TWI658414B - 車輛派遣系統及其方法 - Google Patents
車輛派遣系統及其方法 Download PDFInfo
- Publication number
- TWI658414B TWI658414B TW107102045A TW107102045A TWI658414B TW I658414 B TWI658414 B TW I658414B TW 107102045 A TW107102045 A TW 107102045A TW 107102045 A TW107102045 A TW 107102045A TW I658414 B TWI658414 B TW I658414B
- Authority
- TW
- Taiwan
- Prior art keywords
- passenger
- demand
- boarding probability
- probability
- module
- Prior art date
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本發明揭露一種車輛派遣系統及其方法。此系統與方法包含建立依據天氣因素與特定場所關係之搭乘機率統計資料庫、乘客需量計算機制與乘客需量修正機制。透過本發明,可依據搭乘機率統計資料庫,結合地點與天氣參數進行乘客預測需量之計算,後續再依據司機回報的乘客實際需量進行乘客需量之即時修正。透過持續累積乘客需量與天氣關係之搭乘機率統計資料庫,並搭配乘客預測需量之計算機制與乘客需量之即時修正機制,以實現更有效率之預估乘客需量之最佳化方法。
Description
本發明關於一種車輛派遣技術,更具體地,關於一種依據天氣因素進行特定場所之乘客需量預測與即時修正之車輛派遣系統及其方法。
計程車是一種基於即時租賃的陸地公共運輸服務。一般而言,計程車通常按里程表收費。乘客搭乘計程車除了在定點招呼外,還可以透過電話或網路預約。
也就是說,除了計程車自行前往人數較多的定點使乘客在路邊攔截之外,另一種計程車的叫車服務通常必須由使用者撥打電話至計程車的管理中心,管理中心再透過不同的機制選擇且派遣特定的計程車到使用者所指定的地方。
然而,目前的計程車營運派遣管理系統雖具有叫車與派遣媒合之機制,但僅能被動等待乘客叫車的需求,再進行司機載客之媒合服務。
若單一區域駐留人數較多的場所(如車站、醫院或百貨公司)中存在太多計程車時,往往發生排班時間過長,也會造成計程車之空車數過高、載客率偏低或搶客的情況發
生,使得計程車的營運成本增加、營收降低,相當不符經濟效益。或者,存有其他載客率的因素,如天氣的好壞,也取決於乘客搭載的意願,進而衍生計程車的管理中心在派遣計程車的車輛數量有不確定因素等。
由此可見,上述習用方式仍有諸多缺失,實非一良善之設計,而亟待加以改良。本發明之發明人鑑於上述習用方式所衍生的各項缺點,乃亟思加以改良創新,並經苦心孤詣潛心研究後,終於成功研發完成本發明之車輛派遣系統及其方法。
本發明提供一種車輛派遣系統及其方法,其可依據天氣因素進行特定場所之乘客需量預測與即時修正。首先,乘客需量系統針對某一特定場所取得該場所之即時駐留人數及目前天氣因子(如降雨機率等),並以此兩個因子(地點與天氣)輸入搭乘機率統計資料庫後,取得此條件下之搭乘機率K係數,再以即時駐留人數乘以搭乘機率K係數計算出乘客預測需量。其次,派遣與乘客預測需量之相當比例車輛數至該場所。然後,依據抵達該場所之司機回報乘客實際需量數值給乘客需量系統,依據乘客實際需量與乘客預測需量的關係決定是否再派遣車輛至該場所,並重新計算出新的搭乘機率K係數,再以此兩個因子(地點與天氣)之參數為條件,即時修正搭乘機率統計資料庫中對應搭乘機率K係數之數值。透過此系統與方法,不斷針對各個特定場所進行乘客需量之計算,透過持續累積乘客需量與天
氣參數關係之搭乘機率統計資料庫,並搭配乘客預測需量之計算機制與乘客需量之即時修正機制,以實現更有效率之預估乘客需量最佳化之目的。
依據上述之目的,本發明提供一種車輛派遣系統,包含:一計時人數需量模組,在一預定時間內統計一場所之駐留人數;一擷取駐留人數模組,在該預定時間內擷取目前該場所之最新駐留人數資訊SA;一天氣資料模組,取得該場所目前之一個或複數個天氣參數R;一搭乘機率計算模組,依據該些天氣參數R及該場所之場所參數P從搭乘機率統計資料庫中計算出搭乘機率KA;一人數需量計算模組,依據該最新駐留人數資訊SA與該搭乘機率KA計算出一乘客預測需量NA;以及一派遣模組,依據該乘客預測需量NA以派遣相對應數量之車輛至該場所。依據上述之目的,本發明另提供一種車輛派遣方法,包含下列步驟:透過一擷取駐留人數模組在一預定時間內擷取目前一場所之最新駐留人數資訊SA,而透過一搭乘機率計算模組依據一個或複數個天氣參數R及場所之場所參數P從搭乘機率統計資料庫中計算出一搭乘機率KA;
