CN117392854B - 一种基于高速公路收费数据提取行政区域od方法 - Google Patents
一种基于高速公路收费数据提取行政区域od方法 Download PDFInfo
- Publication number
- CN117392854B CN117392854B CN202311703937.0A CN202311703937A CN117392854B CN 117392854 B CN117392854 B CN 117392854B CN 202311703937 A CN202311703937 A CN 202311703937A CN 117392854 B CN117392854 B CN 117392854B
- Authority
- CN
- China
- Prior art keywords
- toll
- area
- toll station
- traffic
- administrative
- 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 30
- 230000003287 optical effect Effects 0.000 title abstract description 5
- 239000011159 matrix material Substances 0.000 claims abstract description 48
- 238000011161 development Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000004140 cleaning Methods 0.000 claims abstract description 5
- 238000004590 computer program Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
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
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Analytical Chemistry (AREA)
- Computing Systems (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
Abstract
本发明提出一种基于高速公路收费数据提取行政区域OD方法，属于智能交通技术领域。包括以下步骤：S1.获取高速公路收费数据，对高速公路数据进行清洗，匹配车辆出入口收费站对应的收费数据，获得每个车辆的OD信息；S2.基于区域社会经济发展影响力和区域‑收费站可达性构建收费站‑行政区域关系矩阵，表征收费站与出入车辆关联行政区域的关联强度；S3.基于不同收费站间的交通量，计算区域交通量OD矩阵。本发明解决了现有技术中存在的区域OD计算结果不精确的技术问题。本发明充分考虑了收费站与行政区域的关联关系，有效的提升了行政区域间高速公路交通量的准确度。
Description
技术领域
本发明涉及提取行政区域OD方法，尤其涉及一种基于高速公路收费数据提取行政区域OD方法，属于智能交通技术领域。
背景技术
获取表示行政区域之间出行联系强度的区域间交通量有助于分析行政区域之间的出行特征规律，通过建立区域间交通量与区域社会经济发展指标之间的关系模型，支持历史年区域之间出行规律分析和未来年区域之间出行规律预测。
获取行政区域之间交通量常规方法是通过高速收费站流水数据，结合收费站的行政区域归属关系，将收费站OD数据直接集计成行政区域OD，该方法存在一定的缺陷，如处于区域边界的收费站，其驶入（或驶出）的流量直接统计为其所处行政区的出发（或到达）量将导致一定的统计偏差。
参照图2所示，收费站车流的驶入方向和驶出方向不完全归属于其所属的区域1，存在一部分来源于区域2的车流。因此，直接将收费站的驶入（或驶出）的流量直接统计为区域1的出发（或到达）量将导致一定的统计偏差。
为了解决上述问题，有研发人员提出公开号为CN 113096413 A的公路网OD数据处理方法、装置、设备及存储介质，该方法首先基于普通公路网现场OD调查数据和高速公路网收费流水数据，生成初始OD数据矩阵；然后基于高速公路卡口数据，对初始OD数据矩阵进行扩样计算，生成调查点级实时动态OD数据矩阵；最后以车辆出行信息作为筛选条件，对初始OD数据矩阵和实时动态OD数据矩阵进行展示。
该方法对高速收费数据处理的研究集中在路径识别、收费站OD提取，对于提取不同区域间的高速公路出行OD的研究较少，而且缺乏对收费站对真实车流来源归属区域的识别过程，从而导致区域OD计算结果与真实情况存在偏差。
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区域OD计算结果不精确的技术问题，本发明提供一种基于高速公路收费数据提取行政区域OD方法。方案一、一种基于高速公路收费数据提取行政区域OD方法，包括以下步骤：
S1.获取高速公路收费数据，对高速公路数据进行清洗，匹配车辆出入口收费站对应的收费数据，获得各收费站之间出行量的OD矩阵；
S2.基于区域社会经济发展影响力和区域-收费站可达性构建收费站-行政区域关系矩阵，表征收费站与出入车辆关联行政区域的关联强度，方法是：
设分析范围内有I个收费站和J个行政区域，收费站i（i∈I）与区域j（j∈J）关联强度计算公式如下：
；
其中，为待计算的收费站i与区域j的关联强度；/>为收费站i与区域j之间的阻抗值；E j 为区域j的社会经济发展影响力因子；c、/>为待设置的参数；I个收费站和J个行政区域之间的关系矩阵P的表达式为：
；
其中，p 11为收费站1到行政区域1之间的关联强度，p 12为收费站1到行政区域2之间的关联强度、p 1J 为收费站1到行政区域J之间的关联强度、p 21为收费站2到行政区域1之间的关联强度、p 22为收费站2到行政区域2之间的关联强度、p 2J 为收费站2到行政区域J之间的关联强度、p I1为收费站I到行政区域1之间的关联强度、p I2为收费站I到行政区域2之间的关联强度、p IJ 指为收费站I到行政区域J之间的关联强度；
S3.基于收费站OD矩阵与收费站-区域关系矩阵，计算区域交通量OD矩阵。
优选的，高速公路收费数据，包括每辆通行车辆的入口和出口数据、付费金额和通行时间。
优选的，对高速公路数据进行清洗：除去不完整和错误的数据，将通行时间从字符串转化为时间格式，根据需要对特定时间段，特定方向，特定车型进行数据分类和统计。
优选的，基于不同收费站间的交通量，计算区域交通量OD矩阵的方法是：
区域交通量OD矩阵Q的计算公式：
Q=P T*F*P；
其中，P T为P的转置矩阵；P为收费站和行政区域之间的关系矩阵；F为收费站的OD流量矩阵；
收费站的OD矩阵F，基于S1得到的每个收费站通行车辆的OD流量，得到分析范围内的I个收费站的OD流量矩阵F；矩阵F表示为：
；
其中，f 11为收费站1到收费站1之间的交通量；f 12为收费站1到收费站2之间的交通量、f 1I 为收费站1到收费站I之间的交通量、f 21为收费站2到收费站1之间的交通量、f 22为收费站2到收费站2之间的交通量、f 2I 为收费站2到收费站I之间的交通量、f I1为收费站I到收费站1之间的交通量、f I2为收费站I到收费站2之间的交通量、f II 为收费站I到收费站I之间的交通量；最终区域交通量OD矩阵结果为：
；
其中，q 11为区域1到区域1之间的交通量；q 12为区域1到区域2之间的交通量、q 1J 为区域1到区域J之间的交通量、q 21为区域2到区域1之间的交通量、q 22为区域2到区域2之间的交通量、q 2J 为区域2到区域J之间的交通量、q J1为区域J到区域1之间的交通量、q J2为区域J到区域2之间的交通量、q JJ 为区域J到区域J之间的交通量。
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的一种基于高速公路收费数据提取行政区域OD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基于高速公路收费数据提取行政区域OD方法。
本发明的有益效果如下：本发明基于收费站OD拆分行政区域OD算法，自动计算输出行政区域OD结果，支撑对高速公路收费数据分析提取行政区域OD的工程应用；同时本发明充分考虑了收费站与行政区域的关联关系，提升了行政区域间高速公路交通量的准确度。
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为一种基于高速公路收费数据提取行政区域OD方法的流程图；
图2为收费站驶入驶出车流的来源示意图。
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，一种基于高速公路收费数据提取行政区域OD方法，包括以下步骤：
S1.获取高速公路收费数据，对高速公路数据进行清洗，匹配车辆出入口收费站对应的收费数据，获得各收费站之间出行量的OD矩阵；
统计每个收费站出入口的车辆信息，得到每个收费站通行车辆的OD流量；
具体为以下步骤：
高速公路收费数据，包括每辆通行车辆的入口和出口数据、付费金额和通行时间；高速公路收费数据从各收费站的自动计费系统或相应的管理部门获取；
对高速公路数据进行清洗：除去不完整和错误的数据，将通行时间从字符串转化为时间格式，根据需要分析的时间周期（如每天，每月等）划分数据等；
匹配车辆出入口收费站对应的收费数据：对于每一个通行事件，根据车辆的入口和出口收费站对应的收费数据进行匹配，得到每个车辆的O（起点）和D（终点）。
得到每个收费站通行车辆的OD流量：统计每个收费站的入口和出口车辆数量，得到每个收费站的OD流量；或者根据实际需求，对特定时间段、特定方向和特定车型进行细分的OD流量进行统计。
S2.基于区域社会经济发展影响力和区域-收费站可达性，构建收费站-行政区域关系矩阵，表征收费站与出入车辆关联行政区域的关联强度；
区域社会经济发展影响力：指区域发展影响范围，区域社会经济发展影响力和区域内的人口数、岗位数、机动车保有量、生产总值以及人均生产总值指标相关；区域的影响范围越大，同等收费站分布密度条件下，覆盖的收费站数量就越多；
区域-收费站可达性：区域收费站可达性用区域用到达收费站的时间（距离）的函数表示，区域和收费站可达性指标越强，收费站与区域的联系就越大；
基于区域社会经济发展影响力和区域-收费站可达性，设分析范围内有I个收费站和J个行政区域，收费站i（i∈I）与区域j（j∈J）关联强度计算公式如下：
；
其中，为待计算的收费站i与区域j的关联强度；/>为收费站i与区域j之间的阻抗（时间或距离）值；E j 为区域j的社会经济发展影响力因子；c、/>为待设置的参数；I个收费站和J个行政区域之间的关系矩阵P的表达式为：/>；
其中，p 11为收费站1到行政区域1之间的关联强度，p 12为收费站1到行政区域2之间的关联强度、p 1J 为收费站1到行政区域J之间的关联强度、p 21为收费站2到行政区域1之间的关联强度、p 22为收费站2到行政区域2之间的关联强度、p 2J 为收费站2到行政区域J之间的关联强度、p I1为收费站I到行政区域1之间的关联强度、p I2为收费站I到行政区域2之间的关联强度、p IJ 指为收费站I到行政区域J之间的关联强度；
S3.基于不同收费站间的交通量，计算区域交通量OD矩阵；
区域交通量OD矩阵Q的计算公式：
Q=P T*F*P；
其中，P T为P的转置矩阵；P为收费站和行政区域之间的关系矩阵；F为收费站的OD流量矩阵；
收费站的OD矩阵F，基于S1得到的每个收费站通行车辆的OD流量，得到分析范围内的I个收费站的OD流量矩阵F；矩阵F表示为：；
其中，f 11为收费站1到收费站1之间的交通量；f 12为收费站1到收费站2之间的交通量、f 1I 为收费站1到收费站I之间的交通量、f 21为收费站2到收费站1之间的交通量、f 22为收费站2到收费站2之间的交通量、f 2I 为收费站2到收费站I之间的交通量、f I1为收费站I到收费站1之间的交通量、f I2为收费站I到收费站2之间的交通量、f II 为收费站I到收费站I之间的交通量；
最终区域交通量OD矩阵结果为：
；
其中，q 11为区域1到区域1之间的交通量；q 12为区域1到区域2之间的交通量、q 1J 为区域1到区域J之间的交通量、q 21为区域2到区域1之间的交通量、q 22为区域2到区域2之间的交通量、q 2J 为区域2到区域J之间的交通量、q J1为区域J到区域1之间的交通量、q J2为区域J到区域2之间的交通量、q JJ 为区域J到区域J之间的交通量。
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一种基于高速公路收费数据提取行政区域OD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，可以实现上述的一种基于高速公路收费数据提取行政区域OD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 (5)
1.一种基于高速公路收费数据提取行政区域OD方法，其特征在于，包括以下步骤：
S1.获取高速公路收费数据，对高速公路数据进行清洗，匹配车辆出入口收费站对应的收费数据，获得各收费站之间出行量的OD矩阵；
S2.基于区域社会经济发展影响力和区域-收费站可达性构建收费站-行政区域关系矩阵，表征收费站与出入车辆关联行政区域的关联强度，方法是：
设分析范围内有I个收费站和J个行政区域，收费站i（i∈I）与区域j（j∈J）关联强度计算公式如下：
；
其中，为待计算的收费站i与区域j的关联强度；/>为收费站i与区域j之间的阻抗值；E j 为区域j的社会经济发展影响力因子；c、/>为待设置的参数；I个收费站和J个行政区域之间的关系矩阵P的表达式为：
；
其中，p 11为收费站1到行政区域1之间的关联强度，p 12为收费站1到行政区域2之间的关联强度、p 1J 为收费站1到行政区域J之间的关联强度、p 21为收费站2到行政区域1之间的关联强度、p 22为收费站2到行政区域2之间的关联强度、p 2J 为收费站2到行政区域J之间的关联强度、p I1为收费站I到行政区域1之间的关联强度、p I2为收费站I到行政区域2之间的关联强度、p IJ 指为收费站I到行政区域J之间的关联强度；
S3.基于收费站OD矩阵与收费站-区域关系矩阵，计算区域交通量OD矩阵，方法是：
区域交通量OD矩阵Q的计算公式：
；
其中，为P的转置矩阵；P为收费站-区域关系矩阵；F为收费站OD矩阵；收费站OD矩阵F，基于S1得到的每个收费站通行车辆的OD流量，得到分析范围内的I个收费站OD流量矩阵F；矩阵F表示为：
；
其中，f 11为收费站1到收费站1之间的交通量；f 12为收费站1到收费站2之间的交通量、f 1I 为收费站1到收费站I之间的交通量、f 21为收费站2到收费站1之间的交通量、f 22为收费站2到收费站2之间的交通量、f 2I 为收费站2到收费站I之间的交通量、f I1为收费站I到收费站1之间的交通量、f I2为收费站I到收费站2之间的交通量、f II 为收费站I到收费站I之间的交通量；
最终区域交通量OD矩阵结果为：
；
其中，q 11为区域1到区域1之间的交通量；q 12为区域1到区域2之间的交通量、q 1J 为区域1到区域J之间的交通量、q 21为区域2到区域1之间的交通量、q 22为区域2到区域2之间的交通量、q 2J 为区域2到区域J之间的交通量、q J1为区域J到区域1之间的交通量、q J2为区域J到区域2之间的交通量、q JJ 为区域J到区域J之间的交通量。
2.根据权利要求1所述的一种基于高速公路收费数据提取行政区域OD方法，其特征在于，高速公路收费数据，包括每辆通行车辆的入口和出口数据、付费金额和通行时间。
3.根据权利要求2所述的一种基于高速公路收费数据提取行政区域OD方法，其特征在于，对高速公路数据进行清洗：除去不完整和错误的数据，将通行时间从字符串转化为时间格式，根据需要对特定时间段，特定方向，特定车型进行数据分类和统计。
4.一种电子设备，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1-3任一项所述的一种基于高速公路收费数据提取行政区域OD方法的步骤。
5.一种计算机可读存储介质，其特征在于，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权利要求1-3任一项所述的一种基于高速公路收费数据提取行政区域OD方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311703937.0A CN117392854B (zh) | 2023-12-13 | 2023-12-13 | 一种基于高速公路收费数据提取行政区域od方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311703937.0A CN117392854B (zh) | 2023-12-13 | 2023-12-13 | 一种基于高速公路收费数据提取行政区域od方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117392854A CN117392854A (zh) | 2024-01-12 |
| CN117392854B true CN117392854B (zh) | 2024-03-26 |
Family
ID=89470669
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311703937.0A Active CN117392854B (zh) | 2023-12-13 | 2023-12-13 | 一种基于高速公路收费数据提取行政区域od方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117392854B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003016569A (ja) * | 2001-04-27 | 2003-01-17 | Sumitomo Electric Ind Ltd | Ｏｄ交通量決定装置及び方法 |
| JP2013037633A (ja) * | 2011-08-10 | 2013-02-21 | Sumitomo Electric Ind Ltd | 交通評価装置、コンピュータプログラム及び交通評価方法 |
| JP5971828B1 (ja) * | 2015-06-19 | 2016-08-17 | 株式会社福山コンサルタント | Ｏｄ交通量の実数推定方法、ｏｄ交通量の実数推定装置、ｏｄ交通量の実数推定プログラム、並びに情報記録媒体 |
| CN108765958A (zh) * | 2018-06-25 | 2018-11-06 | 交通运输部科学研究院 | 高速公路交通流量分配方法及装置 |
| CN110211396A (zh) * | 2019-05-30 | 2019-09-06 | 华南理工大学 | 一种高速公路收费站与周边交叉口群的动态调控方法 |
| CN112529294A (zh) * | 2020-12-09 | 2021-03-19 | 中国科学院深圳先进技术研究院 | 个体随机出行目的地预测模型的训练方法、介质和设备 |
| CN113255979A (zh) * | 2021-05-17 | 2021-08-13 | 上海旷途科技有限公司 | 城市公交线网脆弱点识别方法、装置、计算机设备及存储介质 |
| CN114613151A (zh) * | 2022-05-10 | 2022-06-10 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种货车od确定方法、系统、设备及存储介质 |
| CN116307931A (zh) * | 2023-05-08 | 2023-06-23 | 广州市交通规划研究院有限公司 | 一种面向城市货运物流链的多源数据融合分析方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9014955B2 (en) * | 2011-07-20 | 2015-04-21 | Sumitomo Electric Industries, Ltd. | Traffic evaluation device non-transitory recording medium and traffic evaluation method |
-
2023
- 2023-12-13 CN CN202311703937.0A patent/CN117392854B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003016569A (ja) * | 2001-04-27 | 2003-01-17 | Sumitomo Electric Ind Ltd | Ｏｄ交通量決定装置及び方法 |
| JP2013037633A (ja) * | 2011-08-10 | 2013-02-21 | Sumitomo Electric Ind Ltd | 交通評価装置、コンピュータプログラム及び交通評価方法 |
| JP5971828B1 (ja) * | 2015-06-19 | 2016-08-17 | 株式会社福山コンサルタント | Ｏｄ交通量の実数推定方法、ｏｄ交通量の実数推定装置、ｏｄ交通量の実数推定プログラム、並びに情報記録媒体 |
| CN108765958A (zh) * | 2018-06-25 | 2018-11-06 | 交通运输部科学研究院 | 高速公路交通流量分配方法及装置 |
| CN110211396A (zh) * | 2019-05-30 | 2019-09-06 | 华南理工大学 | 一种高速公路收费站与周边交叉口群的动态调控方法 |
| CN112529294A (zh) * | 2020-12-09 | 2021-03-19 | 中国科学院深圳先进技术研究院 | 个体随机出行目的地预测模型的训练方法、介质和设备 |
| CN113255979A (zh) * | 2021-05-17 | 2021-08-13 | 上海旷途科技有限公司 | 城市公交线网脆弱点识别方法、装置、计算机设备及存储介质 |
| CN114613151A (zh) * | 2022-05-10 | 2022-06-10 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种货车od确定方法、系统、设备及存储介质 |
| CN116307931A (zh) * | 2023-05-08 | 2023-06-23 | 广州市交通规划研究院有限公司 | 一种面向城市货运物流链的多源数据融合分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117392854A (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109766902B (zh) | 对同区域的车辆聚类的方法、装置和设备 | |
| CN112447041B (zh) | 识别车辆的营运行为的方法、装置及计算设备 | |
| CN111881243B (zh) | 一种出租车轨迹热点区域分析方法及系统 | |
| CN115080638B (zh) | 微观仿真的多源数据融合分析方法、电子设备及存储介质 | |
| CN113380043B (zh) | 一种基于深度神经网络计算的公交到站时间预测方法 | |
| CN112925820B (zh) | 一种车辆偷逃通行费的识别方法、装置及系统 | |
| CN111414719B (zh) | 地铁站周边特征提取、交通需求估计方法及装置 | |
| CN116739354B (zh) | 道路安全风险评估指标计算方法、电子设备及存储介质 | |
| Hardjono et al. | Vehicle counting quantitative comparison using background subtraction, viola jones and deep learning methods | |
| CN110728759B (zh) | 一种etc门架交易成功率检测方法、装置、计算设备和介质 | |
| CN115099542A (zh) | 跨城通勤出行生成和分布预测方法、电子设备及存储介质 | |
| CN116206451A (zh) | 一种智慧交通车流数据分析方法 | |
| CN117392854B (zh) | 一种基于高速公路收费数据提取行政区域od方法 | |
| CN112967410B (zh) | 一种基于最长公共子序列的偷逃通行费车辆识别方法 | |
| CN113158084B (zh) | 移动轨迹数据处理的方法、装置、计算机设备及存储介质 | |
| CN110751837B (zh) | 高速行车路径确定方法、装置、设备和存储介质 | |
| CN114416686B (zh) | 一种车辆设备指纹carid识别系统及识别方法 | |
| CN113160565B (zh) | 一种套牌车辆的识别方法、装置、存储介质及终端 | |
| CN112991804B (zh) | 停留区域确定方法以及相关装置 | |
| CN111915751B (zh) | 一种路侧停车收费方法、装置、设备和存储介质 | |
| CN113436356A (zh) | 一种车辆轨迹还原方法、高速通行费确定方法及装置 | |
| CN116959259B (zh) | 基于学校放学事件的交通预测方法、电子设备及存储介质 | |
| CN115953904B (zh) | 高速交通流速度稳定性分析方法、电子设备及其存储介质 | |
| CN107943920A (zh) | 一种基于地铁刷卡数据的出行人群识别方法 | |
| CN117173898B (zh) | 基于停车场流水数据的分时段分目的出行od提取方法 |
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 |