期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于浮动车数据的出租车运营管理特性建模与分析 被引量:14
1
作者 庄立坚 韦清波 +2 位作者 何兆成 杨文臣 孙文博 《重庆交通大学学报(自然科学版)》 CAS 北大核心 2014年第4期122-127,共6页
为提供实时准确的出租车运营管理数据,以缓解出租车空驶率高及运营效率低的现象,提出一种城市出租车运营管理特性的建模与分析方法。该方法依托大规模浮动车数据的分析和预处理,分析出租车GPS数据的特征,提出面向出租车运营管理的大规... 为提供实时准确的出租车运营管理数据,以缓解出租车空驶率高及运营效率低的现象,提出一种城市出租车运营管理特性的建模与分析方法。该方法依托大规模浮动车数据的分析和预处理,分析出租车GPS数据的特征,提出面向出租车运营管理的大规模浮动车数据处理框架,并综合出行需求、运营效益和运营效率,构建基于浮动车数据的出租车运营管理指标体系及其计算模型;以广州市为例,选取5个典型工作日的出租车GPS数据,分析广州市出租车运营的出行需求分布、里程空载率、时间空载率、载客行驶速度、载客出行时间和载客出行距离等指标,提取广州市出租车运营管理水平的重要特征参数,可为出租车站点优化配置、运营调度以及行业管理提供重要的决策支持。 展开更多
关键词 交通工程 智能交通 浮动车 出租车管理 数据处理 运营特性
在线阅读 下载PDF
考虑多因素的城市道路交通拥堵指数预测研究 被引量:31
2
作者 韦清波 何兆成 +2 位作者 郑喜双 陈昶佳 杨敬锋 《交通运输系统工程与信息》 EI CSCD 北大核心 2017年第1期74-81,共8页
在分析城市道路交通拥堵指数总体变化规律的基础上,综合考虑天气、节假日、重大活动等因素对交通的影响,以未来3 h、第2天24 h每5 min的交通拥堵指数明细为预测目标函数,建立基于K近邻的城市道路交通拥堵指数预测模型,确定了模型的状态... 在分析城市道路交通拥堵指数总体变化规律的基础上,综合考虑天气、节假日、重大活动等因素对交通的影响,以未来3 h、第2天24 h每5 min的交通拥堵指数明细为预测目标函数,建立基于K近邻的城市道路交通拥堵指数预测模型,确定了模型的状态向量、距离计算方法、预测值计算方法等,并根据实际采集数据对模型各参数进行标定,实现了对广州市宏观交通拥堵指数的短期、中期预测.最后,以2016年1~2月的数据为例,对模型进行测试验证.结果表明,预测模型对于普通日、特殊日的预测效果理想,且具有较强的可操作性,基本达到工程应用效果. 展开更多
关键词 城市交通 中短期预测 K近邻 交通拥堵指数 多因素
在线阅读 下载PDF
多源数据融合驱动的居民出行特征分析方法 被引量:20
3
作者 苏跃江 温惠英 +1 位作者 韦清波 吴德馨 《交通运输系统工程与信息》 EI CSCD 北大核心 2020年第5期56-63,共8页
结合传统抽样调查数据和交通大数据,研究多源数据融合驱动的居民出行特征分析方法.根据传统入户抽样调查居民的年龄结构、职业、车辆拥有、人口,以及手机信令数据分析出行频次分布等因素进行综合分析,获取居民初步出行特征;基于手机信令... 结合传统抽样调查数据和交通大数据,研究多源数据融合驱动的居民出行特征分析方法.根据传统入户抽样调查居民的年龄结构、职业、车辆拥有、人口,以及手机信令数据分析出行频次分布等因素进行综合分析,获取居民初步出行特征;基于手机信令、IC、AFC、GPS等大数据,通过出行时间分布、OD分布和出行方式结构对居民的出行特征进行综合矫正分析;最后,以广州市为例进行实证分析.对比研究传统抽样调查和多元数据融合分析方法可知,传统抽样调查居民出行漏报率为30%,每天出行2次的比例相差39.5%,全方式非通勤出行比例、晚高峰公交和地铁出行比例分别相差7.4%、8.1%和12.6%.结果表明,多源数据融合驱动的居民出行特征分析方法,在总量上有效挖掘居民出行的沉默需求,在时空分布上起到了"削峰填谷"的作用,是一种研究居民出行特征的有效方法. 展开更多
关键词 城市交通 居民出行特征 多源数据融合 分析方法
在线阅读 下载PDF
基于电子支付数据的公交车厢满载率实时估算方法 被引量:2
4
作者 韦清波 苏跃江 +2 位作者 高媛 杨敬锋 莫竣杰 《交通运输系统工程与信息》 EI CSCD 北大核心 2021年第1期75-81,89,共8页
针对公交监测和调度中要求实时掌握车厢满载率,以及“一票制”无法获取乘客下车信息等问题,构建基于数据驱动的组合模型,在乘客上车时即推断其出行OD站点,进而融合多源数据实现车厢满载率的实时估算。提出以K近邻算法为组合模型的核心,... 针对公交监测和调度中要求实时掌握车厢满载率,以及“一票制”无法获取乘客下车信息等问题,构建基于数据驱动的组合模型,在乘客上车时即推断其出行OD站点,进而融合多源数据实现车厢满载率的实时估算。提出以K近邻算法为组合模型的核心,针对K近邻推断率过低等问题,研究在更大空间维度分析乘客出行规律并推断下车站点的方法,有效提升历史数据的利用率和下车站点的推断率;此外,针对偶发型乘客缺少历史规律数据的情况,充分利用站点下车客流量先验概率随机分配,实现电子支付乘客OD的全样本推断。利用跟车调查法对不同线路、不同班次的车厢拥挤度进行验证。结果表明,模型计算结果与实际结果相符,能够反映出不同线路、不同站段之间的车厢拥挤水平变化。 展开更多
关键词 城市交通 车厢满载率 组合模型 实时估算 大数据
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部