透過一人數需量計算模組依據該最新駐留人數資訊SA與該搭乘機率KA計算出一乘客預測需量NA;以及透過一派遣模組依據該乘客預測需量NA以派遣相對應數量之車輛至該場所。
因此,本發明之技術優勢如下所示。
本發明所提出的系統中,透過結合特定場所人數和天氣因素預估乘客需量,並依據實際載客量即時修正搭乘機率。
本發明著重於預先計算出乘客需量資訊供車隊預先進行載客之規劃,推算潛在的載客商機。
本發明只需特定場所人數及天氣因素進行運算,除了降低資料量及運算量外,載客需量數可預估的更精準。
本發明還提出實際載客量之即時修正機制,即時調整載客需量,讓車隊管理可以更精準的掌控乘客數量。
10‧‧‧車輛派遣系統
100‧‧‧乘客需量系統
110‧‧‧計時人數需量模組
120‧‧‧搭乘機率計算模組
130‧‧‧天氣資料模組
140‧‧‧擷取駐留人數模組
150‧‧‧人數需量計算模組
160‧‧‧派遣模組
170‧‧‧搭乘機率K係數修正模組
180‧‧‧搭乘機率統計資料庫
200‧‧‧場所
210‧‧‧即時駐留人數模組
300‧‧‧車輛
310‧‧‧乘客實際需量回報模組
CA‧‧‧乘客實際需量
K‧‧‧搭乘機率
KA‧‧‧搭乘機率
K'‧‧‧修正後的搭乘機率
NA‧‧‧乘客預測需量
P(PA至PG)‧‧‧場所參數
R‧‧‧天氣參數
SA‧‧‧最新駐留人數資訊
S201~206、S401~409‧‧‧步驟
TA‧‧‧實際乘客搭乘機率
本發明揭露之具體實施例將搭配下列圖式詳述,這些說明顯示在下列圖式:第1圖為本發明之車輛派遣系統之示意架構圖;第2圖為本發明之車輛派遣方法之一示意流程圖;第3圖為本發明之搭乘機率K係數之歷史資料表之示意圖;以及第4圖為本發明之車輛派遣方法之另一示意流程圖。
本發明之最佳實施例是以乘客需量系統應用於計程
車車隊業者之預先車輛派遣用途作說明。換言之,車隊業者可透過乘客需量系統針對特定場所,配合天氣參數,預先進行乘客需量之預估並調度相當比例預估量之車輛到該特定場所,以爭取後續之載客商機。另外,司機可將場所之乘客實際需量回報至乘客需量系統,再進行後續派遣與即時需量之修正。
第1圖係為本發明之車輛派遣系統10之示意架構圖,整個系統係由乘客需量系統100、場所200(如車站、百貨公司、電影院、體育館、音樂廳、戲劇院、展覽館等)與複數台車輛300所組成。本實施例以車站為例。車輛派遣系統10包含計時人數需量模組110、搭乘機率計算模組120、天氣資料模組130、擷取駐留人數模組140、人數需量計算模組150、派遣模組160、搭乘機率K係數修正模組170與搭乘機率統計資料庫180。而場所200包含即時駐留人數模組210,提供即時駐留人數資料給乘客需量系統100作為需量統計之參考來源資料。車輛300包含乘客實際需量回報模組310,俾於司機抵達場所200後依實際乘客數量回報給乘客需量系統100,以作為後續調度派遣與修正搭乘機率K係數之用途。
在參閱第1圖之車輛派遣系統10之示意架構圖時,請一併參閱第2圖所示本發明之車輛派遣方法之一示意流程圖。
在計算乘客需量之實施步驟中,針對每個特定場所200的乘客需量預測計算是由計時人數需量模組110所啟
動。在場所200(如車站)內的即時駐留人數模組210記錄場所之最新駐留人數而回傳計時人數需量模組110。
在步驟S201中,在一預定時間內,計時人數需量模組110可採固定或不固定之時間間隔或事件驅動方式進行計時。以針對場所200之乘客需量計算為例,說明乘客需量計算機制之運作步驟。
在步驟S202中,當計時人數需量模組110計時到了之後,隨即透過天氣資料模組130取得場所200目前之天氣參數R。天氣參數R可以是降雨機率、溫度、濕度、紫外線之資訊之一或其組合。然而,選擇天氣參數的順序可依照降雨機率、溫度、濕度、紫外線之順序作選擇,也就是降雨機會高時優先選擇降雨機率,其次是依照溫度、濕度、紫外線之因素作選擇。
在步驟S203中,藉由搭乘機率計算模組120以場所參數P與天氣參數R此兩因子為條件下,從歷史的搭乘機率統計資料庫180中計算出一搭乘機率KA,如以下公式(1)所示。
KA=K(P,R) 公式(1)
在步驟S204中,透過擷取駐留人數模組140從場所200之即時駐留人數模組210,取得目前場所200之駐留人數參數SA。然後,乘客預測需量NA依據以下公式(2)進行場所200之乘客需量之計算。
NA=SA*KA 公式(2)
在步驟S205中,計程車業者可依據此乘客預測需量
NA調度相當比例預估量之車輛到場所200,以上為乘客預測需量之計算機制之說明。而乘客需量之即時修正機制則隨著司機抵達該場所200開始進行運作。司機可依據場所200現場之乘客實際需量CA透過車輛300內的乘客實際需量回報模組310回報給乘客需量系統100,而派遣模組160可依據乘客實際需量CA與乘客預測需量NA之間的關係決定是否再派遣更多車輛前往場所200。
在步驟S206中,搭乘機率K係數修正模組170也會依據以下公式(3)及公式(4)進行搭乘機率K'之修正計算。首先,公式(3)計算實際乘客搭乘機率為TA。其次,再依據公式(4)中實際乘客搭乘機率TA與預測搭乘機率KA進行權重之運算,以計算出修正後的搭乘機率K',其中,α為介於0至1的係數。然後,將此修正後的搭乘機率K',依照場所參數P與天氣參數R此兩因子為條件,再更新到搭乘機率統計資料庫180。
TA=KA*(CA/NA) 公式(3)
K'=αTA+(1-α)KA 公式(4)
第3圖係為本發明之搭乘機率K係數之歷史資料表之示意圖,此資料表為儲存於搭乘機率統計資料庫180中。該資料表內儲存的搭乘機率K係數,表示於場所200及天氣參數R之條件下之搭乘機率數值,其計算方式如上述公式(1)所示。也就是說,搭乘機率統計資料庫180依據場所200與篩選後之該些天氣參數R以儲存相對應該搭乘機率KA。在此資料表中,場所200之場所參數可例如為車站之
場所參數PA、百貨公司之場所參數PB、電影院之場所參數PC、體育館之場所參數PD、音樂廳之場所參數PE、戲劇院之場所參數PF及展覽館之場所參數PG等,但不以此為限。
此搭乘機率K係數可用於乘客需量計算機制中,進行乘客預測需量之計算,如上述公式(2)所示。另外,乘客需量修正機制也可以針對乘客實際需量與乘客預測需量之間的誤差,再對搭乘機率K係數作修正,如上述公式(3)與公式(4)所示。
第4圖係為本發明之車輛派遣方法之另一示意流程圖,係依據天氣因素進行特定場所200之乘客需量預測及即時修正之系統與方法之示意流程圖(分為以下兩個階段之運作),並第1圖則繪示本發明之車輛派遣系統10之示意架構圖。
在步驟S401中,在一預定時間內,計時人數需量模組110可採固定或不固定之時間間隔或事件驅動方式進行計時,第一階段是乘客需量預測機制運作,當計時人數需量模組110到時後啟動需量計算運作。
在步驟S402中,透過擷取駐留人數模組140從場所200之即時駐留人數模組210取得最新駐留人數資訊。
在步驟S403中,藉由搭乘機率計算模組120與天氣資料模組130帶入場所參數P及天氣參數R,於搭乘機率統計資料庫180中採上述公式(1)計算出搭乘機率KA。
在步驟S404中,以人數需量計算模組150經由上述
公式(2)計算出場所之乘客預測需量NA,再透過派遣模組160派遣與乘客預測需量相當比例之車輛數至場所200,此為第一階段之工作。
在步驟S405中,第二階段為乘客需量修正機制運作,當司機抵達場所200後,可透過車輛300之乘客實際需量回報模組310回報乘客實際需量給乘客需量系統100。
在步驟S406中,派遣模組160以乘客實際需量與乘客預測需量之間的大小關係判斷是否再派遣更多車輛300前往場所200。
在步驟S407中,若乘客實際需量大於乘客預測需量時,則派遣模組160再派遣更多車輛300前往特定場所200。
在步驟S408中,若乘客實際需量小於或等於乘客預測需量時,則派遣模組160不再派遣更多車輛300前往特定場所200。
在步驟S409中,執行步驟S407及步驟S408之後,此車輛派遣系統10會以搭乘機率K係數修正模組170依照上述公式(3)與上述公式(4)進行修正後的搭乘機率K'計算,並以場所參數P與天氣參數R此兩因子為條件,將修正後的搭乘機率K'儲存至搭乘機率統計資料庫180中,以利下次進行乘客需量預測機制運作之用。
然後,依據乘客需量預測機制與乘客需量修正機制如此循環不止的運作,再搭配上不斷累積與修正的搭乘機率統計資料庫,可達到更有效率之預估乘客需量之最佳化目
的。
針對本發明之車輛派遣系統及其方法,茲舉例說明如下,請一併參閱上述第1圖至第4圖。
一、乘客預測需量之計算:P為場所(如車站)之場所參數(如PA),R為天氣參數或天氣因素(以下雨機率為最先考量之因素),V8為0.8,SA為最新駐留人數資訊(如車站駐留人數200人)。從歷史的搭乘機率統計資料庫180以上述公式(1)取得搭乘機率KA,KA=K(PA,0.8)=0.7,而乘客預測需量NA以上述公式(2)計算,NA=SA*KA=200*0.7=140,因此乘客預測需量NA為140人。
二、調度車輛數之計算:車輛派遣系統調度50%比例之車輛數至場所(如車站),假設一台車輛可乘載2人,則車輛為(140/2)*50%=35部。
三、實際搭乘機率之計算:當司機抵達場所(如車站)後發現乘客實際需量CA為160人,實際乘客搭乘機率TA採上述公式(3)計算,即TA=KA*(CA/NA)=0.7*(160/140)=0.8。
四、乘客需量之即時修正:依據上述公式(4)之實際乘客搭乘機率TA與預測之搭乘機率KA進行權重運算,以計算出修正後的搭乘機率K',其中,α為0.5,K'=αTA+(1-α)KA=0.5*0.8+0.5*0.7=0.75,將K'值(0.75)更新到搭乘機率統計資料庫之K(PA,0.8)中。
相比於目前的計程車營運派遣管理系統雖具有叫車與派遣媒合之機制,僅能被動等待乘客叫車的需求,再進行司機載客之媒合服務,實缺乏一個依據天氣因素進行特
定場所之乘客需量預測與即時修正之系統與方法。是以,本發明提出一種車輛派遣系統及其方法,可依據天氣因素與特定場所關係之搭乘機率統計資料庫、乘客需量計算機制與乘客需量即時修正機制進行乘客需量之預估與即時修正。
本發明之車輛派遣系統及其方法可透過持續累積乘客需量與天氣關係之搭乘機率統計資料庫,並搭配乘客預測需量之計算機制與乘客需量之即時修正機制,以提供預估乘客需量之最佳化方法。因此,本發明具有下列優勢:1.因特定場所具有精確的即時駐留人數資訊可作為乘客需量估算之參考來源,故能取得精確的乘客來源參考資料;2.因依據乘客需量預測,及早配置車輛於特定場所可節省乘客的等待時間,故能縮短乘客等待時間;3.可爭取因天氣因素所提升的乘客需求商機,故能提高載客率;以及4.可依據司機回報的乘客實際需量即時修正以提升載客效率,故能即時修正需量。
上述實施形態僅例示性說明本揭露之原理、特點及其功效,並非用以限制本揭露之可實施範疇,任何熟習此項技藝之人士均可在不違背本揭露之精神及範疇下,對上述實施形態進行修飾與改變。任何運用本揭露所揭示內容而完成之等效改變及修飾,均仍應為申請專利範圍所涵蓋。因此,本揭露之權利保護範圍,應如申請專利範圍所列。
Claims (13)
- 一種車輛派遣系統,包含:一計時人數需量模組,在一預定時間內統計一場所之駐留人數;一擷取駐留人數模組,在該預定時間內擷取目前該場所之最新駐留人數資訊SA;一天氣資料模組,取得該場所目前之一個或複數個天氣參數R;一搭乘機率計算模組,依據該些天氣參數R及該場所之場所參數P從搭乘機率統計資料庫中計算出一搭乘機率KA;一人數需量計算模組,依據該最新駐留人數資訊SA與該搭乘機率KA計算出一乘客預測需量NA,其中,該乘客預測需量NA為NA=SA*KA;以及一派遣模組,依據該乘客預測需量NA以派遣相對應數量之車輛至該場所。
- 如申請專利範圍第1項所述之車輛派遣系統,其中,該預定時間為一固定或不固定之時間間隔。
- 如申請專利範圍第1項所述之車輛派遣系統,其中,該些天氣參數R包含降雨機率、溫度、濕度、紫外線之一或其組合。
- 如申請專利範圍第1項所述之車輛派遣系統,其中,該搭乘機率KA為KA=K(P,R)。
- 如申請專利範圍第1項所述之車輛派遣系統,進一步包含一搭乘機率K係數修正模組,當該派遣模組決定繼續派遣車輛至該場所時,該搭乘機率K係數修正模組依據該搭乘機率KA、一乘客實際需量CA及該乘客預測需量NA計算出一實際乘客搭乘機率TA,以依據關聯於該搭乘機率KA與該實際乘客搭乘機率TA之參數α進行一權重計算以計算出一修正後的搭乘機率K',進而依據該修正後的搭乘機率K'更新被儲存在該搭乘機率統計資料庫內的該搭乘機率K,其中,該α為介於0至1的係數。
- 如申請專利範圍第5項所述之車輛派遣系統,其中,該實際乘客搭乘機率TA為TA=KA*(CA/NA),且該修正後的搭乘機率K'為K'=αTA+(1-α)KA。
- 如申請專利範圍第5項所述之車輛派遣系統,進一步包含一乘客實際需量回報模組,用以回報該場所之實際乘客數量至該搭乘機率K係數修正模組,以作為該修正後的搭乘機率K'的依據。
- 如申請專利範圍第1項所述之車輛派遣系統,其中,該搭乘機率統計資料庫依據該場所與篩選後之該些天氣參數以儲存相對應之該搭乘機率KA。
- 如申請專利範圍第1項所述之車輛派遣系統,進一步包含一即時駐留人數模組,用以記錄該場所之最新駐留人數而回傳至該計時人數需量模組。
- 一種車輛派遣方法,包含下列步驟:透過一擷取駐留人數模組在一預定時間內擷取目前一場所之最新駐留人數資訊SA,以透過一搭乘機率計算模組依據一個或複數個天氣參數R及該場所之場所參數P從搭乘機率統計資料庫中計算出一搭乘機率KA;透過一人數需量計算模組依據該最新駐留人數資訊SA與該搭乘機率KA計算出一乘客預測需量NA,其中,該乘客預測需量NA為NA=SA*KA;以及透過一派遣模組依據該乘客預測需量NA以派遣相對應數量之車輛至該場所。
