CN116611155B - 基于bim的可计算多模式网络图谱拓扑模型的建模方法 - Google Patents

基于bim的可计算多模式网络图谱拓扑模型的建模方法 Download PDF

Info

Publication number
CN116611155B
CN116611155B CN202310889371.9A CN202310889371A CN116611155B CN 116611155 B CN116611155 B CN 116611155B CN 202310889371 A CN202310889371 A CN 202310889371A CN 116611155 B CN116611155 B CN 116611155B
Authority
CN
China
Prior art keywords
traffic
time
network
walking
mode
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
CN202310889371.9A
Other languages
English (en)
Other versions
CN116611155A (zh
Inventor
杨宇星
周勇
王卓
黄志军
许燕青
冯相龙
陈振武
刘美华
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 CN202310889371.9A priority Critical patent/CN116611155B/zh
Publication of CN116611155A publication Critical patent/CN116611155A/zh
Application granted granted Critical
Publication of CN116611155B publication Critical patent/CN116611155B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • 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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • 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
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Remote Sensing (AREA)
  • Evolutionary Biology (AREA)
  • Structural Engineering (AREA)
  • Architecture (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Civil Engineering (AREA)
  • Software Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及交通网络建模技术领域，本发明公开了基于BIM的可计算多模式网络图谱拓扑模型的建模方法，包括以下具体步骤：定义拓扑结构要素；构建该交通模式对应的单一网络图谱拓扑模型；得到多种单一网络图谱拓扑模型；采用地图匹配算法将多种单一网络图谱拓扑模型融合，得到多模式网络图谱拓扑模型；将多模式网络图谱拓扑模型的相对位置坐标转为绝对地理坐标；对多模式网络图谱拓扑模型中的网络特征参数进行标定，以使多模式网络图谱拓扑模型具有可计算能力。本发明相比传统的GIS建模具有数据精度高、多维度信息集成等优势，能够为规划和设计提供更加全面、准确、高效和可持续的数据支持。

