CN117274886B - 一种现状停车供需资源关系的数据分析方法 - Google Patents
一种现状停车供需资源关系的数据分析方法 Download PDFInfo
- Publication number
- CN117274886B CN117274886B CN202310980518.5A CN202310980518A CN117274886B CN 117274886 B CN117274886 B CN 117274886B CN 202310980518 A CN202310980518 A CN 202310980518A CN 117274886 B CN117274886 B CN 117274886B
- Authority
- CN
- China
- Prior art keywords
- supply
- demand
- demand analysis
- current parking
- parking
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000007405 data analysis Methods 0.000 title claims abstract description 36
- 238000004458 analytical method Methods 0.000 claims abstract description 610
- 230000011664 signaling Effects 0.000 claims abstract description 93
- 238000011835 investigation Methods 0.000 claims abstract description 68
- 230000003068 static effect Effects 0.000 claims description 58
- 238000010408 sweeping Methods 0.000 claims description 37
- 238000012549 training Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 abstract description 8
- 239000002699 waste material Substances 0.000 abstract description 6
- 238000012800 visualization Methods 0.000 abstract 1
- 238000011160 research Methods 0.000 description 9
- 238000012937 correction Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002688 persistence Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种现状停车供需资源关系的数据分析方法，包括以下步骤：利用SVM算法对一组供需分析单元进行分析分类得到供需分析单元适用的分析类别，利用信令数据分析方式获取供需分析单元的现状停车的停车供需资源关系，最终将每个供需分析单元的停车供需资源关系对应录入至现状停车供需资源关系分析区域的每个街区的GIS数据库。本发明实现不同区域采用不同的停车供需关系识别方法，针对性更强，而且避免了无效冗余的普查步骤造成的人力物力浪费，提高了停车供需关系的分析效率，现状停车需求普查的时间确定更加客观化、准确化，提高了现状停车供需关系的识别准确性实现了建立GIS图形化数据库，可视化及可操作性程度高。
Description
技术领域
本发明涉及停车现状分析技术领域，具体涉及一种现状停车供需资源关系的数据分析方法。
背景技术
随着经济的持续快速发展和机动车数量的不断攀升，城市停车供需矛盾逐年突出，“停车难”问题已成为各大城市迫切需要解决的民生问题。缓解城市停车难题，必须精准识别与分析城市现状停车供需的矛盾特性，包括停车规模、时空分布等特征。
目前受制于现状停车需求数据源的局限性，对停车供需特征的研究集中在两个方面：一方面，通过现状居民出行调查或其他停车特征抽样调查，估计对象区域某个时间点的停车供需规模与分布特征，但受调查时间点及调查样本量的限制，在持续性、全面性方面存在缺陷。另一方面，随着智慧停车数据采集系统的建立，部分研究得以通过平台介入的停车场动态数据，可以进行细致连续的停车时变特征分析，但受停车场数据样本量的限制，在区域评估的全面性方面存在缺陷。近年来，已有学者尝试利用车牌识别数据分析区域停车需求，很大程度解决了传统停车数据源样本量、时空精度不足带来的问题，但研究局限于时变停车需求，对时变供需匹配性情况的研究不足，即难以精准确定出停车数据样本的普查时间，而导致普查结果不可靠，从而造成现状停车供需关系的识别准确性较低，而且对所有区域的供需关系识别，采用相同方法进行分析，容易造成冗余分析，浪费人力物力。
发明内容
本发明的目的在于提供一种现状停车供需资源关系的数据分析方法，以解决现有技术中难以精准确定出停车数据样本的普查时间，而导致普查结果不可靠，从而造成现状停车供需关系的识别准确性较低，以及对所有区域的供需关系识别，采用相同方法进行分析，容易造成冗余分析，浪费人力物力的技术问题。
为解决上述技术问题，本发明具体提供下述技术方案：
一种现状停车供需资源关系的数据分析方法，包括以下步骤：
以街区为分析单元将现状停车供需资源关系分析区域划分为一组供需分析单元，利用SVM算法对一组供需分析单元进行分析分类得到供需分析单元适用的分析类别，其中，分析类别包括现状停车静态供需分析类，现状停车动态供需分析类，以及现状停车混合供需分析类；
对标记为现状停车静态供需分析类的供需分析单元，利用扫街调研方式获取供需分析单元的现状停车的停车供需资源关系；
对标记为现状停车动态供需分析类的供需分析单元，利用信令数据分析方式获取供需分析单元的现状停车的停车供需资源关系；
对标记为现状停车混合供需分析类的供需分析单元，利用扫街调研方式和信令数据分析方式获取供需分析单元的停车供需资源关系；
将每个供需分析单元的停车供需资源关系对应录入至现状停车供需资源关系分析区域的每个街区的GIS数据库，得到现状停车供需资源关系分析区域的现状停车供需资源关系数据库。
