CN115345373A - 一种公共服务设施老年人可达性预测方法 - Google Patents
一种公共服务设施老年人可达性预测方法 Download PDFInfo
- Publication number
- CN115345373A CN115345373A CN202211004392.XA CN202211004392A CN115345373A CN 115345373 A CN115345373 A CN 115345373A CN 202211004392 A CN202211004392 A CN 202211004392A CN 115345373 A CN115345373 A CN 115345373A
- Authority
- CN
- China
- Prior art keywords
- population
- elderly
- public service
- people
- old
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000034994 death Effects 0.000 claims description 33
- 231100000517 death Toxicity 0.000 claims description 33
- 238000012937 correction Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 4
- OQCFWECOQNPQCG-UHFFFAOYSA-N 1,3,4,8-tetrahydropyrimido[4,5-c]oxazin-7-one Chemical compound C1CONC2=C1C=NC(=O)N2 OQCFWECOQNPQCG-UHFFFAOYSA-N 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 241000488908 Torreya Species 0.000 claims description 2
- 230000032683 aging Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 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
- G06Q10/04—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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种公共服务设施老年人可达性预测方法,根据手机用户年龄结构信息和区域人口自然增长规律,预测老年人口分布,在此基础之上,结合公共设施资源供给和空间分布状况,运用高斯两步移动搜索法对城市老年人公共服务设施可达性进行预测。应用本技术方案能够预测未来目标时间内,老年人口空间分布情况,并据此预测老年人口来评估公共服务设施的需求情况。
Description
技术领域
本发明涉及地理信息服务技术领域,特别是一种公共服务设施老年人可达性预测方法。
背景技术
我国正快速步入老龄化社会,了解老年人未来生活需要,能够支撑社会保障与服务体系优化决策,更有效满足老年人对美好生活向往的需求。公共服务设施资源是老年人日常活动的基本需求,而有关资源的可获取性、便利性直接影响了老年人生活质量。预测老年人未来对公共服务设施需求,对指导有关适老政策制定,有效满足老龄化社会发展需求具有重要意义。
现有技术存在的缺点:(1)有关人口预测的方法中,传统方法仅能获得宏观区域老年人口总数,缺少详细的人口分布信息,难以有效支撑老年人对公共服务设施的可获取性的度量;而基于手机数据的人口分布预测方法目前主要用于预测一天中各小时等短时间内动态人口分布情况,而且由于普遍缺少年龄信息,尚未用于预测长时间周期老年人口空间分布;(2)由于缺乏有效的老年人空间分布信息,现有可达性度量方法尚未用于支撑公共服务设施老年人可达性预测。
发明内容
有鉴于此,本发明的目的在于提供一种公共服务设施老年人可达性预测方法,能够预测未来目标时间内,老年人口空间分布情况,并据此预测老年人口来评估公共服务设施的需求情况。
为实现上述目的,本发明采用如下技术方案:一种公共服务设施老年人可达性预测方法,包括如下步骤:
第一步,对手机位置数据进行数据清洗;包括以下方面:(1)去除重复值;(2)空值删除;(3)典型错误值删除,是指经纬度、用户匿名ID、时间出现异常的记录;