Description

基于BIM的可计算多模式网络图谱拓扑模型的建模方法
技术领域
本发明涉及交通网络建模技术领域，具体涉及一种基于BIM的多模式交通可计算空间网络建模方法。
背景技术
传统的交通网络建模方法往往依赖单一GIS地理信息数据，且生成的交通网络模型为单一交通模式的物理交通网络，缺少交通规则和交通运行策略，难以准确地反映多模式交通网络实际情况。随着BIM技术的不断发展，其在建筑和土木工程等领域的应用已经得到广泛认可。然而，在交通领域中，BIM技术的应用仍然相对较少，特别是在多模式可计算交通网络建模中的应用。
中国发明专利申请CN114818056A公开了一种基于BIM技术的交通数据集成方法，其利用预先训练的智能决策算法对道路综合管理数据库进行路况分类，得到路况分类结果，并将路况分类结果发布到预设的交通情报板。但是，现有的将BIM技术应用于交通领域的方法，至少存在以下两个缺陷：一是，现有的基于BIM交通模型仅设立了单一模式道路交通空间模型，而实际交通模式包含道路、轨道、公交、枢纽、慢行等多种交通模式；二是，现有技术生成的交通模型为物理交通模型，缺少交通规则和交通策略等交通逻辑信息，仅适用于交通路网状态信息展示，无法支撑路径规划、交通仿真等多种应用场景。
发明内容
为了解决上述交通网络建模方法存在的问题，本发明设计了一种基于BIM的多模式交通可计算空间网络建模方法，能够为规划和设计提供更加全面、准确、高效和可持续的数据支持。具体技术方案如下：
基于BIM的可计算多模式网络图谱拓扑模型的建模方法，包括以下具体步骤：
定义BIM模型中各个实体交通构件相对应的拓扑结构要素；
在单一交通模式下，根据该交通模式中的实体交通构件及其对应的拓扑结构要素，构建该交通模式对应的单一网络图谱拓扑模型，其中，单一交通模式为枢纽交通模式、自驾交通模式、步行交通模式、公交交通模式、轨道交通模式其中的一种；
重复上一步，以得到多种单一网络图谱拓扑模型；
以步行交通网络为中间网络，以步行交通模式与轨道交通模式、公交交通模式、自驾交通模式、枢纽交通模式之间的换乘规则为策略，采用地图匹配算法将多种单一网络图谱拓扑模型融合，得到多模式网络图谱拓扑模型；
将多模式网络图谱拓扑模型的相对位置坐标转为绝对地理坐标；
对多模式网络图谱拓扑模型中的网络特征参数进行标定，以使多模式网络图谱拓扑模型具有可计算能力，其中，所述网络特征参数至少包括枢纽交通网络特征参数、自驾交通网络特征参数、步行交通网络特征参数、公交交通网络特征参数、轨道交通网络特征参数其中的一种。
优选的，定义BIM模型中各个实体交通构件相对应的拓扑结构要素，包括：
所述实体交通构件为楼层，相对应的拓扑结构要素为网络层；和/或
所述实体交通构件为可行域，相对应的拓扑结构要素为步行弧；和/或
所述实体交通构件为障碍物，相对应的拓扑结构要素为孤立节点；和/或
所述实体交通构件为电梯，相对应的拓扑结构要素为电梯弧；和/或
所述实体交通构件为直梯，相对应的拓扑结构要素为直梯弧。
优选的，在单一交通模式下，根据该交通模式中的实体交通构件及其对应的拓扑结构要素，构建该交通模式对应的单一网络图谱拓扑模型，包括：
若所述单一交通模式为枢纽交通模式，则通过步行弧、楼梯弧、电梯弧将枢纽门节点、楼梯节点、电梯节点、出入口节点连接形成枢纽交通网络；和/或
若所述单一交通模式为轨道交通模式，则通过轨道网络路段、电梯弧、直梯弧、步行弧将轨道站台节点、闸机节点、电梯节点、直梯节点、轨道出入口节点连接形成轨道交通网络。
优选的，以步行交通网络为中间网络，以步行交通模式与轨道交通模式、公交交通模式、自驾交通模式、枢纽交通模式之间的换乘规则为策略，采用地图匹配算法将多种单一网络图谱拓扑模型融合，得到多模式网络图谱拓扑模型，包括：
若步行交通网络与公交交通网络融合，则将公交交通网络的公交线路站点节点匹配至投影距离最近的步行路段，并基于公交站台投影节点将步行路段打断，连接公交站台节点和步行路段两端的步行路段节点，并连接公交线路站点节点和公交站台节点；和/或
若步行交通网络与自驾交通网络融合，则将自驾交通网络的停车场节点匹配至投影距离最近的步行路段，并基于停车场投影节点将步行路段打断，连接停车场投影节点与步行路段节点，并连接停车场投影节点与停车场节点；和/或
若步行交通网路与轨道交通网络融合，则将轨道交通网络的轨道出入口站点和轨道电梯节点匹配至投影距离最近的步行路段，并基于投影节点将步行路段打断，依次连接轨道出入口投影节点、轨道电梯投影节点和步行路段节点；和/或
若步行交通网络与枢纽交通网络融合，则将枢纽交通网络的枢纽出入口节点匹配至投影距离最近的步行路段，并基于枢纽出入口投影节点将步行路段打断，连接枢纽出入口投影节点与步行路段节点，并连接枢纽出入口投影节点与枢纽出入口节点。
优选的，将多模式网络图谱拓扑模型的相对位置坐标转为绝对地理坐标，包括：
计算BIM模型原点坐标；
将相对位置坐标转换为绝对位置坐标；
将绝对位置坐标转换为绝对地理坐标，其中，将绝对位置坐标转换为绝对地理坐标的公式如下：
其中，latitude和longitude分别为模型地理坐标系下的纬度和经度，height为高度，e为椭球体的偏心率，latitude0和longitude0分别为BIM模型原点的纬度和经度，x、y和z分别为绝对位置坐标系下的坐标值，N为卯酉圈半径，p为子午线曲率半径。
优选的，对多模式网络图谱拓扑模型中的网络特征参数进行标定，包括：
对自驾交通网络特征参数进行标定：所述自驾交通网络特征参数至少包括道路通行能力、路段自由流速度、流量-密度-速度关系模型、路段阻抗函数和路段广义出行成本：
（1）道路通行能力标定：基于历史路段流量数据并按道路类型进行分组标定道路通行能力；
（2）路段自由流速度标定：基于车辆GPS数据，利用隐马尔可夫地图匹配算法将GPS轨迹匹配至自驾道路路段，取历史半年的GPS数据，将6:00-24:00时段按5分钟一个时间片统计计算每个时间片的平均行程速度的算术平均值，将计算的平均值从大到小排序，取排序结果的前24个时间片进行平均，标定路段自由流速度参数；
（3）流量-密度-速度关系模型标定：基于路段卡口流量数据及样本车辆通过路段的平均速度，按照不同交通相位状态信息，构建交通流密速模型，将交通流量和车速作为自变量和因变量，采用回归分析，拟合出密度和速度之间的关系，并确定统计参数对流量-密度-速度模型的关键参数进行标定；
（4）路段阻抗函数标定：基于路段卡口流量数据及样本车辆通过路段的平均速度数据，将交通流量和旅行时间作为自变量和因变量，采用最小二乘法，拟合出BPR函数的alpha和beta参数；
其中，t为道路的通行时间，t0为自由流的同行时间，q为交通流量，c为道路的最大交通流量，alpha和beta为常数，用于描述交通流量与旅行时间的关系；
