CN104064024B - 一种基于历史数据的公交车辆到站时间预测方法 - Google Patents
一种基于历史数据的公交车辆到站时间预测方法 Download PDFInfo
- Publication number
- CN104064024B CN104064024B CN201410284740.2A CN201410284740A CN104064024B CN 104064024 B CN104064024 B CN 104064024B CN 201410284740 A CN201410284740 A CN 201410284740A CN 104064024 B CN104064024 B CN 104064024B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- station
- data
- gps
- time
- 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.)
- Active
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
一种基于历史数据的公交车辆到站时间预测方法，包括如下步骤：(a)实时接收公交车辆上GPS设备上传的GPS实时数据和车辆到站信息数据；(b)成功获取到车辆GPS实时数据后，进行处理；(c)成功获取到车辆到站信息后，根据车辆到站信息中线路编号和运行方向从在线站点设备中找到要发送消息的站点设备，得到目标站点的最近车辆距离；通过获取线路设定时间运营时段相邻站间车辆运行速度的历史数据和今日数据，使用加权平均法估计当前时段线路下相邻站间车辆平均行驶速度，根据车辆到站点途径的各个站间距离和站间平均行驶速度，估算出各个站间行驶时间，共同预测出车辆到站时间。本发明预测距离较长、实时性良好、准确性良好。
Description
技术领域
本发明涉及一种智能公交技术领域，尤其是一种公交车辆到站时间预测方法。
背景技术
发展公共交通是缓解我国大城市交通拥挤的重要途径之一，提升公共交通服务水平将会大大提升交通运行效率，站台电子站牌是现在运用最广的公共交通基础设备，能为乘客及时的提供车辆到站信息，极大的方便了乘客的出行，随着我国城市化进程的不断加快，公共交通的不断改善，公交站牌的数量日益增多，特别是正确发布到站预告信息对提升公交服务质量非常重要。
现有车辆定位技术中有基于CAN总线的公交车辆定位技术，基于ZigBee技术的公交车辆定位技术和基于RFID的公交车辆定位技术以及使用GPS车载设备的定位技术。使用CAN总线的公交车辆定位技术和RFID的公交车辆定位技术都不能实现长距离定位。
车辆到站信息准确度取决于公交GPS车载设备GPS信号，GPS信号受到天气、环境以及信号干扰等因素的影响，在高楼林立，有桥梁或者是乡村环境下使用时，GPS定位信号容易出现漂移或者是掉线的情况，容易照成一段时间定位不准确，影响到站信息的计算。
车辆到站信息准确度取决于公交车是否存在偏离线路的情况。
目前大多数车辆到站预测方法只能预测车辆到达站点时距离目标站点的距离和时间，不能实时预测车辆距离目标站点的距离和时间。而且在预测时间方面一般采用距离除以固定的速度，或者采用时刻表预报方法，这两种预报方法都受到道路交通的情况和天气环境的影响，不能准确的估计车辆在不同路段不同环境下的到站时间。
目前各地公共交通普遍提供了车辆到站信息提示，但是都有存在到站信息偏差、预测距离短等情况出现，而且随着站台、车辆规模不断增大，计算量变得越来越巨大。一个高效、准确的算法能够为乘客提供实时准确的车辆到站信息，大大提升公共交通服务质量。
发明内容
为了克服已有公交车辆到站时间预测方法的预测距离较短、实时性较差、准确性较差的不足，本发明提供了一种预测距离较长、实时性良好、准确性良好的基于历史数据的公交车辆到站时间预测方法。
本发明解决其技术问题所采用的技术方案是：
一种基于历史数据的公交车辆到站时间预测方法，包括如下步骤：
(a)实时接收公交车辆上GPS设备上传的GPS实时数据和车辆到站信息数据；
(b)成功获取到车辆GPS实时数据后，对所述车辆GPS实时数据进行处理，对车辆实时数据处理包括以下步骤：加载关系数据，从数据库加载站线关联数据、车线关联数据、线路站点站间距离、站台工控机关联数据和各线路下车辆历史平均速度到设备管理服务器内存中；建立一个全局静态的车辆到站信息维护列表，用于保存所有线路下车辆GPS定位信息，便于查找距离站点最近车辆；把实时接收到的车辆GPS信息根据车辆到站信息维护列表中的索引快速更新到车辆到站信息维护列表，同时清除时间过长没有更新的车辆到站数据；
(c)成功获取到车辆到站信息后，根据车辆到站信息中线路编号和运行方向从在线站点设备中找到要发送消息的站点设备，通过车辆到站信息维护列表查找到距离目标站点最近的车辆GPS数据，得到目标站点的最近车辆距离；
通过获取线路设定时间运营时段相邻站间车辆运行速度的历史数据和今日数据，使用加权平均法估计当前时段线路下相邻站间车辆平均行驶速度，根据车辆到站点途径的各个站间距离和站间平均行驶速度，估算出各个站间行驶时间，共同预测出车辆到站时间。
进一步，所述步骤(c)中，在成功获取到车辆到站数据后，会通过该车辆当前线路前一站到站时间和当前站到站时间的时间差和站间距计算该车辆当前线路上一站到当前站平均速度，并将该车辆当前线路下上一站到当前站的平均速度存入数据库，数据库每天通过job定时计算当天各线路各时段相邻站间车辆的平均速度，并存库。
再进一步，所述步骤(c)中，所述车辆到站时间的预测公式为：
其中Li表示第i-1站到第i站的距离；
n表示目标站的序号；
l表示该车辆和下一站之间的距离；
t表示到车辆下一站的序号；
si表示第i-1站到第i站的平均速度。
更进一步，用于计算相邻下站车辆平均速度的加权平均法，其公式为：
式中：
Yn+1为预测平均速度
Yi为第i天个相邻实际平均速度；
Xi为第i天的权数，各个权数的和等于1；
N为史数据总天数。
所述预测方法还包括以下步骤：(d)通过计算得到车辆到站距离、时间和线路车辆位置后，发送到设备管理服务器设备连接列表中相应的电子站牌和电子站节牌上显示。
所述步骤(a)中，在接收到车辆GPS实时数据后有如下处理步骤：
获取车辆GPS实时数据中运营状态，判断GPS实时数据是否运营数据；
若判断结果为运营，则判断车辆到站信息维护列表中是否包含车辆GPS数据中的线路编号；
若判断结果为包含，则判断GPS实时数据的坐标是否有漂移的情况；
若判断结果为否，则将车辆实时数据中的车辆实时速度纳入计算当前线路相邻站间平均速度，更新线路各个时段相邻站间车辆运行速度到数据库并存入数据库，然后判断车辆到站信息维护列表中该车辆GPS实时数据线路下是否包含该车辆GPS实时数据中的车辆；
若判断结果为包含，则更新车辆到站信息维护列表中该线路下车辆的GPS实时信息；
若判断结果为不包含，则在车辆到站信息维护列表下添加一条。
步骤(a)中公交车辆GPS车载设备每隔一段时间发送车辆GPS实时数据；在GPS车载设备检测到车辆到达站或者离站时，GPS车载设备会发送车辆到站数据。
步骤(c)中计算车辆到站最短距离的步骤包括：遍历车辆到站信息维护列表中车辆GPS信息；判断车辆GPS信息的运行方向和车辆运行方向是否相同；
如果相同，则判断车辆GPS信息的下一站序号是否小于当前站点序号，
如果小于，则通过车辆到站距离算法得出车辆到站距离，其中车辆到站最短距离算法如下：
其中Li表示第i-1站到第i站的距离；
n表示目标站的序号；
l表示该车辆和下一站之间的距离。
所述车辆GPS实时数据包括：车号、线路编号、设备编号、下站序号、车辆经度、车辆纬度、时间、运营状态、运行方向、上一站点编号、下一站点编号、停站状态、车辆实时速度；所述车辆到站数据包括：车号、线路编号、设备编号、下站序号、车辆经度车辆纬度、时间、运营状态、运行方向、站点编号、进站出站状态、车辆实时速度。
本发明的有益效果主要表现在：(1)目前现有车辆定位技术中有基于CAN总线的公交车辆定位技术，基于ZigBee技术的公交车辆定位技术和基于RFID的公交车辆定位技术以及使用GPS车载设备的定位技术。使用CAN总线的公交车辆定位技术和RFID的公交车辆定位技术都不能实现长距离定位。本文中车辆到站信息预测方法使用公交GPS车载设备定位，克服了以上两者设备不能长距离定位的问题，能够实时且准确的获取车辆定位信息。
(2)目前大多数车辆到站预测方法只能预测车辆到达站点时距离目标站点的距离和时间，不能实时预测车辆距离目标站点的距离和时间。而且在预测时间方面一般采用距离除以固定的速度，或者采用时刻表预报方法，这两种预报方法都受到道路交通的情况和天气环境的影响，不能准确的估计车辆在不同路段不同环境下的到站时间。本车辆到站信息预测方法考虑天气、节假日、时段等因素，通过对历史数据和当前数据的分析，能够更加准确的预计车辆到站时间。
(3)目前各地大多数到站信息提示服务，大部分只在最近的车辆到站时提示，并且只提示车辆距离几站或者只在车辆距离目标站点很近的位置时提示，没有对车辆到站距离和时间有长期或者实时的提示效果,本文中的预测方法能够在最近的公交车辆在线路上任何的位置上提示，并且能够在该线路上任何车辆到站时，计算最近车辆的实时距离和时间(该数据的延迟不超过15秒)，能够做到实时的计算车辆到站距离并且不会太频繁的刷新到站信息。
附图说明
图1是系统的架构图。
图2是车辆到站信息维护列表结构示意图。
图3是车辆到站信息预告方法流程图。
图4是实例中均匀速度预测的结果示意图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1～图3，一种基于历史数据的公交车辆到站时间预测方法，包括如下步骤：
(a)实时接收公交车辆上GPS设备上传的GPS实时数据和车辆到站信息数据；
所述车辆GPS实时数据包括：车号、线路编号、设备编号、下站序号、车辆经度、车辆纬度、时间、运营状态、运行方向、上一站点编号、下一站点编号、停站状态、车辆实时速度。
所述车辆到站数据包括：车号、线路编号、设备编号、下站序号、车辆经度车辆纬度、时间、运营状态、运行方向、站点编号、进站出站状态、车辆实时速度。
(b)成功获取到车辆GPS实时数据后，对所述车辆GPS实时数据进行处理，对车辆实时数据处理包括以下步骤：加载关系数据，从数据库加载站线关联数据、车线关联数据、线路站点站间距离、站台工控机关联数据和各线路下车辆历史平均速度到设备管理服务器内存中；建立一个全局静态的车辆到站信息维护列表,用于保存所有线路下车辆GPS定位信息，便于查找距离站点最近车辆；把实时接收到的车辆GPS信息根据车辆到站信息维护列表中的索引快速更新到车辆到站信息维护列表，同时清除时间过长没有更新的车辆到站数据。
用于记录线路各个时段相邻站间车辆运行速度的表结构如表1所示：
表1
(c)成功获取到车辆到站信息后，根据车辆到站信息中线路编号和运行方向从在线站点设备中找到要发送消息的站点设备，通过车辆到站信息维护列表查找到距离目标站点最近的车辆GPS数据，得到目标站点的最近车辆距离；
通过获取线路设定时间运营时段相邻站间车辆运行速度的历史数据和今日数据，使用加权平均法估计当前时段线路下相邻站间车辆平均行驶速度，根据车辆到站点途径的各个站间距离和站间平均行驶速度，估算出各个站间行驶时间，共同预测出车辆到站时间。
步骤(c)中，在成功获取到车辆到站数据后，会通过该车辆当前线路前一站到站时间和当前站到站时间的时间差和站间距计算该车辆当前线路上一站到当前站平均速度，并将该车辆当前线路下上一站到当前站的平均速度存入数据库。数据库每天通过job定时计算当天各线路各时段相邻站间车辆的平均速度，并存库。
进一步，所述步骤(c)中，所述车辆到站时间的预测公式为：
其中Li表示第i-1站到第i站的距离；
n表示目标站的序号。
l表示该车辆和下一站之间的距离。
t表示到车辆下一站的序号。
si表示第i-1站到第i站的平均速度。
上述公式中,所述用于计算相邻下站车辆平均速度的加权平均法,其公式为：
式中：
Yn+1——预测平均速度
Yi——第i天个相邻实际平均速度；
xi——第i天的权数(权数的和等于1)；
n——历史数据总天数；
进一步，所述预测方法还包括以下步骤：(d)通过计算得到车辆到站距离、时间和线路车辆位置后，发送到设备管理服务器设备连接列表中相应的电子站牌和电子站节牌上显示。
所述步骤(a)中，在接收到车辆GPS实时数据后有如下处理步骤：
获取车辆GPS实时数据中运营状态，判断GPS实时数据是否运营数据。
若判断结果为运营，则判断车辆到站信息维护列表中是否包含车辆GPS数据中的线路编号。
若判断结果为包含，则判断GPS实时数据的坐标是否有漂移的情况。
若判断结果为否，则将车辆实时数据中的车辆实时速度纳入计算当前线路相邻站间平均速度，更新线路各个时段相邻站间车辆运行速度到数据库并存入数据库，然后判断车辆到站信息维护列表中该车辆GPS实时数据线路下是否包含该车辆GPS实时数据中的车辆。
若判断结果为包含，则更新车辆到站信息维护列表中该线路下车辆的GPS实时信息。
若判断结果为不包含，则在车辆到站信息维护列表下添加一条
其中步骤(a)中公交车辆GPS车载设备每隔一段时间发送车辆GPS实时数据；在GPS车载设备检测到车辆到达站或者离站时，GPS车载设备会发送车辆到站数据。
步骤(c)中计算车辆到站最短距离的步骤包括：
遍历车辆到站信息维护列表中车辆GPS信息。
判断车辆GPS信息的运行方向和车辆运行方向是否相同。
如果相同，则判断车辆GPS信息的下一站序号是否小于当前站点序号，
如果小于，则通过车辆到站距离算法得出车辆到站距离。其中车辆到站最短距离算法如下：
其中Li表示第i-1站到第i站的距离；
n表示目标站的序号；
l表示该车辆和下一站之间的距离。
实例：以下以在盐城65路(首班为6:30，末班为18:30)的希望大道珠江路口至盐城综合保税区8:00至9:00历史平局速度数据为例，如表2所示
| 日期 | 时段 | 天气 | 星期 | 速度 |
| 2014/5/2 | 8:00-9:00 | 晴 | 星期五 | 33.23 |
| 2014/5/3 | 8:00-9:00 | 晴 | 星期六 | 32.55 |
| 2014/5/4 | 8:00-9:00 | 晴 | 星期日 | 35.33 |
| 2014/5/5 | 8:00-9:00 | 晴 | 星期一 | 34.21 |
| 2014/5/6 | 8:00-9:00 | 晴 | 星期二 | 36.29 |
| 2014/5/7 | 8:00-9:00 | 晴 | 星期三 | 36.41 |
| 2014/5/8 | 8:00-9:00 | 晴 | 星期四 | 35.77 |
| 2014/5/9 | 8:00-9:00 | 晴 | 星期五 | 33.21 |
| 2014/5/10 | 8:00-9:00 | 晴 | 星期六 | 33.41 |
| 2014/5/11 | 8:00-9:00 | 晴 | 星期日 | 35.29 |
| 2014/5/12 | 8:00-9:00 | 晴 | 星期一 | 34.54 |
| 2014/5/13 | 8:00-9:00 | 晴 | 星期二 | 33.31 |
| 2014/5/14 | 8:00-9:00 | 晴 | 星期三 | 36.33 |
| 2014/5/15 | 8:00-9:00 | 晴 | 星期四 | 35.04 |
| 2014/5/16 | 8:00-9:00 | 晴 | 星期五 | 33.19 |
| 2014/5/17 | 8:00-9:00 | 晴 | 星期六 | 34.66 |
| 2014/5/18 | 8:00-9:00 | 晴 | 星期日 | 35.96 |
| 2014/5/19 | 8:00-9:00 | 晴 | 星期一 | 35.93 |
| 2014/5/20 | 8:00-9:00 | 晴 | 星期二 | 35.04 |
| 2014/5/21 | 8:00-9:00 | 晴 | 星期三 | 36.50 |
| 2014/5/22 | 8:00-9:00 | 晴 | 星期四 | 35.48 |
| 2014/5/23 | 8:00-9:00 | 晴 | 星期五 | 33.29 |
表2
使用加权平均法模拟的希望大道珠江路口至盐城综合保税区9:00至10:00的平均速度，在式中对相同星期的给予较大的权数，对以下是使用加权平均法推算13号至22号平均速度的结果。
上述预测到站时间算法，预测车辆在当前行驶线路下相邻站间的平均速度，其权重考虑了天气、节假日、时段等因素，提高了估算的准确度。从图4中可以看到，通过本文中的加权平均法，能较为准确的预测平均速度。
下表3为2014年5月26日测试65路的实际到站时间和预测到站时间对比表
| 站点 | 进站时间 | 预测到站时间 | 偏差 |
| 盐城综合保税区 | 07:13:46 | 07:13:55 | 09 |
| 伊曼雅实业 | 07:15:14 | 07:15:31 | 17 |
| 界河七组 | 07:16:26 | 07:16:33 | 07 |
| 国际投资中心 | 07:19:37 | 07:19:55 | 18 |
| 东风悦达起亚二工厂 | 07:21:00 | 07:21:05 | 05 |
| 盐城国际软件园 | 07:21:43 | 07:21:58 | 15 |
| 师院新长校区 | 07:23:13 | 07:23:29 | 16 |
| 工学院新校区 | 07:24:25 | 07:25:02 | 37 |
| 亭湖区行政中心 | 07:25:11 | 07:26:02 | 51 |
| 新河路 | 07:26:45 | 07:27:50 | 65 |
| 平均 | 24 |
表3
从上表3可以看到，公交车到站预测的平均误差在24秒以内，在等候的许可范围内。
Claims (8)
1.一种基于历史数据的公交车辆到站时间预测方法，其特征在于：包括如下步骤：
(a)实时接收公交车辆上GPS设备上传的GPS实时数据和车辆到站信息数据；
(b)成功获取到车辆GPS实时数据后，对所述车辆GPS实时数据进行处理，对车辆实时数据处理包括以下步骤：加载关系数据，从数据库加载站线关联数据、车线关联数据、线路站点站间距离、站台工控机关联数据和各线路下车辆历史平均速度到设备管理服务器内存中；建立一个全局静态的车辆到站信息维护列表，用于保存所有线路下车辆GPS定位信息，便于查找距离站点最近车辆；把实时接收到的车辆GPS信息根据车辆到站信息维护列表中的索引快速更新到车辆到站信息维护列表，同时清除时间过长没有更新的车辆到站数据；
(c)成功获取到车辆到站信息后，根据车辆到站信息中线路编号和运行方向从在线站点设备中找到要发送消息的站点设备，通过车辆到站信息维护列表查找到距离目标站点最近的车辆GPS数据，得到目标站点的最近车辆距离；
通过获取线路设定时间运营时段相邻站间车辆运行速度的历史数据和今日数据，使用加权平均法估计当前时段线路下相邻站间车辆平均行驶速度，根据车辆到站点途径的各个站间距离和站间平均行驶速度，估算出各个站间行驶时间，共同预测出车辆到站时间；所述步骤(c)中，在成功获取到车辆到站数据后，会通过该车辆当前线路前一站到站时间和当前站到站时间的时间差和站间距计算该车辆当前线路上一站到当前站平均速度，并将该车辆当前线路下上一站到当前站的平均速度存入数据库，数据库每天通过job定时计算当天各线路各时段相邻站间车辆的平均速度，并存库。
2.如权利要求1所述的一种基于历史数据的公交车辆到站时间预测方法，其特征在于：所述步骤(c)中，所述车辆到站时间的预测公式为：
其中Li表示第i-1站到第i站的距离；
n表示目标站的序号；
l表示该车辆和下一站之间的距离；
t表示到车辆下一站的序号；
si表示第i-1站到第i站的平均速度。
3.如权利要求1所述的一种基于历史数据的公交车辆到站时间预测方法，其特征在于：用于计算相邻下站车辆平均速度的加权平均法,其公式为：
式中：
Yn+1——预测平均速度
Yi——第i天个相邻实际平均速度；
Xi——第i天的权数，各个权数的和等于1；
n——历史数据总天数。
4.如权利要求1所述的一种基于历史数据的公交车辆到站时间预测方法，其特征在于：所述预测方法还包括以下步骤：(d)通过计算得到车辆到站距离、时间和线路车辆位置后，发送到设备管理服务器设备连接列表中相应的电子站牌和电子站节牌上显示。
5.如权利要求1所述的一种基于历史数据的公交车辆到站时间预测方法，其特征在于：所述步骤(a)中，在接收到车辆GPS实时数据后有如下处理步骤：
获取车辆GPS实时数据中运营状态，判断GPS实时数据是否运营数据；
若判断结果为运营，则判断车辆到站信息维护列表中是否包含车辆GPS数据中的线路编号；
若判断结果为包含，则判断GPS实时数据的坐标是否有漂移的情况；
若判断结果为不包含，则将车辆实时数据中的车辆实时速度纳入计算当前线路相邻站间平均速度，更新线路各个时段相邻站间车辆运行速度到数据库并存入数据库，然后判断车辆到站信息维护列表中该车辆GPS实时数据线路下是否包含该车辆GPS实时数据中的车辆；
若判断结果为包含，则更新车辆到站信息维护列表中该线路下车辆的GPS实时信息；
若判断结果为不包含，则在车辆到站信息维护列表下添加一条。
6.如权利要求1所述的一种基于历史数据的公交车辆到站时间预测方法，其特征在于：步骤(a)中公交车辆GPS车载设备每隔一段时间发送车辆GPS实时数据；在GPS车载设备检测到车辆到达站或者离站时，GPS车载设备会发送车辆到站数据。
7.如权利要求1所述的一种基于历史数据的公交车辆到站时间预测方法，其特征在于：步骤(c)中计算车辆到站最短距离的步骤包括：
遍历车辆到站信息维护列表中车辆GPS信息；
判断车辆GPS信息的运行方向和车辆运行方向是否相同；
如果相同，则判断车辆GPS信息的下一站序号是否小于当前站点序号，
如果小于，则通过车辆到站距离算法得出车辆到站距离，其中车辆到站最短距离算法如下：
其中Li表示第i-1站到第i站的距离；
n表示目标站的序号；
l表示该车辆和下一站之间的距离。
8.如权利要求1所述的一种基于历史数据的公交车辆到站时间预测方法，其特征在于：所述车辆GPS实时数据包括：车号、线路编号、设备编号、下站序号、车辆经度、车辆纬度、时间、运营状态、运行方向、上一站点编号、下一站点编号、停站状态和车辆实时速度；所述车辆到站数据包括：车号、线路编号、设备编号、下站序号、车辆经度车辆纬度、时间、运营状态、运行方向、站点编号、进站出站状态和车辆实时速度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410284740.2A CN104064024B (zh) | 2014-06-23 | 2014-06-23 | 一种基于历史数据的公交车辆到站时间预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410284740.2A CN104064024B (zh) | 2014-06-23 | 2014-06-23 | 一种基于历史数据的公交车辆到站时间预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104064024A CN104064024A (zh) | 2014-09-24 |
| CN104064024B true CN104064024B (zh) | 2016-04-06 |
Family
ID=51551710
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410284740.2A Active CN104064024B (zh) | 2014-06-23 | 2014-06-23 | 一种基于历史数据的公交车辆到站时间预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104064024B (zh) |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104464276B (zh) * | 2014-12-15 | 2017-01-04 | 哈尔滨工业大学 | 一种基于gps技术的防止公交车集中到站的调度方法 |
| CN106291597B (zh) * | 2015-05-26 | 2019-01-08 | 深圳市腾讯计算机系统有限公司 | 公交车运行状态的监控方法和装置 |
| CN106326998A (zh) * | 2015-06-29 | 2017-01-11 | 株式会社日立制作所 | 路径规划方法和路径规划装置 |
| CN107238391A (zh) * | 2016-03-28 | 2017-10-10 | 高德软件有限公司 | 一种公交出行路线的推荐方法及装置 |
| CN106056954A (zh) * | 2016-08-16 | 2016-10-26 | 合肥东上多媒体科技有限公司 | 基于gps车辆交通状态显示提示系统 |
| CN106274994B (zh) * | 2016-08-30 | 2018-11-13 | 湖南中车时代通信信号有限公司 | 一种列车全线到站时间预测方法和系统 |
| CN109426930B (zh) * | 2017-08-25 | 2023-07-18 | 株式会社日立制作所 | 物流车辆的运输延迟预测系统及方法 |
| CN108205894B (zh) * | 2018-01-02 | 2020-10-09 | 苏州桠鑫电子科技有限公司 | 基于过往车辆速度判断公交路线拥挤度的方法 |
| CN108010365A (zh) * | 2018-01-02 | 2018-05-08 | 苏州桠鑫电子科技有限公司 | 一种能准确预报公交车辆实际到站时间的方法 |
| CN108154698B (zh) * | 2018-01-05 | 2020-12-29 | 上海元卓信息科技有限公司 | 一种基于gps轨迹大数据的公交到离站精确时间计算方法 |
| CN108062858A (zh) * | 2018-01-09 | 2018-05-22 | 吉旗（成都）科技有限公司 | 一种结合历史任务计算预计到达时间的算法 |
