CN107818411B - 基于WiFi检测和GPS定位的公交车动态调度系统及调度方法 - Google Patents
基于WiFi检测和GPS定位的公交车动态调度系统及调度方法 Download PDFInfo
- Publication number
- CN107818411B CN107818411B CN201710997622.XA CN201710997622A CN107818411B CN 107818411 B CN107818411 B CN 107818411B CN 201710997622 A CN201710997622 A CN 201710997622A CN 107818411 B CN107818411 B CN 107818411B
- Authority
- CN
- China
- Prior art keywords
- data
- bus
- time
- real
- platform
- 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
- 238000000034 method Methods 0.000 title claims abstract description 78
- 238000001514 detection method Methods 0.000 title claims abstract description 57
- 239000000523 sample Substances 0.000 claims abstract description 85
- 238000012545 processing Methods 0.000 claims description 71
- 230000006870 function Effects 0.000 claims description 47
- 238000012216 screening Methods 0.000 claims description 32
- 238000011156 evaluation Methods 0.000 claims description 27
- 238000011835 investigation Methods 0.000 claims description 15
- 101100244969 Arabidopsis thaliana PRL1 gene Proteins 0.000 claims description 12
- 102100039558 Galectin-3 Human genes 0.000 claims description 12
- 101100454448 Homo sapiens LGALS3 gene Proteins 0.000 claims description 12
- 101150051246 MAC2 gene Proteins 0.000 claims description 12
- 101100059544 Arabidopsis thaliana CDC5 gene Proteins 0.000 claims description 10
- 101150115300 MAC1 gene Proteins 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L2101/00—Indexing scheme associated with group H04L61/00
- H04L2101/60—Types of network addresses
- H04L2101/618—Details of network addresses
- H04L2101/622—Layer-2 addresses, e.g. medium access control [MAC] addresses
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/10—Small scale networks; Flat hierarchical networks
- H04W84/12—WLAN [Wireless Local Area Networks]
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于WiFi检测和GPS定位的公交车动态调度系统及调度方法,在公交车和站台上布设WiFi探针,实时检测公交车上和站台附近检测范围内打开WiFi功能的设备并记录MAC地址数据;利用车载GPS设备记录公交车实时GPS数据;通过核心算法对MAC地址数据进行降噪与匹配,估算公交车实时载客人数、站台候车人数;以乘客候车时间为参数设定候车满意度函数、以发车频率为参数设定公交公司满意度函数,根据实际情况确定两者权值获得综合满意度函数;基于已发出车辆的实时载客人数、各站台的实时候车人数等实时数据,求解满意度函数的最优值,动态地获得适应当前线路客流情况的发车频率。
Description
技术领域
本发明涉及智能公交管理系统及管理方法,尤其涉及一种基于WiFi检测和车载GPS定位的公交车动态调度系统,同时涉及利用该系统进行公交车动态调度的调度方法。
背景技术
目前在我国的大部分城市,公交系统是城市客运交通的重要组成部分,对公交系统运营的优化和城市的发展起着非常重要的作用。智能公交调度系统综合运用了全球定位系统(GPS)、地理信息系统(GIS)、计算机、控制系统、传感器、数据设计、无线通信等多领域的相关技术,以电子地图作为表现载体,通过数据采集与处理获得公交车辆的实时位置、载客情况,实现对公交车辆的实时监控与高效调度。目前“大数据”、“互联网+”成为交通领域未来发展热点,未来城市公共交通工具上将大范围覆盖Wi-Fi热点,因此,通过Wi-Fi检测数据为依据获取公交车运行数据的方式具有坚实的现实基础和良好的应用前景。
当前对于公交的调度,大部分采用了根据历史数据获得的固定发车频率进行优化的调度方法,或利用预测手段获得准动态方案的调度方法,但这些调度方法未能提出如何利用实时数据进行优化调度,没有提出最适应当前时段线路客流的发车频率等参数;本技术提出的基于Wi-Fi检测和车载GPS定位的公交车动态调度技术中,有效利用了车载、站台Wi-Fi检测数据和车载GPS数据,提出一种获得公交车的实时载客情况与站台的实时候车人数的方法,并提出了如何利用这些有效数据获得适应当前客流情况的最佳公交车发车频率。
发明内容
发明目的:为解决现有技术中存在的不足,本发明的目的是提供一种利用大量移动终端的MAC地址数据和公交车辆的GPS数据来获得公交实时运行数据,并有效利用实时数据对某一班次公交车进行动态调度的公交车动态调度系统,另一目的是提供一种利用该调度系统合理控制发车频率以提高公交车的运营效率的公交车动态调度方法。
技术方案:一种基于车载与站台Wi-Fi检测和车载GPS定位的公交车动态调度系统,包括数据采集子系统、数据初步处理子系统和公交车辆动态调度子系统;
所述数据采集子系统包括Wi-Fi检测模块、车载GPS记录模块和数据上传模块;其中,所述Wi-Fi检测模块包括车载Wi-Fi检测模块和站台Wi-Fi检测模块,车载Wi-Fi检测模块采用车载Wi-Fi探针检测公交车上乘客的MAC地址数据,站台Wi-Fi检测模块采用站台Wi-Fi探针检测站台附近候车乘客的MAC地址数据;所述车载GPS记录模块采用车载GPS记录仪实时获取公交车辆运行过程的GPS位置数据;所述数据上传模块将Wi-Fi检测模块与GPS记录模块获取的数据上传至数据初步处理子系统的服务器并存储;
所述数据初步处理子系统包括数据存储模块和数据处理模块;其中,所述数据存储模块通过对外接口与数据采集子系统的数据上传模块联系,用于接受车载、站台Wi-Fi探针与车载GPS记录仪所上传的数据信息,并对获取的数据进行临时存储;数据处理模块对实时上传的数据进行处理获得公交车动态实时数据;
所述公交车辆动态调度子系统以数据初步处理子系统获得的实时数据作为输入,利用特定算法求解综合满意度评价函数的最优解,获得适合当前客流情况的最佳发车频率并输出,以供公交车的实时调度。所述特定算法采用遗传算法、人工蜂群。
所述数据信息包括MAC地址数据、GPS定位数据以及时间数据;所述数据处理模块由R模块与ArcGIS模块组成,用于处理服务器中临时存储的MAC地址数据、GPS定位数据以及时间数据,对数据进行筛选与处理,获得车辆实时载客人数、站台实时候车人数、各站台的预计到达时间。
所述公交车辆动态调度子系统包括数据二次处理模块和与调度方案生成模块;所述数据二次处理模块首先获得初步处理后的公交车辆实时载客人数、各站台的实时候车人数以及各站台预计到达时间作为输入,根据该线路的已经发出的公交车情况与候车乘客排队情况得出各站台候车乘客的预计等待时间、运行车辆的拥挤程度和当前的客流运输效率;
所述调度方案生成模块以公交车辆实时载客人数、各站台的实时候车人数、站台乘客的预计候车时间和各公交车辆的拥挤程度作为输入,利用特定算法求解当前客流情况下综合满意度评价函数取得最优解时的公交车发车频率,所述最优解的求解过程在C语言平台中实现,能够求得实时最优调度方案。
上述特定算法采用遗传算法、人工蜂群算法或者其它用于求解最优化问题的算法。
一种所述公交车动态调度系统进行公交车动态调动的方法,基于公交车辆实时载客人数、站台实时候车人数和各站台预计到达时间,包括以下步骤:
(1)初步数据获取与整合:将Wi-Fi技术获得的数据初步处理的结果,包括实时载客人数、实时站台候车人数、各车辆预计到达时间,上传并存储在数据二次处理模块的服务器上。其中各站台候车人数中等候各班次公交车的人数由以下方法简化求得:
根据调查获得各站台候车的乘客中属于该班次乘客的平均百分比,近似认为各站台候车乘客中需要乘坐该班次公交车的人数占总人数的百分比等于该调查得到的平均百分比。因此等候某班次公交车的人数=站台候车总人数*平均百分比;
(2)线路运输效率计算:根据已知的线路上某班次公交车的发车数量和每辆车的实时载客情况,与各站台等候该班次公交车的人数,通过简化假设,认为若运行公交车未满则候车乘客依次上各辆该班次的公交车,则可求得当前运行状态下对线路上的候车乘客的运输效率,简单的运输效率计算公式为:
(3)动态公交车发车频率确定:根据乘客满意度评价函数与公交公司满意度评价函数设定综合满意度评价函数如下:S=a[bSpc+(1-b)Spw]+(1-a)Sc,其中Spw为候车乘客等待满意度,Spc为车上乘客舒适满意度,Sc为公交公司满意度,引入a作为乘客满意度的加权系数,引入b作为舒适满意度的加权系数,根据实际情况确定;
其中Spw为关于候车时间、候车人数的函数,根据调查获得乘客对不同等待时长的满意情况,并由实时预计的车辆到达时间、实时候车乘客数进行确定;Spc为关于公交车载客人数的函数,根据调查获得乘客对不同拥挤程度的满意情况,并由实时载客人数确定,一般地,拥挤程度越高则舒适满意度越低;Sc为关于发车频率的函数,发车频率越大则运营成本越高,满意度就越低;
对于单位评价周期内综合满意度评价函数,通过获取公交车辆的实时数据并代入,将其转换为关于发车频率的函数,求此最优化问题的解,即可获得适应实时客流状态最佳发车频率;求解最优解的过程在读取了公交运行状态的各项数据后在C语言平台中实现,利用了公交车辆的实时数据,满足实时动态调度这一特点;该算法的输入均为实时数据,由车载、站台Wi-Fi探针和车载GPS记录仪记录的数据处理获得。
所述站台实时候车人数估算包括以下步骤:
(1)信号强度筛选:根据信号强度筛除强度小于设定强度的MAC地址数据,初步保证MAC地址数据检测地点在站台内,其中设定强度根据站台大小人为设定;
(2)持续时间筛选:根据过往行人Wi-Fi信号在此区域存在的时间设定时间阈值,筛除存在时间小于该阈值的MAC地址数据;
(3)结果生成:对每个站台经筛选后的不同MAC地址进行计数获得每个站台的候车人数,得到结果并将MAC地址数据清空后继续进行下一轮数据采集。
所述步骤(1)中,信号强度筛选由R模块进行处理;利用R语言根据所检测到的Wi-Fi数据的信号强度对MAC地址数据进行筛选;具体做法为:根据检测强度对应的距离与站台实际大小确定设定强度,当数据集中的MAC地址对应的信号强度小于设定强度,则认为该信号对应的设备不在站台中,筛除。
所述步骤(2)中,MAC地址的持续时间由R模块进行处理;步骤为:利用记录的MAC地址数据集得到每一个MAC地址第一次被检测到的时刻time1与最后一次扫描到该MAC地址的时刻time2,得到每个MAC地址的持续时间Δt。
所述公交车实时载客人数的计算基于车载、站台Wi-Fi数据,包括以下步骤:
(1)实时数据采集:利用车载、站台Wi-Fi探针获得公交车辆探测范围内及站台附近的开启Wi-Fi功能的设备的MAC地址数据,GPS位置数据与时间数据;
(2)站台探针数据实时处理:根据车载GPS记录模块上传的实时GPS位置数据,获得公交车辆的实时位置;并可由此位置信息,利用ArcGIS进行处理得到距离前后两站台的距离;当公交车位置在两个站台中点附近时,前方站台探针开始对站台附近进行一轮数据采集,当车辆位置进入该站台探针有效检测范围时,对该站台探针本轮采集的数据进行处理得到有效MAC地址数据集MAC1,属于公交车入站前站台的候车乘客;当公交车位置离开该站台探针有效检测范围时,该站台探针对站台附近进行新一轮数据采集,时间达到候车人数估计方法中时间阈值的2倍时,对该站台探针本轮采集的数据进行处理得到有效MAC地址数据集MAC2,属于公交车离开站台后的站台候车乘客;
(3)车载探针数据实时处理:根据车载GPS记录模块上传的实时GPS位置数据,获得公交车辆的实时位置;当公交车辆位置离开某站台缓冲区时,车载探针开始进行一轮数据采集,车辆到达下一站台探针检测范围前,对车载探针本轮采集的数据进行类似上述步骤(2)站台探针采集数据的两步处理过程,获得公交车辆上的有效MAC地址数据集MAC3,属于公交车当前的乘客;此处理过程中,持续时间筛选步骤所提到的时间阈值为:调查得到的车辆行驶过程中非乘客的干扰MAC地址数据可能存在的最大时长;
当公交车辆位置离开下一站台的缓冲区时,车载探针开始进行新一轮数据采集,行驶时间足够长,设定为达到该处理过程中的时间阈值的2倍时,对本轮采集的数据进行处理得到公交车辆上的有效MAC地址数据集MAC4;其中缓冲区由ArcGIS软件进行确定,形状为半径等于探针的检测半径的圆;
(4)数据对比:利用R软件对站台探针获得的MAC地址数据与车载探针获得的MAC地址数据进行匹配,若某MAC地址数据存在于MAC1和MAC4中,且不存在于MAC2,认为该目标离开该站台上车;若某MAC地址数据存在于MAC3,且不存在于MAC4中,认为该目标在该站台下车;
(5)结果生成:在公交车辆运行过程中,对该车辆上下车人数进行累计并作差,即可得到车在运行过程中的实时载客数。
所述公交车与站台的实时距离计算包括以下步骤:
(51)坐标投影:利用ArcGIS模块将公交线路走向图、公交车实时GPS数据、站点位置数据投影到同一坐标系;
(52)特征点确定:根据公交线路走向图确定公交线路的主要控制点,根据特征点的分布将整个公交线路分为多个直线线路;所述控制点为公交线路方向转折点;
(53)实时距离计算:计算公交车实时位置到之后第一个特征点的直线距离和不同特征点之间的距离以及站台附近特征点到站台的直线距离,所有距离之和即为公交车和站点的实时距离。
所述步骤(4)中的数据对比包括以下步骤:
(41)读取数据集MAC4中的MAC地址数据,与MAC1中的数据进行对比,保留相同的部分,并与数据集MAC2进行对比,若存在于MAC2则筛除,对剩余的MAC地址进行计数,得到该站台的上车乘客;
(42)读取数据集MAC3中的MAC地址数据,与MAC4中的数据进行对比,若存在于MAC4则筛除,对剩余的MAC地址数据进行计数,得到该站的下车人数。
有益效果
本发明利用车载、站台Wi-Fi探针和车载GPS记录仪检测并记录数据,获得公交车辆及站台的实时乘客情况,并以这些数据作为求解综合满意度函数的最优解获得适应当前客流状况的最佳发车频率,提高了对实时数据的利用率,并真正做到了实时动态调度。
附图说明
图1为本发明公交车动态调度流程图;
图2为本发明站台实时候车人数估计方法流程图;
图3为本发明公交车实时载客人数估计方法流程图;
图4为本发明站台候车人数设定强度示意图;
图5为本发明公交车实时载客人数估计中数据处理时刻示意图;
图6(a)-6(b)分别为本发明的候车乘客满意度和车上乘客满意度取值示意图。
具体实施方式
下面结合实施例和附图对本发明的技术方案作进一步详细说明。
如图1所示,本发明的公交车动态调度系统主要涉及三个子系统:数据采集子系统、数据初步处理子系统、公交车辆动态调度子系统。
数据采集子系统包括:Wi-Fi检测模块、车载GPS记录模块和数据上传模块;Wi-Fi检测模块包括车载Wi-Fi检测模块和站台Wi-Fi检测模块;设备为Wi-Fi探针,用于统计和分析周围的Wi-Fi设备,只要某移动设备开启了Wi-Fi功能,不需要接入特定AP即可被检测到,可获得设备的MAC地址以及其他MAC层的信息,包括目标MAC、传输信道、信号强度等。车载Wi-Fi检测模块用于检测车上乘客的MAC地址数据,站台Wi-Fi检测模块用于检测站台候车乘客的MAC地址数据;车载GPS记录模块为车载GPS记录仪,可根据既定频率实时记录公交车辆运行过程中的GPS位置数据;数据上传模块与数据初步处理子系统联系,将Wi-Fi检测模块与GPS记录模块获得的数据信息上传并保存在相应的服务器中;
数据初步处理子系统由数据存储模块和数据处理模块组成;数据存储模块与数据采集子系统的上传模块联系,将数据存储至相应的服务器中;数据处理模块包括R软件、ArcGIS软件,处理存储器中的MAC地址数据、GPS位置数据、时间数据等,由此获得公交车辆的实时载客情况、站台的候车人数、车辆的实时位置等信息;
公交车辆动态调度子系统包括数据二次处理模块与调度方案生成模块;数据二次处理模块首先获得初步处理后的公交车辆实时载客人数、各站台的实时候车人数以及各站台预计到达时间等数据作为输入,根据该线路的已经发出的公交车情况与候车乘客排队情况得出各站台候车乘客的预计等待时间、运行车辆的拥挤程度、当前的客流运输效率;
调度方案生成模块以公交车辆实时载客人数、各站台的实时候车人数、站台乘客的预计候车时间、各公交车辆的拥挤程度作为输入,利用特定算法求解当前客流情况下综合满意度评价函数取得最优值时的公交车发车频率,以上最优解的求解过程在C语言平台中实现,能够求得实时最优调度方案。
如图2所示,数据初步处理子系统中的实时候车人数估计方法包括实时数据采集和数据处理过程;其中:
数据采集即采用站台Wi-Fi探针对站台附近检测范围内的开启Wi-Fi功能的设备进行检测与记录;后续数据处理过程包括如下步骤:
(1)信号强度筛选:根据信号强度筛除强度小于设定强度的MAC地址数据,初步保证MAC地址所对应的设备在站台内,设定强度可根据站台大小人为设定;
(2)持续时间筛选:根据过往行人Wi-Fi信号可能在此区域存在的时间设定时间阈值,筛除存在时间小于该阈值的MAC地址数据;其中MAC地址的存在时间由下述步骤获得:利用记录的MAC地址数据集得到每一个MAC地址第一次被检测到的时刻与最后一次扫描到该MAC地址的时刻,可求得每个MAC地址的持续时间Δt;
(3)结果生成:对每个站台经筛选后的MAC地址进行计数获得每个站台的候车人数,并将MAC地址数据清空后继续进行下一轮数据采集,足够长时间后即可再次对数据进行处理。上述处理过程均由R软件实现。
如图3所示,数据初步处理子系统提供了一种基于站台与车载Wi-Fi检测和GPS定位的公交车实时载客人数估计方法,具体步骤如下:
(1)实时数据采集:利用车载、站台Wi-Fi探针获得公交车辆探测范围内及站台附近的开启Wi-Fi功能的设备的MAC地址数据,GPS位置数据与时间数据;
(2)站台Wi-Fi探针数据实时处理:根据车载GPS记录模块上传的实时GPS位置数据,获得公交车辆的实时位置;并可由此位置信息,利用ArcGIS进行处理得到距离前后两站台的距离;
当公交车位置在两个站台中点附近时,前方站台探针开始对站台附近进行一轮数据采集,当车辆位置进入该站台探针有效检测范围时,对该站台探针本轮采集的数据进行处理得到有效MAC地址数据集MAC1,属于公交车入站前站台的候车乘客;
当公交车位置离开该站台时,该站台探针对站台附近进行新一轮数据采集,时间达到候车人数估计方法中时间阈值的2倍时,对该站台探针本轮采集的数据进行处理得到有效MAC地址数据集MAC2,属于公交车离开站台后的站台候车乘客;
(3)车载Wi-Fi探针数据实时处理:根据车载GPS记录模块上传的实时GPS位置数据,获得公交车辆的实时位置;
当公交车辆位置离开某站台缓冲区时,车载探针开始进行一轮数据采集,车辆到达下一站台探针检测范围前,对车载探针本轮采集的数据进行类似站台探针采集数据的两步处理过程,获得公交车辆上的有效MAC地址数据集MAC3,可能属于公交车上当前的乘客。此处理过程中的时间阈值为:调查得到的车辆行驶过程中非乘客的干扰MAC地址数据可能存在的最大时长;
当公交车辆位置离开下一站台的缓冲区时,车载探针开始进行新一轮数据采集,行驶时间达到该处理过程中的时间阈值的2倍时对本轮采集的数据进行处理得到公交车辆上的有效MAC地址数据集MAC4;其中缓冲区由ArcGIS软件进行确定,形状为半径等于探针的检测半径的圆;
(4)数据对比:利用R软件对站台探针获得的MAC地址数据与车载探针获得的MAC地址数据进行匹配,若某MAC地址数据存在于MAC1和MAC4中,且不存在于MAC2,认为是该站台的上车乘客;若某MAC地址数据存在于MAC3,且不存在于MAC4中,认为是该站台的下车乘客;
(5)结果生成:在公交车辆运行过程中,对该车辆上下车人数进行累计并作差,即可得到车在运行过程中的实时载客数。以上所述过程中,实际人数均由计算获得人数*Wi-Fi设备比例系数k获得;
公交车辆动态调度子系统提供了一种基于Wi-Fi技术获得的站台候车人数和公交车实时载客人数的公交车动态调度方法,具体主要方法如下:
(1)初步数据获取与整合:将数据初步处理的结果(包括实时载客人数、实时站台候车人数、各车辆各站预计到达时间)上传并存储在数据二次处理模块的服务器上。其中各站台候车人数中等候各班次公交车的人数由以下方法简化求得:
根据人工调查获得各站台候车的乘客中属于该班次的乘客的平均百分比,近似认为各站台候车乘客中需要乘坐该班次公交车的人数占总人数的百分比等于该调查得到的平均百分比。因此等候某班次公交车的人数=站台候车总人数*平均百分比;
(2)线路运输效率计算:根据已知的线路上某班次公交车的发车数量和每辆车的实时载客情况,与各站台等候该班次公交车的人数,通过简化假设,认为若运行公交车未满则候车乘客依次上各辆该班次的公交车,则可求得当前运行状态下对线路上的候车乘客的运输效率,简单的运输效率计算公式为:
(3)动态公交车发车频率与时刻确定:根据乘客满意度评价函数与公交公司满意度评价函数设定综合满意度评价函数如下:S=a[bSpc+(1-b)Spw]+(1-a)Sc,其中Spw为候车乘客等待满意度,Spc为车上乘客舒适满意度,Sc为公交公司满意度,引入a作为乘客满意度的加权系数,引入b作为舒适满意度的加权系数,根据实际情况确定;图6(a)-6(b)为本发明满意度取值示意图。
其中Spw为关于候车时间、候车人数的函数,根据调查获得乘客对不同等待时长的满意情况,并由实时预计的车辆到达时间、实时候车乘客数进行确定;Spc为关于公交车载客人数的函数,根据调查获得乘客对不同拥挤程度的满意情况,并由实时载客人数确定,一般地,拥挤程度越高则舒适满意度越低;Sc为关于发车频率的函数,发车频率越大则运营成本越高,满意度就越低;
单位评价周期内综合满意度评价函数在已知各站台实时候车人数、公交车辆实时载客人数以及车辆实时位置之后,即可转换为关于发车频率的函数,求得综合满意度评价函数的最优值即可求得当前客流状态下最佳发车频率;求解最优解的过程在读取了公交运行状态的各项数据后在C语言平台中实现,运用特定算法对该最优化问题进行求解,满足实时动态调度这一特点
本发明利用车载、站台Wi-Fi探针实时检测的公交车乘客MAC地址数据与站台候车乘客的MAC地址数据,与车载GPS记录仪记录的公交车辆的实时GPS位置数据,通过处理得到公交车辆实时载客人数、站台实时候车人数和预计到达时间等参数,并将其作为动态调度方法中最优化问题求解过程的输入,利用特定算法求解最优化问题得到适应当前客流状态的最佳发车频率,为公交车的实时调度提供合理方案。具体实施方式如下:
当站台附近乘客出现在站台Wi-Fi探针检测范围内且手机或其他移动设备开启了Wi-Fi功能时,站台Wi-Fi探针就能够检测到,根据Wi-Fi感知技术获取用户的MAC地址、信号强度以及时间数据。并根据候车乘客行为特征对数据进行筛选,得到站台候车人数;
具体地,候车乘客行为特征有以下几点:
候车乘客在站台内候车,和站台Wi-Fi探针的距离在一定范围之内;
候车乘客在站台内停留达到一定时间,其余可能是过往行人产生的干扰数据;
根据以上特征,数据初步处理子系统对以上数据进行处理,包括以下步骤:
(1)信号强度筛选:根据信号强度筛除强度小于设定强度的MAC地址数据,其中设定强度根据站台大小人为设定,如附图4所示;也可在探针检测前预先输入如下串口命令:
SerialPort.Write(“AT+RSSI=x\n”)
保证信号强度大于“x”;
(2)持续时间筛选:根据过往行人Wi-Fi信号可能在此区域存在的时间设定时间阈值,筛除存在时间小于该阈值的MAC地址数据;其中MAC地址的存在时间由下述步骤获得:利用记录的MAC地址数据集得到每一个MAC地址第一次被检测到的时刻time1与最后一次扫描到该MAC地址的时刻time2,得到每个MAC地址的持续时间Δt;
(3)结果生成:对每个站台经筛选后的MAC地址进行计数获得每个站台的候车人数;
当车上乘客在车载Wi-Fi探针检测范围内出现时,车载Wi-Fi探针同样可以得到用户的MAC地址、信号强度以及时间数据。另外根据车载GPS记录仪获得车辆实时位置数据。根据车上乘客的行为特征以及存在于检测范围的数据达到稳定需要的时间对数据进行筛选与处理,得到各特征时刻的实时载客人数;
具体地,车上乘客行为具有以下特征:
车辆到达前在某站台候车,到达后离开该站台并上车;
被车载Wi-Fi探针检测到的时间达到一定时长,否则可能为过往行人带来的干扰数据;
设上述处理计算得到候车人数为A,Wi-Fi设备比例系数为K,则实际人数B=A*K;
结合站台候车人数估计方法,车载乘客人数估计方法包括以下步骤:
(2)站台探针数据实时处理:根据车载GPS记录模块上传的实时GPS位置数据(lat,lon),获得公交车辆的实时位置;并可由此位置信息,利用ArcGIS模块进行处理得到距离前后两站台的距离;
当公交车位置在两个站台中点附近时,如附图5所示控制点1,前方站台探针开始对站台附近进行一轮数据采集,当车辆位置进入该站台探针有效检测范围时,如附图5所示控制点2,对该站台探针本轮采集的数据进行处理得到有效MAC地址数据集MAC1,近似认为属于公交车入站前站台的候车乘客;MAC数据集示例如下:
当公交车位置离开该站台时,如附图5所示控制点3,该站台探针对站台附近进行新一轮数据采集,时间达到候车人数估计方法中时间阈值的2倍时,如附图5所示控制点4,对该站台探针本轮采集的数据进行处理得到有效MAC地址数据集MAC2,近似认为属于公交车离开站台后的站台候车乘客;
(3)车载探针数据实时处理:根据车载GPS记录模块上传的实时GPS位置数据,获得公交车辆的实时位置;
当公交车辆位置离开某站台缓冲区时,如附图5所示控制点5,车载探针开始进行一轮数据采集,车辆到达下一站台探针检测范围前,对车载探针本轮采集的数据进行类似站台探针采集数据的两步处理过程,获得公交车辆上的有效MAC地址数据集MAC3,属于公交车当前的乘客。此处理过程中的时间阈值为:调查得到的车辆行驶过程中非乘客的干扰MAC地址数据可能存在的最大时长;
当公交车辆位置离开下一站台的缓冲区时,如附图5所示控制点4,车载探针开始进行新一轮数据采集,行驶时间达到该处理过程中的时间阈值的2倍时对本轮采集的数据进行处理得到公交车辆上的有效MAC地址数据集MAC4;其中缓冲区由ArcGIS软件进行确定,形状为半径等于探针的检测半径的圆,如附图5虚线所示;
(4)数据对比:利用R软件对以上各数据集进行比对。若某MAC地址数据存在于MAC1和MAC4,且不存在于MAC2,认为是该站台的上车乘客;若某MAC地址数据存在于MAC3,且不存在于MAC4中,认为是该站台的下车乘客;
(5)结果生成:在公交车辆运行过程中,对该车辆上下车人数进行累计并作差,即可得到公交车当前的载客数。
设上述处理计算得到车上人数为A,Wi-Fi设备比例系数为K,则实际人数B=A*K;K通过调查获得;
根据上述步骤获得站台实时候车人数Nw、车辆实时载客人数Np与估计的到达时间Tai,将本批实时数据输入动态调度子系统并进行最优化问题求解。实时调度的具体步骤如下:
(1)初步数据获取与整合:将Wi-Fi技术获得的数据初步处理的结果(包括实时载客人数Np、实时站台候车人数Nw、各车辆各站预计到达时间Tai)上传并存储在数据二次处理模块的服务器上。其中各站台候车人数中等候各班次公交车的人数由以下方法简化求得:
根据调查获得各站台候车的乘客中属于该班次乘客的平均百分比,近似认为各站台候车乘客中需要乘坐该班次公交车的人数占总人数的百分比等于该调查得到的平均百分比。因此等候某班次公交车的人数=站台候车总人数*平均百分比;
(2)线路运输效率计算:根据已知的线路上某班次公交车的发车数量和每辆车的实时载客情况,与各站台等候该班次公交车的人数,通过简化假设,认为若运行公交车未满则候车乘客依次上各辆该班次的公交车,则可求得当前运行状态下对线路上的候车乘客的运输效率,简单的运输效率计算公式为:
(3)动态公交车发车频率与时刻确定:根据乘客满意度评价函数与公交公司满意度评价函数设定综合满意度评价函数如下:S=a[bSpc+(1-b)Spw]+(1-a)Sc,其中Spw为候车乘客等待满意度,Spc为车上乘客舒适满意度,Sc为公交公司满意度,引入a作为乘客满意度的加权系数,引入b作为舒适满意度的加权系数,根据实际情况确定;
其中Spw为关于候车时间、候车人数的函数,根据调查获得乘客对不同等待时长的满意情况,并由实时预计的车辆到达时间、实时候车乘客数进行确定;Spc为关于公交车载客人数的函数,根据调查获得乘客对不同拥挤程度的满意情况,并由实时载客人数确定,一般地,拥挤程度越高则舒适满意度越低;Sc为关于发车频率的函数,发车频率越大则运营成本越高,满意度就越低;满意度取值示意图如附图6(a)-6(b)所示;
根据实时候车人数与车辆预计到达时间,我们可以获得Spw的表达式,Spw=Spw(Nw,Tai),在当前班次公交车的运输效率小于1时,Spw可以转化为一个关于发车频率的一元函数;根据公交车辆实时载客人数,我们可以获得Spc的表达式,Spc=Spc(Np),并且可在一个周期内获得Spc的平均值;
单位评价周期内综合满意度评价函数在已知各站台实时候车人数、公交车辆实时载客人数以及车辆实时位置之后,即可转换为关于发车频率的函数,求得综合满意度评价函数的最优值即可求得当前客流状态下最佳发车频率;求解最优解的过程在读取了公交运行状态的各项数据后在C语言平台中实现。
Claims (5)
1.一种基于车载与站台Wi-Fi检测和车载GPS定位的公交车动态调度系统,其特征在于:包括数据采集子系统、数据初步处理子系统和公交车辆动态调度子系统;
所述数据采集子系统包括Wi-Fi检测模块、车载GPS记录模块和数据上传模块;其中,所述Wi-Fi检测模块包括车载Wi-Fi检测模块和站台Wi-Fi检测模块,车载Wi-Fi检测模块采用车载Wi-Fi探针检测公交车上乘客的MAC地址数据,站台Wi-Fi检测模块采用站台Wi-Fi探针检测站台附近候车乘客的MAC地址数据;所述车载GPS记录模块采用车载GPS记录仪实时获取公交车辆运行过程的GPS位置数据;所述数据上传模块将Wi-Fi检测模块与GPS记录模块获取的MAC地址数据、GPS定位数据以及时间数据上传至数据初步处理子系统的服务器并存储;
所述数据初步处理子系统包括数据存储模块和数据处理模块;其中,数据存储模块通过对外接口与数据采集子系统的数据上传模块联系,用于接收车载、站台Wi-Fi探针与车载GPS记录仪所上传的数据信息,并对获取的数据进行临时存储;数据处理模块由R模块与ArcGIS模块组成,用于处理服务器中临时存储的MAC地址数据、GPS定位数据以及时间数据,对数据进行筛选与处理,获得公交车辆实时载客人数、站台实时候车人数、各站台的预计到达时间;所述公交车辆动态调度子系统以数据初步处理子系统获得的公交车辆实时载客人数、站台实时候车人数和各站台的预计到达时间作为输入,利用特定算法求解综合满意度评价函数的最优解,获得适合当前客流情况的最佳发车频率并输出,实现公交车的实时调度,所述特定算法采用遗传算法、人工蜂群;具体步骤如下:
(1)初步数据获取与整合:将Wi-Fi技术获得的数据初步处理的结果,包括实时载客人数、站台实时候车人数、各车辆预计到达时间,上传并存储在数据二次处理模块的服务器上;其中各站台候车人数中等候各班次公交车的人数由以下方法简化求得:
根据调查获得各站台候车的乘客中属于该班次乘客的平均百分比,近似认为各站台候车乘客中需要乘坐该班次公交车的人数占总人数的百分比等于该调查得到的平均百分比;因此等候某班次公交车的人数=站台候车总人数*平均百分比;
(2)线路运输效率计算:根据已知的线路上某班次公交车的发车数量和每辆车的实时载客情况,与各站台等候该班次公交车的人数,通过简化假设,认为若运行公交车未满则候车乘客依次上各辆该班次的公交车,则可求得当前运行状态下对线路上的候车乘客的运输效率,简单的运输效率计算公式为:
(3)动态公交车发车频率确定:根据乘客满意度评价函数与公交公司满意度评价函数设定综合满意度评价函数如下:S=a[bSpc+(1-b)Spw] +(1-a)Sc;其中Spw为候车乘客等待满意度,Spc为车上乘客舒适满意度,Sc公交公司满意度,引入a作为乘客满意度的加权系数,引入b作为舒适满意度的加权系数,根据实际情况确定;其中Spw 为关于候车时间、候车人数的函数,根据调查获得乘客对不同等待时长的满意情况,并由实时预计的车辆到达时间、实时候车乘客数进行确定;Spc为关于公交车载客人数的函数,根据调查获得乘客对不同拥挤程度的满意情况,并由实时载客人数确定,拥挤程度越高则舒适满意度越低;Sc为关于发车频率的函数,发车频率越大则运营成本越高,满意度就越低;
对于单位评价周期内综合满意度评价函数,通过获取公交车辆的实时数据并代入,将其转换为关于发车频率的函数,求此最优化问题的解,即可获得适应实时客流状态最佳发车频率;求解最优解的过程在读取了公交运行状态的各项数据后在C语言平台中实现,利用了公交车辆的实时数据,满足实时动态调度这一特点;该算法的输入均为实时数据,由车载、站台Wi-Fi探针和车载GPS记录仪记录的数据处理获得;
所述公交车辆实时载客人数的计算基于车载、站台Wi-Fi数据,包括以下步骤:
(1.1)实时数据采集:获得GPS位置数据与时间数据,并利用车载、站台Wi-Fi探针获得公交车辆探测范围内及站台附近的开启Wi-Fi功能的设备的MAC地址数据;
(1.2)站台探针数据实时处理:根据车载GPS记录模块上传的实时GPS位置数据,获得公交车辆的实时位置;并由此位置信息,利用ArcGIS进行处理得到距离前后两站台的距离;当公交车位置在两个站台中点附近时,前方站台探针开始对站台附近进行一轮数据采集,当车辆位置进入该站台探针有效检测范围时,对该站台探针本轮采集的数据进行处理得到有效MAC地址数据集MAC1,属于公交车入站前站台的候车乘客;当公交车位置离开该站台探针有效检测范围时,该站台探针对站台附近进行新一轮数据采集,
所述候车人数估计方法包括以下步骤:
(1.2.1)信号强度筛选:根据信号强度筛除强度小于设定强度的MAC地址数据,初步保证MAC地址数据检测地点在站台内,其中设定强度根据站台大小人为设定;
(1.2.2)持续时间筛选:根据过往行人Wi-Fi信号在此区域存在的时间设定时间阈值,筛除存在时间小于该时间阈值的MAC地址数据;具体的,时间阈值为:调查得到的车辆行驶过程中非乘客的干扰MAC地址数据可能存在的最大时长;
(1.2.3)结果生成:对每个站台经筛选后的不同MAC地址进行计数获得每个站台的候车人数,得到结果并将MAC地址数据清空后继续进行下一轮数据采集;
当时间达到上述候车人数估计方法中时间阈值的2倍时,对该站台探针本轮采集的数据进行处理得到有效MAC地址数据集MAC2,属于公交车离开站台后的站台候车乘客;
(1.3)车载探针数据实时处理:根据车载GPS记录模块上传的实时GPS位置数据,获得公交车辆的实时位置;当公交车辆位置离开某站台缓冲区时,车载探针开始进行一轮数据采集,车辆到达下一站台探针检测范围前,对车载探针本轮采集的数据进行类似上述步骤(1.2)中站台探针采集数据的两步处理过程;获得公交车辆上的有效MAC地址数据集MAC3,属于公交车当前的乘客;此处理过程中,持续时间筛选步骤所提到的时间阈值为:调查得到的车辆行驶过程中非乘客的干扰MAC地址数据可能存在的最大时长;
当公交车辆位置离开下一站台的缓冲区时,车载探针开始进行新一轮数据采集,行驶时间足够长,设定为达到该处理过程中的时间阈值的2倍时,对本轮采集的数据进行处理得到公交车辆上的有效MAC地址数据集MAC4;其中缓冲区由ArcGIS软件进行确定,形状为半径等于探针的检测半径的圆;
(1.4)数据对比:利用R软件对站台探针获得的MAC地址数据与车载探针获得的MAC地址数据进行匹配,若某MAC地址数据存在于MAC1和MAC4中,且不存在于MAC2,认为目标离开该站台上车;若某MAC地址数据存在于MAC3,且不存在于MAC4中,认为目标在该站台下车;
(1.5)结果生成:在公交车辆运行过程中,对该车辆上下车人数进行累计并作差,即可得到车在运行过程中的实时载客数。
2.根据权利要求1所述的公交车动态调度系统,其特征在于:步骤(1.2.1)中,信号强度筛选由R模块进行处理;利用R语言根据所检测到的Wi-Fi数据的信号强度对MAC地址数据进行筛选;具体做法为:根据检测强度对应的距离与站台实际大小确定设定强度,当数据集中的MAC地址对应的信号强度小于设定强度,则认为该信号对应的设备不在站台中,筛除。
3.根据权利要求1所述的公交车动态调度系统,其特征在于:步骤(1.2.2)中, MAC地址的持续时间由R模块进行处理;步骤为:利用记录的MAC地址数据集得到每一个MAC地址第一次被检测到的时刻time1与最后一次扫描到该MAC地址的时刻time2,得到每个MAC地址的持续时间Δt。
4.根据权利要求1所述的公交车动态调度系统,其特征在于,公交车与站台的实时距离计算包括以下步骤:
(41)坐标投影:利用ArcGIS模块将公交线路走向图、公交车实时GPS数据、站点位置数据投影到同一坐标系;
(42)特征点确定:根据公交线路走向图确定公交线路的主要控制点,根据特征点的分布将整个公交线路分为多个直线线路;所述控制点为公交线路方向转折点;
(43)实时距离计算:计算公交车实时位置到之后第一个特征点的直线距离和不同特征点之间的距离以及站台附近特征点到站台的直线距离,所有距离之和即为公交车和站点的实时距离。
5.根据权利要求1所述的公交车动态调度系统,其特征在于,步骤(1.4)中的数据对比包括以下步骤:
(51)读取数据集MAC4中的MAC地址数据,与MAC1中的数据进行对比,保留相同的部分,并与数据集MAC2进行对比,若存在于MAC2则筛除,对剩余的MAC地址进行计数,得到该站台的上车乘客;
(52)读取数据集MAC3中的MAC地址数据,与MAC4中的数据进行对比,若存在于MAC4则筛除,对剩余的MAC地址数据进行计数,得到该站台的下车人数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710997622.XA CN107818411B (zh) | 2017-10-24 | 2017-10-24 | 基于WiFi检测和GPS定位的公交车动态调度系统及调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710997622.XA CN107818411B (zh) | 2017-10-24 | 2017-10-24 | 基于WiFi检测和GPS定位的公交车动态调度系统及调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107818411A CN107818411A (zh) | 2018-03-20 |
CN107818411B true CN107818411B (zh) | 2021-08-10 |
Family
ID=61607462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710997622.XA Active CN107818411B (zh) | 2017-10-24 | 2017-10-24 | 基于WiFi检测和GPS定位的公交车动态调度系统及调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107818411B (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108449439A (zh) * | 2018-05-22 | 2018-08-24 | 集美大学 | 基于wifi技术的车内人数统计系统 |
CN108960589B (zh) * | 2018-06-14 | 2022-02-11 | 阳光易购(北京)科技有限公司 | 净菜业务运营管理方法及装置 |
CN109859458B (zh) * | 2019-01-17 | 2020-06-30 | 深圳市泰比特科技有限公司 | 一种基于车辆大数据的车辆调度方法及系统 |
CN109816979B (zh) * | 2019-02-19 | 2021-07-27 | 辽宁师范大学 | 考虑公交车到站频率和乘车舒适度的公交线路推荐方法 |
CN111243317B (zh) * | 2019-04-03 | 2020-11-27 | 六安志成智能科技有限公司 | 公交路线数据调控方法 |
CN110309700B (zh) * | 2019-04-03 | 2020-05-15 | 徐州市智慧云软件技术有限公司 | 公交路线数据调控系统 |
US10956844B2 (en) | 2019-04-29 | 2021-03-23 | Advanced New Technologies Co., Ltd. | Method and apparatus for determining vehicle scheduling strategy |
CN110188921A (zh) * | 2019-04-29 | 2019-08-30 | 阿里巴巴集团控股有限公司 | 车辆调度策略确定方法和装置 |
CN110390479A (zh) * | 2019-07-16 | 2019-10-29 | 武汉译码当先科技有限公司 | 公交车发车时间调度方法、设备、存储介质及装置 |
CN110390834B (zh) * | 2019-07-29 | 2022-08-12 | 深圳柯赛标识智能科技有限公司 | 一种与公交系统联动的电子广告牌显示方法及其系统 |
CN110570677A (zh) * | 2019-08-13 | 2019-12-13 | 成都电科慧安科技有限公司 | 一种基于uwb的站内监控公交调度方法 |
CN111210612B (zh) * | 2019-10-29 | 2021-01-19 | 浙江浙大中控信息技术有限公司 | 基于公交gps数据与站点信息提取公交线路轨迹的方法 |
CN111063209B (zh) * | 2019-12-23 | 2021-05-11 | 北京航空航天大学 | 配合区间车的自动驾驶公交组合调度优化方法 |
CN112116241B (zh) * | 2020-09-16 | 2021-06-25 | 山东炎黄工业设计有限公司 | 一种公共交通智能调度方法 |
CN112135247B (zh) * | 2020-09-27 | 2023-03-31 | 浙江大华技术股份有限公司 | 一种数据传输方法、装置、存储介质及电子装置 |
CN112270480B (zh) * | 2020-10-30 | 2023-12-19 | 北京交通大学 | 自动驾驶出租车调度方法及调度系统 |
CN113140102B (zh) * | 2021-04-10 | 2022-07-12 | 温州大学 | 一种公共交通的线路优化系统及方法 |
CN113192355B (zh) * | 2021-04-25 | 2022-09-02 | 浙江恒隆智慧科技集团有限公司 | 电子站牌的终端管理方法及装置 |
CN113160604A (zh) * | 2021-04-27 | 2021-07-23 | 华录智达科技股份有限公司 | 一种基于人工智能公交管理方法及系统 |
CN113298350A (zh) * | 2021-04-27 | 2021-08-24 | 华录智达科技股份有限公司 | 一种基于人工智能的公交综合监管与服务系统 |
CN114202190A (zh) * | 2021-12-09 | 2022-03-18 | 安徽达尔智能控制系统股份有限公司 | 一种基于v2x的超载监控系统、方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102270385A (zh) * | 2010-06-01 | 2011-12-07 | 上海经达实业发展有限公司 | 智能公交调度和管理系统 |
CN105869388A (zh) * | 2016-05-31 | 2016-08-17 | 苏州朗捷通智能科技有限公司 | 一种公交客流数据采集及起讫点的分析方法及系统 |
CN106448169A (zh) * | 2016-11-23 | 2017-02-22 | 重庆交通大学 | 基于wifi的公交客流实时监测系统、数据处理方法 |
CN106485912A (zh) * | 2016-10-24 | 2017-03-08 | 东南大学 | 一种基于公交站点信息化的普通公交动态调度方法 |
CN107248280A (zh) * | 2017-08-07 | 2017-10-13 | 江苏南大苏富特智能交通科技有限公司 | 一种基于实时客流预测的公交车发车调度方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10286924B2 (en) * | 2013-01-14 | 2019-05-14 | Frank E. Bunn | Rail bus transportation network loop system |
-
2017
- 2017-10-24 CN CN201710997622.XA patent/CN107818411B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102270385A (zh) * | 2010-06-01 | 2011-12-07 | 上海经达实业发展有限公司 | 智能公交调度和管理系统 |
CN105869388A (zh) * | 2016-05-31 | 2016-08-17 | 苏州朗捷通智能科技有限公司 | 一种公交客流数据采集及起讫点的分析方法及系统 |
CN106485912A (zh) * | 2016-10-24 | 2017-03-08 | 东南大学 | 一种基于公交站点信息化的普通公交动态调度方法 |
CN106448169A (zh) * | 2016-11-23 | 2017-02-22 | 重庆交通大学 | 基于wifi的公交客流实时监测系统、数据处理方法 |
CN107248280A (zh) * | 2017-08-07 | 2017-10-13 | 江苏南大苏富特智能交通科技有限公司 | 一种基于实时客流预测的公交车发车调度方法 |
Non-Patent Citations (1)
Title |
---|
基于物联网技术的智能公交调度优化研究;温馨 等;《信息通信》;20151231;第98页第2节至第99页第3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN107818411A (zh) | 2018-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107818411B (zh) | 基于WiFi检测和GPS定位的公交车动态调度系统及调度方法 | |
CN107845259B (zh) | 公交运行情况实时反馈系统及公交实时运行数据处理方法 | |
CN108537351B (zh) | 一种推荐上车点的确定方法及装置 | |
CN108133619B (zh) | 停车场停车预测的方法、装置、存储介质及终端设备 | |
CN105589939B (zh) | 识别群体运动轨迹方法和装置 | |
CN103177575B (zh) | 城区出租车动态在线调度优化系统及其方法 | |
CN107798869B (zh) | 基于站点WiFi和车载GPS的公交乘客客流采集与分析方法 | |
CN108109423B (zh) | 基于WiFi室内定位的地下停车场智能导航方法及系统 | |
CN105160934A (zh) | 一种适用于大型停车场的智能停车系统 | |
CN109191845B (zh) | 一种公交车辆到站时间预测方法 | |
CN107844856B (zh) | 基于车载GPS和站点WiFi的公交车客流预测方法 | |
CN107564292B (zh) | 基于站点WiFi和车载移动终端的乘客等车时间规律估计方法 | |
CN116362370A (zh) | 智慧城市停车场车位状态预估方法、物联网系统及装置 | |
CN108108926A (zh) | 一种基于大数据的共享单车调度系统和调度方法 | |
CN110472999B (zh) | 基于地铁和共享单车数据的客流模式分析方法及装置 | |
CN102819950A (zh) | 一种交通工具搭载辅助决策的系统和方法 | |
CN105096584A (zh) | 一种交通决策支持方法、装置及系统 | |
CN112289041A (zh) | 基于热点定位和信息共享的智慧停车场管理方法及云平台 | |
CN115235614A (zh) | 一种城市环境噪声实时监测方法、系统、设备及存储介质 | |
CN115130779A (zh) | 一种基于移动充电桩的智能调度方法 | |
Zhai | Design of NarrowBand-IoT Oriented Wireless Sensor Network in Urban Smart Parking. | |
CN110556014A (zh) | 智能公交调度平台系统 | |
CN107492259A (zh) | 一种基于ibeacon的车位管理系统及方法 | |
Xue et al. | Point-cloud map update for connected and autonomous vehicles based on vehicle infrastructure cooperation: framework and field experiments | |
CN112434860B (zh) | 一种交通接驳方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |