CN110533911A - 基于大数据的公交运行情况实时反馈*** - Google Patents
基于大数据的公交运行情况实时反馈*** Download PDFInfo
- Publication number
- CN110533911A CN110533911A CN201910860887.4A CN201910860887A CN110533911A CN 110533911 A CN110533911 A CN 110533911A CN 201910860887 A CN201910860887 A CN 201910860887A CN 110533911 A CN110533911 A CN 110533911A
- Authority
- CN
- China
- Prior art keywords
- module
- bus
- predicted position
- signal
- public transport
- 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.)
- Granted
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
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
- G08G1/127—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Radar, Positioning & Navigation (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Remote Sensing (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于大数据的公交运行情况实时反馈***,包括公交调度模块、通讯模块、数据采集模块、数据处理模块、输出模块以及查询模块。本发明在数据采集模块与多个公交调度模块采集前对多个公交调度模块信号流中的信号进行检测,识别信号流的最大流量,为后续带宽的调整打下坚实基础,识别信号流的最大流量时不同于现有技术,算法利用了数据采集模块采集信号的采样序列进行训练,通过结合延时序列同步算法,根据数据采集模块与多个公交调度模块的相关值的叠加值的变化来判断,大大提升了算法的计算速度,摒弃了复杂的计算步骤,得到的公交运行调度信号干扰小,纯度高。
Description
技术领域
本发明属于大数据技术领域,具体涉及一种基于大数据的公交运行情况实时反馈***。
背景技术
城市公交线路越来越多,现有的公交运行反馈***要同时对接多条公交线路覆盖的公交车信号,障碍物较多,容易出现盲区死角,因此需要更高的带宽,而且通信信号的质量对于公交线路与公交运行反馈***的匹配滤波结果影响很大,假如运行情况不能及时的实时反馈会导致后面的公交调度等步骤无法正常进行,因此信号的同步精准对于公交运行反馈***来说显得十分重要。
再者,现有的公交运行反馈***中的公交调度***主要是通过获取目标线路对应的每一辆公交车的当前地理位置,确定每一辆公交车当前所在的运行区间,根据每个运行区间中的公交车异常状况进行调度部署;或者在每班次公交发车前,调度***根据预约出行乘客信息,确定公交车辆初始行驶路径,若出现动态出行需求,调度***根据车辆位置信息和乘客信息,及时调整车辆行驶路径。但是现有技术中,由于受复杂的通讯及电磁环境的影响,定位及获取公交车地理位置的结果容易收到干扰,比如滴滴和优步经常出现此类问题,从而导致依靠现有单一的定位方法与调度***之间产生有很大误差结果,而且定位速度也比较慢,启动备用调度方案时,往往随意性比较强,根据路况信息实时调度时计算速度跟不上,定位问题公交车的计算速度也比较慢。
发明内容
本发明的目的是为了克服上述不足提供一种基于大数据的公交运行情况实时反馈***,包括以下模块:公交调度模块、通讯模块、数据采集模块、数据处理模块、输出模块以及查询模块;
所述公交调度模块通过通讯模块与数据采集模块相连;
所述数据采集模块与数据处理模块相连;
所述数据处理模块与输出模块相连;
所述输出模块与查询模块相连。
