CN115620522A - 基于实时交通数据的城市道路网动态通行能力计算方法 - Google Patents
基于实时交通数据的城市道路网动态通行能力计算方法 Download PDFInfo
- Publication number
- CN115620522A CN115620522A CN202211293476.XA CN202211293476A CN115620522A CN 115620522 A CN115620522 A CN 115620522A CN 202211293476 A CN202211293476 A CN 202211293476A CN 115620522 A CN115620522 A CN 115620522A
- Authority
- CN
- China
- Prior art keywords
- road network
- occupancy
- road
- traffic flow
- network
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- 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
Abstract
本发明公开了基于实时交通数据的城市道路网动态通行能力计算方法,包括:获取所述目标路网的基本信息;根据目标路网内线圈检测器位置信息,获取每个线圈检测器Di在T时刻的数据;对获取的数据进行清洗;结合目标路网区域内所有线圈检测器获取的数据进行计算,得到表征整个目标路网的路网车流量、道路占有率和路网占有率空间分布均方差;建立路网动态车流量模型,利用所述路网动态车流量模型计算目标路网的动态通行能力。本发明考虑城市路网内流量空间分布不均的变量,解释了在区域路网占有率较大时路网流量不稳定的原因,能够科学表征城市路网动态通行能力,准确辨识路网通行能力的运行状态。
Description
技术领域
本发明涉及城市交通规划管理领域,特别涉及一种基于实时交通数据的城市道路网动态通行能力计算方法。
背景技术
随着社会发展和现代化步伐加快,城市路网逐渐进入存量发展时期,人口、土地、资源和环境的紧约束与冲突持续加剧,许多城市开始出现出行需求大、出行流量多、出行频率高的特点,此时道路扩张为主导的发展模式难以为继,这就要求以更高效率、更集约方式承载路网交通量。城市路网动态通行能力建模的目的是确定在此背景下城市路网区域内整体道路设施能容纳的交通量,从而评价路网整体道路系统,找出影响通行能力的因素,提出改善车流行驶状况的建议和措施,以期能达到当前路网所要求的最大交通量。
传统通行能力研究中研究对象局限于路网中孤立的点(一条快速路或一个交叉口),因此研究成果无法为整体道路设施的供给与需求调控服务;也有一些学者考虑引入宏观基本图(Macroscopic Fundamental Diagram,MFD)将路网中许多个孤立的检测线圈数据进行集聚,使得单个检测线圈基本图的大量散点消散,留下一条近似抛物线规律的散点图像,用以表征整体路网输入与输出及运行特征,但传统宏观基本图中没有考虑路网内不同路段空间分布差异特征,图像会在路网区域低流量输入转为高流量输入时,产生“回滞”曲线现象并伴随出现大量散点,导致无法准确表征路网交通运行特征与状态。
发明内容
发明目的:针对以上问题,本发明目的是提供一种基于实时交通数据的城市道路网动态通行能力计算方法,基于路网实时交通数据,考虑车流量在路网内的空间分布差异,用以表征路网交通运行特征与状态,为城市交通网络的监管和调控提供了依据。
技术方案:本发明的一种基于实时交通数据的城市道路网动态通行能力计算方法,包括:
选定研究城市与目标路网,获取所述目标路网的基本信息;
根据目标路网内线圈检测器位置信息,获取每个线圈检测器Di在T时刻的数据,包括路网车流量qi_T和路网占有率σi_T;
对获取的数据进行清洗,包括删除路网车流量qi_T和路网占有率σi_T中出现报错和异常的数据;
结合目标路网区域内所有线圈检测器获取的数据进行计算,得到表征整个目标路网的路网车流量FT、道路占有率OT和路网占有率空间分布均方差ΔT;
利用道路占有率OT和路网占有率空间分布均方差ΔT建立路网动态车流量模型,利用所述路网动态车流量模型计算目标路网的动态通行能力。
进一步,所述路网动态车流量模型的表达式为:
FT(OT)=m1OT+m2OT 2+rΔT
