CN115169764B - 一种可达性计算方法、电子设备及存储介质 - Google Patents

一种可达性计算方法、电子设备及存储介质 Download PDF

Info

Publication number
CN115169764B
CN115169764B CN202211094943.6A CN202211094943A CN115169764B CN 115169764 B CN115169764 B CN 115169764B CN 202211094943 A CN202211094943 A CN 202211094943A CN 115169764 B CN115169764 B CN 115169764B
Authority
CN
China
Prior art keywords
travel
facility
starting point
time
reachability
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
CN202211094943.6A
Other languages
English (en)
Other versions
CN115169764A (zh
Inventor
张晓春
孙茂棚
江捷
阚倩
李鋆元
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.)
Shenzhen Urban Transport Planning Center Co Ltd
Original Assignee
Shenzhen Urban Transport Planning Center Co Ltd
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 Shenzhen Urban Transport Planning Center Co Ltd filed Critical Shenzhen Urban Transport Planning Center Co Ltd
Priority to CN202211094943.6A priority Critical patent/CN115169764B/zh
Publication of CN115169764A publication Critical patent/CN115169764A/zh
Application granted granted Critical
Publication of CN115169764B publication Critical patent/CN115169764B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/04—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Development Economics (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提出一种可达性计算方法、电子设备及存储介质，属于可达性计算技术领域。包括以下步骤：S1.识别设施的出行起点至目标位置的出行记录，出行记录包括：车牌、乘客上车时间、上车位置、下车位置、行驶距离和行驶时间；S2.估算无法识别的设施出行起点至目标位置的出行记录；S3.利用累积可达性测量方法确定目标位置的可达性。解决了现有技术中存在的计算可达性的准确性低的技术问题。有效避免了现有技术方法由于简化道路环境和错误评估车辆行驶速度导致的计算偏差，最大程度还原真实的出行场景，提升计算的准确性。