（5）路段广义出行成本标定：路段广义出行成本至少包括车辆购置费用、运行费用、保险费用和车辆折旧费；
其中，为小汽车的提供者成本，单位为元/车×km；/>为小汽车支出的各种费用，单位为元/车×年；/>为小汽车的年运行公里数，单位为km/年。
优选的，对多模式网络图谱拓扑模型中的网络特征参数进行标定，包括：
对轨道交通网络特征参数进行标定：
所述轨道交通网络特征参数至少包括进出站时间、站内换乘时间、线路断面运行时间和轨道交通网络广义出行成本：
首先定义城市单位时间价值来将个人的出行时间折算为个人在活动中耗费相同的时间所能带来的效益；
其中，为城市国民生产总值，单位为元，/>为区域常驻人口，单位为人，Vot为城市单位时间价值，单位为元/小时；
（1）进出站时间标定：进出站时间参数包括步行进出站时间参数和电梯进出站时间参数/>，
=/>
=/>
其中，为轨道进出站步行距离，/>为步行平均速度，/>为轨道进出站电梯行进距离，/>为电梯平均速度；
（2）站内换乘时间标定：站内换乘步行时间=/>，/>为轨道站内换乘步行距离，其中，/>为步行平均速度；
（3）线路断面运行时间标定：基于轨道运营班次数据计算轨道线路相邻站间运行时间，并分线路、分时间段计算轨道线路断面平均运行时间/>=/>，其中，i和j为断面起始终止站点编号，k为线路编号，s为所属时间段，s为1代表早高峰，s为2代表晚高峰，s为3代表平峰；n为轨道运行班次编号；
（4）轨道交通网络广义出行成本标定：轨道交通网络广义出行成本至少包括步行进出站成本、电梯进出站成本/>、站内换乘步行成本/>和线路断面运行成本/>；
=/>*/>*/>
=/>*/>*/>
=/>*/>*/>
=/>*/>*/>
其中，为步行时间价值系数，/>为步行进出站时间，单位为小时，为乘坐电梯时间价值时间系数，/>为电梯进出站时间，单位为小时，为轨道站内步换乘时间价值系数，/>为轨道站内步换乘时间，单位为小时，/>为轨道时间价值系数，/>为轨道线路断面平均运行时间，单位为小时。
优选的，对多模式网络图谱拓扑模型中的网络特征参数进行标定，包括：
对公交交通网络特征参数进行标定：
所述公交交通网络特征参数至少包括线路断面运行时间和断面广义出行成本：
首先定义城市单位时间价值来将个人的出行时间折算为个人在活动中耗费相同的时间所能带来的效益；
其中，为城市国民生产总值，单位为元，/>为区域常驻人口，单位为人，Vot为城市单位时间价值，单位为元/小时；
（1）线路断面运行时间标定：基于公交车到站离站数据计算公交线路相邻站间运行时间，并分线路、分时间段计算公交线路断面平均运行时间/>=/>，其中，i和j为断面起始终止站点编号，k为线路编号，s为所属时间段，s为1代表早高峰，s为2代表晚高峰，s为3代表平峰；n为公交车编号；
（2）断面广义出行成本标定：基于城市单位时间价值和公交线路断面平均运行时间/>，计算断面广义出行成本/>，/>*/>*/>，其中，/>为公交出行价值时间系数。
优选的，对多模式网络图谱拓扑模型中的网络特征参数进行标定，包括：
对步行交通网络特征参数进行标定：
所述步行交通网络特征参数至少包括步行路段时间和路段广义出行成本；
首先定义城市单位时间价值来将个人的出行时间折算为个人在活动中耗费相同的时间所能带来的效益；
其中，为城市国民生产总值，单位为元，/>为区域常驻人口，单位为人，Vot为城市单位时间价值，单位为元/小时；
（1）步行路段时间标定：基于步行路段长度和步行平均速度/>的比值标定步行路段步行时间参数/>，其中i为步行路段编号；
（2）路段广义出行成本标定：
*/>*/>
其中，为路段广义出行成本，其中i为步行路段编号，单位为元，/>为步行出行价值时间系数，/>为城市单位时间价值，单位为元/小时，/>为步行路段步行时间，单位为小时。
优选的，对多模式网络图谱拓扑模型中的网络特征参数进行标定，包括：
对枢纽交通网络特征参数进行标定：
所述枢纽交通网络特征参数至少包括枢纽内步行时间、枢纽内乘坐电梯时间和枢纽广义出行成本；
首先定义城市单位时间价值来将个人的出行时间折算为个人在活动中耗费相同的时间所能带来的效益；
其中，为城市国民生产总值，单位为元，/>为区域常驻人口，单位为人，Vot为城市单位时间价值，单位为元/小时；
（1）枢纽内步行时间标定：枢纽内步行时间，其中，/>为枢纽内部步行弧距离，/>为步行平均速度；
（2）枢纽内乘坐电梯时间标定：枢纽内乘坐电梯时间，其中，/>为枢纽内部电梯行进距离，/>为电梯平均速度；
（3）枢纽广义出行成本标定：枢纽广义出行成本包含枢纽内步行成本参数和枢纽内乘坐电梯成本参数/>；
=/>*/>*/>
=/>*/>*/>
其中，为步行时间价值系数，/>为枢纽内步行时间，单位为小时，为乘坐电梯时间价值时间系数，/>为枢纽内乘坐电梯时间，单位为小时。
与现有技术相比，本发明的有益效果是：
本发明提出了一套集BIM模型交通要素解析-多模式交通网络拓扑建模-可计算网络属性参数标定于一体的多模式交通可计算空间建模方法流程，城市级交通可计算空间建模时间由数百人月缩短至数十人月，整体建模效率提升50%以上。
本专利技术相比传统的GIS建模具有数据精度高、多维度信息集成等优势，能够为规划和设计提供更加全面、准确、高效和可持续的数据支持：
（1）数据精度高：BIM模型精确地记录建筑物和设施的几何信息和属性信息，能够为建模提供高精度的数据支持。
（2）多维度信息集成：本专利技术集成自驾、枢纽、轨道、公交、步行等多种交通模式的交通设施的信息，能够建立完整的交通网络模型，可支撑路径规划、多模式交通仿真等多种分析和决策方法。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明建模方法流程图。
图2是枢纽BIM模型示意图。
图3是枢纽BIM交通要素抽取示意图。
图4是枢纽交通网络内部空间拓扑连接示意图。
图5是道路BIM模型示意图。
图6是道路BIM交通要素抽取示意图。
图7是自驾交通网络拓扑连接示意图。
图8是步行BIM模型示意图。
图9是步行交通网络拓扑连接示意图。
图10是公交交通网络拓扑连接示意图。
图11是轨道BIM模型示意图。
图12是轨道BIM交通要素提取示意图。
图13是多模式交通网络拓扑建模示意图。
图14是步行交通网络和公交交通网络拓扑融合示意图。
图15是步行交通网络和自驾交通网络拓扑融合示意图。
图16是步行交通网络和轨道交通网络拓扑融合示意图。
图17是步行交通网络和枢纽交通网络拓扑融合示意图。
具体实施方式
以下通过具体实施方式的描述对本发明作进一步说明，但这并非是对本发明的限制，本领域技术人员根据本发明的基本思想，可以做出各种修改或改进，但是只要不脱离本发明的基本思想，均在本发明的保护范围之内。
本发明提供的一种实施例如下:
参见图1，基于BIM的可计算多模式网络图谱拓扑模型的建模方法，包括以下具体步骤：
定义BIM模型中各个实体交通构件相对应的拓扑结构要素；
优选的，定义BIM模型中各个实体交通构件相对应的拓扑结构要素，包括：
所述实体交通构件为楼层，相对应的拓扑结构要素为网络层；和/或
所述实体交通构件为可行域，相对应的拓扑结构要素为步行弧；和/或
所述实体交通构件为障碍物，相对应的拓扑结构要素为孤立节点；和/或
所述实体交通构件为电梯，相对应的拓扑结构要素为电梯弧；和/或
所述实体交通构件为直梯，相对应的拓扑结构要素为直梯弧；
具体如下表1所示：
表1基于BIM的交通基础设施要素抽象
在单一交通模式下，根据该交通模式中的实体交通构件及其对应的拓扑结构要素，构建该交通模式对应的单一网络图谱拓扑模型，其中，单一交通模式为枢纽交通模式、自驾交通模式、步行交通模式、公交交通模式、轨道交通模式其中的一种；
重复上一步，以得到多种单一网络图谱拓扑模型；
优选的，在单一交通模式下，根据该交通模式中的实体交通构件及其对应的拓扑结构要素，构建该交通模式对应的单一网络图谱拓扑模型，包括：
参见图2至图3，若所述单一交通模式为枢纽交通模式，通过步行弧、楼梯弧、电梯弧将枢纽门节点、楼梯节点、电梯节点、出入口节点连接形成枢纽交通网络；和/或
参见图11至图12，若所述单一交通模式为轨道交通模式，基于BIM模型道路中间线作为轨道网络路段，轨道站内部可行域作为步行弧，通过轨道网络路段、电梯弧、直梯弧、步行弧将轨道站台节点、闸机节点、电梯节点、直梯节点、轨道出入口节点连接形成轨道交通网络；和/或
参见图5至图7，自驾交通网络的网络拓扑建模至少包括道路路段、交叉路口、公交站、人行天桥、停车位以及停车场；
其中，道路路段至少包括自驾路段、步行路段以及公交路段，自驾交通网络与步行交通网络基于BIM模型道路中间线分别作为自驾路段和步行路段，道路路段两端以及停车位质心点作为道路路段节点。
参见图8至图9，交叉路口的交通网络模型基于BIM模型道路中间线作为交叉路口路段，计算道路路段的线性交点作为交叉路口节点，通过连接交叉路口节点生成右转路段和左转路段。
参见图10，公交交通网络的网络模型基于BIM模型道路中间线作为公交网络路段，将公交站台质心作为公交网络节点。
参见图13，以步行交通网络为中间网络，以步行交通模式与轨道交通模式、公交交通模式、自驾交通模式、枢纽交通模式之间的换乘规则为策略，采用地图匹配算法将多种单一网络图谱拓扑模型融合，得到多模式网络图谱拓扑模型；
优选的，以步行交通网络为中间网络，以步行交通模式与轨道交通模式、公交交通模式、自驾交通模式、枢纽交通模式之间的换乘规则为策略，采用地图匹配算法将多种单一网络图谱拓扑模型融合，得到多模式网络图谱拓扑模型，包括：
参见图14，六边形图案为路段节点，三角形图案为公交站台节点，圆形图案为公交线路站点节点，单箭头实线为公交线路，双箭头实线为步行道路路段，单箭头虚线为虚拟换乘弧，若步行交通网络与公交交通网络融合，将公交交通网络的公交线路站点节点匹配至投影距离最近的步行路段，并基于公交站台投影节点将步行路段打断，连接公交站台节点和步行路段两端的步行路段节点，并连接公交线路站点节点和公交站台节点；和/或
参见图15，六边形图案为枢纽出入口节点，三角形图案为停车场节点，圆形图案为道路节点，五边形图案为停车场投影节点，单箭头实线为道路路段，双箭头实线为步行道路路段，单箭头虚线为虚拟换乘弧，若步行交通网络与自驾交通网络融合，将自驾交通网络的停车场节点匹配至投影距离最近的步行路段，并基于停车场投影节点将步行路段打断，连接停车场投影节点与步行路段节点，并连接停车场投影节点与停车场节点；和/或
参见图16，五边形图案为轨道电梯节点，六边形图案为步行路段节点，三角形图案为轨道站台节点，圆形图案为轨道线路站点，椭圆形图案为轨道出入口节点，矩形图案为闸机节点，无箭头实线为轨道线路，深色双箭头实线为步行弧，浅色双箭头实线为电梯弧，单箭头虚线为虚拟换乘弧，若步行交通网路与轨道交通网络融合，将轨道交通网络的轨道出入口站点和轨道电梯节点匹配至投影距离最近的步行路段，并基于投影节点将步行路段打断，依次连接轨道出入口投影节点、轨道电梯投影节点和步行路段节点；和/或
参见图17，六边形图案为步行路段节点，三角形图案为枢纽出入口投影节点，圆形图案为枢纽出入口节点，深色双箭头实线为步行道路路段，浅色双箭头实线为枢纽内部步行路段，若步行交通网络与枢纽交通网络融合，将枢纽交通网络的枢纽出入口节点匹配至投影距离最近的步行路段，并基于枢纽出入口投影节点将步行路段打断，连接枢纽出入口投影节点与步行路段节点，并连接枢纽出入口投影节点与枢纽出入口节点。
将多模式网络图谱拓扑模型的相对位置坐标转为绝对地理坐标；
优选的，将多模式网络图谱拓扑模型的相对位置坐标转为绝对地理坐标，包括：
计算BIM模型原点坐标；
计算BIM模型原点坐标将相对位置坐标转换为绝对位置坐标；
使用以下公式，将绝对位置坐标转换为地理坐标；
其中，latitude和longitude分别为模型地理坐标系下的纬度和经度，height为高度，e为椭球体的偏心率，latitude0和longitude0分别为BIM模型原点的纬度和经度，x、y和z分别为绝对位置坐标系下的坐标值，N为卯酉圈半径，p为子午线曲率半径。
相对坐标转地理坐标参数如下表2所示：
表2相对坐标转地理坐标参数
对多模式网络图谱拓扑模型中的网络特征参数进行标定，以使多模式网络图谱拓扑模型具有可计算能力，其中，所述网络特征参数至少包括枢纽交通网络特征参数、自驾交通网络特征参数、步行交通网络特征参数、公交交通网络特征参数、轨道交通网络特征参数其中的一种。
优选的，对多模式网络图谱拓扑模型中的网络特征参数进行标定，包括：
若对自驾交通网络特征参数进行标定：所述自驾交通网络特征参数至少包括道路通行能力、路段自由流速度、流量-密度-速度关系模型、路段阻抗函数和路段广义出行成本：
（1）道路通行能力标定：基于历史路段流量数据并按道路类型进行分组标定道路通行能力；
（2）路段自由流速度标定：基于车辆GPS数据，利用隐马尔可夫地图匹配算法将GPS轨迹匹配至自驾道路路段，取历史半年的GPS数据，将6:00-24:00时段按5分钟一个时间片统计计算每个时间片的平均行程速度的算术平均值，将计算的平均值从大到小排序，取排序结果的前24个时间片进行平均，标定路段自由流速度参数；
（3）流量-密度-速度关系模型标定：基于路段卡口流量数据及样本车辆通过路段的平均速度，按照不同交通相位状态信息，构建交通流密速模型，将交通流量和车速作为自变量和因变量，采用回归分析，拟合出密度和速度之间的关系，并确定统计参数对流量-密度-速度模型的关键参数进行标定；
（4）路段阻抗函数标定：基于路段卡口流量数据及样本车辆通过路段的平均速度数据，将交通流量和旅行时间作为自变量和因变量，采用最小二乘法，拟合出BPR函数的alpha和beta参数；
其中，t为道路的通行时间，t0为自由流的同行时间，q为交通流量，c为道路的最大交通流量，alpha和beta为常数，用于描述交通流量与旅行时间的关系；
（5）路段广义出行成本标定：路段广义出行成本至少包括车辆购置费用、运行费用、保险费用和车辆折旧费；
其中，为小汽车的提供者成本，单位为元/车×km；/>为小汽车支出的各种费用，单位为元/车×年；/>为小汽车的年运行公里数，单位为km/年。
小汽车使用成本数据距离如下表3所示：
表3小汽车使用成本数据
成本项 小汽车使用成本（元）
购置费 168000
养路费 1320
停车费 3000
维修保养费 1500
保险费 2500
年检费 90
百公里油耗 8.5
优选的，对多模式网络图谱拓扑模型中的网络特征参数进行标定，还包括：
若对轨道交通网络特征参数进行标定：所述轨道交通网络特征参数至少包括进出站时间、站内换乘时间、线路断面运行时间和轨道交通网络广义出行成本：
首先定义城市单位时间价值来将个人的出行时间折算为个人在活动中耗费相同的时间所能带来的效益；
其中，为城市国民生产总值，单位为元，/>为区域常驻人口，单位为人，Vot为城市单位时间价值，单位为元/小时；
（1）进出站时间标定：进出站时间参数包括步行进出站时间参数和电梯进出站时间参数/>，
=/>
=/>/>
其中，为轨道进出站步行距离，/>为步行平均速度，/>为轨道进出站电梯行进距离，/>为电梯平均速度；
（2）站内换乘时间标定：站内换乘步行时间=/>，/>为轨道站内换乘步行距离，其中，/>为步行平均速度；
（3）线路断面运行时间标定：基于轨道运营班次数据计算轨道线路相邻站间运行时间，并分线路、分时间段计算轨道线路断面平均运行时间/>=/>，其中，i和j为断面起始终止站点编号，k为线路编号，s为所属时间段，s为1代表早高峰，s为2代表晚高峰，s为3代表平峰；n为轨道运行班次编号；
（4）轨道交通网络广义出行成本标定：轨道交通网络广义出行成本至少包括步行进出站成本、电梯进出站成本/>、站内换乘步行成本/>和线路断面运行成本/>；
=/>*/>*/>
=/>*/>*/>
=/>*/>*/>
=/>*/>*/>
其中，为步行时间价值系数，/>优选取值为2，/>为步行进出站时间，单位为小时，/>为乘坐电梯时间价值时间系数，/>优选取值为1.5，/>为电梯进出站时间，单位为小时，/>为轨道站内步换乘时间价值系数，/>优选取值为2.5，/>为轨道站内步换乘时间，单位为小时，/>为轨道时间价值系数，优选取值为1，/>为轨道线路断面平均运行时间，单位为小时。
优选的，对多模式网络图谱拓扑模型中的网络特征参数进行标定，还包括：
若对公交交通网络特征参数进行标定：所述公交交通网络特征参数至少包括线路断面运行时间和断面广义出行成本：
首先定义城市单位时间价值来将个人的出行时间折算为个人在活动中耗费相同的时间所能带来的效益；/>
其中，为城市国民生产总值，单位为元，/>为区域常驻人口，单位为人，Vot为城市单位时间价值，单位为元/小时；
（1）线路断面运行时间标定：基于公交车到站离站数据计算公交线路相邻站间运行时间，并分线路、分时间段计算公交线路断面平均运行时间/>=/>，其中，i和j为断面起始终止站点编号，k为线路编号，s为所属时间段，s为1代表早高峰，s为2代表晚高峰，s为3代表平峰；n为公交车编号；
（2）断面广义出行成本标定：基于城市单位时间价值和公交线路断面平均运行时间/>，计算断面广义出行成本/>，/>*/>*/>，其中，/>为公交出行价值时间系数，/>优选取值为1。
优选的，对多模式网络图谱拓扑模型中的网络特征参数进行标定，还包括：
若对步行交通网络特征参数进行标定：所述步行交通网络特征参数至少包括步行路段时间和路段广义出行成本；
首先定义城市单位时间价值来将个人的出行时间折算为个人在活动中耗费相同的时间所能带来的效益；
其中，为城市国民生产总值，单位为元，/>为区域常驻人口，单位为人，Vot为城市单位时间价值，单位为元/小时；
（1）步行路段时间标定：基于步行路段长度和步行平均速度/>的比值标定步行路段步行时间参数/>，其中i为步行路段编号；
（2）路段广义出行成本标定：
*/>*/>
其中，为路段广义出行成本，其中i为步行路段编号，单位为元，/>为步行出行价值时间系数，/>优选取值为2，/>为城市单位时间价值，单位为元/小时，/>为步行路段步行时间，单位为小时。
优选的，对多模式网络图谱拓扑模型中的网络特征参数进行标定，还包括：
若对枢纽交通网络特征参数进行标定：所述枢纽交通网络特征参数至少包括枢纽内步行时间、枢纽内乘坐电梯时间和枢纽广义出行成本；
首先定义城市单位时间价值来将个人的出行时间折算为个人在活动中耗费相同的时间所能带来的效益；/>
其中，为城市国民生产总值，单位为元，/>为区域常驻人口，单位为人，Vot为城市单位时间价值，单位为元/小时；
（1）枢纽内步行时间标定：枢纽内步行时间，其中，/>为枢纽内部步行弧距离，/>为步行平均速度；
（2）枢纽内乘坐电梯时间标定：枢纽内乘坐电梯时间，其中，/>为枢纽内部电梯行进距离，/>为电梯平均速度；
（3）枢纽广义出行成本标定：枢纽广义出行成本包含枢纽内步行成本参数和枢纽内乘坐电梯成本参数/>；
=/>*/>*/>
=/>*/>*/>
其中，为步行时间价值系数，/>优选取值为2，/>为枢纽内步行时间，单位为小时，/>为乘坐电梯时间价值时间系数，/>优选取值为1.5，/>为枢纽内乘坐电梯时间，单位为小时。
本专利基于BIM模型交通语义抽取方法，提取了道路、轨道、枢纽等多种BIM模型的交通信息，将其抽象为交通网络模型的边、节点几何要素，同时基于实际交通运行逻辑规则，利用虚拟换乘边连接公交、轨道、自驾、步行等多种交通模式网络模型，实现网络融合，并基于实际道路流量检测数据、轨道运行排班数据和公交到离站数据，利用轨迹匹配算法多模式交通网络模型进行参数标定，构建多模式可计算交通网络数据底座，支撑多模式路径规划和多模式交通仿真。
（1）本发明提出的BIM模型交通要素解析方法,可从不同类型的BIM模型中快速提取交通语义信息。
（2）本发明提出的多模式交通网络拓扑建模方法，对交通要素信息进行实体抽象，并基于实际空间关系和交通规则实现不同实体间拓扑关系构建，形成连接关系完整的多模式交通网络拓扑图。
（3）本专利提出的交通网络属性参数标定方法基于大量的交通大数据，利用数据拟合，轨迹匹配等方法标定交通网络模型参数，提升模型整体的精度。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变，因此，举凡所述技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (8)

1.基于BIM的可计算多模式网络图谱拓扑模型的建模方法，其特征在于，包括以下具体步骤：
定义BIM模型中各个实体交通构件相对应的拓扑结构要素；
在单一交通模式下，根据该交通模式中的实体交通构件及其对应的拓扑结构要素，构建该交通模式对应的单一网络图谱拓扑模型，其中，单一交通模式为枢纽交通模式、自驾交通模式、步行交通模式、公交交通模式、轨道交通模式其中的一种；
重复上一步，以得到多种单一网络图谱拓扑模型；
以步行交通网络为中间网络，以步行交通模式与轨道交通模式、公交交通模式、自驾交通模式、枢纽交通模式之间的换乘规则为策略，采用地图匹配算法将多种单一网络图谱拓扑模型融合，得到多模式网络图谱拓扑模型；
将多模式网络图谱拓扑模型的相对位置坐标转为绝对地理坐标；
对多模式网络图谱拓扑模型中的网络特征参数进行标定，以使多模式网络图谱拓扑模型具有可计算能力，其中，所述网络特征参数至少包括枢纽交通网络特征参数、自驾交通网络特征参数、步行交通网络特征参数、公交交通网络特征参数、轨道交通网络特征参数其中的一种；
以步行交通网络为中间网络，以步行交通模式与轨道交通模式、公交交通模式、自驾交通模式、枢纽交通模式之间的换乘规则为策略，采用地图匹配算法将多种单一网络图谱拓扑模型融合，得到多模式网络图谱拓扑模型，包括：
若步行交通网络与公交交通网络融合，则将公交交通网络的公交线路站点节点匹配至投影距离最近的步行路段，并基于公交站台投影节点将步行路段打断，连接公交站台节点和步行路段两端的步行路段节点，并连接公交线路站点节点和公交站台节点；和/或
若步行交通网络与自驾交通网络融合，则将自驾交通网络的停车场节点匹配至投影距离最近的步行路段，并基于停车场投影节点将步行路段打断，连接停车场投影节点与步行路段节点，并连接停车场投影节点与停车场节点；和/或
若步行交通网路与轨道交通网络融合，则将轨道交通网络的轨道出入口站点和轨道电梯节点匹配至投影距离最近的步行路段，并基于投影节点将步行路段打断，依次连接轨道出入口投影节点、轨道电梯投影节点和步行路段节点；和/或
若步行交通网络与枢纽交通网络融合，则将枢纽交通网络的枢纽出入口节点匹配至投影距离最近的步行路段，并基于枢纽出入口投影节点将步行路段打断，连接枢纽出入口投影节点与步行路段节点，并连接枢纽出入口投影节点与枢纽出入口节点；
将多模式网络图谱拓扑模型的相对位置坐标转为绝对地理坐标，包括：
计算BIM模型原点坐标；
将相对位置坐标转换为绝对位置坐标；
将绝对位置坐标转换为绝对地理坐标，其中，将绝对位置坐标转换为绝对地理坐标的公式如下：
其中，latitude和longitude分别为模型地理坐标系下的纬度和经度，height为高度，e为椭球体的偏心率，latitude0和longitude0分别为BIM模型原点的纬度和经度，x、y和z分别为绝对位置坐标系下的坐标值，N为卯酉圈半径，p为子午线曲率半径。
2.根据权利要求1所述的基于BIM的可计算多模式网络图谱拓扑模型的建模方法，其特征在于，定义BIM模型中各个实体交通构件相对应的拓扑结构要素，包括：
所述实体交通构件为楼层，相对应的拓扑结构要素为网络层；和/或
所述实体交通构件为可行域，相对应的拓扑结构要素为步行弧；和/或
所述实体交通构件为障碍物，相对应的拓扑结构要素为孤立节点；和/或
所述实体交通构件为电梯，相对应的拓扑结构要素为电梯弧；和/或
所述实体交通构件为直梯，相对应的拓扑结构要素为直梯弧。
3.根据权利要求1所述的基于BIM的可计算多模式网络图谱拓扑模型的建模方法，其特征在于，在单一交通模式下，根据该交通模式中的实体交通构件及其对应的拓扑结构要素，构建该交通模式对应的单一网络图谱拓扑模型，包括：
若所述单一交通模式为枢纽交通模式，则通过步行弧、楼梯弧、电梯弧将枢纽门节点、楼梯节点、电梯节点、出入口节点连接形成枢纽交通网络；和/或
若所述单一交通模式为轨道交通模式，则通过轨道网络路段、电梯弧、直梯弧、步行弧将轨道站台节点、闸机节点、电梯节点、直梯节点、轨道出入口节点连接形成轨道交通网络。
4.根据权利要求1所述的基于BIM的可计算多模式网络图谱拓扑模型的建模方法，其特征在于，对多模式网络图谱拓扑模型中的网络特征参数进行标定，包括：
对自驾交通网络特征参数进行标定：
所述自驾交通网络特征参数至少包括道路通行能力、路段自由流速度、流量-密度-速度关系模型、路段阻抗函数和路段广义出行成本：
（1）道路通行能力标定：基于历史路段流量数据并按道路类型进行分组标定道路通行能力；
（2）路段自由流速度标定：基于车辆GPS数据，利用隐马尔可夫地图匹配算法将GPS轨迹匹配至自驾道路路段，取历史半年的GPS数据，将6:00-24:00时段按5分钟一个时间片统计计算每个时间片的平均行程速度的算术平均值，将计算的平均值从大到小排序，取排序结果的前24个时间片进行平均，标定路段自由流速度参数；
（3）流量-密度-速度关系模型标定：基于路段卡口流量数据及样本车辆通过路段的平均速度，按照不同交通相位状态信息，构建交通流密速模型，将交通流量和车速作为自变量和因变量，采用回归分析，拟合出密度和速度之间的关系，并确定统计参数对流量-密度-速度模型的关键参数进行标定；
（4）路段阻抗函数标定：基于路段卡口流量数据及样本车辆通过路段的平均速度数据，将交通流量和旅行时间作为自变量和因变量，采用最小二乘法，拟合出BPR函数的alpha和beta参数；
其中，t为道路的通行时间，t0为自由流的同行时间，q为交通流量，c为道路的最大交通流量，alpha和beta为常数，用于描述交通流量与旅行时间的关系；
（5）路段广义出行成本标定：路段广义出行成本至少包括车辆购置费用、运行费用、保险费用和车辆折旧费；
其中，为小汽车的提供者成本，单位为元/车×km；/>为小汽车支出的各种费用，单位为元/车×年；/>为小汽车的年运行公里数，单位为km/年。
5.根据权利要求1所述的基于BIM的可计算多模式网络图谱拓扑模型的建模方法，其特征在于，对多模式网络图谱拓扑模型中的网络特征参数进行标定，包括：
对轨道交通网络特征参数进行标定：
所述轨道交通网络特征参数至少包括进出站时间、站内换乘时间、线路断面运行时间和轨道交通网络广义出行成本：
首先定义城市单位时间价值来将个人的出行时间折算为个人在活动中耗费相同的时间所能带来的效益；
其中，为城市国民生产总值，单位为元，/>为区域常驻人口，单位为人，Vot为城市单位时间价值，单位为元/小时；
（1）进出站时间标定：进出站时间参数包括步行进出站时间参数和电梯进出站时间参数/>，
=/>
=/>
其中，为轨道进出站步行距离，/>为步行平均速度，/>为轨道进出站电梯行进距离，/>为电梯平均速度；
（2）站内换乘时间标定：站内换乘步行时间=/>，/>为轨道站内换乘步行距离，其中，/>为步行平均速度；
（3）线路断面运行时间标定：基于轨道运营班次数据计算轨道线路相邻站间运行时间，并分线路、分时间段计算轨道线路断面平均运行时间/>=/>，其中，i和j为断面起始终止站点编号，k为线路编号，s为所属时间段，s为1代表早高峰，s为2代表晚高峰，s为3代表平峰；n为轨道运行班次编号；
（4）轨道交通网络广义出行成本标定：轨道交通网络广义出行成本至少包括步行进出站成本、电梯进出站成本/>、站内换乘步行成本/>和线路断面运行成本/>；
=/>*/>*/>
=/>*/>*/>
=/>*/>*/>
=/>*/>*/>
其中，为步行时间价值系数，/>为步行进出站时间，单位为小时，/>为乘坐电梯时间价值时间系数，/>为电梯进出站时间，单位为小时，/>为轨道站内步换乘时间价值系数，/>为轨道站内步换乘时间，单位为小时，/>为轨道时间价值系数，/>为轨道线路断面平均运行时间，单位为小时。
6.根据权利要求1所述的基于BIM的可计算多模式网络图谱拓扑模型的建模方法，其特征在于，对多模式网络图谱拓扑模型中的网络特征参数进行标定，包括：
对公交交通网络特征参数进行标定：
所述公交交通网络特征参数至少包括线路断面运行时间和断面广义出行成本：
首先定义城市单位时间价值来将个人的出行时间折算为个人在活动中耗费相同的时间所能带来的效益；
其中，为城市国民生产总值，单位为元，/>为区域常驻人口，单位为人，Vot为城市单位时间价值，单位为元/小时；
（1）线路断面运行时间标定：基于公交车到站离站数据计算公交线路相邻站间运行时间，并分线路、分时间段计算公交线路断面平均运行时间/>=/>，其中，i和j为断面起始终止站点编号，k为线路编号，s为所属时间段，s为1代表早高峰，s为2代表晚高峰，s为3代表平峰；n为公交车编号；
（2）断面广义出行成本标定：基于城市单位时间价值和公交线路断面平均运行时间，计算断面广义出行成本/>，/>*/>*/>，其中，/>为公交出行价值时间系数。
7.根据权利要求1所述的基于BIM的可计算多模式网络图谱拓扑模型的建模方法，其特征在于，对多模式网络图谱拓扑模型中的网络特征参数进行标定，包括：
对步行交通网络特征参数进行标定：
所述步行交通网络特征参数至少包括步行路段时间和路段广义出行成本；
首先定义城市单位时间价值来将个人的出行时间折算为个人在活动中耗费相同的时间所能带来的效益；
其中，为城市国民生产总值，单位为元，/>为区域常驻人口，单位为人，Vot为城市单位时间价值，单位为元/小时；
（1）步行路段时间标定：基于步行路段长度和步行平均速度/>的比值标定步行路段步行时间参数/>，其中i为步行路段编号；
（2）路段广义出行成本标定：
*/>*/>
其中，为路段广义出行成本，其中i为步行路段编号，单位为元，/>为步行出行价值时间系数，/>为城市单位时间价值，单位为元/小时，/>为步行路段步行时间，单位为小时。
8.根据权利要求1所述的基于BIM的可计算多模式网络图谱拓扑模型的建模方法，其特征在于，对多模式网络图谱拓扑模型中的网络特征参数进行标定，包括：
对枢纽交通网络特征参数进行标定：
所述枢纽交通网络特征参数至少包括枢纽内步行时间、枢纽内乘坐电梯时间和枢纽广义出行成本；
首先定义城市单位时间价值来将个人的出行时间折算为个人在活动中耗费相同的时间所能带来的效益；
其中，为城市国民生产总值，单位为元，/>为区域常驻人口，单位为人，Vot为城市单位时间价值，单位为元/小时；
（1）枢纽内步行时间标定：枢纽内步行时间，其中，/>为枢纽内部步行弧距离，/>为步行平均速度；
（2）枢纽内乘坐电梯时间标定：枢纽内乘坐电梯时间，其中，为枢纽内部电梯行进距离，/>为电梯平均速度；
（3）枢纽广义出行成本标定：枢纽广义出行成本包含枢纽内步行成本参数和枢纽内乘坐电梯成本参数/>；
=/>*/>*/>
=/>*/>*/>
其中，为步行时间价值系数，/>为枢纽内步行时间，单位为小时，/>为乘坐电梯时间价值时间系数，/>为枢纽内乘坐电梯时间，单位为小时。
CN202310889371.9A 2023-07-20 2023-07-20 基于bim的可计算多模式网络图谱拓扑模型的建模方法 Active CN116611155B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310889371.9A CN116611155B (zh) 2023-07-20 2023-07-20 基于bim的可计算多模式网络图谱拓扑模型的建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310889371.9A CN116611155B (zh) 2023-07-20 2023-07-20 基于bim的可计算多模式网络图谱拓扑模型的建模方法

Publications (2)

Publication Number Publication Date
CN116611155A CN116611155A (zh) 2023-08-18
CN116611155B true CN116611155B (zh) 2023-12-01

Family

ID=87682255

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310889371.9A Active CN116611155B (zh) 2023-07-20 2023-07-20 基于bim的可计算多模式网络图谱拓扑模型的建模方法

Country Status (1)

Country Link
CN (1) CN116611155B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108806259A (zh) * 2018-01-15 2018-11-13 江苏壹鼎崮机电科技有限公司 基于bim的交通管制模型构建及标注方法
CN109815604A (zh) * 2019-01-30 2019-05-28 中交第二公路勘察设计研究院有限公司 基于建筑要素拓扑关系的bim室内空间连通图构建方法
WO2021068602A1 (zh) * 2019-10-10 2021-04-15 北京全路通信信号研究设计院集团有限公司 一种多制式多业务轨道交通仿真模拟方法及系统
CN114818056A (zh) * 2022-04-06 2022-07-29 深圳市同鑫科技有限公司 基于bim技术的交通数据集成方法、装置、设备及介质
CN115081910A (zh) * 2022-06-30 2022-09-20 东南大学 城市多模式公共交通网络的鲁棒性评估方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102110128A (zh) * 2009-12-28 2011-06-29 日电（中国）有限公司 基于交通信息元素知识库的交通信息转化方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108806259A (zh) * 2018-01-15 2018-11-13 江苏壹鼎崮机电科技有限公司 基于bim的交通管制模型构建及标注方法
CN109815604A (zh) * 2019-01-30 2019-05-28 中交第二公路勘察设计研究院有限公司 基于建筑要素拓扑关系的bim室内空间连通图构建方法
WO2021068602A1 (zh) * 2019-10-10 2021-04-15 北京全路通信信号研究设计院集团有限公司 一种多制式多业务轨道交通仿真模拟方法及系统
CN114818056A (zh) * 2022-04-06 2022-07-29 深圳市同鑫科技有限公司 基于bim技术的交通数据集成方法、装置、设备及介质
CN115081910A (zh) * 2022-06-30 2022-09-20 东南大学 城市多模式公共交通网络的鲁棒性评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
多模式城市交通网络拓扑集成模型及出行路径分析;陈少沛等;测绘科学;第38卷(第06期);119-121 *

Also Published As

Publication number Publication date
CN116611155A (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
CN113470365B (zh) 一种面向有缺失数据的公交车到站时间预测方法
CN110298500B (zh) 一种基于出租车数据和城市路网的城市交通轨迹数据集生成方法
CN109686091B (zh) 一种基于多源数据融合的交通流量填补算法
CN112784000B (zh) 基于出租车轨迹数据的寻客方法
CN103680127A (zh) 一种利用低采样率浮动车数据计算信号灯控制道路交叉口延误的方法
CN112419131B (zh) 交通起讫点需求估算方法
CN109460937B (zh) 评价轨道站点周边慢行交通系统接驳水平的流程与方法
CN111275965A (zh) 一种基于互联网大数据的实时交通仿真分析系统与方法
Eash Destination and mode choice models for nonmotorized travel
CN108876075B (zh) 城市轨道交通站点地区宜步行性评价方法
Yang et al. Spatially Varying Relation between Built Environment and Station‐Level Subway Passenger‐Distance
CN111914052B (zh) 一种区域空间关联关系确定方法及装置
Ahmed et al. A GIS-assisted optimal Baghdad metro route selection based on multi criteria decision making
Lian et al. Advances in estimating pedestrian measures through artificial intelligence: From data sources, computer vision, video analytics to the prediction of crash frequency
CN117273262A (zh) 一种洪涝灾害下城市多模式交通网络功能韧性的评估方法
CN116611155B (zh) 基于bim的可计算多模式网络图谱拓扑模型的建模方法
Lai Optimization of station locations and track alignments for rail transit lines
Yuanqing et al. OD matrix estimation for urban expressway
Akbardin Evaluation Of Parking Area Sport Activities Base On Land Use Needs Education Activities System
Kim et al. Estimating pedestrian traffic volume: A preliminary analysis
Holm et al. Utilizing Mixture Density Networks for Travel Time Probability Distribution Predictions
Kapoor et al. Examination of metro stations pedestrian accessibility for all using open data kit: A case study of Noida City in India
Vanderwoerd Examining the effects of autonomous vehicle ride sharing services on fixed-route public transit
Alkawaaz et al. A GIS-ASSISTED PREDICTION TRAVEL DEMAND ON METRO NETWORK (BAGHDAD CASE STUDY)
Steiner et al. Refinement of the roadway segment level of service

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