CN115171370A - 一种基于泊位共享的动态停车泊位需求预测方法 - Google Patents

一种基于泊位共享的动态停车泊位需求预测方法 Download PDF

Info

Publication number
CN115171370A
CN115171370A CN202210679180.5A CN202210679180A CN115171370A CN 115171370 A CN115171370 A CN 115171370A CN 202210679180 A CN202210679180 A CN 202210679180A CN 115171370 A CN115171370 A CN 115171370A
Authority
CN
China
Prior art keywords
land
parking
berth
parking space
ith
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
Application number
CN202210679180.5A
Other languages
English (en)
Inventor
孙昊
过秀成
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN202210679180.5A priority Critical patent/CN115171370A/zh
Publication of CN115171370A publication Critical patent/CN115171370A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • 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
    • 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
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
    • G07F17/24—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for parking meters
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas

Landscapes

  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Analytical Chemistry (AREA)
  • Marketing (AREA)
  • Chemical & Material Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种针对泊位共享的混合开发用地动态停车需求预测方法。包括以下步骤：(1)搜集混合开发用地中主要使用类型的开发规模；(2)采集与主要用地类型相似的用地样本的动态停车泊位需求率等信息；(3)依据主要使用类型的构成比例，确定停车泊位总需求的主要分析时段；(4)预测各主要使用类型在各分析时段内的停车泊位需求率；(5)计算混合开发用地在泊位共享条件下的停车泊位总需求。与现有技术相比，本发明考虑了地块所具有的动态停车需求波动特性以及不同地块间停车需求泊位共享的情况，避免了将区域内每个地块的最大停车泊位需求直接相加作为区域的停车泊位总需求。

Description

一种基于泊位共享的动态停车泊位需求预测方法
技术领域
本发明属于交通运输规划与管理中的停车规划与设计领域，具体涉及一种基于泊位共享的动态停车泊位需求预测方法。
背景技术
混合开发地块内各用地类型停车场的动态需求特征存在一定的互补性。该类措施的实施有利于减轻配建停车设施的建设负担，集约高效地利用有限的土地空间，提高用地开发者的投资效益。同时，措施的实施也使配建停车设施的设计趋向理性，避免泊位供给设计偏高而诱使地块吸引的出行需求使用小汽车出行方式。
传统的停车需求预测是没有考虑不同地块的共享产生的需求总量的折减，导致预估的泊位数量与真实需求存在较大差异。目前，考虑车位共享的停车需求预测有了一定的研究，但是多针对于静态停车需求的预测，关于时段变化对停车需求的影响因素考虑较少。
因此，有必要设计一种基于泊位共享的混合开发地块动态停车泊位预测方法来预测不同时段的停车泊位需求，为当前混合开发地区停车泊位数量设置提供相应的参考。
发明内容
技术问题：本发明提供一种能考虑不同时段的动态停车需求预测方法。
技术方案：为了解决上述技术问题，本发明采用的一种基于泊位共享的动态停车泊位需求预测方法，其特征在于，该方法包括以下步骤：
步骤1：确定待预估混合开发用地中各使用类型的开发规模；
步骤2：采集与步骤1中各使用类型一致的用地样本的停车场调查数据及动态停车泊位需求率信息；
步骤3：依据步骤1中各使用类型的构成比例，确定停车泊位总需求的分析时段；
步骤4：预测各使用类型在各个分析时段内的目标年停车泊位需求率；
步骤5：计算混合开发用地在泊位共享条件下的目标年停车泊位总需求。
进一步地，所述步骤1中，混合开发用地中包括零售商业用地、商务办公用地、旅馆用地、餐饮业用地、居住用地以及医疗用地。
进一步地，所述步骤2中用地样本指与待预估土地混合开发用地中各使用类型具有一致区位、一致功能类型、一致用地规模。
进一步地，所述步骤2中，停车场调查数据包括高峰时刻起始车数、高峰小时入库总车数；混合开发用地X中第i种使用类型对应的用地样本a在现状第t时段的泊位需求率
Figure BDA0003695763750000021
其中，Ti为用地样本a在现状第t时段的用地样本a在现状第t时段的高峰小时总停放次数，Si为用地样本a的用地规模。
进一步地，所述步骤4中预测各使用类型在各个分析时段内的出行停车泊位需求率具体为：
Figure BDA0003695763750000022
其中，
Figure BDA0003695763750000023
为混合开发用地X中第i种使用类型在目标年T第t时段的泊位需求率；
Figure BDA0003695763750000024
为混合开发用地X中第i种使用类型对应的用地样本a在现状第t时段的泊位需求率；
Figure BDA0003695763750000025
为目标年T第i种使用类型对应的混合开发用地X所处交通小区的区位势；
Figure BDA0003695763750000026
为现状第i种使用类型对应的用地样本a所处交通小区的区位势；
Figure BDA0003695763750000027
和
Figure BDA0003695763750000028
分别为目标年T和现状第i种使用类型对应的各交通小区平均区位势；fi(t)为第i种使用类型对应的趋势外推函数；
进一步地，所述步骤4中的交通小区的区位势具体为：
Figure BDA0003695763750000029
其中，βi为第i种使用类型对应的用地样本所属交通小区的区位势；Arn为第i种使用类型对应的用地样本所属交通小区n的面积；ATimn为针对第i种使用类型所需关注的从交通小区m到交通小区n的分类出行量；dbmn和dcmn分别为交通小区m到达交通小区n的公交出行阻抗和小汽车出行阻抗；χ为综合聚集规模因子对区位势增长贡献的弹性系数；β为交通可达性因子对区位势增长贡献的弹性系数。
进一步地，居住用地对应的趋势外推函数为f＝γekt，其中γ和k为系数；其余各使用类型对应的趋势外推函数为f＝1+0.11t。
进一步地，所述步骤5中混合开发用地在泊位共享条件下的目标年停车泊位总需求具体为：
Figure BDA00036957637500000210
其中，D(XT)为混合用地X中第i种使用类型在目标年T第t时段的停车泊位需求；
Figure BDA00036957637500000211
为混合用地中X第i种使用类型在目标年T产生的保有停车泊位需求率；
Figure BDA0003695763750000031
为混合用地X第i种使用地类型在目标年T第t时段产生的出行停车泊位需求率；Pi为混合用地X中第i种使用类型的开发规模。
有益效果：与现有技术相比，本发明的技术方案具有以下有益效果：
1.本发明考虑了城市属性、区位属性、活动链属性等因素的变化对停车泊位需求分析的影响，并以相似城市、区位和土地使用类型的现状停车场情况为基础，综合考虑多种因素且数据较好采集，预测结果准确性高；
2、本发明考虑了不同地块间停车需求共用车位的情况，避免了将区域内每个地块的最大停车泊位需求直接相加作为区域的停车泊位总需求。当多种停车共享措施在大城市中心城区已建成区域中组合实施时，地块所需要的停车泊位数将由于动态停车泊位需求特征间的互补和共同车位现象的存在而小于地块的最大停车泊位需求。有利于指导新建地区使用泊位共享策略的停车场泊位配建标准，提高停车资源利用效率；
