CN104424812A - 一种公交到站时间预测系统和方法 - Google Patents
一种公交到站时间预测系统和方法 Download PDFInfo
- Publication number
- CN104424812A CN104424812A CN201310379856.XA CN201310379856A CN104424812A CN 104424812 A CN104424812 A CN 104424812A CN 201310379856 A CN201310379856 A CN 201310379856A CN 104424812 A CN104424812 A CN 104424812A
- Authority
- CN
- China
- Prior art keywords
- time
- bus
- data
- public
- arrival 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.)
- Granted
Links
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
Abstract
本发明公开了一种公交到站时间预测系统和方法。采集途经监测点的公交车的图像;对采集到的图像进行数据提取,所提取的数据至少包括如下之一:公交线路号、车牌号、采集地点、采集时间;根据提取到的数据查询公交车从监测点到预测站点的运行时间的历史数据,计算所述公交车到达下一站的预测时间。本发明可以不依赖于公交车GPS数据进行到站时间预测。
Description
技术领域
本发明涉及物联网在智能交通的应用技术领域,尤其涉及一种公交到站时间预测系统和方法。
背景技术
实时准确的公交到站时间预测是城市公共交通系统研究的核心问题之一,不仅能为出行者提供出行选择,缓解乘客焦虑情绪,提高乘车满意度,还能为相关部门科学管理、合理调度提供参考。因此,结合先进的信息采集和通信手段,研究实时精确的公交到站时间预测方法在理论和实际工程应用中都非常有意义。
现有的公交到站预测技术主要有以下两种:
第一种,通过公交GPS数据、路况、行驶速度等实时数据进行预测。
例如,有一种基于浮动车数据的公交到站时间预测,首先利用公交GPS数据,采用空间分隔法对公交线路进行分区,并根据公交GPS数据经过地图匹配转换实时计算公交车在某一时刻所在的分区,从而获得该车前设定时间内所有由GPS数据确定的所在分区到本分区的行程时间;然后根据实时的公交GPS数据中的辅助信息获取公交车的实际到站时间,统计根据该车之前所有返回数据计算的所在分区运行到本站台的历史到站时间,使分区到站台的预测到站时间能随着历史数据的积累不断的进行自适应更新,并进行历史数据检索和维护;每当有新公交GPS数据返回时,根据该车所在的分区从历史库中读取该车到前方各站的历史到站时间作为预测到站时间,或获得该分区到前方各站的路段行程时间,用历史时间与各路段行程时间之和两项时间加权平均值作为预测到站时间。
第二种,采用数学工具对公交车实时运行数据和到站历史数据进行分析预测。
例如在预测周期内,采用卡尔曼滤波法分析实时GPS数据预测到站时间,最终通过误差加权把历史数据和实时数据两种预测结果综合起来作为最终的发布信息;
再比如基于SVM及H∞滤波方法进行数学建模,首先利用公交车到达每个站点的历史时间数据库构建SVM模型,确定输入变量的值,预测相邻站点之间的运行时间,然后基于H∞滤波思想,结合实时公交车运行信息和相邻站点之间的运行时间,预测公交车到达下游每个站点的时间。
这些方案均以公交车GPS数据作为必要输入,在实施上依赖于各公交车运营公司在运营车辆上对GPS车载终端的装配率、以及公交公司对这些公交信息的开放程度。
发明内容
鉴于以上,本发明提出一种公交到站时间预测系统和方法,以解决依赖于公交车GPS数据进行到站时间预测的问题。
根据本发明一方面,提出一种公交到站时间预测系统,包括:图像采集单元,采集途经监测点的公交车的图像;信息提取单元,对采集到的图像进行数据提取,所提取的数据至少包括如下之一:公交线路号、车牌号、采集地点、采集时间;到达时间计算单元,根据提取到的数据查询公交车从监测点到预测站点的运行时间的历史数据,计算所述公交车到达下一站的预测时间。
优选地,还包括显示单元,将预测时间呈现给用户。
优选地,还包括存储单元,存储数据,所存储的数据至少包括如下之一:摄像头的采集地点与公交线路号的对应关系、公交线路在两个监测点之间的实际运行时间和速度、采集地点对应的公交线路到下一站点的历史运行时间、路段当前的路况信息。
优选地,到达时间计算单元对所述历史数据进行加权运算,计算所述公交车到达下一站的预测时间。
优选地,信息提取单元设置提取条件,当图像中包括设置的提取条件时,则对采集到的图像进行数据提取。
根据本发明另一方面,还提出一种公交到站时间预测方法,包括:采集途经监测点的公交车的图像;对采集到的图像进行数据提取,所提取的数据至少包括如下之一:公交线路号、车牌号、采集地点、采集时间;根据提取到的数据查询公交车从监测点到预测站点的运行时间的历史数据,计算所述公交车到达下一站的预测时间。
优选地,将预测时间呈现给用户。
优选地,存储至少如下之一的数据:摄像头的采集地点与公交线路号的对应关系、公交线路在两个监测点之间的实际运行时间和速度、采集地点对应的公交线路到下一站点的历史运行时间、路段当前的路况信息。
优选地,对所述历史数据进行加权运算,计算所述公交车到达下一站的预测时间。
优选地,设置提取条件,当图像中包括设置的提取条件时,则对采集到的图像进行数据提取。
本发明在城市公交线路中选取合理分布的集中监测点,通过架设的高清摄像头采集并分析出公交车实时运行的位置,并结合公交车从监测点到预测站点的运行时间的历史数据进行加权运算,对公交到站时间进行预测。
本发明可以在城市路网监测系统中实施,共用其基础设施,能够灵活弹性地适用于繁多的公交线路的信息采集及分析,对各条公交线路具有通用性,是一种大范围适用、灵活、低成本的公交到站预报方式。不依赖于公交车的终端数据源。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1所示为本发明一实施例中的一种公交到站时间预测系统的结构示意图。
图2所示为本发明一实施例中的一种公交到站时间预测方法的流程示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本发明在城市公交线路中选取合理分布的集中监测点,通过架设的高清摄像头采集并分析出公交车实时运行的位置,并结合公交车从监测点到预测站点的运行时间的历史数据进行加权运算,对公交到站时间进行预测。
本发明可以在城市路网监测系统中实施,共用其基础设施,能够灵活弹性地适用于繁多的公交线路的信息采集及分析,对各条公交线路具有通用性,是一种大范围适用、灵活、低成本的公交到站预报方式。不依赖于公交车的终端数据源。
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
图1所示为本发明一实施例中的一种公交到站时间预测系统的结构示意图。该系统包括:图像采集单元、信息提取单元和到达时间计算单元。
图像采集单元,采集途经监测点的公交车的图像。图像采集单元可以使用高清摄像头,设置在公交站点、路口等交通路段。
信息提取单元,对采集到的图像进行数据提取。提取后的数据包括但不限于公交线路号、车牌号、采集地点、采集时间。例如,摄像头拍摄到一张到站的公交车图像后,提取到该车为119路,车牌为ABC123等。
其中,信息提取单元设置提取条件,例如,公交线路号、车牌号和运行时间。对采集到的图像进行识别,当图像中包括设置的提取条件时,则提取图像数据。例如,信息提取单元识别出图像包括公交线路118,如果设置的提取条件包括对118线路的监测,则提取该图像数据。如果对该采集地点设置的提取条件不包括对118线路的监测,则不进行后续处理。
到达时间计算单元,根据提取到的数据与公交车从监测点到预测站点的运行时间的历史数据进行加权运算,计算该公交线路到达下一站的预测时间。
例如,提取到的信息为119路公交车ABC123于12点到达采集地点3,又从存储单元中查询到该路公交车从该采集地点运行到下一站的历史平均时间是3分钟(数据1),而最近一次从该采集地点运行到下一站的时间是5分钟(数据2),再倒数第二次的从该采集地点运行到下一站的时间是4分钟(数据3),那么就可以通过数据的加权和来计算该119路公交车到达下一战的时间,例如数据1加权10%,数据2加权70%,数据3加权20%,则3×10%+5×70%+4×20%=4.6分钟,即,该公交线路在4.6分钟之后到达下一站。
在本发明的一个实施例中,还如图1所示,所述系统还包括:
存储单元,存储数据。包括但不限于:摄像头采集地点与公交线路号及公交站点的对应关系、公交线路在两个监测点之间的实际运行时间和速度、采集地点对应的公交线路到下一站点的历史运行时间、该路段当前的路况信息等。
在本发明的一个实施例中,还如图1所示,所述系统还包括:
显示单元,将预测时间呈现给用户。例如,可以是公交站点的电子显示牌,可以是发布在互联网上的数据供人查询,可以是短信发送给订阅了线路运行信息的用户手机,可以是数据推送到订阅信息的用户手机客户端进行显示。
图2所示为本发明一实施例中的一种公交到站时间预测方法的流程示意图。该方法包括以下步骤:
步骤21,采集途经监测点的公交车的图像。
可以使用高清摄像头采集公交车的图像,该高清摄像头可以设置在公交站点、路口等交通路段。
步骤22,对采集到的图像进行数据提取,所提取的数据至少包括如下之一:公交线路号、车牌号、采集地点、采集时间。例如,摄像头拍摄到一张到站的公交车图像后,提取到该车为119路,车牌为ABC123等。
其中,还可以设置提取条件,例如,公交线路号、车牌号和运行时间。当图像中包括设置的提取条件时,则对采集到的图像进行数据提取。例如,识别出图像包括公交线路118,如果设置的提取条件包括对118线路的监测,则提取该图像数据。如果对该采集地点设置的提取条件不包括对118线路的监测,则不进行后续处理。
步骤23,根据提取到的数据查询公交车从监测点到预测站点的运行时间的历史数据,计算所述公交车到达下一站的预测时间。
其中,可以对所述历史数据进行加权运算,计算所述公交车到达下一站的预测时间。
例如,提取到的信息为119路公交车ABC123于12点到达采集地点3,根据提取到的数据查询到该路公交车从该采集地点运行到下一站的历史平均时间是3分钟(数据1),而最近一次从该采集地点运行到下一站的时间是5分钟(数据2),再倒数第二次的从该采集地点运行到下一站的时间是4分钟(数据3),那么就可以通过数据的加权和来计算该119路公交车到达下一战的时间,例如数据1加权10%,数据2加权70%,数据3加权20%,则3×10%+5×70%+4×20%=4.6分钟,即,该公交线路在4.6分钟之后到达下一站。
在本发明的一个实施例中,还如图2所示,在步骤23之后,还包括:
步骤24,将预测时间呈现给用户。例如,可以是公交站点的电子显示牌,可以是发布在互联网上的数据供人查询,可以是短信发送给订阅了线路运行信息的用户手机,可以是数据推送到订阅信息的用户手机客户端进行显示。
在本发明的一个实施例中,还包括:存储数据的操作。即,存储至少如下之一的数据:摄像头的采集地点与公交线路号的对应关系、公交线路在两个监测点之间的实际运行时间和速度、采集地点对应的公交线路到下一站点的历史运行时间、路段当前的路况信息。
本发明不依赖于公交车运营公司对GPS车载终端的支持和相关信息的开放,对监测网点覆盖范围内的所有公交车线路具有普遍适用性,对新公交线路的信息采集和预测快速灵活、不受限制;实施上可以共用城市路网监测系统,充分利用城市基础设施。
至此,已经详细描述了本发明。为了避免遮蔽本发明的构思,没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述,完全可以明白如何实施这里公开的技术方案。
可能以许多方式来实现本发明的方法以及装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法以及装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本发明的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明的方法的机器可读指令。因而,本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本发明的范围。本领域的技术人员应该理解,可在不脱离本发明的范围和精神的情况下,对以上实施例进行修改。本发明的范围由所附权利要求来限定。
Claims (10)
1.一种公交到站时间预测系统,其特征在于:
图像采集单元,采集途经监测点的公交车的图像;
信息提取单元,对采集到的图像进行数据提取,所提取的数据至少包括如下之一:公交线路号、车牌号、采集地点、采集时间;
到达时间计算单元,根据提取到的数据查询公交车从监测点到预测站点的运行时间的历史数据,计算所述公交车到达下一站的预测时间。
2.根据权利要求1所述公交到站时间预测系统,其特征在于:
显示单元,将预测时间呈现给用户。
3.根据权利要求1所述公交到站时间预测系统,其特征在于:
存储单元,存储数据,所存储的数据至少包括如下之一:摄像头的采集地点与公交线路号的对应关系、公交线路在两个监测点之间的实际运行时间和速度、采集地点对应的公交线路到下一站点的历史运行时间、路段当前的路况信息。
4.根据权利要求1或2或3所述公交到站时间预测系统,其特征在于:
到达时间计算单元对所述历史数据进行加权运算,计算所述公交车到达下一站的预测时间。
5.根据权利要求1或2或3所述公交到站时间预测系统,其特征在于:
信息提取单元设置提取条件,当图像中包括设置的提取条件时,则对采集到的图像进行数据提取。
6.一种公交到站时间预测方法,其特征在于:
采集途经监测点的公交车的图像;
对采集到的图像进行数据提取,所提取的数据至少包括如下之一:公交线路号、车牌号、采集地点、采集时间;
根据提取到的数据查询公交车从监测点到预测站点的运行时间的历史数据,计算所述公交车到达下一站的预测时间。
7.根据权利要求6所述公交到站时间预测方法,其特征在于:
将预测时间呈现给用户。
8.根据权利要求6所述公交到站时间预测方法,其特征在于:
存储至少如下之一的数据:摄像头的采集地点与公交线路号的对应关系、公交线路在两个监测点之间的实际运行时间和速度、采集地点对应的公交线路到下一站点的历史运行时间、路段当前的路况信息。
9.根据权利要求6或7或8所述公交到站时间预测方法,其特征在于:
对所述历史数据进行加权运算,计算所述公交车到达下一站的预测时间。
10.根据权利要求6或7或8所述公交到站时间预测方法,其特征在于:
设置提取条件,当图像中包括设置的提取条件时,则对采集到的图像进行数据提取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310379856.XA CN104424812B (zh) | 2013-08-28 | 2013-08-28 | 一种公交到站时间预测系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310379856.XA CN104424812B (zh) | 2013-08-28 | 2013-08-28 | 一种公交到站时间预测系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104424812A true CN104424812A (zh) | 2015-03-18 |
CN104424812B CN104424812B (zh) | 2017-10-13 |
Family
ID=52973658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310379856.XA Active CN104424812B (zh) | 2013-08-28 | 2013-08-28 | 一种公交到站时间预测系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104424812B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139326A (zh) * | 2015-07-28 | 2015-12-09 | 中国联合网络通信集团有限公司 | 地铁交通信息查询方法与系统 |
CN105243868A (zh) * | 2015-10-30 | 2016-01-13 | 青岛海信网络科技股份有限公司 | 一种公交车辆到站时间预测方法及装置 |
CN105608883A (zh) * | 2015-09-08 | 2016-05-25 | 荆楚理工学院 | 一种智慧城市公交信息化系统 |
CN106155650A (zh) * | 2015-04-01 | 2016-11-23 | 神讯电脑(昆山)有限公司 | 交通工具入站可能性信息的计算方法及其显示系统 |
CN106274994A (zh) * | 2016-08-30 | 2017-01-04 | 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 |
CN107256629A (zh) * | 2017-07-31 | 2017-10-17 | 合肥桥旭科技有限公司 | 一种基于互联网的公交车堵车延误预警系统 |
CN107633328A (zh) * | 2017-09-19 | 2018-01-26 | 飞友科技有限公司 | 一种显示到达航班旅客出机场时间的方法及系统 |
CN107798865A (zh) * | 2016-09-07 | 2018-03-13 | 高德信息技术有限公司 | 一种公交线路行驶时间预估方法及装置 |
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 |
CN108470463A (zh) * | 2018-03-14 | 2018-08-31 | 武汉元光科技有限公司 | 交通工具到站时间的确定方法及系统 |
CN108920572A (zh) * | 2018-06-22 | 2018-11-30 | 维沃移动通信有限公司 | 公交信息处理方法和移动终端 |
CN110569276A (zh) * | 2019-08-20 | 2019-12-13 | 云手指智能科技(江苏)股份有限公司 | 一种智能公交站用查询系统 |
US10699572B2 (en) | 2018-04-20 | 2020-06-30 | Carrier Corporation | Passenger counting for a transportation system |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08305996A (ja) * | 1995-05-11 | 1996-11-22 | Fuji Electric Co Ltd | 路線バスの停留所到着案内方法および装置 |
CN101123515A (zh) * | 2006-08-09 | 2008-02-13 | 新世界(中国)科技传媒有限公司 | 一种数字公交系统的车辆到站时间预报方法 |
CN101325001A (zh) * | 2008-07-22 | 2008-12-17 | 中山大学 | 一种预测和查询公交车实时状况的系统 |
CN101388143A (zh) * | 2007-09-14 | 2009-03-18 | 同济大学 | 基于浮动车数据的公交到站时间预测方法及系统 |
CN102074124A (zh) * | 2011-01-27 | 2011-05-25 | 山东大学 | 一种基于svm及h∞滤波的动态公交到站时间预测方法 |
CN102568207A (zh) * | 2012-02-02 | 2012-07-11 | 北京捷易联科技有限公司 | 交通数据处理方法和装置 |
CN102930720A (zh) * | 2012-10-25 | 2013-02-13 | 北京交通大学 | 一种基于视频的交通信息检测装置与方法 |
CN202795763U (zh) * | 2012-03-14 | 2013-03-13 | 桂林航天工业学院 | 公交车进站信息告知系统 |
CN103106410A (zh) * | 2013-01-10 | 2013-05-15 | 北京万集科技股份有限公司 | 一种实现智能公交站牌的方法及系统 |
CN203102606U (zh) * | 2012-11-29 | 2013-07-31 | 大连海事大学 | 公共交通站位显示系统 |
-
2013
- 2013-08-28 CN CN201310379856.XA patent/CN104424812B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08305996A (ja) * | 1995-05-11 | 1996-11-22 | Fuji Electric Co Ltd | 路線バスの停留所到着案内方法および装置 |
JP3351170B2 (ja) * | 1995-05-11 | 2002-11-25 | 富士電機株式会社 | 路線バスの停留所到着案内方法および装置 |
CN101123515A (zh) * | 2006-08-09 | 2008-02-13 | 新世界(中国)科技传媒有限公司 | 一种数字公交系统的车辆到站时间预报方法 |
CN101388143A (zh) * | 2007-09-14 | 2009-03-18 | 同济大学 | 基于浮动车数据的公交到站时间预测方法及系统 |
CN101325001A (zh) * | 2008-07-22 | 2008-12-17 | 中山大学 | 一种预测和查询公交车实时状况的系统 |
CN102074124A (zh) * | 2011-01-27 | 2011-05-25 | 山东大学 | 一种基于svm及h∞滤波的动态公交到站时间预测方法 |
CN102568207A (zh) * | 2012-02-02 | 2012-07-11 | 北京捷易联科技有限公司 | 交通数据处理方法和装置 |
CN202795763U (zh) * | 2012-03-14 | 2013-03-13 | 桂林航天工业学院 | 公交车进站信息告知系统 |
CN102930720A (zh) * | 2012-10-25 | 2013-02-13 | 北京交通大学 | 一种基于视频的交通信息检测装置与方法 |
CN203102606U (zh) * | 2012-11-29 | 2013-07-31 | 大连海事大学 | 公共交通站位显示系统 |
CN103106410A (zh) * | 2013-01-10 | 2013-05-15 | 北京万集科技股份有限公司 | 一种实现智能公交站牌的方法及系统 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106155650A (zh) * | 2015-04-01 | 2016-11-23 | 神讯电脑(昆山)有限公司 | 交通工具入站可能性信息的计算方法及其显示系统 |
CN106155650B (zh) * | 2015-04-01 | 2020-04-21 | 神讯电脑(昆山)有限公司 | 交通工具入站可能性信息的计算方法及其显示系统 |
CN105139326A (zh) * | 2015-07-28 | 2015-12-09 | 中国联合网络通信集团有限公司 | 地铁交通信息查询方法与系统 |
CN105608883A (zh) * | 2015-09-08 | 2016-05-25 | 荆楚理工学院 | 一种智慧城市公交信息化系统 |
CN105243868A (zh) * | 2015-10-30 | 2016-01-13 | 青岛海信网络科技股份有限公司 | 一种公交车辆到站时间预测方法及装置 |
CN105243868B (zh) * | 2015-10-30 | 2017-09-29 | 青岛海信网络科技股份有限公司 | 一种公交车辆到站时间预测方法及装置 |
CN106274994A (zh) * | 2016-08-30 | 2017-01-04 | 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 |
CN107798865A (zh) * | 2016-09-07 | 2018-03-13 | 高德信息技术有限公司 | 一种公交线路行驶时间预估方法及装置 |
CN107256629A (zh) * | 2017-07-31 | 2017-10-17 | 合肥桥旭科技有限公司 | 一种基于互联网的公交车堵车延误预警系统 |
CN107633328A (zh) * | 2017-09-19 | 2018-01-26 | 飞友科技有限公司 | 一种显示到达航班旅客出机场时间的方法及系统 |
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 |
CN108470463A (zh) * | 2018-03-14 | 2018-08-31 | 武汉元光科技有限公司 | 交通工具到站时间的确定方法及系统 |
US10699572B2 (en) | 2018-04-20 | 2020-06-30 | Carrier Corporation | Passenger counting for a transportation system |
CN108920572A (zh) * | 2018-06-22 | 2018-11-30 | 维沃移动通信有限公司 | 公交信息处理方法和移动终端 |
CN110569276A (zh) * | 2019-08-20 | 2019-12-13 | 云手指智能科技(江苏)股份有限公司 | 一种智能公交站用查询系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104424812B (zh) | 2017-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104424812A (zh) | 一种公交到站时间预测系统和方法 | |
CN103578267B (zh) | 基于公交gps数据的公交到站预测方法及系统 | |
CN102708698B (zh) | 基于车联网的车辆最优路径导航方法 | |
CN105550789A (zh) | 一种公交出行客流的预测方法 | |
CN104064028A (zh) | 基于多元信息数据的公交到站时间预测方法及系统 | |
CN103295414A (zh) | 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 | |
CN103020097B (zh) | 公共交通换乘方案推荐方法及装置 | |
Wang et al. | Early warning of burst passenger flow in public transportation system | |
CN102750826B (zh) | 一种用于群体诱导信息下驾驶员响应行为的辨识方法 | |
CN111739299B (zh) | 稀疏轨迹的车辆排队长度确定方法、装置、设备及介质 | |
CN108648451A (zh) | 一种交通数据处理设备和交通态势管理系统 | |
CN105096642B (zh) | 考虑gps数据延迟影响的实时公交到站时间预测方法 | |
CN113570867B (zh) | 一种城市交通状态预测方法、装置、设备及可读存储介质 | |
Reddy et al. | Bus travel time prediction under high variability conditions | |
CN106205125A (zh) | 一种救护车抵达时间实时预测系统及方法 | |
CN106228830A (zh) | 一种公交车到站时间实时预测系统及方法 | |
CN106650976A (zh) | 出行分析预测方法及系统、基于ic卡的出行分析预测方法及系统 | |
CN104613974A (zh) | 导航时间获取方法、系统、导航方法和装置 | |
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 | |
CN110874668A (zh) | 一种轨道交通od客流预测方法、系统及电子设备 | |
CN104966398A (zh) | 一种施工围挡道路的确认方法及系统 | |
CN104794927A (zh) | 一种公交车到站时间预测方法 | |
CN112434260A (zh) | 一种公路的交通状态检测方法、装置、存储介质及终端 | |
CN104599161A (zh) | 基于客户端的gps坐标点对订单进行计价的方法和设备 | |
CN105489010A (zh) | 一种快速道路行程时间可靠度监测分析系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |