CN115329030B - 一种校核道路网络模型参数的方法、电子设备及存储介质 - Google Patents

一种校核道路网络模型参数的方法、电子设备及存储介质 Download PDF

Info

Publication number
CN115329030B
CN115329030B CN202211263848.4A CN202211263848A CN115329030B CN 115329030 B CN115329030 B CN 115329030B CN 202211263848 A CN202211263848 A CN 202211263848A CN 115329030 B CN115329030 B CN 115329030B
Authority
CN
China
Prior art keywords
road network
shortest
checking
actual
traffic
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
CN202211263848.4A
Other languages
English (en)
Other versions
CN115329030A (zh
Inventor
张晓春
邓远冬
刘恒
黄笑犬
阚倩
王燕
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 CN202211263848.4A priority Critical patent/CN115329030B/zh
Publication of CN115329030A publication Critical patent/CN115329030A/zh
Application granted granted Critical
Publication of CN115329030B publication Critical patent/CN115329030B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

Abstract

本发明提出一种校核道路网络模型参数的方法、电子设备及存储介质，属于校核道路网络模型参数技术领域。包括以下步骤：S1.获取基础路网、交通小区GIS文件；S2.对基础路网的连通性进行初步校核；S3.对交通小区GIS文件进行分层抽样，分层抽样包括区域划分、建立小区与区域关系表、划分OD大类、将OD大类细分为OD小类和遍历各OD小类进行随机抽样；S4.获取模型OD间时间最短路数据；S5.获取实际OD间时间最短路数据；S6.对比模型与实际OD间时间最短路径。本发明在交通小区形心间最短路矩阵校核道路网络连通性的基础上，进行批量化快速校核道路网络模型参数，有效的解决了效率较低，覆盖面小的技术问题。

Description

一种校核道路网络模型参数的方法、电子设备及存储介质
技术领域
本发明涉及一种校核方法，尤其涉及一种校核道路网络模型参数的方法、电子设备及存储介质，属于校核道路网络模型参数技术领域。
背景技术
道路网连通性指的是道路网中交叉口的密度和道路连接的直接程度，目前仅有通过交通小区形心间是否存在最短路来校核道路网络连通性，但是缺少对最短路距离、时间、费用和路径正确性进行校核。若采用人工方式随机选择若干个OD对最短路距离、时间、费用和路径正确性进行校核，该方法存在效率较低，覆盖面小的技术问题。
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效率较低，覆盖面小的技术问题，本发明提供一种校核道路网络模型参数的方法、电子设备及存储介质。
方案一、一种校核道路网络模型参数的方法，包括以下步骤：
S1.获取基础路网、交通小区GIS文件，基础路网包括道路网络、小区形心和形心连杆；交通小区GIS文件包括唯一编号和经纬度，交通小区数量为
Figure 511629DEST_PATH_IMAGE001
；基础路网中的小区形心与交通小区GIS文件中对应的形心位置相同；
S2.对基础路网的连通性进行初步校核，方法是：通过Transcad输出交通小区形心间的最短距离矩阵和最短时间矩阵，筛选两个矩阵中值为空的OD对，遍历值为空的OD对，如果该OD对在实际网络中不可达，则该OD对的空值不存在问题，如果该OD对在实际网络中可达，检查该OD对间道路网络，连接未连通道路；
S3.对交通小区GIS文件进行分层抽样；
S4.获取模型OD间时间最短路数据；
S5.获取实际OD间时间最短路数据；
S6.对比模型与实际OD间时间最短路径。
优选的，对交通小区GIS文件进行分层抽样的方法是：包括以下步骤：
S31.设定通过分层抽样选取的全网OD总量为
Figure 41968DEST_PATH_IMAGE002
；
S32.区域划分：将路网中心作为原点，半径为r的范围划分为中心区域，编号为1，通过穿过路网中心的射线将剩余网络划分为a-1个区域，编号分为
Figure 44428DEST_PATH_IMAGE003
，对应的交通小区数量分别为
Figure 925796DEST_PATH_IMAGE004
；
S33.建立小区与区域关系表：根据交通小区和区域间的位置关系建立小区与区域关系表，若交通小区被某个区域完全包含，则交通小区属于对应区域，若交通小区横跨多个区域，则交通小区属于包含小区面积大的区域；
S34.根据区域划分OD大类：将各区域内部OD各分为1类，编号为
Figure 688215DEST_PATH_IMAGE005
，对应的双向OD总量为
Figure 338640DEST_PATH_IMAGE006
，每两个不同区域间的OD分为1类，共分为
Figure 262733DEST_PATH_IMAGE007
类，每个分类编号分别为
Figure 880665DEST_PATH_IMAGE008
，对应的双向OD总量分别为
Figure 181197DEST_PATH_IMAGE009
；把全网抽样OD总量
Figure 951707DEST_PATH_IMAGE010
按比例分配到各分类中，分类
Figure 781122DEST_PATH_IMAGE011
的抽样量为
Figure 902662DEST_PATH_IMAGE012
，分类
Figure 256152DEST_PATH_IMAGE013
的抽样量为
Figure 615589DEST_PATH_IMAGE014
；
S35.根据距离将大类细分为OD小类：遍历各OD分类，根据分类内各OD间的直线距离将OD对等分为
Figure 147065DEST_PATH_IMAGE015
小类，从每小类中随机抽取
Figure 224742DEST_PATH_IMAGE016
个
Figure 132655DEST_PATH_IMAGE017
样本。
优选的，获取模型OD间时间最短路数据的方法是：通过Transcad获取道路网络模型OD对间最短时间路径的总路程、时间、费用和行驶路径数据，并剔除形心连杆部分的路程、时间和路径。
优选的，获取实际OD间时间最短路数据的方法是：包括以下步骤：
S51.OD起终点修正：根据Transcad输出的OD对最短路径提取道路网络中起终点作为修正后OD起终点；
S52.遍历修正后的OD起终点：以起终点坐标、时间最短的驾车策略为输入，通过互联网地图驾车路线规划接口获取凌晨时OD对间实际最短时间路径的总路程、时间、费用和行驶路径数据。
优选的，对比模型与实际OD间时间最短路径的方法是：包括以下步骤：
S61.计算模型与实际OD时间最短路径间豪斯多夫距离；
S62.设定模型与实际OD时间最短路的总路程、时间、费用相对差、豪斯多夫距离阈值为
Figure 864375DEST_PATH_IMAGE018
，
Figure 301173DEST_PATH_IMAGE019
；
S63对比模型与实际OD间时间最短路总路程、时间、费用相对差、豪斯多夫距离与相应阈值;
S64.对误差超过阈值的OD，根据实际最短路径对相关道路网络连通性和道路速度、收费参数进行校核；
S65.重复S4，更新模型OD间时间最短路数据，再重复S61-S64。
优选的，计算模型与实际OD时间最短路径间豪斯多夫距离的方法是：
Figure 131726DEST_PATH_IMAGE020
其中
Figure 312171DEST_PATH_IMAGE021
为轨迹
Figure 911780DEST_PATH_IMAGE022
到
Figure 768746DEST_PATH_IMAGE023
的单向豪斯多夫距离，
Figure 86595DEST_PATH_IMAGE024
为点
Figure 70732DEST_PATH_IMAGE025
和点
Figure 524847DEST_PATH_IMAGE026
间的距离，定义如下：
Figure 569026DEST_PATH_IMAGE027
Figure 108592DEST_PATH_IMAGE028
。
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校核道路网络模型参数的方法的步骤。
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校核道路网络模型参数的方法。
本发明的有益效果如下：本发明在交通小区形心间最短路矩阵校核道路网络连通性的基础上，进行批量化快速校核道路网络模型参数，首先采用分层抽样方法选择用于校核的OD对，确保抽取的OD对覆盖大部分路网所在区域，其次获取道路网络模型OD对间最短时间路径的总路程、时间、费用、行驶路径数据，并借助互联网地图接口获取OD对间实际最短时间路径的总路程、时间、费用、行驶路径数据，然后计算模型最短路和实际最短路径间的豪斯多夫距离来评估路径相似性，最后将两者的距离、时间、费用相对差以及路径相似性与设定阈值进行对比，对误差超过阈值的OD，根据实际最短路径对相关道路网络连通性和道路速度、收费参数进行校核。解决现有技术中存在的效率较低，覆盖面小的技术问题。
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为本发明一种校核道路网络模型参数的方法流程示意图；
图2为本发明豪斯多夫距离示意图。
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，一种校核道路网络模型参数的方法，包括以下步骤：
S1.获取基础路网、交通小区
Figure 145687DEST_PATH_IMAGE029
文件，基础路网包括唯一编号，长度、方向、道路等级、车道数和自由流速度等属性，交通小区文件包含唯一编号和经纬度等属性，小区数量为N，基础路网由道路网络、小区形心和形心连杆组成，基础路网中的小区形心与交通小区文件中对应的形心位置相同。
S2.对基础路网的连通性进行初步校核，通过交通模型软件Transcad输出交通小区形心间的最短距离矩阵和最短时间矩阵，筛选两个矩阵中值为空的OD对，遍历值为空的OD，如果该OD对在实际网络中不可达，则该OD对的空值不存在问题，如果该OD对在实际网络中可达，检查该OD对间道路网络，连接未连通道路。
S3.对交通小区GIS文件进行分层抽样，包括以下步骤：
S31.设定通过分层抽样选取的全网OD总量为
Figure 454308DEST_PATH_IMAGE002
；
S32.区域划分：将路网中心作为原点，半径为
Figure 669389DEST_PATH_IMAGE030
的范围划分为中心区域，编号为1，通过穿过路网中心的射线将剩余网络划分为
Figure 696251DEST_PATH_IMAGE031
个区域，编号分为
Figure 22190DEST_PATH_IMAGE032
，对应的交通小区数量分别为
Figure 450897DEST_PATH_IMAGE033
；
S33.建立小区与区域关系表：根据交通小区和区域间的位置关系建立小区与区域关系表，若交通小区被某个区域完全包含，则交通小区属于对应区域，若交通小区横跨多个区域，则交通小区属于包含小区面积大的区域；
S34.根据区域划分OD大类：将各区域内部OD各分为1类，编号为
Figure 820568DEST_PATH_IMAGE005
，对应的双向OD总量为
Figure 600305DEST_PATH_IMAGE006
，每两个不同区域间的OD分为1类，共分为
Figure 729935DEST_PATH_IMAGE007
类，每个分类编号分别为
Figure 747570DEST_PATH_IMAGE008
，对应的双向OD总量分别为
Figure 570032DEST_PATH_IMAGE009
；把全网抽样OD总量
Figure 571486DEST_PATH_IMAGE010
按比例分配到各分类中，分类
Figure 485566DEST_PATH_IMAGE011
的抽样量为
Figure 623286DEST_PATH_IMAGE012
，分类
Figure 351071DEST_PATH_IMAGE013
的抽样量为
Figure 839821DEST_PATH_IMAGE014
；
S35.根据距离将OD大类细分为OD小类：遍历各OD分类，根据分类内各OD间的直线距离将OD对等分为
Figure 311253DEST_PATH_IMAGE015
小类，从每小类中随机抽取
Figure 552748DEST_PATH_IMAGE016
个OD样本。
S4.获取模型OD间时间最短路数据，方法是：通过交通模型软件Transcad获取道路网络模型OD对间最短时间路径的总路程、时间、费用和行驶路径数据，并剔除形心连杆部分的路程、时间和路径；因为形心连杆不是实际道路，因此将其剔除。
S5.获取实际OD间时间最短路数据，包括以下步骤：
S51.OD起终点修正：根据交通模型软件Transcad输出的OD对最短路径提取道路网络中起终点作为修正后OD起终点，形心是虚拟的起终点，需要修正为道路网络起终点；
S52.遍历修正后的OD起终点：以起终点坐标、时间最短的驾车策略为输入，通过互联网地图驾车路线规划接口获取凌晨时OD对间实际最短时间路径的总路程、时间、费用和行驶路径数据。
S6.对比模型与实际OD间时间最短路径，包括以下步骤：
S61.计算模型与实际OD时间最短路径间豪斯多夫距离，以评估两条路径相似性，豪斯多夫距离是两条轨迹最近点距离的最大值，计算公式如下：
Figure 717013DEST_PATH_IMAGE034
其中
Figure 161901DEST_PATH_IMAGE021
为轨迹
Figure 437024DEST_PATH_IMAGE022
到
Figure 814916DEST_PATH_IMAGE023
的单向豪斯多夫距离，
Figure 618924DEST_PATH_IMAGE024
为点
Figure 331534DEST_PATH_IMAGE025
和点
Figure 144769DEST_PATH_IMAGE026
间的距离，定义如下：
Figure 111588DEST_PATH_IMAGE035
Figure 352076DEST_PATH_IMAGE036
。
S62.设定模型与实际OD时间最短路的总路程、时间、费用相对差、豪斯多夫距离阈值为
Figure 37136DEST_PATH_IMAGE018
，
Figure 654062DEST_PATH_IMAGE019
；
S63对比模型与实际OD间时间最短路总路程、时间、费用相对差、豪斯多夫距离与相应阈值;
S64.对误差超过阈值的OD，根据实际最短路径对相关道路网络连通性和道路速度、收费参数进行校核；
S65.重复S4，更新模型OD间时间最短路数据，再重复S61-S64。
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 (7)

1.一种校核道路网络模型参数的方法，其特征在于，包括以下步骤：
S1.获取基础路网、交通小区GIS文件，基础路网包括道路网络、小区形心和形心连杆；交通小区GIS文件包括唯一编号和经纬度，交通小区数量为N；基础路网中的小区形心与交通小区GIS文件中对应的形心位置相同；
S2.对基础路网的连通性进行初步校核，方法是：通过Transcad输出交通小区形心间的最短距离矩阵和最短时间矩阵，筛选两个矩阵中值为空的OD对，遍历值为空的OD对，如果该OD对在实际网络中不可达，则该OD对的空值不存在问题，如果该OD对在实际网络中可达，检查该OD对间道路网络，连接未连通道路；
S3.对交通小区GIS文件进行分层抽样，方法是：包括以下步骤：
S31.设定通过分层抽样选取的全网OD总量为C；
S32.区域划分：将路网中心作为原点，半径为r的范围划分为中心区域，编号为1，通过穿过路网中心的射线将剩余网络划分为a-1个区域，编号分为2、3、4…a，对应的交通小区数量分别为n1、n2、n3…na；
S33.建立小区与区域关系表：根据交通小区和区域间的位置关系建立小区与区域关系表，若交通小区被某个区域完全包含，则交通小区属于对应区域，若交通小区横跨多个区域，则交通小区属于包含小区面积大的区域；
S34.根据区域划分OD大类：将各区域内部OD各分为1类，编号为OD11、OD22、OD33…ODaa，对应的双向OD总量为
Figure FDA0003958964940000011
每两个不同区域间的OD分为1类，共分为
Figure FDA0003958964940000012
类，每个分类编号分别为OD12、OD13…OD1a、OD21…OD(a-1)a，对应的双向OD总量分别为2n1n2、2n1n3…2n1na、2n2n1…2n(a-1)na；把全网抽样OD总量C按比例分配到各分类中，分类ODii的抽样量为
Figure FDA0003958964940000013
分类ODij的抽样量为
Figure FDA0003958964940000014
S35.根据距离将OD大类细分为OD小类：遍历各OD分类，根据分类内各OD间的直线距离将OD对等分为e小类，从每小类中随机抽取
Figure FDA0003958964940000015
个OD样本；
S4.获取模型OD间时间最短路数据；
S5.获取实际OD间时间最短路数据；
S6.对比模型与实际OD间时间最短路径。
2.根据权利要求1所述的一种校核道路网络模型参数的方法，其特征在于，获取模型OD间时间最短路数据的方法是：通过Transcad获取道路网络模型OD对间最短时间路径的总路程、时间、费用和行驶路径数据，并剔除形心连杆部分的路程、时间和路径。
3.根据权利要求2所述的一种校核道路网络模型参数的方法，其特征在于，获取实际OD间时间最短路数据的方法是：包括以下步骤：
S51.OD起终点修正：根据Transcad输出的OD对最短路径提取道路网络中起终点作为修正后OD起终点；
S52.遍历修正后的OD起终点：以起终点坐标、时间最短的驾车策略为输入，通过互联网地图驾车路线规划接口获取凌晨时OD对间实际最短时间路径的总路程、时间、费用和行驶路径数据。
4.根据权利要求3所述的一种校核道路网络模型参数的方法，其特征在于，对比模型与实际OD间时间最短路径的方法是：包括以下步骤：
S61.计算模型与实际OD时间最短路径间豪斯多夫距离；
S62.设定模型与实际OD时间最短路的总路程、时间、费用相对差、豪斯多夫距离阈值为smax、tmax、fmax、hmax，(10％≤smax,tmax,fmax≤20％,0米≤hmax≤100米)；
S63对比模型与实际OD间时间最短路总路程、时间、费用相对差、豪斯多夫距离与相应阈值；
S64.对误差超过阈值的OD，根据实际最短路径对相关道路网络连通性和道路速度、收费参数进行校核；
S65.重复S4，更新模型OD间时间最短路数据，再重复S61-S64。
5.根据权利要求4所述的一种校核道路网络模型参数的方法，其特征在于，计算模型与实际OD时间最短路径间豪斯多夫距离的方法是：
dH(tr1,tr2)＝max{h(tr1,tr2),h(tr2,tr1)}
其中h(tr1,tr2)为轨迹tr1到tr2的单向豪斯多夫距离，d(p,q)为点p和点q间的距离，定义如下：
Figure FDA0003958964940000021
Figure FDA0003958964940000022
6.一种电子设备，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1-5任一项所述的一种校核道路网络模型参数的方法的步骤。
7.一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1-5任一项所述的一种校核道路网络模型参数的方法。
CN202211263848.4A 2022-10-17 2022-10-17 一种校核道路网络模型参数的方法、电子设备及存储介质 Active CN115329030B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211263848.4A CN115329030B (zh) 2022-10-17 2022-10-17 一种校核道路网络模型参数的方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211263848.4A CN115329030B (zh) 2022-10-17 2022-10-17 一种校核道路网络模型参数的方法、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN115329030A CN115329030A (zh) 2022-11-11
CN115329030B true CN115329030B (zh) 2023-02-14

Family

ID=83913468

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211263848.4A Active CN115329030B (zh) 2022-10-17 2022-10-17 一种校核道路网络模型参数的方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115329030B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116071929B (zh) * 2023-03-06 2023-08-01 深圳市城市交通规划设计研究中心股份有限公司 基于卡口车牌识别数据的实时路况监测系统及其方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101436345A (zh) * 2008-12-19 2009-05-20 天津市市政工程设计研究院 基于TransCAD宏观仿真平台的港区道路交通需求预测系统
CN105160878A (zh) * 2015-09-02 2015-12-16 深圳市城市交通规划设计研究中心有限公司 交通影响评估系统及方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DK1402457T3 (da) * 2001-06-22 2011-05-02 Caliper Corp System til trafikdatastyring og -simulering
CN101751777B (zh) * 2008-12-02 2011-11-16 同济大学 基于空间聚类分析的城市路网交通小区动态划分方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101436345A (zh) * 2008-12-19 2009-05-20 天津市市政工程设计研究院 基于TransCAD宏观仿真平台的港区道路交通需求预测系统
CN105160878A (zh) * 2015-09-02 2015-12-16 深圳市城市交通规划设计研究中心有限公司 交通影响评估系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于核查区的居民出行OD矩阵校核方法;樊大可等;《交通运输工程学报》;20091215(第06期);第121-126页 *

Also Published As

Publication number Publication date
CN115329030A (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
CN109360421B (zh) 一种基于机器学习的交通信息预测方法及装置、电子终端
CN115329030B (zh) 一种校核道路网络模型参数的方法、电子设备及存储介质
CN110119740B (zh) 一种从复杂城市道路网络提取简化拓扑关系的方法
CN110111599B (zh) 一种基于大数据的停车诱导方法、终端设备及存储介质
US11486714B2 (en) Matching algorithm for data with different scales based on global road network features
CN114547827A (zh) 一种基础设施群运行状态评价方法、电子设备及存储介质
CN110298687B (zh) 一种区域吸引力评估方法及设备
CN111881243A (zh) 一种出租车轨迹热点区域分析方法及系统
CN102486379B (zh) 一种导航地图处理方法及装置
Shiode Analysis of a distribution of point events using the network‐based quadrat method
CN116703132B (zh) 共享车辆动态调度的管理方法、装置及计算机设备
CN110569546B (zh) 交通小区的划分方法及装置
CN115424446A (zh) 用于交通组织评估的道路网络拓扑简化方法
CN112561348A (zh) 一种路网密度的估算方法、装置、设备及存储介质
Pavón-Domínguez et al. Multifractal approach for comparing road transport network geometry: The case of Spain
CN111310340A (zh) 基于人类移动的城市区域交互异常关系识别方法及设备
CN114237265B (zh) 最优日常巡检路线的规划方法、系统、计算机及存储介质
CN114723316B (zh) 一种基于gis的城区公共设施的可达性评价方法及系统
CN114898559B (zh) 一种城市车辆移动感知能力测定方法
CN112579983A (zh) 一种出行调查抽样的方法及装置
CN113435502A (zh) 站点流量确定方法、装置、设备及存储介质
CN111143487A (zh) 一种城市地图数据升级方法、终端设备及存储介质
CN116337103B (zh) 基于区域分类的分层泛在导航方法、装置及计算机设备
CN113177046B (zh) 路网拓扑图的生成方法、装置、设备及存储介质
CN114663442A (zh) 一种基于poi的地类细分方法、装置、存储介质及终端设备

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