本发明具有以下效果:本发明在数据采集模块与多个公交调度模块采集前对多个公交调度模块信号流中的信号进行检测,识别信号流的最大流量,为后续带宽的调整打下坚实基础,识别信号流的最大流量时不同于现有技术,算法利用了数据采集模块采集信号的采样序列进行训练,通过结合延时序列同步算法,根据数据采集模块与多个公交调度模块的相关值的叠加值的变化来判断,大大提升了算法的计算速度,摒弃了复杂的计算步骤,得到的公交运行调度信号干扰小,纯度高。此外本发明判断c1与c2之差是否超出偏差阈值范围,然后根据当c1与c2之差位于偏差阈值范围之内的次数是否满足预设次数等等步骤来判断线路运行状况,并且先获得包含近似准确的预测位置的集合W,根据集合W中包含的近似准确的预测位置的样本数量,选择数量最多的近似准确的预测位置作为目标近似准确的预测位置,避免了复杂的通讯及电磁环境下仅仅依靠现有单一的定位方法就确定调度方案出现巨大误差的问题,从而提升了定位速度且提高了公交调度的精准度及稳定性,而且启动备用调度方案时通过车站采集和流动采集相结合,大大提升了计算速度,从而更快捷的识别最佳调度方案。最后还通过hash算法查找车牌号来定位问题公交车的,计算速度也大大提高。
附图说明
图1是本发明***结构示意图。
图2是本发明公交调度模块***结构示意图。
图3是输出判断模块***结构示意图。
具体实施方式
以下结合具体实施例对本发明作进一步的说明:
一种基于大数据的公交运行情况实时反馈***,包括以下模块:公交调度模块、通讯模块、数据采集模块、数据处理模块、输出模块以及查询模块;
所述公交调度模块通过通讯模块与数据采集模块相连;
所述数据采集模块与数据处理模块相连;
所述数据处理模块与输出模块相连;
所述输出模块与查询模块相连。
所述公交调度模块用于对某条线路的同向公交车运行状况进行采集和调度;
所述通讯模块用于实现数据采集模块与多个公交调度模块的互联;
所述数据采集模块用于接收多个公交调度模块的公交运行情况;
所述数据处理模块用于处理采集到的公交运行情况数据;
所述输出模块用于将处理过的公交运行情况数据进行输出至查询模块;
所述查询模块用于操作人员进行查询公交运行情况的实时反馈。
所述通讯模块用于实现数据采集模块与多个公交调度模块的互联,具体用于在采集前对多个公交调度模块信号流中的信号进行检测,识别信号流的最大流量flow:
其中,dis为公交调度模块的个数,k为数据采集模块采集信道的数量,REk(n)为数据采集模块采集的信号能量,DEk(n)为延时序列相关函数;ss(n)数据采集模块采集信号的采样序列,n为子载波的索引值,位于0-128之间。
所述公交调度模块包括以下模块:
第一位置模块,用于获取当前时刻一条公交线路从起点站到终点站之间同向运行该线路公交车的当前地理位置,读取当前时刻所述公交车预测地理位置;
第一计算模块,用于计算当前时刻所述公交车地理位置与当前时刻所述公交车预测地理位置之间距离差值c1;
第二位置模块,用于获取下一时刻所述公交车地理位置,读取下一时刻所述公交车预测地理位置;
第二计算模块,用于计算所述公交车地理位置和下一时刻所述公交车预测地理位置之间距离差值c2;
预设模块,用于预设该线路公交车同向运行实际位置与预测位置的偏差阈值;
输出判断模块,用于判断c1与c2之差是否超出偏差阈值范围,并将判断结果进行缓存,读取缓存结果,当c1与c2之差位于偏差阈值范围之内的次数小于或等于F时,则判定预测位置的偏差近似准确,该线路运行正常,同时将近似准确的预测位置结果进行保存;反之,则通过通讯模块对车辆终端和车队发送调度控制信息。所述F为5。
所述输出判断模块包括调度模块,用于当c1与c2之差位于偏差阈值范围之内的次数大于u时,启动备用调度方案。
所述输出判断模块包括:第一判断模块,用于将近似准确的预测位置结果进行保存后,读取取近似准确的预测位置;判断近似准确的预测位置的数量是否超过预设值,以及判断近似准确的预测位置与预测位置最小间距离是否超过设定的阈值;当近似准确的预测位置的数量超过预设值或者近似准确的预测位置与预测位置最小间距离超过设定的阈值时,则执行筛选模块,若两个均没有超出,则执行合并模块;
合并模块,用于计算任意两个近似准确的预测位置距离,根据计算出的距离,合并距离最小的两个近似准确的预测位置,然后返回第一判断模块;
筛选模块,用于筛选出满足上述二者条件之一的近似准确的预测位置,获得包含近似准确的预测位置的集合W;
预测位置更新模块,用于根据集合W中包含的近似准确的预测位置的样本数量,选择数量最多的近似准确的预测位置作为目标近似准确的预测位置;对目标近似准确的预测位置包含的所有样本的位置进行加权平均处理,获得最新预测位置,并更新原存储介质中的预测位置。
所述预测位置更新模块包括路况更新模块,用于在获得最新预测位置,并更新原存储介质中的预测位置后,以一定时间间隔更新路况信息。
所述调度模块包括优选模块,用于在启动备用调度方案时在一条线路同向正在运行u辆公交车作为u个通讯节点,在车站采集并记录各个公交车的信号值Sj,这些车站信号值Sj组成该车站的第一集合Sjh,一条线路所有同向车站的第一集合Sjh组成总的车站集合,利用流动车载信号采集装置在不同的信号采集点记录该点的各个公交车的信号值Sd,这些信号采集点信号值Sd组成该信号采集点的第二集合Sdh;在u辆公交车里选取v个公交车作为样本(v≤u),并记录这v个公交车的车牌号,根据运行线路中这v个公交车的车牌号,查找车站对应的v个公交车信号值,组成大小为u*v的矩阵,其中u为列,v为行,Sjij表示第i个车站接收到第j个公交车的信号值;调取信号采集点第二集合Sdh,查找信号采集点对应的v个公交车信号值存为行向量形式,其中Sdi表示第i个公交车的信号值,将第二集合Sdh与矩阵中的每行进行计算距离将2个顺序相连的Sj和2个顺序相连的Sd分别存储到两个寄存器中,初始存储值为0,将结果存入第三个寄存器存储结果得到第一数值,若第一数值为2的倍数,那么距离d=第一数值;反之舍弃第一数值,继续换成其它的2个顺序相连的Sj和2个顺序相连的Sd重复上述步骤;找出矩阵中的2个最短的距离值ds1和ds2,通过以下公式计算信号采集点位置(X,Y):X={(x1/ds1)+(x2/ds2)}/{(1/d1)+(1/d2)};Y={(Y1/ds1)+(Y2/ds2)}/{(1/d1)+(1/d2)};其中(X1,Y1)和(X2,Y2)为两个车站坐标,d1和d2由上述计算得出;计算预测的位置与实际位置的误差,根据所述误差计算平均误差,选取平均误差最小的备用调度方案进行调度即可。
所述优选模块包括车辆识别模块,用于根据车牌号与第一集合Sjh中对应信号值Sj映射关系,确定Hash(key),构造Hash表,取车牌号值为key值,Hash(车牌号)输出的是车牌号对应的信号值Sj,依次遍历2个最短的距离ds,依据2个最短距离ds所在行数与车牌号的映射关系,查找出对应车牌号,其中取最短距离ds所在行信号值为kev值,Hash(kev)输出的是最短距离ds所在行数对应的车牌号。
上述公交调度模块的调度方法,包括以下步骤:
获取当前时刻一条公交线路从起点站到终点站之间同向运行该线路公交车的当前地理位置;
读取当前时刻所述公交车预测地理位置;
计算当前时刻所述公交车地理位置与当前时刻所述公交车预测地理位置之间距离差值c1;
获取下一时刻所述公交车地理位置,读取下一时刻所述公交车预测地理位置,计算所述公交车地理位置和下一时刻所述公交车预测地理位置之间距离差值c2;
预设该线路公交车同向运行实际位置与预测位置的偏差阈值;
判断c1与c2之差是否超出偏差阈值范围,并将判断结果进行缓存;
读取缓存结果,当c1与c2之差位于偏差阈值范围之内的次数小于或等于F时,则判定预测位置的偏差近似准确,该线路运行正常,同时将近似准确的预测位置结果进行保存;反之,则通过通讯模块对车辆终端和车队调度室发送调度控制信息。所述F可以为5。
当c1与c2之差位于偏差阈值范围之内的次数大于u时,启动备用调度方案。
将近似准确的预测位置结果进行保存后,读取取近似准确的预测位置;判断近似准确的预测位置的数量是否超过预设值,以及判断近似准确的预测位置与预测位置最小间距离是否超过设定的阈值;当近似准确的预测位置的数量超过预设值或者近似准确的预测位置与预测位置最小间距离超过设定的阈值时,则执行步骤S32,若两个均没有超出,则执行步骤S31;
步骤S31:计算任意两个近似准确的预测位置距离,根据计算出的距离,合并距离最小的两个近似准确的预测位置,然后返回上一步;
步骤S32:筛选出满足上述二者条件之一的近似准确的预测位置,获得包含近似准确的预测位置的集合W;
根据集合W中包含的近似准确的预测位置的样本数量,选择数量最多的近似准确的预测位置作为目标近似准确的预测位置;对目标近似准确的预测位置包含的所有样本的位置进行加权平均处理,获得最新预测位置,并更新原存储介质中的预测位置。
获得最新预测位置,并更新原存储介质中的预测位置后,以一定时间间隔更新路况信息。
启动备用调度方案时在一条线路同向正在运行u辆公交车作为u个通讯节点,在车站采集并记录各个公交车的信号值Sj,这些车站信号值Sj组成该车站的第一集合Sjh,一条线路所有同向车站的第一集合Sjh组成总的车站集合,利用流动车载信号采集装置在不同的信号采集点记录该点的各个公交车的信号值Sd,这些信号采集点信号值Sd组成该信号采集点的第二集合Sdh;在u辆公交车里选取v个公交车作为样本(v≤u),并记录这v个公交车的车牌号,根据运行线路中这v个公交车的车牌号,查找车站对应的v个公交车信号值,组成大小为u*v的矩阵,其中u为列,v为行,Sjij表示第i个车站接收到第j个公交车的信号值;调取信号采集点第二集合Sdh,查找信号采集点对应的v个公交车信号值存为行向量形式,其中Sdi表示第i个公交车的信号值,将第二集合Sdh与矩阵中的每行进行计算距离将2个顺序相连的Sj和2个顺序相连的Sd分别存储到两个寄存器中,初始存储值为0,将结果存入第三个寄存器存储结果得到第一数值,若第一数值为2的倍数,那么距离d=第一数值;反之舍弃第一数值,继续换成其它的2个顺序相连的Sj和2个顺序相连的Sd重复上述步骤;找出矩阵中的2个最短的距离值ds1和ds2,通过以下公式计算信号采集点位置(X,Y):X={(x1/ds1)+(x2/ds2)}/{(1/d1)+(1/d2)};Y={(Y1/ds1)+(Y2/ds2)}/{(1/d1)+(1/d2)};其中(X1,Y1)和(X2,Y2)为两个车站坐标,d1和d2由上述计算得出;计算预测的位置与实际位置的误差,根据所述误差计算平均误差,选取平均误差最小的备用调度方案进行调度即可。
进一步判断所述公交车车速是否过快,如果过快则通过通讯模块对车辆终端发送降速的信息;如果线路拥堵造成过慢,则通过通讯模块向车队调度室发出调度信息,调度预备车辆出发。
根据车牌号与第一集合Sjh中对应信号值Sj映射关系,确定Hash(key),构造Hash表,取车牌号值为key值,Hash(车牌号)输出的是车牌号对应的信号值Sj,依次遍历2个最短的距离ds,依据2个最短距离ds所在行数与车牌号的映射关系,查找出对应车牌号,其中取最短距离ds所在行信号值为kev值,Hash(kev)输出的是最短距离ds所在行数对应的车牌号。
选择所述公交线路上的多个车站,根据多个车站之间的顺序关系确定所述公交是同向还是异向。
如果线路拥堵造成过慢,则通过通讯模块向车队调度室发出调度信息,确定在当前异常运行区间内运行的所述公交车的运行方向,调度至少一辆备用公交车从所述最近的非异常运行区间开始按照所述目标线路运行。
Claims (10)
1.一种基于大数据的公交运行情况实时反馈***,其特征在于包括以下模块:公交调度模块、通讯模块、数据采集模块、数据处理模块、输出模块以及查询模块;
所述公交调度模块通过通讯模块与数据采集模块相连;
所述数据采集模块与数据处理模块相连;
所述数据处理模块与输出模块相连;
所述输出模块与查询模块相连。
2.根据权利要求1所述基于大数据的公交运行情况实时反馈***,其特征在于,所述公交调度模块用于对某条线路的同向公交车运行状况进行采集和调度;
所述通讯模块用于实现数据采集模块与多个公交调度模块的互联;
所述数据采集模块用于接收多个公交调度模块的公交运行情况;
所述数据处理模块用于处理采集到的公交运行情况数据;
所述输出模块用于将处理过的公交运行情况数据进行输出至查询模块;
所述查询模块用于操作人员进行查询公交运行情况的实时反馈。
3.根据权利要求1或2所述基于大数据的公交运行情况实时反馈***,其特征在于:所述通讯模块用于实现数据采集模块与多个公交调度模块的互联,具体用于在采集前对多个公交调度模块信号流中的信号进行检测,识别信号流的最大流量flow:
其中,dis为公交调度模块的个数,k为数据采集模块采集信道的数量,REk(n)为数据采集模块采集的信号能量,DEk(n)为延时序列相关函数;ss(n)数据采集模块采集信号的采样序列,n为子载波的索引值,位于0-128之间。
4.根据权利要求2或3所述基于大数据的公交运行情况实时反馈***,其特征在于所述公交调度模块包括以下模块:
第一位置模块,用于获取当前时刻一条公交线路从起点站到终点站之间同向运行该线路公交车的当前地理位置,读取当前时刻所述公交车预测地理位置;
第一计算模块,用于计算当前时刻所述公交车地理位置与当前时刻所述公交车预测地理位置之间距离差值c1;
第二位置模块,用于获取下一时刻所述公交车地理位置,读取下一时刻所述公交车预测地理位置;
第二计算模块,用于计算所述公交车地理位置和下一时刻所述公交车预测地理位置之间距离差值c2;
预设模块,用于预设该线路公交车同向运行实际位置与预测位置的偏差阈值;
输出判断模块,用于判断c1与c2之差是否超出偏差阈值范围,并将判断结果进行缓存,读取缓存结果,当c1与c2之差位于偏差阈值范围之内的次数小于或等于F时,则判定预测位置的偏差近似准确,该线路运行正常,同时将近似准确的预测位置结果进行保存;反之,则通过通讯模块对车辆终端和车队发送调度控制信息。
5.根据权利要求4所述基于大数据的公交运行情况实时反馈***,其特征在于所述输出判断模块包括调度模块,用于当c1与c2之差位于偏差阈值范围之内的次数大于u时,启动备用调度方案。
6.根据权利要求5所述基于大数据的公交运行情况实时反馈***,其特征在于所述输出判断模块包括:第一判断模块,用于将近似准确的预测位置结果进行保存后,读取取近似准确的预测位置;判断近似准确的预测位置的数量是否超过预设值,以及判断近似准确的预测位置与预测位置最小间距离是否超过设定的阈值;当近似准确的预测位置的数量超过预设值或者近似准确的预测位置与预测位置最小间距离超过设定的阈值时,则执行筛选模块,若两个均没有超出,则执行合并模块;
合并模块,用于计算任意两个近似准确的预测位置距离,根据计算出的距离,合并距离最小的两个近似准确的预测位置,然后返回第一判断模块;
筛选模块,用于筛选出满足上述二者条件之一的近似准确的预测位置,获得包含近似准确的预测位置的集合W;
预测位置更新模块,用于根据集合W中包含的近似准确的预测位置的样本数量,选择数量最多的近似准确的预测位置作为目标近似准确的预测位置;对目标近似准确的预测位置包含的所有样本的位置进行加权平均处理,获得最新预测位置,并更新原存储介质中的预测位置。
7.根据权利要求6所述基于大数据的公交运行情况实时反馈***,其特征在于所述预测位置更新模块包括路况更新模块,用于在获得最新预测位置,并更新原存储介质中的预测位置后,以一定时间间隔更新路况信息。
8.根据权利要求5所述基于大数据的公交运行情况实时反馈***,其特征在于所述调度模块包括优选模块,用于在启动备用调度方案时在一条线路同向正在运行u辆公交车作为u个通讯节点,在车站采集并记录各个公交车的信号值Sj,这些车站信号值Sj组成该车站的第一集合Sjh,一条线路所有同向车站的第一集合Sjh组成总的车站集合,利用流动车载信号采集装置在不同的信号采集点记录该点的各个公交车的信号值Sd,这些信号采集点信号值Sd组成该信号采集点的第二集合Sdh;在u辆公交车里选取v个公交车作为样本(v≤u),并记录这v个公交车的车牌号,根据运行线路中这v个公交车的车牌号,查找车站对应的v个公交车信号值,组成大小为u*v的矩阵,其中u为列,v为行,Sjij表示第i个车站接收到第j个公交车的信号值;调取信号采集点第二集合Sdh,查找信号采集点对应的v个公交车信号值存为行向量形式,其中Sdi表示第i个公交车的信号值,将第二集合Sdh与矩阵中的每行进行计算距离将2个顺序相连的Sj和2个顺序相连的Sd分别存储到两个寄存器中,初始存储值为0,将结果存入第三个寄存器存储结果得到第一数值,若第一数值为2的倍数,那么距离d=第一数值;反之舍弃第一数值,继续换成其它的2个顺序相连的Sj和2个顺序相连的Sd重复上述步骤;找出矩阵中的2个最短的距离值ds1和ds2,通过以下公式计算信号采集点位置(X,Y):X={(x1/ds1)+(x2/ds2)}/{(1/d1)+(1/d2)};Y={(Y1/ds1)+(Y2/ds2)}/{(1/d1)+(1/d2)};其中(X1,Y1)和(X2,Y2)为两个车站坐标,d1和d2由上述计算得出;计算预测的位置与实际位置的误差,根据所述误差计算平均误差,选取平均误差最小的备用调度方案进行调度即可。
9.根据权利要求5所述基于大数据的公交运行情况实时反馈***,其特征在于所述优选模块包括车辆识别模块,用于根据车牌号与第一集合Sjh中对应信号值Sj映射关系,确定Hash(key),构造Hash表,取车牌号值为key值,Hash(车牌号)输出的是车牌号对应的信号值Sj,依次遍历2个最短的距离ds,依据2个最短距离ds所在行数与车牌号的映射关系,查找出对应车牌号,其中取最短距离ds所在行信号值为kev值,Hash(kev)输出的是最短距离ds所在行数对应的车牌号。
10.根据权利要求6所述基于大数据的公交运行情况实时反馈***,其特征在于所述F为5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910860887.4A CN110533911B (zh) | 2019-09-11 | 2019-09-11 | 基于大数据的公交运行情况实时反馈*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910860887.4A CN110533911B (zh) | 2019-09-11 | 2019-09-11 | 基于大数据的公交运行情况实时反馈*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110533911A true CN110533911A (zh) | 2019-12-03 |
CN110533911B CN110533911B (zh) | 2020-07-03 |
Family
ID=68668286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910860887.4A Active CN110533911B (zh) | 2019-09-11 | 2019-09-11 | 基于大数据的公交运行情况实时反馈*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110533911B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334288A (zh) * | 2008-08-07 | 2008-12-31 | 北京工业大学 | 基于标准线路匹配的公交准确定位方法 |
US20110072076A1 (en) * | 2009-09-21 | 2011-03-24 | Arinc Incorporated | Method and apparatus for the collection, formatting, dissemination, and display of information on low-cost display devices |
CN105489048A (zh) * | 2016-02-19 | 2016-04-13 | 上海果路交通科技有限公司 | 一种城市公共交通发布查询*** |
CN105574798A (zh) * | 2015-12-14 | 2016-05-11 | 天津智行远创信息科技有限公司 | 一种智能公交电子*** |
US20170053531A1 (en) * | 2015-08-18 | 2017-02-23 | The Florida International University Board Of Trustees | Dynamic routing of transit vehicles |
CN106652534A (zh) * | 2016-12-14 | 2017-05-10 | 北京工业大学 | 一种预测公交车到站时间的方法 |
CN107993471A (zh) * | 2017-12-07 | 2018-05-04 | 长沙准光里电子科技有限公司 | 一种智能公交电子*** |
CN108230722A (zh) * | 2017-12-02 | 2018-06-29 | 山东大学 | 北斗精准时空公交站台实时信息服务融合处理工作方法及***装置 |
CN110068323A (zh) * | 2019-05-15 | 2019-07-30 | 北京邮电大学 | 网络时延定位误差补偿方法、装置及电子设备 |
US20190272752A1 (en) * | 2018-03-05 | 2019-09-05 | NEC Laboratories Europe GmbH | Method for robust control of a machine learning system and robust control system |
-
2019
- 2019-09-11 CN CN201910860887.4A patent/CN110533911B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334288A (zh) * | 2008-08-07 | 2008-12-31 | 北京工业大学 | 基于标准线路匹配的公交准确定位方法 |
US20110072076A1 (en) * | 2009-09-21 | 2011-03-24 | Arinc Incorporated | Method and apparatus for the collection, formatting, dissemination, and display of information on low-cost display devices |
US20170053531A1 (en) * | 2015-08-18 | 2017-02-23 | The Florida International University Board Of Trustees | Dynamic routing of transit vehicles |
CN105574798A (zh) * | 2015-12-14 | 2016-05-11 | 天津智行远创信息科技有限公司 | 一种智能公交电子*** |
CN105489048A (zh) * | 2016-02-19 | 2016-04-13 | 上海果路交通科技有限公司 | 一种城市公共交通发布查询*** |
CN106652534A (zh) * | 2016-12-14 | 2017-05-10 | 北京工业大学 | 一种预测公交车到站时间的方法 |
CN108230722A (zh) * | 2017-12-02 | 2018-06-29 | 山东大学 | 北斗精准时空公交站台实时信息服务融合处理工作方法及***装置 |
CN107993471A (zh) * | 2017-12-07 | 2018-05-04 | 长沙准光里电子科技有限公司 | 一种智能公交电子*** |
US20190272752A1 (en) * | 2018-03-05 | 2019-09-05 | NEC Laboratories Europe GmbH | Method for robust control of a machine learning system and robust control system |
CN110068323A (zh) * | 2019-05-15 | 2019-07-30 | 北京邮电大学 | 网络时延定位误差补偿方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
胡晓健,等: "一路一线直行式公交***的信号配时与车辆调度优化方法", 《东南大学学报(自然科学版)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110533911B (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106781592B (zh) | 一种基于大数据的交通导航***及方法 | |
CN106878951B (zh) | 用户轨迹分析方法及*** | |
CN101719315B (zh) | 一种基于中间件的动态交通信息采集方法 | |
US6539300B2 (en) | Method for regional system wide optimal signal timing for traffic control based on wireless phone networks | |
CN108322891B (zh) | 基于用户手机信令的交通区域拥堵识别方法 | |
CN111724595B (zh) | 一种基于收费数据的高速公路断面流量估计方法 | |
CN104778836A (zh) | 基于手机信令数据质量感知的高速公路交通状态识别方法 | |
CN108171993B (zh) | 一种基于手机信令大数据的高速公路车辆速度计算方法 | |
CN106197458A (zh) | 一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法 | |
CN103544837B (zh) | 结合跨区域位置更新与通话的交通信息估计方法与*** | |
CN108362293A (zh) | 一种基于关键点技术的车辆轨迹匹配方法 | |
CN108550261A (zh) | 基于rfid电子车牌的城市交通od计算方法 | |
CN111328412B (zh) | 基于车辆轨迹数据的自适应交通控制 | |
CN110556014B (zh) | 智能公交调度平台*** | |
CN105046959B (zh) | 基于双窗口滑动匹配机制的城市道路行程时间提取方法 | |
CN109766399B (zh) | 一种基于轨迹的基站路测点选择方法 | |
CN102083202B (zh) | 通过移动终端获取交通信息的*** | |
CN105096590A (zh) | 交通信息生成方法和交通信息生成设备 | |
CN103778784A (zh) | 基于手机数据实时获取高速公路路段交通状态信息的方法 | |
CN114723480B (zh) | 一种针对乡村旅游的客流量预测方法及货物调度*** | |
CN109615865B (zh) | 一种基于od数据增量迭代式估计路段交通流量的方法 | |
CN108171992B (zh) | 一种基于手机信令大数据的平行公路车辆速度计算方法 | |
WO2023014311A1 (en) | Traffic density estimation system and a method thereof | |
CN113362628A (zh) | 一种大交通智能调度***中的双向动态最短路径显示*** | |
CN110444038A (zh) | 基于大数据的公交调度方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |