CN117540933A - 一种考虑主要出行方向的轨道车站影响区划分方法及系统 - Google Patents
一种考虑主要出行方向的轨道车站影响区划分方法及系统 Download PDFInfo
- Publication number
- CN117540933A CN117540933A CN202410009480.1A CN202410009480A CN117540933A CN 117540933 A CN117540933 A CN 117540933A CN 202410009480 A CN202410009480 A CN 202410009480A CN 117540933 A CN117540933 A CN 117540933A
- Authority
- CN
- China
- Prior art keywords
- station
- road network
- road
- time consumption
- railway
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 7
- 230000011664 signaling Effects 0.000 claims description 7
- 230000002093 peripheral effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims 2
- 238000000638 solvent extraction Methods 0.000 claims 2
- 101100391174 Dictyostelium discoideum forC gene Proteins 0.000 claims 1
- 230000002159 abnormal effect Effects 0.000 abstract description 2
- 238000012546 transfer Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000003032 molecular docking Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005206 flow analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 101100136092 Drosophila melanogaster peng gene Proteins 0.000 description 1
- 238000004458 analytical method Methods 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
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种考虑主要出行方向的轨道车站影响区划分方法及系统，解决了既有最短路径的扩展泰森多边形生成并未考虑实际主要出行方向，存在多边形异常、不正确、孔洞较多等问题，其主要步骤包括：S1、依据数据资料确定中心等级以及对应轨道车站；S2、分别计算轨道车站对矢量网络中任一道路网节点A的吸引力值确定各道路节点的目的地车站；S3、计算道路网节点A，从周边各轨道车站前往目的地车站的广义时耗，迭代计算得到任一道路网节点的上车车站；S4、各道路网节点生成泰森多边形并赋予对应上车车站编号，各道路网节点依据上车车站编号合并后得到考虑主要出行方向的轨道车站影响区。
Description
技术领域
本发明涉及轨道交通规划技术领域，尤其涉及一种考虑主要出行方向的轨道车站影响区划分方法及系统。
背景技术
确定轨道车站影响区范围，也即确定地铁/轻轨等轨道交通的车站的主要乘客来源分布地，它是轨道车站换乘一体化设计、换乘设施配置、客流分析的基础。
目前在规划设计实践中：若简化处理则用泰森多边形确定，其含义是每个车站都生成这样一个泰森多边形——离其内部的任意一点的直线距离最近的车站就是该泰森多边形所属车站；若更精细地处理，则使用最短路泰森多边形替代一般的泰森多边形，也即将直线距离换为实际路网中的最短路径距离。
最短路泰森多边形，通过如下步骤生成（参考自文献：郭建忠,陈涛,彭维,欧阳.基于最短路径的扩展泰森多边形建立[J].测绘学院学报,2003(03):223-225.）：
1）任取一条路段；
2）在该路段上任取一点A，A不能为路段的两个端点；
3）算出点到所有控制点（如轨道车站）的最短路径距离；
4）取其中最短和次短的路径，连成通路L，并记录对应的离散点Pi和Pj；
5）取L中的中点P，将P点分成的两部分分配到Pi和Pj对应的基于最短路径的泰森多边形；
6）将每个控制点（如轨道车站）所控制的路径的端点按照一定顺序连成一个区域,即得到对应控制点（如轨道车站）的基于最短路径的扩展泰森多边形；
7）迭代，直到所有路段分配完毕，此时即完成生成。
但是上述基于最短路径的扩展泰森多边形划定的车站影响区并未考虑轨道乘客的出行方向，例如，离轨道乘客最近的车站可能不在目的地方向，在此情况乘客并不一定选择最近的、但要反向走一段的车站，而是选择稍远但顺路的车站。在这种情况下，基于最短路径的扩展泰森多边形划定的车站影响区将会与真实情况存在偏差，而该情况在现实中又普遍存在（如早高峰），故有必要改进。
此外，既有的最短路径的扩展泰森多边形生成需要将所属路径的端点按一定顺序连接成区域，在实际操作过程很可能出现所生成的多边形异常、不正确、孔洞较多等需要人工大量修正的问题，在生成多边形的方法上亦有待改进。
发明内容
本发明要解决的技术问题是克服现有技术存在的缺陷，本发明为实现更加符合实际的轨道车站影响区划分，考虑现实轨道乘客出行的方向性、特别是早高峰出行的方向性，提出一种考虑主要出行方向的轨道车站影响区划分方法，得到更合理的轨道车站影响区，从而使后续的轨道车站换乘一体化设计、换乘设施配置、客流分析更加合理。同时方法可更为便捷地生成错误率更少的多边形（影响区）。
为解决上述技术问题，本发明采用的技术方案是：一种考虑主要出行方向的轨道车站影响区划分方法，包括如下步骤：
S1、依据相关数据资料确定中心等级以及每级中心对应轨道车站C i (i=1,2,3…)；
S2、确定各道路节点的目的地车站，
准备含道路节点的道路矢量网络及轨道车站矢量网络，
对任一道路网节点A，计算每级中心的轨道车站C i 对A点的吸引力值，其中吸引力值依据中心等级以及A至C i 的公共交通时耗确定，
以最大吸引力值的中心对应的轨道车站C x 作为A的目的地车站；
S3、计算道路网节点A，从周边各轨道车站S j (j=1,2,3…)前往C x 的广义时耗Cost Aj ，以Cost Aj 最小的车站作为上车车站S y ，迭代计算得到任一道路网节点的上车车站；
S4、各道路网节点生成泰森多边形并赋予对应上车车站编号，各道路网节点依据上车车站编号合并后得到考虑主要出行方向的轨道车站影响区。
进一步地，所述步骤S1中相关数据资料包括手机信令数据、国土空间规划资料。
进一步地，所述步骤S2中，吸引力值计算公式如下，
吸引力值=，
式中，b、r为参数，可根据手机信令数据标定或参照取值b=1.786，r=0.067;k i 为第i个中心的中心等级；T Ai 为节点A至第i个城市中心对应的轨道车站C i 的公共交通时耗。
进一步地，所述步骤S3中，广义时耗Cost Aj 具体计算步骤如下，
以道路网节点A至周边各轨道车站S j 距离进行筛选；
将A至筛选后的S j 距离按步行速度化为车外时间，依据轨道网络计算S j 至C x 的车内时间以及票价，票价费用通过时间价值转换为时耗；
将票价时耗、车内时间以及乘以惩罚系数的车外时间相加，得到A点经周边车站S j 至目的地车站的广义时耗Cost Aj ，其中惩罚系数大于1。
进一步地，所述筛选距离为10km，所述步行速度取4.5km/h,惩罚系数取2。
一种依据上述所述考虑主要出行方向的轨道车站影响区划分方法的划分系统，包括：
划分模块，用以确定城市中心等级以及对应轨道车站；
确定模块，用以依据中心等级以及所需公共交通时耗计算比较得出目的地车站；
计算模块，用以计算任一道路网节点分别从周边各车站至目的地车站的广义时耗，比较得出对应上车车站；
生成模块，用以各道路网节点生成泰森多边形并在编号对应上车车站后合并。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的考虑主要出行方向的轨道车站影响区划分方法的步骤。
一种非暂态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用于实现上述所述的考虑主要出行方向的轨道车站影响区划分方法的步骤。
与现有技术相比，本发明的有益效果包括：本发明考虑了轨道乘客主要的出行方向，通过计算综合出行成本得出城市各空间位置点的乘客最可能选择的车站，进而得到轨道车站的影响区，相比于用最短路径的扩展泰森多边形划分的轨道车站影响区（仅考虑路径距离且不考虑主要出行方向），本发明可得到更加符合实际的影响区范围（早高峰进站客流影响区或晚高峰出站客流影响区）。各城市通勤高峰方向性明显，且早高峰进站客流往往决定轨道接驳设施规模，本发明考虑方向性划定影响区有较强现实意义。
此外，本发明通过道路节点生成普通泰森多边形再合并的方法，比传统的将节点按顺序连接生成多边形的方法更为便捷且出错率更低。
附图说明
参照附图来说明本发明的公开内容。应当了解，附图仅仅用于说明目的，而并非意在对本发明的保护范围构成限制。在附图中，相同的附图标记用于指代相同的部件。其中：
图1示意性显示了根据本发明一个实施方式提出的整体流程示意图。
具体实施方式
容易理解，根据本发明的技术方案，在不变更本发明实质精神下，本领域的一般技术人员可以提出可相互替换的多种结构方式以及实现方式。因此，以下具体实施方式以及附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限定或限制。
根据本发明的一实施方式结合图1示出。
对于整体步骤而言，一种考虑主要出行方向的轨道车站影响区划分方法，包括如下步骤：
S1、依据相关数据资料确定中心等级以及每级中心对应轨道车站C i (i=1,2,3…)；
S2、确定各道路节点的目的地车站，
准备含道路节点的道路矢量网络及轨道车站矢量网络，
对任一道路网节点A，计算每级中心的轨道车站C i 对A点的吸引力值，其中吸引力值依据中心等级以及A至C i 的公共交通时耗确定，
以最大吸引力值的中心对应的轨道车站C x 作为A的目的地车站；
S3、计算道路网节点A，从周边各轨道车站S j (j=1,2,3…)前往C x 的广义时耗Cost Aj ，以Cost Aj 最小的车站作为上车车站S y ，迭代计算得到任一道路网节点的上车车站；
S4、各道路网节点生成泰森多边形并赋予对应上车车站编号，各道路网节点依据上车车站编号合并后得到考虑主要出行方向的轨道车站影响区。
以下对上述步骤结合实施例作进一步具体说明：
实施例1
1）对于步骤S1而言，相关材料数据可具体包括：
①根据对应城市规划文件（如城市的国土空间总体规划）的城市公共中心体系结构，确定中心位置及最近的轨道车站C i (i=1,2,3…)。
②若应用于现状，中心等级根据相关资料或数据（如手机信令反映的人群活动集中程度或岗位分布数据的集中程度等）确定；若应用于未来，在现状基础上根据规划确定。如规划分为若干个市级中心与若干个市级副中心，则整体市级中心等级高于市级副中心，但同为市级中心/市级副中心的若干个则根据现状及规划发展趋势确定大小关系。
2）对于步骤S2中，确定各道路节点的目的地车站，其具体步骤为：
①准备含道路节点的道路矢量网络及轨道网络；
②对任意道路网节点A，计算各中心轨道车站C i 对A点的吸引力值——根据中心等级及A至C i 的公共交通时耗按公式确定：
吸引力值=，
式中，b、r为参数，可根据手机信令数据标定或参照此取值——b=1.786，r=0.067;k i 为第i个城市中心的中心等级；T Ai 为节点A至第i个城市中心对应的轨道车站C i 的公共交通时耗（单位为小时）。
③最大吸引力值的城市中心对应的轨道车站C x 作为A的目的地车站。
3）对于步骤S3而言，具体步骤包括：
①计算A点至周边车站的路径距离并筛选出10km以内车站S j (j=1,2,3…)。因为10km路径距离已是远超乘客能接受的接驳轨道车站距离的极限，轨道接驳是指乘客通过步行、非机动车、公交等方式前往或离开轨道车站乘坐的过程，以此距离筛选以减少计算量。
②将A点至各S j 的距离按步行速度转化为车外时间OVT Aj ，步行速度可取4.5km/h。
③根据轨道网络计算S j 至C x 的轨道车内时间IVT Aj 及票价Fare Aj 。票价根据轨道网络计算的站间最短路距离及该城市轨道交通票价计算规则确定。
④费用通过时间价值转换为时耗，与车内时间及乘以惩罚系数的车外时间相加，得到A点经周边车站S j 至目的地车站的广义时耗Cost Aj 。其中，车外时间主要因环境及体力因素需要乘以大于1的惩罚系数，如取值为2。
⑤在周边各车站S j 中，选择Cost Aj 最小的车站作为上车车站S y ，则节点A归属于车站S y 。
⑥迭代至所有节点都计算完成，得到每个道路节点的所属车站。
4）对于步骤S4生成考虑主要出行方向的轨道车站影响区而言，具体包括：
①各节点生成普通泰森多边形，并赋予所属车站编号。泰森多边形：是一组由连接两邻点线段的垂直平分线组成的连续多边形。一个泰森多边形内的任一点到构成该多边形的控制点的距离小于到其他多边形控制点的距离，普通泰森多边形因仅考虑直线距离，仅通过点位即能生成，极为方便。在此处是考虑了多种综合因素（出行成本、时耗、方向等）得到道路节点所属车站，且道路节点本身较密，通过较密节点生成的普通泰森多边形，只要加以合并就能得到比既有方法（通过按一定顺序连接节点生成多边形）错误率更低的生成结果，且更为便捷。
②普通泰森多边形根据所属车站编号合并，此时即得到考虑主要出行方向的轨道车站影响区。
实施例2
与实施例1不同之处在于，对于步骤S2而言，可直接根据出行数据（如手机信令数据或居民出行调查数据或交通模型数据）给出该空间点最可能的前往目的地车站；或根据地铁运营站间OD数据，根据车站的最短路径的扩展泰森多边形，确定空间某点的进站车站（O点），然后根据OD数据得到最可能的出站车站（D点），从而实现确定空间点最可能前往的目的地车站，上述步骤可同样实现如吸引力值计算的效果。
同样的，关于车站影响区性质，本发明实施例1生成的车站影响区是工作日早高峰进站客流影响区或晚高峰出站客流影响区，这也是接驳设施规模、客流分析考虑的主要范围。若要分析晚高峰进站/早高峰出站客流影响区，方法类似，只需替换出行方向确定的步骤S2：确定各空间点最可能的目的地车站，公式需要将城市中心等级替换为“人口外出强度”，城市中心位置也应替换为各大居住区点。
而对于参照上述划分方法所展开的出行方向的轨道车站影响区划分方法的划分系统也同样在本发明的保护范围内。该系统可具体包括：
划分模块，用以确定城市中心等级（或各大居住区及人口外出强度）以及对应轨道车站；
确定模块，用以依据中心等级（或各大居住区及人口外出强度）以及所需公共交通时耗计算比较得出目的地车站；
计算模块，用以计算任一道路网节点分别从周边各车站至目的地车站的广义时耗，比较得出对应上车车站；
生成模块，用以各道路网节点生成泰森多边形并在编号对应上车车站后合并。
各个模块分别对应前述步骤中的S1-S4，同样能够生成对应轨道车站的影响区，得到更符合实际的影响区范围。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应当说明的是，本发明的技术范围不仅仅局限于上述说明中的内容，本领域技术人员可以在不脱离本发明技术思想的前提下，对上述实施例进行多种变形和修改，而这些变形和修改均应当属于本发明的保护范围内。
Claims (7)
1.一种考虑主要出行方向的轨道车站影响区划分方法，其特征在于，包括如下步骤：
S1、依据相关数据资料确定各中心位置分布和最接近的轨道车站C i (i=1,2,3…)，以及其中心等级，所述相关数据资料为手机信令数据和国土空间规划资料；
S2、确定各道路节点的目的地车站，
准备含道路节点的道路矢量网络及轨道车站矢量网络，
对任一道路网节点A，计算各中心的轨道车站C i 对A点的吸引力值，其中吸引力值依据中心等级以及A至C i 的公共交通时耗确定，
以C i (i=1,2,3…)中最大吸引力值的C x 作为A的目的地车站；
S3、计算道路网节点A，从周边各轨道车站S j (j=1,2,3…)前往C x 的广义时耗Cost Aj ，以Cost Aj 最小的车站作为上车车站S y ，迭代计算得到任一道路网节点的上车车站；
S4、各道路网节点生成泰森多边形并赋予对应上车车站编号，各道路网节点依据上车车站编号合并后得到考虑主要出行方向的轨道车站影响区。
2.根据权利要求1所述的一种考虑主要出行方向的轨道车站影响区划分方法，其特征在于：所述步骤S2中，吸引力值计算公式如下，
吸引力值=，
式中，b、r为参数，可根据手机信令数据标定或参照取值b=1.786，r=0.067; k i 为第i个中心的中心等级；T Ai 为节点A至第i个城市中心对应的轨道车站C i 的公共交通时耗。
3.根据权利要求1所述的一种考虑主要出行方向的轨道车站影响区划分方法，其特征在于：所述步骤S3中，广义时耗Cost Aj 具体计算步骤如下，
以道路网节点A至周边各轨道车站S j 距离进行筛选；
将A至筛选后的S j 距离按步行速度转化为车外时间，依据轨道网络计算S j 至C x 的车内时间以及票价，票价费用通过时间价值转换为时耗；
将票价时耗、车内时间以及乘以惩罚系数的车外时间相加，得到A点经周边车站S j 至目的地车站的广义时耗Cost Aj ，其中惩罚系数大于1。
4.根据权利要求3所述的一种考虑主要出行方向的轨道车站影响区划分方法，其特征在于：所述筛选距离为10km，所述步行速度取4.5km/h,惩罚系数取2。
5.一种依据权利要求1-4任一所述考虑主要出行方向的轨道车站影响区划分方法的划分系统，其特征在于，包括：
划分模块，用以确定城市中心等级以及对应轨道车站；
确定模块，用以依据中心等级以及所需公共交通时耗计算比较得出目的地车站；
计算模块，用以计算任一道路网节点分别从周边各车站至目的地车站的广义时耗，比较得出对应上车车站；
生成模块，用以各道路网节点生成泰森多边形并在编号对应上车车站后合并。
6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于:所述处理器执行所述程序时实现如权利要求1至4任一项所述的考虑主要出行方向的轨道车站影响区划分方法的步骤。
7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时用于实现上述权利要求1至4任一项所述的考虑主要出行方向的轨道车站影响区划分方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410009480.1A CN117540933B (zh) | 2024-01-04 | 2024-01-04 | 一种考虑主要出行方向的轨道车站影响区划分方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410009480.1A CN117540933B (zh) | 2024-01-04 | 2024-01-04 | 一种考虑主要出行方向的轨道车站影响区划分方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117540933A true CN117540933A (zh) | 2024-02-09 |
| CN117540933B CN117540933B (zh) | 2024-04-05 |
Family
ID=89784569
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410009480.1A Active CN117540933B (zh) | 2024-01-04 | 2024-01-04 | 一种考虑主要出行方向的轨道车站影响区划分方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117540933B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002340594A (ja) * | 2001-03-09 | 2002-11-27 | Matsushita Electric Ind Co Ltd | 経路案内情報配信システム |
| CN109753694A (zh) * | 2018-12-13 | 2019-05-14 | 东南大学 | 基于全过程出行感知时间的中小城市公交线网设计方法 |
| CN109978267A (zh) * | 2019-03-28 | 2019-07-05 | 东南大学 | 基于城市轨道交通数据的城市微循环公交线路规划方法 |
| CN110427402A (zh) * | 2019-07-24 | 2019-11-08 | 上海工程技术大学 | 一种轨道交通故障延误传播及波及范围推估系统 |
| CN111027888A (zh) * | 2019-12-25 | 2020-04-17 | 苏州规划设计研究院股份有限公司 | 一种基于轨道站点的接驳特征分析方法 |
| CN111222744A (zh) * | 2019-11-18 | 2020-06-02 | 西南交通大学 | 基于信令数据的建成环境与轨道客流分布关系确定方法 |
| CN112765753A (zh) * | 2020-11-27 | 2021-05-07 | 武汉理工大学 | 一种新型的公共交通超级网络构建方法 |
| CN114117700A (zh) * | 2021-11-29 | 2022-03-01 | 吉林大学 | 基于复杂网络理论的城市公共交通网络优化研究方法 |
| CN115423286A (zh) * | 2022-08-29 | 2022-12-02 | 北京交通大学 | 一种市域轨道交通郊区段车站吸引范围划分方法 |
| CN115828029A (zh) * | 2022-11-22 | 2023-03-21 | 中铁二院工程集团有限责任公司 | 一种高速铁路服务范围计算方法 |
| CN116308970A (zh) * | 2023-02-17 | 2023-06-23 | 桂林电子科技大学 | 基于出行链广义出行费用的轨道站点服务范围分析方法 |
| CN116341882A (zh) * | 2023-05-29 | 2023-06-27 | 中铁第四勘察设计院集团有限公司 | 基于广义效益模型的高铁转移客运量分析方法及系统 |
| CN117196197A (zh) * | 2023-08-31 | 2023-12-08 | 长沙理工大学 | 一种公共交通站点布局优化方法 |
-
2024
- 2024-01-04 CN CN202410009480.1A patent/CN117540933B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002340594A (ja) * | 2001-03-09 | 2002-11-27 | Matsushita Electric Ind Co Ltd | 経路案内情報配信システム |
| CN109753694A (zh) * | 2018-12-13 | 2019-05-14 | 东南大学 | 基于全过程出行感知时间的中小城市公交线网设计方法 |
