一种基于聚类算法的共享单车停车区布设方法

    公开(公告)号:CN111881939A

    公开(公告)日:2020-11-03

    申请号:CN202010590509.1

    申请日:2020-06-24

    Applicant: 东南大学

    Abstract: 一种基于聚类算法的共享单车停车区布设方法,包括以下步骤:S1、获取共享单车历史位置数据;S2、对共享单车位置数据进行坐标转换;S3、初始化DBSCAN算法聚类参数并初步聚类;S4、采用k均值聚类算法划分过大类;S5、评价指标计算与聚类参数遍历情况检验;S6、提出最优共享单车停车区位置及容量;S7、判别停车区布设效果的稳定性。本发明方法可以有效缓解共享单车停车区施划不合理的情况,更有针对性的布设停车区,一定程度上提高了共享单车的规范化管理水平,并且本发明方法兼顾不同时段的位置信息、共享单车停车区的服务半径等因素进行停车区施划,可以统筹全时段的停车需求与使用者步行距离。

    一种城市交通应急资源布局方法及装置

    公开(公告)号:CN105809960B

    公开(公告)日:2018-08-14

    申请号:CN201610213277.1

    申请日:2016-04-07

    Applicant: 东南大学

    Abstract: 本发明提供了一种城市交通应急资源布局方法及装置,该方法包括如下步骤:将整个路网中的每条路段划分为多个单元;分别判断各个路段的各个单元是否是事故易发点,若是则根据事故易发等级将事故易发点至少分为一级事故易发点和二级事故易发点;根据一级事故易发点设置常备应急资源供给点;根据二级事故易发点设置动态应急资源供给点。本发明资源布局合理、机动灵活,不仅可以满足大型活动开展期间的城市道路交通应急,而且由于动态应急资源供给点的数量和资源均可调整从而降低了资源浪费(包括应急资源的人力管理、库存以及损耗等),提高了经济性。

    一种基于Voronoi图的混合公共自行车调度需求预测方法

    公开(公告)号:CN111882158B

    公开(公告)日:2021-03-09

    申请号:CN202010588754.9

    申请日:2020-06-24

    Applicant: 东南大学

    Abstract: 一种基于Voronoi图的混合公共自行车调度需求预测方法,包括以下步骤:S1、获取有桩与无桩公共自行车出行数据;S2、设置调度区域边界;S3、基于有桩公共自行车站点绘制Voronoi图;S4、提取Voronoi图各子区出行量的时间序列;S5、确定ARMA模型的阶数p和q;S6、采用标定后的ARMA模型预测次日出行量;S7、计算各子区内调度时间与调度量。本发明方法综合考虑有桩与无桩公共自行车进行调度分区与需求预测,打破了传统研究与应用方法只针对单一公共自行车的弊端,减少了两类公共自行车各自为营、重复调度的情况;同时,本发明方法生成的调度需求相比传统方法更为细致,也更加准确。

    一种基于聚类算法的共享单车停车区布设方法

    公开(公告)号:CN111881939B

    公开(公告)日:2021-03-09

    申请号:CN202010590509.1

    申请日:2020-06-24

    Applicant: 东南大学

    Abstract: 一种基于聚类算法的共享单车停车区布设方法,包括以下步骤:S1、获取共享单车历史位置数据;S2、对共享单车位置数据进行坐标转换;S3、初始化DBSCAN算法聚类参数并初步聚类;S4、采用k均值聚类算法划分过大类;S5、评价指标计算与聚类参数遍历情况检验;S6、提出最优共享单车停车区位置及容量;S7、判别停车区布设效果的稳定性。本发明方法可以有效缓解共享单车停车区施划不合理的情况,更有针对性的布设停车区,一定程度上提高了共享单车的规范化管理水平,并且本发明方法兼顾不同时段的位置信息、共享单车停车区的服务半径等因素进行停车区施划,可以统筹全时段的停车需求与使用者步行距离。

    一种有桩与无桩混用的公共自行车分区调度方法

    公开(公告)号:CN108492547A

    公开(公告)日:2018-09-04

    申请号:CN201810285793.4

    申请日:2018-04-03

    Applicant: 东南大学

    CPC classification number: G08G1/205 G06Q10/06315 G06Q30/0645 G06Q50/30

    Abstract: 本发明公开了一种有桩与无桩混用的公共自行车分区调度方法,包括以下步骤:S1、获取有桩与无桩混用的公共自行车共享网络的数据;S2、基于不平衡热度确定调度子区数量;S3、以多因子聚类进行调度子区划分;S4、生成调度子区内调度量与区间调度量;S5、确定调度子区仓库容量与位置;S6、确定最佳调度卡车车队规模。本发明综合考虑了有桩与无桩公共自行车的联合调度,充分达到了整个系统最优,利用本发明的方法可以有效缓解因调度不足引起的公共自行车乱停放、供需不匹配等问题,改善出行者无车可借或无处可还的尴尬情况,避免交通资源浪费,从根源上控制了调度的距离与成本,并且比传统的优化方法更简单,数据获取便捷,易于操作,便于计算机运算。

    一种城市交通应急资源布局方法及装置

    公开(公告)号:CN105809960A

    公开(公告)日:2016-07-27

    申请号:CN201610213277.1

    申请日:2016-04-07

    Applicant: 东南大学

    CPC classification number: G08G1/0137

    Abstract: 本发明提供了一种城市交通应急资源布局方法及装置,该方法包括如下步骤:将整个路网中的每条路段划分为多个单元;分别判断各个路段的各个单元是否是事故易发点,若是则根据事故易发等级将事故易发点至少分为一级事故易发点和二级事故易发点;根据一级事故易发点设置常备应急资源供给点;根据二级事故易发点设置动态应急资源供给点。本发明资源布局合理、机动灵活,不仅可以满足大型活动开展期间的城市道路交通应急,而且由于动态应急资源供给点的数量和资源均可调整从而降低了资源浪费(包括应急资源的人力管理、库存以及损耗等),提高了经济性。

    一种基于Voronoi图的混合公共自行车调度需求预测方法

    公开(公告)号:CN111882158A

    公开(公告)日:2020-11-03

    申请号:CN202010588754.9

    申请日:2020-06-24

    Applicant: 东南大学

    Abstract: 一种基于Voronoi图的混合公共自行车调度需求预测方法,包括以下步骤:S1、获取有桩与无桩公共自行车出行数据;S2、设置调度区域边界;S3、基于有桩公共自行车站点绘制Voronoi图;S4、提取Voronoi图各子区出行量的时间序列;S5、确定ARMA模型的阶数p和q;S6、采用标定后的ARMA模型预测次日出行量;S7、计算各子区内调度时间与调度量。本发明方法综合考虑有桩与无桩公共自行车进行调度分区与需求预测,打破了传统研究与应用方法只针对单一公共自行车的弊端,减少了两类公共自行车各自为营、重复调度的情况;同时,本发明方法生成的调度需求相比传统方法更为细致,也更加准确。

    一种有桩与无桩混用的公共自行车分区调度方法

    公开(公告)号:CN108492547B

    公开(公告)日:2020-09-11

    申请号:CN201810285793.4

    申请日:2018-04-03

    Applicant: 东南大学

    Abstract: 本发明公开了一种有桩与无桩混用的公共自行车分区调度方法,包括以下步骤:S1、获取有桩与无桩混用的公共自行车共享网络的数据;S2、基于不平衡热度确定调度子区数量;S3、以多因子聚类进行调度子区划分;S4、生成调度子区内调度量与区间调度量;S5、确定调度子区仓库容量与位置;S6、确定最佳调度卡车车队规模。本发明综合考虑了有桩与无桩公共自行车的联合调度,充分达到了整个系统最优,利用本发明的方法可以有效缓解因调度不足引起的公共自行车乱停放、供需不匹配等问题,改善出行者无车可借或无处可还的尴尬情况,避免交通资源浪费,从根源上控制了调度的距离与成本,并且比传统的优化方法更简单,数据获取便捷,易于操作,便于计算机运算。

    一种地铁与公共自行车刷卡数据融合方法

    公开(公告)号:CN108664553A

    公开(公告)日:2018-10-16

    申请号:CN201810285795.3

    申请日:2018-04-03

    Applicant: 东南大学

    Abstract: 本发明公开了一种地铁与公共自行车刷卡数据的融合方法,属于多源交通数据挖掘领域。该方法包括以下步骤:S1、获取地铁刷卡数据和公共自行车刷卡数据,并对公共自行车刷卡数据进行扩充;S2、对地铁刷卡数据和扩充后公共自行车刷卡数据进行处理,生成交易数据;S3、基于交易数据,计算地铁IC卡与公共自行车IC卡的关联规则的支持度、置信度与提升度;S4、提取有效关联规则,生成关联规则列表;S5、对关联规则列表进行检验,剔除不合理的关联规则。本发明方法对地铁与公共自行车刷卡数据进行融合的准确率高达97%,能够为进一步的研究提供数据基础,同时该方法运算速度快,相比于人工调查方式,不仅减少了人力投入,而且降低了误差。

Patent Agency Ranking