CN113705903A - 基于城市公共交通综合模型的od推导方法 - Google Patents
基于城市公共交通综合模型的od推导方法 Download PDFInfo
- Publication number
- CN113705903A CN113705903A CN202111012941.3A CN202111012941A CN113705903A CN 113705903 A CN113705903 A CN 113705903A CN 202111012941 A CN202111012941 A CN 202111012941A CN 113705903 A CN113705903 A CN 113705903A
- Authority
- CN
- China
- Prior art keywords
- station
- getting
- card
- line
- data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000009795 derivation Methods 0.000 title claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及公共交通技术领域，具体为基于城市公共交通综合模型的OD推导方法，通过IC卡用户的刷卡记录分析出部分用户的乘车习惯，从而获知这部分用户在某站点上车后，在后续站点下车的概率，再将此概率应用到该站点上车的所有用户上，由此推断出该站点上车的用户在其他站点的下车概率，从而推断出车辆在某站点上车的乘客在后续各个站点下车的人数，以此实现了各个站点的OD推导，便于管理人员根据客流OD对公交线网进行优化调整，精准匹配用户的出行需求，提高公交运营调度的质量。
Description
技术领域
本发明涉及公共交通技术领域，具体为基于城市公共交通综合模型的OD推导方法。
背景技术
随着社会经济的飞速发展，城市的人口密集度越来越大，由此而引发的交通拥堵情况也越来越多，因此现在城市交通的需求也随着社会发展持续增长着。而在城市交通系统中，公共交通是极为重要的一部分，城市公共交通对城市政治经济、文化教育、科学技术等方面的发展影响极大,也是城市建设的一个非常重要的方面.发展城市公共交通不仅缓解城市交通拥堵的有效措施,也改善城市人居环境,促进城市可持续发展的必然要求,是提高交通资源利用率、缓解交通拥堵、降低交通污染、节约土地资源和能源的重要手段,对增强城市功能、统筹城乡发展、促进城乡共同繁荣具有十分重要的作用。
现有的城市公共交通通常会在工作日时出现早晚高峰的客流，舒缓高峰客流是现在城市交通管理的重中之重，但现有的交通管理系统仅通过图像识别或是简单的IC卡刷卡记录是难以统计出各个站点的客流情况以及乘客的OD流向，所以现在亟需一种OD推导方法，计算出乘客的流量与流向。
发明内容
本发明的技术问题在于现有的交通管理系统难以统计出乘客的OD流向。
本发明提供的基础方案：基于城市公共交通综合模型的OD推导方法，包括以下步骤：
S1：采集道路数据、公交数据、轨道数据、IC卡数据和站点数据，分析出用户的乘车习惯；
S2：将IC卡刷卡时记录的GPS数据和站点数据进行匹配，分析出用户的上车站点；
S3：根据用户的乘车习惯中的上车站点和对应的下车站点推断出具备乘车习惯的用户在各个站点上车后，在后续各个站点下车的概率；
S4：根据该概率计算车辆线路和行车方向相同的车辆在各个上车点上车的用户在后续各个站点下车的人数；
所述步骤S1中乘车习惯的分析步骤包括：
S101：将IC卡数据按IC卡卡号进行分组并将刷卡记录按照刷卡时间升序排列；
S102：在刷卡记录中上一条记录所乘坐车辆的线路上寻找距离下一条记录的上车站点最近的站点作为上一条记录的下车站点；
S103：根据IC卡用户所乘坐车辆的车辆线路、行车方向、上车站点和下车站点生成乘车习惯。
本发明的原理及优点在于：本发明通过IC卡用户的刷卡记录分析出部分用户的乘车习惯，从而获知这部分用户在某站点上车后，在后续站点下车的概率，再将此概率应用到该站点上车的所有用户上，由此推断出该站点上车的用户在其他站点的下车概率，从而推断出车辆在某站点上车的乘客在后续各个站点下车的人数，实现了各个站点的OD推导，便于管理人员根据客流OD对公交线网进行优化调整，精准匹配用户的出行需求，提高公交运营调度的质量。
进一步，所述步骤S2中，上车站点的分析包括步骤：
S201：计算线路站点GPS坐标和IC卡GPS坐标的距离，距离小者即为本次IC卡数据的站点；
S202：当计算的站点的站序小于上一条已计算的IC卡站点的站序，则在该线路的相反方向上按照步骤S201继续计算出两个站点的站序，当两个站点的顺序是正序，则记录车辆已改变运行方向，按照步骤S201继续计算上车站点。
有益效果：对车辆的行车区间进行识别，避免因车辆来回路线不同而导致的分析错误，使得站点的客流OD分布更为准确。
进一步，所述步骤S103中包括步骤：
S104：按照车牌号获取IC卡数据，根据第一条IC卡数据的GPS坐标，分别计算距离线路上行首站和线路下行首站的距离，距离小者为首班行车方向。
有益效果：通过IC卡的刷卡记录确认车辆的行车方向。
进一步，所述步骤S4中还包括步骤：
S401：根据各个站点的上车人数和下车人数计算各个站点的客流分布；
S402：根据各个站点的客流分布对各条线路的车辆进行线路调控。
有益效果：分析出客流分布，使得管理人员了解各个站点的客流量大小，便于管理人员进行车辆的线路调控，从而缓解交通堵塞问题。
进一步，所述步骤S402中，线路调控的步骤为：
S403：设置客流阈值，当站点的客流量超过客流阈值时，分析该站点的上下车的用户在之前站点的上车点分布和后续站点的下车点分布；
S405：在上车点分布最密集的站点和下车点分布最密集的站点设置定向公交。
有益效果：分析出客流量最大的站点区间，再通过设置定向公交来起到缓解线路的运量压力的作用
进一步，还包括步骤S5，所述步骤5包括以下步骤：
S501：根据各个站点的上车人数和下车人数计算各个车辆的满载率；
S502：设置满载阈值，当满载率超过满载阈值时，对车辆进行排班调控。
有益效果：根据车辆的满载率来对车辆排班进行调控，有利于缓解客运压力。
进一步，所述步骤S502中的排班调控方法为减短发车间隔。
有益效果：减短发车间隔，起到了提高线路运力的作用。
附图说明
图1为本发明基于城市公共交通综合模型的OD推导方法实施例一的步骤流程图。
具体实施方式
下面通过具体实施方式进一步详细说明：
具体实施过程如下：
实施例一
实施例一基本如附图1所示，基于城市公共交通综合模型的OD推导方法，包括步骤：
S1：采集道路数据、公交数据、轨道数据、IC卡数据和站点数据，分析出用户的乘车习惯；
S2：将IC卡刷卡时记录的GPS数据和站点数据进行匹配，分析出用户的上车站点；
S3：根据用户的乘车习惯中的上车站点和对应的下车站点推断出具备乘车习惯的用户在各个站点上车后，在后续各个站点下车的概率；
S4：根据该概率计算车辆线路和行车方向相同的车辆在各个上车点上车的用户在后续各个站点下车的人数；
所述步骤S1中乘车习惯的分析步骤包括：
S101：将IC卡数据按IC卡卡号进行分组并将刷卡记录按照刷卡时间升序排列；
S102：在刷卡记录中上一条记录所乘坐车辆的线路上寻找距离下一条记录的上车站点最近的站点作为上一条记录的下车站点；
S103：根据IC卡用户所乘坐车辆的车辆线路、行车方向、上车站点和下车站点生成乘车习惯。
具体的，本实施例中用户所乘坐的车辆为公交车辆；本方案在当地公交集团采集道路数据、IC卡数据和站点数据；本实施例还通过现有的“四阶段法”等相关技术分析方法，把道路、线路、站点、基础设施、小区和客流等公共交通现实事物规范化和数字化，形成公共交通综合数据库，并利用TRANSCAD\EMME软件分析关联数据，模拟并反映公交运行环境，由此搭建了企业级公共交通综合模型，支持线网服务水平(指标评价、覆盖范围等)、交通仿真预测、线网客流匹配分析等，可为线网布局覆盖、线网分级打造等提供决策技术支撑，根据公共交通模型分析出公交数据和轨道数据，所述公交数据和轨道数据中包括线路号、方向、站点序号和站点经纬度等。
IC卡包括轨道IC卡和公交IC卡，IC卡数据中包含了账户信息和刷卡记录信息，当用户在上车刷卡时，用户刷卡产生的GPS信息和车辆的GPS信息一致，而车辆的车牌号是唯一的，所以根据IC卡持卡人刷卡时产生的GPS信息和车辆的车牌号相匹配，即能分析出车辆在该位置的上车人数。
车辆在行驶过程中，因存在着往返线路的行车区间不同的情况，所以还需要对车辆的行车方向进行分析。因此本实施例中的步骤S103还包括步骤S104：按照车牌号获取IC卡数据，根据第一条IC卡数据的GPS坐标，分别计算距离线路上行首站和线路下行首站的距离，距离小者为首班行车方向。以此实现了通过比较第一条IC卡数据的位置与线路两端站点的距离来辨别线路的首班行车方向。
在记录乘客的上车站点时，本方案中步骤S2包括有上车站点分析步骤，S201：计算线路站点GPS坐标和IC卡GPS坐标的距离，距离小者即为本次IC卡数据的站点；S202：当计算的站点的站序小于上一条已计算的IC卡站点的站序，则在该线路的相反方向上按照步骤S201继续计算出两个站点的站序，当两个站点的顺序是正序，则记录车辆已改变运行方向，按照步骤S201继续计算上车站点。本方案通过取距离IC卡GPS坐标最近的站点GPS坐标作为IC卡持卡人的上车站点，避免了因IC卡GPS坐标和站点GPS坐标之间存在定位误差的问题；此外，还通过记录站点的站序分析出是否存在车辆运行方向改变的情况，以此对车辆运行方向的记录进行更新。
本实施例中分析车辆在各站点上车的用户在后续站点的下车情况时，所述的乘车习惯包括两种方式对数据进行分析，分别是对当天的数据进行分析以及对历史数据进行分析，在通过历史数据分析乘车习惯时，考虑到工作日时车流量的早晚高峰，所采用的数据需要和当天的星期相同。因为历史数据和当天的数据存在一定差异，所以本实施例中设有样本量阈值，本实施例优先采用当天的数据进行乘车习惯分析，在当天的样本量低于样本量阈值时，采用历史数据进行乘车习惯分析，避免因样本量不足而导致的误差过大问题。
分析用户乘车习惯时，结合了公交IC卡和轨道IC卡的数据，将IC卡按卡号进行分组，依刷卡时间升序取出已匹配完上车站点的数据。所述匹配的规则采用了出行链封闭原理，具体的，IC卡在公交站点A上车后，又在所乘车辆后续线路的站点B或站点B附近的其它站点有IC卡刷卡记录，则将该上车站点A与下一条刷卡记录的站点B相匹配，作为上车站点与对应下车站点生成乘车习惯记录。此外，所述站点的匹配还设有时间阈值，本实施例中的时间阈值设置为2小时；当两个站点的刷卡时间间隔超过该时间阈值时，所述两个站点匹配失败，不生成乘车习惯记录。
当具备各个站点的用户的乘车习惯记录后，便能够根据乘车习惯记录分析出具备乘车习惯记录的用户于某站点上车后在各个站点的下车概率，再将该概率应用到该站点上车的所有用户上，由此获知了损耗部分用户(指未匹配到下车站点的用户)的OD出行概率，分析出了于该站点上车的用户在后续各个站点的下车情况，进而分析出各个站点的乘客OD流向。
此外，所述步骤S4还包括步骤：
S401：根据各个站点的上车人数和下车人数计算各个站点的客流分布；
S402：根据各个站点的客流分布对各条线路的车辆进行线路调控。
线路调控的步骤为：
S403：设置客流阈值，当站点的客流量超过客流阈值时，分析该站点的上下车的用户在之前站点的上车点分布和后续站点的下车点分布；
S405：在上车点分布最密集的站点和下车点分布最密集的站点设置定向公交。
通过对各个站点的乘客OD流向进行分析，计算出各个站点的客流分布，再根据设置的客流阈值进行判定，当站点的客流量超过客流阈值时分析出该站点的上下车用户在之前站点的上车点分布和后续站点的下车点分布，再在上车点分布最密集的站点和下车点分布最密集的站点设置定向公交以起到缓解客流压力的作用；此外，通过在上车点分布最密集的站点和该站点之间设置定向公交，以及在下车点分布最密集的站点和该站点之间设置定向公交，都可以起到缓解客流压力的作用。
获取到各个站点的客流OD流向后，还可以对各个车辆的满载率进行分析，包括步骤：
S501：根据各个站点的上车人数和下车人数计算各个车辆的满载率；
S502：设置满载阈值，当满载率超过满载阈值时，对车辆进行排班调控。
根据设置的满载阈值来判断车辆是否需要进行排班调控以缓解客运压力，本方案中的排班调控包括但不限于采用剪短发车间隔等措施以提高线路运力。
以上的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (7)
1.基于城市公共交通综合模型的OD推导方法，其特征在于，包括以下步骤：
S1：采集道路数据、公交数据、轨道数据、IC卡数据和站点数据，分析出用户的乘车习惯；
S2：将IC卡刷卡时记录的GPS数据和站点数据进行匹配，分析出用户的上车站点；
S3：根据用户的乘车习惯中的上车站点和对应的下车站点推断出具备乘车习惯的用户在各个站点上车后，在后续各个站点下车的概率；
S4：根据该概率计算车辆线路和行车方向相同的车辆在各个上车点上车的用户在后续各个站点下车的人数；
所述步骤S1中乘车习惯的分析步骤包括：
S101：将IC卡数据按IC卡卡号进行分组并将刷卡记录按照刷卡时间升序排列；
S102：在刷卡记录中上一条记录所乘坐车辆的线路上寻找距离下一条记录的上车站点最近的站点作为上一条记录的下车站点；
S103：根据IC卡用户所乘坐车辆的车辆线路、行车方向、上车站点和下车站点生成乘车习惯。
2.根据权利要求1所述的基于城市公共交通综合模型的OD推导方法，其特征在于，所述步骤S2中，上车站点的分析包括步骤：
S201：计算线路站点GPS坐标和IC卡GPS坐标的距离，距离小者即为本次IC卡数据的站点；
S202：当计算的站点的站序小于上一条已计算的IC卡站点的站序，则在该线路的相反方向上按照步骤S201继续计算出两个站点的站序，当两个站点的顺序是正序，则记录车辆已改变运行方向，按照步骤S201继续计算上车站点。
3.根据权利要求2所述的基于城市公共交通综合模型的OD推导方法，其特征在于，所述步骤S103中包括步骤：
S104：按照车牌号获取IC卡数据，根据第一条IC卡数据的GPS坐标，分别计算距离线路上行首站和线路下行首站的距离，距离小者为首班行车方向。
4.根据权利要求1所述的基于城市公共交通综合模型的OD推导方法，其特征在于，所述步骤S4中还包括步骤：
S401：根据各个站点的上车人数和下车人数计算各个站点的客流分布；
S402：根据各个站点的客流分布对各条线路的车辆进行线路调控。
5.根据权利要求4所述的基于城市公共交通综合模型的OD推导方法，其特征在于，所述步骤S402中，线路调控的步骤为：
S403：设置客流阈值，当站点的客流量超过客流阈值时，分析该站点的上下车的用户在之前站点的上车点分布和后续站点的下车点分布；
S405：在上车点分布最密集的站点和下车点分布最密集的站点设置定向公交。
6.根据权利要求1所述的基于城市公共交通综合模型的OD推导方法，其特征在于，还包括步骤S5，所述步骤5包括以下步骤：
S501：根据各个站点的上车人数和下车人数计算各个车辆的满载率；
S502：设置满载阈值，当满载率超过满载阈值时，对车辆进行排班调控。
7.根据权利要求6所述的基于城市公共交通综合模型的OD推导方法，其特征在于：所述步骤S502中的排班调控方法为减短发车间隔。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111012941.3A CN113705903A (zh) | 2021-08-31 | 2021-08-31 | 基于城市公共交通综合模型的od推导方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111012941.3A CN113705903A (zh) | 2021-08-31 | 2021-08-31 | 基于城市公共交通综合模型的od推导方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113705903A true CN113705903A (zh) | 2021-11-26 |
Family
ID=78657998
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111012941.3A Pending CN113705903A (zh) | 2021-08-31 | 2021-08-31 | 基于城市公共交通综合模型的od推导方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113705903A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114332703A (zh) * | 2021-12-27 | 2022-04-12 | 深圳云天励飞技术股份有限公司 | 客流信息统计方法、装置、电子设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101615207A (zh) * | 2009-07-10 | 2009-12-30 | 重庆大学 | 一种获取公交ic卡持卡乘客上车站点的方法 |
| CN103871239A (zh) * | 2014-03-17 | 2014-06-18 | 同济大学 | 基于出租车和公交gps数据的公交运行状态判别方法及应用系统 |
| CN108389420A (zh) * | 2018-03-13 | 2018-08-10 | 重庆邮电大学 | 一种基于历史出行特征的公交乘客下车站点实时识别方法 |
| CN109583719A (zh) * | 2018-11-16 | 2019-04-05 | 浩鲸云计算科技股份有限公司 | 一种公交直达出行的线路班次调整的方法 |
| CN110084442A (zh) * | 2019-05-16 | 2019-08-02 | 重庆大学 | 一种联合公交和轨道交通刷卡数据进行客流od计算的方法 |
| CN110825820A (zh) * | 2019-09-27 | 2020-02-21 | 中国平安财产保险股份有限公司 | 实时数据标签获取方法、装置、计算机设备和存储介质 |
| CN111932867A (zh) * | 2020-06-18 | 2020-11-13 | 东南大学 | 一种基于多源数据的公交ic卡乘客下车站点推导方法 |
-
2021
- 2021-08-31 CN CN202111012941.3A patent/CN113705903A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101615207A (zh) * | 2009-07-10 | 2009-12-30 | 重庆大学 | 一种获取公交ic卡持卡乘客上车站点的方法 |
| CN103871239A (zh) * | 2014-03-17 | 2014-06-18 | 同济大学 | 基于出租车和公交gps数据的公交运行状态判别方法及应用系统 |
| CN108389420A (zh) * | 2018-03-13 | 2018-08-10 | 重庆邮电大学 | 一种基于历史出行特征的公交乘客下车站点实时识别方法 |
| CN109583719A (zh) * | 2018-11-16 | 2019-04-05 | 浩鲸云计算科技股份有限公司 | 一种公交直达出行的线路班次调整的方法 |
| CN110084442A (zh) * | 2019-05-16 | 2019-08-02 | 重庆大学 | 一种联合公交和轨道交通刷卡数据进行客流od计算的方法 |
| CN110825820A (zh) * | 2019-09-27 | 2020-02-21 | 中国平安财产保险股份有限公司 | 实时数据标签获取方法、装置、计算机设备和存储介质 |
| CN111932867A (zh) * | 2020-06-18 | 2020-11-13 | 东南大学 | 一种基于多源数据的公交ic卡乘客下车站点推导方法 |
Non-Patent Citations (1)
| Title |
|---|
| 中华会计网校: "《中级经济师专业知识与实务应试指南 运输经济（公路）专业》", 上海交通大学出版社, pages: 164 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114332703A (zh) * | 2021-12-27 | 2022-04-12 | 深圳云天励飞技术股份有限公司 | 客流信息统计方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Haglund et al. | Where did Kutsuplus drive us? Ex post evaluation of on-demand micro-transit pilot in the Helsinki capital region | |
| CN102324128B (zh) | 基于ic卡记录的公交站间od客流预测方法及装置 | |
| Bischoff et al. | Proactive empty vehicle rebalancing for Demand Responsive Transport services | |
| Navidi et al. | Comparison between ad-hoc demand responsive and conventional transit: a simulation study | |
| CN111079875A (zh) | 基于多源数据的公共交通客流监测方法、装置和存储介质 | |
| CN111275296B (zh) | 一种基于轨迹数据的单向共享汽车系统选址优化方法 | |
| Liu et al. | A trip-specific model for fuel saving estimation and subsidy policy making of carpooling based on empirical data | |
| CN110348614B (zh) | 一种获取乘客od的方法及公交客流的预测方法 | |
| CN111985710A (zh) | 一种公交乘客出行站点预测方法、存储介质及服务器 | |
| CN108242149A (zh) | 一种基于交通数据的大数据分析方法 | |
| CN108399468A (zh) | 一种基于车时成本优化的运营时段划分方法 | |
| CN109255972B (zh) | 一种基于大数据的地面公交固定线路时刻表的优化方法 | |
| Li et al. | Public bus arrival time prediction based on traffic information management system | |
| Dou et al. | Parallel shuttle bus service design for planned mass rapid transit shutdown: The Singapore experience | |
| US10635916B2 (en) | Determining vehicle crowdedness using real-time location data | |
| CN112036757A (zh) | 基于手机信令和浮动车数据的停车换乘停车场的选址方法 | |
| CN106897955A (zh) | 一种基于公交od数据的公交换乘识别方法 | |
| CN117371596A (zh) | 一种基于多源数据的智慧城市用公共交通综合调控系统 | |
| CN113442778A (zh) | 基于车联网的电动汽车充电调配方法、装置和系统 | |
| Aboudina et al. | Evaluation of bus bridging scenarios for railway service disruption management: a users’ delay modelling tool | |
| CN113705903A (zh) | 基于城市公共交通综合模型的od推导方法 | |
| CN102324111A (zh) | 基于公交ic卡数据的车辆运行方向判断方法 | |
| CN109740823B (zh) | 一种面向实时场景计算的出租车打车决策方法及系统 | |
| CN113344268B (zh) | 一种城市交通出行数据分析方法 | |
| CN113408833A (zh) | 一种公共交通重点区域识别方法、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 |