数据驱动的通勤团体配对共享停车方法研究
wf（2020）
Abstract
随着机动车保有量日益增加,停车难愈发成为城市交通的通病,但当上班地点停车场大排长龙时,周边居住区车位却大量处于空闲状态,车位资源得不到合理利用,而现有的共享停车方法由于其随机性实施难度较大.为减少其随机性,降低共享停车的实施难度以及减少车位资源的浪费,基于毗邻办公楼与居住区的通勤团体之间出行时间具有的天然互补性,提出数据驱动一对一的配对共享解决方案.通过分析车场车辆进出记录数据对问题进行求解,分析进出口数据,得到关于居住区车位的空闲时长特征与办公楼车辆的使用时长特征,进而根据时长最大化的匹配方法得到配对车位与车辆.针对选取的停车场进行实验,完全匹配的车位占比37.66％,所有匹配车位利用率平均提高15.24％,其中最大提高57.84％.结果表明配对共享方法具有较大可行性.
MoreAI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined