CN103247167A - 一种获取空驶出租车信息的方法 - Google Patents
一种获取空驶出租车信息的方法 Download PDFInfo
- Publication number
- CN103247167A CN103247167A CN201210032411XA CN201210032411A CN103247167A CN 103247167 A CN103247167 A CN 103247167A CN 201210032411X A CN201210032411X A CN 201210032411XA CN 201210032411 A CN201210032411 A CN 201210032411A CN 103247167 A CN103247167 A CN 103247167A
- Authority
- CN
- China
- Prior art keywords
- hiring
- sky
- taxi
- car
- away
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种获取空驶出租车信息的方法,属于智能交通领域。该方法包括:获取路链的实时空驶出租车数据;将在每个采样周期内经过各路链的空驶出租车数量历史值进行分类;对分类后的每类空驶出租车数量历史值分别进行平均;每个类别在一时段中不同采样周期的均值组成一条空驶出租车数量历史均值模式曲线;得到每条路链的空驶出租车数量实时模式曲线;获得与实时模式曲线最相似的空驶出租车数量历史模式曲线;根据最相似的空驶出租车数量历史均值模式曲线和空驶出租车数量实时模式曲线预测空车数;将各路链的打车指数基于路网地图进行显示。本发明有助于乘客方便地找到周边的空驶出租车,并基于不同范围的路网地图分别提供了直观的打车信息。
Description
技术领域
本发明涉及智能交通领域,特别涉及一种获取空驶出租车信息的方法。
背景技术
近年来,随着经济的发展,快捷高效的交通系统已经成为社会经济发展的有利保障。出租车行业既是城市交通的重要组成部分,也是城市公交的一个有益补充。随着“发展公共交通”概念的深入和普及,出租车凭借方便、快捷、安全、舒适的特点,被越来越多的人作为出行工具,在城市公交当中的地位和作用也越来越凸显出来。
目前出租车普遍采用传统的运行方式,即出租车司机开着车沿路寻找客源,而乘客一般采用招手拦车的方式来打车。这种陈旧的运行方式一方面使得出租车在非高峰时段的空驶率提高,另一方面使得高峰时段希望打车的乘客却难以及时找到周边的空驶出租车。
目前,很多城市都建立了基于出租车的浮动车信息采集系统,该系统利用定位技术、无线通信技术和信息处理技术,可实现对道路上行驶的出租车的GPS位置信息、行驶方向、载客状态等数据的采集,并结合城市道路路网数据,对采集到的出租车数据进行地图匹配、路径推测和状态判断等处理,可以反映路网中空载出租车的分布。但是,目前的浮动车信息采集系统主要用于提供道路交通状况,没有向乘客提供空驶出租车的位置信息,因此,无法有效地帮助乘客及时找到周边的空驶出租车。
为了解决乘客无法及时找到空载出租车的问题,现有技术主要采用电话叫车的方式,即:出租车上装有GPS定位系统,调度中心由此获得其定位信息。乘客需要乘车时打电话至调度中心,由调度员选派出租车。
中国专利申请号200610017039.X、名为“电话呼叫附近出租车的方法和系统”的发明专利提供了一种利用现有通讯网络实现客户使用通讯终端可直接连接到停在附近出租车的移动终端的方法和系统。该方法首先将客户和出租车所在的位置用区域编码表示,当客户希望使用出租车提供服务时,只需呼叫连接到通讯网上的业务服务器,并将所在位置的区域编码发送给业务服务器,然后业务服务器将自动接通停在附近的出租车司机的移动电话,客户与出租车通话,约定服务内容并执行呼叫服务。
中国专利申请号201010122148.4、名为“智能化出租车叫车装置”的发明专利提供了一种包括叫车乘客端、中央信息处理调度中心以及出租车终端的叫车装置,叫车乘客可通过叫车乘客端将自己的身份、地点和时间等信息传输给中央信息处理调度中心,中央信息处理调度中心通过GPS系统和软件分析将最适合该叫车乘客的出租车信息通过网络通知叫车乘客,中央信息处理调度中心又将叫车乘客信息通知出租车,实现了叫车乘客与出租车之间的信息交互。
现有的方法或系统虽起到了一定作用,但仍然存在很多问题,主要如下:
(1)现有的系统都需要一个调度中心——人工调度中心或自动调度中心。对于人工调度中心来说,需要建立呼叫中心,配备坐席人员;对于自动调度中心来说,需要购置软、硬件来建设调度中心,同时还需要人员定期维护,都增加了系统投入。
(2)当有大量乘客同时向调度中心发送打车请求时,容易造成系统堵塞,既增加调度中心的工作强度,降低工作效率,又耽误了乘客的时间。
(3)有些系统需要用户发送位置、身份信息,部分用户为了保护个人隐私,不愿意向系统提供这些信息,从而无法使用现有系统。
发明内容
有鉴于此,本发明的目的在于提供一种获取空驶出租车信息的方法,用于提高打车效率。
本发明提供了一种获取空驶出租车信息的方法,包括:
获取路链的实时空驶出租车数据;
按照预先设置的采样周期及分类标准,将在每个采样周期内经过各路链的空驶出租车数量历史值进行分类;
对分类后的每类空驶出租车数量历史值分别进行平均;
在所有空驶出租车数量历史均值中,每个类别在一时段中不同采样周期的均值组成一条空驶出租车数量历史均值模式曲线;
根据各路链最近一时间段的空驶出租车数量,得到每条路链的空驶出租车数量实时模式曲线;
将所述空驶出租车数量实时模式曲线与对应时段的空驶出租车数量历史均值模式曲线集进行相似度匹配,并根据匹配结果,从所述空驶出租车数量历史均值模式曲线集中获得与所述实时模式曲线最相似的空驶出租车数量历史模式曲线;
根据所述最相似的空驶出租车数量历史均值模式曲线和空驶出租车数量实时模式曲线预测空车数。
本发明针对乘客寻找出租车难的问题,提出了一种基于现有浮动车信息采集系统获取路网中各路段或区域的打车指数的方法,从而有助于乘客方便地找到周边的空驶出租车。
采用本发明的方法,用户无需提供自身的位置、身份等个人信息,能有效地保护个人隐私。
由于本发明是基于目前各城市通用的浮动车信息采集系统,无需额外部署软硬件,系统投入小,且能够同时为大量用户提供服务。
附图说明
图1为本发明实施例提供的获取空驶出租车信息的方法流程图;
图2为本发明实施例中路链的空驶出租车数量历史均值模式曲线示意图;
图3为本发明实施例中路链的空驶出租车数量实时模式曲线示意图;
图4为本发明实施例提供的大范围路网地图打车指数的示意图;
图5为本发明实施例提供的中等范围路网地图打车指数的示意图;
图6为本发明实施例提供的小范围路网地图打车指数的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步的详细描述。
本实施例针对乘客寻找出租车难的问题,提出了一种基于现有浮动车信息采集系统获取路网中各路段或区域的打车指数的方法,从而有助于乘客方便地找到周边的空驶出租车。
图1为本发明实施例提供的获取空驶出租车信息的方法流程图,具体包括以下步骤:
步骤101、获取路链的实时空驶出租车数据。
基于浮动车信息采集系统,可以实时获取出租车的相关信息,包括车辆位置信息、行驶速度、行驶方向、以及出租车是否载客的状态。经过地图匹配等处理,可以将出租车与路网中的路链进行匹配。通过判断出租车是否载客的状态信息,可以筛选出路链上的实时空驶出租车数据。
步骤102、按照预先设置的采样周期,及相应的分类标准,将在每个采样周期内经过各路链的空驶出租车数量历史值进行分类。
在本实施例中以5分钟为一个采样周期。在实际采样过程中,也可以以其他时间作为一个采样周期,如1分钟或2分钟等。
空驶出租车数量历史值的分类标准主要包括历史跨度、天气特征及周天特征。首先将空驶出租车数量历史值分为短期、中期和长期三大类;所述短期是指某采样时刻的一个月的空驶出租车数量历史值(例如一个月内每天早上8:00-8:05的空驶出租车数量历史值);所述中期是指三个月的空驶出租车数量历史值;所述长期是指三个月以上的空驶出租车数量历史值。再将所述三类数据按照周一、周二、周三、周四、周五、周六、周日和节假日第一天、节假日中期、节假日最后一天这十个子类进行划分(例如一个月内每周一早上8:00-8:05的空驶出租车数量历史值)。分类后产生30个不同时间类别的空驶出租车数量历史值,并对每个类别按照天气状况分为正常天气和特殊天气2类,共计60个类别(例如一个月内正常天气下每周一早上8:00-8:05的空驶出租车数量历史值)。当然,在实际预测过程中,可以按照其他方法进行历史空驶出租车数据分类,并不局限于上述方法,在此不对每种情况进行一一介绍。
步骤103、对分类后的每类空驶出租车数量历史值分别进行平均。对于每条路链来说,每个采样周期可以得到60个类别的空驶出租车数量历史均值。
以某条路链为例,当采样时间为早上8:00时,可以将历史上所有在8:00~8:05经过该路链的空驶出租车数量历史值进行分类,并对每个类别的历史值经过求平均值计算,得到所述路链在该采样时刻的各类别的空驶出租车历史均值。分类后得到的历史均值如表1所示。
表1
步骤104、在所述60个类别的空驶出租车数量历史均值中,每个类别在一时段中不同采样周期的均值组成一条空驶出租车数量历史均值模式曲线,60个类别的均值分别组成60条空驶出租车数量历史均值模式曲线,即历史模式曲线库。
对于某条路链来说,以周一的24个小时所有采样周期在正常天气下的短期均值为例,若以5分钟作为采样周期,则全天可得到288个空驶出租车数量历史均值,所述288个空驶出租车数量历史均值即组成该类别的历史均值模式曲线。如图2所示,显示了某条路链在某个类别的空驶出租车数量历史均值模式曲线。
对于每一条路链来说,同一时段(如周一)的空驶出租车数量历史均值模式曲线有6条,分别为正常天气和特殊天气下的短期空驶出租车数量历史均值模式曲线、中期空驶出租车数量历史均值模式曲线和长期空驶出租车数量历史均值模式曲线,这6条曲线称为空驶出租车数量历史均值模式曲线集。
步骤105、根据各路链最近一小时的空驶出租车数量,得到每条路链的空驶出租车数量实时模式曲线。
若以5分钟作为采样周期,则可以提取当前时刻之前一小时的空驶出租车数量的12个空驶出租车数量历史值,从而得到各路链的空驶出租车数量实时模式曲线。
如当前时刻为8:00,则提取7:05至8:00这一个小时的12个采样值,组成空驶出租车数量实时模式曲线,如图3所示。
步骤106、将空驶出租车数量实时模式曲线与对应时段(如实时模式曲线来自于周一的某时段,则对应周一的6条空驶出租车数量历史均值模式曲线)的空驶出租车数量历史均值模式曲线集进行相似度匹配。并根据匹配结果,从所述空驶出租车数量历史均值模式曲线集中获得与所述实时模式曲线最相似的历史模式曲线。
由步骤104可知,在同一时段,实时模式曲线对应6条空驶出租车数量历史均值模式曲线。相似度匹配法采用欧式距离法,首先设定一个欧式距离的阈值,分别比较所述实时模式曲线与6条历史均值模式曲线之间的距离,当两条曲线的距离大于该阈值时,表明曲线相似度较低;否则表明曲线的相似度较高,认为这两条曲线相似,找到与实时模式曲线最匹配的历史均值模式曲线。
步骤107、根据最匹配的空驶出租车数量历史均值模式曲线和空驶出租车数量实时模式曲线预测空车数。
假设当前时刻为8:00,要预测下一个采样时刻8:05的空车数。从最匹配的空驶出租车数量历史均值模式曲线中选取8:05的历史均值X1,从空驶出租车数量实时模式曲线中选取8:00的实时空车数X2,则预测8:05的实时空车数X3=(X1+X2)/2。
步骤108、根据路链的空车数预测值和路链长度,计算打车指数。
打车指数取值为1~5,取值越高代表该路链上的空驶出租车聚集度越大。设M=某路链预测空车数/路链长度,其中路链长度单位为公里,则打车指数计算方法如下:
打车指数的划分等级和划分标准并不局限于上述方法,可以根据实际应用情况采用其他的划分方式,如将打车指数划分为3级或10级。在此不对每种方式进行一一介绍。
步骤109、进一步的,将各路链的打车指数基于路网地图进行显示,并根据打车指数的不同为各区域或各道路设置不同的颜色,从而形成打车地图。将该打车地图以网络方式进行发布,更新时间可以为2~5分钟。当乘客有乘坐出租车的需求时,可以通过手机、便携电脑等设备连接服务器端,获得打车指数地图。乘客可根据自身所在的位置,浏览周边道路的打车指数,选择打车指数较高的道路等候出租车,从而缩短候车时间,提高打车效率。
根据用户查看的地图范围的不同,打车地图可以以不同的方式进行展示。
在大范围的路网地图中(城域或城际范围),将地图分为不同的区域,对每个区域中所有路段的打车指数进行平均,从而得到每个区域的打车指数。并根据打车指数的不同,为每个区域设置相应的颜色,如图4所示。
图中阴影部分为空驶出租车较少的区域,一方面可以引导乘客避开这些区域,另一方面可以提示出租车司机前往该区域。在其他实施方式中,也可以通过设置阴影区域的颜色来代表不同的打车指数。
在中等范围的路网地图中(城市区域范围),根据各路段的打车指数为每条道路设置不同的颜色,示意图如图5。
图中黑色的路段为打车指数较高的路段,乘客可以选择周边打车指数较高的路段等候出租车。另外也可以用不同的颜色来代表具有不同打车指数的路段。
在小范围(街区范围)的路网地图中(如某个小区周边的局部地图),可以显示具体的空驶出租车位置及相关信息(如车牌号,联络电话等),方便用户直接与出租车司机联系,示意图如图6。
图中数字代表乘客周边的空驶出租车所在位置,当乘客关注某一辆出租车信息时,系统可显示出租车行驶方向、车牌号、车型、联系电话等信息,方便乘客及时联系该出租车。
本实施例能够解决由于乘客无法及时获得空驶出租车的位置信息而导致的打车难问题。本实施例以打车指数的方式为乘客提供了各道路或区域的空驶出租车分布情况,使乘客能够选择周边空驶出租车较多的路段或区域,从而提高乘客的打车效率。
采用本实施例的方法,用户无需提供自身的位置、身份等个人信息,能有效地保护个人隐私。
由于本实施例是基于目前各城市通用的浮动车信息采集系统,无需额外部署软硬件,系统投入小,且能够同时为大量用户提供服务。
总之,以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (10)
1.一种获取空驶出租车信息的方法,其特征在于,包括:
获取路链的实时空驶出租车数据;
按照预先设置的采样周期及分类标准,将在每个采样周期内经过各路链的空驶出租车数量历史值进行分类;
对分类后的每类空驶出租车数量历史值分别进行平均;
在所有空驶出租车数量历史均值中,每个类别在一时段中不同采样周期的均值组成一条空驶出租车数量历史均值模式曲线;
根据各路链最近一时间段的空驶出租车数量,得到每条路链的空驶出租车数量实时模式曲线;
将所述空驶出租车数量实时模式曲线与对应时段的空驶出租车数量历史均值模式曲线集进行相似度匹配,并根据匹配结果,从所述空驶出租车数量历史均值模式曲线集中获得与所述实时模式曲线最相似的空驶出租车数量历史模式曲线;
根据所述最相似的空驶出租车数量历史均值模式曲线和空驶出租车数量实时模式曲线预测空车数。
2.根据权利要求1所述的获取空驶出租车信息的方法,其特征在于,在获取空车数的预测值后,还进一步包括:
根据路链的空车数预测值和该路链长度,获取该路链的打车指数。
3.根据权利要求2所述的获取空驶出租车信息的方法,其特征在于,在获取所述打车指数后,还进一步包括:
根据路网地图,将各路链的打车指数在地图中进行显示,并根据打车指数的不同为各区域或各道路设置不同的颜色,形成打车地图,将该打车地图以网络方式进行发布。
4.根据权利要求2或3所述的获取空驶出租车信息的方法,其特征在于,所述将空驶出租车数量历史值进行分类的分类标准具体包括:
空驶出租车数量历史值的历史跨度、天气特征及周天特征。
5.根据权利要求4所述的获取空驶出租车信息的方法,其特征在于,所述进行相似度匹配的步骤具体包括:
采用欧式距离法,设定一个欧式距离的阈值,分别比较所述空驶出租车数量实时模式曲线与空驶出租车数量历史均值模式曲线之间的距离,当两条曲线的距离大于所述阈值时,表明两条曲线相似度低;否则表明两条曲线的相似度高,所述最相似的空驶出租车数量历史均值模式曲线为与空驶出租车数量实时模式曲线的距离最小的空驶出租车数量历史均值模式曲线。
6.根据权利要求5所述的获取空驶出租车信息的方法,其特征在于,所述预测空车数的步骤具体包括:
从所述最相似的空驶出租车数量历史均值模式曲线中选取当前时刻的下一采样时刻的空驶出租车数量历史均值X1,从所述空驶出租车数量实时模式曲线中选取当前时刻的实时空车数X2,则预测所述下一采样时刻的实时空车数为:X3=(X1+X2)/2。
8.根据权利要求3所述的获取空驶出租车信息的方法,其特征在于,所述发布打车地图的方式具体包括:
在城域或城际范围的路网地图中,将地图分为不同的区域,对每个区域中所有路段的打车指数进行平均,得到每个区域的打车指数,并根据打车指数的不同,为每个区域设置相应的颜色。
9.根据权利要求3所述的获取空驶出租车信息的方法,其特征在于,所述发布打车地图的方式具体包括:
在城市区域范围的路网地图中,根据各路段的打车指数为每条道路设置不同的颜色。
10.根据权利要求3所述的获取空驶出租车信息的方法,其特征在于,所述发布打车地图的方式具体包括:
在街区范围的路网地图中,显示具体的空驶出租车位置及相关信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210032411XA CN103247167A (zh) | 2012-02-14 | 2012-02-14 | 一种获取空驶出租车信息的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210032411XA CN103247167A (zh) | 2012-02-14 | 2012-02-14 | 一种获取空驶出租车信息的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103247167A true CN103247167A (zh) | 2013-08-14 |
Family
ID=48926665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210032411XA Pending CN103247167A (zh) | 2012-02-14 | 2012-02-14 | 一种获取空驶出租车信息的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103247167A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794890A (zh) * | 2015-04-27 | 2015-07-22 | 北京嘀嘀无限科技发展有限公司 | 获得可载客车辆数量的方法及设备 |
CN105448081A (zh) * | 2015-12-10 | 2016-03-30 | 南通大学 | 一种实时出租车空间分布状态的预警方法 |
CN106846814A (zh) * | 2017-03-28 | 2017-06-13 | 南通大学 | 一种出租车动态依靠点的设置方法 |
WO2017148202A1 (en) * | 2016-03-03 | 2017-09-08 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining predicted distribution of future transportation service time point |
CN107507407A (zh) * | 2017-06-30 | 2017-12-22 | 百度在线网络技术(北京)有限公司 | 营运车辆服务的处理方法、装置、设备及计算机可读存储介质 |
CN109493449A (zh) * | 2018-11-23 | 2019-03-19 | 北京航空航天大学 | 一种基于货车gps轨迹数据和高速交易数据的货车载货状态估计方法 |
CN112885094A (zh) * | 2021-01-27 | 2021-06-01 | 福州大学 | 一种多类型运营车辆协调发展区域识别方法 |
CN114676917A (zh) * | 2022-03-29 | 2022-06-28 | 福州大学 | 一种空驶出租汽车空间分布评估方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003036498A (ja) * | 2001-07-23 | 2003-02-07 | Yazaki Corp | タクシー管理システム |
CN101593209A (zh) * | 2008-12-30 | 2009-12-02 | 中国科学院地理科学与资源研究所 | 一种交互式在线统计地图生成与发布装置及方法 |
CN101620781A (zh) * | 2008-06-30 | 2010-01-06 | 株式会社查纳位资讯情报 | 预测乘客信息的系统和搜索乘客信息的系统及其方法 |
CN101694743A (zh) * | 2009-08-25 | 2010-04-14 | 北京世纪高通科技有限公司 | 预测路况的方法和装置 |
CN101894460A (zh) * | 2009-05-22 | 2010-11-24 | 触动多媒体技术(上海)有限公司 | 空出租车位置信息控制方法 |
CN201894460U (zh) * | 2010-06-05 | 2011-07-13 | 无锡艾科瑞思产品设计与研究有限公司 | 多功能分层碗碟架 |
-
2012
- 2012-02-14 CN CN201210032411XA patent/CN103247167A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003036498A (ja) * | 2001-07-23 | 2003-02-07 | Yazaki Corp | タクシー管理システム |
CN101620781A (zh) * | 2008-06-30 | 2010-01-06 | 株式会社查纳位资讯情报 | 预测乘客信息的系统和搜索乘客信息的系统及其方法 |
CN101593209A (zh) * | 2008-12-30 | 2009-12-02 | 中国科学院地理科学与资源研究所 | 一种交互式在线统计地图生成与发布装置及方法 |
CN101894460A (zh) * | 2009-05-22 | 2010-11-24 | 触动多媒体技术(上海)有限公司 | 空出租车位置信息控制方法 |
CN101694743A (zh) * | 2009-08-25 | 2010-04-14 | 北京世纪高通科技有限公司 | 预测路况的方法和装置 |
