-
公开(公告)号：CN112488381A
公开(公告)日：2021-03-12
申请号：CN202011355525.9
申请日：2020-11-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于最小二乘法的出行/活动行为选择模型参数标定方法，用于解决城市交通规划中的模型参数标定问题。该方法包括以下步骤：(1)定义数据类型，进行预处理；(2)以最小二乘法为核心，设计上层优化模型，求解出行/活动行为选择模型的参数最优估计；(3)以交通分配为核心，设计下层优化模型，求解交通网络中的流量分布；(4)采用模拟退火法求解该双层优化模型，得到参数的估计值；(5)应用卡尔曼滤波器，对参数的估计值进行平滑，输出参数的最终标定值。应用本发明提出的方法可以有效地为出行/活动行为选择模型进行参数标定，具有广泛的适用性，并且可以根据需求调整输入数据量以及模型的精确度。
-
公开(公告)号：CN110913345B
公开(公告)日：2021-01-05
申请号：CN201911119105.8
申请日：2019-11-15
Applicant: 东南大学
Abstract: 本发明公开了一种基于手机信令数据的断面客流计算方法，包括如下步骤：(1)从手机信令数据中提取原始基站轨迹序列，每一个轨迹点包含基站地理位置坐标和时间戳，利用混合降噪算法以处理轨迹的空间不确定性问题；(2)从基站层面基于最短路的思想在稀疏的轨迹数据中进行插值，对降噪后的轨迹补全以获得连续的基站轨迹；(3)基于对断面客流的定义，统计穿过断面的轨迹数量，用折减系数对估算值进行修正，得到断面客流量。本发明通过对原始轨迹数据进行降噪和补全处理，计算一定时间内通过任意形状、任意长度的断面的客流数，除了考虑起终点信息以外，利用更精确的轨迹信息来计算断面客流。
-
公开(公告)号：CN107194128A
公开(公告)日：2017-09-22
申请号：CN201710530004.4
申请日：2017-06-30
Applicant: 东南大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于中心辐射型网络框架的多模式公共交通网络设计方法，在新建的地铁网络系统下，以中心辐射型网络为框架对城市普通公交网络进行重新设计，构建多模式交通运输系统。主要包括：(1)运用聚类方法对乘客需求点进行聚类，为地铁站和公交站台选定枢纽中心站。(2)基于新建成的地铁网络，提出多模式交通网络设计，包括采用启发式路线生成法进行主干公交线路的设计，运用旅行商问题进行接驳公交线路的设计。(3)建立双层规划模型问题来描述线路发车频率优化的决策过程，并利用人工蜂群算法进行求解。
-
公开(公告)号：CN118395221A
公开(公告)日：2024-07-26
申请号：CN202410374549.0
申请日：2024-03-29
Applicant: 东南大学
IPC: G06F18/23213 , G06Q50/26 , G06Q50/40
Abstract: 本发明公开了一种基于多维度行为和改进谱聚类算法的城市功能区识别方法，包括如下步骤：S1.OSM数据收集和预处理，利用城市研究区域道路数据生成交通分析小区；S2.多源数据预处理并与交通分析小区进行空间连接；S3.活动特征、出行特征、POI类别特征提取；S4.利用LDA模型得到居民多维度行为特征和POI特征的主题概率分布；S5.利用自定义相似度矩阵的谱聚类算法得到功能区分类；S6.区域POI分布特征和居民多维度行为特征标定功能区类型S7.结合土地利用现状图和在线地图，评价功能区识别结果。本发明有助于提取城市区域内不同人群的行为特征，并提高不同类别城市功能区的识别准确性。
-
公开(公告)号：CN114446048B
公开(公告)日：2023-12-05
申请号：CN202111636605.6
申请日：2021-12-29
Applicant: 东南大学
IPC: G08G1/01 , G06F16/215 , G06F16/2457 , G06F16/29 , G06F16/9537
Abstract: 本发明公开了基于手机信令数据的轨道交通出行者全出行链分析方法，包括：提取轨道交通出行者的手机信令数据信息，识别出行者的出行轨迹段、途经站点及起终站点数据；基于轨道交通线网拓扑结构，根据出行者每一趟次的出行轨迹段和途经站点，对出行者每一趟次的换乘站点进行识别，得到出行者真实的出行轨迹及换乘站点序列；识别得到出行者每一趟次的来源地和去向地并进行验证；根据出行者每一趟次的来源地和去向地对出行者对应趟次的出行轨迹进行分段，识别得到出行者的接驳方式，由此得到出行者的全出行链分析结果。本发明实现轨道出行者的全出行链分析，对研究轨道系统的运行现状，从而根据现状需求，进行线网规划与调整具有重要的意义。
-
Patent Agency Ranking
公开(公告)号：CN109978746B
公开(公告)日：2023-02-28
申请号：CN201910236950.7
申请日：2019-03-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于信令数据并结合动态阈值判断出行有效性的人口交换量估计方法，能够利用手机网络运营商日常运营时产生收集的信令数据，低成本地获得进行交通规划所必需的不同空间尺度和时间尺度的人口交换量信息。本发明利用信令数据获取各层次的人口交换量，可以广泛应用于城市规划以及交通规划和管理，更合理高效地分有限的公共资源；此外，和传统的问卷等方式采集人口交换数据相比，基于信令数据的人口交换量估计方法成本低、准确率高，是大数据时代城市交通规划方法革新的代表之一。
-
公开(公告)号：CN115203966A
公开(公告)日：2022-10-18
申请号：CN202210896758.2
申请日：2022-07-28
Applicant: 东南大学
Abstract: 本发明提出一种基于智能体仿真的家庭联合活动—出行模拟方法，该方法包括：1、将外部数据导入多智能体模型，初始化出行者智能体、活动—出行计划以及智能体所处仿真环境；2、智能体按照计划选择模型选择活动—出行计划并执行，执行结果返回到下一步骤；3、基于群体决策理论构建家庭层面的效用函数对本次迭代执行的活动—出行计划进行分组评价，作为活动—出行计划优化依据；4、在联合计划条件约束下对智能体的活动—出行计划进行分组优化，对部分活动—出行计划进行突变；5、以迭代的方式仿真，若迭代达到平衡条件则输出交通出行模式比例分布情况和平均出行距离，否则返回2继续迭代。
-
公开(公告)号：CN114723596A
公开(公告)日：2022-07-08
申请号：CN202210314162.7
申请日：2022-03-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于多源交通出行数据和主题模型的城市功能区识别方法，该方法包括：采集路网数据、兴趣点数据以及多源交通出行数据；路网数据经过形态学处理得到若干个交通分析小区；挖掘兴趣点数据和网约车、地铁出行数据中的特征构造“词汇”，采用潜在狄利克雷分配主题模型算法得到各交通分析小区的功能概率分布；采用聚类算法对所有交通分析小区进行功能聚类，通过构建的区域出行‑活动分析指标完成簇的功能标定。本发明的有益效果是结合了表示城市功能空间静态语义信息的兴趣点数据和动态出行特征的多种居民出行数据，既克服了单一因素的影响，同时结合了不同出行方式的活动特征的影响，得到更具广泛性和实际价值的划分结果。
-
公开(公告)号：CN110913345A
公开(公告)日：2020-03-24
申请号：CN201911119105.8
申请日：2019-11-15
Applicant: 东南大学
Abstract: 本发明公开了一种基于手机信令数据的断面客流计算方法，包括如下步骤：(1)从手机信令数据中提取原始基站轨迹序列，每一个轨迹点包含基站地理位置坐标和时间戳，利用混合降噪算法以处理轨迹的空间不确定性问题；(2)从基站层面基于最短路的思想在稀疏的轨迹数据中进行插值，对降噪后的轨迹补全以获得连续的基站轨迹；(3)基于对断面客流的定义，统计穿过断面的轨迹数量，用折减系数对估算值进行修正，得到断面客流量。本发明通过对原始轨迹数据进行降噪和补全处理，计算一定时间内通过任意形状、任意长度的断面的客流数，除了考虑起终点信息以外，利用更精确的轨迹信息来计算断面客流。
-
公开(公告)号：CN108681806A
公开(公告)日：2018-10-19
申请号：CN201810310412.3
申请日：2018-04-09
Applicant: 东南大学
CPC classification number: G06Q10/047 , G06Q10/0639 , G06Q50/26 , G06Q50/30
Abstract: 本发明公开了一种基于出行者活动的公交网络连通性评估方法，包括如下步骤：将基础交通网络拓展为ATS‑SAM网络；确定ATS‑SAM网络中各链接的阻抗；求解出行者的每日活动‑出行模式；评估公交网络连通性。本发明基于已有的ATS‑SAM网络，将基础公交网络转化为包含乘客换乘、活动等行为选择的超网络；其次，在转化后的网络中模拟出行者的每日活动和出行行为选择，并基于出行者的每日活动‑出行模式评估公交网络连通性；该方法在一定程度上考虑了出行者的活动及出行行为间的相互作用，能够充分反映定制公交等基于出行者需求设计的新型公共交通模式对出行者活动‑出行模式的影响；在连通性评估中考虑活动及出行选择的因素，从而增加了公交网络连通性评估的准确性。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.022 seconds)