3、本发明考虑了地块本身的动态停车泊位需求波动特征，分时段进行分析。有效的考虑了不同用地组合下的高峰时刻不同，使得最大停车泊位需求更好的适应不同的用地组合，提高了预测精度。
附图说明
图1是本发明的流程图。
具体实施方式
下面结合附图以及具体例，对本发明的方案作进一步阐述。
本发明采用的一种基于泊位共享的混合开发用地方法，如图1所示，包括以下步骤：
(1)搜集待预估混合开发用地中主要使用类型的开发规模。当分析对象为混合用地群时，宜测算各地块间的步行距离，确定实施停车泊位共享配置的地块集合。
步骤(1)中，确定实施停车共享泊位配置的地块集合的具体步骤为：
(1-1)选取主要使用类型，即选取混合开发用地X中用地规模超过以表1中的规模下限值的用地类型。
表1混合开发用地使用类型规模下限
Figure BDA0003695763750000032
Figure BDA0003695763750000041
(1-2)将各使用类型的用地规模记为Si。
(2)采集与主要用地类型相似的用地样本的停车场调查数据及动态停车泊位需求率信息。
(2-1)收集与待预估土地具有相似区位、相似功能类型、相似用地规模的用地样本用地规模及其停车场调查数据，其中停车场调查数据包括高峰时刻起始车数、高峰小时入库总车数。
(2-2)计算各用地样本t时刻停车需求率，具体为：
Figure BDA0003695763750000042
其中Rait为混合开发用地X中第i种主要使用类型对应的用地样本a在现状第t时段的泊位需求率；Ti为第i种主要使用类型对应的用地样本a在现状t时段的高峰小时总停放次数，包括高峰时刻起始车数、高峰小时入库总车数；Si为第i种主要使用类型对应的用地样本a的用地规模。
(3)依据主要使用类型的构成比例，确定停车泊位总需求的主要分析时段。
(3-1)分析混合用地样本中各类型用地高峰时刻，将高峰时刻相似的用地类型划归为一类；
(3-2)当其中一类用地类型占比较大时，选取此类的用地类型的高峰时刻作为分析时段；
(3-3)当混合用地中各主要使用类型的动态停车泊位需求波动特征间存在差异且占有比例接近时，确定多个特征日和特征时段，比较不同情境下的停车泊位需求总数，选取最大值作为分析时段。
(4)预测各主要使用类型在各个分析时段内的目标年停车泊位需求率。
(4-1)确定趋势外推函数fi，fi的选取取决于用地类型。居住类用地选取指数函数f＝γekt，参数参考小汽车保有量和居住面积的比值的年均增长率，经过对历史数据的拟合得到γ＝0.9，k＝0.24，则fi＝0.9e0.24t；其余用地类型选取线性函数，参数参考小汽车使用比例年均增长率，以南京为例，此值取11.4％，则fi＝1+0.11t。
(4-2)确定混合开发用地X所处的交通小区区位势，具体为：
Figure BDA0003695763750000051
其中，lpi为第i种使用类型对应的用地样本所属交通小区的区位势。假设用地所属交通小区n；Arn为交通小区n的面积，ATimn为针对使用类型i，所需关注的从交通小区m到交通小区n的分类出行量；dbmn，dcmn分别为交通小区m到达交通小区n的公交出行阻抗和小汽车出行阻抗，阻抗的计算主要考虑两种出行方式的出行时间和相关费用；χ为综合聚集规模因子对区位势增长贡献的弹性系数；β为交通可达性因子对区位势增长贡献的弹性系数，χ,β分别基于现状不同区位同种类型地块的高峰停车泊位需求调查结果和居民出行调查结果进行标定。
(4-2-1)计算交通小区m到n的公交出行阻抗dbmn，计算交通小区m到n的小汽车出行阻抗dcmn。
(4-2-12)标定χ,β。获取用地样本的高峰停车泊位需求调查数据和居民出行调查数据，通过停车高峰比日均分布拟合曲线得到χ，通过居民出行高峰比日均分布拟合曲线得到β。
(4-2-3)计算交通小区区位势。
(4-3)目标年出行停车泊位需求率计算，具体为：
Figure BDA0003695763750000052
其中，
Figure BDA0003695763750000053
为混合开发用地X中第i种主要使用类型对应的用地样本a在现状第t时段的泊位需求率；
Figure BDA0003695763750000054
为目标年T第i种使用类型对应的混合开发用地X所处交通小区的区位势；
Figure BDA0003695763750000055
为现状第i种使用类型对应的用地样本a所处交通小区的区位势；
Figure BDA0003695763750000056
分别为目标年和现状第i种使用类型对应的各交通小区平均区位势；fi为第i种使用类型对应的趋势外推函数。
(5)计算混合开发用地在泊位共享条件下的目标年停车泊位总需求：
Figure BDA0003695763750000057
其中，D(XT)为混合用地X中第i种使用类型在目标年T第t时段的停车泊位需求；
Figure BDA0003695763750000058
为混合用地X第i种用地类型在目标年T产生的保有停车泊位需求率；
Figure BDA0003695763750000059
为混合用地X第i种用地类型在目标年T第t时段产生的出行停车泊位需求率；Pi为混合用地X中第i种使用类型的开发规模。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (8)

1.一种基于泊位共享的动态停车泊位需求预测方法，其特征在于，该方法包括以下步骤：
步骤1：确定待预估混合开发用地中各使用类型的开发规模；
步骤2：采集与步骤1中各使用类型一致的用地样本的停车场调查数据及动态停车泊位需求率信息；
步骤3：依据步骤1中各使用类型的构成比例，确定停车泊位总需求的分析时段；
步骤4：预测各使用类型在各个分析时段内的目标年停车泊位需求率；
步骤5：计算混合开发用地在泊位共享条件下的目标年停车泊位总需求。
2.根据权利要求1所述的基于泊位共享的动态停车泊位需求预测方法，其特征在于，所述步骤1中，混合开发用地中包括零售商业用地、商务办公用地、旅馆用地、餐饮业用地、居住用地以及医疗用地。
3.根据权利要求1所述的基于泊位共享的动态停车泊位需求预测方法，其特征在于，所述步骤2中用地样本指与待预估土地混合开发用地中各使用类型具有一致区位、一致功能类型、一致用地规模。
4.根据权利要求3所述的基于泊位共享的动态停车泊位需求预测方法，其特征在于，所述步骤2中，停车场调查数据包括高峰时刻起始车数、高峰小时入库总车数；混合开发用地X中第i种使用类型对应的用地样本a在现状第t时段的泊位需求率
Figure FDA0003695763740000011
其中，Ti为用地样本a在现状第t时段的用地样本a在现状第t时段的高峰小时总停放次数，Si为用地样本a的用地规模。
5.根据权利要求1所述的基于泊位共享的动态停车泊位需求预测方法，其特征在于，所述步骤4中预测各使用类型在各个分析时段内的出行停车泊位需求率具体为：
Figure FDA0003695763740000012
其中，
Figure FDA0003695763740000013
为混合开发用地X中第i种使用类型在目标年T第t时段的泊位需求率；
Figure FDA0003695763740000014
为混合开发用地X中第i种使用类型对应的用地样本a在现状第t时段的泊位需求率；
Figure FDA0003695763740000015
为目标年T第i种使用类型对应的混合开发用地X所处交通小区的区位势；
Figure FDA0003695763740000016
为现状第i种使用类型对应的用地样本a所处交通小区的区位势；
Figure FDA0003695763740000017
和
Figure FDA0003695763740000018
分别为目标年T和现状第i种使用类型对应的各交通小区平均区位势；fi(t)为第i种使用类型对应的趋势外推函数。
6.根据权利要求5所述的基于泊位共享的动态停车泊位需求预测方法，其特征在于，所述步骤4中的交通小区的区位势具体为：
Figure FDA0003695763740000021
其中，lpi为第i种使用类型对应的用地样本所属交通小区的区位势；Arn为第i种使用类型对应的用地样本所属交通小区n的面积；ATimn为针对第i种使用类型所需关注的从交通小区m到交通小区n的分类出行量；dbmn和dcmn分别为交通小区m到达交通小区n的公交出行阻抗和小汽车出行阻抗；χ为综合聚集规模因子对区位势增长贡献的弹性系数；β为交通可达性因子对区位势增长贡献的弹性系数。
7.根据权利要求5所述的基于泊位共享的动态停车泊位需求预测方法，其特征在于，居住用地对应的趋势外推函数为f＝γekt，其中γ和k为系数；其余各使用类型对应的趋势外推函数为f＝1+0.11t。
8.根据权利要求1所述的基于泊位共享的动态停车泊位需求预测方法，其特征在于，所述步骤5中混合开发用地在泊位共享条件下的目标年停车泊位总需求具体为：
Figure FDA0003695763740000022
其中，D(XT)为混合用地X中第i种使用类型在目标年T第t时段的停车泊位需求；
Figure FDA0003695763740000023
为混合用地中X第i种使用类型在目标年T第产生的保有停车泊位需求率；
Figure FDA0003695763740000024
为混合用地X第i种使用地类型在目标年T第t时段产生的出行停车泊位需求率；Pi为混合用地X中第i种使用类型的开发规模。
CN202210679180.5A 2022-06-15 2022-06-15 一种基于泊位共享的动态停车泊位需求预测方法 Pending CN115171370A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210679180.5A CN115171370A (zh) 2022-06-15 2022-06-15 一种基于泊位共享的动态停车泊位需求预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210679180.5A CN115171370A (zh) 2022-06-15 2022-06-15 一种基于泊位共享的动态停车泊位需求预测方法

Publications (1)

Publication Number Publication Date
CN115171370A true CN115171370A (zh) 2022-10-11

Family

ID=83486021

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210679180.5A Pending CN115171370A (zh) 2022-06-15 2022-06-15 一种基于泊位共享的动态停车泊位需求预测方法

Country Status (1)

Country Link
CN (1) CN115171370A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106845734A (zh) * 2017-03-29 2017-06-13 东南大学 面向末班换乘需求的多模式公共交通时刻表优化方法
CN107767686A (zh) * 2017-09-18 2018-03-06 东南大学 一种居住区停车场开放共享泊位数量的确定方法
CN107845288A (zh) * 2017-11-27 2018-03-27 东南大学 基于时空容量多类型用地配建停车泊位共享资源匹配方法
CN107958610A (zh) * 2017-11-21 2018-04-24 同济大学 一种基于泊位共享的功能混合用地停车位预估方法
CN113380023A (zh) * 2021-05-21 2021-09-10 南京理工大学 一种基于泊位选择行为的混合用地共享停车需求预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106845734A (zh) * 2017-03-29 2017-06-13 东南大学 面向末班换乘需求的多模式公共交通时刻表优化方法
CN107767686A (zh) * 2017-09-18 2018-03-06 东南大学 一种居住区停车场开放共享泊位数量的确定方法
CN107958610A (zh) * 2017-11-21 2018-04-24 同济大学 一种基于泊位共享的功能混合用地停车位预估方法
CN107845288A (zh) * 2017-11-27 2018-03-27 东南大学 基于时空容量多类型用地配建停车泊位共享资源匹配方法
CN113380023A (zh) * 2021-05-21 2021-09-10 南京理工大学 一种基于泊位选择行为的混合用地共享停车需求预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
冉江宇 等: "混合开发用地配建停车泊位共享配置方法研究", 《交通信息与安全》 *

Similar Documents

Publication Publication Date Title
Daams et al. The effect of natural space on nearby property prices: accounting for perceived attractiveness
Kontokosta et al. Energy cost burdens for low-income and minority households: Evidence from energy benchmarking and audit data in five US cities
Feather et al. A discrete-count model of recreational demand
McLachlan et al. Reconstructing historical ranges with fossil data at continental scales
Jin et al. Understanding residential location choices: An application of the UrbanSim residential location model on Suwon, Korea
Jud et al. What do we know about apartments and their markets?
Zhou et al. High-resolution estimation of building energy consumption at the city level
Maximilian Wimmesberger et al. Myopic fiscal policy during the COVID-19 Pandemic and its Intergenerational Burden
Kerry et al. A comparison of multiple indicator kriging and area-to-point Poisson kriging for mapping patterns of herbivore species abundance in Kruger National Park, South Africa
MacDonald et al. Investigation of metered data analysis methods for commercial and related buildings
CN115171370A (zh) 一种基于泊位共享的动态停车泊位需求预测方法
CN111144628A (zh) 一种分布式供能的冷热电负荷预测模型系统及方法
Li et al. A geographically weighted regression method to spatially disaggregate regional employment forecasts for South East Queensland
Hyndman et al. Differential effects on socioeconomic groups of modelling the location of mammography screening clinics using geographic information systems
Kim et al. A comparative study of aggregate and disaggregate gravity models using Seoul metropolitan subway trip data
Lu Airbnb short-term housing rental status prediction model under the impact of the COVID-19 pandemic
Vieira et al. A Study of Hospital Competition in Yogyakarta City with Huff’s Gravity Model and Valuation Methods
Klaesson et al. Who Works Longer–and Why? Regional and Individual Characteristics in the Timing of Retirement
Cochrane et al. The spatial impact of local infrastructural investment in New Zealand
Jurado et al. Implications of modeling seasonal differences in the extremal dependence of rainfall maxima
CN111079069A (zh) 一种基于误差分布的预报难度计算方法及系统
Öztürk et al. Determining Factors Effecting the Population Growth Rate of Villages in Turkey: An Econometric Perspective
Khairudin et al. Forecasting International Tourist Arrivals in Penang Using Time Series Models
Wu et al. Hourly occupant density prediction in commercial buildings for urban energy simulation
Mackett Modelling the impact of rail fare increases

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

Application publication date: 20221011