Description

一种可达性计算方法、电子设备及存储介质
技术领域
本发明涉及一种可达性计算方法，尤其涉及一种可达性计算方法、电子设备及存储介质，属于可达性计算技术领域。
背景技术
可达性的研究从关注在途距离转向在途时间，从基于空间要素的评价转向关注个体行为特征的评价。基于不同的需求和环境，交通可达性衍生出多种模型，每种模型具有各自的适用性，重力模型法是最广泛使用的可达性评价模型，在交通规划、交通评价、城市布局、社会发展等领域应用广泛；空间阻隔模型以节点空间阻隔的难易程度表示可达性，一般多适用于路网基本格局规划、服务设施布局公平性评价以及物流运输规划等。无论哪种模型都需要准确测量利用某种特定的交通系统从某一给定区位到达活动地点的空间阻抗（距离、时间等），现有方法通常使用网络拓扑技术来模拟从出行起点到目的地的路径，然后计算空间阻抗，但是容易因简化道路设施降低计算的准确性，大规模轨迹数据的不断积累和应用为可达性计算提供了新的计算思路和方法。
通过专利检索，与本发明最为接近的技术方案如下：
专利申请号为201810351158.1的一种基于轨迹数据集成人类出行行为的可达性评估方法，通过获取研究区域的行政区域地图、人口数据和目标设施的位置数据,基于行政区域地图将所述研究区域进行空间格网划分,并将每个格网作为一个单元计算每个时段内每条道路的平均通行速度，从而计算每个时段内每个单元到达每个目标设施的平均出行时间,将其作为空间阻碍约束,并按从小到大对所述空间阻碍约束进行排序而形成排序后的空间阻碍数组,建立空间访问概率模型。
上述现有技术使用点和边来构建交通网络，简化了现实生活中复杂道路基础设施场景难以考虑隔离设施等对车辆行驶的影响，尤其是位于宽马路的隔离带和禁止转向等极大的限制了车辆门到门运输的便利性，从而错误估计车辆到达的行驶时间，高估可达性。
发明内容
在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
鉴于此，为解决现有技术中存在的计算可达性的准确性低的技术问题，本发明提供一种可达性计算方法、电子设备及存储介质。
方案一、一种可达性计算方法，包括以下步骤：
S1.识别设施的出行起点至目标位置的出行记录，方法是：对设施i构建缓冲区，若行程中的上/下车坐标位于缓冲区内，则行程被视为从设施i出行或抵达设施i，以此获得从某地n出发抵达某地j的实际出行距离和准确出行时间；
S2.估算无法识别的设施出行起点至目标位置的出行记录，方法是：通过空间中所有已知数据的加权和计算从出行起点i到设施j的出行时间：
Figure 497906DEST_PATH_IMAGE001
其中，
Figure 946205DEST_PATH_IMAGE002
是出行起点i到设施j出行时间的估计值，
Figure 398046DEST_PATH_IMAGE003
是克里格权重，
Figure 324414DEST_PATH_IMAGE004
是随机场的样本；
权重系数不是距离的倒数，满足估计值和绝对值之间的最小差值：
Figure 545310DEST_PATH_IMAGE005
其中，
Figure 898931DEST_PATH_IMAGE006
为真实的从出行起点i到设施j的出行时间；
无偏估计的条件是：
Figure 73954DEST_PATH_IMAGE007
；
S3.利用累积可达性测量方法确定目标位置的可达性，方法是：
Figure 7275DEST_PATH_IMAGE008
Figure 207312DEST_PATH_IMAGE009
其中，
Figure 872780DEST_PATH_IMAGE010
为设施j的累计可达范围，
Figure 158268DEST_PATH_IMAGE011
是加权函数，
Figure 629700DEST_PATH_IMAGE012
是从任意起点i到设施j的出行时间，
Figure 559610DEST_PATH_IMAGE013
是设定的时间阈值，
Figure 786192DEST_PATH_IMAGE014
是起点i的空间范围。
优选的，出行记录包括：车牌、乘客上车时间、上车位置、下车位置、行驶距离和行驶时间。
方案二、一种电子设备，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现方案一所述一种可达性计算方法的步骤。
方案三、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现方案一所述的一种可达性计算方法。
本发明的有益效果如下：本发明依赖于大规模的出行轨迹数据（例如出租车GPS数据）得到的出行记录，这些记录反映了真实的出行起点和终点位置，并记录了准确的出行距离和时间，对于轨迹数据没有覆盖的空间，利用空间插值模型对出行时间进行计算，将离散的轨迹数据转化为连续的数据曲面，从而测算可达性。该方法有效避免了现有技术方法由于简化道路环境和错误评估车辆行驶速度导致的计算偏差，最大程度还原真实的出行场景，提升计算的准确性。解决了现有技术中存在的计算可达性的准确性低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明一种可达性计算方法流程示意图；
图2为本发明可达性可视化效果示意图。
具体实施方式
为了使本发明实施例中的技术方案及优点更加清楚明白，以下结合附图对本发明的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本发明的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例1、参照图1-图2说明本实施方式，一种可达性计算方法，由三部分组成，第一步，识别出行起点为某设施的出行记录（例如利用出租车出行记录），这些出行记录数据记录了从该设施出发到达其他位置的准确出行距离和真实的出行时间。第二步，对于出行距离无法覆盖的地方，结合周围出行记录数据，利用满足估计值和绝对值之间最小差值的空间插值最优模型拟合估算。第三步，利用一种改进的累积可达性测量方法来确定某居民区或者设施的可达性，为了直观显示，利用等时圈完成可视化；具体包括以下步骤：
S1.识别设施的出行起点至目标位置的出行记录；
出行记录包括：车牌、乘客上车时间、上车位置、下车位置、行驶距离和行驶时间。以出租车GPS数据为例，参照表1 POI数据表和表2 出租汽车出行记录样例表；在电子地图中，居民区、站点、公共设施全部通过POI数据进行映射，这些出行记录数据构成了具有代表性的城市内部流动样本，并记录了确切的出发地/目的地位置、行程时间和距离，数据的精度是米级的。
表1 POI数据
名称 大类 中类 地址 经度坐标 纬度坐标
高*医院 综合医院 三级甲等医院 上林**十字东北角 109.0836 34.51983
西*市**医院 综合医院 三级甲等医院 凤城**69号 108.9540 34.34398
表2 出租汽车出行记录样例表
Figure 434342DEST_PATH_IMAGE015
识别设施的出行起点至目标位置的出行记录的方法是：对设施i构建缓冲区，若行程中的上/下车坐标位于缓冲区内，则行程被视为从设施i出行或抵达设施i，以此获得从某地n出发抵达某地j的实际出行距离和准确出行时间。
设施i是居民区、站点或公共设施；
本实施例不需要明确该出行记录的真实出行起点是否真的属于该设施，准确获取从起点i到终点j的真实距离和准确时间即可。
S2.估算无法识别的设施出行起点至目标位置的出行记录，使用普通克里格方法进行空间插值。当某地i出发访问某地j没有出行记录数据的情况下，依托空间中其他出行轨迹的信息和空间插值法估算出行距离和出行时间，大规模的轨迹数据具有广泛的空间覆盖，空间插值最大的贡献是将离散的轨迹数据转换为连续的空间曲面（构建等时圈），用于可视化和深入分析，考虑了相邻观测值与待估计的期望位置之间的空间相关性，从而具有较高的精确度，当输入数据满足正态分布假设时，通过空间中所有已知数据的加权和计算出从出行起点i到设施j的出行时间，具体方法是：
Figure 240624DEST_PATH_IMAGE001
（1）
其中，
Figure 618516DEST_PATH_IMAGE002
是出行起点i到设施j出行时间的估计值，
Figure 858742DEST_PATH_IMAGE003
是克里格权重，
Figure 384402DEST_PATH_IMAGE004
是随机场的样本（在对空间场进行预测时将空间场视为随机过程的推广，即随机场）；
权重系数不是距离的倒数，满足估计值和绝对值之间的最小差值：
Figure 197637DEST_PATH_IMAGE005
（2）
其中，
Figure 102139DEST_PATH_IMAGE006
为真实的从出行起点i到设施j的出行时间；
无偏估计的条件是：
Figure 404944DEST_PATH_IMAGE007
（3）。
各向同性假设下随机场的协方差函数是未知的，因此需要用变异函数来近似，协方差函数如下所示：
Figure 27687DEST_PATH_IMAGE016
（4）
其中，
Figure 441350DEST_PATH_IMAGE017
是点
Figure 200359DEST_PATH_IMAGE018
和
Figure 877328DEST_PATH_IMAGE019
间的协方差函数，
Figure 846421DEST_PATH_IMAGE018
和
Figure 186746DEST_PATH_IMAGE019
是待估计值搜索范围内的真实值；
Figure 190474DEST_PATH_IMAGE020
和
Figure 976028DEST_PATH_IMAGE021
是权重系数且满足
Figure 635679DEST_PATH_IMAGE022
，
Figure 391146DEST_PATH_IMAGE023
，
Figure 859167DEST_PATH_IMAGE024
；n是搜索范围内观测到的数据点数量；
Figure 674677DEST_PATH_IMAGE025
是由匿名数据和样本间协方差组成的列向量。
普通克里格法与拉格朗日乘子法构造求解函数：
Figure 493728DEST_PATH_IMAGE026
（5）
求解克立格权重的典型方法是构造矩阵形式并反转矩阵：
Figure 318465DEST_PATH_IMAGE027
（6）
其中，
Figure 405107DEST_PATH_IMAGE028
是协方差矩阵；1是1的n列向量；
Figure 329201DEST_PATH_IMAGE029
是
Figure 760182DEST_PATH_IMAGE030
的转置。
克里格插值模型有许多计算算法，例如普通克里格法、一般克里格法等。通过交叉验证来评估不同插值模型的精度，以验证选择的算法最优；表3显示了交叉验证得到的各种算法的性能参数（表3交叉验证性能参数计算结果表）；满足以下标准的算法是最优的：平均标准化值最接近0，均方根是最小值，平均标准误差与均方根值的相关性最大，均方根标准化值最接近1；普通克里格法的计算性能指标优于其他两种算法。
表3 交叉验证性能参数计算结果表
Figure 732817DEST_PATH_IMAGE032
S3.利用累积可达性测量方法确定目标位置的可达性，等时线法是最直接的可达性测量和可视化方法，该方法呈现了给定阈值（30分组或60分钟）内可访问的机会范围，由于轨迹数据的坐标位置是米级别的，在一个很小的范围内，多个坐标可能反映同一个访问地址，因此，本实施例采用了一种改进的累积可达性测量方法来确定特定居民或者某个设施的等时线；以某设施j为例，当设施j到空间位置i存在真实出行记录时根据出行信息直接读取出行距离和时间，当不存出行记录时根据插值法计算出行距离和时间，累计空间范围；具体方法是：
Figure 565644DEST_PATH_IMAGE008
Figure 332743DEST_PATH_IMAGE009
其中，
Figure 516599DEST_PATH_IMAGE010
为设施j的累计可达范围，
Figure 292926DEST_PATH_IMAGE011
是加权函数，
Figure 917942DEST_PATH_IMAGE012
是从任意起点i到设施j的出行时间，
Figure 246155DEST_PATH_IMAGE013
是设定的时间阈值，
Figure 762981DEST_PATH_IMAGE014
是起点i的空间范围。
本实施例提升了可达性计算准确性，克服了简化道路环境和错误评估车辆行驶速度导致的计算偏差，最大程度还原真实的出行场景；利用平均绝对百分比误差和均方根误差对计算结果的准确性进行评估，使用四个月的某市实际数据进行的案例研究表明，平均绝对百分比误差小于7.1%，均方根误差小于2.57min，即真实出行时间的估计偏差总体小于2.6分钟。当前计算方法的均方根误差可达到7-10min，该方法显著提高了计算的准确性。
现有技术方法通过网络拓扑技术简化的道路环境可能会导致错误的结论，因为主干道上的车辆速度可能比其他道路上的车辆速度要快，可能会高估主干道的可达性；参照图2中a）-h）可以看出，可达性随着到达设施的距离的增加而降低，但在主干道沿线并没有明显的衰减趋势，大多数主干道通常设置隔离设施，限制了汽车的掉头能力。此外，主干道的停车资源通常是稀缺的，较低的停车效率同样降低了可达性。通过还原出租车行驶轨迹来看，主干道上u型转弯受限，停车困难，会造成3-7分钟的延误；尤其从图2中b)、图2中d) 、图2中e）和图2中f)可以看出，可达性的计算结果存在一些“孤岛”，这意味着可达性的衰减并不是完全连续的，复杂的城市道路设施和驾驶习惯可能会导致在特定地区的驾驶时间与距离间的函数并不是线性的，可达性的等时圈可能是由一个大多边形和几个小多边形组成的；
本实施例通过还原真实的出行场景测量设施的空间可达性，可为其他研究提供参考，如两步浮动搜索法集水区的构建方法，这类方法通常用于医疗卫生等公共设施空间分布公平性的可达性研究，对计算的准确性具有较高的要求。
实施例2、本发明的计算机装置可以是包括有处理器以及存储器等装置，例如包含中央处理器的单片机等。并且，处理器用于执行存储器中存储的计算机程序时实现上述的基于CREO软件的可修改由关系驱动的推荐数据的推荐方法的步骤。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
实施例3 、计算机可读存储介质实施例
本发明的计算机可读存储介质可以是被计算机装置的处理器所读取的任何形式的存储介质，包括但不限于非易失性存储器、易失性存储器、铁电存储器等，计算机可读存储介质上存储有计算机程序，当计算机装置的处理器读取并执行存储器中所存储的计算机程序时，可以实现上述的基于CREO软件的可修改由关系驱动的建模数据的建模方法的步骤。
所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。

Claims (4)

1.一种可达性计算方法，其特征在于，包括以下步骤：
S1.识别设施的出行起点至目标位置的出行记录，方法是：对设施j构建缓冲区，若行程中的上/下车坐标位于缓冲区内，则行程被视为从设施j出行或抵达设施j，以此获得从出行起点至目标位置的实际出行距离和准确出行时间；
S2.估算无法识别的设施出行起点至目标位置的出行记录，方法是：通过空间中所有已知数据的加权和计算从出行起点i到设施j的出行时间：
Figure FDA0003904718040000011
其中，
Figure FDA0003904718040000012
是出行起点i到设施j出行时间的估计值，λk是克里格权重，Y(tk)是随机场的样本；
权重系数不是距离的倒数，满足估计值和绝对值之间的最小差值：
Figure FDA0003904718040000013
其中，Y(ti,j)为真实的从出行起点i到设施j的出行时间；
无偏估计的条件是：
Figure FDA0003904718040000014
S3.利用累积可达性测量方法确定目标位置的可达性，方法是：
Aj＝∑Di,jS(ti,j)
Figure FDA0003904718040000015
其中，Aj为设施j的累计可达范围，Di,j是加权函数，ti,j是从任意起点i到设施j的出行时间，t0是设定的时间阈值，S(ti,j)是起点i的空间范围。
2.根据权利要求1所述的一种可达性计算方法，其特征在于，出行记录包括：车牌、乘客上车时间、上车位置、下车位置、行驶距离和行驶时间。
3.一种电子设备，其特征在于，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现权利要求1或2所述的一种可达性计算方法的步骤。
4.一种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权利要求1或2所述的一种可达性计算方法。
CN202211094943.6A 2022-09-08 2022-09-08 一种可达性计算方法、电子设备及存储介质 Active CN115169764B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211094943.6A CN115169764B (zh) 2022-09-08 2022-09-08 一种可达性计算方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211094943.6A CN115169764B (zh) 2022-09-08 2022-09-08 一种可达性计算方法、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN115169764A CN115169764A (zh) 2022-10-11
CN115169764B true CN115169764B (zh) 2023-01-31

Family

ID=83482451

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211094943.6A Active CN115169764B (zh) 2022-09-08 2022-09-08 一种可达性计算方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115169764B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116108996B (zh) * 2023-01-31 2023-09-29 深圳技术大学 采样点布局优化方法、系统、智能终端及存储介质
CN116229607B (zh) * 2023-05-09 2023-08-01 深圳市城市交通规划设计研究中心股份有限公司 一种机动车行驶碳排放的预测方法、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108764516A (zh) * 2018-04-04 2018-11-06 深圳大学 一种轨道交通动态可达路径的生成方法及系统
CN108805392A (zh) * 2018-04-18 2018-11-13 中国地质大学（武汉） 一种基于轨迹数据集成人类出行行为的可达性评估方法
CN110222884A (zh) * 2019-05-23 2019-09-10 北京交通大学 基于poi数据和客流量的车站可达性评估方法
CN110796337A (zh) * 2019-09-20 2020-02-14 江苏大学 一种评价城市公交站点服务可达性的系统
CN113222327A (zh) * 2021-03-24 2021-08-06 上海元卓信息科技有限公司 一种基于服务能力的地块可达性分析方法
CN114898013A (zh) * 2022-07-15 2022-08-12 深圳市城市交通规划设计研究中心股份有限公司 一种交通等时圈生成方法、电子设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103577539B (zh) * 2013-09-30 2016-09-28 北京建筑大学 一种基于gis的测量公交服务可达性的方法
CN108446470B (zh) * 2018-03-07 2020-07-31 广东国地规划科技股份有限公司 基于车辆轨迹数据和人口分布的医疗设施可达性分析方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108764516A (zh) * 2018-04-04 2018-11-06 深圳大学 一种轨道交通动态可达路径的生成方法及系统
CN108805392A (zh) * 2018-04-18 2018-11-13 中国地质大学（武汉） 一种基于轨迹数据集成人类出行行为的可达性评估方法
CN110222884A (zh) * 2019-05-23 2019-09-10 北京交通大学 基于poi数据和客流量的车站可达性评估方法
CN110796337A (zh) * 2019-09-20 2020-02-14 江苏大学 一种评价城市公交站点服务可达性的系统
CN113222327A (zh) * 2021-03-24 2021-08-06 上海元卓信息科技有限公司 一种基于服务能力的地块可达性分析方法
CN114898013A (zh) * 2022-07-15 2022-08-12 深圳市城市交通规划设计研究中心股份有限公司 一种交通等时圈生成方法、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于Arc GIS、Trans CAD的城市轨道交通可达性计算模型;姜雯;《粘接》;20200715(第07期);199-202 *

Also Published As

Publication number Publication date
CN115169764A (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
CN115169764B (zh) 一种可达性计算方法、电子设备及存储介质
Delamater et al. Measuring geographic access to health care: raster and network-based methods
Gozalo et al. Urban streets functionality as a tool for urban pollution management
Mazaré et al. Trade-offs between inductive loops and GPS probe vehicles for travel time estimation: A Mobile Century case study
Valente et al. Apartment rent prediction using spatial modeling
CN109891190B (zh) 基于衍生社交网络对个人进行地理定位
Møller-Jensen et al. Measuring accessibility and congestion in Accra
Naish A method of developing regional road traffic noise management strategies
Apparicio et al. The measure of distance in a social science policy context: Advantages and costs of using network distances in eight Canadian metropolitan areas
CN108805392B (zh) 一种基于轨迹数据集成人类出行行为的可达性评估方法
Kim et al. Estimating vehicle miles traveled (VMT) in urban areas using regression kriging
US20100036793A1 (en) Method and System for Geospatial Forecasting of Events Incorporating Data Error and Uncertainty
Gao et al. Property valuation using machine learning algorithms on statistical areas in Greater Sydney, Australia
CN115511308A (zh) 一种区域无障碍设施布局合理性的评价方法及相关装置
CN115662144A (zh) 一种动态od交通流推算补全方法、电子设备及存储介质
CN110222884B (zh) 基于poi数据和客流量的车站可达性评估方法
Wang et al. A comparison of proximity and accessibility drivers in simulating dynamic urban growth
Mane et al. Influence of proximal land use and network characteristics on link travel time
Jonker et al. Modeling trip-length distribution of shopping center trips from GPS data
Sun et al. A data-driven method for measuring accessibility to healthcare using the spatial interpolation model
Bostanci Accuracy assessment of noise mapping on the main street
Jang et al. Interpolating spatial interaction data1
CN115640756A (zh) 一种基于多源数据的停车需求预测模型、方法及其应用
Cui et al. Research on the driving forces of urban hot spots based on exploratory analysis and binary logistic regression model
CN115633311A (zh) 一种基于手机信令数据的道路交通噪声人群影响计量方法

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