CN201894460U (zh) * | 2010-06-05 | 2011-07-13 | 无锡艾科瑞思产品设计与研究有限公司 | 多功能分层碗碟架 |
Non-Patent Citations (1)
Title |
---|
陈炼红: "基于GPS 浮动车采集数据的出租车运行特点研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794890A (zh) * | 2015-04-27 | 2015-07-22 | 北京嘀嘀无限科技发展有限公司 | 获得可载客车辆数量的方法及设备 |
CN105448081A (zh) * | 2015-12-10 | 2016-03-30 | 南通大学 | 一种实时出租车空间分布状态的预警方法 |
GB2553455A (en) * | 2016-03-03 | 2018-03-07 | Beijing Didi Infinity Technology & Dev Co Ltd | Systems and methods for determining predicted distribution of future transportation service time point |
WO2017148202A1 (en) * | 2016-03-03 | 2017-09-08 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining predicted distribution of future transportation service time point |
CN107153882A (zh) * | 2016-03-03 | 2017-09-12 | 北京嘀嘀无限科技发展有限公司 | 乘客打车时刻分布区间的预测方法和系统 |
US10740701B2 (en) | 2016-03-03 | 2020-08-11 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining predicted distribution of future transportation service time point |
CN107153882B (zh) * | 2016-03-03 | 2021-10-15 | 北京嘀嘀无限科技发展有限公司 | 乘客打车时刻分布区间的预测方法和系统 |
US11348042B2 (en) | 2016-03-03 | 2022-05-31 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining predicted distribution of future transportation service time point |
CN106846814A (zh) * | 2017-03-28 | 2017-06-13 | 南通大学 | 一种出租车动态依靠点的设置方法 |
CN107507407A (zh) * | 2017-06-30 | 2017-12-22 | 百度在线网络技术(北京)有限公司 | 营运车辆服务的处理方法、装置、设备及计算机可读存储介质 |
CN109493449A (zh) * | 2018-11-23 | 2019-03-19 | 北京航空航天大学 | 一种基于货车gps轨迹数据和高速交易数据的货车载货状态估计方法 |
CN112885094A (zh) * | 2021-01-27 | 2021-06-01 | 福州大学 | 一种多类型运营车辆协调发展区域识别方法 |
CN114676917A (zh) * | 2022-03-29 | 2022-06-28 | 福州大学 | 一种空驶出租汽车空间分布评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103247167A (zh) | 一种获取空驶出租车信息的方法 | |
CN109035770B (zh) | 一种大数据环境下公交载客量实时分析预测方法 | |
CN110047279B (zh) | 一种基于订单数据确定共享单车调度量的方法 | |
CN108831149B (zh) | 一种基于历史od信息定制公交线路开行方法及系统 | |
CN109034566B (zh) | 一种基于公交站点上下客流的智能调度方法及装置 | |
Merlin | Comparing automated shared taxis and conventional bus transit for a small city | |
Cao et al. | The gaps in satisfaction with transit services among BRT, metro, and bus riders: Evidence from Guangzhou | |
CN114331234B (zh) | 基于乘客出行信息的轨道交通客流预测方法和系统 | |
Xiong et al. | Understanding operation patterns of urban online ride-hailing services: A case study of Xiamen | |
Shen et al. | Exploring the effect of the telephone/online booking system on taxi service: Case study of Suzhou City in China | |
Edwards et al. | Long distance day tripping in Great Britain | |
CN111046937A (zh) | 一种融合公交数据和poi数据的两段式乘客人群出行目的分析方法 | |
CN112580945A (zh) | 基于多相关系数的派单方法及车辆调度优化系统 | |
CN111508220B (zh) | 基于公交人口分布精准进行末端接驳的方法 | |
CN113468243A (zh) | 地铁客流分析与预测方法及分析与预测系统 | |
Bi et al. | Real trip costs: Modelling intangible costs of urban online car-hailing in Haikou | |
Yen et al. | Effects of two fare policies on public transport travel behaviour: evidence from South East Queensland, Australia | |
Sun et al. | Subway passenger flow analysis and management optimization model based on AFC data | |
Hidalgo et al. | TransMilenio: A high capacity–low cost bus rapid transit system developed for Bogotá, Colombia | |
Lee et al. | Incorporating e-technology to advantage in a greener taxi industry and its impact on driving performance and safety | |
CN111612927A (zh) | 一种高速公路预约通行系统 | |
Zhang | How do taxis work in beijing? An exploratory study of spatio-temporal taxi travel pattern using GPS data | |
Truong | Impacts of digitalisation on travel behaviour in Hanoi city centre | |
Li et al. | Spatial-Temporal Travel Behavior Analysis of Transit Passengers Based on Massive Smart Card Data and GPS Data | |
Lin et al. | Data-Driven Operation Characteristics Analysis of Traditional Taxis and Transportation Network Company Cars |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C05 | Deemed withdrawal (patent law before 1993) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130814 |