画具有较高的准确度,实时性较好。
为便于对本实施例进行理解,首先对本公开实施例所公开的一种机场可达性的检测方法进行详细介绍,本公开实施例所提供的一种机场可达性的检测方法的执行主体一般为具有一定计算能力的计算机设备,该计算机设备例如包括:终端设备或服务器或其它处理设备,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中,该机场可达性的检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
参见图1所示,为本公开实施例提供的一种机场可达性的检测方法的流程示意图,所述方法包括步骤S101~S105,其中:
S101、获取待分析机场对应的机场坐标,根据所述机场坐标,确定所述待分析机场对应的可达性分析区域。
该步骤中,获取待分析机场的对应的经纬度坐标作为机场坐标,根据待分析机场对应的经纬度坐标,在待分析机场四周划定可达性分析区域。
这里,可达性分析区域可以根据待分析机场在所处城市的地理区位以及服务范围确定,可达性分析区域的面积以及形状可以通过待分析机场所处城市的城建范围,根据实际需要进行确定,在此不做具体限制。
其中,机场坐标可以为待分析机场的航站楼交通中心处的经纬度坐标。
S102、将所述可达性分析区域划分为多个网格,针对每个所述网格,确定该所述网格对应的网格中心点坐标。
该步骤中,将可达性分析区域划分为多个网格,并确定每个网格中心点处的经纬度坐标作为网格中心点坐标。
这里,每个网格的尺寸大小相同,每个网格的尺寸可以根据实际需要进行设置,在此不做具体限制。
优选的,每个网格的尺寸大小可以取800m×800m。
S103、针对每一个所述网格中心点坐标,将所述机场坐标和该所述网格中心点坐标导入预选的在线地图中,确定所述网格中心点坐标与所述机场坐标之间,多种预设出行模式下的出行时间。
该步骤中,将获取到的每个网格中心点坐标与机场坐标导入至预选的在线地图中,由预选的在线地图输出在多种出行模式下,由网格中心点坐标处到机场坐标处的出行时间。
其中,预选的在线地图可以为各种互联网地图服务商所提供的在线地图,可以根据实际需要进行设置,在此不做具体限制。
这里,预设出行模式可以包括个人出行模式以及公共交通出行模式,其中,个人出行模式可以包括:驾车出行模式、骑车出行模式以及打车出行模式等;公共交通出行模式可以包括:公交出行模式、地铁出行模式、机场巴士出行模式、长途汽车出行模式以及火车出行模式等。
在具体实施过程中,可以针对每一个网格中心点坐标,生成由网格中心点坐标、机场坐标组成的坐标对,由全部坐标对组成坐标列表,将坐标列表输入至预选的在线地图中。
作为一种可能的实施方式,确定所述网格中心点坐标与所述机场坐标之间,多种预设出行模式下的出行时间的方法可以包括:针对每种所述预设出行模式,访问所述在线地图对应的应用程序编程接口,获取在该种所述预设出行模式下,所述网格中心点坐标与所述机场坐标之间的多条导航时间数据;将所述导航时间数据确定为该种所述预设出行模式下,所述网格中心点坐标与所述机场坐标之间的出行时间。
这里,目前的在线地图均基于LBS(Location Based Services)位置服务集成了海量用户的出行数据以及全面的城市空间地理数据,并为开发者提供应用程序编程接口,在访问过程中,接收应用程序编程接口返回的不同的预设出行模式下网格中心点坐标与所述机场坐标之间的多条导航时间数据,将导航时间数据确定为该种所述预设出行模式下,网格中心点坐标与机场坐标之间的出行时间。
其中,在线地图返回的数据可以为导航出行时间、导航距离坐标对。
示例性的,将半径为R的可达性分析区域内划分为多个800m×800m尺度的网格,即网格数量为πR2/0.64个,分别提取机场经纬度坐标(X0,Y0)以及多个网格中心点坐标(XD,YD)并输入至在线地图中,解析在线地图的应用程序编程接口返回的导航出行时间、导航距离字段的数据,如下表1所示:
表1在线地图应用程序编程接口的返回数据示意
S104、确定每种所述预设出行模式对应的交通分担权重,针对每个所述网格,根据所述出行时间和所述交通分担权重,确定从该所述网格到达所述待分析机场的综合出行时间。
该步骤中,确定每种预设出行模式对应的交通分担权重,针对每个所述网格,将该网格在每种预设出行模式下对应的出行时间与对应的交通分担权重加权求和,确定出从该网格到达待分析机场的综合出行时间。
其中,每种预设出行模式对应的交通分担权重可以根据该网格至待分析机场的历史客流数据收集获取,在此不做具体限制。
具体的,可以基于以下公式确定综合出行时间:
Ti=ωc*Tci+ωp*Tpi
其中,Ti代表综合出行时间,Tci代表个人出行模式对应的出行时间,Tpi代表公共交通出行模式对应的出行时间,ωc代表个人出行模式对应的交通分担权重,ωp代表公共交通出行模式对应的交通分担权重。
