CN110246330A - 一种公交线路客流量预估方法、电子设备和存储介质 - Google Patents

一种公交线路客流量预估方法、电子设备和存储介质 Download PDF

Info

Publication number
CN110246330A
CN110246330A CN201910457156.5A CN201910457156A CN110246330A CN 110246330 A CN110246330 A CN 110246330A CN 201910457156 A CN201910457156 A CN 201910457156A CN 110246330 A CN110246330 A CN 110246330A
Authority
CN
China
Prior art keywords
moment
website
public bus
bus network
volume
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.)
Pending
Application number
CN201910457156.5A
Other languages
English (en)
Inventor
唐亚腾
张晓蕾
施雯洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan Huicheng Information Technology Co Ltd
Original Assignee
Foshan Huicheng Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Foshan Huicheng Information Technology Co Ltd filed Critical Foshan Huicheng Information Technology Co Ltd
Priority to CN201910457156.5A priority Critical patent/CN110246330A/zh
Publication of CN110246330A publication Critical patent/CN110246330A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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"
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Traffic Control Systems (AREA)
  • Devices For Checking Fares Or Tickets At Control Points (AREA)

Abstract

本发明公开了一种公交线路客流量预估方法，包括如下步骤：选取设定区域的任意一条公交线路；获取选取的公交线路上到达每一个站点对应的时刻；获取接入车载WIFI的智能设备，并获取每一个接入车载WIFI的智能设备的接入时刻和断开时刻；根据每一个接入车载WIFI的智能设备对应的接入时刻和断开时刻，统计该公交线路每个站点的进客量和落客量；统计得到每一个站点的刷卡量，结合断开时刻序列获取每个乘车卡对应的刷卡时间；预估每一个站点的总客量。本发明利用接入车载WIFI，根据车载GPS定位报站统计智能设备的接入、断开WIFI的时间和数量，结合人工调查实际值对客流OD进行整合，可以预估总的落客量，数据更加精准。

Description

一种公交线路客流量预估方法、电子设备和存储介质
技术领域
本发明涉及一种数据处理技术领域，尤其涉及一种公交线路客流量预估方法、电子设备和存储介质。
背景技术
目前，公交线路客流OD(起点终点间)预测的准确性是制定公交线路的基础，对城市公共交通的规划起到至关重要的作用。
但是，现有的方案存在以下缺陷。
客流OD预测由于通常只知道乘客的上车站点，常见的可通过刷卡记录获得，无法精确获取乘客下车站点，导致客流OD的精准预测较难。基于人工统计的方式费时费力，无法大范围泛化推广；基于对乘客在不同车次转乘中读卡的刷卡记录的统计方法涵盖的乘客范围不全，精度不高；基于视频分析的方式需要依赖大量的人工标注，且还属于试验性，精度不高。
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供一种公交线路客流量预估方法，其能解决现有技术统计麻烦、数据类型有限、精度不高的技术问题。
本发明的目的之二在于提供一种电子设备，其能解决现有技术统计麻烦、数据类型有限、精度不高的技术问题。
本发明的目的之三在于提供一种计算机可读存储介质，其能解决现有技术统计麻烦、数据类型有限、精度不高的技术问题。
本发明的目的之一采用如下技术方案实现：
一种公交线路客流量预估方法，包括如下步骤：
线路选取步骤：选取设定区域的任意一条公交线路；
时刻加载步骤：获取所选取的公交线路上到达每一个站点对应的时刻，将站点与对应的时刻绑定生成断开时刻序列；
设备接入步骤：获取每一个站点接入车载WIFI的智能设备，并获取每一个接入车载WIFI的智能设备的接入时刻和断开时刻；
客流统计步骤：根据每一个接入车载WIFI的智能设备对应的接入时刻和断开时刻生成每个设备的WIFI时刻数据，统计该公交线路每个站点的进客量和落客量；
读卡记录步骤：获取每个乘车卡对应的刷卡站点，统计得到每一个站点的刷卡量，结合断开时刻序列获取每个乘车卡对应的刷卡时间；
数据整合步骤：将公交线路每个站点的进客量、落客量、刷卡量及刷卡时间进行数据整合，预估每一个站点的总客量。
进一步地，在画像标签判断步骤之前包括步骤唤醒判断步骤：判断智能音响是否唤醒，如果是，则执行画像标签判断步骤，如果否，则获取外部环境数据。
进一步地，在数据整合步骤中，根据公式落客量*刷卡量/进客量预估每一个站点的总客量。
进一步地，在数据整合步骤之后，还包括如下步骤：
人工调查步骤：根据天气类型、节假日类型、不同时间段分别对应每个站点的进客量、落客量、刷卡量及刷卡时间进行信息整合为目标回归值；
模型训练步骤：将目标回归值输入至神经网络中进行训练得到网络模型
进一步地，在模型训练步骤之后，还包括客流预估步骤：选取其他任意一条公交线路输入值网络模型中，得到对应的公交线路的客流OD预估值。
进一步地，在客流统计步骤中，判断任意一个设备的接入时刻与断开时刻之间的时长是否小于预设值，若是，则删除WIFI时刻数据中该设备对应的接入时刻和断开时刻，否则，保存该设备对应的接入时刻和断开时刻。
本发明的目的之二采用如下技术方案实现：
一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
线路选取步骤：选取设定区域的任意一条公交线路；
时刻加载步骤：获取所选取的公交线路上到达每一个站点对应的时刻，将站点与对应的时刻绑定生成断开时刻序列；
设备接入步骤：获取每一个站点接入车载WIFI的智能设备，并获取每一个接入车载WIFI的智能设备的接入时刻和断开时刻；
客流统计步骤：根据每一个接入车载WIFI的智能设备对应的接入时刻和断开时刻生成每个设备的WIFI时刻数据，统计该公交线路每个站点的进客量和落客量；
读卡记录步骤：获取每个乘车卡对应的刷卡站点，统计得到每一个站点的刷卡量，结合断开时刻序列获取每个乘车卡对应的刷卡时间；
数据整合步骤：将公交线路每个站点的进客量、落客量、刷卡量及刷卡时间进行数据整合，预估每一个站点的总客量。
进一步地，在数据整合步骤中，根据公式落客量*刷卡量/进客量预估每一个站点的总客量。
进一步地，在数据整合步骤之后，还包括如下步骤：
人工调查步骤：根据天气类型、节假日类型、不同时间段分别对应每个站点的进客量、落客量、刷卡量及刷卡时间进行信息整合为目标回归值；
模型训练步骤：将目标回归值输入至神经网络中进行训练得到网络模型。
进一步地，在客流统计步骤中，判断任意一个设备的接入时刻与断开时刻之间的时长是否小于预设值，若是，则删除WIFI时刻数据中该设备对应的接入时刻和断开时刻，否则，保存该设备对应的接入时刻和断开时刻。
本发明的目的之三采用如下技术方案实现：
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行上述任意一项所述的公交线路客流量预估方法。
相比现有技术，本发明的有益效果在于：.
本发明利用接入车载WIFI，根据车载GPS定位报站统计智能设备的接入、断开WIFI的时间和数量，结合人工调查实际值对客流OD进行整合，可以预估总的落客量，数据更加精准。
附图说明
图1为本发明的一种公交线路客流量预估方法的流程图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
实施例一
如图1所示，本发明提供了一种公交线路客流量预估方法，其特征在于，包括如下步骤：
S1：选取设定区域的任意一条公交线路；
本发明首先选定某个地区，为公交车事先配备车载gps、车载WIFI和读卡设备等必备车载硬件设备，车载WiFi可以设置为一定范围的智能设备可以自动扫描接入，不需要密码，可以将车载WIFI在显目的位置上推广。
S2：获取所选取的公交线路上到达每一个站点对应的时刻，将站点与对应的时刻绑定生成断开时刻序列；
由于具有车载gps，因而可以对车辆位置进行定位，也就是可以获取公交车到达的站点信息，结合计时器、时钟等设备，可以获取到达站点的时刻。
S3：获取每一个站点接入车载WIFI的智能设备，并获取每一个接入车载WIFI的智能设备的接入时刻和断开时刻；
当公交车到站，在车站候车的乘客可以接入车载WIFI，下车的乘客由于与公交车的距离越来越远，会自动断开车载WIFI。
S4：根据每一个接入车载WIFI的智能设备对应的接入时刻和断开时刻生成每个设备的WIFI时刻数据，统计该公交线路每个站点的进客量和落客量；
智能设备通常为智能手机，因此大致可以将接入一台智能设备定义为一个乘客。因此根据不同的时刻，可以对应是在哪个站点，再根据接入车载WIFI的智能设备的数量以及断开的数量，可以获取到每个站点的进客量和落客量。
在本步骤中，由于接入车载WIFI只有在合适地理范围内都可以接入，因此也存在接入的智能设备是在站点等候其他车辆，而没有上本公交车线路的乘客，作为优选的，判断任意一个设备的接入时刻与断开时刻之间的时长是否小于预设值，若是，则删除WIFI时刻数据中该设备对应的接入时刻和断开时刻，否则，保存该设备对应的接入时刻和断开时刻。
S5：获取每个乘车卡对应的刷卡站点，统计得到每一个站点的刷卡量，结合断开时刻序列获取每个乘车卡对应的刷卡时间；
通过读卡设备，可以采集通过乘车卡乘车的乘客数量，也就是刷卡统计值。
S6：将公交线路每个站点的进客量、落客量、刷卡量及刷卡时间进行数据整合，预估每一个站点的总客量。
本步骤具体根据公式落客量*刷卡量/进客量预估每一个站点的总客量。
S7：根据天气类型、节假日类型、不同时间段分别对应每个站点的进客量、落客量、刷卡量及刷卡时间进行信息整合为目标回归值；
对应不同的天气、是否节假日、是否上班高峰期，结合不同的这些情况整合成目标回归值。
S8：将目标回归值输入至神经网络中进行训练得到网络模型。
S9：选取其他任意一条公交线路输入值网络模型中，得到对应的公交线路的客流OD预估值。
实施例二
实施例二公开了一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
线路选取步骤：选取设定区域的任意一条公交线路；
时刻加载步骤：获取所选取的公交线路上到达每一个站点对应的时刻，将站点与对应的时刻绑定生成断开时刻序列；
设备接入步骤：获取每一个站点接入车载WIFI的智能设备，并获取每一个接入车载WIFI的智能设备的接入时刻和断开时刻；
客流统计步骤：根据每一个接入车载WIFI的智能设备对应的接入时刻和断开时刻生成每个设备的WIFI时刻数据，统计该公交线路每个站点的进客量和落客量；本步骤中，进一步判断任意一个设备的接入时刻与断开时刻之间的时长是否小于预设值，若是，则删除WIFI时刻数据中该设备对应的接入时刻和断开时刻，否则，保存该设备对应的接入时刻和断开时刻。
读卡记录步骤：获取每个乘车卡对应的刷卡站点，统计得到每一个站点的刷卡量，结合断开时刻序列获取每个乘车卡对应的刷卡时间；
数据整合步骤：将公交线路每个站点的进客量、落客量、刷卡量及刷卡时间进行数据整合，预估每一个站点的总客量。
在数据整合步骤中，根据公式落客量*刷卡量/进客量预估每一个站点的总客量。
在数据整合步骤之后，还包括如下步骤：
人工调查步骤：根据天气类型、节假日类型、不同时间段分别对应每个站点的进客量、落客量、刷卡量及刷卡时间进行信息整合为目标回归值；
模型训练步骤：将目标回归值输入至神经网络中进行训练得到网络模型。
实施例三
实施例三公开了一种可读的计算机存储介质，该存储介质用于存储程序，并且该程序被处理器执行时，实现实施例一的公交线路客流量预估方法。
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (10)

1.一种公交线路客流量预估方法，其特征在于，包括如下步骤：
线路选取步骤：选取设定区域的任意一条公交线路；
时刻加载步骤：获取所选取的公交线路上到达每一个站点对应的时刻，将站点与对应的时刻绑定生成断开时刻序列；
设备接入步骤：获取每一个站点接入车载WIFI的智能设备，并获取每一个接入车载WIFI的智能设备的接入时刻和断开时刻；
客流统计步骤：根据每一个接入车载WIFI的智能设备对应的接入时刻和断开时刻生成每个设备的WIFI时刻数据，统计该公交线路每个站点的进客量和落客量；
读卡记录步骤：获取每个乘车卡对应的刷卡站点，统计得到每一个站点的刷卡量，结合断开时刻序列获取每个乘车卡对应的刷卡时间；
数据整合步骤：将公交线路每个站点的进客量、落客量、刷卡量及刷卡时间进行数据整合，预估每一个站点的总客量。
2.如权利要求1所述的公交线路客流量预估方法，其特征在于，在数据整合步骤中，根据公式落客量*刷卡量/进客量预估每一个站点的总客量。
3.如权利要求1所述的公交线路客流量预估方法，其特征在于，在数据整合步骤之后，还包括如下步骤：
人工调查步骤：根据天气类型、节假日类型、不同时间段分别对应每个站点的进客量、落客量、刷卡量及刷卡时间进行信息整合为目标回归值；
模型训练步骤：将目标回归值输入至神经网络中进行训练得到网络模型。
4.如权利要求3所述的公交线路客流量预估方法，其特征在于，在模型训练步骤之后，还包括客流预估步骤：选取其他任意一条公交线路输入值网络模型中，得到对应的公交线路的客流OD预估值。
5.如权利要求1所述的公交线路客流量预估方法，其特征在于，在客流统计步骤中，判断任意一个设备的接入时刻与断开时刻之间的时长是否小于预设值，若是，则删除WIFI时刻数据中该设备对应的接入时刻和断开时刻，否则，保存该设备对应的接入时刻和断开时刻。
6.一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：
线路选取步骤：选取设定区域的任意一条公交线路；
时刻加载步骤：获取所选取的公交线路上到达每一个站点对应的时刻，将站点与对应的时刻绑定生成断开时刻序列；
设备接入步骤：获取每一个站点接入车载WIFI的智能设备，并获取每一个接入车载WIFI的智能设备的接入时刻和断开时刻；
客流统计步骤：根据每一个接入车载WIFI的智能设备对应的接入时刻和断开时刻生成每个设备的WIFI时刻数据，统计该公交线路每个站点的进客量和落客量；
读卡记录步骤：获取每个乘车卡对应的刷卡站点，统计得到每一个站点的刷卡量，结合断开时刻序列获取每个乘车卡对应的刷卡时间；
数据整合步骤：将公交线路每个站点的进客量、落客量、刷卡量及刷卡时间进行数据整合，预估每一个站点的总客量。
7.如权利要求6所述的电子设备，其特征在于，在数据整合步骤中，根据公式落客量*刷卡量/进客量预估每一个站点的总客量。
8.如权利要求6所述的电子设备，其特征在于，在数据整合步骤之后，还包括如下步骤：
人工调查步骤：根据天气类型、节假日类型、不同时间段分别对应每个站点的进客量、落客量、刷卡量及刷卡时间进行信息整合为目标回归值；
模型训练步骤：将目标回归值输入至神经网络中进行训练得到网络模型。
9.如权利要求6所述的电子设备，其特征在于，在客流统计步骤中，判断任意一个设备的接入时刻与断开时刻之间的时长是否小于预设值，若是，则删除WIFI时刻数据中该设备对应的接入时刻和断开时刻，否则，保存该设备对应的接入时刻和断开时刻。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-5任意一项所述的公交线路客流量预估方法。
CN201910457156.5A 2019-05-29 2019-05-29 一种公交线路客流量预估方法、电子设备和存储介质 Pending CN110246330A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910457156.5A CN110246330A (zh) 2019-05-29 2019-05-29 一种公交线路客流量预估方法、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910457156.5A CN110246330A (zh) 2019-05-29 2019-05-29 一种公交线路客流量预估方法、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN110246330A true CN110246330A (zh) 2019-09-17

Family

ID=67885421

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910457156.5A Pending CN110246330A (zh) 2019-05-29 2019-05-29 一种公交线路客流量预估方法、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN110246330A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI748514B (zh) * 2020-06-12 2021-12-01 中華電信股份有限公司 車流推估方法與系統

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007079928A (ja) * 2005-09-14 2007-03-29 Kyosan Electric Mfg Co Ltd 乗車管理システム、携帯端末、車載用管理装置、センタ装置、乗車管理方法、そのプログラム及び記録媒体
CN105869388A (zh) * 2016-05-31 2016-08-17 苏州朗捷通智能科技有限公司 一种公交客流数据采集及起讫点的分析方法及***
CN106297288A (zh) * 2016-08-23 2017-01-04 同济大学 一种公交乘客客流数据采集与分析方法
CN107767669A (zh) * 2017-10-24 2018-03-06 东南大学 基于WiFi和蓝牙识别的公交线路客流OD估计方法
CN107766981A (zh) * 2017-10-24 2018-03-06 东南大学 基于站点WiFi的公交客流OD估计及短时预测方法
CN108449439A (zh) * 2018-05-22 2018-08-24 集美大学 基于wifi技术的车内人数统计***
CN109558985A (zh) * 2018-12-10 2019-04-02 南通科技职业学院 一种基于bp神经网络的公交客流量预测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007079928A (ja) * 2005-09-14 2007-03-29 Kyosan Electric Mfg Co Ltd 乗車管理システム、携帯端末、車載用管理装置、センタ装置、乗車管理方法、そのプログラム及び記録媒体
CN105869388A (zh) * 2016-05-31 2016-08-17 苏州朗捷通智能科技有限公司 一种公交客流数据采集及起讫点的分析方法及***
CN106297288A (zh) * 2016-08-23 2017-01-04 同济大学 一种公交乘客客流数据采集与分析方法
CN107767669A (zh) * 2017-10-24 2018-03-06 东南大学 基于WiFi和蓝牙识别的公交线路客流OD估计方法
CN107766981A (zh) * 2017-10-24 2018-03-06 东南大学 基于站点WiFi的公交客流OD估计及短时预测方法
CN108449439A (zh) * 2018-05-22 2018-08-24 集美大学 基于wifi技术的车内人数统计***
CN109558985A (zh) * 2018-12-10 2019-04-02 南通科技职业学院 一种基于bp神经网络的公交客流量预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张游杰 等: "基于WiFi 身份识别和公交IC卡数据的公交客流起讫点分析", 《计算机应用》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI748514B (zh) * 2020-06-12 2021-12-01 中華電信股份有限公司 車流推估方法與系統

Similar Documents

Publication Publication Date Title
CN103700174B (zh) 一种基于wifi身份识别的公交客流数据采集及od分析方法
CN106846517B (zh) 一种基于路径识别的高速公路收费方法
CN103280121B (zh) 基于物联网技术的智能停车场***的工作方法
CN108550261B (zh) 基于rfid电子车牌的城市交通od计算方法
CN108133619A (zh) 停车场停车预测的方法、装置、存储介质及终端设备
CN105677793A (zh) 地点数据库的建立和候选乘车地点的推荐方法及装置
CN108877227B (zh) 一种基于多源交通数据的全局动态出行需求估计方法
CN204808598U (zh) 停车场管理***
CN106373425B (zh) 一种基于大数据的停车管理***
CN109189949B (zh) 一种人口分布计算方法
CN107862899A (zh) 反向寻车方法、装置、计算机装置及计算机可读存储介质
CN105261234A (zh) 一种开放区域无人值守的智能停车管理***和方法
CN105376709A (zh) 基于移动通信技术统计区域人口数量的方法及***
CN103516912B (zh) 一种移动终端定位省电方法
CN110009914A (zh) 悬挂轨道式停车场车位管理智能机器人
CN104102979B (zh) 一种办公用车信息化***及其应用方法
CN205354375U (zh) 一种基于手机蓝牙的泊车诱导***
CN105376710A (zh) 一种景区实时统计游客数量的***及方法
CN110298768A (zh) 一种基于bim与gis的路桥养护辅助决策***及养护方法
CN110545518A (zh) 一种共享充电宝归还提醒***及方法
CN110246330A (zh) 一种公交线路客流量预估方法、电子设备和存储介质
CN107766098A (zh) 应用后台定位管理方法、移动终端及存储介质
CN106998581A (zh) 一种网络连接方法以及装置、计算机装置、可读存储介质
CN103593889B (zh) 基于rfid的博物馆参观者数量及容量控制***
CN113313307A (zh) 基于信令大数据的旅游路线挖掘方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190917

RJ01 Rejection of invention patent application after publication