排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
2.
刷卡数据为研究公共交通乘客长期出行规律提供了数据基础.利用北京市2018年 4~5月的刷卡数据,通过提取乘客活动地,推断居住地位置和识别活动类型3个步骤构建乘客个体活动链;基于PrefixSpan算法提取普通卡、老年卡、学生卡乘客活动链的频繁序列模式,采 用Levenshtein距离度量3类乘客活动链日维度的相似性.结果表明:每类用户中约70%乘客的频繁活动序列是对称模式;普通卡和学生卡用户的相似性高于老年卡用户,平均值分别为 0.645、0.649和0.530;3类乘客的工作日与非工作日活动链具有明显差异,而工作日之间或非工作日之间具有较高相似性.本文有助于定量解析公共交通乘客的出行活动规律,为科学优化公共交通服务提供依据. 相似文献
3.
准确地定量化评价城市路网宏观运行质量是提升交通管理水平的关键,网约车轨迹数据为精确获取路网运行状态提供了良好的数据基础.基于双流模型,考虑路网中要素的关联性,引入畅行指数和适应度指数,评价路网对交通需求变化的响应能力.以高频网约车轨迹数据为基础,提出了基于行程单元的评价指标计算方法.以北京和上海为例,上海市路网运行状态好于北京市路网,上海路网的最大平均行驶速度高于北京约4.5km/h,适应能力高于北京4% ~6%;这2座城市中心城区的畅行程度由内向外逐渐变好,但是中心城区的路网适应性更高. 相似文献
4.
刷卡数据为研究公共交通乘客长期出行规律提供了数据基础.利用北京市2018年 4~5月的刷卡数据,通过提取乘客活动地,推断居住地位置和识别活动类型3个步骤构建乘客个体活动链;基于PrefixSpan算法提取普通卡、老年卡、学生卡乘客活动链的频繁序列模式,采 用Levenshtein距离度量3类乘客活动链日维度的相似性.结果表明:每类用户中约70%乘客的频繁活动序列是对称模式;普通卡和学生卡用户的相似性高于老年卡用户,平均值分别为 0.645、0.649和0.530;3类乘客的工作日与非工作日活动链具有明显差异,而工作日之间或非工作日之间具有较高相似性.本文有助于定量解析公共交通乘客的出行活动规律,为科学优化公共交通服务提供依据. 相似文献
1