第二步,识别用户住家位置;根据手机用户夜间停留时间较长的区域进行识别,具体通过识别用户在各个地方停留的时间长度,以超过某持续时间阈值或停留时间最长的停留位置作为用户住家位置;当存在多天数据时,如果同一用户识别出的位置均相同则将该位置作为用户的住家位置,否则选择离这些位置所求重心最近的位置点作为用户的住家位置;
第三步,老年人及潜在老年人口识别;(1)识别现有老年人口,即在识别出住家位置的用户中筛选出年龄大于或等于60岁的用户识别为老年人,并得到老年人住家位置;(2)识别潜在老年人口,根据预测时间周期确定筛选条件,并得到潜在老年人的住家位置;
第四步,老年人口预测;对应区域本年度老年人数量通过上一年老年人口数基数减去死亡的老年人口数再加上净新增老年人口数进行计算;(1)将研究区划分为规则格网作为空间分析单元,将住家位置落入格网内的老年人口汇总得到该格网内的老年人口数,以此作为老年人预测基数;(2)根据老年人口预测模型预测各格网内目标时间对应的老年人口数;
第五步,公共服务设施数据获取;此处公共服务设施是多种类型公共服务设施合集,或是三甲医院、公园绿地特定类型的公共服务设施;有关数据包括公共服务设施所在位置及服务能力信息,其中服务能力反映的是对应公共设施能够为公众提供服务规模的度量;获取途径根据实际需要进行确定,既包括与有关主管部门合作直接获取,或从权威公共服务平台上自行采集;
第六步,时间成本计算;获取人口常住位置到公共服务设施所需的时间,主要通过两者之间的路径距离和出行方式进行评估;通过路网数据计算两者之间最优距离,并根据常见交通工具通行能力,评估所需时间信息;或根据权威平台提供的路径规划接口直接获得;
第七步,老年人公共服务设施可达性预测;运用高斯两步移动搜索法,以预测的老年人口数作为需求规模,根据公共服务设施的服务规模,计算老年人公共服务设施的可达性值。
在一较佳的实施例中,老年人口预测具体为:局部区域下一年度老年人口数量Pm+1等于第m年老年人口数Pm减去其死亡人数ηm,加上净新增人数μm,如公式1所示:
Pm+1=Pm-ηm+μm (1)
死亡人数ηm为根据当年老年人口基数Pm及其死亡率进行计算,考虑到老年人死亡率明显高于全人口死亡率,因此采用校正系数α对当年全人口死亡率sm进行校正从而获得老年人死亡率;具体如公式2所示:
ηm=Pm×sm×α (2)
净新增人数μm则根据当年潜在老年人口人数Δ减去其死亡人数进行计算,考虑到潜在老年人口死亡率与总人口死亡率有所差异,因此用校正系数β对当年全人口死亡率sm进行校正从而获得潜在老年人死亡率;具体如公式3所示:
μm=Δ-Δ×sm×β (3)
年度总人口死亡率sm根据对应区域人口公报或统计年鉴获取的历年死亡率进行估算;以一元线性回归模型为例,说明根据历年死亡率,构建死亡率预测模型确定对应年份死亡率sm;具体如公式4所示:
sm=a×m+b (4)
其中a和b为待评估系数,可利用最小二乘原理,根据历年死亡率进行评估;而公式2和公式3中老年人和潜在老年人死亡率校正系数则根据权威部门公布的不同年龄段死亡人数与总人口死亡人数进行计算,具体如公式5、6所示:
式中,POP0为总人口数,POP1为总死亡人口数,p0为老年人人口数,p1为老年人即大于或等于60岁的年龄段的死亡人口,p’0为潜在老年人口,具体指大于等于50小于60岁年龄段人口数,p′1为潜在老年人口年龄段死亡人口数。
在一较佳的实施例中,公共服务设施可达性计算具体包括:
第一步,计算供需比;首先获取公共服务设施位置作为供给点j,然后根据设施服务标准,确定供给点j时间服务阈值d0,并搜索所有供给点时间阈值d0范围内的需求点即格网质心i,计算每个供给点j的供需比Rj,即
式中,dij为需求点i和供给点j之间的通行时间;Sj为j点对应的服务规模;Di为需求点i的老年人口数;G(dij,d0)为高斯方程函数,其计算公式为:
第二步:计算可达性;对每个需求点i,搜索所有在i时间阈值d0范围内的供给点j,对于落在空间作用域内每个供给点的供需比Rj,利用高斯函数赋以权重,并对这些加权后的供需比Rj进行加和,计算得到需求点i的可达性Ai,其计算公式为:
式中,Rj为以需求点i为中心的搜索区域内,dij≤d0,公共服务设施j的供需比,Ai越大说明可达性越好。
与现有技术相比,本发明具有以下有益效果:能够预测未来目标时间内,老年人口空间分布情况,并据此预测老年人口来评估公共服务设施的需求情况。
附图说明