| CN108922225B (zh) * | 2018-07-18 | 2021-12-28 | 江苏艾尼尔建设集团有限公司 | 一种智能公交站牌系统 |
| CN108877276B (zh) * | 2018-08-31 | 2020-07-03 | 深圳市东部公共交通有限公司 | 快速预测公交行驶时间方法、装置及计算机终端 |
| CN109637178A (zh) * | 2018-11-29 | 2019-04-16 | 北京依途网络科技有限公司 | 车辆到站时间确定方法及设备 |
| CN110288830A (zh) * | 2019-06-30 | 2019-09-27 | 浪潮卓数大数据产业发展有限公司 | 一种城市公交实时到站时间预测的方法 |
| CN112365735B (zh) * | 2020-11-09 | 2021-11-23 | 深圳市图敏智能视频股份有限公司 | 一种定位数据失效后公交进站报站方法、系统及存储介质 |
| CN112396865A (zh) * | 2020-11-18 | 2021-02-23 | 南京智慧交通信息股份有限公司 | 一种基于线路轨迹的实时公交到站预测方法 |
| CN113870594A (zh) * | 2021-09-27 | 2021-12-31 | 云知声（上海）智能科技有限公司 | 智慧城市场景下的特种车辆避让提醒系统及方法 |
| CN113911183B (zh) * | 2021-11-25 | 2023-12-01 | 卡斯柯信号有限公司 | 一种后备模式下平均旅行速度的自动验证方法和装置 |
| CN117334072B (zh) * | 2023-12-01 | 2024-02-23 | 青岛城运数字科技有限公司 | 公交车辆到站时刻预测方法和装置 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002048587A (ja) * | 2000-08-02 | 2002-02-15 | Railway Technical Res Inst | 運行案内情報提供システムおよび運行案内情報提供方法、乗降車案内情報提供装置、並びに記録媒体 |
| GB2382203A (en) * | 2001-11-20 | 2003-05-21 | Hewlett Packard Co | Alerting users to impending events |
| CN1963847B (zh) * | 2005-11-07 | 2011-03-09 | 同济大学 | 预测公交车到站的方法 |
| CN101388143B (zh) * | 2007-09-14 | 2011-04-13 | 同济大学 | 基于浮动车数据的公交到站时间预测方法 |
| IL205371A0 (en) * | 2010-04-27 | 2010-12-30 | Transspot Ltd | A method for accurately timing stations on a public transportation route |
| CN102157075B (zh) * | 2011-03-15 | 2013-07-03 | 上海交通大学 | 公交到站的预测方法 |
| CN102708701B (zh) * | 2012-05-18 | 2015-01-28 | 中国科学院信息工程研究所 | 一种公交车到站时间实时预测系统和方法 |
| CN103310651B (zh) * | 2013-05-24 | 2016-03-02 | 北京市交通信息中心 | 一种基于实时路况信息的公交到站预测方法 |
| CN103295414B (zh) * | 2013-05-31 | 2016-01-20 | 北京建筑大学 | 一种基于海量历史gps轨迹数据的公交车到站时间预测方法 |
-
2014
- 2014-06-23 CN CN201410284740.2A patent/CN104064024B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN104064024A (zh) | 2014-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104064024B (zh) | 一种基于历史数据的公交车辆到站时间预测方法 | |
| CN104966408B (zh) | 一种gps定位数据补偿方法 | |
| Bejan et al. | Statistical modelling and analysis of sparse bus probe data in urban areas | |
| Gong et al. | Hybrid dynamic prediction model of bus arrival time based on weighted of historical and real-time GPS data | |
| CN102890869A (zh) | 车辆行车路线预测通知方法及移动智能终端 | |
| CN103186981B (zh) | 一种大型警卫任务精确指挥调度系统及方法 | |
| CN201804445U (zh) | 一种智能公交营运管理系统 | |
| CN103440768A (zh) | 一种基于动态修正的公交车到达时间实时预测方法 | |
| CN104240529A (zh) | 一种预测公交到站时间的方法及系统 | |
| CN112036757A (zh) | 基于手机信令和浮动车数据的停车换乘停车场的选址方法 | |
| CN106228830A (zh) | 一种公交车到站时间实时预测系统及方法 | |
| CN113888857A (zh) | 基于车联网的公共交通管理系统、装置及方法 | |
| CN111161531A (zh) | 一种基于公交车载终端判断线路正返程和进出站的方法 | |
| CN103778800A (zh) | 一种小站距公交车到站时间预告系统的设置方法 | |
| CN107221183B (zh) | 一种公共交通工具实时报站方法及装置 | |
| CN108303112A (zh) | 一个基于出租车群的城市包裹递送路线规划系统 | |
| CN103646540B (zh) | 一种校车行驶路线、方向及进出站自动识别方法 | |
| CN102496277A (zh) | 道路交通信息的获取方法及装置 | |
| CN109326135A (zh) | 基于预警消息处理的智能化公共交通调度系统 | |
| CN109754606A (zh) | 一种基于出租车定位预测道路拥堵情况的方法 | |
| CN104574946A (zh) | 一种快速公交车辆换乘信息车厢发布方法及系统 | |
| CN103323021A (zh) | 一种公共汽车到站距离预报以及地理位置定位方法 | |
| CN104167110B (zh) | 基于数据延迟估计的公交车到站信息预报准确度校正方法 | |
| CN113420439B (zh) | 综合交通承载力计算方法、装置、计算机设备及存储介质 | |
| Ghiani et al. | Estimating travel and service times for automated route planning and service certification in municipal waste management |
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 | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 310012 floor 1, building 1, No. 223, Yile Road, Xihu District, Hangzhou City, Zhejiang Province Patentee after: Yinjiang Technology Co.,Ltd. Address before: 310012 floor 1, building 1, No. 223, Yile Road, Xihu District, Hangzhou City, Zhejiang Province Patentee before: ENJOYOR Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |