CN113542364B - 一种公交车和网约车联动的智慧交通*** - Google Patents
一种公交车和网约车联动的智慧交通*** Download PDFInfo
- Publication number
- CN113542364B CN113542364B CN202110693902.8A CN202110693902A CN113542364B CN 113542364 B CN113542364 B CN 113542364B CN 202110693902 A CN202110693902 A CN 202110693902A CN 113542364 B CN113542364 B CN 113542364B
- Authority
- CN
- China
- Prior art keywords
- passenger
- information
- bus
- arrival
- network
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
-
- 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
- G08G1/133—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 within the vehicle ; Indicators inside the vehicles or at stops
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种公交车和网约车联动的智慧交通***,包括公交换乘管理子***和到站联动子***,公交换乘管理子***包括站台信息采集模块用于获取站台区域内乘客的换乘和面部信息,车载终端模块用于获取车辆运行过程的视频和运营信息,个人位置跟踪模块用于将视频分帧为图像,通过人脸识别技术识别乘客,并进行比对,判断乘客是否在车上;到站联动子***包括网约车管理模块用于管理网约车的车辆、驾驶员和网约车运营信息,到站提醒模块用于在乘客未下车时,提醒乘客即将启动呼叫网约车并提供取消呼叫功能,到站联动模块用于在乘客未取消网约车呼叫,为乘客提供呼叫功能。本发明在公交车与网约车之间建立有效衔接,降低乘客在换乘中的等待时间。
Description
技术领域
本发明涉及智慧交通领域,尤其涉及一种公交车和网约车联动的智慧交通***。
背景技术
随着城市化进程的推进,城市人口的增多,面对日益严峻的交通阻滞现象,高效、价廉的公共交通成了绝大多数城市民的诉求与渴望。公交换乘数据作为城市居民公交出行的重要客流信息,对城市公共交通规划和管理具有重要意义。大部分的乘客乘坐公交车时并不能到达目的地,需要进行换乘,可以采用网约车进行换乘,但现有的公交车与网约车之间没有建立有效衔接,目前的处理方法为乘客到达中转站后开始预约网约车,会增加等待时间,从而使得许多乘客不能及时参与换乘,延长了出行时间。
发明内容
本发明提供一种公交车和网约车联动的智慧交通***,以克服上述技术问题。
一种公交车和网约车联动的智慧交通***,其特征在于,包括公交换乘管理子***和到站联动子***,
公交换乘管理子***包括站台信息采集模块、车载终端模块、个人位置跟踪模块,
站台信息采集模块用于通过信息采集设备获取站台区域内的乘客到站信息、目的地信息和图像,从信息采集设备采集的图像中获取乘客的面部图像,将到站信息、目的地信息和面部图像实时传输至物联网云平台,
车载终端模块用于通过视频拍摄装置采集车辆运行过程乘客上车、下车视频,以及车内视频,通过定位装置获取公交车信息,包括位置和速度,将视频和公交车信息实时传输至物联网云平台,
个人位置跟踪模块用于实时将物联网云平台中的视频分帧为图像,通过人脸识别技术对图像中的乘客进行识别,计算识别后的乘客与面部图像数据的匹配度,根据匹配度取值判断当前时刻乘客是否在车上;
到站联动子***包括网约车管理模块、到站提醒模块和到站联动模块,
网约车管理模块用于管理网约车的车辆信息、驾驶员信息和网约车运营信息,通过车载定位装置实时获取网约车运营信息,并将运营信息实时传输至物联网云平台,
到站提醒模块用于在个人位置跟踪模块确定乘客未下车时,且车辆当前位置与到站位置之间的距离达到阈值时,提醒乘客即将启动网约车联动机制并为乘客提供取消网约车呼叫功能,
到站联动模块用于在乘客未取消网约车呼叫功能条件下,按照一定的呼叫机制,为乘客提供呼叫功能。
优选地,从信息采集设备采集的图像中获取乘客的面部图像是通过公式(1)获取,
y=resize(lm(z,z′)+ln(p(z),p(z′))) (1)
其中,z是信息采集设备采集的图像,y是乘客的面部图像,ln(*)表示使用对比损失训练的孪生网络抽取后的特征,lm(*)表示使用二值化交叉熵损失训练的孪生网络抽取后的特征,p(*)表示从图像中提取器官信息,z′表示归一化后的图像,resize表示将特征图像调整到信息采集设备采集的图像z的尺寸。
优选地,计算识别后的乘客与面部图像数据的匹配度是通过公式(2)计算,
其中,l(*)表示使用孪生网络抽取后的特征,f(*)表示从物联网云平台中的视频分帧后的图像中提取人脸信息,x是物联网云平台中的视频分帧后的图像,y是面部图像数据,dis是匹配度,匹配度大于阈值表示当前时刻乘客是在车上。
优选地,呼叫机制是通过获取公交车速度、位置、与到站站点之间的距离,计算公交车到达到站站点的预计时间段,根据预计时间段获取网约车运营数据,包括位置、速度、与到站站点之间的距离、是否载客、载客目的地,根据以上参数计算网约车呼叫时机。
优选地,计算网约车呼叫时机是指通过优化选择算法确定最优呼叫时机,以乘客到站后等待网约车时间为T1,网约车到达站点后接到乘客的等待时间为T2,当T1与T2之和最小时为最优呼叫时机。
本发明提供一种公交车和网约车联动的智慧交通***,能够为公交乘客在需要换乘网约车时,提供网约车呼叫功能,并且从乘坐公交车期间中选择最优的呼叫时机,呼叫网约车,降低乘客到达换乘站点后等待网约车时间,提高用户出行满意度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明***模块图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明***模块图,如图1所示,本实施例的方法可以包括:一种公交车和网约车联动的智慧交通***,包括公交换乘管理子***和到站联动子***。
公交换乘管理子***包括站台信息采集模块、车载终端模块、个人位置跟踪模块。
站台信息采集模块用于通过信息采集设备获取站台区域内的乘客的到站信息、目的地信息和图像。
信息采集设备可以设置在站台区域内,设备包括摄像头、显示屏、数据传输设备等,乘客通过显示屏输入换乘信息,同时授予设备图像采集权限,获取乘客图像信息,乘客信息可以通过无线传输方式发送至物联网云平台。信息采集设备也可以是乘客的手机移动终端,乘客通过移动终端输入换乘信息。
站台信息采集模块中采集乘客的到站信息,需要获取公交全部运营路线的全部站点信息,并在信息采集设备的显示屏中进行显示,显示的方式可以按照路线列表,如公交线路编号为10路,途径站点为A、B、C、D、E、F、G,乘客通过选择线路编号,进入下级站点列表,选择到达站点。
站台信息采集模块中采集用户的目的地信息,在信息采集设备的用户交互页面中显示当地最新地图,并且能够提供目的地搜索、页面缩小、页面放大、公共服务场所推荐、商场推荐、公园推荐等功能。通过乘客在用户交互页面的操作,显示目的地相关信息。如在页面中提供热门商场的站点集合,乘客可以在用户交互界面中直接选择商场,而无需进行检索,减少操作时间,提高便捷性。
信息采集设备能够解析用户在用户交互界面执行的操作,通过解析乘客的操作获取到站、目的地信息。
信息采集设备获取乘客图像采集权,在乘客进行到站信息、目的地信息采集之前,在用户交互界面中显示是否允许设备获取图像信息,在乘客允许设备获取图像的前提下,获取乘客的图像。
通过公式(1)从信息采集设备采集的图像中获取乘客的面部图像,可以自动获取面部图像,节约人力,
y=resize(lm(z,z′)+ln(p(z),p(z′))) (1)
其中,z是信息采集设备采集的图像,y是乘客的面部图像,ln(*)表示使用对比损失训练的孪生网络抽取后的特征,lm(*)表示使用二值化交叉熵损失训练的孪生网络抽取后的特征,p(*)表示从图像中提取器官信息,z′表示归一化后的图像,resize表示将特征调整大小到信息采集设备采集的图像z的尺寸。
当乘客通过手机移动终端输入到站信息、目的地信息时,需要授予手机移动终端可获取乘客的图像信息的权限,并提供路线列表、站点列表,通过手机移动终端将所在地区的地图展示给乘客,以便乘客选择目的地,解析用户在手机移动终端的操作,获取乘客的到站、目的地的信息。
将到站信息、目的地信息和面部图像实时传输至物联网云平台。
车载终端模块用于通过视频拍摄装置采集车辆运行过程乘客上车、下车视频,以及车内视频,视频拍摄装置安装的位置能够全方位拍摄公交车内、上车门、下车门,且具有数据传输功能,能够将实时采集的视频传输至物联网云平台。
其中,上车门、下车门位置分别安装一个带云台的可旋转式摄像头,公交车到达站点后,开启摄像头,实时拍摄乘客上、下车的视频,当公交车驶离站点后,旋转摄像头拍摄公交车内的实时视频。
通过定位装置获取公交车信息,包括位置、速度和时间,将公交车信息实时传输至物联网云平台。定位装置包括GPS定位装置、北斗定位装置、惯导定位装置,GPS定位装置和北斗定位装置用于实时获取公交车的定位数据,惯性定位装置用于辅助GPS定位装置和北斗定位装置定位。
根据公交车信息和公交线路信息,建立公交运营历史数据集,通过截取不同时间段的公交车信息,获取公交车行驶该时间段对应距离所需的平均时间,并对历史数据进行预处理和学习,构建公交车到站时间预测模型,用于预测乘客从乘车后的某一时刻开始,到到达到站站点所需的时间。
公交运营历史数据集包括公交车辆GPS数据、通行路段其它线路公交车辆的GPS数据和公交车IC卡信息、线路编号、车牌编号、车辆运行位置、车速、所在站间区间、车辆在各车站到达时刻、离开时刻、上车人数和下车人数。对采集到的历史数据集进行预处理,构建公交车到站时间预测模型,包括:
首先,采用支持向量回归模型进行公交到站时间预测。其中,选取径向基函数作为所用支持向量机模型的核函数,采用网格搜索的方法获取模型参数最优值。
再者,采用神经网络模型进行公交到站时间预测。本发明选取标准的三层前馈神经网络用于公交到站时间的预测,考虑到算法参数数量和收敛速度,量化共轭梯度算法被用作模型的训练算法。
最后,选取平均绝对误差、平均绝对百分误差和均方根误差三个指标来评价预测模型的优劣程度。
个人位置跟踪模块用于实时将物联网云平台中的视频分帧为图像,通过人脸识别技术对图像中的乘客进行识别,包括以下步骤,
步骤一,从视频帧中获取每一帧图像作为待检测图像;
步骤二,对待检测图像进行图像处理,根据前一帧图像检测结果选择待检测图像的处理方式,当待检测图像中包含人脸且满足人脸跟踪条件,则对待检测图像进行人脸跟踪处理,否则,对待检测图像进行人脸检测处理;
步骤三,根据处理结果输出是否包含人脸,若包含人脸则输出人脸位置坐标和人脸概率值,根据人脸位置坐标画出人脸框,存储人脸框区域内的图像作为人脸图像,并将下一帧作为待检测图像,否则,直接获取下一帧。
步骤一中,对待检测图像进行图像处理的方法包括:获取视频流的每一帧图像,并将每一帧转为图片格式,同时获取每帧的尺寸大小,对每一帧图像做相应的图像缩放处理。
步骤二中,根据前一帧图像检测结果选择待检测图像的处理方式包括:当获取的图像是视频的起始帧,即没有前一帧,此时前一帧图像检测结果应为未检测到人脸,否则,若前一帧图像检测含有人脸,则前一帧图像检测结果应为前一帧图像通过人脸检测轻量级神经网络,包括用于构建人脸检测的卷积神经网络中的MP-Net网络、MR-Net网络和MO-Net网络,加载训练好的人脸检测模型,计算得到的人脸位置坐标和人脸概率值,若前一帧图像未含有人脸,则前一帧图像检测结果为空。
过滤不同图像中重复的人脸图像,建立乘客人脸图像与图像时间之间的关联,将过滤后的乘客人脸图像与云平台中存储的当前时刻的乘客面部图像数据库根据公式(2)进行比对,计算图像之间的匹配度,可以自动计算图像匹配度,节约人力,
其中,l(*)表示使用孪生网络抽取后的特征,f(*)表示从物联网云平台中的视频分帧后的图像中提取人脸信息,x是物联网云平台中的视频分帧后的获取的人脸图像,y是面部图像数据,dis是匹配度,匹配度大于阈值表示当前时刻乘客是在车上。
根据匹配度取值判断当前时刻乘客是否在车上,即当匹配度取值大于阈值时,则表示在当前乘客人脸图像的拍摄时间时乘客仍旧在公交车上。
根据云平台中存储的乘客面部图像和到站站点信息,对乘客面部图像数据库进行筛选,构建当前时刻的乘客面部图像数据库,即当乘客开始乘车站点与到站站点之间的距离小于阈值,将此类乘客的面部图像数据存储为当前时刻的乘客面部图像数据库。
个人位置跟踪模块还可以通过乘客手机移动端的gps定位与公交车通过定位装置获取的公交位置来确定用户当前是否在公交车上,当两个定位的差值没有超过公交车长度时,表示当前时刻乘客在公交车上,当两个定位的差值超过公交车长度时,表示当前时刻用乘客已经下车。
到站联动子***包括网约车管理模块、到站提醒模块和到站联动模块。
网约车管理模块用于管理网约车的车辆信息、驾驶员信息和网约车运营信息,通过车载定位装置实时获取网约车运营信息,并将运营信息实时传输至物联网云平台。
到站提醒模块用于在个人位置跟踪模块确定乘客未下车时,且车辆当前位置与到站位置之间的距离达到阈值时,提醒乘客即将启动网约车联动机制并为乘客提供取消网约车呼叫功能。到站提醒模块也可以实时比对乘客手机移动端的gps定位与到站站点之间的距离,当距离达到阈值时,进入到站提醒模块。
到站联动模块用于在乘客未取消网约车呼叫功能条件下,按照一定的呼叫机制,为乘客提供呼叫功能,并将网约车信息基于用户显示界面展示给乘客。
网约车信息是通过与各家网约车平台的接口进行连接,以乘客的到站站点为出发点,目的地为终点,获取各网约车平台提供服务的乘客等待时间、费用、成功呼叫指数,并分别以乘客等待时间、费用、成功呼叫指数进行排序,在用户显示界面进行呈现。
呼叫机制是通过获取公交车速度、位置、与到站站点之间的距离,结合公交历史运营数据计算公交车到达到站站点的预计时间段,根据预计时间段获取可呼叫的网约车运营数据,包括位置、速度、与到站站点之间的距离、是否载客、载客目的地,根据以上参数计算网约车呼叫时机。
计算网约车呼叫时机是指通过优化选择算法确定最优呼叫时机,以乘客到站后等待网约车时间为T1,网约车到达站点后接到乘客的等待时间为T2,当T1与T2之和最小时为最优呼叫时机。将预计时间段进行划分,分别计算在不同时间段内可以到达到达站点且时间和经济成本在一定阈值范围内的网约车,建立关于等待时间最短和成本最低的多目标函数,基于多目标优化算法得到最优值,对多个时间段对应最优值进行排序,将前n个时间段作为最优呼叫时机,通过用户显示界面展示给乘客,并在乘客不取消预约的前提下,在最优预约时机将预约订单发送至网约车,等待驾驶员接单。
当乘客的等待时间T1大于乘客选择备选公交线路、步行或骑行自到站站点到达目的地的时间,则将备选公交线路、步行或骑行作为优选换乘方式推送给乘客,以使乘客减少等待时间,便于乘客更加合理的安排自己的出行时间,提升乘客的出行体验。
整体有的有益效果:本发明在现有的公交车与网约车之间建立有效衔接,降低公交车乘客在换乘过程中的等待时间,从而使得许多乘客能够及时换乘,减少了出行耗费的时间,提高了用户满意度。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (2)
1.一种公交车和网约车联动的智慧交通***,其特征在于,包括公交换乘管理子***和到站联动子***,
公交换乘管理子***包括站台信息采集模块、车载终端模块、个人位置跟踪模块,
站台信息采集模块用于通过信息采集设备获取站台区域内的乘客到站信息、目的地信息和图像,从信息采集设备采集的图像中获取乘客的面部图像,通过公式(1)获取乘客的面部图像,
y=resize(lm(z,z′)+ln(p(z),p(z′))) (1)
其中,z是信息采集设备采集的图像,y是乘客的面部图像,ln(*)表示使用对比损失训练的孪生网络抽取后的特征,lm(*)表示使用二值化交叉熵损失训练的孪生网络抽取后的特征,p(*)表示从图像中提取器官信息,z′表示归一化后的图像,resize表示将特征图像调整到信息采集设备采集的图像z的尺寸,将到站信息、目的地信息和面部图像实时传输至物联网云平台,
车载终端模块用于通过视频拍摄装置采集车辆运行过程乘客上车、下车视频,以及车内视频,通过定位装置获取公交车信息,包括位置和速度,将视频和公交车信息实时传输至物联网云平台,
个人位置跟踪模块用于实时将物联网云平台中的视频分帧为图像,通过人脸识别技术对图像中的乘客进行识别,计算识别后的乘客与面部图像数据的匹配度,通过公式(2)计算匹配度,
其中,l(*)表示使用孪生网络抽取后的特征,f(*)表示从物联网云平台中的视频分帧后的图像中提取人脸信息,x是物联网云平台中的视频分帧后的图像,y是面部图像数据,dis是匹配度,匹配度大于阈值表示当前时刻乘客是在车上,根据匹配度取值判断当前时刻乘客是否在车上;
到站联动子***包括网约车管理模块、到站提醒模块和到站联动模块,
网约车管理模块用于管理网约车的车辆信息、驾驶员信息和网约车运营信息,通过车载定位装置实时获取网约车运营信息,并将运营信息实时传输至物联网云平台,
到站提醒模块用于在个人位置跟踪模块确定乘客未下车时,且车辆当前位置与到站位置之间的距离达到阈值时,提醒乘客即将启动网约车联动机制并为乘客提供取消网约车呼叫功能,
到站联动模块用于在乘客未取消网约车呼叫功能条件下,按照如下呼叫机制,为乘客提供呼叫功能,所述呼叫机制是通过获取公交车速度、位置、与到站站点之间的距离,计算公交车到达到站站点的预计时间段,根据预计时间段获取网约车运营数据,包括位置、速度、与到站站点之间的距离、是否载客、载客目的地,根据以上参数计算网约车呼叫时机。
2.根据权利要求1所述的一种公交车和网约车联动的智慧交通***,其特征在于,所述计算网约车呼叫时机是指通过优化选择算法确定最优呼叫时机,以乘客到站后等待网约车时间为T1,网约车到达站点后接到乘客的等待时间为T2,当T1与T2之和最小时为最优呼叫时机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110693902.8A CN113542364B (zh) | 2021-06-22 | 2021-06-22 | 一种公交车和网约车联动的智慧交通*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110693902.8A CN113542364B (zh) | 2021-06-22 | 2021-06-22 | 一种公交车和网约车联动的智慧交通*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113542364A CN113542364A (zh) | 2021-10-22 |
CN113542364B true CN113542364B (zh) | 2023-02-03 |
Family
ID=78125615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110693902.8A Active CN113542364B (zh) | 2021-06-22 | 2021-06-22 | 一种公交车和网约车联动的智慧交通*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113542364B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114170815B (zh) * | 2021-12-08 | 2023-10-27 | 安徽达尔智能控制***股份有限公司 | 一种人工智能诊断交通运维管控方法、*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3574459A1 (en) * | 2017-01-25 | 2019-12-04 | Via Transportation, Inc. | Systems and methods for vehicle ridesharing |
CN108507586A (zh) * | 2017-02-28 | 2018-09-07 | 北京嘀嘀无限科技发展有限公司 | 显示对象的移动展示方法、装置及存储介质 |
CA3087506A1 (en) * | 2018-01-31 | 2019-08-08 | Xirgo Technologies, Llc | Enhanced vehicle sharing system |
-
2021
- 2021-06-22 CN CN202110693902.8A patent/CN113542364B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113542364A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7135014B2 (ja) | ライドシェア管理装置、ライドシェア管理方法、およびプログラム | |
CN113393137B (zh) | 一种基于车联网的调度共享*** | |
CN111310994A (zh) | 一种基于数据校准的公交路线预测方法及*** | |
CN113194138B (zh) | 基于ai深度学习的出行管理方法和*** | |
CN107533734A (zh) | 用于帮助自动安排用户行程的方法和装置 | |
CN111311467A (zh) | 一种基于人脸识别的公交路线预测方法及*** | |
CN106448169A (zh) | 基于wifi的公交客流实时监测***、数据处理方法 | |
CN108777076A (zh) | 一种城市停车管理*** | |
CN113160602A (zh) | 一种智能公交调度模拟*** | |
JP2006188150A (ja) | 乗車率予測システム | |
CN114693495A (zh) | 智慧城市公共交通管理方法、物联网***、装置及介质 | |
JP2020071778A (ja) | 車両派遣システム、サーバおよび情報処理方法 | |
CN113469514A (zh) | 一种基于预约订单的网约车派单方法、装置及电子设备 | |
CN114743401A (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 | |
CN113542364B (zh) | 一种公交车和网约车联动的智慧交通*** | |
CN111311950A (zh) | 公交车高峰期智能调度方法及*** | |
CN110443518A (zh) | 临时公共交通调度方法和***以及计算机可读存储介质 | |
CN115841745A (zh) | 一种车辆调度方法、装置及电子设备 | |
CN107067708A (zh) | 一种非高峰公交车基于大数据的出行线路实时调整方法 | |
CN110046535B (zh) | 基于机器学习的智能出行时间预测***、方法及存储介质 | |
JP2021026456A (ja) | 業務支援システム | |
CN111339159B (zh) | 一种一票制公交数据的分析挖掘方法 | |
CN212305387U (zh) | 一种车机设备 | |
CN114898544A (zh) | 一种基于网络的交通接驳方法及*** | |
CN113393355A (zh) | 轨道交通相对客流分布计算方法、***、电子设备及介质 |
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 | ||
CP03 | Change of name, title or address |
Address after: 14 / F, Hualu building, 717 Huangpu Road, Dalian hi tech Industrial Park, Liaoning 116000 Patentee after: Hualu Zhida Technology Co.,Ltd. Address before: No. 717, Huangpu Road, high tech park, Dalian, Liaoning 116000 Patentee before: Hualu Zhida Technology Co.,Ltd. |
|
CP03 | Change of name, title or address |