作为本发明的一种优选方案，所述利用SVM算法对一组供需分析单元进行分析分类得到供需分析单元适用的分析类别，包括：
在一组供需分析单元中依预设数量分别选取出归属于现状停车静态供需分析类的供需分析单元，归属于现状停车动态供需分析类的供需分析单元，以及归属于现状停车混合供需分析类的供需分析单元，并将选取出的归属于现状停车静态供需分析类的供需分析单元，归属于现状停车动态供需分析类的供需分析单元，以及归属于现状停车混合供需分析类的供需分析单元混合为分类器训练小样本集；
提取分类器训练小样本集中供需分析单元的人口分布特征、建筑性质特征、就业岗位特征以及公共交通特征，并将供需分析单元的人口分布特征、建筑性质特征、就业岗位特征以及公共交通特征作为分类器分类特征，将分类器训练小样本集中供需分析单元的分析类别作为分类器分类标签，分类器分类标签与供需分析单元的分析类别一一对应，所述分类器分类标签包括现状停车静态供需分析类标签，现状停车动态供需分析类标签，以及现状停车混合供需分析类标签；
利用SVM算法在分类器训练小样本集中以分类器分类特征和分类器分类标签进行分类器训练，得到供需分析单元的分析类别分类器，其中，
所述供需分析单元的分析类别分类器的函数表达式为：
Label＝SVM(S)；其中，Label为分类器分类标签，S为分类器分类特征，SVM为SVM算法；
将一组供需分析单元中每个供需分析单元的分类器分类特征进行提取并输入至供需分析单元的分析类别分类器中，获得每个供需分析单元的分析类别。
作为本发明的一种优选方案，所述对标记为现状停车静态供需分析类的供需分析单元，利用扫街调研方式获取供需分析单元的现状停车的停车供需资源关系，包括：
对标记为现状停车静态供需分析类的供需分析单元进行日间道路扫街调研，获得现状停车静态供需分析类的供需分析单元的日间道路停车数量；
对标记为现状停车静态供需分析类的供需分析单元进行夜间道路扫街调研，获得现状停车静态供需分析类的供需分析单元的夜间道路停车数量；
获取标记为现状停车静态供需分析类的供需分析单元中的规划停车泊位数量；
将日间道路停车数量与规划停车泊位数量的比值作为标记为现状停车静态供需分析类的供需分析单元的日间现状停车供需比，将夜间道路停车数量与规划停车泊位数量的比值作为标记为现状停车静态供需分析类的供需分析单元的夜间现状停车供需比；
利用标记为现状停车静态供需分析类的供需分析单元的日间现状停车供需比和夜间现状停车供需比对标记为现状停车静态供需分析类的供需分析单元的现状停车的停车供需资源关系进行数据化表达。
作为本发明的一种优选方案，所述对标记为现状停车动态供需分析类的供需分析单元，利用信令数据分析方式获取供需分析单元的现状停车的停车供需资源关系，包括：
将标记为现状停车动态供需分析类的供需分析单元依据供需分析单元的区域属性进行归类得到标记为现状停车动态供需分析类的各个区域属性类别供需分析单元；
利用手机信令数据确定标记为现状停车动态供需分析类的各个区域属性类别供需分析单元的停车数量普查时间；
分别在标记为现状停车动态供需分析类的各个区域属性类别供需分析单元的停车数量普查时间处进行道路扫街调研，得到标记为现状停车动态供需分析类的各个区域属性类别供需分析单元处的停车数量；
分别获取标记为现状停车动态供需分析类的各个区域属性类别供需分析单元处的规划停车泊位数量；
将标记为现状停车动态供需分析类的各个区域属性类别供需分析单元处的停车数量与规划停车泊位数量的比值对应作为标记为现状停车动态供需分析类的各个区域属性类别供需分析单元处的动态现状停车供需比；
利用标记为现状停车动态供需分析类的各个区域属性类别供需分析单元处的动态现状停车供需比对标记为现状停车动态供需分析类的供需分析单元的现状停车的停车供需资源关系进行数据化表达。
作为本发明的一种优选方案，所述停车数量普查时间的确定包括：
在标记为现状停车动态供需分析类的各个区域属性类别供需分析单元均分别选取出等数量的小样本量的核校样本，并依时序监测各个核校样本的手机信令数据得到手机信令数据时序系列；
设定手机信令数据时序系列的期望系列ET，其中ET＝{Et|t∈[0,24h]}，h为小时标识符，利用手机信令数据时序系列的期望系列ET与各个核校样本的手机信令数据时序系列进行相似性分析，并将最大相似度作为手机信令数据时序系列的期望系列ET的求解优化目标；
将各个核校样本的手机信令数据时序系列在每个时序处的手机信令数据最小值和手机信令数据最大值进行提取，将手机信令数据最小值依据时序排列得到手机信号数据最小系列，以及将手机信令数据最大值依据时序排列得到手机信号数据最大系列；
以手机信号数据最小系列和手机信号数据最大系列为搜索空间，对最大相似度的求解优化目标进行搜索求解得到手机信令数据时序系列的期望系列ET；
在手机信令数据时序系列的期望系列ET中取出手机信令数据的高峰阶段对应的时间作为标记为现状停车动态供需分析类的各个区域属性类别供需分析单元的停车数量普查时间；
所述求解优化目标的目标函数为：
式中，maxF为最大相似度，max为最大化运算符，Xi.t为第i个核校样本的手机信令数据时序系列中时序t处的手机信令数据，Et为手机信令数据时序系列的期望系列ET中时序t处的手机信令数据，n为核校样本的总数量，|Xi.t-Et|为Xi.t和Et间的欧式距离，i为计数变量，t为时序的标识符。
作为本发明的一种优选方案，所述标记为现状停车混合供需分析类的供需分析单元中扫街调研方式与标记为现状停车静态供需分析类的供需分析单元中扫街调研方式相一致，所述标记为现状停车混合供需分析类的供需分析单元中信令数据分析方式和所述标记为现状停车动态供需分析类的供需分析单元中信令数据分析方式相一致，其中，
标记为现状停车混合供需分析类的供需分析单元中扫街调研方式得到标记为现状停车混合供需分析类的供需分析单元的日间现状停车供需比和夜间现状停车供需比；
标记为现状停车混合供需分析类的供需分析单元中信令数据分析方式得到标记为现状停车动态供需分析类的各个区域属性类别供需分析单元处的混合现状停车供需比；
将标记为现状停车混合供需分析类的供需分析单元的日间现状停车供需比和夜间现状停车供需比，以及标记为现状停车动态供需分析类的各个区域属性类别供需分析单元处的混合现状停车供需比对标记为现状停车混合供需分析类的供需分析单元的现状停车的停车供需资源关系进行数据化表达。
作为本发明的一种优选方案，所述日间道路扫街调研、夜间道路扫街调研均采用对道路两侧和公共停车场的车辆停放情况进行视频和照片拍摄的手段进行扫街调研。
作为本发明的一种优选方案，在停车数量普查时间处同样利用对道路两侧和公共停车场的车辆停放情况进行视频和照片拍摄的手段进行扫街调研。
作为本发明的一种优选方案，将一组供需分析单元的人口分布特征、建筑性质特征、就业岗位特征以及公共交通特征进行归一化处理。
作为本发明的一种优选方案，所述将供需分析单元与现状停车供需资源关系分析区域的街区一一对应。
本发明与现有技术相比较具有如下有益效果：
本发明利用SVM算法对一组供需分析单元进行分析分类得到供需分析单元适用的分析类别，实现不同区域采用不同的停车供需关系识别方法，针对性更强，而且避免了无效冗余的普查步骤造成的人力物力浪费，提高了停车供需关系的分析效率，利用信令数据分析方式获取供需分析单元的现状停车的停车供需资源关系，现状停车需求普查的时间确定更加客观化、准确化，提高了现状停车供需关系的识别准确性，最终将每个供需分析单元的停车供需资源关系对应录入至现状停车供需资源关系分析区域的每个街区的GIS数据库，得到现状停车供需资源关系分析区域的现状停车供需资源关系数据库，实现了建立GIS图形化数据库，可供任意调取任何其区域的现状停车需求数据，可视化及可操作性程度高。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施例提供的现状停车供需资源关系的数据分析方法流程图；
图2为本发明实施例提供的现状停车供需资源关系数据库示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前受制于现状停车需求数据源的局限性，对停车供需特征的研究集中在两个方面：一方面，通过现状居民出行调查或其他停车特征抽样调查，估计对象区域某个时间点的停车供需规模与分布特征，但受调查时间点及调查样本量的限制，在持续性、全面性方面存在缺陷。另一方面，随着智慧停车数据采集系统的建立，部分研究得以通过平台介入的停车场动态数据，可以进行细致连续的停车时变特征分析，但受停车场数据样本量的限制，在区域评估的全面性方面存在缺陷。近年来，已有学者尝试利用车牌识别数据分析区域停车需求，很大程度解决了传统停车数据源样本量、时空精度不足带来的问题，但研究局限于时变停车需求，对时变供需匹配性情况的研究不足，即难以精准确定出停车数据样本的普查时间，而导致普查结果不可靠，从而造成现状停车供需关系的识别准确性较低。因此本发明提供一种现状停车供需资源关系的数据分析方法，利用实现不同区域采用不同的停车供需关系识别方法，针对性更强，而且避免了无效冗余的普查步骤造成的人力物力浪费，提高了停车供需关系的分析效率，利用信令数据分析方式获取供需分析单元的现状停车的停车供需资源关系，现状停车需求普查的时间确定更加客观化、准确化，提高了现状停车供需关系的识别准确性。
如图1所示，本发明提供了一种现状停车供需资源关系的数据分析方法，包括以下步骤：
以街区为分析单元将现状停车供需资源关系分析区域划分为一组供需分析单元，利用SVM算法对一组供需分析单元进行分析分类得到供需分析单元适用的分析类别，其中，分析类别包括现状停车静态供需分析类，现状停车动态供需分析类，以及现状停车混合供需分析类；
对标记为现状停车静态供需分析类的供需分析单元，利用扫街调研方式获取供需分析单元的现状停车的停车供需资源关系；
对标记为现状停车动态供需分析类的供需分析单元，利用信令数据分析方式获取供需分析单元的现状停车的停车供需资源关系；
对标记为现状停车混合供需分析类的供需分析单元，利用扫街调研方式和信令数据分析方式获取供需分析单元的停车供需资源关系；
如图2所示，将每个供需分析单元的停车供需资源关系对应录入至现状停车供需资源关系分析区域的每个街区的GIS数据库，得到现状停车供需资源关系分析区域的现状停车供需资源关系数据库。
本发明利用SVM算法对供需分析单元进行分类，从而实现针对性分析，现状停车静态供需分析类表明该供需分析单元对应的街区停车出行量较低甚至无停车出行，因此，只需要考虑基础的停车供需关系(仅为固定人员进行停车)即可，无需考虑停车出行造成的停车供需关系，进而对现状停车静态供需分析类的供需关系确定只需要利用静态供需分析方法即可得到较为准确的供需关系分析结果(扫街调研方式)，再使用动态供需分析方法(信令数据分析方式)只会造成人力物力的浪费，操作冗余性增强。
同样的现状停车动态供需分析类表明该供需分析单元对应的街区停车无基础性质的现状停车(固定的停车行为)，全靠街区出行量产生的停车供需关系，因此，只需要考虑出行的停车供需关系即可，无需考虑基础的停车供需关系，进而对现状停车静态供需分析类的供需关系确定只需要利用动态供需分析方法(信令数据分析方式)即可得到较为准确的供需关系分析结果，再使用静态供需分析方法(扫街调研方式)只会造成人力物力的浪费，操作冗余性增强。
现状停车混合供需分析类表明该供需分析单元对应的街区停车的供需关系是由基础的停车供需关系和出行的停车供需关系共同构成(也是现实场景下存在最多的情况)，对现状停车混合供需分析类的供需关系确定需要利用动态供需分析方法(信令数据分析方式)和静态供需分析方法(扫街调研方式)结合得到较为准确的供需关系分析结果，随着研究区域中街区的数量的越多，本发明提供的针对供需分析单元适用的分析类别进行不同的供需关系分析方法，能够避免更多的无效冗余分析步骤，提高分析效率的优势越显著，供需分析单元适用的分析类别的过程如下：
利用SVM算法对一组供需分析单元进行分析分类得到供需分析单元适用的分析类别，包括：
在一组供需分析单元中依预设数量分别选取出归属于现状停车静态供需分析类的供需分析单元，归属于现状停车动态供需分析类的供需分析单元，以及归属于现状停车混合供需分析类的供需分析单元，并将选取出的归属于现状停车静态供需分析类的供需分析单元，归属于现状停车动态供需分析类的供需分析单元，以及归属于现状停车混合供需分析类的供需分析单元混合为分类器训练小样本集；
提取分类器训练小样本集中供需分析单元的人口分布特征、建筑性质特征、就业岗位特征以及公共交通特征，并将供需分析单元的人口分布特征、建筑性质特征、就业岗位特征以及公共交通特征作为分类器分类特征，将分类器训练小样本集中供需分析单元的分析类别作为分类器分类标签，分类器分类标签与供需分析单元的分析类别一一对应，分类器分类标签包括现状停车静态供需分析类标签，现状停车动态供需分析类标签，以及现状停车混合供需分析类标签；