| CN109978267A (zh) * | 2019-03-28 | 2019-07-05 | 东南大学 | 基于城市轨道交通数据的城市微循环公交线路规划方法 |
| CN110427402A (zh) * | 2019-07-24 | 2019-11-08 | 上海工程技术大学 | 一种轨道交通故障延误传播及波及范围推估系统 |
| CN111222744A (zh) * | 2019-11-18 | 2020-06-02 | 西南交通大学 | 基于信令数据的建成环境与轨道客流分布关系确定方法 |
| CN111027888A (zh) * | 2019-12-25 | 2020-04-17 | 苏州规划设计研究院股份有限公司 | 一种基于轨道站点的接驳特征分析方法 |
| CN112765753A (zh) * | 2020-11-27 | 2021-05-07 | 武汉理工大学 | 一种新型的公共交通超级网络构建方法 |
| CN114117700A (zh) * | 2021-11-29 | 2022-03-01 | 吉林大学 | 基于复杂网络理论的城市公共交通网络优化研究方法 |
| CN115423286A (zh) * | 2022-08-29 | 2022-12-02 | 北京交通大学 | 一种市域轨道交通郊区段车站吸引范围划分方法 |
| CN115828029A (zh) * | 2022-11-22 | 2023-03-21 | 中铁二院工程集团有限责任公司 | 一种高速铁路服务范围计算方法 |
| CN116308970A (zh) * | 2023-02-17 | 2023-06-23 | 桂林电子科技大学 | 基于出行链广义出行费用的轨道站点服务范围分析方法 |
| CN116341882A (zh) * | 2023-05-29 | 2023-06-27 | 中铁第四勘察设计院集团有限公司 | 基于广义效益模型的高铁转移客运量分析方法及系统 |
| CN117196197A (zh) * | 2023-08-31 | 2023-12-08 | 长沙理工大学 | 一种公共交通站点布局优化方法 |
Non-Patent Citations (5)
| Title |
|---|
| BHATNAGAR RAHUL VARDHAN 等: ""A study of influence zone for railway stations of different hierarchy in the Indian Railways: analyzing passenger travel patterns"", 《 URBAN, PLANNING AND TRANSPORT RESEARCH》, vol. 11, no. 1, 8 December 2023 (2023-12-08), pages 1 - 4 * |
| 刘杰;彭其渊;陈锦渠;殷勇;: "考虑乘客出行容忍度的城市轨道交通网络的连通可靠性分析", 交通运输工程与信息学报, no. 04, 15 December 2019 (2019-12-15), pages 138 - 144 * |
| 戴骏晨 等: ""南京市轨道交通车站客流特征析因及应用"", 《城市交通》, vol. 19, no. 2, 25 January 2021 (2021-01-25), pages 90 - 102 * |
| 赵小萱: ""地铁站点周边建成环境对居民出行影响研究——以西安市为例"", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, 15 March 2022 (2022-03-15), pages 033 - 697 * |
| 钟仕辰: ""考虑反向绕行的城市轨道交通乘客路径选择行为研究"", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, 15 February 2022 (2022-02-15), pages 033 - 531 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117540933B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8799038B2 (en) | Dynamic taxi-sharing system and sharing method thereof | |
| CN110942198A (zh) | 一种用于轨道交通运营的乘客路径识别方法和系统 | |
| CN107944611A (zh) | 面向个性化出行需求的跨模式组合出行规划方法 | |
