CN113936496A - 基于乘客识别的智能交互交通排程方法及*** - Google Patents
基于乘客识别的智能交互交通排程方法及*** Download PDFInfo
- Publication number
- CN113936496A CN113936496A CN202111545718.5A CN202111545718A CN113936496A CN 113936496 A CN113936496 A CN 113936496A CN 202111545718 A CN202111545718 A CN 202111545718A CN 113936496 A CN113936496 A CN 113936496A
- Authority
- CN
- China
- Prior art keywords
- shift
- passenger
- route
- passengers
- target route
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 21
- 230000008859 change Effects 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 7
- 101100460704 Aspergillus sp. (strain MF297-2) notI gene Proteins 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000007621 cluster analysis Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000000554 iris Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06Q50/40—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
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Radar, Positioning & Navigation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Entrepreneurship & Innovation (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于乘客识别的智能交互交通排程方法,涉及公共交通运输术领域,解决现有公共交通效果不佳的技术问题,方法包括:获取目标路线的路线信息、车辆信息;根据路线信息、车辆信息建立路线管理数据库;识别出车内的乘客,并统计乘客数量;结合时间参数记录目标路线各个班次的日载客量,并结合路线信息建立载客数据库;以自然周为周期,根据目标路线前一日的各个班次的日载客量变化确定目标路线当日的班次排程。本发明还公开了一种基于乘客识别的智能交互交通排程***。本发明以自然周为周期,基于历史日载客量变化做预测分析对当日的班次排程调度,使班次排程更准确、灵活地适应搭乘需求,减小非必要性的班次,降低运营成本。
Description
技术领域
本发明涉及公共交通运输技术领域,更具体地说,它涉及一种基于乘客识别的智能交互交通排程方法及***。
背景技术
随着城市化进程的发展,在城镇中,日出行人数迅速增多,交通运输业面临的压力随之增大,为此,各相关部门有安排班次更多的交通运输工具,以缓解交通压力。
然而,更多的运输班次方便民众出行的同时,还受各种因素影响,在各个地区,尤其是二三线城市的非中心城区,大多面临一个问题:在非出行高峰期间,部分线路的公共交通运输工具实际载客人数极少,甚至有出现大半路程,或是全程载客低于5%的情况发生,导致运营成本增加,而且即便有部分做区别排班,但是相对机械,固定,效果不佳,因此本申请提出一种新的技术方案。
发明内容
本发明要解决的技术问题是针对现有技术的上述不足,本发明的目的一是提供一种智能程度高、效果好的基于乘客识别的智能交互交通排程方法。
本发明的目的二是提供一种智能程度高、效果好的基于乘客识别的智能交互交通排程***。
为了实现上述目的一,本发明提供一种基于乘客识别的智能交互交通排程方法,包括:
获取目标路线的路线信息、车辆信息;
根据所述路线信息、车辆信息建立路线管理数据库;
识别出车内的乘客,并统计乘客数量;
结合时间参数记录所述目标路线各个班次的日载客量,并结合所述路线信息建立载客数据库;
以自然周为周期,根据所述目标路线前一日的各个班次的日载客量变化确定所述目标路线当日的班次排程。
作为进一步地改进,确定当日的班次排程的具体操作包括:
进一步地,确定当日的班次排程的具体操作还包括:
进一步地,还包括:
如果当日为节假日,则根据所述路线信息确定所述目标路线的路线类别;
如果所述目标路线的路线类别符合繁忙路线类别,则该目标路线中止调度调整,输出与所述节假日对应的预设班次排程。
进一步地,还包括主动呼叫逻辑,所述主动呼叫逻辑包括:
记录所述目标路线日载客量大于上限值或小于下限值的时间段,对所述时间段进行聚类分析得到所述时间段集中度最高的所属区间,将所述所属区间记为主动呼叫时间段;
在所述主动呼叫时间段内获取乘客发送至指定平台的搭乘请求信息;
进一步地,所述主动呼叫逻辑还包括:
进一步地,所述诚信评测包括:
以预设的加减分原则对发送搭乘请求信息且未识别到的乘客做诚信减分;
以所述加减分原则对发送搭乘请求信息且识别到的乘客做诚信加分。
进一步地,还包括辅助呼叫逻辑,所述辅助呼叫逻辑包括:
为了实现上述目的二,本发明提供一种基于乘客识别的智能交互交通排程***,包括车机,还包括无线通信连接所述车机的远程服务器;
所述车机用于识别出车内的乘客,并统计乘客数量,将所述乘客数量发送给所述远程服务器;
所述远程服务器用于获取目标路线的路线信息、车辆信息;根据所述路线信息、车辆信息建立路线管理数据库;根据所述乘客数量结合时间参数记录所述目标路线各个班次的日载客量,并结合所述路线信息建立载客数据库;以自然周为周期,根据所述目标路线前一日的各个班次的日载客量变化确定所述目标路线当日的班次排程。
有益效果
本发明与现有技术相比,具有的优点为:
1.本发明以自然周为周期,基于历史日载客量变化,分路线,针对性的做预测分析,以对当日的班次排程调度,使其更准确的适应群众的搭乘需求,且能减小非必要性的班次,降低运营成本;同时,因为周期短,又是针对当前周期的历史数据预测,所以更为灵活。
2.本发明针对节假日输出与该节假日对应的预设班次排程,一方面可以减小非必要性的分析压力;另一方面也更为灵活和准确。
3.本发明在主动呼叫时间段内根据搭乘请求信息增加班次,可以大大减小出行高峰或出行低谷对搭乘体验不佳的情况。
4.本发明根据目标路线各站点候车的弱势群体的乘客数量增加班次,可以有效为弱势群体,如老人、儿童等带来便捷搭乘体验。
附图说明
图1为本发明方法的流程示意图;
图2为的整体架构示意图。
具体实施方式
下面结合附图中的具体实施例对本发明做进一步的说明。
参阅图1-2,一种基于乘客识别的智能交互交通排程方法,包括:
获取目标路线的路线信息、车辆信息;路线信息、车辆信息可通过对接公交公司获取,需要注意的是,在本实施例中,路线信息还被人工主动增加类别标签,如城际路线、环内路线、郊区路线、景区直达路线或园区路线,以便后续做细致区分;车辆信息则用于区分各个车辆;
根据路线信息、车辆信息建立路线管理数据库;路线管理数据库用于供给工作人员做班次排程设置时的基准参考,方便其做相关管理工作;
识别出车内的乘客,并统计乘客数量;可以通过获取车内的实时画面,并对实时画面做图像识别处理识别出乘客;也可以通过语音、指纹、虹膜等生物特征识别出乘客;也可以通过公交卡、工牌、老年卡、月卡、身份证等有效证件识别出乘客,还可以通过刷二维码的方式识别出乘客;其中,车内的实时画面通过安装于车内的摄像头采集上传,而乘客识别和人数统计,可以理解的是,均为现有技术,因此不再赘述;
结合时间参数记录目标路线各个班次的日载客量,并结合路线信息建立载客数据库;
以自然周为周期,根据目标路线前一日的各个班次的日载客量变化确定目标路线当日的班次排程。
本方法可以通过对各个车辆历史的日车载量变化做针对性的预测分析,调整班次排程,降低运营成本;且因为以一周为一个周期,而非传统的机械、固定调整方式,所以更为灵活,且能减小环境因素,如临时道路改道、持续性天气等带来的影响,调整更为合理。
确定当日的班次排程的具体操作包括:
如果,则统计对应的的数量;若对应的的数量大于阈值二且的持续时长大于阈值三,则在的班次排程基础上取消对应的班次得到当日的班次排程,阈值二表示低载客量的最小次数,阈值三表示低载客量持续时间的最小值。日载客量小于额定载客量的20%则认为是低载客量,当然低载客量也可以根据实际情况进行设定。
根据上述,除了周一之外,当日的班次排程均为基于前一日的日载客量变化针对性的调整,所以相对更为灵活。
为了验证班次调整的准确性,避免后序其他日子是在有误的基础上再次计算而导致公共交通混乱,确定当日的班次排程的具体操作还包括:
根据上述逻辑,可在验证发现调度相对不合理时,调整回原班次排程数据,作为的下一自然日的计算基础,减小“错上加错”的情况,改善乘客的搭乘体验。
可以理解的是,上述的乘客数量指的是,一次行程总的上车的人数,而非某一时刻的乘客数量;之所以这样,是因为此时不仅仅考虑运营成本,还考虑有群众的搭乘体验,毕竟公共交通的初衷是为了服务群众,便捷出行。
在一个实施例中,本方法还包括:
根据网络日期及官方发布的放假信息,确定节假日;如果当日为节假日,则根据路线信息确定目标路线的路线类别;
如果目标路线的路线类别符合繁忙路线类别,则该目标路线中止调度调整,输出与节假日对应的预设班次排程。
其中,繁忙路线类别可以是景区直达路线和环内路线。
根据上述内容,本方法在节假日期间,还会根据路线的类别,结合环境影响决定是否做班次调整,一方面减小非必要性的分析压力;另一方面,也更为灵活和准确。
在一个实施例中,本方法还包括主动呼叫逻辑,主动呼叫逻辑包括:
记录目标路线日载客量大于上限值或小于下限值的时间段,对时间段进行聚类分析得到时间段集中度最高的所属区间,将所属区间记为主动呼叫时间段;上限值和下限值由公交公司上传;如统计小于下限值的时间段:3个时间段的所属区间为1:00-3:30,5个时间段的所属区间为19:30-21:00,则取19:30-21:00为主动呼叫时间段;可以理解的是,上限值是为了在高峰期提供主动呼叫功能,而下限值,则是为了在“理论的”搭乘低谷时期提供主动呼叫功能;
在主动呼叫时间段内获取乘客发送至指定平台的搭乘请求信息,例如:群众通过终端,如手机上的App发送信息至一公众云台;其中,搭乘请求信息包括搭乘人数和搭乘路线;可以理解的是,搭乘人数的填写,是为了方便群众;当多人同时出行,则只需其中一人做请求发送即可,不再需要每个人都发送一次请求;
本方法的主动呼叫逻辑,作为班次递增原则,可以减小出行高峰对搭乘体验不佳的情况;还考虑“理论的”搭乘低谷时期的特殊情况,如夜晚的高铁站点路线等,为群众做考虑,可以减小在高铁站点夜晚长时间等车带来不良体验。
需要注意的是,此处的总上车人数暂时并没有对应至请求发送人,即只要该班次实际搭乘人数大于请求人数即可,之所以做该设置,是为了保留一定的容许度,在运营不会亏损,或亏损在容许值的情况下,允许部分人员临时做其他选择;即,诚信评测只有在差值大于阈值六(可以理解为公共资源浪费较大,亏损过高)时才会被触发。
诚信评测的前提是身份绑定,因此搭乘请求信息绑定请求发送人的身份信息;又为了提高本方法的应用便捷性,身份信息设置为包括人脸数据或其他唯一的身份数据;在此前提下,诚信评测包括:
以预设的加减分原则对发送搭乘请求信息且未识别到的乘客做诚信减分;
以加减分原则对发送搭乘请求信息且识别到的乘客做诚信加分。
其中,加减分原则可以是,有对应乘客,则加一分直到满分100分;否则,减一分。
主动呼叫逻辑还包括:在计算请求搭乘人数的过程跳过诚信分小于阈值七的乘客所发送的搭乘请求信息,例如,诚信分小于70分的乘客所发送的搭乘请求信息将被忽略,可以在督促群众维持诚信呼叫的同时,减小诚信度不高的群众带来的干扰。
为了辅助弱势群体,如老人、儿童等,在一个实施例中,本方法还包括辅助呼叫逻辑,辅助呼叫逻辑包括:
在主动呼叫时间段内,获取目标路线各站点候车的弱势群体的乘客数量;具体的,通过获取目标路线的公交站点的实时画面,如通过预安装于站点的网络摄像头采集并上传,对实时画面做图像识别处理,识别出候车的乘客并统计候车的乘客数量;
根据上述内容,除了主动呼叫公交车外,本方法还可识别线路上的各个站点的实时画面,主动的增加班次,为老人、儿童等带来便捷搭乘体验。
可以理解的是,为减小干扰,摄像头采集范围覆盖站点候车区,且识别过程中,定义滞留于候车区3分钟以上的人员为乘客。
一种基于乘客识别的智能交互交通排程***,包括车机,还包括无线通信连接车机的远程服务器;
车机用于识别出车内的乘客,并统计乘客数量,将乘客数量发送给远程服务器;
远程服务器用于获取目标路线的路线信息、车辆信息;根据路线信息、车辆信息建立路线管理数据库;根据乘客数量结合时间参数记录目标路线各个班次的日载客量,并结合路线信息建立载客数据库;以自然周为周期,根据目标路线前一日的各个班次的日载客量变化确定目标路线当日的班次排程。
以上仅是本发明的优选实施方式,应当指出对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些都不会影响本发明实施的效果和专利的实用性。
Claims (10)
1.一种基于乘客识别的智能交互交通排程方法,其特征在于,包括:
获取目标路线的路线信息、车辆信息;
根据所述路线信息、车辆信息建立路线管理数据库;
识别出车内的乘客,并统计乘客数量;
结合时间参数记录所述目标路线各个班次的日载客量,并结合所述路线信息建立载客数据库;
以自然周为周期,根据所述目标路线前一日的各个班次的日载客量变化确定所述目标路线当日的班次排程。
4.根据权利要求1-3任意一项所述的基于乘客识别的智能交互交通排程方法,其特征在于,还包括:
如果当日为节假日,则根据所述路线信息确定所述目标路线的路线类别;
如果所述目标路线的路线类别符合繁忙路线类别,则该目标路线中止调度调整,输出与所述节假日对应的预设班次排程。
10.一种基于乘客识别的智能交互交通排程***,包括车机,其特征在于,还包括无线通信连接所述车机的远程服务器;
所述车机用于识别出车内的乘客,并统计乘客数量,将所述乘客数量发送给所述远程服务器;
所述远程服务器用于获取目标路线的路线信息、车辆信息;根据所述路线信息、车辆信息建立路线管理数据库;根据所述乘客数量结合时间参数记录所述目标路线各个班次的日载客量,并结合所述路线信息建立载客数据库;以自然周为周期,根据所述目标路线前一日的各个班次的日载客量变化确定所述目标路线当日的班次排程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111545718.5A CN113936496B (zh) | 2021-12-17 | 2021-12-17 | 基于乘客识别的智能交互交通排程方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111545718.5A CN113936496B (zh) | 2021-12-17 | 2021-12-17 | 基于乘客识别的智能交互交通排程方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113936496A true CN113936496A (zh) | 2022-01-14 |
CN113936496B CN113936496B (zh) | 2022-04-01 |
Family
ID=79289181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111545718.5A Active CN113936496B (zh) | 2021-12-17 | 2021-12-17 | 基于乘客识别的智能交互交通排程方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113936496B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114613187A (zh) * | 2022-05-13 | 2022-06-10 | 佛山市城市规划设计研究院 | 一种公交线路设置方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520945A (zh) * | 2008-02-29 | 2009-09-02 | 厦门雅迅网络股份有限公司 | 城市公交线路自动排班方法 |
CN104157132A (zh) * | 2014-08-18 | 2014-11-19 | 东南大学 | 一种自适应式公交发车时刻表的动态优化方法 |
CN104504229A (zh) * | 2014-09-19 | 2015-04-08 | 杭州电子科技大学 | 一种基于混合启发式算法的智能公交调度方法 |
CN107274665A (zh) * | 2017-07-31 | 2017-10-20 | 多维新创(北京)技术有限公司 | 巴士运力资源规划方法及*** |
CN108492608A (zh) * | 2018-03-12 | 2018-09-04 | 北京航空航天大学 | 一种基于云模型的公交车客流量的分析方法及*** |
CN109544901A (zh) * | 2018-11-26 | 2019-03-29 | 南京行者易智能交通科技有限公司 | 一种基于历史客流大数据的公交智能排班方法及装置 |
-
2021
- 2021-12-17 CN CN202111545718.5A patent/CN113936496B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520945A (zh) * | 2008-02-29 | 2009-09-02 | 厦门雅迅网络股份有限公司 | 城市公交线路自动排班方法 |
CN104157132A (zh) * | 2014-08-18 | 2014-11-19 | 东南大学 | 一种自适应式公交发车时刻表的动态优化方法 |
CN104504229A (zh) * | 2014-09-19 | 2015-04-08 | 杭州电子科技大学 | 一种基于混合启发式算法的智能公交调度方法 |
CN107274665A (zh) * | 2017-07-31 | 2017-10-20 | 多维新创(北京)技术有限公司 | 巴士运力资源规划方法及*** |
CN108492608A (zh) * | 2018-03-12 | 2018-09-04 | 北京航空航天大学 | 一种基于云模型的公交车客流量的分析方法及*** |
CN109544901A (zh) * | 2018-11-26 | 2019-03-29 | 南京行者易智能交通科技有限公司 | 一种基于历史客流大数据的公交智能排班方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114613187A (zh) * | 2022-05-13 | 2022-06-10 | 佛山市城市规划设计研究院 | 一种公交线路设置方法、装置、电子设备及存储介质 |
CN114613187B (zh) * | 2022-05-13 | 2022-07-12 | 佛山市城市规划设计研究院 | 一种公交线路设置方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113936496B (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108831149B (zh) | 一种基于历史od信息定制公交线路开行方法及*** | |
CN110009153B (zh) | 一种基于od客流的公交排班优化方法及*** | |
CN109637134B (zh) | 一种公交设备匹配方法 | |
CN110458331B (zh) | 一种基于od客流数据的过绕公交线路的拉直优化方法及装置 | |
CN112561379A (zh) | 一种面向区域性网约车的调度方法 | |
CN112214873B (zh) | 一种轨道交通故障下的客流分布仿真评估方法及*** | |
CN113936496B (zh) | 基于乘客识别的智能交互交通排程方法及*** | |
CN113393137B (zh) | 一种基于车联网的调度共享*** | |
CN116051052A (zh) | 一种数字可视化汽车道路救援智能管理平台 | |
CN113053142A (zh) | 一种基于车载定位和车路协同技术的公交优先控制*** | |
CN112396823A (zh) | 一种公交调度中心联动方法及其*** | |
CN111429021A (zh) | 一种智能公交*** | |
CN111311950A (zh) | 公交车高峰期智能调度方法及*** | |
CN105894592A (zh) | 私家车和出租车合乘线路的智能匹配和费用分割结算*** | |
CN114971136A (zh) | 一种公交及巡游小巴调度方法 | |
CN111508220B (zh) | 基于公交人口分布精准进行末端接驳的方法 | |
CN115423220B (zh) | 一种基于地铁轨道交通车辆运维监控*** | |
CN112233450A (zh) | 一种基于无计划模式的公交调度方式 | |
CN116142264B (zh) | 一种城市轨道交通运行计划编制方法及*** | |
CN115730781A (zh) | 一种基于大数据分析的公交线路优化*** | |
CN113096430B (zh) | 基于欧氏距离收费的弹性公交即时需求动态响应方法 | |
CN113542364B (zh) | 一种公交车和网约车联动的智慧交通*** | |
CN115578013A (zh) | 一种应用于智能公交的均衡式调度方法及*** | |
CN114493151A (zh) | 一种自动驾驶出租车接单判定方法 | |
CN113345216A (zh) | 一种面向大型活动的车辆调度方法 |
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 |