CN112150017A - 一种基于互联网大数据的城市客运资源配置方法 - Google Patents

一种基于互联网大数据的城市客运资源配置方法 Download PDF

Info

Publication number
CN112150017A
CN112150017A CN202011040790.8A CN202011040790A CN112150017A CN 112150017 A CN112150017 A CN 112150017A CN 202011040790 A CN202011040790 A CN 202011040790A CN 112150017 A CN112150017 A CN 112150017A
Authority
CN
China
Prior art keywords
personnel
taxi
vehicle
position coordinate
information
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
CN202011040790.8A
Other languages
English (en)
Inventor
赵素霞
李康
冯彦乔
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.)
Sichuan Vocational and Technical College Communications
Original Assignee
Sichuan Vocational and Technical College Communications
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 Sichuan Vocational and Technical College Communications filed Critical Sichuan Vocational and Technical College Communications
Priority to CN202011040790.8A priority Critical patent/CN112150017A/zh
Publication of CN112150017A publication Critical patent/CN112150017A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于互联网大数据的城市客运资源配置方法，包括如下步骤：获取出租车公司承运范围内的每一个人员的人员位置坐标；获取出租车公司的每一个出租车的运行状态，筛选出运行状态为空载状态的出租车并获取这些运行状态为空载状态的出租车的车辆位置坐标；创建模拟指令，该模拟指令使得的车辆位置坐标发生改变并更新车辆分布图像，直至车辆分布图像的特征值与人员分布图像的特征值在设定的范围内，将此时的模拟指令发生到每一个运行状态为空载状态的出租车。本发明通过获取运载范围的人员分布的状态，结合人员的坐标得到人员分布图像，并根据人员分布图像将目前处于空载状态的出租车进行合理的调度，使得出租车的资源配置较为均衡。

Description

一种基于互联网大数据的城市客运资源配置方法
技术领域
本发明涉及客运资源配置领域，特别涉及一种基于互联网大数据的城市客运资源配置方法。
背景技术
出租车的运营就是通过运送乘客进行完成的，在运营的时候，出租车包括两种运行状态，一种是运载状态，另一种是空载状态，运载状态即是出租车上有乘客乘车时候的状态，空载状态即是出租车上没有乘客乘车时候的状态。而出租车想要获取更多的收益，就需要将运载状态的时间占有大部分的比例，即运载率大，运载率即是出租车在运载状态的时间占运载状态和空载状态时间之和的比值，运载率大会使得出租车司机可以有更多的收入，目前，出租车公司对于出租车的运行没有一个有效的调度，这样就不能使得将出租车的资源合理的进行配置，这样就会使得人员等车的时间较长，同时也会使得一些出租车司机不能及时的拉到乘客，这样就会使得出租车的整体运载率不高。
发明内容
本发明的目的是克服上述现有技术中存在的问题，提供一种基于互联网大数据的城市客运资源配置方法，通过获取运载范围的人员分布的状态，结合人员的坐标得到人员分布图像，并根据人员分布图像将目前处于空载状态的出租车进行合理的调度，使得出租车的资源配置较为均衡。
为此，本发明提供一种基于互联网大数据的城市客运资源配置方法，包括如下步骤：
(1)获取出租车公司承运范围内的每一个人员的人员位置坐标；
(2)建立空白的第一画面，将每一个所述人员位置坐标对应所述第一画面上的一个像素点，当所述人员位置坐标所对应的人员数增加一个的时候，该人员位置坐标所对应的像素点的像素值增加设定的数值，遍历所述第一画面的所有像素点，得到人员分布图像；
(3)获取出租车公司的每一个出租车的运行状态，筛选出运行状态为空载状态的出租车并获取这些运行状态为空载状态的出租车的车辆位置坐标；
(4)建立空白的第二画面，将每一个所述车辆位置坐标对应所述第二画面上的一个像素点，当所述车辆位置坐标所对应的车辆数增加一个的时候，该车辆位置坐标所对应的像素点的像素值增加设定的数值，遍历所述第二画面的所有像素点，得到车辆分布图像；
(5)创建模拟指令，该模拟指令使得所述的车辆位置坐标发生改变并更新所述车辆分布图像，直至所述车辆分布图像的特征值与所述人员分布图像的特征值在设定的范围内，将此时的模拟指令发生到每一个运行状态为空载状态的出租车。
进一步，在获取出租车公司承运范围内的每一个人员的人员位置坐标的时候，包括如下步骤：
(1)从通信公司获取出租车公司承运范围内的信令信息；
(2)将每一个信令信息所对应的用户身份信息进行筛查，使得每一个用户身份信息唯一对应一个所述信令信息；
(3)将筛查后的每一个信令信息在通过基站进行定位，将定位得到每一个信令所对应的位置信息作为所述人员位置坐标。
进一步，所述人员位置坐标通过经纬度的坐标进行表示。
进一步，在获取出租车公司承运范围内的每一个人员的人员位置坐标的时候，包括如下步骤：
(1)获取全部APP所收集的用户位置信息以及用户设备ID，并将汇总，使得每一个用户设备ID位于对应一个用户位置信息；
(2)根据用户设备ID在通信公司查询用户身份信息，并将用户身份信息与用户位置信息进行一一对应并进行重复合并，使得每一个用户身份信息唯一对应一个用户位置信息，并将该用户位置信息作为所述人员位置坐标。
进一步，所述模拟指令为车辆所要到达的车辆位置坐标，车辆所要到达的车辆位置坐标落在原始的车辆位置坐标为圆心设定距离为半径的范围内。
更进一步，在每一个更新所述车辆分布图像的时候，所述半径的设定距离依次增大。
本发明提供的一种基于互联网大数据的城市客运资源配置方法，具有如下有益效果：
1、本发明通过获取运载范围的人员分布的状态，结合人员的坐标得到人员分布图像，并根据人员分布图像将目前处于空载状态的出租车进行合理的调度，使得出租车的资源配置较为均衡；
2、本发明通过获取通信公司的用户信令信息，并将信令信息中得到人员的身份信息，同时将每一个身份信息对应一个位置信息，最后根据位置信息中的坐标数据得到人员分布图像，本发明使得每一个身份信息对应一个设定的灰度值，并且使得相同位置信息中的多个灰度值依次进行叠加，最后使得人员分布图像中各个位置的灰度值与人员的数量相对应；
3、本发明在调度的时候，根据距离的远近，对于处于空载状态的出租车进行调度，这样就可以使得每一个出租车可以最快速度的到达，同时根据出租车的位置得到出租车的车辆分布图像，使得人员分布图像和车辆分布图像的特征值差值在一定的范围内。
附图说明
图1为本发明的整体流程示意框图；
图2为本发明在获取出租车公司承运范围内的每一个人员的人员位置坐标的时候的方式一的流程示意框图；
图3为本发明在获取出租车公司承运范围内的每一个人员的人员位置坐标的时候的方式二的流程示意框图。
具体实施方式
下面结合附图，对本发明的一个具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
在本申请文件中，未经明确的部件型号以及结构，均为本领域技术人员所公知的现有技术，本领域技术人员均可根据实际情况的需要进行设定，在本申请文件的实施例中不做具体的限定。
具体的，如图1所示，本发明实施例提供了一种基于互联网大数据的城市客运资源配置方法，包括如下步骤：
(1)获取出租车公司承运范围内的每一个人员的人员位置坐标；
(2)建立空白的第一画面，将每一个所述人员位置坐标对应所述第一画面上的一个像素点，当所述人员位置坐标所对应的人员数增加一个的时候，该人员位置坐标所对应的像素点的像素值增加设定的数值，遍历所述第一画面的所有像素点，得到人员分布图像；
(3)获取出租车公司的每一个出租车的运行状态，筛选出运行状态为空载状态的出租车并获取这些运行状态为空载状态的出租车的车辆位置坐标；
(4)建立空白的第二画面，将每一个所述车辆位置坐标对应所述第二画面上的一个像素点，当所述车辆位置坐标所对应的车辆数增加一个的时候，该车辆位置坐标所对应的像素点的像素值增加设定的数值，遍历所述第二画面的所有像素点，得到车辆分布图像；
(5)创建模拟指令，该模拟指令使得所述的车辆位置坐标发生改变并更新所述车辆分布图像，直至所述车辆分布图像的特征值与所述人员分布图像的特征值在设定的范围内，将此时的模拟指令发生到每一个运行状态为空载状态的出租车。
需要说明的是，在本发明中，步骤(1)和步骤(2)的前后顺序不能颠倒，步骤(3)和步骤(4)的前后顺序不能颠倒，步骤(5)是最后一步进行的，另外，步骤(1)步骤(2)可以与和步骤(3)步骤(4)的前后顺序颠倒。
在本发明中，出租车公司承运范围是指出租车所承载的业务的范围，例如，西安出租车公司的承运范围为西安市内。
在本发明中，对出租车进行调整的原则就是，在人员数量较多的地方，所需要配置的出租车的数量也较多，即运行状态为空载状态的出租车的数量也需要配置较多的数量，这样就可以使得人车达到一个平衡的状态。
在本发明中，步骤(1)和步骤(2)是将出租车公司承运范围内的全部人员根据其位置信息绘制得到人员分布图像，该人员分布图像根据其上的各个像素点的像素值大小反应各个位置的人员的数量情况。在图像中，像素值越大，该点的颜色就越亮。因此，在人员分布图像中，越亮的区域，就表示人员的数量就越多。
在步骤(1)中，是获取出租车公司承运范围内各个位置地区的人员数量，在步骤(2)中，将步骤(1)所得到的数据进行应用，其中，空白的第一画面为各个像素点的像素值均是0的情况下的空白第一画面，在根据各个人员位置坐标上的人员信息，依次增加人员位置坐标所在的像素点的像素值，每一个人员可以增加的像素值是一致的，例如，一个人员可以增加像素值30，在坐标为(1，2)的像素点所对应3个人，在坐标为(5，6)的像素点所对应1个人，则坐标为(1，2)的像素点的像素值为30*3＝90，坐标为(5，6)的像素点的像素点的像素值为30*1＝30，这样的方式，遍历所述第一画面的所有像素点，就得到人员分布图像，由此可见，人员分布图像通过其上的各个像素点的像素值大小反应各个位置的人员的数量情况。
在本发明中，步骤(3)和步骤(4)是将出租车公司承运范围内的全部空载状态的出租车根据其位置信息绘制得到车辆分布图像，该车辆分布图像根据其上的各个像素点的像素值大小反应各个位置的空载状态的出租车的数量情况。在图像中，像素值越大，该点的颜色就越亮。因此，在车辆分布图像中，越亮的区域，就表示空载状态的出租车的数量就越多。
在本发明中，出租车的运载状态和空载状态根据出租车在行使的时候，由出租车自行确定，可以通过在乘客车座上增加传感器检测是否有乘客，也可以通过出租车自己自己手动进行设置。对于出租车的位置信息，可以通过设置在出租车上的GPS芯片进行采集和获取。
在步骤(3)中，是获取出租车公司承运范围内各个位置地区的空载状态的出租车数量，在步骤(4)中，将步骤(4)所得到的数据进行应用，其中，空白的第二画面为各个像素点的像素值均是0的情况下的空白第二画面，在根据各个空载状态的出租车位置坐标上的空载状态的出租车信息，依次增加空载状态的出租车位置坐标所在的像素点的像素值，每一个空载状态的出租车可以增加的像素值是一致的，例如，一个空载状态的出租车可以增加像素值30，在坐标为(2，9)的像素点所对应5辆空载状态的出租车，在坐标为(7，8)的像素点所对应0辆空载状态的出租车，则坐标为(2，9)的像素点的像素值为30*5＝150，坐标为(7，8)的像素点的像素点的像素值为30*0＝0，这样的方式，遍历所述第二画面的所有像素点，就得到车辆分布图像，由此可见，车辆分布图像通过其上的各个像素点的像素值大小反应各个位置的空载状态的出租车的数量情况。
本发明发明中，步骤(2)中每一个人员所对应的增加的像素值的大小与步骤(4)中每一个车辆所对应的增加的像素值的大小一致，这样才可以使得后续提取图像特征值时候图像的特征是一致的。
在步骤(5)中是根据两个图像的特征值进行比对，使得对人员和车辆的分配平衡，当所述车辆分布图像的特征值与所述人员分布图像的特征值在设定的范围内，认为人员和车辆的分配平衡，对于设定的范围，有技术人员根据实际情况进行合理的设定，当所述车辆分布图像的特征值与所述人员分布图像的特征值完全一致的时候，说明此时人员和车辆的分配绝对的均衡。在步骤(5)中，模拟指令是对每一个空载状态的出租车所发送的指令，使得出租车运行到设定的地点，使得达到人员和车辆的分配平衡，模拟指令是随机的，根据模拟指令得到空载状态的出租车在模拟指令下到达的位置更新车辆分布图像，直至所述车辆分布图像的特征值与所述人员分布图像的特征值在设定的范围内，就将该模拟指令发送到空载状态的出租车，反之，则继续随机的更新模拟指令，重复上述的操作。
在本发明的实施例中，所述人员位置坐标通过经纬度的坐标进行表示。这样就可以使得每一个人员所在的位置被唯一的进行确定，同时，经纬度坐标也可以使得遍布出租车公司承运范围的各个地区，同时，经纬度坐标也可以更加方便的与图像的像素点的坐标进行一一的对应。
在本发明中，提供两种获取出租车公司承运范围内的每一个人员的人员位置坐标的方式，同时根据通信的信号进行获取的，这样可以使得所获取的位置更加的精确，覆盖面大，用户数多。具体的，我们将其分为方式一和方式二，并分别进行讲述。
方式一：
在本实施例中，如图2所示，在获取出租车公司承运范围内的每一个人员的人员位置坐标的时候，包括如下步骤：
(A)从通信公司获取出租车公司承运范围内的信令信息；
(B)将每一个信令信息所对应的用户身份信息进行筛查，使得每一个用户身份信息唯一对应一个所述信令信息；
(C)将筛查后的每一个信令信息在通过基站进行定位，将定位得到每一个信令所对应的位置信息作为所述人员位置坐标。
在该方式中，通信公司指的是通信运营公司，即我们常见的运营商，信令信息及时收集在可通信的状态下与基站之间的连接数据。这样就可以得到出租车公司承运范围内的全部手机的信令信息，根据这些信令信息，必然可以运营商的数据库中得到信令信息所对应的手机号码的信息，从而每一个信令信息对应每一个用户身份信息，同时，为了筛查出一个用户身份信息对应多个手机号码从而对应多个信令信息，将其进行重复合并，使得每一个用户身份信息唯一对应一个所述信令信息，最后在通过基站的定位，得到每一个信令所对应的位置信息，并将该位置信息所述人员位置坐标。这样就可以使得人员的数量有非常准确的确定。
方式二：
在本实施例中，如图3所示，在获取出租车公司承运范围内的每一个人员的人员位置坐标的时候，包括如下步骤：
(a)获取全部APP所收集的用户位置信息以及用户设备ID，并将汇总，使得每一个用户设备ID位于对应一个用户位置信息；
(b)根据用户设备ID在通信公司查询用户身份信息，并将用户身份信息与用户位置信息进行一一对应并进行重复合并，使得每一个用户身份信息唯一对应一个用户位置信息，并将该用户位置信息作为所述人员位置坐标。
在该方式中，使用的是手机端APP所收集的用户的位置信息，将全部APP所收集的用户位置信息以及用户设备ID进行汇总，这里面必定有重复的信息，因此，我们根据用户设备ID在通信公司查询用户身份信息，将其进行重复合并，这样就可以使得每一个用户身份信息唯一对应一个用户位置信息，这样将已经收集的用户位置信息作为所述人员位置坐标。
在本实施例中，所述模拟指令为车辆所要到达的车辆位置坐标，车辆所要到达的车辆位置坐标落在原始的车辆位置坐标为圆心设定距离为半径的范围内。简单的说，就是以原始的车辆位置坐标为圆心，设定的距离为半径，画圆，车辆所要到达的车辆位置坐标就落在所画的圆内。这样既可以使得车辆根据就近的原则进行调度，可以快速的到达人员所需要的位置，达到人员和车辆的平衡，同时，在本实施例中，车辆所要到达的车辆位置坐标落是通过随机的算法进行生成的，若生成的车辆所要到达的车辆位置坐标落在所画的圆外，则重新生成车辆所要到达的车辆位置坐标，直至落在所画的圆内。
同时，在本实施例中，在每一个更新所述车辆分布图像的时候，所述半径的设定距离依次增大。这样既可以使得更加快速的车辆进行调度，使得可以快速的达到人员和车辆的资源配置平衡。
以上公开的仅为本发明的几个具体实施例，但是，本发明实施例并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (6)

1.一种基于互联网大数据的城市客运资源配置方法，其特征在于，包括如下步骤：
获取出租车公司承运范围内的每一个人员的人员位置坐标；
建立空白的第一画面，将每一个所述人员位置坐标对应所述第一画面上的一个像素点，当所述人员位置坐标所对应的人员数增加一个的时候，该人员位置坐标所对应的像素点的像素值增加设定的数值，遍历所述第一画面的所有像素点，得到人员分布图像；
获取出租车公司的每一个出租车的运行状态，筛选出运行状态为空载状态的出租车并获取这些运行状态为空载状态的出租车的车辆位置坐标；
建立空白的第二画面，将每一个所述车辆位置坐标对应所述第二画面上的一个像素点，当所述车辆位置坐标所对应的车辆数增加一个的时候，该车辆位置坐标所对应的像素点的像素值增加设定的数值，遍历所述第二画面的所有像素点，得到车辆分布图像；
创建模拟指令，该模拟指令使得所述的车辆位置坐标发生改变并更新所述车辆分布图像，直至所述车辆分布图像的特征值与所述人员分布图像的特征值在设定的范围内，将此时的模拟指令发生到每一个运行状态为空载状态的出租车。
2.如权利要求1所述的一种基于互联网大数据的城市客运资源配置方法，其特征在于，在获取出租车公司承运范围内的每一个人员的人员位置坐标的时候，包括如下步骤：
从通信公司获取出租车公司承运范围内的信令信息；
将每一个信令信息所对应的用户身份信息进行筛查，使得每一个用户身份信息唯一对应一个所述信令信息；
将筛查后的每一个信令信息在通过基站进行定位，将定位得到每一个信令所对应的位置信息作为所述人员位置坐标。
3.如权利要求1所述的一种基于互联网大数据的城市客运资源配置方法，其特征在于，所述人员位置坐标通过经纬度的坐标进行表示。
4.如权利要求1所述的一种基于互联网大数据的城市客运资源配置方法，其特征在于，在获取出租车公司承运范围内的每一个人员的人员位置坐标的时候，包括如下步骤：
获取全部APP所收集的用户位置信息以及用户设备ID，并将汇总，使得每一个用户设备ID位于对应一个用户位置信息；
根据用户设备ID在通信公司查询用户身份信息，并将用户身份信息与用户位置信息进行一一对应并进行重复合并，使得每一个用户身份信息唯一对应一个用户位置信息，并将该用户位置信息作为所述人员位置坐标。。
5.如权利要求1所述的一种基于互联网大数据的城市客运资源配置方法，其特征在于，所述模拟指令为车辆所要到达的车辆位置坐标，车辆所要到达的车辆位置坐标落在原始的车辆位置坐标为圆心设定距离为半径的范围内。
6.如权利要求5所述的一种基于互联网大数据的城市客运资源配置方法，其特征在于，在每一个更新所述车辆分布图像的时候，所述半径的设定距离依次增大。
CN202011040790.8A 2020-09-28 2020-09-28 一种基于互联网大数据的城市客运资源配置方法 Pending CN112150017A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011040790.8A CN112150017A (zh) 2020-09-28 2020-09-28 一种基于互联网大数据的城市客运资源配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011040790.8A CN112150017A (zh) 2020-09-28 2020-09-28 一种基于互联网大数据的城市客运资源配置方法

Publications (1)

Publication Number Publication Date
CN112150017A true CN112150017A (zh) 2020-12-29

Family

ID=73894929

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011040790.8A Pending CN112150017A (zh) 2020-09-28 2020-09-28 一种基于互联网大数据的城市客运资源配置方法

Country Status (1)

Country Link
CN (1) CN112150017A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113628302A (zh) * 2021-08-12 2021-11-09 中国民用航空飞行学院 一种航班收益管控预测***

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060217885A1 (en) * 2005-03-24 2006-09-28 Mark Crady User location driven identification of service vehicles
CN1932921A (zh) * 2006-09-28 2007-03-21 江苏天泽信息产业有限公司 出租车辆调度中快速定位就近空车的方法
CN102073970A (zh) * 2010-12-22 2011-05-25 宁波诺丁汉大学 针对分散经营个体出租车的调度方法
CN102819950A (zh) * 2012-08-14 2012-12-12 王文静 一种交通工具搭载辅助决策的***和方法
CN103000042A (zh) * 2011-09-13 2013-03-27 柳松 出租车智能自动调度***
CN103164954A (zh) * 2011-12-11 2013-06-19 方文淋 一种空闲出租车远程查询召唤***及方法
CN103985247A (zh) * 2014-04-24 2014-08-13 北京嘀嘀无限科技发展有限公司 基于城市叫车需求分布密度的出租车运力调度***
CN105095481A (zh) * 2015-08-13 2015-11-25 浙江工业大学 大规模出租车od数据可视分析方法
CN107577725A (zh) * 2017-08-22 2018-01-12 长安大学 一种城市出租车乘客出行特征可视化分析方法
CN110033177A (zh) * 2019-03-27 2019-07-19 温州大学 基于gps大数据的出租车高效益智能集体调度算法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060217885A1 (en) * 2005-03-24 2006-09-28 Mark Crady User location driven identification of service vehicles
CN1932921A (zh) * 2006-09-28 2007-03-21 江苏天泽信息产业有限公司 出租车辆调度中快速定位就近空车的方法
CN102073970A (zh) * 2010-12-22 2011-05-25 宁波诺丁汉大学 针对分散经营个体出租车的调度方法
CN103000042A (zh) * 2011-09-13 2013-03-27 柳松 出租车智能自动调度***
CN103164954A (zh) * 2011-12-11 2013-06-19 方文淋 一种空闲出租车远程查询召唤***及方法
CN102819950A (zh) * 2012-08-14 2012-12-12 王文静 一种交通工具搭载辅助决策的***和方法
CN103985247A (zh) * 2014-04-24 2014-08-13 北京嘀嘀无限科技发展有限公司 基于城市叫车需求分布密度的出租车运力调度***
CN105095481A (zh) * 2015-08-13 2015-11-25 浙江工业大学 大规模出租车od数据可视分析方法
CN107577725A (zh) * 2017-08-22 2018-01-12 长安大学 一种城市出租车乘客出行特征可视化分析方法
CN110033177A (zh) * 2019-03-27 2019-07-19 温州大学 基于gps大数据的出租车高效益智能集体调度算法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113628302A (zh) * 2021-08-12 2021-11-09 中国民用航空飞行学院 一种航班收益管控预测***
CN113628302B (zh) * 2021-08-12 2023-04-07 中国民用航空飞行学院 一种航班收益管控预测***

Similar Documents

Publication Publication Date Title
CN103996290B (zh) 一种提供叫车服务的方法、服务器及***
US6834252B2 (en) Method of and apparatus for analyzing population distribution, and computer product
CN101312555B (zh) 用于将地图数据内容最优分发至无线通信设备的位图阵列
CN110909759B (zh) 基于人口大数据的城市区域分级管理***及方法
CN101826256A (zh) 车辆派遣方法与车辆派遣***
CN105376333B (zh) 一种地铁监控***及其监控方法
WO2016141710A1 (zh) 一种实现乘客和司机双向选择的网络用车***
CN109673163A (zh) 用于提供交通服务信息的方法和***
CN104951945A (zh) 通过手机评价司机服务质量的***及方法
CN108805026A (zh) 用于检测和分类与车辆相关联的对象的方法和设备
CN114743401B (zh) 一种基于公交数字化转型的数据可视化公交调度管理平台
CN110135609A (zh) 一种基于大数据共建共享的智慧旅游***及方法
CN109658692A (zh) 基于自组网的信号灯控制方法、装置、设备及存储介质
CN112150017A (zh) 一种基于互联网大数据的城市客运资源配置方法
CN105593642A (zh) 用于提供用于车辆的数据的***
CN109427013A (zh) 车辆出险代理业务的处理方法、装置、设备和存储介质
TWI450211B (zh) 具配對功能的計程車叫車系統及其方法
CN104616488A (zh) 一种基于ZigBee的出租车调度闭环控制方法
DE102017111163A1 (de) Verfügbarkeit von mitfahrgelegenheiten unter verwendung der fahrzeugtelematik
CN104408909A (zh) 一种基于ZigBee的出租车调度闭环控制***
JP6666510B1 (ja) 配車管理システム、管理装置及び車両提示方法
JP5042952B2 (ja) 通信装置、通信システム、通信方法、プログラム、および記録媒体。
CN110166939B (zh) 公共交通站点判断方法及装置
TWI569227B (zh) The system and method of real - time passenger traffic exploration
CN113554863A (zh) 基于android的出租车自主呼叫***及方法

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