- 如申請專利範圍第10項所述之車輛派遣方法,其中,該搭乘機率KA為KA=K(P,R)。
- 如申請專利範圍第10項所述之車輛派遣方法,其中,當該派遣模組決定繼續派遣車輛至該場所時,透過一搭乘機率K係數修正模組依據該搭乘機率KA、一乘客實際需量CA及該乘客預測需量NA計算出一實際乘客搭乘機率TA,以依據關聯於該搭乘機率KA與該實際乘客搭乘機率TA之參數α進行一權重計算以計算出一修正後的搭乘機率K',進而依據該修正後的搭乘機率K'更新該搭乘機率K,其中,該α為介於0至1的係數。
- 如申請專利範圍第12項所述之車輛派遣方法,其中,該實際乘客搭乘機率TA為TA=KA*(CA/NA),且該修正後的搭乘機率K'為K'=αTA+(1-α)KA。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107102045A TWI658414B (zh) | 2018-01-19 | 2018-01-19 | 車輛派遣系統及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107102045A TWI658414B (zh) | 2018-01-19 | 2018-01-19 | 車輛派遣系統及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI658414B true TWI658414B (zh) | 2019-05-01 |
TW201933200A TW201933200A (zh) | 2019-08-16 |
Family
ID=67347891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107102045A TWI658414B (zh) | 2018-01-19 | 2018-01-19 | 車輛派遣系統及其方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI658414B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654199A (zh) * | 2015-12-30 | 2016-06-08 | 山东大学 | 一种公交线路客流预测的方法 |
TWM537691U (zh) * | 2016-10-07 | 2017-03-01 | Institute Of Transportation Motc | 車隊營運管理系統 |
US20170213308A1 (en) * | 2016-01-26 | 2017-07-27 | GM Global Technology Operations LLC | Arbitration of passenger pickup and drop-off and vehicle routing in an autonomous vehicle based transportation system |
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*** |
-
2018
- 2018-01-19 TW TW107102045A patent/TWI658414B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654199A (zh) * | 2015-12-30 | 2016-06-08 | 山东大学 | 一种公交线路客流预测的方法 |
US20170213308A1 (en) * | 2016-01-26 | 2017-07-27 | GM Global Technology Operations LLC | Arbitration of passenger pickup and drop-off and vehicle routing in an autonomous vehicle based transportation system |
TWM537691U (zh) * | 2016-10-07 | 2017-03-01 | Institute Of Transportation Motc | 車隊營運管理系統 |
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*** |
Also Published As
Publication number | Publication date |
---|---|
TW201933200A (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220248171A1 (en) | System and Methods for Automatically Checking-In a Vehicle | |
US20100185486A1 (en) | Determining demand associated with origin-destination pairs for bus ridership forecasting | |
US20100299177A1 (en) | Dynamic bus dispatching and labor assignment system | |
Fu | A simulation model for evaluating advanced dial-a-ride paratransit systems | |
US6058370A (en) | Method of forecasting ambulance service demand | |
CN110782064B (zh) | 一种集车辆调度优化与任务分配于一体的可视化方法及*** | |
US20150339595A1 (en) | Method and system for balancing rental fleet of movable asset | |
US20010044788A1 (en) | Dynamic-risk pricing for air-charter services | |
CN107103383A (zh) | 一种基于打车热点的动态拼车调度方法 | |
CN109034456B (zh) | 用车调度方法、***、服务器及计算机可读存储介质 | |
US20110184773A1 (en) | Method and System for Planning Paratransit Runs | |
CN105632230A (zh) | 动态分配停车场方法和装置 | |
CN112602110B (zh) | 合乘车辆用需求预测装置、合乘车辆用需求预测方法及程序 | |
CN110998568A (zh) | 寻觅乘客的可搭载车辆的导航确定***和方法 | |
Cats et al. | Evaluating the added-value of online bus arrival prediction schemes | |
CA3050520A1 (en) | A data-driven system for optimal vehicle fleet dimensioning, ride-sharing, and real-time dispatching based on shareability networks | |
US20150199697A1 (en) | Method and system for latent demand modeling for a transportation system | |
CN114298559A (zh) | 换电站的换电方法、换电管理平台及存储介质 | |
CN110276467A (zh) | 物流调度方法、物流调度服务器及物流调度*** | |
CA3053089A1 (en) | Dynamic selection of geo-based service options in a network system | |
CN116324838A (zh) | 用于通过叫车平台调度共享乘车的***和方法 | |
Fu et al. | On‐line and off‐line routing and scheduling of dial‐a‐ride paratransit vehicles | |
Gonzales et al. | Optimizing ADA Paratransit Operation with Taxis and Ride Share Programs | |
TWI658414B (zh) | 車輛派遣系統及其方法 | |
Nuzzolo et al. | Stop: a short term transit occupancy prediction tool for aptis and real time transit management systems |