图1为本发明优选实施例的一种公共服务设施老年人可达性预测方法流程示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式;如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
一种公共服务设施老年人可达性预测方法,参考图1,包括如下步骤:
第一步,对手机位置数据进行数据清洗;包括以下方面:(1)去除重复值;(2)空值删除;(3)典型错误值删除,是指经纬度、用户匿名ID、时间出现异常的记录;
第二步,识别用户住家位置;根据手机用户夜间停留时间较长的区域进行识别,具体通过识别用户在各个地方停留的时间长度,以超过某持续时间阈值或停留时间最长的停留位置作为用户住家位置;当存在多天数据时,如果同一用户识别出的位置均相同则将该位置作为用户的住家位置,否则选择离这些位置所求重心最近的位置点作为用户的住家位置;
第三步,老年人及潜在老年人口识别;(1)识别现有老年人口,即在识别出住家位置的用户中筛选出年龄大于或等于60岁的用户识别为老年人,并得到老年人住家位置;(2)识别潜在老年人口,根据预测时间周期确定筛选条件,并得到潜在老年人的住家位置;
第四步,老年人口预测;对应区域本年度老年人数量通过上一年老年人口数基数减去死亡的老年人口数再加上净新增老年人口数进行计算;(1)将研究区划分为规则格网作为空间分析单元,将住家位置落入格网内的老年人口汇总得到该格网内的老年人口数,以此作为老年人预测基数;(2)根据老年人口预测模型预测各格网内目标时间对应的老年人口数;
第五步,公共服务设施数据获取;此处公共服务设施是多种类型公共服务设施合集,或是三甲医院、公园绿地特定类型的公共服务设施;有关数据包括公共服务设施所在位置及服务能力信息,其中服务能力反映的是对应公共设施能够为公众提供服务规模的度量;获取途径根据实际需要进行确定,既包括与有关主管部门合作直接获取,或从权威公共服务平台上自行采集;
第六步,时间成本计算;获取人口常住位置到公共服务设施所需的时间,主要通过两者之间的路径距离和出行方式进行评估;通过路网数据计算两者之间最优距离,并根据常见交通工具通行能力,评估所需时间信息;或根据权威平台提供的路径规划接口直接获得;
第七步,老年人公共服务设施可达性预测;运用高斯两步移动搜索法,以预测的老年人口数作为需求规模,根据公共服务设施的服务规模,计算老年人公共服务设施的可达性值。
老年人口预测具体为:局部区域下一年度老年人口数量Pm+1等于第m年老年人口数Pm减去其死亡人数ηm,加上净新增人数μm,如公式1所示:
Pm+1=Pm-ηm+μm (1)
死亡人数ηm为根据当年老年人口基数Pm及其死亡率进行计算,考虑到老年人死亡率明显高于全人口死亡率,因此采用校正系数α对当年全人口死亡率sm进行校正从而获得老年人死亡率;具体如公式2所示:
ηm=Pm×sm×α (2)
净新增人数μm则根据当年潜在老年人口人数Δ减去其死亡人数进行计算,考虑到潜在老年人口死亡率与总人口死亡率有所差异,因此用校正系数β对当年全人口死亡率sm进行校正从而获得潜在老年人死亡率;具体如公式3所示:
μm=Δ-Δ×sm×β (3)
年度总人口死亡率sm根据对应区域人口公报或统计年鉴获取的历年死亡率进行估算;以一元线性回归模型为例,说明根据历年死亡率,构建死亡率预测模型确定对应年份死亡率sm;具体如公式4所示:
sm=a×m+b (4)
其中a和b为待评估系数,可利用最小二乘原理,根据历年死亡率进行评估;而公式2和公式3中老年人和潜在老年人死亡率校正系数则根据权威部门公布的不同年龄段死亡人数与总人口死亡人数进行计算,具体如公式5、6所示;
式中,POP0为总人口数,POP1为总死亡人口数,p0为老年人人口数,p1为老年人即大于或等于60岁的年龄段的死亡人口,p’0为潜在老年人口,具体可根据60岁减去预测周期进行确定,例如预测周期为10年,则指大于等于50小于60岁年龄段人口数,p′1为潜在老年人口年龄段死亡人口数。
公共服务设施可达性计算具体包括:
第一步,计算供需比;首先获取公共服务设施位置作为供给点j,然后根据设施服务标准,确定供给点j时间服务阈值d0,并搜索所有供给点时间阈值d0范围内的需求点即格网质心i,计算每个供给点j的供需比Rj,即
式中,dij为需求点i和供给点j之间的通行时间;Sj为j点对应的服务规模;Di为需求点i的老年人口数;G(dij,d0)为高斯方程函数,其计算公式为:
第二步:计算可达性;对每个需求点i,搜索所有在i时间阈值d0范围内的供给点j,对于落在空间作用域内每个供给点的供需比Rj,利用高斯函数赋以权重,并对这些加权后的供需比Rj进行加和,计算得到需求点i的可达性Ai,其计算公式为:
式中,Rj为以需求点i为中心的搜索区域内,dij≤d0,公共服务设施j的供需比,Ai越大说明可达性越好。
本发明以我国西部某市为实施例区域,以预测步行模式下2028年(即10年后)老年人公园绿地可达性为例,验证本发明有关公共服务设施老年人可达性方法的有效性。手机数据为从某移动运营商获取的2018年8月1日至2018年8月6日六天的轨迹数据,对手机进行预处理后进行用户住家位置的识别。较好地,本发明将手机用户在0:00-6:00之间停留时间超过3h的位置作为住家位置,共识别出25.5万个用户的住家位置,然后根据年龄属性筛选出7561个老年人用户及27287个潜在老年人用户。
在计算年度全人口死亡率时,根据某市统计年鉴及人口公报数据中过去20年的死亡率构建模型,评估得到对应的参数a和b分别为0.071和-137.44。根据2012-2021年《中国人口和就业统计年鉴》中全国分年龄、性别的死亡人口状况分别计算出10年间的α和β并最终取其平均值,分别为5.15和0.80。据此,以2018年老年人口数作为预测基数,预测出2028年老年人数为29848人。
在获取公共服务设施数据时,主要采用百度地图接口,获取某市公园数共48个,以公园入口或质心作为供给点,并以公园面积作为其服务能力。
在计算时间成本时,利用百度地图API路径规划接口计算供需点间的时间成本。
结果显示,2028年相对2018年步行模式下的老年人公园绿地可达性显著下降,步行30min条件下,仅考虑有供给的区域,87%的空间单元的公园绿地可达性降低了70%以上,研究区西部以及东南部相对变化量较大,中心城区相对变化量次之。上述预测结果能够有效协助指导有关公共服务设施的规划。
本发明利用手机位置数据识别用户住家位置,并根据手机用户年龄结构信息和区域人口自然增长规律,预测老年人口分布,在此基础之上,结合公共设施资源供给和空间分布状况,运用高斯两步移动搜索法对城市老年人公共服务设施可达性进行预测。
Claims (3)
1.一种公共服务设施老年人可达性预测方法,其特征在于,包括如下步骤:
第一步,对手机位置数据进行数据清洗;包括以下方面:(1)去除重复值;(2)空值删除;(3)典型错误值删除,是指经纬度、用户匿名ID、时间出现异常的记录;
第二步,识别用户住家位置;根据手机用户夜间停留时间较长的区域进行识别,具体通过识别用户在各个地方停留的时间长度,以超过某持续时间阈值或停留时间最长的停留位置作为用户住家位置;当存在多天数据时,如果同一用户识别出的位置均相同则将该位置作为用户的住家位置,否则选择离这些位置所求重心最近的位置点作为用户的住家位置;
第三步,老年人及潜在老年人口识别;(1)识别现有老年人口,即在识别出住家位置的用户中筛选出年龄大于或等于60岁的用户识别为老年人,并得到老年人住家位置;(2)识别潜在老年人口,根据预测时间周期确定筛选条件,并得到潜在老年人的住家位置;
第四步,老年人口预测;对应区域本年度老年人数量通过上一年老年人口数基数减去死亡的老年人口数再加上净新增老年人口数进行计算;(1)将研究区划分为规则格网作为空间分析单元,将住家位置落入格网内的老年人口汇总得到该格网内的老年人口数,以此作为老年人预测基数;(2)根据老年人口预测模型预测各格网内目标时间对应的老年人口数;
第五步,公共服务设施数据获取;此处公共服务设施是多种类型公共服务设施合集,或是三甲医院、公园绿地特定类型的公共服务设施;有关数据包括公共服务设施所在位置及服务能力信息,其中服务能力反映的是对应公共设施能够为公众提供服务规模的度量;获取途径根据实际需要进行确定,既包括与有关主管部门合作直接获取,或从权威公共服务平台上自行采集;
第六步,时间成本计算;获取人口常住位置到公共服务设施所需的时间,主要通过两者之间的路径距离和出行方式进行评估;通过路网数据计算两者之间最优距离,并根据常见交通工具通行能力,评估所需时间信息;或根据权威平台提供的路径规划接口直接获得;
第七步,老年人公共服务设施可达性预测;运用高斯两步移动搜索法,以预测的老年人口数作为需求规模,根据公共服务设施的服务规模,计算老年人公共服务设施的可达性值。
2.根据权利要求1所述的一种公共服务设施老年人可达性预测方法,其特征在于,老年人口预测具体为:局部区域下一年度老年人口数量Pm+1等于第m年老年人口数Pm减去其死亡人数ηm,加上净新增人数μm,如公式1所示:
Pm+1=Pm-ηm+μm (1)
死亡人数ηm为根据当年老年人口基数Pm及其死亡率进行计算,考虑到老年人死亡率明显高于全人口死亡率,因此采用校正系数α对当年全人口死亡率sm进行校正从而获得老年人死亡率;具体如公式2所示:
ηm=Pm×sm×α (2)
净新增人数μm则根据当年潜在老年人口人数Δ减去其死亡人数进行计算,考虑到潜在老年人口死亡率与总人口死亡率有所差异,因此用校正系数β对当年全人口死亡率sm进行校正从而获得潜在老年人死亡率;具体如公式3所示:
μm=Δ-Δ×sm×β (3)
年度总人口死亡率sm根据对应区域人口公报或统计年鉴获取的历年死亡率进行估算;以一元线性回归模型为例,说明根据历年死亡率,构建死亡率预测模型确定对应年份死亡率sm;具体如公式4所示:
sm=a×m+b (4)
其中a和b为待评估系数,可利用最小二乘原理,根据历年死亡率进行评估;而公式2和公式3中老年人和潜在老年人死亡率校正系数则根据权威部门公布的不同年龄段死亡人数与总人口死亡人数进行计算,具体如公式5、6所示;
式中,POP0为总人口数,POP1为总死亡人口数,p0为老年人人口数,p1为老年人即大于或等于60岁的年龄段的死亡人口,p′0为潜在老年人口,具体根据60岁减去预测周期进行确定,例如预测周期为10年,则指大于等于50小于60岁年龄段人口数,p′1为潜在老年人口年龄段死亡人口数。
3.根据权利要求1所述的一种公共服务设施老年人可达性预测方法,其特征在于,公共服务设施可达性计算具体包括:
第一步,计算供需比;首先获取公共服务设施位置作为供给点j,然后根据设施服务标准,确定供给点j时间服务阈值d0,并搜索所有供给点时间阈值d0范围内的需求点即格网质心i,计算每个供给点j的供需比Rj,即
式中,dij为需求点i和供给点j之间的通行时间;Sj为j点对应的服务规模;Di为需求点i的老年人口数;G(dij,d0)为高斯方程函数,其计算公式为:
第二步:计算可达性;对每个需求点i,搜索所有在i时间阈值d0范围内的供给点j,对于落在空间作用域内每个供给点的供需比Rj,利用高斯函数赋以权重,并对这些加权后的供需比Rj进行加和,计算得到需求点i的可达性Ai,其计算公式为:
式中,Rj为以需求点i为中心的搜索区域内,dij≤d0,公共服务设施j的供需比,Ai越大说明可达性越好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211004392.XA CN115345373A (zh) | 2022-08-22 | 2022-08-22 | 一种公共服务设施老年人可达性预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211004392.XA CN115345373A (zh) | 2022-08-22 | 2022-08-22 | 一种公共服务设施老年人可达性预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115345373A true CN115345373A (zh) | 2022-11-15 |
Family
ID=83954279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211004392.XA Pending CN115345373A (zh) | 2022-08-22 | 2022-08-22 | 一种公共服务设施老年人可达性预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115345373A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117649063A (zh) * | 2024-01-30 | 2024-03-05 | 东莞市城建规划设计院 | 基于人口大数据的公共服务设施选址规划方法 |
CN117853300A (zh) * | 2024-01-31 | 2024-04-09 | 广东省城乡规划设计研究院科技集团股份有限公司 | 人防设施可达性确定方法和装置 |
-
2022
- 2022-08-22 CN CN202211004392.XA patent/CN115345373A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117649063A (zh) * | 2024-01-30 | 2024-03-05 | 东莞市城建规划设计院 | 基于人口大数据的公共服务设施选址规划方法 |
CN117649063B (zh) * | 2024-01-30 | 2024-05-07 | 东莞市城建规划设计院 | 基于人口大数据的公共服务设施选址规划方法 |
CN117853300A (zh) * | 2024-01-31 | 2024-04-09 | 广东省城乡规划设计研究院科技集团股份有限公司 | 人防设施可达性确定方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115345373A (zh) | 一种公共服务设施老年人可达性预测方法 | |
Van Ommeren et al. | Empirical evidence on cruising for parking | |
US7363144B2 (en) | Method and apparatus for predicting future travel times over a transportation network | |
US20060178811A1 (en) | Method and apparatus for end-to-end travel time estimation using dynamic traffic data | |
US7894980B2 (en) | Method and apparatus for estimating real-time travel times over a transportation network based on limited real-time data | |
CN113962472B (zh) | 一种基于GAT-Seq2seq模型的时空双注意力地铁客流短时预测方法 | |
CN110990443A (zh) | 一种基于手机信令的职住人口特征估算方法 | |
Shi et al. | Analysis of trip generation rates in residential commuting based on mobile phone signaling data | |
US20150213055A1 (en) | Digital location-based data methods and product | |
CN109840272B (zh) | 一种共享电动汽车站点用户需求预测方法 | |
CN115034524A (zh) | 基于手机信令的工作居住人口预测方法、系统和存储介质 | |
Gozalo et al. | Analysis of noise exposure in two small towns | |
CN112800348A (zh) | 一种基于手机信令大数据的旅游行为识别方法 | |
CN115034429A (zh) | 基于深度图神经网络的城市出租车接客点推荐方法 | |
CN113112076B (zh) | 一种客流集散模式发现及预测方法 | |
CN114609698A (zh) | 一种基于配料法思想和二分法的短时强降水概率预报方法 | |
CN116703132B (zh) | 共享车辆动态调度的管理方法、装置及计算机设备 | |
Gabe | Measurement and analysis of neighborhood congestion: Evidence from sidewalk pedestrian traffic and walking speeds | |
CN113408867B (zh) | 基于手机用户和poi数据的城市入室盗窃犯罪风险评估方法 | |
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 | |
Beunen et al. | Counting of visitors in the Meijendel dunes, The Netherlands | |
Friso et al. | Advances by using Mobile Phone Data in mobility analysis in the Netherlands | |
CN110189029A (zh) | 一种基于大规模手机位置数据的自行车骑车与停车需求评估方法 | |
CN114613139B (zh) | 一种适用于大型体育活动交通预测的出行生成预测方法 | |
Collins et al. | Daytime population tracking for planning and pollution exposure assessment |
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 |