CN103065464A - 实时客流特征分析方法及系统 - Google Patents
实时客流特征分析方法及系统 Download PDFInfo
- Publication number
- CN103065464A CN103065464A CN201210567034XA CN201210567034A CN103065464A CN 103065464 A CN103065464 A CN 103065464A CN 201210567034X A CN201210567034X A CN 201210567034XA CN 201210567034 A CN201210567034 A CN 201210567034A CN 103065464 A CN103065464 A CN 103065464A
- Authority
- CN
- China
- Prior art keywords
- gps
- big dipper
- passenger flow
- grid
- real
- 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
Images
Abstract
本发明涉及一种实时客流特征分析方法及系统，实时客流特征分析方法包括如下步骤：以固定频率获取GPS/北斗数据；将GPS/北斗数据匹配至相应的网格；更新计数表。上述实时客流特征分析方法，首先获取GPS/北斗数据，其次根据GPS/北斗数据提供的经度和纬度信息，对比预先划分的网格边界的经度和纬度，将所述GPS/北斗数据迅速匹配到经度和纬度信息相符的网格，大幅减少了匹配所需要的时间，并且更新计数表步骤采用动态调度算法，将需要处理的GPS/北斗数据动态、合理地分配给不同的计算节点，解决了难以处理海量实时数据流的问题。同时，还提供了一种运用上述实时客流特征分析方法实现的实时客流特征分析系统，能够实现实时播报客流特征的目的。
Description
技术领域
本发明涉及智能交通领域，特别是涉及一种实时客流特征分析方法及系统。
背景技术
随着社会的发展，汽车的数量迅速增长，交通资源的智能调度已经成为各大城市面临的重大课题。由于信息的不对称，存在部分客车（出租车、巴士等）无客空驶，而出行者难乘车的情况，从而造成交通效率低下和能源的浪费。因此，迫切需要智能交通技术能应用各种手段分析出乘客们的出行客流特征。
分析客流特征的一种最重要的途径是获取客流的OD（Origin Destination，出行的目的地）矩阵，传统的OD矩阵获取方法是先获取乘客的交通卡（地铁卡、公交车卡等）数据，然后分析乘客在各个站点上、下车情况，从而计算出客流的OD矩阵，得到客流特征。这种方法的缺点是它不能获取出租车、私家车等车辆的出行特征，而且这种方法获取客流信息有较长的延时，一般要延时一个月以上，实时性较差。而新兴的智能交通技术运用先进的云计算技术、无线网络通讯技术以及全球定位系统（GPS，Global Positioning System）或北斗定位系统等建立了以地理信息系统（GIS，Geographic Information System）、车载定位信息数据为核心的智能平台，可以综合分析各种车辆行驶的动态信息，从而进行实时客流特征播报和科学合理的资源调度。
但由于城市车辆数目巨大、每台车载GPS/北斗数据采样率高，城市交通控制中心需要处理的数据量多达GB（Gigabyte，千兆）级或者TB（Trillionbyte，万亿）级，而如何通过这些海量车载GPS/北斗数据来进行OD矩阵分析已经成为城市实时OD矩阵播报的一个瓶颈。Apache的开源项目Hadoop平台的Map/Reduce算法具备强健的海量数据计算能力，但是Hadoop平台只能对历史数据进行处理，而对海量的实时数据流显得无能为力。
发明内容
基于此，有必要提供一种能够处理海量实时数据流的实时客流特征分析方法及系统。
一种实时客流特征分析方法，包括如下步骤：
以固定频率获取GPS/北斗数据，所述GPS/北斗数据包括车辆的行驶方向、所处经度和纬度以及速度信息；
将GPS/北斗数据匹配至相应的网格，根据GPS/北斗数据提供的经度和纬度信息，对比预先划分的网格边界的经度和纬度，将所述GPS/北斗数据匹配到经度和纬度信息相符的网格内；
更新计数表，所述任何一个网格每匹配到一条GPS/北斗数据，该网格对应的计数表更新一次，同时记录该条GPS/北斗数据来源车辆的车牌号码和时间戳，用动态调度算法，将需要处理的GPS/北斗数据动态分配给不同的计算节点。
在其中一个实施例中，在所述更新计数表步骤中，如果两条GPS/北斗数据来源于同一车辆且间隔在一分钟内匹配到同一网格，则判定该车辆在该网格内处于拥堵状态，该网格对应的计数表不更新，也不记录该条GPS/北斗数据来源车辆的车牌号码和时间戳。
在其中一个实施例中，在所述获取GPS/北斗数据步骤之前，还包括划分网格步骤，将需要进行客流特征分析的城市按照经度和纬度划分为若干个网格并依次编号，编号方法是：第i行与第j列交叉的网格编号为Aij。
在其中一个实施例中，在所述将GPS/北斗数据匹配至相应的网格步骤之后，还包括GPS/北斗数据统计步骤，对与所述网格匹配的全部GPS/北斗数据进行统计，分别得到每个所述网格对应车辆的总数，以及每个所述网格内每辆车的车牌号码和时间戳。
在其中一个实施例中，在所述GPS/北斗数据统计步骤之后，还包括车辆密度信息发布步骤，以所述各个网格的经度值为X轴、纬度值为Y轴、网格内的车辆总数为Z轴，绘制反映客流特征的三维柱状图并通过无线通讯方式将其发布。
同时还提供了一种实时客流特征分析系统，包括客户终端、交通信息管理平台以及云服务中心，所述云服务中心包括流式计算平台，所述客户终端获取车辆的GPS/北斗数据并将其发送给所述交通信息管理平台，所述GPS/北斗数据包括车辆所处经度、所处纬度、车牌号码以及时间戳信息，所述交通信息管理平台接收所述客户终端发送的GPS/北斗数据并以一固定频率发送至所述云服务中心，所述云服务中心存有城市地理数据，所述实时客流特征分析系统预先存储有城市划分的若干个网格信息，所述流式计算平台包括数据分流器，所述实时客流特征分析系统通过所述数据分流器将所述GPS/北斗数据匹配到经度和纬度信息相符的网格内，所述流式计算平台还包括处理单元和存储单元，所述处理单元以城市地理数据为基础，采用动态调度算法处理获取的GPS/北斗数据，得到GPS/北斗数据来源车辆的车牌号码和时间戳，同时，所述存储单元保存所述GPS/北斗数据来源车辆的车牌号码和时间戳。
在其中一个实施例中，所述流式计算平台还包括网格合并器，所述处理单元统计存储单元内的GPS/北斗数据，分别得到每个所述网格对应车辆的总数，以及每个所述网格内每辆车的车牌号码和时间戳，所述网格合并器保存每个所述网格对应车辆的总数，以及每个所述网格内每辆车的车牌号码和时间戳。
在其中一个实施例中，所述流式计算平台还包括绘图器，所述绘图器根据所述网格合并器保存的信息绘制反映客流特征的三维柱状图。
在其中一个实施例中，所述流式计算平台还包括信息发布器，所述信息发布器通过无线通讯方式将所述三维柱状图发送至客户终端。
在其中一个实施例中，还包括人机交互终端，所述人机交互终端根据用户的输入信息，提供两个不同网格之间的行程OD信息。
上述实时客流特征分析方法，首先获取GPS/北斗数据，其次根据GPS/北斗数据提供的经度和纬度信息，对比预先划分的网格边界的经度和纬度，将所述GPS/北斗数据迅速匹配到经度和纬度信息相符的网格，大幅减少了匹配所需要的时间，并且更新计数表步骤采用动态调度算法，将需要处理的GPS/北斗数据动态、合理地分配给不同的计算节点，解决了难以处理海量实时数据流的问题。同时，还提供了一种运用上述实时客流特征分析方法实现的实时客流特征分析系统，能够实现实时播报客流特征的目的。
附图说明
图1为一个实施例的实时客流特征分析方法的流程图；
图2为一个实施例的确定网格编号步骤中的示例图；
图3为一个实施例的实时客流特征分析系统的结构示意图。
具体实施方式
为了解决目前难以处理海量实时数据流的问题，本实施方式提供了一种实时客流特征分析方法。下面结合具体的实施例，对实时客流特征分析方法进行具体的描述。
请参考图1，本实施方式提供的实时客流特征分析方法，包括如下步骤：
步骤S110：划分网格。将需要进行客流特征分析的城市按照经度和纬度划分为若干个网格并依次编号，编号方法是：第i行与第j列交叉的网格编号为Aij。这样，在整个城市内行驶的所有汽车便分布于这些网格内。每一个网格都有精准的经纬度边界值标记。步骤S110所做工作为实时客流特征分析方法的准备工作，为后续步骤提供数据支持。
