-
公开(公告)号：CN114399090A
公开(公告)日：2022-04-26
申请号：CN202111615033.3
申请日：2021-12-27
Applicant: 东南大学
IPC: G06Q10/04 , G06F16/906 , G06F16/909 , G06K9/62
Abstract: 本发明公开了一种基于Nested Logit模型的全天多模式出行链的选择建模方法，该方法包括旅客全天出行数据采集、旅客家庭身份信息获取、全天出行链分类、出行方式选择集制约值设置、旅客选择出行方式影响因素判定和全天出行链生成的六大步骤。本发明通过采集旅客一天完整出行数据及个人社会经济属性，分析个人全天出行特征，对旅客全天出行链选择偏好进行离散选择建模分析，以隐式选择集生成方法，降低选择集数量过大对个人选择误差影响，并将该选择集生成模式嵌入传统Nested Logit模型，得到不同旅客一天所有出行方式选择时的影响因素，通过计算出的出行链选择模型，进行个性化的出行方案推荐。
-
公开(公告)号：CN113780396A
公开(公告)日：2021-12-10
申请号：CN202111012909.5
申请日：2021-08-31
Applicant: 东南大学
Abstract: 本发明公开了一种基于全链式空铁联程出行的个性化方案生成方法，该方法包括旅客出行数据采集、确定旅客出行选择的最大影响因素、获取空铁联程旅客出行需求、采集联程出行信息、出行方案生成及排序、制定个性化出行方案六大步骤。本发明通过采集旅客的历史出行数据和个人偏好属性，运用基于决策树的随机森林算法预测不同旅客出行选择的最大影响因素，考虑旅客的全链式空铁联程出行需求，为旅客定制个性化联程出行方案。
-
Patent Agency Ranking
公开(公告)号：CN113780396B
公开(公告)日：2024-11-29
申请号：CN202111012909.5
申请日：2021-08-31
Applicant: 东南大学
IPC: G06Q10/047 , G06N5/01 , G06F18/2415 , G06F18/2431 , G06N20/20 , G06Q50/40 , G06Q50/14
Abstract: 本发明公开了一种基于全链式空铁联程出行的个性化方案生成方法，该方法包括旅客出行数据采集、确定旅客出行选择的最大影响因素、获取空铁联程旅客出行需求、采集联程出行信息、出行方案生成及排序、制定个性化出行方案六大步骤。本发明通过采集旅客的历史出行数据和个人偏好属性，运用基于决策树的随机森林算法预测不同旅客出行选择的最大影响因素，考虑旅客的全链式空铁联程出行需求，为旅客定制个性化联程出行方案。
-
公开(公告)号：CN114398530A
公开(公告)日：2022-04-26
申请号：CN202111623992.X
申请日：2021-12-28
Applicant: 东南大学
IPC: G06F16/909 , G06F16/901 , G06Q10/04
Abstract: 本申请涉及一种实时预测驾驶员用车行为模式变化的方法。该方法包括：实时获取驾驶者的个人出行的历史数据并进行预处理，历史数据为驾驶者在以前的出行中车辆的使用时间以及出行的空间位置；将历史数据规整后，将出行地图划分为网格并对网格中每一个格子给予索引作为空间数据，将时间序列数据按日划分，每日统计个人车辆使用时间并以此作为时间数据，获得统计的时间序列数据；将时间序列数据输入到预先构建的广义似然比模型中，对当前周期的车辆使用模式进行分析，获得驾驶员当前周期内的车辆使用模式变化信息。以概率分布形式推断，考虑了时间依赖性以及个人属性的异质性的多个个体的私家车使用行为，有效地提升个人用车行为模式推断的精确率。
-
公开(公告)号：CN114399090B
公开(公告)日：2024-11-22
申请号：CN202111615033.3
申请日：2021-12-27
Applicant: 东南大学
IPC: G06F30/20 , G06F16/906 , G06F16/909 , G06F18/2431 , G06F18/2415 , G06Q50/40 , G06F18/20
Abstract: 本发明公开了一种基于Nested Logit模型的全天多模式出行链的选择建模方法，该方法包括旅客全天出行数据采集、旅客家庭身份信息获取、全天出行链分类、出行方式选择集制约值设置、旅客选择出行方式影响因素判定和全天出行链生成的六大步骤。本发明通过采集旅客一天完整出行数据及个人社会经济属性，分析个人全天出行特征，对旅客全天出行链选择偏好进行离散选择建模分析，以隐式选择集生成方法，降低选择集数量过大对个人选择误差影响，并将该选择集生成模式嵌入传统Nested Logit模型，得到不同旅客一天所有出行方式选择时的影响因素，通过计算出的出行链选择模型，进行个性化的出行方案推荐。
-
公开(公告)号：CN114398530B
公开(公告)日：2024-08-23
申请号：CN202111623992.X
申请日：2021-12-28
Applicant: 东南大学
IPC: G06F16/909 , G06F16/901 , G06Q10/04
Abstract: 本申请涉及一种实时预测驾驶员用车行为模式变化的方法。该方法包括：实时获取驾驶者的个人出行的历史数据并进行预处理，历史数据为驾驶者在以前的出行中车辆的使用时间以及出行的空间位置；将历史数据规整后，将出行地图划分为网格并对网格中每一个格子给予索引作为空间数据，将时间序列数据按日划分，每日统计个人车辆使用时间并以此作为时间数据，获得统计的时间序列数据；将时间序列数据输入到预先构建的广义似然比模型中，对当前周期的车辆使用模式进行分析，获得驾驶员当前周期内的车辆使用模式变化信息。以概率分布形式推断，考虑了时间依赖性以及个人属性的异质性的多个个体的私家车使用行为，有效地提升个人用车行为模式推断的精确率。
-
公开(公告)号：CN110633898A
公开(公告)日：2019-12-31
申请号：CN201910794975.9
申请日：2019-08-27
Applicant: 东南大学
Abstract: 本发明公开了一种考虑交通出行碳排放的县域城镇生活圈划分方法，首先要根据县域居民出行特征和碳排系数计算研究区域每次出行碳排放；其次进行生活圈的时间界限划分，根据碳排放情况确定对应的低碳圈时间上限，综合考虑碳排放的突变点和公交车的最大可接受出行时间后，取两者中较小的时间界限作为中碳圈的出行时间上限；最后进行生活圈的地理空间界限划分，对于低碳圈的出行距离上限，用自行车出行的速度与出行时间上限相乘结果表示，中碳圈的出行距离上限用公交车的出行速度与时间上限相乘结果表示，高碳圈的出行距离上限定为研究区域的边界，在地图上展示为沿交通网络扩散的距离，此外，计算各行政区的人口重心作为生活圈的中心。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