式中,m1、m2、r分别为T时刻路网占有率一次项、二次项及路网占有率空间分布均方差的系数。
进一步,所述结合目标路网区域内所有线圈检测器获取的数据进行计算,得到表征整个目标路网的路网车流量FT、道路占有率OT和路网占有率空间分布均方差ΔT包括:
以预设时间间隔值T0为一组,将一天时间段切分为多个跨度为T0的时间段,将相同T0时间段内路网所有线圈检测器的车流量、占有率、占有率均方差按照所处路段长度进行加权集计,得到总路网范围每T0时间段内的路网车流量、占有率及空间分布均方差数值。
进一步,结合目标路网区域内所有线圈检测器获取的数据进行计算,得到表征整个目标路网的路网车流量FT、道路占有率OT和路网占有率空间分布均方差ΔT包括:
对目标路网区域S内k个线圈检测器获取的路网车流量qi_T进行路段加权集计,获得T时刻整个路网车流量FT,公式如下:
式中,Li表示线圈检测器Di所在i路段长度;
对目标路网区域S内k个线圈检测器获取的路网占有率σi_T进行路段加权集计,获得T时刻整个路网占有率OT,公式如下:
进一步,结合目标路网区域内所有线圈检测器获取的数据进行计算,得到表征整个目标路网的路网车流量FT、道路占有率OT和路网占有率空间分布均方差ΔT还包括:
对目标路网区域S内k个线圈检测器获取数据的路段占有率均方差进行路段加权集计,获得T时刻整个路网占有率空间分布均方差ΔT,公式如下:
进一步,所述目标路网的基本信息包括路网区域拓扑结构、路网内各路段长度和线圈检测器位置信息。
进一步,所述异常的数据是指线圈检测器获取的交通流量qi_T和路网占有率σi_T平均值的偏差超过三倍标准差。
有益效果:本发明与现有技术相比,其显著优点是:
1、本发明提出的通行能力计算方法是从城市路网区域这个宏观角度出发,相较于以往大多数研究面向的路网局部某一条路或某一节点,本发明能够准确表征城市路网动态通行能力,对城市路网宏观调控,把握路网运行状况,解决交通症结具有指导意义;
2、本发明提出的城市路网动态通行能力计算方法,引入了路网区域内道路占有率分布均方差变量,考虑到了路网密度空间分布差异对于路网通行能力的影响,合理解释了在同样网络占有率情况下,城市路网通行能力出现差异的根本原因。
附图说明
图1为实施例中城市道路网动态通行能力计算方法流程图;
图2为实施例中绘制的伦敦市动态通行能力基本图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。
本实施例所述的基于实时交通数据的城市道路网动态通行能力计算方法,包括以下步骤:
步骤1,选定研究城市与目标路网,获取所述目标路网的基本信息;
为研究结果更加符合实际,选取交通流量较大的城市路网区域作为目标路网,获取路网的基本信息,包括路网区域拓扑结构、路网内各路段长度Li和线圈检测器位置信息,线圈检测器位置信息指各个线圈检测器Di所处地经纬度坐标。
在上述目标路网区域范围内,路网几何形态较为均匀,道路等级大体相似,路网几何形态越均匀,道路等级越相似,路网内运行状态越相似,路网表现出的宏观基本图离散程度就越低,通行能力和服务水平也随之提高。通过在研究路网范围内布设大量的线圈检测器,记录每个线圈检测器位置在T时刻通过车流量与道路占有率数据。
步骤2,根据目标路网内线圈检测器位置信息,获取每个线圈检测器Di在T时刻的数据,包括路网车流量qi_T和路网占有率σi_T;
步骤3,对获取的数据进行清洗,包括删除路网车流量qi_T和路网占有率σi_T中出现报错和异常的数据。
上述异常的数据是指线圈检测器获取的交通流量qi_T和路网占有率σi_T平均值的偏差超过三倍标准差。
步骤4,结合目标路网区域内所有线圈检测器获取的数据进行计算,得到表征整个目标路网的路网车流量FT、道路占有率OT和路网占有率空间分布均方差ΔT。
上述结合目标路网区域内所有线圈检测器获取的数据进行计算,得到表征整个目标路网的路网车流量FT、道路占有率OT和路网占有率空间分布均方差ΔT包括:
以预设时间间隔值T0为一组,将一天时间段切分为多个跨度为T0的时间段,将相同T0时间段内路网所有线圈检测器的车流量、占有率、占有率均方差按照所处路段长度进行加权集计,得到总路网范围每T0时间段内的路网车流量、占有率及空间分布均方差数值。
具体的,上述结合目标路网区域内所有线圈检测器获取的数据进行计算,得到表征整个目标路网的路网车流量FT、道路占有率OT和路网占有率空间分布均方差ΔT包括:
对目标路网区域S内k个线圈检测器获取的路网车流量qi_T进行路段加权集计,获得T时刻整个路网车流量FT,公式如下:
式中,Li表示线圈检测器Di所在i路段长度;
对目标路网区域S内k个线圈检测器获取的路网占有率σi_T进行路段加权集计,获得T时刻整个路网占有率OT,公式如下:
对目标路网区域S内k个线圈检测器获取数据的路段占有率均方差进行路段加权集计,获得T时刻整个路网占有率空间分布均方差ΔT,公式如下:
步骤5,利用道路占有率OT和路网占有率空间分布均方差ΔT建立路网动态车流量模型,利用所述路网动态车流量模型计算目标路网的动态通行能力。
上述路网动态车流量模型的表达式为:
FT(OT)=m1OT+m2OT 2+rΔT
式中,m1、m2、r分别为T时刻路网占有率一次项、二次项及路网占有率空间分布均方差的系数。通过步骤4中获取的城市路网流量数据FT,城市路网道路占有率数据OT以及城市路网占有率均方差数据ΔT,带入步骤5中建立的路网动态车流量模型,进行多元线性回归并采用最小二乘法求得m1、m2、r的具体数值。
在交通流理论经典的GreenShields模型基础上,本实施例中认为宏观路网交通流量是关于路网道路占有率的二次多项式,当路网内整体道路占有率为0时,表明路网内没有一辆车经过,此时路网整体车流量也为0,因此常数项ε为0,本实施例不予考虑。当车流量在路网上空间分布的不均匀,导致同一占有率对应着不同的路网流量值,同样的路网平均占有率,局部拥堵而部分畅通的路网(空间分布差异大)往往比路网内车流分布均匀的路网(空间分布差异小)通行能力低,因为局部道路阻塞但部分道路仍然通畅表示着路网内有很多通畅道路的承载能力并未得到充分利用。因此本实施例中引入路网占有率空间分布均方差ΔT表征路网通行能力在不同拥堵程度下(对应不同占有率均方差)的动态效果,合理解释了同样占有率条件下路网流量不稳定的原因。
引入占有率空间分布均方差变量,解释了以往宏观基本图中在同样的路网占有率条件下,对应多种路网流量的情况。本方法证实路网的占有率空间分布差异越大,其通行能力越小,因此在同样的路网占有率情形下,路网占有率空间分布越均匀,均方差值越小,对应路网通行能力就越大,反之则越小。
以下通过国外城市伦敦为例,对该本实施例所述城市道路网动态通行能力计算方法进行具体说明,流程图如图1所示,具体包括以下步骤:
步骤1,研究城市选取常发拥堵、长期存在出行冲突矛盾的国际化都市伦敦为例,目标路网选取以Cumberland Gate为中心,约3km*3km的城市路网区域,该区域路网结构形态相似,道路等级大多都为主干道,研究路网范围内道路布设有大量线圈检测器,其线圈检测器所获取的数据可通过公开UTD-19数据集获得。同时也可获得伦敦城市路网拓扑结构参数、道路长度以及所有线圈检测器布设经纬度。
步骤2,划定研究路网区域S范围后,通过经纬度匹配将所有落在区域S范围内的全部k个检测线圈DetectorS{D1,D2,…Di,Di+1,…,Dk}数据收集起来,选取一天24小时内的数据,以5分钟时间间隔将24小时数据切分为288条时间段数段,获取得到每个线圈检测器Di每5分钟时间段的车流量qi-T和道路占有率σi-T数据。
步骤3,数据清洗,包括将已经异常报错的线圈检测器Di中所有车流量qi_T和占有率σi_T数据删除,将线圈检测线圈Di中上报的异常车流量qi_T和道路占有率σi_T数据(平均值的偏差超过三倍标准差)去除。
步骤4.1,由步骤1获取的伦敦市每个检测线圈Di位置信息匹配到伦敦路网拓扑结构与几何特征可获得区域S内每个检测线圈Di所在i路段的长度Li,作为后续步骤加权的权重。
步骤4.2,对路网范围S范围内路网流量进行处理,将步骤3中获取的路网区域S范围内全部k个检测器线圈的流量数据qi_T在相同的时段范围内按照线圈检测器Di所在路段长度Li进行加权集计,公式为:
步骤4.3,对路网S内路网道路占有率进行处理,将步骤3中获取的路网区域S范围内全部k个线圈检测器的道路占有率数据σi_T在相同的时段范围内按照线圈检测器Di所在路段长度Li进行加权集计,公式为:
步骤4.5,计算每5分钟时段内路网中不同线圈检测器位置占有率均方差并按照检测器Di所在路段长度Li进行加权集计,公式为:
步骤5,建立建立路网动态车流量模型,公式为:
FT(OT)=m1OT+m2OT 2+rΔT
式中,下标T代表对应第T个5分钟时刻,m1、m2、r分别为路网占有率一次项、二次项及路网占有率空间分布均方差的系数。由步骤4已经获得每5分钟时间间隔内城市路网流量数据FT,城市路网道路占有率数据以及城市路网占有率均方差数据ΔT,将数据进行多元线性回归,使用最小二乘法求得m1、m2、r值并检验模型拟合效果,结果如表1所示。
表1模型结果摘要
R2=0.977
由线性回归结果可知,新引入的路网占有率均方差变量能够合理解释路网通行能力时大时小的问题,模型拟合效果较好。最后根据步骤4中得到的FT-OT数据,考虑路网空间分布占有率差异Δ,以FT作为纵轴,OT为横轴,ΔT作为热力值绘图绘制宏观基本图,绘制伦敦市路网动态通行能力如图2。
如图2所示,当伦敦路网流量处于较低水平时,整体路网道路占有率水平低(小于0.15),此时随着更多车辆驶入此路网区域,路网内通行流量不断增加。直至路网通行能力达到最大值时(流量约为700辆,对应占有率为0.23),此时更多的车流量输入路网中将会导致道路网络逐渐拥挤阻塞,从而引发路网流量下降,通行能力降低。当路网流量较低时,路网处于通畅状况,此时车流量少,路网整体空间分布差异低,随着越来越多车辆的驶入,路网车流量在路网空间上分布差异逐渐变大,此时路网通行能力也产生不稳定性。例如本实施例中伦敦路网占有率为0.23时,既可以对应路网通行能力为700辆,也可对应路网通行能力为500辆,此时仅通过路网占有率无法识别路网通行能力状况,通过引入路网空间分布差异变量,更加准确描述了路网的通行能力状态。当占有率同为0.23时,占有率空间分布均方差为0.25时,对应通行能力为500辆;而占有率空间分布均方差为0.12时,对应通行能力为700辆。因此引入空间分布差异变量可合理解释路网通行能力的不稳定性,可以准确地表征路网的动态通行能力状态。
Claims (7)
1.基于实时交通数据的城市道路网动态通行能力计算方法,其特征在于,包括:
选定研究城市与目标路网,获取所述目标路网的基本信息;
根据目标路网内线圈检测器位置信息,获取每个线圈检测器Di在T时刻的数据,包括路网车流量qi_T和路网占有率σi_T;
对获取的数据进行清洗,包括删除路网车流量qi_T和路网占有率σi_T中出现报错和异常的数据;
结合目标路网区域内所有线圈检测器获取的数据进行计算,得到表征整个目标路网的路网车流量FT、道路占有率OT和路网占有率空间分布均方差ΔT;
利用道路占有率OT和路网占有率空间分布均方差ΔT建立路网动态车流量模型,利用所述路网动态车流量模型计算目标路网的动态通行能力。
2.根据权利要求1所述的城市道路网动态通行能力计算方法,其特征在于,所述路网动态车流量模型的表达式为:
FT(OT)=m1OT+m2OT 2+rΔT
式中,m1、m2、r分别为T时刻路网占有率一次项、二次项及路网占有率空间分布均方差的系数。
3.根据权利要求1所述的城市道路网动态通行能力计算方法,其特征在于,所述结合目标路网区域内所有线圈检测器获取的数据进行计算,得到表征整个目标路网的路网车流量FT、道路占有率OT和路网占有率空间分布均方差ΔT包括:
以预设时间间隔值T0为一组,将一天时间段切分为多个跨度为T0的时间段,将相同T0时间段内路网所有线圈检测器的车流量、占有率、占有率均方差按照所处路段长度进行加权集计,得到总路网范围每T0时间段内的路网车流量、占有率及空间分布均方差数值。
6.根据权利要求1所述的城市道路网动态通行能力计算方法,其特征在于,所述目标路网的基本信息包括路网区域拓扑结构、路网内各路段长度和线圈检测器位置信息。
7.根据权利要求1所述的城市道路网动态通行能力计算方法,其特征在于,所述异常的数据是指线圈检测器获取的交通流量qi_T和路网占有率σi_T平均值的偏差超过三倍标准差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211293476.XA CN115620522B (zh) | 2022-10-21 | 2022-10-21 | 基于实时交通数据的城市道路网动态通行能力计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211293476.XA CN115620522B (zh) | 2022-10-21 | 2022-10-21 | 基于实时交通数据的城市道路网动态通行能力计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115620522A true CN115620522A (zh) | 2023-01-17 |
CN115620522B CN115620522B (zh) | 2023-08-25 |
Family
ID=84865035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211293476.XA Active CN115620522B (zh) | 2022-10-21 | 2022-10-21 | 基于实时交通数据的城市道路网动态通行能力计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115620522B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894461A (zh) * | 2009-05-22 | 2010-11-24 | 上海宝康电子控制工程有限公司 | 城市地面道路行程时间预测方法 |
CN104464321A (zh) * | 2014-12-17 | 2015-03-25 | 合肥革绿信息科技有限公司 | 一种基于交通运行指数发展态势的智能交通诱导方法 |
CN105374209A (zh) * | 2015-11-05 | 2016-03-02 | 北京航空航天大学 | 一种城市区域路网运行状态特征信息提取方法 |
WO2018072240A1 (zh) * | 2016-10-20 | 2018-04-26 | 中国科学院深圳先进技术研究院 | 一种路网潮汐交通流可变导向车道控制方法 |
CN108629973A (zh) * | 2018-05-11 | 2018-10-09 | 四川九洲视讯科技有限责任公司 | 基于固定检测设备的路段交通拥堵指数计算方法 |
CN109147319A (zh) * | 2018-08-06 | 2019-01-04 | 北京航空航天大学 | 一种基于多交通数据指标的道路突发事件判别方法 |
CN109544932A (zh) * | 2018-12-19 | 2019-03-29 | 东南大学 | 一种基于出租车gps数据与卡口数据融合的城市路网流量估计方法 |
CN111127888A (zh) * | 2019-12-23 | 2020-05-08 | 广东工业大学 | 一种基于多源数据融合的城市交通流预测方法 |
-
2022
- 2022-10-21 CN CN202211293476.XA patent/CN115620522B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894461A (zh) * | 2009-05-22 | 2010-11-24 | 上海宝康电子控制工程有限公司 | 城市地面道路行程时间预测方法 |
CN104464321A (zh) * | 2014-12-17 | 2015-03-25 | 合肥革绿信息科技有限公司 | 一种基于交通运行指数发展态势的智能交通诱导方法 |
CN105374209A (zh) * | 2015-11-05 | 2016-03-02 | 北京航空航天大学 | 一种城市区域路网运行状态特征信息提取方法 |
WO2018072240A1 (zh) * | 2016-10-20 | 2018-04-26 | 中国科学院深圳先进技术研究院 | 一种路网潮汐交通流可变导向车道控制方法 |
CN108629973A (zh) * | 2018-05-11 | 2018-10-09 | 四川九洲视讯科技有限责任公司 | 基于固定检测设备的路段交通拥堵指数计算方法 |
CN109147319A (zh) * | 2018-08-06 | 2019-01-04 | 北京航空航天大学 | 一种基于多交通数据指标的道路突发事件判别方法 |
CN109544932A (zh) * | 2018-12-19 | 2019-03-29 | 东南大学 | 一种基于出租车gps数据与卡口数据融合的城市路网流量估计方法 |
CN111127888A (zh) * | 2019-12-23 | 2020-05-08 | 广东工业大学 | 一种基于多源数据融合的城市交通流预测方法 |
Non-Patent Citations (1)
Title |
---|
周强;郑长江;陈淑燕;愈张啸;: "基于决策融合的城市道路交通事件自动检测算法研究", 交通信息与安全, no. 03 * |
Also Published As
Publication number | Publication date |
---|---|
CN115620522B (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107610469B (zh) | 一种考虑多因素影响的日维度区域交通指数预测方法 | |
US20200211374A1 (en) | System, method, and apparatus for analyzing a traffic road condition | |
CN108492555A (zh) | 一种城市路网交通状态评价方法及装置 | |
CN109686091B (zh) | 一种基于多源数据融合的交通流量填补算法 | |
CN110176141B (zh) | 一种基于poi及流量特征的交通小区划分方法和系统 | |
CN112990648B (zh) | 一种轨道交通网络运营稳定性评估方法 | |
CN106652441A (zh) | 一种基于时空数据的城市道路交通状态预测方法 | |
CN110634292B (zh) | 一种基于路阻性能函数的行程时间可靠性估计方法 | |
CN114463972B (zh) | 一种基于etc门架通信数据的路段区间交通分析预测方法 | |
CN108345987B (zh) | 一种道路基础设施建设项目影响评价决策支持系统及方法 | |
CN103456163A (zh) | 城市快速路互通立交通行能力和运行状态判别方法与系统 | |
CN112184282A (zh) | 影院选址模型建立方法、影院选址方法及影院选址平台 | |
CN110232421B (zh) | 一种逐级合并od流向时空联合聚类方法 | |
Ji et al. | Identifying homogeneous periods in bus route origin-destination passenger flow patterns from automatic passenger counter data | |
CN115796942A (zh) | 一种基于聚类的共享单车时空布局确定方法 | |
Deng et al. | Heterogenous trip distance-based route choice behavior analysis using real-world large-scale taxi trajectory data | |
CN116796904A (zh) | 一种轨道交通新线客流预测方法、系统、电子设备及介质 | |
Anacleto et al. | Forecasting multivariate road traffic flows using Bayesian dynamic graphical models, splines and other traffic variables | |
CN113537596A (zh) | 一种城市轨道交通新线站点短时客流预测方法 | |
CN115620522B (zh) | 基于实时交通数据的城市道路网动态通行能力计算方法 | |
CN116205530B (zh) | 一种城市智慧停车规划方法及系统 | |
Wang et al. | An affinity propagation-based clustering method for the temporal dynamics management of high-speed railway passenger demand | |
CN113077079A (zh) | 一种基于数据驱动的轨道交通新线接入客流预测方法 | |
Liang et al. | Optimizing bus stop spacing using the simulated annealing algorithm with spatial interaction coverage model | |
CN113553350A (zh) | 一种相似演化模式聚类及动态时区划分的交通流分区模型 |
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 |