利用SVM算法在分类器训练小样本集中以分类器分类特征和分类器分类标签进行分类器训练，得到供需分析单元的分析类别分类器，其中，
供需分析单元的分析类别分类器的函数表达式为：
Label＝SVM(S)；其中，Label为分类器分类标签，S为分类器分类特征，SVM为SVM算法；
将一组供需分析单元中每个供需分析单元的分类器分类特征进行提取并输入至供需分析单元的分析类别分类器中，获得每个供需分析单元的分析类别。
本发明对现状停车静态供需分析类的供需关系确定只需要利用静态供需分析方法即可得到较为准确的供需关系分析结果(扫街调研方式)，扫街调研的准确性能够得到保障，具体过程如下：
对标记为现状停车静态供需分析类的供需分析单元，利用扫街调研方式获取供需分析单元的现状停车的停车供需资源关系，包括：
对标记为现状停车静态供需分析类的供需分析单元进行日间道路扫街调研，获得现状停车静态供需分析类的供需分析单元的日间道路停车数量；
对标记为现状停车静态供需分析类的供需分析单元进行夜间道路扫街调研，获得现状停车静态供需分析类的供需分析单元的夜间道路停车数量；
获取标记为现状停车静态供需分析类的供需分析单元中的规划停车泊位数量；
将日间道路停车数量与规划停车泊位数量的比值作为标记为现状停车静态供需分析类的供需分析单元的日间现状停车供需比，将夜间道路停车数量与规划停车泊位数量的比值作为标记为现状停车静态供需分析类的供需分析单元的夜间现状停车供需比；
利用标记为现状停车静态供需分析类的供需分析单元的日间现状停车供需比和夜间现状停车供需比对标记为现状停车静态供需分析类的供需分析单元的现状停车的停车供需资源关系进行数据化表达。
本发明对现状停车静态供需分析类的供需关系确定只需要利用动态供需分析方法(信令数据分析方式)，并且确定出停车数量普查时间，使得在出行停车高峰期对现状停车静态供需分析类的供需关系进行分析，能够更客观准确的掌握出行造成的现状停车供需关系，提高分析精度，具体如下：
对标记为现状停车动态供需分析类的供需分析单元，利用信令数据分析方式获取供需分析单元的现状停车的停车供需资源关系，包括：
将标记为现状停车动态供需分析类的供需分析单元依据供需分析单元的区域属性进行归类得到标记为现状停车动态供需分析类的各个区域属性类别供需分析单元，其中，供需分析单元的区域属性包括居住区类、商业区类、行政办公区类、商务办公区类、中小学教学区类、医院院区类、娱乐游览区类以及科教文化区类，各个区域属性类别供需分析单元包括居住区类供需分析单元、商业区类供需分析单元、行政办公区类供需分析单元、商务办公区类供需分析单元、中小学教学区类供需分析单元、医院院区类供需分析单元、娱乐游览区类供需分析单元以及科教文化区类供需分析单元；
具体的，将标记为现状停车动态供需分析类的供需分析单元依据居住区类供需分析单元、商业区类供需分析单元、行政办公区类供需分析单元、商务办公区类供需分析单元、中小学教学区类供需分析单元、医院院区类供需分析单元、娱乐游览区类供需分析单元以及科教文化区类供需分析单元进行归类；
利用手机信令数据确定标记为现状停车动态供需分析类的居住区类供需分析单元、标记为现状停车动态供需分析类的商业区类供需分析单元、标记为现状停车动态供需分析类的行政办公区类供需分析单元、标记为现状停车动态供需分析类的商务办公区类供需分析单元、标记为现状停车动态供需分析类的中小学教学区类供需分析单元、标记为现状停车动态供需分析类的医院院区类供需分析单元、标记为现状停车动态供需分析类的娱乐游览区类供需分析单元以及标记为现状停车动态供需分析类的科教文化区类供需分析单元的停车数量普查时间；
分别在标记为现状停车动态供需分析类的居住区类供需分析单元、标记为现状停车动态供需分析类的商业区类供需分析单元、标记为现状停车动态供需分析类的行政办公区类供需分析单元、标记为现状停车动态供需分析类的商务办公区类供需分析单元、标记为现状停车动态供需分析类的中小学教学区类供需分析单元、标记为现状停车动态供需分析类的医院院区类供需分析单元、标记为现状停车动态供需分析类的娱乐游览区类供需分析单元以及标记为现状停车动态供需分析类的科教文化区类供需分析单元的停车数量普查时间处进行道路扫街调研，得到标记为现状停车动态供需分析类的居住区类供需分析单元、标记为现状停车动态供需分析类的商业区类供需分析单元、标记为现状停车动态供需分析类的行政办公区类供需分析单元、标记为现状停车动态供需分析类的商务办公区类供需分析单元、标记为现状停车动态供需分析类的中小学教学区类供需分析单元、标记为现状停车动态供需分析类的医院院区类供需分析单元、标记为现状停车动态供需分析类的娱乐游览区类供需分析单元以及标记为现状停车动态供需分析类的科教文化区类供需分析单元处的停车数量；
分别获取标记为现状停车动态供需分析类的居住区类供需分析单元、标记为现状停车动态供需分析类的商业区类供需分析单元、标记为现状停车动态供需分析类的行政办公区类供需分析单元、标记为现状停车动态供需分析类的商务办公区类供需分析单元、标记为现状停车动态供需分析类的中小学教学区类供需分析单元、标记为现状停车动态供需分析类的医院院区类供需分析单元、标记为现状停车动态供需分析类的娱乐游览区类供需分析单元以及标记为现状停车动态供需分析类的科教文化区类供需分析单元处的规划停车泊位数量；
将标记为现状停车动态供需分析类的居住区类供需分析单元、标记为现状停车动态供需分析类的商业区类供需分析单元、标记为现状停车动态供需分析类的行政办公区类供需分析单元、标记为现状停车动态供需分析类的商务办公区类供需分析单元、标记为现状停车动态供需分析类的中小学教学区类供需分析单元、标记为现状停车动态供需分析类的医院院区类供需分析单元、标记为现状停车动态供需分析类的娱乐游览区类供需分析单元以及标记为现状停车动态供需分析类的科教文化区类供需分析单元处的停车数量与规划停车泊位数量的比值对应作为标记为现状停车动态供需分析类的居住区类供需分析单元、标记为现状停车动态供需分析类的商业区类供需分析单元、标记为现状停车动态供需分析类的行政办公区类供需分析单元、标记为现状停车动态供需分析类的商务办公区类供需分析单元、标记为现状停车动态供需分析类的中小学教学区类供需分析单元、标记为现状停车动态供需分析类的医院院区类供需分析单元、标记为现状停车动态供需分析类的娱乐游览区类供需分析单元以及标记为现状停车动态供需分析类的科教文化区类供需分析单元处的动态现状停车供需比；
利用标记为现状停车动态供需分析类的居住区类供需分析单元、标记为现状停车动态供需分析类的商业区类供需分析单元、标记为现状停车动态供需分析类的行政办公区类供需分析单元、标记为现状停车动态供需分析类的商务办公区类供需分析单元、标记为现状停车动态供需分析类的中小学教学区类供需分析单元、标记为现状停车动态供需分析类的医院院区类供需分析单元、标记为现状停车动态供需分析类的娱乐游览区类供需分析单元以及标记为现状停车动态供需分析类的科教文化区类供需分析单元处的动态现状停车供需比对标记为现状停车动态供需分析类的供需分析单元的现状停车的停车供需资源关系进行数据化表达。
本发明确定停车数量普查时间，利用相似度进行数据量化，确定的依据更为客观，而非人为主观判定，具体如下：
停车数量普查时间的确定包括：
在标记为现状停车动态供需分析类的居住区类供需分析单元或标记为现状停车动态供需分析类的商业区类供需分析单元或标记为现状停车动态供需分析类的行政办公区类供需分析单元或标记为现状停车动态供需分析类的商务办公区类供需分析单元或标记为现状停车动态供需分析类的中小学教学区类供需分析单元或标记为现状停车动态供需分析类的医院院区类供需分析单元或标记为现状停车动态供需分析类的娱乐游览区类供需分析单元或标记为现状停车动态供需分析类的科教文化区类供需分析单元选取出小样本量的核校样本，并依时序监测各个核校样本的手机信令数据得到手机信令数据时序系列；
设定手机信令数据时序系列的期望系列ET，其中ET＝{Et|t∈[0,24h]}，利用手机信令数据时序系列的期望系列ET与各个核校样本的手机信令数据时序系列进行相似性分析，并将最大相似度作为手机信令数据时序系列的期望系列ET的求解优化目标；
将各个核校样本的手机信令数据时序系列在每个时序处的手机信令数据最小值和手机信令数据最大值进行提取，将手机信令数据最小值依据时序排列得到手机信号数据最小系列，以及将手机信令数据最大值依据时序排列得到手机信号数据最大系列；
以手机信号数据最小系列和手机信号数据最大系列为搜索空间，对最大相似度的求解优化目标进行搜索求解得到手机信令数据时序系列的期望系列ET；
在手机信令数据时序系列的期望系列ET中取出手机信令数据的高峰阶段对应的时间作为标记为现状停车动态供需分析类的居住区类供需分析单元或标记为现状停车动态供需分析类的商业区类供需分析单元或标记为现状停车动态供需分析类的行政办公区类供需分析单元或标记为现状停车动态供需分析类的商务办公区类供需分析单元或标记为现状停车动态供需分析类的中小学教学区类供需分析单元或标记为现状停车动态供需分析类的医院院区类供需分析单元或标记为现状停车动态供需分析类的娱乐游览区类供需分析单元或标记为现状停车动态供需分析类的科教文化区类供需分析单元的停车数量普查时间；
求解优化目标的目标函数为：
式中，maxF为最大相似度，max为最大化运算符，Xi.t为第i个核校样本的手机信令数据时序系列中时序t处的手机信令数据，Et为手机信令数据时序系列的期望系列ET中时序t处的手机信令数据，n为核校样本的总数量，|Xi.t-Et|为Xi.t和Et间的欧式距离，i为计数变量，t为时序的标识符，h为小时标识符。
本发明中以最大化相似度为优化目标，能够使得求解出的手机信令数据时序系列的期望系列ET具有最佳的代表性，充分的表达出出行造成的现状停车高峰，泛化程度更高，提高停车数量普查时间的确定准确性，而且在确定出各个类别的停车数量普查时间后无需对每个该供需分析单元进行信令数据的监测，分析出停车数量普查时间了，直接进行先验应用即可自动化测算即可，比如，商务办公区停车数量普查时间确定，监测工作日和休息日作为商务办公区的供需分析单元在0-24h内的表征人流量的手机信令数据，形成手机信令数据时序系列，通过求解优化目标后确定出表征人流量的手机信令数据在工作日上午9-10点达到高峰，因此商务办公区停车数量普查时间确定为工作日上午9-10点，后续将标记为现状停车动态供需分析类的商业区类供需分析单元以及标记为现状停车混合供需分析类的商业区类供需分析单元的停车数量普查时间确定为工作日上午9-10点，娱乐游览区停车数量普查时间确定，监测工作日和休息日作为娱乐游览区的供需分析单元在0-24h内的表征人流量的手机信令数据，形成手机信令数据时序系列，通过求解优化目标后确定出表征人流量的手机信令数据在休息日下午2点达到高峰，因此娱乐游览区停车数量普查时间确定为工休息日下午2点，后续将标记为现状停车动态供需分析类的娱乐游览区类供需分析单元以及标记为现状停车混合供需分析类的娱乐游览区类供需分析单元的停车数量普查时间确定为休息日下午2点。
标记为现状停车混合供需分析类的供需分析单元中扫街调研方式与标记为现状停车静态供需分析类的供需分析单元中扫街调研方式相一致，标记为现状停车混合供需分析类的供需分析单元中信令数据分析方式和标记为现状停车动态供需分析类的供需分析单元中信令数据分析方式相一致，其中，
标记为现状停车混合供需分析类的供需分析单元中扫街调研方式得到标记为现状停车混合供需分析类的供需分析单元的日间现状停车供需比和夜间现状停车供需比；
标记为现状停车混合供需分析类的供需分析单元中信令数据分析方式得到标记为现状停车混合供需分析类的居住区类供需分析单元、标记为现状停车混合供需分析类的商业区类供需分析单元、标记为现状停车混合供需分析类的行政办公区类供需分析单元、标记为现状停车混合供需分析类的商务办公区类供需分析单元、标记为现状停车混合供需分析类的中小学教学区类供需分析单元、标记为现状停车混合供需分析类的医院院区类供需分析单元、标记为现状停车混合供需分析类的娱乐游览区类供需分析单元以及标记为现状停车混合供需分析类的科教文化区类供需分析单元处的混合现状停车供需比；
将标记为现状停车混合供需分析类的供需分析单元的日间现状停车供需比和夜间现状停车供需比，以及标记为现状停车混合供需分析类的居住区类供需分析单元、标记为现状停车混合供需分析类的商业区类供需分析单元、标记为现状停车混合供需分析类的行政办公区类供需分析单元、标记为现状停车混合供需分析类的商务办公区类供需分析单元、标记为现状停车混合供需分析类的中小学教学区类供需分析单元、标记为现状停车混合供需分析类的医院院区类供需分析单元、标记为现状停车混合供需分析类的娱乐游览区类供需分析单元以及标记为现状停车混合供需分析类的科教文化区类供需分析单元处的混合现状停车供需比对标记为现状停车混合供需分析类的供需分析单元的现状停车的停车供需资源关系进行数据化表达。
日间道路扫街调研、夜间道路扫街调研均采用对道路两侧和公共停车场的车辆停放情况进行视频和照片拍摄的手段进行扫街调研。
在停车数量普查时间处同样利用对道路两侧和公共停车场的车辆停放情况进行视频和照片拍摄的手段进行扫街调研。
将一组供需分析单元的人口分布特征、建筑性质特征、就业岗位特征以及公共交通特征进行归一化处理。
将供需分析单元与现状停车供需资源关系分析区域的街区一一对应。
本发明利用SVM算法对一组供需分析单元进行分析分类得到供需分析单元适用的分析类别，实现不同区域采用不同的停车供需关系识别方法，针对性更强，而且避免了无效冗余的普查步骤造成的人力物力浪费，提高了停车供需关系的分析效率，利用信令数据分析方式获取供需分析单元的现状停车的停车供需资源关系，现状停车需求普查的时间确定更加客观化、准确化，提高了现状停车供需关系的识别准确性，最终将每个供需分析单元的停车供需资源关系对应录入至现状停车供需资源关系分析区域的每个街区的GIS数据库，得到现状停车供需资源关系分析区域的现状停车供需资源关系数据库，实现了建立GIS图形化数据库，可供任意调取任何其区域的现状停车需求数据，可视化及可操作性程度高。
以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (8)
1.一种现状停车供需资源关系的数据分析方法，其特征在于，包括以下步骤：
以街区为分析单元将现状停车供需资源关系分析区域划分为一组供需分析单元，利用SVM算法对一组供需分析单元进行分析分类得到供需分析单元适用的分析类别，其中，分析类别包括现状停车静态供需分析类，现状停车动态供需分析类，以及现状停车混合供需分析类；
对标记为现状停车静态供需分析类的供需分析单元，利用扫街调研方式获取供需分析单元的现状停车的停车供需资源关系；
对标记为现状停车动态供需分析类的供需分析单元，利用信令数据分析方式获取供需分析单元的现状停车的停车供需资源关系；
对标记为现状停车混合供需分析类的供需分析单元，利用扫街调研方式和信令数据分析方式获取供需分析单元的停车供需资源关系；
将每个供需分析单元的停车供需资源关系对应录入至现状停车供需资源关系分析区域的每个街区的GIS数据库，得到现状停车供需资源关系分析区域的现状停车供需资源关系数据库；
所述对标记为现状停车静态供需分析类的供需分析单元，利用扫街调研方式获取供需分析单元的现状停车的停车供需资源关系，包括：
对标记为现状停车静态供需分析类的供需分析单元进行日间道路扫街调研，获得现状停车静态供需分析类的供需分析单元的日间道路停车数量；
对标记为现状停车静态供需分析类的供需分析单元进行夜间道路扫街调研，获得现状停车静态供需分析类的供需分析单元的夜间道路停车数量；
获取标记为现状停车静态供需分析类的供需分析单元中的规划停车泊位数量；
将日间道路停车数量与规划停车泊位数量的比值作为标记为现状停车静态供需分析类的供需分析单元的日间现状停车供需比，将夜间道路停车数量与规划停车泊位数量的比值作为标记为现状停车静态供需分析类的供需分析单元的夜间现状停车供需比；
利用标记为现状停车静态供需分析类的供需分析单元的日间现状停车供需比和夜间现状停车供需比对标记为现状停车静态供需分析类的供需分析单元的现状停车的停车供需资源关系进行数据化表达；
所述对标记为现状停车动态供需分析类的供需分析单元，利用信令数据分析方式获取供需分析单元的现状停车的停车供需资源关系，包括：
将标记为现状停车动态供需分析类的供需分析单元依据供需分析单元的区域属性进行归类得到标记为现状停车动态供需分析类的各个区域属性类别供需分析单元；
利用手机信令数据确定标记为现状停车动态供需分析类的各个区域属性类别供需分析单元的停车数量普查时间；
分别在标记为现状停车动态供需分析类的各个区域属性类别供需分析单元的停车数量普查时间处进行道路扫街调研，得到标记为现状停车动态供需分析类的各个区域属性类别供需分析单元处的停车数量；
分别获取标记为现状停车动态供需分析类的各个区域属性类别供需分析单元处的规划停车泊位数量；
将标记为现状停车动态供需分析类的各个区域属性类别供需分析单元处的停车数量与规划停车泊位数量的比值对应作为标记为现状停车动态供需分析类的各个区域属性类别供需分析单元处的动态现状停车供需比；
利用标记为现状停车动态供需分析类的各个区域属性类别供需分析单元处的动态现状停车供需比对标记为现状停车动态供需分析类的供需分析单元的现状停车的停车供需资源关系进行数据化表达。
2.根据权利要求1所述的一种现状停车供需资源关系的数据分析方法，其特征在于：所述利用SVM算法对一组供需分析单元进行分析分类得到供需分析单元适用的分析类别，包括：
在一组供需分析单元中依预设数量分别选取出归属于现状停车静态供需分析类的供需分析单元，归属于现状停车动态供需分析类的供需分析单元，以及归属于现状停车混合供需分析类的供需分析单元，并将选取出的归属于现状停车静态供需分析类的供需分析单元，归属于现状停车动态供需分析类的供需分析单元，以及归属于现状停车混合供需分析类的供需分析单元混合为分类器训练小样本集；
提取分类器训练小样本集中供需分析单元的人口分布特征、建筑性质特征、就业岗位特征以及公共交通特征，并将供需分析单元的人口分布特征、建筑性质特征、就业岗位特征以及公共交通特征作为分类器分类特征，将分类器训练小样本集中供需分析单元的分析类别作为分类器分类标签，分类器分类标签与供需分析单元的分析类别一一对应，所述分类器分类标签包括现状停车静态供需分析类标签，现状停车动态供需分析类标签，以及现状停车混合供需分析类标签；
利用SVM算法在分类器训练小样本集中以分类器分类特征和分类器分类标签进行分类器训练，得到供需分析单元的分析类别分类器，其中，
所述供需分析单元的分析类别分类器的函数表达式为：
Label=SVM(S)；其中，Label为分类器分类标签，S为分类器分类特征，SVM为SVM算法；
将一组供需分析单元中每个供需分析单元的分类器分类特征进行提取并输入至供需分析单元的分析类别分类器中，获得每个供需分析单元的分析类别。
3.根据权利要求1所述的一种现状停车供需资源关系的数据分析方法，其特征在于：所述停车数量普查时间的确定包括：
在标记为现状停车动态供需分析类的各个区域属性类别供需分析单元均分别选取出等数量的小样本量的核校样本，并依时序监测各个核校样本的手机信令数据得到手机信令数据时序系列；
设定手机信令数据时序系列的期望系列ET，其中ET={Et|t∈[0,24h]}，h为小时标识符，利用手机信令数据时序系列的期望系列ET与各个核校样本的手机信令数据时序系列进行相似性分析，并将最大相似度作为手机信令数据时序系列的期望系列ET的求解优化目标；
将各个核校样本的手机信令数据时序系列在每个时序处的手机信令数据最小值和手机信令数据最大值进行提取，将手机信令数据最小值依据时序排列得到手机信号数据最小系列，以及将手机信令数据最大值依据时序排列得到手机信号数据最大系列；
以手机信号数据最小系列和手机信号数据最大系列为搜索空间，对最大相似度的求解优化目标进行搜索求解得到手机信令数据时序系列的期望系列ET；
在手机信令数据时序系列的期望系列ET中取出手机信令数据的高峰阶段对应的时间作为标记为现状停车动态供需分析类的各个区域属性类别供需分析单元的停车数量普查时间；
所述求解优化目标的目标函数为：；式中，maxF为最大相似度，max为最大化运算符，X i.t 为第i个核校样本的手机信令数据时序系列中时序t处的手机信令数据，E t 为手机信令数据时序系列的期望系列ET中时序t处的手机信令数据，n为核校样本的总数量，|X i.t -E t |为X i.t 和E t 间的欧式距离，i为计数变量，t为时序的标识符。
4.根据权利要求3所述的一种现状停车供需资源关系的数据分析方法，其特征在于：所述标记为现状停车混合供需分析类的供需分析单元中扫街调研方式与标记为现状停车静态供需分析类的供需分析单元中扫街调研方式相一致，所述标记为现状停车混合供需分析类的供需分析单元中信令数据分析方式和所述标记为现状停车动态供需分析类的供需分析单元中信令数据分析方式相一致，其中，
标记为现状停车混合供需分析类的供需分析单元中扫街调研方式得到标记为现状停车混合供需分析类的供需分析单元的日间现状停车供需比和夜间现状停车供需比；
标记为现状停车混合供需分析类的供需分析单元中信令数据分析方式得到标记为现状停车动态供需分析类的各个区域属性类别供需分析单元处的混合现状停车供需比；
将标记为现状停车混合供需分析类的供需分析单元的日间现状停车供需比和夜间现状停车供需比，以及标记为现状停车动态供需分析类的各个区域属性类别供需分析单元处的混合现状停车供需比对标记为现状停车混合供需分析类的供需分析单元的现状停车的停车供需资源关系进行数据化表达。
5.根据权利要求1所述的一种现状停车供需资源关系的数据分析方法，其特征在于：所述日间道路扫街调研、夜间道路扫街调研均采用对道路两侧和公共停车场的车辆停放情况进行视频和照片拍摄的手段进行扫街调研。
6.根据权利要求1所述的一种现状停车供需资源关系的数据分析方法，其特征在于：在停车数量普查时间处同样利用对道路两侧和公共停车场的车辆停放情况进行视频和照片拍摄的手段进行扫街调研。
7.根据权利要求1所述的一种现状停车供需资源关系的数据分析方法，其特征在于：将一组供需分析单元的人口分布特征、建筑性质特征、就业岗位特征以及公共交通特征进行归一化处理。
8.根据权利要求1所述的一种现状停车供需资源关系的数据分析方法，其特征在于：将供需分析单元与现状停车供需资源关系分析区域的街区一一对应。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310980518.5A CN117274886B (zh) | 2023-08-04 | 2023-08-04 | 一种现状停车供需资源关系的数据分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310980518.5A CN117274886B (zh) | 2023-08-04 | 2023-08-04 | 一种现状停车供需资源关系的数据分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117274886A CN117274886A (zh) | 2023-12-22 |
| CN117274886B true CN117274886B (zh) | 2024-03-19 |
Family
ID=89211214
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310980518.5A Active CN117274886B (zh) | 2023-08-04 | 2023-08-04 | 一种现状停车供需资源关系的数据分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117274886B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108010331A (zh) * | 2017-12-29 | 2018-05-08 | 北京悦畅科技有限公司 | 智慧停车云平台管理系统 |
| CN110533038A (zh) * | 2019-09-04 | 2019-12-03 | 广州市交通规划研究院 | 一种基于信息数据的城市活力区和中心城区边界识别的方法 |
| CN111160867A (zh) * | 2019-12-31 | 2020-05-15 | 松立控股集团股份有限公司 | 大范围地域停车场大数据分析系统 |
| CN112288472A (zh) * | 2020-10-26 | 2021-01-29 | 上海市政工程设计研究总院（集团）有限公司 | 一种基于多源大数据的街道规划需求识别方法 |
| CN114549075A (zh) * | 2022-02-21 | 2022-05-27 | 合肥工业大学设计院(集团)有限公司 | 一种基于停车和视频大数据的区域停车评价方法 |
| KR102499426B1 (ko) * | 2022-04-21 | 2023-02-13 | 주식회사 태영알앤디 | 주차수급실태 조사 및 분석 시스템 및 그 방법 |
| CN115995149A (zh) * | 2022-12-06 | 2023-04-21 | 广州市交通运输研究院有限公司 | 一种基于多源数据的停车供需特征动态评估方法及系统 |
| CN116205530A (zh) * | 2023-02-17 | 2023-06-02 | 连云港海通市民一卡通有限公司 | 一种城市智慧停车规划方法及系统 |
| CN116308956A (zh) * | 2023-03-17 | 2023-06-23 | 中国测绘科学研究院 | 一种城市区域主导功能与规划用途差异检测的方法 |
-
2023
- 2023-08-04 CN CN202310980518.5A patent/CN117274886B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108010331A (zh) * | 2017-12-29 | 2018-05-08 | 北京悦畅科技有限公司 | 智慧停车云平台管理系统 |
| CN110533038A (zh) * | 2019-09-04 | 2019-12-03 | 广州市交通规划研究院 | 一种基于信息数据的城市活力区和中心城区边界识别的方法 |
| CN111160867A (zh) * | 2019-12-31 | 2020-05-15 | 松立控股集团股份有限公司 | 大范围地域停车场大数据分析系统 |
| CN112288472A (zh) * | 2020-10-26 | 2021-01-29 | 上海市政工程设计研究总院（集团）有限公司 | 一种基于多源大数据的街道规划需求识别方法 |
| CN114549075A (zh) * | 2022-02-21 | 2022-05-27 | 合肥工业大学设计院(集团)有限公司 | 一种基于停车和视频大数据的区域停车评价方法 |
| KR102499426B1 (ko) * | 2022-04-21 | 2023-02-13 | 주식회사 태영알앤디 | 주차수급실태 조사 및 분석 시스템 및 그 방법 |
| CN115995149A (zh) * | 2022-12-06 | 2023-04-21 | 广州市交通运输研究院有限公司 | 一种基于多源数据的停车供需特征动态评估方法及系统 |
| CN116205530A (zh) * | 2023-02-17 | 2023-06-02 | 连云港海通市民一卡通有限公司 | 一种城市智慧停车规划方法及系统 |
| CN116308956A (zh) * | 2023-03-17 | 2023-06-23 | 中国测绘科学研究院 | 一种城市区域主导功能与规划用途差异检测的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117274886A (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2016141753A1 (zh) | 基于路网和兴趣点的声环境功能区划分方法 | |
| US10699120B1 (en) | Empty house utilization evaluation method, and server and system using the same | |
| CN112966899B (zh) | 一种影响人口密度的城市公共服务设施建设决策方法 | |
| Zhang et al. | Using street view images to identify road noise barriers with ensemble classification model and geospatial analysis | |
| Shi et al. | A study on spatial and temporal aggregation patterns of urban population in Wuhan City based on Baidu heat map and POI data | |
| CN111814596A (zh) | 一种遥感影像与出租车轨迹融合的自动城市功能分区方法 | |
| CN111931998A (zh) | 一种基于移动定位数据的个体出行模式预测方法及系统 | |
| CN110413855A (zh) | 一种基于出租车下客点的区域出入口动态提取方法 | |
| CN112417204A (zh) | 一种基于实时路况的音乐推荐系统 | |
| CN114662774A (zh) | 一种城市街区活力预测方法、存储介质和终端 | |
| CN109493601B (zh) | 一种公交支线设置方法 | |
| CN110889086A (zh) | 一种评估共享电动租赁汽车对城市汽车尾气排放影响的方法 | |
| CN117274886B (zh) | 一种现状停车供需资源关系的数据分析方法 | |
| Soe et al. | Haversine formula and RPA algorithm for navigation system | |
| CN113672788A (zh) | 一种基于多源数据和权重系数法的城市建筑功能分类方法 | |
| CN110610446A (zh) | 一种基于两步聚类思路的县域城镇分类方法 | |
| CN116308956A (zh) | 一种城市区域主导功能与规划用途差异检测的方法 | |
| Adrees et al. | A proposed framework for using GIS to enhance traffic safety in Sudan: a case study | |
| CN108986466A (zh) | 一种基于WiFi探针的交通OD信息采集系统及处理方法 | |
| Macioszek et al. | Transport planning organisation and management | |
| CN113343781B (zh) | 使用遥感数据和出租车轨迹数据的城市功能区识别方法 | |
| Song et al. | Research on Service Radius and Influencing Factors of Community Parks in Shanghai Based on Mobile Phone Signaling Data | |
| CN117042270B (zh) | 一种智能路灯监控系统及其控制方法 | |
| CN116362450A (zh) | 城市街景数据识别交通设施资产评估方法 | |
| CN117493981B (zh) | 游客分类方法、装置及电子设备 |
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 |