CN117275276A - 一种基于公交车位置信息的公交站台导乘***及其方法 - Google Patents
一种基于公交车位置信息的公交站台导乘***及其方法 Download PDFInfo
- Publication number
- CN117275276A CN117275276A CN202311262854.2A CN202311262854A CN117275276A CN 117275276 A CN117275276 A CN 117275276A CN 202311262854 A CN202311262854 A CN 202311262854A CN 117275276 A CN117275276 A CN 117275276A
- Authority
- CN
- China
- Prior art keywords
- data
- real
- bus
- time
- station terminal
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 238000007726 management method Methods 0.000 claims description 13
- 238000012800 visualization Methods 0.000 claims description 12
- 238000010845 search algorithm Methods 0.000 claims description 11
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000013079 data visualisation Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 2
- 238000007619 statistical method Methods 0.000 abstract description 3
- 208000019901 Anxiety disease Diseases 0.000 abstract description 2
- 230000036506 anxiety Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- 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
-
- 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
- G08G1/13—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 the indicator being in the form of a map
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及智能交通技术领域,尤其为一种基于公交车位置信息的公交站台导乘***及其方法,包括:外部监控单元:用于收集公交车以及路况的实时信息数据;中心服务平台:用于接收外部监控单元收集的实时信息数据,并将实时信息数据发布至服务站终端;服务站终端:用于显示实时信息数据,并将服务站终端的实时状态和数据,反馈给中心服务平台。本发明中的中心服务***,能够获取车辆的实时数据,按照***的算法将预报发送至服务站终端,乘客可以通过终端的屏幕信息了解到公交车到站实时信息,从而规划自己的出行方案,减少等车的焦虑,同时对乘客,搜索频繁的查询路线和需求数据,进行了统计分析,能够进一步的挖掘乘客的需求,提高城市的舒适度。
Description
技术领域
本发明涉及智能交通技术领域,尤其是一种基于公交车位置信息的公交站台导乘***及其方法。
背景技术
近年来,随着城市规模的不断扩大、城市发展的多元化、社会经济活动的愈加频繁,使得交通需求也在高速增长,高速发展的城市公共交通,在为乘客带来通达和便利之际,还依旧存在着不少矛盾与问题,发展现状始终不尽如人意,滞后于社会经济和乘客生活的需要。现有技术中,交通的基础设施配套不完善,实时交通未能全面覆盖,并且即使设有实时交通,但由于管理运维不及时,会出现公交车定位不精确等一系列情况。鉴于以上问题,本发明提出一种基于公交车位置信息的公交站台导乘***及其方法,以解决上述问题。
发明内容
本发明的目的是,通过提出一种基于公交车位置信息的公交站台导乘***及其方法,以解决上述背景技术中提出的缺陷。
本发明采用的技术方案如下:
提供一种基于公交车位置信息的公交站台导乘***,包括:
外部监控单元:用于收集公交车以及路况的实时信息数据;
中心服务平台:用于接收外部监控单元收集的实时信息数据,并将实时信息数据,发布至服务站终端;
服务站终端:用于显示实时信息数据,并将服务站终端的实时状态和数据,反馈给中心服务平台。
作为本发明的一种优选技术方案:所述实时数据,包括:车辆位置和时间、红路灯和拥堵情况。
作为本发明的一种优选技术方案:所述中心服务平台,包括:数据分析单元,所述数据分析单元,用于对实时数据进行预处理、计算统计和分析车辆的实时情况;
所述模糊决策单元,用于自动规划出乘客的出行路径;
所述终端管理单元,用于实现对服务站终端的数据的统计以及实现数据可视化。
作为本发明的一种优选技术方案:所述对实时数据,进行计算统计的值,包括公交车的速度、公交车到站点的距离、公交车到站的站数、到站所需的时间和预计到达时间。
作为本发明的一种优选技术方案:所述模糊决策单元基于图搜索算法,所述图搜索算法,步骤如下:
S1:通过传感器或者地图数据获取环境信息,并构建一个地图模型,在地图上定义一系列节点,每个节点代表一个位置或状态;
S2:在节点之间定义路径,每个路径代表从一个节点到另一个节点的移动方式;
S3:确定起点和终点,采用图搜索算法,从起点开始搜索最优路径到终点,考虑各种因素,如:路径长度、消耗的能量、移动速度;
S4:根据搜索到的最优路径,规划人的移动路径,并控制人按照规划的路径进行移动,包括:路径长度、移动速度、方向;
S5:在人执行路径的过程中,实时获取环境信息,并更新地图,同时根据环境变化,对路径进行更新。
作为本发明的一种优选技术方案:所述图搜索算法中,解决各种因素以及环境的影响,是基于直觉模糊决策算法,所述直觉模糊策略算法中,熵的计算公式为:
确定数据集C={C1,C2,…,Cn},其对应的不确定因素,数据集为E={E1,E2,…,En},Ei即为Ci的熵,i=1,2,…,n。根据熵权法的思想,确定数据集Ci分配到的权重wi为:
其中:j=1,2,…,n。
作为本发明的一种优选技术方案:所述终端管理单元(23),包括:数据统计模块(231),所述数据统计模块(231),用于统计服务站终端的数据;
所述数据存储模块(232),用于将服务器终端的数据,存储至数据库中;
所述可视化模块(233),用于实现服务器终端数据的可视化,挖掘更深层次的数据。
作为本发明的一种优选技术方案:所述实现服务站终端数据的可视化,需对关联的数据进行封装整合,其中找出关联数据基于t-SNE降维算法,t-SNE降维算法的公式为:
已知数据的集合X={x1,x2,…,xn},构成n×n的矩阵,i=1,2,…,n;j=1,2,…,n;pij表示数据xi到数据xj的相似度,计算如下:
其中,σi是以xi为中心点的高斯分布的方差。
作为本发明的一种优选技术方案:所述服务站终端,包括:交互查询单元,所述交互查询单元,用于使乘客与服务站终端的显示屏进行交互,可以查看中心服务平台传输的信息以及搜索查询出行的相关信息。
提供一种基于公交车位置信息的公交站台导乘***的方法,包括如下步骤:
S1:利用外部监测单元,收集公交车和路况的实时信息数据;
S2:将实时信息数据传输至中心服务平台;
S3:实时信息数据经过分析单元和模糊决策单元传输至服务站终端;
S4:服务站终端显示实时信息数据,再将乘客的搜索数据记录和运行状态传输至终端管理单元。
本发明提供的一种基于公交车位置信息的公交站台导乘***及其方法,与现有技术相比,其有益效果有:
本发明中的中心服务***,能够获取车辆的实时数据,按照***的规则和算法,将预报发送至服务站终端,乘客可以通过终端的屏幕信息,了解到公交车到站信息,从而规划自己的出行方案,减少等车的焦虑,把控出行的时间,提升出行品质,同时对乘客搜索频繁的查询路线和需求数据,进行了统计分析,能够进一步的挖掘乘客的需求,提高城市的舒适度。
附图说明
图1为本发明整体的***框图;
图2为本发明中心服务平台的***框图;
图3为本发明服务站终端的***框图;
图4为本发明终端管理单元的***框图;
图5为本发明的方法流程图。
图中各个标记的意义为:
1、外部监控单元;
2、中心服务平台;
21、数据分析单元;22、模糊决策单元;23、终端管理单元;
231、数据统计模块;232、数据存储模块;233、可视化模块;
3、服务站终端;31、交互查询单元。
具体实施方式
需要说明的是,在不冲突的情况下,本实施例中的,实施例及实施例中的,特征可以相互组合,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,所描述的实施例仅仅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做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。
参照图1-图4,本发明优选实施例提供了一种基于公交车位置信息的公交站台导乘***,包括:
外部监控单元1:用于收集公交车以及路况的实时信息数据;
中心服务平台2:用于接收外部监控单元1收集的实时信息数据,并将实时信息数据发布至服务站终端3;
服务站终端3:用于显示实时信息数据,并将服务站终端3的实时状态和数据,反馈给中心服务平台2。
所述实时数据包括车辆位置和时间、红路灯和拥堵情况。
所述中心服务平台2,包括:数据分析单元21,所述数据分析单元21,用于对实时数据进行预处理、计算统计和分析车辆的实时情况;
所述模糊决策单元22,用于自动规划出乘客的出行路径;
所述终端管理单元23,用于实现对服务站终端3的数据的统计以及实现数据可视化。
所述对实时数据,进行计算统计的值,包括公交车的速度、公交车到站点的距离、公交车到站的站数、到站所需的时间和预计到达时间。
所述模糊决策单元22基于图搜索算法,所述图搜索算法,步骤如下:
S1:通过传感器或者地图数据获取环境信息,并构建一个地图模型,在地图上定义一系列节点,每个节点代表一个位置或状态;
S2:在节点之间定义路径,每个路径代表从一个节点到另一个节点的移动方式;
S3:确定起点和终点,采用图搜索算法,从起点开始搜索最优路径到终点,考虑各种因素,如:路径长度、消耗的能量、移动速度;
S4:根据搜索到的最优路径,规划人的移动路径,并控制人按照规划的路径进行移动,包括:路径长度、移动速度、方向;
S5:在人执行路径的过程中,实时获取环境信息,并更新地图,同时根据环境变化,对路径进行更新。
所述图搜索算法中,解决各种因素以及环境的影响,是基于直觉模糊决策算法,所述直觉模糊策略算法中,熵的计算公式为:
确定数据集C={C1,C2,…,Cn},其对应的不确定因素数据集为E={E1,E2,…,En},Ei即为Ci的熵,i=1,2,…,n。根据熵权法的思想,确定数据集Ci分配到的权重wi为:
其中:j=1,2,…,n,准则Ci的熵Ei越大其所获得的权重wi就越小
所述终端管理单元23,包括:数据统计模块231,所述数据统计模块231,用于统计服务站终端的数据;
所述数据存储模块232,用于将服务器终端的数据,存储至数据库中;
所述可视化模块233,用于实现服务器终端数据的可视化,挖掘更深层次的数据。
所述实现服务站终端数据的可视化,需对关联的数据进行封装整合,其中找出关联数据基于t-SNE降维算法,t-SNE降维算法的公式为:
已知数据的集合X={x1,x2,…,xn},构成n×n的矩阵,i=1,2,…,n;j=1,2,…,n;pij表示数据xi到数据xj的相似度,计算如下:
其中,σi是以xi为中心点的高斯分布的方差。
所述服务站终端3,包括:交互查询单元31,所述交互查询单元31,用于使乘客与服务站终端的显示屏进行交互,可以查看中心服务平台2传输的信息以及搜索查询出行的相关信息。
参照图5,提供一种基于公交车位置信息的公交站台导乘***的方法,包括如下步骤:
S1:利用外部监测单元1,收集公交车和路况的实时信息数据;
S2:将实时信息数据传输至中心服务平台2;
S3:实时信息数据经过分析单元21和模糊决策单元22传输至服务站终端3;
S4:服务站终端3,显示实时信息数据,再将乘客的搜索数据,记录和运行状态,传输至终端管理单元23。
在本实施例中,首先依靠,外部监控单元1,收集公交车以及路况的实时信息数据,实时数据,包括:车辆位置和时间、红路灯和拥堵情况,将这些数据传输至中心服务平台2中的,数据分析单元21,分析完成后,将数据发送至服务站终端3的显示屏上,显示屏上会显示,公交到站信息、公交车辆状态展示、公交换乘方案和天气预报、时间以及一些紧急的通知和告示,便于乘客观察天气情况和乘车时间,同时,乘客可在服务站终端3上输入自己的出行地点,该出行地点会传输至模糊策略单元22,该单元计算出最优路径,将数据再传输至服务站终端3的显示屏上,供乘客参考使用,大大节省了乘客的时间,提高了乘客的舒适度。进一步的,乘客在服务站终端3上的数据记录会保存至中心服务平台2,其中数据记录,包括;车辆路线查询数据、出行规划需求数据和设备故障数据,对这些数据进行统计分析决策,能够进一步的挖掘乘客的需求,解决影响乘客出行的交通问题,提高城市的舒适度。进一步的,模糊决策单元22和终端管理单元23,运用了智能的调度算法,具体方法如下:
模糊决策单元22,基于图搜索算法,图搜索算法,步骤如下:
通过传感器或者地图数据获取环境信息,并构建一个地图模型,在地图上定义一系列节点,每个节点代表一个位置或状态;
在节点之间定义路径,每个路径代表从一个节点到另一个节点的移动方式;
确定起点和终点,采用图搜索算法,从起点开始搜索最优路径到终点,考虑各种因素,如:路径长度、消耗的能量、移动速度;
根据搜索到的最优路径,规划人的移动路径,并控制人按照规划的路径进行移动,包括:路径长度、移动速度、方向;
在人执行路径的过程中,实时获取环境信息,并更新地图,同时根据环境变化,对路径进行更新。
其中,起点到终点的路径包含各种因素,为了使因素的影响降低到最小,提高图搜索算法的精确度,图搜索算法中,解决各种因素以及环境的影响,是基于直觉模糊决策算法,在直觉模糊环境下,熵可以被用来形容信息的不确定程度,熵越大,代表信息的不确定性程度越高。一般而言,不确定性越高的信息,越难以为决策者,提供充分的有效帮助,也因此更容易被决策者摒弃掉或者忽视掉。同样地,一个准则的熵越大,其所能提供的有效信息就越少,获得的权重也应当越低,直觉模糊策略算法中,熵的计算公式为:
有确定数据集C={C1,C2,…,Cn},其对应的不确定因素数据集为E={E1,E2,…,En},Ei即为Ci的熵,i=1,2,…,n。根据熵权法的思想,确定数据集Ci分配到的权重wi为:
其中:j=1,2,…,n,准则Ci的熵Ei越大其所获得的权重wi就越小。
进一步的,服务站终端数据的可视化,能够突出显示,特定数据点或趋势,以便更好地传达信息,使决策者更好地理解数据,快速识别模式和趋势,从而更好地辅助决策,实现服务站终端数据的可视化,需对关联的数据进行封装整合,其中找出关联数据基于t-SNE降维算法,t-SNE降维算法是一种非线性降维的机器学习算法,能够降低向量维度的同时,很好地捕捉到原始数据的复杂流形结构,t-SNE降维算法的公式如下:
已知数据的集合X={x1,x2,…,xn},构成n×n的矩阵,i=1,2,…,n;j=1,2,…,n;pij表示数据xi到数据xj的相似度,计算如下:
其中,σi是以xi为中心点的高斯分布的方差,pij的值越大表明xi和xj的相似度越高。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种基于公交车位置信息的公交站台导乘***,其特征在于:包括:
外部监控单元(1):用于收集公交车以及路况的实时信息数据;
中心服务平台(2):用于接收外部监控单元(1)收集的实时信息数据,并将实时信息数据发布至服务站终端(3);
服务站终端(3):用于显示实时信息数据,并将服务站终端(3)的实时状态和数据,反馈给中心服务平台(2)。
2.根据权利要求1所述的一种基于公交车位置信息的公交站台导乘***,其特征在于:所述实时数据,包括:车辆位置和时间、红路灯和拥堵情况。
3.根据权利要求1所述的一种基于公交车位置信息的公交站台导乘***,其特征在于:所述中心服务平台(2),包括数据分析单元(21),所述数据分析单元(21),用于对实时数据进行预处理、计算统计和分析车辆的实时情况;
所述模糊决策单元(22),用于自动规划出乘客的出行路径;
所述终端管理单元(23),用于实现对服务站终端(3)的数据的统计以及实现数据可视化。
4.根据权利要求3所述的一种基于公交车位置信息的公交站台导乘***,其特征在于:所述对实时数据,进行计算统计的值,包括公交车的速度、公交车到站点的距离、公交车到站的站数、到站所需的时间和预计到达时间。
5.根据权利要求3所述的一种基于公交车位置信息的公交站台导乘***,其特征在于:所述模糊决策单元(22)基于图搜索算法,所述图搜索算法,步骤如下:
S1:通过传感器或者地图数据获取环境信息,并构建一个地图模型,在地图上定义一系列节点,每个节点代表一个位置或状态;
S2:在节点之间定义路径,每个路径代表从一个节点到另一个节点的移动方式;
S3:确定起点和终点,采用图搜索算法,从起点开始搜索最优路径到终点,考虑各种因素,如:路径长度、消耗的能量、移动速度;
S4:根据搜索到的最优路径,规划人的移动路径,并控制人按照规划的路径进行移动,包括:路径长度、移动速度、方向;
S5:在人执行路径的过程中,实时获取环境信息,并更新地图,同时根据环境变化,对路径进行更新。
6.根据权利要求5所述的一种基于公交车位置信息的公交站台导乘***,其特征在于:所述图搜索算法中,解决各种因素以及环境的影响,是基于直觉模糊决策算法,所述直觉模糊策略算法中,熵的计算公式为:
确定数据集C={C1,C2,…,Cn},其对应的不确定因素,数据集为E={E1,E2,…,En},Ei即为Ci的熵,i=1,2,…,n。根据熵权法的思想,确定数据集Ci分配到的权重wi为:
其中:j=1,2,…,n。
7.根据权利要求3所述的一种基于公交车位置信息的公交站台导乘***,其特征在于:所述终端管理单元(23),包括:数据统计模块(231),所述数据统计模块(231),用于统计服务站终端的数据;
所述数据存储模块(232),用于将服务器终端的数据,存储至数据库中;
所述可视化模块(233),用于实现服务器终端数据的可视化,挖掘更深层次的数据。
8.根据权利要求7所述的一种基于公交车位置信息的公交站台导乘***,其特征在于:所述实现服务站终端数据的可视化,需对关联的数据进行封装整合,其中找出关联数据基于t-SNE降维算法,t-SNE降维算法的公式为:
已知数据的集合X={x1,x2,…,xn},构成n×n的矩阵,i=1,2,…,n;j=1,2,…,n;pij表示数据xi到数据xj的相似度,计算如下:
其中,σi是以xi为中心点的高斯分布的方差。
9.根据权利要求1所述的一种基于公交车位置信息的公交站台导乘***,其特征在于:所述服务站终端(3),包括:交互查询单元(31),所述交互查询单元(31),用于使乘客与服务站终端的显示屏进行交互,可以查看中心服务平台(2)传输的信息以及搜索查询出行的相关信息。
10.一种基于公交车位置信息的公交站台导乘方法,应用于权利要求1-9任一项所述的***中,其特征在于:包括如下步骤:
S1:利用外部监测单元(1),收集公交车和路况的实时信息数据;
S2:将实时信息数据传输至中心服务平台(2);
S3:实时信息数据经过分析单元(21)和模糊决策单元(22)传输至服务站终端(3);
S4:服务站终端(3)显示实时信息数据,再将乘客的搜索数据记录和运行状态传输至终端管理单元(23)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311262854.2A CN117275276A (zh) | 2023-09-27 | 2023-09-27 | 一种基于公交车位置信息的公交站台导乘***及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311262854.2A CN117275276A (zh) | 2023-09-27 | 2023-09-27 | 一种基于公交车位置信息的公交站台导乘***及其方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117275276A true CN117275276A (zh) | 2023-12-22 |
Family
ID=89200567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311262854.2A Pending CN117275276A (zh) | 2023-09-27 | 2023-09-27 | 一种基于公交车位置信息的公交站台导乘***及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117275276A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101308555A (zh) * | 2008-06-27 | 2008-11-19 | 北京工业大学 | 多模式公交出行路径寻优方法 |
JP2009058457A (ja) * | 2007-09-03 | 2009-03-19 | Tokyo Denki Univ | 快適歩行経路探索サーバ及びプログラム |
US20100153004A1 (en) * | 2007-05-23 | 2010-06-17 | Navitime Japan Co., Ltd. | Navigation system, route retrieval server and mobile terminal device, and route guiding method |
CN102374868A (zh) * | 2010-08-06 | 2012-03-14 | 爱信艾达株式会社 | 路径搜索装置、路径搜索方法以及计算机程序 |
CN102622877A (zh) * | 2012-04-06 | 2012-08-01 | 杭州妙影微电子有限公司 | 利用路况信息及行驶速度的公交到站判断***及判断方法 |
JP2013156052A (ja) * | 2012-01-27 | 2013-08-15 | Sumitomo Electric Ind Ltd | 経路探索システム、経路探索方法及びコンピュータプログラム |
CN207367382U (zh) * | 2017-11-15 | 2018-05-15 | 安徽三联学院 | 一种带有路线规划的公交站牌 |
CN111161561A (zh) * | 2019-12-31 | 2020-05-15 | 南京陶特思软件科技有限公司 | 一种基于大数据的公共交通*** |
US20210364315A1 (en) * | 2019-01-18 | 2021-11-25 | Fj Dynamics Technology Academy (Chang Zhou) Co., Ltd | Route management system and management method thereof |
CN215932849U (zh) * | 2021-08-17 | 2022-03-01 | 陕西铭泊停车服务有限公司 | 一种基于多源数据分析的城市交通规划*** |
CN114554412A (zh) * | 2022-04-26 | 2022-05-27 | 兰州交通大学 | 一种基于动态站点的公交车信息传输***及其方法 |
CN115662173A (zh) * | 2022-09-21 | 2023-01-31 | 南京交通职业技术学院 | 一种需求响应式公交信息交互方法及*** |
-
2023
- 2023-09-27 CN CN202311262854.2A patent/CN117275276A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100153004A1 (en) * | 2007-05-23 | 2010-06-17 | Navitime Japan Co., Ltd. | Navigation system, route retrieval server and mobile terminal device, and route guiding method |
JP2009058457A (ja) * | 2007-09-03 | 2009-03-19 | Tokyo Denki Univ | 快適歩行経路探索サーバ及びプログラム |
CN101308555A (zh) * | 2008-06-27 | 2008-11-19 | 北京工业大学 | 多模式公交出行路径寻优方法 |
CN102374868A (zh) * | 2010-08-06 | 2012-03-14 | 爱信艾达株式会社 | 路径搜索装置、路径搜索方法以及计算机程序 |
JP2013156052A (ja) * | 2012-01-27 | 2013-08-15 | Sumitomo Electric Ind Ltd | 経路探索システム、経路探索方法及びコンピュータプログラム |
CN102622877A (zh) * | 2012-04-06 | 2012-08-01 | 杭州妙影微电子有限公司 | 利用路况信息及行驶速度的公交到站判断***及判断方法 |
CN207367382U (zh) * | 2017-11-15 | 2018-05-15 | 安徽三联学院 | 一种带有路线规划的公交站牌 |
US20210364315A1 (en) * | 2019-01-18 | 2021-11-25 | Fj Dynamics Technology Academy (Chang Zhou) Co., Ltd | Route management system and management method thereof |
CN111161561A (zh) * | 2019-12-31 | 2020-05-15 | 南京陶特思软件科技有限公司 | 一种基于大数据的公共交通*** |
CN215932849U (zh) * | 2021-08-17 | 2022-03-01 | 陕西铭泊停车服务有限公司 | 一种基于多源数据分析的城市交通规划*** |
CN114554412A (zh) * | 2022-04-26 | 2022-05-27 | 兰州交通大学 | 一种基于动态站点的公交车信息传输***及其方法 |
CN115662173A (zh) * | 2022-09-21 | 2023-01-31 | 南京交通职业技术学院 | 一种需求响应式公交信息交互方法及*** |
Non-Patent Citations (3)
Title |
---|
徐建闽;韦佳;首艳芳;: "基于博弈论-云模型的城市道路交通运行状态综合评价", 广西师范大学学报(自然科学版), no. 04, 15 July 2020 (2020-07-15) * |
陈庆伟;: "应用直觉模糊熵权法评价医疗质量", 数理医药学杂志, no. 04, 15 August 2010 (2010-08-15), pages 1 - 2 * |
饮冰L: "t-SNE算法详解", pages 1 - 2, Retrieved from the Internet <URL:https://blog.csdn.net/qq_44015059/article/details/106675444> * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103177575B (zh) | 城区出租车动态在线调度优化***及其方法 | |
CN105788260B (zh) | 一种基于智能公交***数据的公交乘客od推算方法 | |
CN109754594A (zh) | 一种路况信息获取方法及其设备、存储介质、终端 | |
CN103177561B (zh) | 公交实时路况的生成方法 | |
Wang et al. | A big data approach for smart transportation management on bus network | |
Li et al. | Prediction of electric bus energy consumption with stochastic speed profile generation modelling and data driven method based on real-world big data | |
CN106448132A (zh) | 一种常规公交服务指数实时评价***及评价方法 | |
CN109272175A (zh) | 一种基于城市流动网络的数据采集***及方法 | |
CN105868861A (zh) | 一种基于时空数据融合的公交客流演化分析方法 | |
CN104424812A (zh) | 一种公交到站时间预测***和方法 | |
Zhang et al. | pCruise: Reducing cruising miles for taxicab networks | |
Ma et al. | Evolution regularity mining and gating control method of urban recurrent traffic congestion: a literature review | |
CN110807917A (zh) | 一种基于云计算的高速公路智能安防*** | |
CN109612488A (zh) | 基于大数据微服务的混合出行方式路径规划***及方法 | |
CN112801552A (zh) | 基于交通大数据挖掘和智能分析的网约车和巡游车的监管方法 | |
CN113175939A (zh) | 纯电动汽车行程规划方法及*** | |
CN109544967A (zh) | 一种基于低频avl数据的公交线网运行状态监控方法 | |
CN109754606B (zh) | 一种基于出租车定位预测道路拥堵情况的方法 | |
Krislata et al. | Traffic Flows System Development for Smart City. | |
CN111723871B (zh) | 一种公交车实时车厢满载率的估算方法 | |
CN114298493A (zh) | 一种公路运行监测***、方法、终端及存储介质 | |
Chen et al. | Finding next high-quality passenger based on spatio-temporal big data | |
Yuan et al. | Taxi high-income region recommendation and spatial correlation analysis | |
Lai et al. | Data-driven flexible vehicle scheduling and route optimization | |
Kyriakou et al. | Analysis of spatiotemporal data to predict traffic conditions aiming at a smart navigation system for sustainable urban mobility |
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 |