| Varone et al. | Multi-modal transportation with public transport and ride-sharing-multi-modal transportation using a path-based method | |
| Zwick et al. | Impact of service design on urban ridepooling systems | |
| Yang et al. | A coordinated signal priority strategy for modern trams on arterial streets by predicting the tram dwell time | |
| CN111724076A (zh) | 运营中断条件下区域多式轨道交通客流动态分配方法 | |
| Zheng et al. | Route design model of multiple feeder bus service based on existing bus lines | |
| Takamatsu et al. | Bus timetable design to ensure smooth transfers in areas with low-frequency public transportation services | |
| Zhang et al. | Optimized skip-stop metro line operation using smart card data | |
| CN117540933B (zh) | 一种考虑主要出行方向的轨道车站影响区划分方法及系统 | |
| Petit et al. | Design of heterogeneous flexible-route public transportation networks under low demand | |
| He et al. | Optimizing first-mile ridesharing services to intercity transit hubs | |
| JP2003154939A (ja) | 車両運用計画作成情報、記憶媒体、及び車両運用計画作成装置 | |
| Wang et al. | A dynamic graph-based many-to-one ride-matching approach for shared autonomous electric vehicles | |
| CN113379159A (zh) | 基于灰色模型和马尔可夫决策过程的出租车司机寻客路线推荐方法 | |
| CN113232671A (zh) | 一种计算机实现的方法、存储介质和系统 | |
| Leblond et al. | A new agent-based software for designing and optimizing emerging mobility services: application to city of Rennes | |
| KR102405473B1 (ko) | 승객의 이동 흐름을 고려한 차량의 이동 경로를 결정하는 방법 및 장치 | |
| Wolf et al. | Spontaneous symmetry breaking in ride-sharing adoption dynamics | |
| Uehara et al. | Evaluation of a hierarchical cooperative transport system using demand responsive bus on a dynamic simulation | |
| Ng et al. | Redesigning large-scale multimodal transit networks with shared autonomous mobility services | |
| Ceder et al. | Analysis of passenger-ferry routes using connectivity measures | |
| CN109948902A (zh) | 对班车报名乘客和司机车辆进行智能分配的方法 | |
| Ordóñez Medina et al. | New dynamic events-based public transport router for agent-based simulations |
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 |