S105、根据全部所述综合出行时间,确定所述可达性分析区域对应的交通等时圈图像,以检测所述待分析机场在所述可达性分析区域内的可达性。
该步骤中,根据全部网格的综合出行时间,确定可达性分析区域对应的交通等时圈图像,通过交通等时圈图像直观的可视化反映待分析机场在可达性分析区域内的可达性情况,以对待分析机场在可达性分析区域内的可达性进行检测。
作为一种可能的实施方式,可以基于以下方法确定交通等时圈图像:获取所述可达性分析区域对应的地图图像;根据每个所述网格中心点坐标以及对应的所述综合出行时间,生成所述可达性分析区域对应的出行时间分布点阵;采用反距离加权法针对所述出行时间分布点阵进行插值处理,生成所述可达性分析区域对应的出行时间栅格;以预设的时间间隔作为时间梯度,根据所述时间梯度在所述出行时间栅格内生成多条等值时间线;将所述地图图像与所述等值时间线相结合,确定所述可达性分析区域对应的交通等时圈图像。
其中,预设的时间间隔可以根据实际需要进行选择,在此不做具体限制。
这里,可以将每个网格对应的综合出行时间以及该网格与待分析机场之间的距离、网格中心点坐标的文本数据导入地理信息系统(Geographic Information System,GIS),生成可达性分析区域对应的出行时间分布点阵。
具体的,采用反距离加权法针对出行时间分布点阵进行插值处理,生成可达性分析区域对应的出行时间栅格的原理如下公式所示:
其中,Z0代表估计值;Zi代表第i(i=1,2,3,…,n)个网格的综合出行时间值;p代表距离的幂,优选的可以取2;Di代表欧氏距离。
进一步的,根据时间梯度在出行时间栅格内生成多条等值时间线的方法可以为:
步骤A、设定初始搜索时间值为t0,遍历出行时间栅格内的全部像元,其中,每个像元对应一个网格,搜索每个像元对应的综合出行时间tij,若初始搜索时间t0与每个像元对应的综合出行时间tij之间差值的绝对值小于预设时间阈值,则标记该像元对应的时间数据点,在搜索完成出行时间栅格内的全部像元后,连接所有时间数据点。
其中,初始搜索时间值t0为预设的时间间隔,预设时间阈值可以根据实际需要进行选择,在此不做具体限制。
步骤B、设定第一搜索时间值tn为t0+n*Δt(n=1,2,3,…),其中Δt的数值与预设的时间间隔相同,遍历出行时间栅格内的全部像元,搜索每个像元对应的综合出行时间tij,若第一搜索时间t1与每个像元对应的综合出行时间tij之间差值的绝对值小于预设时间阈值,则标记该像元对应的时间数据点,在搜索完成出行时间栅格内的全部像元后,连接所有时间数据点。
步骤C、重复步骤B直至出行时间栅格内的每个时间数据点均有对应的等值时间线穿过。
作为一种可能的实施方式,在以预设的时间间隔作为时间梯度,根据所述时间梯度在所述出行时间栅格内生成多条等值时间线之后,所述方法还包括:提取所述等值时间线之间出现的空心区域,确定所述空心区域对应的区域面积;在全部所述空心区域内筛选出所述区域面积小于预设面积阈值的所述空心区域进行删除。
这里,由于城市空间中存在不能直接可达的水域等区域,会导致等值时间线出现小面积、点状分布的空心域,进而影响各时段等值时间线的闭合性,因此需将其进行剔除操作。
作为一种可能的实施方式,所述可达性分析区域对应的交通等时圈图像中还标注有可达性分析区域内的职住点密度和职住点覆盖比例,其中,所述职住点密度反映旅客可利用职住点的空间分布强度,职住点覆盖比例反映待分析机场对应的可达职住点的供给水平。
其中,职住点代表居住区、办公楼、商住两用楼宇及宾馆酒店等城市主要职住空间场所。
这里,由于航空旅客的主要出行目的包括商(公)务出差、探亲回家、旅游度假等,因此其交通出行起讫点通常位于居住区、办公楼、商住两用楼宇及宾馆酒店等城市主要职住空间场所,该类设施(职住点)也可进一步反映待分析机场在可达性分析区域内的可达性。
具体的,可以基于以下公式确定可达性分析区域内的职住点密度:
D=(Nr+No+Nm+Nh)/S
其中,Nr、No、Nm、Nh分别代表可达性分析区域内的居住区、办公楼、商住两用楼宇及宾馆酒店数量;S代表可达性分析区域的面积;D代表职住点密度。
进一步的,可以基于以下公式确定可达性分析区域内的职住点覆盖比例:
C=(Nr+No+Nm+Nh)/N
其中,Nr、No、Nm、Nh分别代表可达性分析区域内的居住区、办公楼、商住两用楼宇及宾馆酒店数量;N代表待分析机场躲在城市的城市中心城区职住点总量;C代表职住点覆盖比例。
本公开实施例提供的一种机场可达性的检测方法,通过获取待分析机场对应的机场坐标,根据机场坐标,确定待分析机场对应的可达性分析区域;将可达性分析区域划分为多个网格,针对每个网格,确定该网格对应的网格中心点坐标;针对每一个网格中心点坐标,将机场坐标和该网格中心点坐标导入预选的在线地图中,确定网格中心点坐标与机场坐标之间,多种预设出行模式下的出行时间;确定每种预设出行模式对应的交通分担权重,针对每个网格,根据出行时间和交通分担权重,确定从该网格到达待分析机场的综合出行时间;根据全部综合出行时间,确定可达性分析区域对应的交通等时圈图像,以监测待分析机场在可达性分析区域内的可达性。可以精确刻画不同交通圈层的可达范围,对机场可达性的刻画具有较高的准确度,实时性较好。
参见图2所示,为本公开实施例提供的另一种机场可达性的检测方法的流程示意图,所述方法包括步骤S201~S209,其中:
S201、获取待分析机场对应的机场坐标,根据所述机场坐标,确定所述待分析机场对应的可达性分析区域。
S202、将所述可达性分析区域划分为多个网格,针对每个所述网格,确定该所述网格对应的网格中心点坐标。
S203、针对每一个所述网格中心点坐标,将所述机场坐标和该所述网格中心点坐标导入预选的在线地图中,确定所述网格中心点坐标与所述机场坐标之间,多种预设出行模式下的出行时间。
S204、确定每种所述预设出行模式对应的交通分担权重,针对每个所述网格,根据所述出行时间和所述交通分担权重,确定从该所述网格到达所述待分析机场的综合出行时间。
S205、根据全部所述综合出行时间,确定所述可达性分析区域对应的交通等时圈图像,以检测所述待分析机场在所述可达性分析区域内的可达性。
其中,步骤S201-步骤S205与步骤S101-步骤S105实质相同,具有相同的实施方式并且具有相同的技术效果,在此不再赘述。
S206、在所述网格中筛选出多个目标网格。
该步骤中,根据多种预设的可达性评价指标,在网格中筛选出多个符合预设的可达性评价指标的目标网络。
作为一种可能的实施方式,预设的可达性评价指标可以根据《国家综合立体交通网规划纲要》对城市综合客运枢纽及机场的“便捷顺畅”要求,主要包括:市地级行政中心60min到机场、中心城区至综合客运枢纽30min到达、中心城区综合客运枢纽间公共交通转换时间不超过60min(机场至其他综合客运枢纽)。
S207、针对每个所述目标网格,确定该所述目标网格内的预设多类城建特征指标。
这里,城建特征指标可以包括:目标网格内的路网密度、常规公交站点数量、机场巴士站点数量、城市轨道交通站点数量、居住小区数量、办公场所数量以及商业购物场所数量。
其中,常规公交站点数量、机场巴士站点数量、城市轨道交通站点数量、居住小区数量、办公场所数量以及商业购物场所数量可以为通过访问线上地图的检索功能对应的应用程序编程接口获得的兴趣点(Point of interest,POI);路网密度可以根据开放街道地图(OpenStreetMap,OSM)获取包含不同等级的道路网络,进而基于GIS平台对不同尺度下的道路长度进行空间统计。
S208、将全部所述城建特征指标输入至预先构建的可达性自回归分析模型,确定每类所述城建特征指标对应的P值。
该步骤中,以城建特征指标作为变量进行自回归分析,确定每类所述城建特征指标对应的P值。
其中,P值代表P-value显著性检验统计量。
作为一种可能的实施方式,基于以下方法构建所述可达性自回归分析模型:将所述城建特征指标作为协变量,所述目标网格对应的综合出行时间作为因变量,构建可达性自回归分析模型。
这里,可达性自回归分析模型为空间滞后回归模型:
t=ρWt+Qβ+ε
其中,W代表预设的空间权重矩阵、Q代表所述城建特征指标、ρ代表预设的空间效应系数、β代表预设的参数向量、ε代表随机扰动项、t代表所述综合出行时间。
这里,随机扰动项ε服从N(0,σ2In)的正态分布,其中σ2代表样本方差,In代表单位矩阵。
S209、筛选所述P值小于预设数值阈值的目标城建特征指标,将所述目标城建特征指标,作为所述目标网格对应的可达性影响因素指标,以确定所述目标网格内的可达性影响因素。
该步骤中,若所述P值小于预设数值阈值,则说明该目标城建特征指标对目标网格内的可达性影响较大,可作为目标网格内的可达性影响因素,若所述P值大于预设数值阈值,则说明该P值对应的目标城建特征指标对目标网格内的可达性影响较小,无法作为目标网格内的可达性影响因素。
这里,预设数值阈值可以代表预设的置信水平,优选的可以为0.05,即95%置信区间。
作为一种可能的实施方式,将全部所述城建特征指标输入至预先构建的可达性自回归分析模型之后,还可以确定每类所述城建特征指标对应的P值以及变量回归系数,基于P值以及变量回归系数共同筛选出所述目标网格对应的可达性影响因素指标。
本公开实施例提供的一种机场可达性的检测方法,通过获取待分析机场对应的机场坐标,根据机场坐标,确定待分析机场对应的可达性分析区域;将可达性分析区域划分为多个网格,针对每个网格,确定该网格对应的网格中心点坐标;针对每一个网格中心点坐标,将机场坐标和该网格中心点坐标导入预选的在线地图中,确定网格中心点坐标与机场坐标之间,多种预设出行模式下的出行时间;确定每种预设出行模式对应的交通分担权重,针对每个网格,根据出行时间和交通分担权重,确定从该网格到达待分析机场的综合出行时间;根据全部综合出行时间,确定可达性分析区域对应的交通等时圈图像,以检测待分析机场在可达性分析区域内的可达性。可以精确刻画不同交通圈层的可达范围,对机场可达性的刻画具有较高的准确度,实时性较好。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思,本公开实施例中还提供了与机场可达性的检测方法对应的检测装置,由于本公开实施例中的装置解决问题的原理与本公开实施例上述机场可达性的检测方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
请参阅图3,图3为本公开实施例提供的一种机场可达性的检测装置的示意图。如图3中所示,本公开实施例提供的检测装置300包括:区域确定模块310;区域划分模块320;第一时间确定模块330;第二时间确定模块340;图像生成模块350。
区域确定模块310,用于获取待分析机场对应的机场坐标,根据所述机场坐标,确定所述待分析机场对应的可达性分析区域;
区域划分模块320,用于将所述可达性分析区域划分为多个网格,针对每个所述网格,确定该所述网格对应的网格中心点坐标;
第一时间确定模块330,用于针对每一个所述网格中心点坐标,将所述机场坐标和该所述网格中心点坐标导入预选的在线地图中,确定所述网格中心点坐标与所述机场坐标之间,多种预设出行模式下的出行时间;
第二时间确定模块340,用于确定每种所述预设出行模式对应的交通分担权重,针对每个所述网格,根据所述出行时间和所述交通分担权重,确定从该所述网格到达所述待分析机场的综合出行时间;
图像生成模块,用于根据全部所述综合出行时间,确定所述可达性分析区域对应的交通等时圈图像,以检测所述待分析机场在所述可达性分析区域内的可达性。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
本公开实施例提供的一种机场可达性的检测装置,通过获取待分析机场对应的机场坐标,根据机场坐标,确定待分析机场对应的可达性分析区域;将可达性分析区域划分为多个网格,针对每个网格,确定该网格对应的网格中心点坐标;针对每一个网格中心点坐标,将机场坐标和该网格中心点坐标导入预选的在线地图中,确定网格中心点坐标与机场坐标之间,多种预设出行模式下的出行时间;确定每种预设出行模式对应的交通分担权重,针对每个网格,根据出行时间和交通分担权重,确定从该网格到达待分析机场的综合出行时间;根据全部综合出行时间,确定可达性分析区域对应的交通等时圈图像,以检测待分析机场在可达性分析区域内的可达性。可以精确刻画不同交通圈层的可达范围,对机场可达性的刻画具有较高的准确度,实时性较好。
对应于图1与图2中的机场可达性的检测方法,本公开实施例还提供了一种电子设备400,如图4所示,为本公开实施例提供的电子设备400结构示意图,包括:
处理器41、存储器42、和总线43;存储器42用于存储执行指令,包括内存421和外部存储器422;这里的内存421也称内存储器,用于暂时存放处理器41中的运算数据,以及与硬盘等外部存储器422交换的数据,处理器41通过内存421与外部存储器422进行数据交换,当所述电子设备400运行时,所述处理器41与所述存储器42之间通过总线43通信,使得所述处理器41执行图1与图2中的机场可达性的检测方法的步骤。
本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中所述的机场可达性的检测方法的步骤。其中,该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品,该计算机程序产品包括有计算机指令,所述计算机指令被处理器执行时可以执行上述方法实施例中所述的机场可达性的检测方法的步骤,具体可参见上述方法实施例,在此不再赘述。
其中,上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本公开所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本公开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)执行本公开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(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本公开的具体实施方式,用以说明本公开的技术方案,而非对其限制,本公开的保护范围并不局限于此,尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种机场可达性的检测方法,其特征在于,包括:
获取待分析机场对应的机场坐标,根据所述机场坐标,确定所述待分析机场对应的可达性分析区域;
将所述可达性分析区域划分为多个网格,针对每个所述网格,确定该所述网格对应的网格中心点坐标;
针对每一个所述网格中心点坐标,将所述机场坐标和该所述网格中心点坐标导入预选的在线地图中,确定所述网格中心点坐标与所述机场坐标之间,多种预设出行模式下的出行时间;
确定每种所述预设出行模式对应的交通分担权重,针对每个所述网格,根据所述出行时间和所述交通分担权重,确定从该所述网格到达所述待分析机场的综合出行时间;
根据全部所述综合出行时间,确定所述可达性分析区域对应的交通等时圈图像,以检测所述待分析机场在所述可达性分析区域内的可达性。
2.根据权利要求1所述的方法,其特征在于,在所述根据全部所述综合出行时间,生成所述可达性分析区域对应的交通等时圈图像,以检测所述待分析机场在所述可达性分析区域内的可达性之后,所述方法还包括:
在所述网格中筛选出多个目标网格;
针对每个所述目标网格,确定该所述目标网格内的预设多类城建特征指标;
将全部所述城建特征指标输入至预先构建的可达性自回归分析模型,确定每类所述城建特征指标对应的P值;
筛选所述P值小于预设数值阈值的目标城建特征指标,将所述目标城建特征指标,作为所述目标网格对应的可达性影响因素指标,以确定所述目标网格内的可达性影响因素。
3.根据权利要求2所述的方法,其特征在于,基于以下方法构建所述可达性自回归分析模型:
将所述城建特征指标作为协变量,所述目标网格对应的综合出行时间作为因变量,构建可达性自回归分析模型;
所述可达性自回归分析模型为:
t=ρWt+Qβ+ε
其中,W代表预设的空间权重矩阵、Q代表所述城建特征指标、ρ代表预设的空间效应系数、β代表预设的参数向量、ε代表随机扰动项、t代表所述综合出行时间。
4.根据权利要求2所述的方法,其特征在于,
所述城建特征指标包括:所述目标网格内的路网密度、常规公交站点数量、机场巴士站点数量、城市轨道交通站点数量、居住小区数量、办公场所数量以及商业购物场所数量。
5.根据权利要求1所述的方法,其特征在于,所述根据全部所述综合出行时间,确定所述可达性分析区域对应的交通等时圈图像,具体包括:
获取所述可达性分析区域对应的地图图像;
根据每个所述网格中心点坐标以及对应的所述综合出行时间,生成所述可达性分析区域对应的出行时间分布点阵;
采用反距离加权法针对所述出行时间分布点阵进行插值处理,生成所述可达性分析区域对应的出行时间栅格;
以预设的时间间隔作为时间梯度,根据所述时间梯度在所述出行时间栅格内生成多条等值时间线;
将所述地图图像与所述等值时间线相结合,确定所述可达性分析区域对应的交通等时圈图像。
6.根据权利要求1所述的方法,其特征在于,所述确定所述网格中心点坐标与所述机场坐标之间,多种预设出行模式下的出行时间,包括:
针对每种所述预设出行模式,访问所述在线地图对应的应用程序编程接口,获取在该种所述预设出行模式下,所述网格中心点坐标与所述机场坐标之间的多条导航时间数据;
将所述导航时间数据确定为该种所述预设出行模式下,所述网格中心点坐标与所述机场坐标之间的出行时间。
7.一种机场可达性的检测装置,其特征在于,包括:
区域确定模块,用于获取待分析机场对应的机场坐标,根据所述机场坐标,确定所述待分析机场对应的可达性分析区域;
区域划分模块,用于将所述可达性分析区域划分为多个网格,针对每个所述网格,确定该所述网格对应的网格中心点坐标;
第一时间确定模块,用于针对每一个所述网格中心点坐标,将所述机场坐标和该所述网格中心点坐标导入预选的在线地图中,确定所述网格中心点坐标与所述机场坐标之间,多种预设出行模式下的出行时间;
第二时间确定模块,用于确定每种所述预设出行模式对应的交通分担权重,针对每个所述网格,根据所述出行时间和所述交通分担权重,确定从该所述网格到达所述待分析机场的综合出行时间;
图像生成模块,用于根据全部所述综合出行时间,确定所述可达性分析区域对应的交通等时圈图像,以检测所述待分析机场在所述可达性分析区域内的可达性。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第一筛选模块,用于在所述网格中筛选出多个目标网格;
指标确定模块,用于针对每个所述目标网格,确定该所述目标网格内的预设多类城建特征指标;
分析模块,用于将全部所述城建特征指标输入至预先构建的可达性自回归分析模型,确定每类所述城建特征指标对应的P值;
第二筛选模块,用于筛选所述P值小于预设数值阈值的目标城建特征指标,将所述目标城建特征指标,作为所述目标网格对应的可达性影响因素指标,以确定所述目标网格内的可达性影响因素。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至6中任一项所述的机场可达性的检测方法的步骤。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至6中任一项所述的机场可达性的检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210194082.2A CN114548811B (zh) | 2022-03-01 | 2022-03-01 | 一种机场可达性的检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210194082.2A CN114548811B (zh) | 2022-03-01 | 2022-03-01 | 一种机场可达性的检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114548811A true CN114548811A (zh) | 2022-05-27 |
CN114548811B CN114548811B (zh) | 2023-07-04 |
Family
ID=81661227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210194082.2A Active CN114548811B (zh) | 2022-03-01 | 2022-03-01 | 一种机场可达性的检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114548811B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115018399A (zh) * | 2022-08-09 | 2022-09-06 | 中国民用航空总局第二研究所 | 一种机场通达性的确定方法、装置、电子设备及存储介质 |
CN115221220A (zh) * | 2022-07-29 | 2022-10-21 | 中国科学院地理科学与资源研究所 | 基于空间组织特征的多机场体系识别方法 |
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 (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140107921A1 (en) * | 2012-10-11 | 2014-04-17 | Microsoft Corporation | Query scenarios for customizable route planning |
CN107016851A (zh) * | 2017-05-24 | 2017-08-04 | 大连理工大学 | 一种量化分析城市建成环境对道路行程时间影响的方法 |
CN108520354A (zh) * | 2018-04-09 | 2018-09-11 | 江苏省城镇化和城乡规划研究中心 | 一种多点交通复合可达性分析方法 |
CN110543719A (zh) * | 2019-08-30 | 2019-12-06 | 哈尔滨工业大学 | 一种基于空间计量模型的供水管道漏失预测方法 |
US20200333156A1 (en) * | 2019-04-19 | 2020-10-22 | Move, Inc. | Systems and apparatuses for generating a geometric shape and travel time data |
CN113160557A (zh) * | 2021-03-12 | 2021-07-23 | 深圳小库科技有限公司 | 交通等时圈生成方法、装置、设备及存储介质 |
CN113656524A (zh) * | 2021-08-18 | 2021-11-16 | 广州医药信息科技有限公司 | 基于双重网格计算的交通等时圈计算方法及系统 |
CN114077970A (zh) * | 2021-11-19 | 2022-02-22 | 中国科学院地理科学与资源研究所 | 一种基于城市形态的碳排放相关因子的确定方法及装置 |
-
2022
- 2022-03-01 CN CN202210194082.2A patent/CN114548811B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140107921A1 (en) * | 2012-10-11 | 2014-04-17 | Microsoft Corporation | Query scenarios for customizable route planning |
CN107016851A (zh) * | 2017-05-24 | 2017-08-04 | 大连理工大学 | 一种量化分析城市建成环境对道路行程时间影响的方法 |
CN108520354A (zh) * | 2018-04-09 | 2018-09-11 | 江苏省城镇化和城乡规划研究中心 | 一种多点交通复合可达性分析方法 |
US20200333156A1 (en) * | 2019-04-19 | 2020-10-22 | Move, Inc. | Systems and apparatuses for generating a geometric shape and travel time data |
CN110543719A (zh) * | 2019-08-30 | 2019-12-06 | 哈尔滨工业大学 | 一种基于空间计量模型的供水管道漏失预测方法 |
CN113160557A (zh) * | 2021-03-12 | 2021-07-23 | 深圳小库科技有限公司 | 交通等时圈生成方法、装置、设备及存储介质 |
CN113656524A (zh) * | 2021-08-18 | 2021-11-16 | 广州医药信息科技有限公司 | 基于双重网格计算的交通等时圈计算方法及系统 |
CN114077970A (zh) * | 2021-11-19 | 2022-02-22 | 中国科学院地理科学与资源研究所 | 一种基于城市形态的碳排放相关因子的确定方法及装置 |
Non-Patent Citations (4)
Title |
---|
孙华灿: "基于路径规划服务的交通等时线绘制方法", pages 182 - 184 * |
张少鹏;郭冰: "城市商业中心时空可达性建模与分析――以兰州市主城区为例", vol. 43, no. 06 * |
浩飞龙;王士君;谢栋灿;于婷婷;冯章献;: "基于互联网地图服务的长春市商业中心可达性分析", vol. 37, no. 02 * |
胡继华;程智锋;钟广鹏;黄泽: "一种公交等时线的计算方法及其应用", vol. 13, no. 03 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115221220A (zh) * | 2022-07-29 | 2022-10-21 | 中国科学院地理科学与资源研究所 | 基于空间组织特征的多机场体系识别方法 |
CN115221220B (zh) * | 2022-07-29 | 2023-02-03 | 中国科学院地理科学与资源研究所 | 基于空间组织特征的多机场体系识别方法 |
CN115018399A (zh) * | 2022-08-09 | 2022-09-06 | 中国民用航空总局第二研究所 | 一种机场通达性的确定方法、装置、电子设备及存储介质 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN114548811B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhong et al. | Inferring building functions from a probabilistic model using public transportation data | |
Yu et al. | The analysis and delimitation of Central Business District using network kernel density estimation | |
Liu et al. | Characterizing mixed-use buildings based on multi-source big data | |
US11222349B2 (en) | Discovering neighborhood clusters and uses therefor | |
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 | |
CN109493119B (zh) | 一种基于poi数据的城市商业中心识别方法及系统 | |
KR101517898B1 (ko) | 도시형태결정요소 기반의 공간개발 패턴 추정 시스템 및 방법 | |
Liu et al. | Identifying and understanding road-constrained areas of interest (AOIs) through spatiotemporal taxi GPS data: A case study in New York City | |
Sevtsuk et al. | Predicting pedestrian flow along city streets: A comparison of route choice estimation approaches in downtown San Francisco | |
CN101900565A (zh) | 路径确定方法和装置 | |
Fang et al. | Agglomeration and/or differentiation at regional scale? Geographic spatial thinking of hotel distribution–a case study of Guangdong, China | |
CN111291145A (zh) | 无线热点与兴趣点的映射方法、装置和存储介质 | |
Bikdeli et al. | Accessibility modeling for land use, population and public transportation in Mashhad, NE Iran | |
Bandt et al. | Building a spatial decision support system for tourism and infrastructure planning: Τechnical solution and data integration challenges | |
Chen et al. | Quantifying the relationships between network distance and straight-line distance: applications in spatial bias correction | |
Albalawneh et al. | A new federated genetic algorithm-based optimization technique for multi-criteria vehicle route planning using ArcGIS network analyst | |
CN111008730B (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 | |
Cui et al. | Research on the driving forces of urban hot spots based on exploratory analysis and binary logistic regression model | |
CN107066572A (zh) | 基于众源地理数据空间聚类的地表覆盖分类方法及系统 | |
Yang | Spatial analytics and data visualization | |
Zhao et al. | Identifying the collaborative scheduling areas between ride-hailing and traditional taxi services based on vehicle trajectory data | |
Stadler et al. | A method for the optimized placement of bus stops based on voronoi diagrams | |
Chabchoub et al. | Bike sharing systems: a new incentive rebalancing method based on spatial outliers detection | |
Hu et al. | The communities detection of the tourist flow network using mobile signaling data in Nanjing, China | |
CN109635047B (zh) | 地理网格的信息处理方法、装置、设备及可读存储介质 |
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 |