步骤S120：以固定频率获取GPS/北斗数据。所述GPS/北斗数据包括车辆的行驶方向、所处经度和纬度以及速度信息。在本实施方式中，获取GPS/北斗数据的频率为每分钟一次。
步骤S130：将GPS/北斗数据匹配至相应的网格。根据GPS/北斗数据提供的经度和纬度信息，对比预先划分的网格边界的经度和纬度，将所述GPS/北斗数据迅速匹配到经度和纬度信息相符的网格。
步骤S140：更新计数表。任何一个网格每匹配到一条GPS/北斗数据，该网格对应的计数表更新一次，同时记录该条GPS/北斗数据来源车辆的车牌号码和时间戳。
在本实施方式中，每个网格均独立对应有一个计数表，用于记录与其对应网格所匹配到的GPS/北斗数据数目。但是如果某条GPS/北斗数据和上一条GPS/北斗数据来源于同一车辆且该车辆前后所处的经纬度相同，则认为该车辆处于停车状态，计数表不重复记录；如果某条GPS/北斗数据和上一条GPS/北斗数据来源于同一车辆且该车辆前后所处的经纬度相近，且这两条GPS/北斗数据接收时间间隔少于60秒，则认为该车辆处于堵塞状态，计数表也不重复记录。
由于某些路段较繁忙，其对应的计数表需要记录的GPS/北斗数据较多。而另一些路段车辆较少，其对应的数据表记录的GPS/北斗数据也较少。因此，在更新计数表步骤中，本实施方式采用动态调度算法。动态调度算法能够将记录任务动态、合理地分配给不同的计算节点，以保证在较短时间内处理完所有的GPS/北斗数据。
步骤S150：GPS/北斗数据统计。对与网格匹配的全部GPS/北斗数据进行统计，分别得到每个网格对应车辆的总数，以及每个网格内每辆车的车牌号码和时间戳。
步骤S160：车辆密度信息发布。根据GPS/北斗数据统计步骤的统计结果，以各个网格的经度值为X轴、纬度值为Y轴、网格内的车辆总数为Z轴，绘制反映客流特征的三维柱状图并通过无线通讯方式将其发布。
上述实时客流特征分析方法，首先获取GPS/北斗数据，其次根据GPS/北斗数据提供的经度和纬度信息，对比预先划分的网格边界的经度和纬度，将GPS/北斗数据迅速匹配到经度和纬度信息相符的网格，大幅减少了匹配所需要的时间，并且更新计数表步骤采用动态调度算法，将需要处理的GPS/北斗数据动态、合理地分配给不同的计算节点，解决了难以处理海量实时数据流的问题。
同时，本实施方式还提供了一种运用上述实时客流特征分析方法实现的实时客流特征分析系统，下面结合具体的实施例，对实时客流特征分析系统进行具体的描述。
请参考图3，实时客流特征分析系统包括客户终端200、交通信息管理平台300以及云服务中心400。
客户终端200包括车载位置采集器210、手机智能终端220以及车载导航终端230。车载位置采集器210基于GPS或北斗定位系统，采集车辆的位置信息。客户终端200将此位置信息连同汽车速度、行驶方向等信息整合得到GPS/北斗数据并将其用无线通讯方式发送给交通信息管理平台300。手机智能终端220或者车载导航终端230用于接收云服务中心400发送的反映客流特征的三维柱状图。
交通信息管理平台300接收客户终端200发送的GPS/北斗数据并将其以一固定频率通过互联网发送至云服务中心400。在本实施方式中，交通信息管理平台300以每分钟一次的频率将GPS/北斗数据发送至云服务中心400。
云服务中心400包括流式计算平台410和地图匹配器420。云服务中心400预先存有城市地理数据，地图匹配器420可以调用城市地理数据用以配合流式计算平台410对GPS/北斗数据的处理。流式计算平台410包括处理单元412和存储单元413。流式计算平台410以城市地理数据为基础，通过处理单元412处理从云服务中心400的获取的GPS/北斗数据，得到GPS/北斗数据来源车辆的车牌号码和时间戳。同时，存储单元413保存GPS/北斗数据来源车辆的车牌号码和时间戳。为了提高实时客流特征分析系统处理GPS/北斗数据的效率，流式计算平台410还包括数据分流器411。在流式计算平台410开始处理GPS/北斗数据之前，实时客流特征分析系统预先运用上面介绍的实时客流特征分析方法，将城市划分为若干个网格并编号，且实时客流特征分析系统保存好网格的编号信息。这样，根据GPS/北斗数据提供的经度和纬度信息，结合地图匹配器420，数据分流器411能够将该GPS/北斗数据快速定位到与其对应的网格内。在本实施方式中，数据分流器411可以采用切片地图Web服务（WMTS，Web Map TileService）实现。
流式计算平台410还包括网格合并器414、绘图器416以及信息发布器418。处理单元412统计存储单元413内的GPS/北斗数据，分别得到每个网格对应车辆的总数，以及每个网格内每辆车的车牌号码和时间戳。网格合并器414保存每个网格对应车辆的总数，以及每个网格内每辆车的车牌号码和时间戳。为了直观地反映车辆密度情况，绘图器416根据网格合并器414保存的信息，以各个网格的经度值为X轴、纬度值为Y轴、网格内的车辆总数为Z轴，绘制反映客流特征的三维柱状图。信息发布器418用于将绘图器416得到的反映客流特征的三维柱状图通过交通信息管理平台300用无线通讯方式发送至手机智能终端220或者车载导航终端230。
为了方便用户根据各自需要进行精确查询，本实施方式的实时客流特征分析系统还包括人机交互终端500。人机交互终端500与交通信息管理平台300通过无线通讯方式相连。人机交互终端500提供前台网页，用户在前台网页上选择要查询的行程起始点网格编号Aij、起始日期DateStart、起始时间TimeStart和行程终止点网格编号Amn、终止日期DateEnd、终止时间TimeEnd。实时客流特征分析系统将统计网格合并器414中的从起始日期DateStart起始时间TimeStar到终止日期DateEnd终止时间TimeEnd内所有出现在Aij网格内车辆的车牌号码和从起始日期DateStart起始时间TimeStar到终止日期DateEnd终止时间TimeEnd内所有出现在Amn网格内车辆的车牌号码。对统计结果做比较，每出现一次相同的车牌号码，Aij和Amn这两个网格之间的行程OD数值加1，统计出相同车牌号码的总数，并返回给用户。
上述实时客流特征分析系统运用实时客流特征分析方法，解决了难以处理海量实时数据流的问题，实现了实时播报客流特征的目的。另外还提供了人机交互终端500，方便用户根据各自需要进行更为精确的查询。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种实时客流特征分析方法，其特征在于，包括如下步骤：
以固定频率获取GPS/北斗数据，所述GPS/北斗数据包括车辆的行驶方向、所处经度和纬度以及速度信息；
将GPS/北斗数据匹配至相应的网格，根据GPS/北斗数据提供的经度和纬度信息，对比预先划分的网格边界的经度和纬度，将所述GPS/北斗数据匹配到经度和纬度信息相符的网格内；
更新计数表，所述任何一个网格每匹配到一条GPS/北斗数据，该网格对应的计数表更新一次，同时记录该条GPS/北斗数据来源车辆的车牌号码和时间戳，用动态调度算法，将需要处理的GPS/北斗数据动态分配给不同的计算节点。
2.根据权利要求1所述的实时客流特征分析方法，其特征在于，在所述更新计数表步骤中，如果两条GPS/北斗数据来源于同一车辆且间隔在一分钟内匹配到同一网格，则判定该车辆在该网格内处于拥堵状态，该网格对应的计数表不更新，也不记录该条GPS/北斗数据来源车辆的车牌号码和时间戳。
3.根据权利要求1所述的实时客流特征分析方法，其特征在于，在所述获取GPS/北斗数据步骤之前，还包括划分网格步骤，将需要进行客流特征分析的城市按照经度和纬度划分为若干个网格并依次编号，编号方法是：第i行与第j列交叉的网格编号为Aij。
4.根据权利要求1所述的实时客流特征分析方法，其特征在于，在所述将GPS/北斗数据匹配至相应的网格步骤之后，还包括GPS/北斗数据统计步骤，对与所述网格匹配的全部GPS/北斗数据进行统计，分别得到每个所述网格对应车辆的总数，以及每个所述网格内每辆车的车牌号码和时间戳。
5.根据权利要求4所述的实时客流特征分析方法，其特征在于，在所述GPS/北斗数据统计步骤之后，还包括车辆密度信息发布步骤，以所述各个网格的经度值为X轴、纬度值为Y轴、网格内的车辆总数为Z轴，绘制反映客流特征的三维柱状图并通过无线通讯方式将其发布。
6.一种实时客流特征分析系统，其特征在于，包括客户终端、交通信息管理平台以及云服务中心，所述云服务中心包括流式计算平台，所述客户终端获取车辆的GPS/北斗数据并将其发送给所述交通信息管理平台，所述GPS/北斗数据包括车辆所处经度、所处纬度、车牌号码以及时间戳信息，所述交通信息管理平台接收所述客户终端发送的GPS/北斗数据并以一固定频率发送至所述云服务中心，所述云服务中心存有城市地理数据，所述实时客流特征分析系统预先存储有城市划分的若干个网格信息，所述流式计算平台包括数据分流器，所述实时客流特征分析系统通过所述数据分流器将所述GPS/北斗数据匹配到经度和纬度信息相符的网格内，所述流式计算平台还包括处理单元和存储单元，所述处理单元以城市地理数据为基础，采用动态调度算法处理获取的GPS/北斗数据，得到GPS/北斗数据来源车辆的车牌号码和时间戳，同时，所述存储单元保存所述GPS/北斗数据来源车辆的车牌号码和时间戳。
7.根据权利要求6所述的实时客流特征分析系统，其特征在于，所述流式计算平台还包括网格合并器，所述处理单元统计存储单元内的GPS/北斗数据，分别得到每个所述网格对应车辆的总数，以及每个所述网格内每辆车的车牌号码和时间戳，所述网格合并器保存每个所述网格对应车辆的总数，以及每个所述网格内每辆车的车牌号码和时间戳。
8.根据权利要求7所述的实时客流特征分析系统，其特征在于，所述流式计算平台还包括绘图器，所述绘图器根据所述网格合并器保存的信息绘制反映客流特征的三维柱状图。
9.根据权利要求8所述的实时客流特征分析系统，其特征在于，所述流式计算平台还包括信息发布器，所述信息发布器通过无线通讯方式将所述三维柱状图发送至客户终端。
10.根据权利要求9所述的实时客流特征分析系统，其特征在于，还包括人机交互终端，所述人机交互终端根据用户的输入信息，提供两个不同网格之间的行程OD信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210567034.XA CN103065464B (zh) | 2012-12-24 | 2012-12-24 | 实时客流特征分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210567034.XA CN103065464B (zh) | 2012-12-24 | 2012-12-24 | 实时客流特征分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103065464A true CN103065464A (zh) | 2013-04-24 |
| CN103065464B CN103065464B (zh) | 2015-09-16 |
Family
ID=48108076
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210567034.XA Active CN103065464B (zh) | 2012-12-24 | 2012-12-24 | 实时客流特征分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103065464B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103730017A (zh) * | 2013-12-09 | 2014-04-16 | 上海斐讯数据通信技术有限公司 | 移动终端提醒停车超时熄火的系统及其提醒方法 |
| CN104021668A (zh) * | 2014-06-26 | 2014-09-03 | 中国科学院自动化研究所 | 一种公共交通供需状态检测与预测系统及方法 |
| CN104252458A (zh) * | 2013-06-25 | 2014-12-31 | 博雅网络游戏开发（深圳）有限公司 | 数据分析方法和装置 |
| CN107305666A (zh) * | 2016-04-18 | 2017-10-31 | 深圳前海华视移动互联有限公司 | 车辆运营路线商业分析方法及系统 |
| CN107818412A (zh) * | 2017-10-18 | 2018-03-20 | 福州大学 | 一种基于MapReduce的大规模公交乘客OD并行计算方法 |
| CN108182800A (zh) * | 2017-12-08 | 2018-06-19 | 北京中交兴路信息科技有限公司 | 一种货运交通信息处理方法及设备 |
| CN109272351A (zh) * | 2018-08-31 | 2019-01-25 | 京东方科技集团股份有限公司 | 客流动线以及客流热区确定方法及装置 |
| CN111462498A (zh) * | 2020-05-29 | 2020-07-28 | 青岛大学 | 常发拥堵区域识别方法及设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1744070A (zh) * | 2004-09-03 | 2006-03-08 | 上海浩孚通信科技有限公司 | 一种公共交通车辆客流计数方法及系统 |
| CN101308029A (zh) * | 2007-05-16 | 2008-11-19 | 北京英华慧通科技发展有限公司 | 路网网格匹配、路况状态信息及诱导路线信息获取方法 |
| CN101739653A (zh) * | 2008-11-13 | 2010-06-16 | 上海汇纳网络信息科技有限公司 | 客流分析系统 |
| US8089895B1 (en) * | 2002-07-02 | 2012-01-03 | Juniper Networks, Inc. | Adaptive network flow analysis |
| CN102810251A (zh) * | 2012-08-01 | 2012-12-05 | 重庆大学 | 基于gps终端的面向简化路网模型的实时路况信息采集系统 |
-
2012
- 2012-12-24 CN CN201210567034.XA patent/CN103065464B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8089895B1 (en) * | 2002-07-02 | 2012-01-03 | Juniper Networks, Inc. | Adaptive network flow analysis |
| CN1744070A (zh) * | 2004-09-03 | 2006-03-08 | 上海浩孚通信科技有限公司 | 一种公共交通车辆客流计数方法及系统 |
| CN101308029A (zh) * | 2007-05-16 | 2008-11-19 | 北京英华慧通科技发展有限公司 | 路网网格匹配、路况状态信息及诱导路线信息获取方法 |
| CN101739653A (zh) * | 2008-11-13 | 2010-06-16 | 上海汇纳网络信息科技有限公司 | 客流分析系统 |
| CN102810251A (zh) * | 2012-08-01 | 2012-12-05 | 重庆大学 | 基于gps终端的面向简化路网模型的实时路况信息采集系统 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104252458A (zh) * | 2013-06-25 | 2014-12-31 | 博雅网络游戏开发（深圳）有限公司 | 数据分析方法和装置 |
| CN104252458B (zh) * | 2013-06-25 | 2018-11-13 | 博雅网络游戏开发（深圳）有限公司 | 数据分析方法和装置 |
| CN103730017A (zh) * | 2013-12-09 | 2014-04-16 | 上海斐讯数据通信技术有限公司 | 移动终端提醒停车超时熄火的系统及其提醒方法 |
| CN103730017B (zh) * | 2013-12-09 | 2019-06-18 | 上海斐讯数据通信技术有限公司 | 移动终端提醒停车超时熄火的系统及其提醒方法 |
| CN104021668A (zh) * | 2014-06-26 | 2014-09-03 | 中国科学院自动化研究所 | 一种公共交通供需状态检测与预测系统及方法 |
| CN107305666A (zh) * | 2016-04-18 | 2017-10-31 | 深圳前海华视移动互联有限公司 | 车辆运营路线商业分析方法及系统 |
| CN107818412A (zh) * | 2017-10-18 | 2018-03-20 | 福州大学 | 一种基于MapReduce的大规模公交乘客OD并行计算方法 |
| CN108182800A (zh) * | 2017-12-08 | 2018-06-19 | 北京中交兴路信息科技有限公司 | 一种货运交通信息处理方法及设备 |
| CN109272351A (zh) * | 2018-08-31 | 2019-01-25 | 京东方科技集团股份有限公司 | 客流动线以及客流热区确定方法及装置 |
| US11232470B2 (en) | 2018-08-31 | 2022-01-25 | Boe Technology Group Co., Ltd. | Customer flow line and customer flow hot zone determining method and apparatus |
| CN109272351B (zh) * | 2018-08-31 | 2022-02-01 | 京东方科技集团股份有限公司 | 客流动线以及客流热区确定方法及装置 |
| CN111462498A (zh) * | 2020-05-29 | 2020-07-28 | 青岛大学 | 常发拥堵区域识别方法及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103065464B (zh) | 2015-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103065464B (zh) | 实时客流特征分析方法及系统 | |
| CN102737503B (zh) | 一种车联网环境下公交车动态调度的通信连通性分析方法 | |
| CN101916509B (zh) | 一种用户自助的实时交通路况分享方法 | |
| CN103854472A (zh) | 出租车云智能调度方法及系统 | |
| CN102607583A (zh) | 一种获得行车线路上实时天气状况的方法 | |
| CN100561132C (zh) | 基于IPv6手机平台实时交通图像GPS导航装置 | |
| CN103177561A (zh) | 公交实时路况的生成方法及系统 | |
| CN103092924A (zh) | 实时数据驱动的交通数据三维可视化分析系统及方法 | |
| CN107403550B (zh) | 公交路网数据采集方法、装置和终端设备 | |
| CN104504541A (zh) | 方便用户出行的基于大数据分析的云服务互动系统与方法 | |
| CN110430277A (zh) | 一种基于云计算、大数据、物联网技术的车联网应用系统 | |
| CN206835150U (zh) | 一种新能源车服务管理系统 | |
| CN106023582A (zh) | 一种brt乘客乘车信息采集与诱导方案发布系统及方法 | |
| CN111190982A (zh) | 一种基于大数据的共享单车管理方法及系统 | |
| CN103559789A (zh) | 一种车载移动智能通信与控制终端集成系统 | |
| CN103294673A (zh) | 一种公共交通工具实时运营数据的采集与发布方法 | |
| CN107730875B (zh) | 一种智慧旅游交通系统及管理方法 | |
| CN108111979B (zh) | 基于BDS和LoRa的车辆定位跟踪调度系统及方法 | |
| CN103778799B (zh) | 基于对等网络分布式计算的公交自动报站方法 | |
| CN107895502A (zh) | 一种智慧城市智能交通引导系统 | |
| Ding | A design of cooperative vehicle infrastructure system based on internet of vehicle technologies | |
| CN107195192B (zh) | 一种车载定向运行状态的识别方法 | |
| CN109697846B (zh) | 一种共享单车泊位的定点饱和度测算方法 | |
| Yang | Xi ‘an Intelligent Transportation System Construction Platform Research | |
| CN102281499B (zh) | 一种基于多用户群体运动特征的交通工具定位系统及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |