CN108877272B - 一种基于目的地状态的车辆导航***和导航方法 - Google Patents
一种基于目的地状态的车辆导航***和导航方法 Download PDFInfo
- Publication number
- CN108877272B CN108877272B CN201810870234.XA CN201810870234A CN108877272B CN 108877272 B CN108877272 B CN 108877272B CN 201810870234 A CN201810870234 A CN 201810870234A CN 108877272 B CN108877272 B CN 108877272B
- Authority
- CN
- China
- Prior art keywords
- destination
- module
- data
- route
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于目的地状态的车辆导航***和导航方法,属于智能交通技术领域。导航命令接收模块将使用者下达的导航命令发送给路径规划模块,数据收集模块收集各个目的地的状态信息,并将状态信息上传至消息队列模块,之后根据消息队列模块中的目的状态地历史数据预测其未来状态,依据预测结果和导航命令规划合理路线,使用者可由展示模块获取最优规划结果。本发明解决了因未考虑目的地状态而导致的使用者在目的地行动受限等问题,改善了使用者的出行体验。
Description
技术领域
本发明属于智能交通技术领域,具体涉及一种基于目的地状态的车辆导航***和导航方法。
背景技术
随着科学技术的发展进步,汽车已成为人们日常生活中不可或缺的重要工具,而伴随着车辆普及率的快速提高,交通拥挤、交通堵塞、交通事故等交通问题频繁发生,给人们的正常生活带来极大的困扰,同时也造成了巨大的经济损失。面对这一系列问题,车辆导航***(VehicleLocationSystem-VLS)应运而生。车辆导航将全球定位***技术、地理信息***技术、电子技术及计算机技术等各种高新技术融合在一起,是现代智能交通的一个分支。汽车通过车载的导航仪器接收卫星数据,在电子地图上显示车辆的当前位置、行驶方向和离目的地的距离等信息,根据距离最短准则在当前已知路网范围内选择最优的行驶路线。目前,投入市场应用的成熟车辆导航***大多基于静态的路径规划,然而面对存在众多不稳定因素的交通现实,用户并不满足于现有的***。尤其是发生交通事故和交通堵塞时,静态路径规划不能及时改变路线。因此,车辆导航动态路径规划就成为新一代智能车辆导航***的研究热点问题。车辆动态路径规划基于历史的、当前的交通信息数据对未来交通流量进行预测,并用于及时调整和更新最佳行车路线,从而有效减少道路阻塞和交通事故。近几年,在国内外的车辆导航研究中,交通信息预测的重要性逐渐凸显出来,越来越多的研究学者们应用卡尔曼滤波方法、时间序列方法、神经网络法等对交通信息预测进行了深入研究。除交通信息智能预测以外,路网模型和路径规划算法也是基于实时交通信息的车辆动态路径规划***的研究重点。通过构建路网模型可以将物理上的道路网络抽象成一个使计算机能够处理的数据模型,将道路上的各种因素都数据化。选取恰当的路径规划算法可以在路网模型上结合交通信息按照一定的最优目标规划最佳出行路线。
现有技术中,车辆导航一般仅考虑了导航起始地、途径地和目的地,而未将目的地的状态作为考虑因素。导致使用者虽然被成功导航至目的地,但有可能遇到景点暂停服务、停车位不足、餐厅无空座等情况,给使用者带来了较多的不便。
发明内容
本发明的目的在于提供实现根据目的地当前或未来状态为用户规划合理路线的一种基于目的地状态的车辆导航***和导航方法。
本发明的目的通过如下技术方案来实现:
一种基于目的地状态的车辆导航***,包括导航命令接收模块、数据收集模块、分布式消息队列模块、目的地状态预测模块、路径规划模块以及展示模块;
导航命令接收模块布置于车辆或使用者的移动终端上,用于接收使用者给出的导航指令,具体包括导航目的地、途径地以及停留时间等,并将导航指令通过Restful API接口以JSON格式发送至路径规划模块;
数据收集模块布置于各个被监测目的地中,如景点、餐厅和停车场等,用于收集该目的地当前状态信息,如景点人数、餐厅空座数和可用停车位等数据,并将状态信息通过RestfulAPI接口以JSON格式发送至分布式消息队列模块;
分布式消息队列模块布置于云平台,用于接收来自各个被监测目的地中数据收集模块发送的流式状态信息;
目的地状态预测模块布置于云平台中,用于从分布式消息队列模块中读取JSON格式的目的地历史数据,用时间序列分析方法预测各对应目的地未来一段时间的状态信息;
路径规划模块部署于车辆或使用者的移动终端上,用于从导航命令接收模块接收数据同时从目的地状态预测模块获取JSON格式的数据,并依据接收到的数据规划最优路线,并将规划结果发送到展示模块;
展示模块布置于车辆或使用者的移动终端上,用于从路径规划模块读取规划结果并向使用者展示导航路径。
一种基于目的地状态的车辆导航方法,步骤如下:
步骤1.导航命令接收模块布置于车辆或使用者的移动终端上,用于接收使用者给出的导航指令,具体包括导航目的地、途径地以及停留时间等,并将导航指令通过RestfulAPI接口以JSON格式发送至路径规划模块;
步骤2.数据收集模块布置于各个被监测目的地中,如景点、餐厅和停车场等,用于收集该目的地当前状态信息,如景点人数、餐厅空座数和可用停车位等数据,并将状态信息通过Restful API接口以JSON格式发送至分布式消息队列模块;
步骤3.分布式消息队列模块布置于云平台,用于接收来自各个被监测目的地中数据收集模块发送的流式状态信息;
步骤4.目的地状态预测模块布置于云平台中,用于从分布式消息队列模块中读取JSON格式的目的地历史数据,用时间序列分析方法预测各对应目的地未来一段时间的状态信息;
步骤5.路径规划模块部署于车辆或使用者的移动终端上,用于从导航命令接收模块接收数据同时从目的地状态预测模块获取JSON格式的数据,并依据接收到的数据规划最优路线,并将规划结果发送到展示模块;
步骤5.1将未被规划的目的地存放于列表L1中,规划起始位置直接到达各个目的地的路线,计算行驶时间并将列表L1按行驶时间ti,i=1,2,…,N,从小到大排序,N为未被规划的目的地数;
步骤5.2按照行驶时间从小到大遍历表L1,根据目的地状态预测模块提供的数据,选出首个在tj,j=1,2,…,N时间后仍可用的目的地Dj,j=1,2,…,N,将其添加到最优规划线路中,并从列表L1中删除该目的地;
步骤5.3将时间点向后推移tj+dj,其中dj为使用者拟在目的地Dj停留的时长,起始位置更新为Dj所在位置;
步骤5.4重复上述步骤5.1~5.3,直至列表L1为空,此时得到的最优规划线路即为最终规划线路;
步骤6.展示模块布置于车辆或使用者的移动终端上,用于从路径规划模块读取规划结果并向使用者展示导航路径。
本发明的有益效果在于:
导航命令接收模块将使用者下达的导航命令发送给路径规划模块,数据收集模块收集各个目的地的状态信息,并将状态信息上传至消息队列模块,之后根据消息队列模块中的目的状态地历史数据预测其未来状态,依据预测结果和导航命令规划合理路线,使用者可由展示模块获取最优规划结果。
附图说明
图1为车辆导航***架构图;
图2为车辆导航***的导航方法流程图;
图3为目的地状态预测实现流程图;
图4为路径规划算法实现流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明:
具体实施例一:
一种基于目的地状态的车辆导航***,包括导航命令接收模块、数据收集模块、分布式消息队列模块、目的地状态预测模块、路径规划模块以及展示模块;
导航命令接收模块布置于车辆或使用者的移动终端上,接收使用者给出的导航指令,并将导航指令通过Restful API接口以JSON格式发送至路径规划模块;
数据收集模块布置于各个被监测目的地中,用于收集该目的地当前状态信息,并将状态信息通过Restful API接口以JSON格式发送至分布式消息队列模块;
分布式消息队列模块布置于云平台,用于接收来自各个被监测目的地中数据收集模块发送的流式状态信息;
目的地状态预测模块布置于云平台中,从分布式消息队列模块中读取JSON格式的目的地历史数据,用时间序列分析方法预测各对应目的地未来一段时间的状态信息;
路径规划模块部署于车辆或使用者的移动终端上,从导航命令接收模块接收数据同时从目的地状态预测模块获取JSON格式的数据,并依据接收到的数据规划最优路线,并将规划结果发送到展示模块;
展示模块布置于车辆或使用者的移动终端上,用于从路径规划模块读取规划结果并向使用者展示导航路径。
一种基于目的地状态的车辆导航方法,包括如下步骤:
(1)导航命令接收模块接收使用者给出的导航指令,并将导航指令通过RestfulAPI接口以JSON格式发送至路径规划模块;
(2)数据收集模块收集该目的地当前状态信息,并将状态信息通过Restful API接口以JSON格式发送至分布式消息队列模块;
(3)分布式消息队列接收来自各个被监测目的地中数据收集模块发送的流式状态信息;
(4)目的地状态预测模块从分布式消息队列模块中读取JSON格式的目的地历史数据,用时间序列分析方法预测各对应目的地未来一段时间的状态信息;
(5)路径规划模块从导航命令接收模块接收数据同时从目的地状态预测模块获取JSON格式的数据,并依据接收到的数据规划最优路线,并将规划结果发送到展示模块;
(6)展示模块从路径规划模块读取规划结果并向使用者展示导航路径。
所述的步骤(5)具体包括:
(5.1)将未被规划的目的地存放于列表L1中,规划起始位置直接到达各个目的地的路线,计算行驶时间并将列表L1按行驶时间ti,i=1,2,…,N,从小到大排序,N为未被规划的目的地数;
(5.2)按照行驶时间从小到大遍历表L1,根据目的地状态预测模块提供的数据,选出首个在tj,j=1,2,…,N时间后仍可用的目的地Dj,j=1,2,…,N,将其添加到最优规划线路中,并从列表L1中删除该目的地;
(5.3)将时间点向后推移tj+dj,其中dj为使用者拟在目的地Dj停留的时长,起始位置更新为Dj所在位置;
(5.4)重复上述步骤,直至列表L1为空,此时得到的最优规划线路即为最终规划线路。
具体实施例二:
图1示出了本发明设计的一种基于目的地状态的车辆导航***,该***具体包括被监测目的地11、数据收集模块12、分布式消息队列模块13、目的地状态预测模块14、导航命令接收模块15、路径规划模块16以及展示模块17等部分;其中在各个被监测目的地11上分别布置数据收集模块12;
各个被监测目的地11上的数据收集模块12用于收集该目的地的状态信息,具体包括景点人数、餐厅空座数和可用停车位等数据,并将数据通过Restful API接口以JSON格式发送至分布式消息队列模块13;
分布式消息队列模块13布置于云平台,用于接收来自各个被监测目的地11上数据收集模块12发送的流式状态信息;
目的地状态预测模块14从分布式消息队列模块13中读取JSON格式的目的地状态历史数据,用时间序列分析方法预测各对应目的地未来一段时间的状态;
导航命令接收模块15布置于车辆或使用者的移动终端上,用于接收使用者给出的导航指令,具体包括导航目的地、途径地以及停留时间等,并将导航指令通过Restful API接口以JSON格式发送至路径规划模块16;
路径规划模块16部署于车辆或使用者的移动终端上,用于从导航命令接收模块15接收数据同时从目的地状态预测模块14获取JSON格式的数据,并依据接收到的数据规划最优路线,并将规划结果发送到展示模块17;
展示模块17布置于车辆或使用者的移动终端上,用于从路径规划模块读取规划结果并向使用者展示导航路径。
图2示出了本发明所设计的一种基于目的地状态的车辆导航***的导航方法流程图,详述如下:
在S201中,导航命令接收模块接收使用者给出的导航指令,具体包括导航目的地、途径地以及停留时间等,并将导航指令通过Restful API接口以JSON格式发送至路径规划模块;
在S202中,数据收集模块收集目的地当前状态信息,如景点人数、餐厅空座数和可用停车位等数据,并将状态信息通过Restful API接口以JSON格式发送至分布式消息队列模块;
在S203中,分布式消息队列模块接收来自各个被监测目的地中数据收集模块发送的流式状态信息;
在S204中,目的地状态预测模块从分布式消息队列模块中读取JSON格式的目的地历史数据,用时间序列分析方法预测各对应目的地未来一段时间的状态信息;
在S205中,路径规划模块从导航命令接收模块接收数据同时从目的地状态预测模块获取JSON格式的数据,并依据接收到的数据规划最优路线,并将规划结果发送到展示模块;
在S206中,展示模块布置于车辆或使用者的移动终端上,用于从路径规划模块读取规划结果并向使用者展示导航路径。
图3示出了本发明实施例提供的目的地状态预测实现流程图,详述如下:
在S301中,目的地状态预测模块从分布式消息队列模块中读取各个目的地的状态历史数据,并以每个目的地为单位,将历史数据转换为相应的时间序列数据;
在S302中,根据得到的时间序列数据,使用经验模态分解法(EMD)将时间序列数据分解为若干个IMF序列数据以及一个残差序列数据;
在S303中,使用ARIMA算法分别对每个IMF序列数据进行预测;使用二次多项式对残差序列数据进行预测;
在S304中,将S303中得到的各个IMF和残差序列的预测结果进行求和,得到最终的预测结果。
图4示出了本发明实施例提供的路径规划算法实现流程图,详述如下:
在S401中,将未被规划的目的地存放于列表L1中,规划起始位置直接到达各个目的地的路线,计算行驶时间并将列表L1按行驶时间ti,i=1,2,…,N,从小到大排序,N为未被规划的目的地数;
在S402中,按照行驶时间从小到大遍历表L1,根据目的地状态预测模块提供的数据,选出首个在tj,j=1,2,…,N时间后仍可用的目的地Dj,j=1,2,…,N,将其添加到最优规划线路中,并从列表L1中删除该目的地;
在S403中,将时间点向后推移tj+dj,其中dj为使用者拟在目的地Dj停留的时长,起始位置更新为Dj所在位置;
在S404中,判断列表L1是否为空,若不为空则重复上述S401~S403,若为空则输出最终规划路线。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于目的地状态的车辆导航***,其特征在于,包括导航命令接收模块、数据收集模块、分布式消息队列模块、目的地状态预测模块、路径规划模块以及展示模块;
导航命令接收模块接收使用者给出的导航指令,具体包括导航目的地、途径地以及停留时间,并将导航指令通过RestfulAPI接口以JSON格式发送至路径规划模块;
数据收集模块收集目的地当前状态信息,包括景点人数、餐厅空座数和可用停车位数据,并将状态信息通过RestfulAPI接口以JSON格式发送至分布式消息队列模块;
分布式消息队列模块接收来自各个被监测目的地中数据收集模块发送的流式状态信息;
目的地状态预测模块从分布式消息队列模块中读取JSON格式的目的地历史数据,用时间序列分析方法预测各对应目的地未来一段时间的状态信息;具体包括:
目的地状态预测模块从分布式消息队列模块中读取各个目的地的状态历史数据,并以每个目的地为单位,将历史数据转换为相应的时间序列数据;根据得到的时间序列数据,使用经验模态分解法将时间序列数据分解为若干个IMF序列数据以及一个残差序列数据;使用ARIMA算法分别对每个IMF序列数据进行预测;使用二次多项式对残差序列数据进行预测;将各个IMF和残差序列的预测结果进行求和,得到最终的预测结果;
路径规划模块从导航命令接收模块接收数据同时从目的地状态预测模块获取JSON格式的数据,并依据接收到的数据规划最优路线,并将规划结果发送到展示模块;具体包括:
将未被规划的目的地存放于列表L1中,规划起始位置直接到达各个目的地的路线,计算行驶时间并将列表L1按行驶时间ti,i=1,2,...,N,从小到大排序,N为未被规划的目的地数;按照行驶时间从小到大遍历表L1,根据目的地状态预测模块提供的数据,选出首个在tj,j=1,2,...,N时间后仍可用的目的地Dj,j=1,2,...,N,将其添加到最优规划线路中,并从列表L1中删除该目的地;将时间点向后推移tj+dj,其中dj为使用者拟在目的地Dj停留的时长,起始位置更新为Dj所在位置;判断列表L1是否为空,若不为空则重复上述步骤,若为空则输出最终规划路线;
展示模块布置于车辆或使用者的移动终端上,用于从路径规划模块读取规划结果并向使用者展示导航路径。
2.一种基于目的地状态的车辆导航方法,其特征在于,包括如下步骤:
(1)导航命令接收模块接收使用者给出的导航指令,包括导航目的地、途径地以及停留时间,并将导航指令通过RestfulAPI接口以JSON格式发送至路径规划模块;
(2)数据收集模块收集该目的地当前状态信息,包括景点人数、餐厅空座数和可用停车位数据,并将状态信息通过RestfulAPI接口以JSON格式发送至分布式消息队列模块;
(3)分布式消息队列接收来自各个被监测目的地中数据收集模块发送的流式状态信息;
(4)目的地状态预测模块从分布式消息队列模块中读取JSON格式的目的地历史数据,用时间序列分析方法预测各对应目的地未来一段时间的状态信息;具体包括:目的地状态预测模块从分布式消息队列模块中读取各个目的地的状态历史数据,并以每个目的地为单位,将历史数据转换为相应的时间序列数据;根据得到的时间序列数据,使用经验模态分解法将时间序列数据分解为若干个IMF序列数据以及一个残差序列数据;使用ARIMA算法分别对每个IMF序列数据进行预测;使用二次多项式对残差序列数据进行预测;将各个IMF和残差序列的预测结果进行求和,得到最终的预测结果;
(5)路径规划模块从导航命令接收模块接收数据同时从目的地状态预测模块获取JSON格式的数据,并依据接收到的数据规划最优路线,并将规划结果发送到展示模块;具体包括:
将未被规划的目的地存放于列表L1中,规划起始位置直接到达各个目的地的路线,计算行驶时间并将列表L1按行驶时间ti,i=1,2,...,N,从小到大排序,N为未被规划的目的地数;按照行驶时间从小到大遍历表L1,根据目的地状态预测模块提供的数据,选出首个在tj,j=1,2,...,N时间后仍可用的目的地Dj,j=1,2,...,N,将其添加到最优规划线路中,并从列表L1中删除该目的地;将时间点向后推移tj+dj,其中dj为使用者拟在目的地Dj停留的时长,起始位置更新为Dj所在位置;重复上述步骤,直至列表L1为空,此时得到的最优规划线路即为最终规划线路;
(6)展示模块从路径规划模块读取规划结果并向使用者展示导航路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810870234.XA CN108877272B (zh) | 2018-08-02 | 2018-08-02 | 一种基于目的地状态的车辆导航***和导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810870234.XA CN108877272B (zh) | 2018-08-02 | 2018-08-02 | 一种基于目的地状态的车辆导航***和导航方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108877272A CN108877272A (zh) | 2018-11-23 |
CN108877272B true CN108877272B (zh) | 2020-12-22 |
Family
ID=64307444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810870234.XA Active CN108877272B (zh) | 2018-08-02 | 2018-08-02 | 一种基于目的地状态的车辆导航***和导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108877272B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111337038A (zh) * | 2018-12-18 | 2020-06-26 | 美的集团股份有限公司 | 导航方法、导航***、车辆和导航终端 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101859146A (zh) * | 2010-07-16 | 2010-10-13 | 哈尔滨工业大学 | 一种基于预测滤波和经验模态分解的卫星故障预测方法 |
CN104657826A (zh) * | 2015-02-15 | 2015-05-27 | 百度在线网络技术(北京)有限公司 | 资源分配方法和装置 |
CN107202589A (zh) * | 2016-03-18 | 2017-09-26 | 大众汽车有限公司 | 用于导航数据的几何线性化的装置、***和方法 |
KR20170114411A (ko) * | 2016-04-04 | 2017-10-16 | 김영덕 | 여행지 쇼핑 정보 제공 시스템 및 그의 운영 방법 |
CN107305573A (zh) * | 2016-04-25 | 2017-10-31 | 北京搜狗科技发展有限公司 | 一种导航控制方法、装置及电子设备 |
CN107360218A (zh) * | 2017-06-22 | 2017-11-17 | 浙江力石科技股份有限公司 | 一种面向智慧旅游的大数据一体化并行存储调度方法及*** |
CN109389252A (zh) * | 2018-11-06 | 2019-02-26 | 大国创新智能科技(东莞)有限公司 | 基于大数据和深度学习的旅游景点诱导方法和*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103402173B (zh) * | 2013-07-18 | 2016-06-15 | 合肥工业大学 | 一种用于旅游景点的旅游时间优化方法 |
US10024669B2 (en) * | 2016-08-30 | 2018-07-17 | Google Llc | Rerouting in a navigation system based on updated information |
CN107452226B (zh) * | 2017-07-31 | 2020-05-05 | 北京经纬恒润科技有限公司 | 一种中途停车推荐路侧停车位的方法及*** |
CN107392389A (zh) * | 2017-08-03 | 2017-11-24 | 重庆大学 | 基于arima模型的出租车调度处理方法 |
CN107909188A (zh) * | 2017-10-19 | 2018-04-13 | 金华航大北斗应用技术有限公司 | 用于景区静态路线的数据预处理方法 |
CN107978148A (zh) * | 2017-11-13 | 2018-05-01 | 上海电科智能***股份有限公司 | 一种基于多源交通数据动态可靠性的交通状态预测方法 |
CN108280540B (zh) * | 2018-01-10 | 2021-09-28 | 东南大学 | 轨道交通站点短时客流状态预测方法及装置 |
-
2018
- 2018-08-02 CN CN201810870234.XA patent/CN108877272B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101859146A (zh) * | 2010-07-16 | 2010-10-13 | 哈尔滨工业大学 | 一种基于预测滤波和经验模态分解的卫星故障预测方法 |
CN104657826A (zh) * | 2015-02-15 | 2015-05-27 | 百度在线网络技术(北京)有限公司 | 资源分配方法和装置 |
CN107202589A (zh) * | 2016-03-18 | 2017-09-26 | 大众汽车有限公司 | 用于导航数据的几何线性化的装置、***和方法 |
KR20170114411A (ko) * | 2016-04-04 | 2017-10-16 | 김영덕 | 여행지 쇼핑 정보 제공 시스템 및 그의 운영 방법 |
CN107305573A (zh) * | 2016-04-25 | 2017-10-31 | 北京搜狗科技发展有限公司 | 一种导航控制方法、装置及电子设备 |
CN107360218A (zh) * | 2017-06-22 | 2017-11-17 | 浙江力石科技股份有限公司 | 一种面向智慧旅游的大数据一体化并行存储调度方法及*** |
CN109389252A (zh) * | 2018-11-06 | 2019-02-26 | 大国创新智能科技(东莞)有限公司 | 基于大数据和深度学习的旅游景点诱导方法和*** |
Non-Patent Citations (2)
Title |
---|
土舱压力数据序列的混合降噪方法;赵炯 等;《机电一体化》;20150531;第59-63页 * |
基于数据分析的云监控***;李志娟 等;《指挥信息***与技术》;20181231;第9卷(第6期);第30-35页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108877272A (zh) | 2018-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109000668B (zh) | 基于车联网的实时智能导航方法 | |
EP2270432B1 (en) | Navigation device, route-search server, and route-search system | |
CN101308029B (zh) | 路网网格匹配、路况状态信息及诱导路线信息获取方法 | |
Larsen et al. | Recent developments in dynamic vehicle routing systems | |
CN105070044A (zh) | 一种基于乘客预约的定制公交合乘车辆动态调度方法 | |
JP4373941B2 (ja) | 燃料供給所情報配信システム、燃料供給所情報配信サーバおよび燃料供給所情報表示装置 | |
JP4247192B2 (ja) | 燃料供給所割当てシステムおよび移動体側表示装置 | |
JP5954584B2 (ja) | 充電器配置計画支援装置、充電器配置計画支援方法、及びプログラム | |
US20210241626A1 (en) | Vehicle dispatch device, vehicle dispatch method, computer program, and computer-readable recording medium | |
CN103177562B (zh) | 一种获取交通状态预测所需信息的方法及装置 | |
CN103218769A (zh) | 出租车订单分配方法 | |
CN103109161A (zh) | 导航装置及方法 | |
CN102506861A (zh) | 交通出行信息的处理方法及装置 | |
Coffey et al. | Time of arrival predictability horizons for public bus routes | |
CN107845255A (zh) | 一种具有固定路线的无人驾驶汽车的招车*** | |
CN112991743B (zh) | 基于行驶路径的实时交通风险ai预测方法及其*** | |
CN104641387A (zh) | 公共运输导航器 | |
JP7444057B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN104952240A (zh) | 获取公交位置信息及公交到站时间的方法、装置及*** | |
JP2009009282A (ja) | 需要情報送信装置 | |
Attard et al. | The technology behind a shared demand responsive transport system for a university campus | |
JP2019074986A (ja) | 動態管理サーバ、動態管理方法および動態管理プログラム | |
CN108877272B (zh) | 一种基于目的地状态的车辆导航***和导航方法 | |
JP2001222798A (ja) | 営業車用客情報提供システム | |
US20030208313A1 (en) | System for computing speeds and estimated arrival times for moving vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |