CN107845259A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN107845259A
CN107845259A CN201710997514.2A CN201710997514A CN107845259A CN 107845259 A CN107845259 A CN 107845259A CN 201710997514 A CN201710997514 A CN 201710997514A CN 107845259 A CN107845259 A CN 107845259A
Authority
CN
China
Prior art keywords
time
data
bus
real
gps
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
Application number
CN201710997514.2A
Other languages
English (en)
Other versions
CN107845259B (zh
Inventor
于维杰
李志斌
张应恒
王礼睿
王诗菡
陆钥
杨昊明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201710997514.2A priority Critical patent/CN107845259B/zh
Publication of CN107845259A publication Critical patent/CN107845259A/zh
Application granted granted Critical
Publication of CN107845259B publication Critical patent/CN107845259B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles

Abstract

本发明公开了一种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，基于Wi‑Fi检测子系统、GPS检测子系统和数据处理子系统；利用Wi‑Fi检测设备以既定频率实时检测公交车附近检测距离范围内的打开Wi‑Fi功能的电子设备的MAC地址；在公交车辆上安装GPS设备以既定频率记录公交车运行过程中的GPS位置数据；数据处理子系统通过核心算法对Wi‑Fi数据和GPS数据进行匹配、噪声数据清洗，从而获得公交车辆的实时载客人数信息预测及到站时间预测；本发明提供了一种在R软件和ArcGIS数据处理平台上开发的新型公交实时到站及载客情况预测方案，可为公交系统中车辆组织调配、发车频率优化、到站时刻提醒、车辆上客流量实时检测、车辆上拥挤程度信息发布等提供关键信息参考与技术支持。

Description

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
技术领域
本发明涉及智能交通系统，尤其涉及一种基于GPS定位和Wi-Fi检测的公交运行实时反馈系统，同时还涉及基于该公交运行实时反馈系统进行公交实时运行数据的处理方法。
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对一个城市的发展起着非常重要的作用。智能公交系统就是运用当下最先进的GPS/北斗定位技术、3G/4G通信技术、GIS地理信息系统技术，并结合公交车辆的运行特点，建设而成的公交智能调度系统，可以实现对线路、车辆的规划调度，实现灵活调整班次，提高公交车辆的利用率，提高公共交通的服务水平。
未来城市公共交通工具(如地铁、公交车、出租车等)上正在逐步安装Wi-Fi热点，并且调查显示，当前我国的智能手机普及率持续增长，现已达到68％(成年人拥有的智能手机的比例)，远高于全球智能手机普及率43％。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。
现有的较为成熟的公交车载客人数(拥挤程度)预测模型，大多采用公交IC卡与车门踏板相结合的数据采集方法。这种方法的优点是简单易行，但存在不能实时输出预测结果以及无法得到排除随机误差的共性方法等方面的弊端；现有的公交到站时间预测模型，大多以公交车历史运行数据为基础，对不同时间段、不同路段中公交车的行驶时间进行预测。由于交通流状态和交通管控的多变性，历史的数据往往不能有效的代表公交车的实际运行状态，在路况多变的线路上往往预测结果存在较大误差。。
发明内容
发明目的：为了解决现有技术存在问题，本发明的目的是提供一种可以实现公交车实时载客人数的实时预测和输出的公交运行实时反馈系统，本发明的另一目的是提供一种基于上述系统实时获取并处理公交车运行情况的公交实时运行数据处理方法。
技术方案：一种基于GPS定位和Wi-Fi检测的公交运行情况实时反馈系统，包括Wi-Fi检测子系统、GPS检测子系统和数据处理子系统；
所述Wi-Fi检测子系统包括用于获取公交乘客MAC地址信息Wi-Fi检测模块与将Wi-Fi检测数据上传至数据处理子系统的数据上传模块；
所述GPS检测子系统包括GPS记录模块与数据上传模块；GPS记录模块通过车载GPS记录仪每隔1s获取公交运行过程中的实时GPS数据，通过数据上传模块将GPS数据上传至数据处理子系统并储存在相应的数据存储模块；
所述数据处理子系统包括服务器和存储器；所述存储器用于接收Wi-Fi检测系统和GPS记录仪所上传的数据，并对获得的数据进行临时存储；所述服务器由R模块、ArcGIS模块和输出模块组成，所述R模块和ArcGIS模块实现数据处理与筛选，所述输出模块对公交车的实时位置、预计到站时间与公交车的实时载客数量进行可视化输出；所述数据信息包括MAC地址、GPS数据、公交车实时速度和时间数据；
所述Wi-Fi检测模块基于车载Wi-Fi检测器，实现每隔1～2秒检测一次当前正在使用Wi-Fi或者蓝牙的移动设备的Wi-Fi信号，对进入检测区域的智能手机、笔记本电脑或免持设备进行识别，得到被扫描设备的MAC地址数据与扫描时间数据；所述数据上传模块与所述数据处理子系统联系，将所获得的数据储存到数据处理子系统中的存储器。
一种所述公交运行情况实时反馈系统进行公交实时运行数据处理的方法，包括以下步骤：
(1)数据采集：收集并整理Wi-Fi检测子系统与GPS检测子系统中数据上传模块上传的MAC地址数据、GPS定位、实时时间和实时速度信息；
(2)数据处理过程起始时刻确定：利用上传的GPS数据实时计算公交车到某一站点的距离，当该距离接近该站台到下一站台的距离的一半时开始下述数据处理过程；
(3)数据初步处理：对步骤(1)中获得的有效信息进行提取并进行初步处理；公交车的实时位置可由上传的GPS定位信息直接取得，将Wi-Fi检测和GPS检测获得的时间信息分别转化为Unix时间戳格式，便于后续数据操作；
(4)公交车运行参数计算：包括平均行驶速度计算和到站距离计算；利用R模块对步骤(1)公交车行驶过程中实时速度数值计算平均数，得到运行行驶过程中公交车的平均速度；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，根据公交车与站点的相对位置及路线走向确定公交车与之后每一个站点的实时距离；
(5)持续时间筛选：对步骤(3)Wi-Fi检测信息进行整理，获得MAC地址扫描时间列表，根据MAC地址信号最后一次被检测与第一次被检测的时间差确定信号持续时间；以实际调查确定的干扰MAC地址数据可能存在的最长时间为依据，确定最小持续时间阈值，将持续时间小于该阈值的MAC地址信号剔除；所述持续时间筛选由R模块进行操作；
(6)站点筛选：将MAC地址与GPS信息按时间戳差值最小的原则进行匹配；在此基础上，利用ArcGIS以站点为圆心，以合理阈值为半径建立缓冲区，筛除MAC地址信号第一次被检测位置不在站台缓冲区、第一次和最后一次检测位置均在同一站台缓冲区的MAC地址数据，MAC地址信号第一次被检测位置位于站台缓冲区以内则认为是上车乘客，MAC地址信号最后一次被检测到时的位置位于站台缓冲区以内则认为是下车乘客。对各站点筛选后上下车乘客进行计数并输出；
(7)实时载客人数计算：对公交车运行过程中之前经过的所有站台上下车乘客数量求和，得到累计上下车乘客数量；累计上车乘客数量与累计下车乘客数量之差即得到公交车实时载客人数，并确定公交车实时拥挤程度；
(8)停站时间预测：对步骤(6)得到的上、下车乘客MAC信号进行统计分析，得到每一个站点乘客MAC信号之间的最大时间差，并以此作为该站点的公交车停站时间；选取已停靠站点停站时间的平均值作为下一站点停站时间的预测值；
(9)行驶时间预测：利用上述步骤(4)得到的行驶平均速度和公交车到之后每一个站点的实时距离进行计算，实时距离与平均速度之比即为预测的行驶时间；
(10)到站时间预测：公交车到站时间预测值为步骤(8)预测停站时间与步骤(9)预测行驶时间之和；
(11)结果输出：进行上述步骤的处理后，通过输出模块对实时载客人数、拥挤程度等级和预测到站时间进行可视化输出。
所述步骤(1)利用Wi-Fi检测子系统中的Wi-Fi检测模块与GPS检测子系统中的GPS记录模块，Wi-Fi检测模块对MAC地址进行采集，用户的移动终端通过Wi-Fi射频方式传输信息并最终在检测设备上生成MAC地址数据；由GPS记录仪记录公交车运行过程中实际位置的坐标和实时速度。
所述步骤(3)基于Wi-Fi检测子系统与GPS检测子系统中的数据上传模块提取数据，通过数据处理子系统对获得的各项数据进行数据的提取与转化。
所述步骤(4)中，公交车到站距离计算步骤具体包括：
(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)控制点确定：根据公交线路走向图确定公交线路的主要控制点，根据控制点的分布将整个公交线路分为多个直线线路；
(43)实时距离计算：计算公交车实时位置到之后第一个控制点的直线距离和不同控制点之间的距离以及站台附近控制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(5)利用数据处理子过程，进行持续时间筛选，利用R语言根据持续时间对检测到的MAC地址数据进行筛选，筛除不在所设定的时间阈值范围内的MAC地址数据，具体步骤包括：
(51)利用记录的MAC地址数据得到每一个MAC地址在公交无线网络接入点的出现时刻timei和最后一次被检测到的时刻timef，得到每个MAC地址数据的持续时间Δs；
(52)实地调查定出合理的时间阈值，该阈值由干扰MAC地址数据可能存在的最大时间确定，对持续时间小于时间阈值的MAC地址信号进行剔除，消除公交车运行过程中周围车辆内乘客Wi-Fi信号和行人Wi-Fi信号的干扰，得到符合乘客基本特征的MAC地址数据。
所述步骤(6)的站点筛选、分数据匹配与缓冲区筛选包括如下两个步骤：
(61)利用R模块对筛选之后的MAC地址与GPS信息进行匹配的方法为：按MAC地址与GPS信息时间戳差值最小原则进行匹配，将每一个有效MAC地址第一次与最后一次被检测时对应的时间戳与GPS时间戳相匹配，得到每一个有效MAC地址第一次和最后一次被检测到时的位置坐标；
(62)缓冲区筛选：利用ArcGIS将有效MAC地址第一次和最后一次被检测到时的位置坐标与站点位置坐标添加到同一地理坐标系上；以公交站点为圆心，以合适的阈值为半径建立圆形缓冲区，筛选出该缓冲区范围的MAC地址数据，导出筛选后各站点缓冲区内第一次和最后一次被检测的MAC地址信号数量；
所述阈值根据公交车进站停车时实时GPS数据和站点GPS坐标计算停车位置和站点位置的最大距离确定。
在GPS检测子系统实时反馈显示公交车实时位置在相邻两站台中点位置时，利用所述步骤(7)计算实时载客人数。
所述步骤(7)确定公交车实时拥挤程度等级具体包括：引入拥挤指标k＝公交车实时载客数量/公交车最大载客数，根据k的数值大小确定5个拥挤程度等级：k≤0.3为空、0.3<k≤0.5为较空、0.5<k≤0.7为中等、0.7<k≤0.9为较拥挤、k>0.9为很拥挤
有益效果
和现有技术性相比，本发明充分利用公交车的Wi-Fi覆盖，当乘客无线移动终端开启Wi-Fi功能后，实时采集乘客的MAC地址数据，结合公交车GPS等信息，实现公交线路公交车到站距离、预计到站时间、实时载客人数的合理预测；可以实现公交车实时载客人数的实时预测和输出，并且以当前公交车的实际运行状态来估计到站时间，提高了数据的有效性，预测结果更加精准合理；为公交车的组织调配提供参考并为未上车的乘客提供公交车的实时信息；
附图说明
图1为本发明公交实时运行情况反馈系统流程图；
图2为本发明公交车实时载客人数估计方法流程图；
图3为本发明公交车实时位置确定方法示意图；
图4为本发明公交车实时载客人数估计方法中ArcGIS模块进行站点筛选原理图；
图5为本发明公交车实时位置及到站时间估计方法流程图。
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。
图1为本发明的基于GPS定位和Wi-Fi检测的公交车实时运行情况反馈系统的流程图，具体组成如下：
包括Wi-Fi检测子系统、GPS检测子系统和数据处理子系统。该系统充分利用公交车的WIFI覆盖，当Wi-Fi检测子系统检测到乘客无限移动终端开启WIFI功能后,对用户的MAC地址数据进行采集并记录实时时间数据time1,之后通过数据上传模块将MAC地址数据和时间数据上传至数据处理子系统，在相应的模块储存检测装置获得的实时数据。
其中，Wi-Fi检测子系统包括用于获取公交乘客MAC地址信息Wi-Fi检测模块与将Wi-Fi检测数据上传至数据处理子系统的数据上传模块；Wi-Fi检测模块基于车载Wi-Fi检测器，当用户出现在公交车Wi-Fi检测器覆盖范围内且手机Wi-Fi功能开启时，Wi-Fi检测子系统能够检测到用户手机，实现每隔1～2秒检测一次当前正在使用Wi-Fi或者蓝牙的移动设备的Wi-Fi信号，无需设备与特定的无线访问节点连接，即可对进入检测区域的智能手机、笔记本电脑或免持设备进行识别，得到被扫描设备的MAC地址数据与扫描时间数据；所述数据上传模块与所述数据处理子系统联系，将所获得的数据储存到数据处理子系统中。
GPS检测子系统包括GPS记录模块与数据上传模块；GPS记录模块通过车载GPS记录仪每隔1s获取公交运行过程中的实时GPS数据，通过数据上传模块将GPS数据上传至数据处理子系统并储存在相应的数据存储模块中；GPS记录模块用于记录公交运行过程中的GPS数据(lat,lon)、实时速度speed实时时间数据time2，之后通过数据上传模块将GPS数据上传至数据处理子系统储存和供后续使用。
数据处理子系统包括服务器和存储器；存储器与Wi-Fi检测器子系统和GPS检测子系统的数据上传模块相联系，具有与Wi-Fi检测系统和GPS检测系统相联系的对外接口，存储器用于接收Wi-Fi检测系统和GPS记录仪所上传的数据，并对获得的数据进行临时存储；服务器由R模块、ArcGIS模块和输出模块组成；具体的，R模块和ArcGIS模块实现数据处理与筛选，所述输出模块对公交车的实时位置、预计到站时间与公交车的实时载客数量进行可视化输出；上述数据信息包括MAC地址、GPS数据和时间数据。数据处理子系统利用GPS定位获取公交车的实时位置，根据公交车和站点的相对位置确定公交车到站点的距离，利用Wi-Fi检测提取公交车停站时间，通过公交车与站点的距离、公交车的速度信息和停站时间估计公交车到站时间；根据乘客的行为特征，建立有效数据提取模型，根据模型处理得到的乘客上下站信息推算公交车实时载客人数；
具体地，乘客的行为特征包括：乘客在公交车上的时间必须在特定的范围内、只能在站点附近上、下车。基于该乘客的行为特征，公交车实时载客人数估计的核心思想包括：
根据乘客在公交车上的时间必须在特定的范围内的行为特征，以MAC地址信号持续时间为处理对象，剔除持续时间小于合理时间阈值的MAC地址数据；根据乘客只能在站点附近上、下车的行为特征，利用数据处理子系统中的ArcGIS模块进行处理。将站点GPS数据和与MAC地址匹配的GPS数据导入同一坐标系，在站点周围以合适的范围建立缓冲区，剔除不在缓冲区内的MAC地址位置点。
图2为本发明公交车实时载客人数估计方法流程图。
本实施例中，对实时载客人数、拥挤程度等级和预测到站时间实时预测，具体操作步骤如下：
(1)数据提取：数据处理子系统中的服务器自动提取数据存储模块中的实时有效数据，包括Wi-Fi检测子系统上传的MAC地址数据、实时时间数据time1和GPS检测子系统上传的GPS定位(lat,lon)、实时时间数据time2、实时速度speed；
(2)初步处理模块：将Wi-Fi检测子系统和GPS检测子系统中获取的实时时间数据time1和time2转换为时间戳格式，将处理后的time1和time2及原有的MAC地址数据和GPS数据上传至R处理模块；
(3)R软件处理模块：根据上述步骤(2)上传的数据，R软件处理模块数据处理步骤如下：
(31)数据统计：根据与用户唯一对应的MAC地址数据确定每个信号的出现时刻timei和最后一次被检测的时刻timef，根据出现时刻timei和最后一次被检测的时刻timef计算每个MAC地址信号的持续时间duration；
(32)行驶平均速度计算：对已检测到的公交车实时速度数值计算平均数，得到行驶过程中公交车的平均速度speed1；
(33)持续时间筛选：根据干扰MAC地址数据可能存在的最大时间设定最小时间阈值td，剔除持续时间duration小于时间阈值的MAC地址数据，筛选后得到符合要求的MAC地址数据以及与其对应的出现时刻timei_1和最后一次被检测的时刻timef_1；
(34)数据匹配：利用上述步骤(32)得到的MAC地址数据以及与其对应的出现时刻timei_1和最后一次被检测时刻timef_1,结合上述步骤(2)初步处理模块上传的公交车实时位置数据time2,根据时间戳相差最近的原理，为每一个MAC地址的出现时刻timei_1和timef_1分别匹配位置信息GPSi和GPSf,并将GPSi和GPSf上传至ArcGIS处理模块；
(4)ArcGIS处理模块：根据上述步骤(33)上传的数据，ArcGIS处理模块数据处理步骤如下：
(41)坐标投影：将公交线路走向图、站点的位置信息和上述步骤(33)得到的GPSi和GPSf信息投影到同一坐标系；
(42)到站距离计算：根据公交线路走向图确定公交线路的主要控制点(公交线路方向转折点)，根据控制点的分布将整个公交线路分为多个直线线路，通过计算各条直线线路的长度di之和得到公交车距离站点的实时距离D；
图3为本发明公交车实时位置确定方法示意图。
(43)建立缓冲区：以公交站点为圆心，以公交车停站位置与站点位置的最大距离为半径，在站点附近建立圆形缓冲区，如附图(3)所示；
(44)站点筛选：剔除不在缓冲区内的GPSi和GPSf对应的数据点，保留缓冲区以内GPSi和GPSf对应的数据点GPSi_1和GPSf_1，和对应的时间数据；
图4为本发明公交车实时载客人数估计方法中ArcGIS模块进行站点筛选原理图；
(5)结果输出模块：对上述步骤(3)R模块和上述步骤(4)ArcGIS模块处理后的数据进行计算，得到公交车的实时到站距离、预计到站时间与公交车的实时载客数量，并进行可视化输出。
(51)图5为本发明公交车实时位置及到站时间估计方法流程图，其主要步骤如下：
(511)停站时间预测：对ArcGIS模块步骤(44)得到的上、下车乘客信号时间进行统计分析，得到每一个站点乘客MAC信号之间的最大时间差Δsmax，并以此作为该站点的公交车停站时间ti；选取已停靠站点停站时间的平均值作为下一站点停站时间的预测值,其中n为当前公交车已停靠站点数量；
(512)行驶时间预测：对R模块步骤(32)得到的平均速度speed1和ArcGIS模块步骤(42)得到的到站距离D进行计算，得到预测的行驶时间t2＝D/speed1；
(513)到站时间预测：根据停站时间t1和行驶时间t2计算预测到站时间t,t＝t1+t2；并对预测到站时间t可视化输出。
(52)载客人数及拥挤程度预测：对上述步骤(43)每个站点筛选出的GPSi_1和GPSf_1计数，得到站点缓冲区内GPSi_1和GPSf_1的数目，将其视为在第i站点上、下车的乘客数量numi&1、numi&2，公交车实时载客人数：
通过公交车实时载客人数计算拥挤指标k,k＝NUM/NUMm,NUMm为公交车最大载客量，根据k的数值大小确定当前拥挤程度等级并输出；i为整数且1≤i≤n,n为公交线路的总车站数。利用上传的GPS数据实时计算公交车到某一站点的距离，当该距离接近该站台到下一站台的距离的一半时(此时可认为公交车离开了某一车站并行驶了一段路程且未到下一站台，且车上乘客MAC地址数据趋于稳定)进行一次数据处理过程，得出当前状态下公交车的实时载客人数。

Claims (10)

1.一种基于GPS定位和Wi-Fi检测的公交运行情况实时反馈系统，其特征在于，包括Wi-Fi检测子系统、GPS检测子系统和数据处理子系统；
所述Wi-Fi检测子系统包括用于获取公交乘客MAC地址信息Wi-Fi检测模块与将Wi-Fi检测数据上传至数据处理子系统的数据上传模块；
所述GPS检测子系统包括GPS记录模块与数据上传模块；GPS记录模块通过车载GPS记录仪每隔1s获取公交运行过程中的实时GPS数据，通过数据上传模块将GPS数据上传至数据处理子系统并储存在相应的数据存储模块；
所述数据处理子系统包括服务器和存储器；所述存储器用于接收Wi-Fi检测系统和GPS记录仪所上传的数据，并对获得的数据进行临时存储；所述服务器由R模块、ArcGIS模块和输出模块组成，所述R模块和ArcGIS模块实现数据处理与筛选，所述输出模块对公交车的实时位置、预计到站时间与公交车的实时载客数量进行可视化输出；所述数据信息包括MAC地址、GPS数据、公交车实时速度和时间数据。
2.根据权利要求1所述的公交运行情况实时反馈系统，其特征在于：所述Wi-Fi检测模块基于车载Wi-Fi检测器，实现每隔1～2秒检测一次当前正在使用Wi-Fi或者蓝牙的移动设备的Wi-Fi信号，对进入检测区域的智能手机、笔记本电脑或免持设备进行识别，得到被扫描设备的MAC地址数据与扫描时间数据；所述数据上传模块与所述数据处理子系统联系，将所获得的数据储存到数据处理子系统中的存储器。
3.一种利用如权利要求1或2任一所述公交运行情况实时反馈系统进行公交实时运行数据处理的方法，其特征在于：包括以下步骤：
(1)数据采集：收集并整理Wi-Fi检测子系统与GPS检测子系统中数据上传模块上传的MAC地址数据、GPS定位、实时时间和实时速度信息；
(2)数据处理过程起始时刻确定：利用上传的GPS数据实时计算公交车到某一站点的距离，当该距离接近该站台到下一站台的距离的一半时开始下述数据处理过程；
(3)数据初步处理：对步骤(1)中获得的有效信息进行提取并进行初步处理；公交车的实时位置可由上传的GPS定位信息直接取得，将Wi-Fi检测和GPS检测获得的时间信息分别转化为Unix时间戳格式，便于后续数据操作；
(4)公交车运行参数计算：包括平均行驶速度计算和到站距离计算；利用R模块对步骤(1)公交车行驶过程中实时速度数值计算平均数，得到运行行驶过程中公交车的平均速度；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，根据公交车与站点的相对位置及路线走向确定公交车与之后每一个站点的实时距离；
(5)持续时间筛选：对步骤(3)Wi-Fi检测信息进行整理，获得MAC地址扫描时间列表，根据MAC地址信号最后一次被检测与第一次被检测的时间差确定信号持续时间；以实际调查确定的干扰MAC地址数据可能存在的最长时间为依据，确定最小持续时间阈值，将持续时间小于该阈值的MAC地址信号剔除；所述持续时间筛选由R模块进行操作；
(6)站点筛选：将MAC地址与GPS信息按时间戳差值最小的原则进行匹配；在此基础上，利用ArcGIS以站点为圆心，以合理阈值为半径建立缓冲区，筛除MAC地址信号第一次被检测位置不在站台缓冲区、第一次和最后一次检测位置均在同一站台缓冲区的MAC地址数据，MAC地址信号第一次被检测位置位于站台缓冲区以内则认为是上车乘客，MAC地址信号最后一次被检测到时的位置位于站台缓冲区以内则认为是下车乘客。对各站点筛选后上下车乘客进行计数并输出；
(7)实时载客人数计算：对公交车运行过程中之前经过的所有站台上下车乘客数量求和，得到累计上下车乘客数量；累计上车乘客数量与累计下车乘客数量之差即得到公交车实时载客人数，并确定公交车实时拥挤程度；
(8)停站时间预测：对步骤(6)得到的上、下车乘客MAC信号进行统计分析，得到每一个站点乘客MAC信号之间的最大时间差，并以此作为该站点的公交车停站时间；选取已停靠站点停站时间的平均值作为下一站点停站时间的预测值；
(9)行驶时间预测：利用上述步骤(4)得到的行驶平均速度和公交车到之后每一个站点的实时距离进行计算，实时距离与平均速度之比即为预测的行驶时间；
(10)到站时间预测：公交车到站时间预测值为步骤(8)预测停站时间与步骤(9)预测行驶时间之和；
(11)结果输出：进行上述步骤的处理后，通过输出模块对实时载客人数、拥挤程度等级和预测到站时间进行可视化输出。
4.根据权利要求3所述的公交实时运行数据处理方法，其特征在于：所述步骤(1)利用Wi-Fi检测子系统中的Wi-Fi检测模块与GPS检测子系统中的GPS记录模块，Wi-Fi检测模块对MAC地址进行采集，用户的移动终端通过Wi-Fi射频方式传输信息并最终在检测设备上生成MAC地址数据；由GPS记录仪记录公交车运行过程中实际位置的坐标和实时速度。
5.根据权利要求3所述的公交实时运行数据处理方法，其特征在于：所述步骤(3)基于Wi-Fi检测子系统与GPS检测子系统中的数据上传模块提取数据，通过数据处理子系统对获得的各项数据进行数据的提取与转化。
6.根据权利要求3所述的公交实时运行数据处理方法，其特征在于，所述步骤(4)中，公交车到站距离计算步骤具体包括：
(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)控制点确定：根据公交线路走向图确定公交线路的主要控制点，根据控制点的分布将整个公交线路分为多个直线线路；
(43)实时距离计算：计算公交车实时位置到之后第一个控制点的直线距离和不同控制点之间的距离以及站台附近控制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。
7.根据权利要求3所述的公交乘客实时数据处理方法，其特征在于：所述步骤(5)利用数据处理子过程，进行持续时间筛选，利用R语言根据持续时间对检测到的MAC地址数据进行筛选，筛除不在所设定的时间阈值范围内的MAC地址数据，具体步骤包括：
(51)利用记录的MAC地址数据得到每一个MAC地址在公交无线网络接入点的出现时刻timei和最后一次被检测到的时刻timef，得到每个MAC地址数据的持续时间Δs；
(52)实地调查定出合理的时间阈值，该阈值由干扰MAC地址数据可能存在的最大时间确定，对持续时间小于时间阈值的MAC地址信号进行剔除，消除公交车运行过程中周围车辆内乘客Wi-Fi信号和行人Wi-Fi信号的干扰，得到符合乘客基本特征的MAC地址数据。
8.根据权利要求3所述的公交乘客实时数据处理方法，其特征在于：所述步骤(6)的站点筛选、分数据匹配与缓冲区筛选包括如下两个步骤：
(61)利用R模块对筛选之后的MAC地址与GPS信息进行匹配的方法为：按MAC地址与GPS信息时间戳差值最小原则进行匹配，将每一个有效MAC地址第一次与最后一次被检测时对应的时间戳与GPS时间戳相匹配，得到每一个有效MAC地址第一次和最后一次被检测到时的位置坐标；
(62)缓冲区筛选：利用ArcGIS将有效MAC地址第一次和最后一次被检测到时的位置坐标与站点位置坐标添加到同一地理坐标系上；以公交站点为圆心，以合适的阈值为半径建立圆形缓冲区，筛选出该缓冲区范围的MAC地址数据，导出筛选后各站点缓冲区内第一次和最后一次被检测的MAC地址信号数量；
所述阈值根据公交车进站停车时实时GPS数据和站点GPS坐标计算停车位置和站点位置的最大距离确定。
9.根据权利要求3所述的公交乘客实时数据处理方法，其特征在于：在GPS检测子系统实时反馈显示公交车实时位置在相邻两站台中点位置时，利用所述步骤(7)计算实时载客人数。
10.根据权利要求3所述的公交乘客实时数据处理方法，其特征在于：所述步骤(7)确定公交车实时拥挤程度等级具体包括：引入拥挤指标k＝公交车实时载客数量/公交车最大载客数，根据k的数值大小确定5个拥挤程度等级：k≤0.3为空、0.3<k≤0.5为较空、0.5<k≤0.7为中等、0.7<k≤0.9为较拥挤、k>0.9为很拥挤。
CN201710997514.2A 2017-10-24 2017-10-24 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 Active CN107845259B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710997514.2A CN107845259B (zh) 2017-10-24 2017-10-24 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710997514.2A CN107845259B (zh) 2017-10-24 2017-10-24 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

Publications (2)

Publication Number Publication Date
CN107845259A true CN107845259A (zh) 2018-03-27
CN107845259B CN107845259B (zh) 2021-02-09

Family

ID=61662641

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710997514.2A Active CN107845259B (zh) 2017-10-24 2017-10-24 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

Country Status (1)

Country Link
CN (1) CN107845259B (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
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
CN108551650A (zh) * 2018-03-28 2018-09-18 哈尔滨工业大学 一种公交客流采集装置及客流统计方法
CN109215347A (zh) * 2018-10-22 2019-01-15 北京航空航天大学 一种基于众包轨迹数据的交通数据质量控制方法
CN110211379A (zh) * 2019-05-27 2019-09-06 南京航空航天大学 一种基于机器学习的公共交通调度优化方法
CN110706477A (zh) * 2019-10-12 2020-01-17 杭州律橙电子科技有限公司 一种公交站点匹配方法
CN111523560A (zh) * 2020-03-18 2020-08-11 第四范式（北京）技术有限公司 到港货车数量预测模型训练方法、预测方法、装置及系统
CN111798016A (zh) * 2019-04-09 2020-10-20 江西善行智能设备制造有限公司 一种关于预约等候车辆的分配的方法
CN111882912A (zh) * 2020-07-22 2020-11-03 中国联合网络通信集团有限公司 乘车信息处理方法、装置及系统
CN113012422A (zh) * 2019-12-20 2021-06-22 百度在线网络技术（北京）有限公司 公交车定位方法、装置、设备及存储介质
CN113066302A (zh) * 2021-03-24 2021-07-02 北京百度网讯科技有限公司 车辆信息预测方法、装置及电子设备
CN113129584A (zh) * 2020-01-15 2021-07-16 中移(苏州)软件技术有限公司 载客人数的确定方法、装置、设备及存储介质
CN113335349A (zh) * 2021-08-05 2021-09-03 北京全路通信信号研究设计院集团有限公司 一种基于有轨电车道岔控制器实现列车管理的方法及系统
CN114005268A (zh) * 2021-10-21 2022-02-01 广州通达汽车电气股份有限公司 一种公交车区间调度方法、装置、设备及存储介质
CN114120622A (zh) * 2020-08-27 2022-03-01 珠海深圳清华大学研究院创新中心 公共交通工具的客流量监控方法、服务器及存储介质
CN114913702A (zh) * 2021-02-09 2022-08-16 武汉小码联城科技有限公司 一种电子公交站牌到站提醒方法、系统及相关设备
CN114913701A (zh) * 2021-02-09 2022-08-16 武汉小码联城科技有限公司 一种公交调度方法、系统及相关设备
CN114944076A (zh) * 2021-02-09 2022-08-26 武汉小码联城科技有限公司 一种公交调度方法、系统及相关设备

Citations (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101615340A (zh) * 2009-07-24 2009-12-30 北京工业大学 公交动态调度中的实时信息处理方法
CN101763721A (zh) * 2009-12-25 2010-06-30 北京工业大学 公交动态信息采集处理及无线传输方法
US7788063B2 (en) * 2008-01-28 2010-08-31 International Business Machines Corporation Utilizing gross vehicle weight to determine passenger numbers
CN103700174A (zh) * 2013-12-26 2014-04-02 中国电子科技集团公司第三十三研究所 一种基于wifi身份识别的公交客流数据采集及od分析方法
CN103778800A (zh) * 2014-02-19 2014-05-07 东南大学 一种小站距公交车到站时间预告系统的设置方法
CN203950366U (zh) * 2014-06-03 2014-11-19 上海市政工程设计研究总院（集团）有限公司 一种基于蓝牙的公交车辆客流检测系统
CN104217592A (zh) * 2014-09-24 2014-12-17 福建星网锐捷网络有限公司 人流量统计方法、设备及系统
CN105046944A (zh) * 2015-06-26 2015-11-11 浙江工业大学 扫描手机mac地址的公交车客流数据采集方法
CN105096601A (zh) * 2015-08-18 2015-11-25 安徽四创电子股份有限公司 基于公交移动wifi热点的线路满载率实时计算方法
CN105096643A (zh) * 2015-09-02 2015-11-25 重庆大学 基于多线路前车运行数据的实时公交到站时间预测方法
CN105321370A (zh) * 2014-06-27 2016-02-10 宇龙计算机通信科技(深圳)有限公司 一种乘客已下车的提示方法、系统及终端
US20160117867A1 (en) * 2013-06-05 2016-04-28 Yiqing Yuan Public transport electronic system
CN105809959A (zh) * 2016-03-31 2016-07-27 腾讯科技（深圳）有限公司 乘客数量统计方法、装置及系统
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
CN106157613A (zh) * 2015-04-28 2016-11-23 苏州市大创信息运用有限公司 基于乘客、站点、车辆位置耦合的公交客流计数管理方法
CN106211045A (zh) * 2016-08-25 2016-12-07 上海市政工程设计研究总院（集团）有限公司 公交站台客流检测系统及方法
EP3101620A1 (en) * 2015-06-05 2016-12-07 FourC AS Passenger flow determination
CN106251578A (zh) * 2016-08-19 2016-12-21 深圳奇迹智慧网络有限公司 基于探针的人流预警分析方法和系统
CN106297288A (zh) * 2016-08-23 2017-01-04 同济大学 一种公交乘客客流数据采集与分析方法
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
CN106448133A (zh) * 2016-08-30 2017-02-22 中原智慧城市设计研究院有限公司 基于客流量统计的云公交分析调度系统
CN106485935A (zh) * 2016-12-26 2017-03-08 重庆西楚智捷科技有限公司 一种基于gps预测公交到站时间的方法
CN106533901A (zh) * 2016-10-12 2017-03-22 昆明理工大学 一种基于微信公众号的公交信息服务系统
CN106792456A (zh) * 2016-12-21 2017-05-31 浙江省公众信息产业有限公司 数据分析系统和方法
CN106844624A (zh) * 2017-01-20 2017-06-13 亚信蓝涛（江苏）数据科技有限公司 一种可视化的公交大数据分析系统
CN106971545A (zh) * 2017-05-16 2017-07-21 青岛大学 一种公交车到站时间预测方法
CN106982411A (zh) * 2017-03-20 2017-07-25 华南理工大学 一种基于wifi探针数据的实时客流统计方法

Patent Citations (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7788063B2 (en) * 2008-01-28 2010-08-31 International Business Machines Corporation Utilizing gross vehicle weight to determine passenger numbers
CN101615340A (zh) * 2009-07-24 2009-12-30 北京工业大学 公交动态调度中的实时信息处理方法
CN101763721A (zh) * 2009-12-25 2010-06-30 北京工业大学 公交动态信息采集处理及无线传输方法
US20160117867A1 (en) * 2013-06-05 2016-04-28 Yiqing Yuan Public transport electronic system
CN103700174A (zh) * 2013-12-26 2014-04-02 中国电子科技集团公司第三十三研究所 一种基于wifi身份识别的公交客流数据采集及od分析方法
CN103778800A (zh) * 2014-02-19 2014-05-07 东南大学 一种小站距公交车到站时间预告系统的设置方法
CN203950366U (zh) * 2014-06-03 2014-11-19 上海市政工程设计研究总院（集团）有限公司 一种基于蓝牙的公交车辆客流检测系统
CN105321370A (zh) * 2014-06-27 2016-02-10 宇龙计算机通信科技(深圳)有限公司 一种乘客已下车的提示方法、系统及终端
CN104217592A (zh) * 2014-09-24 2014-12-17 福建星网锐捷网络有限公司 人流量统计方法、设备及系统
CN106157613A (zh) * 2015-04-28 2016-11-23 苏州市大创信息运用有限公司 基于乘客、站点、车辆位置耦合的公交客流计数管理方法
EP3101620A1 (en) * 2015-06-05 2016-12-07 FourC AS Passenger flow determination
CN105046944A (zh) * 2015-06-26 2015-11-11 浙江工业大学 扫描手机mac地址的公交车客流数据采集方法
CN105096601A (zh) * 2015-08-18 2015-11-25 安徽四创电子股份有限公司 基于公交移动wifi热点的线路满载率实时计算方法
CN105096643A (zh) * 2015-09-02 2015-11-25 重庆大学 基于多线路前车运行数据的实时公交到站时间预测方法
CN105809959A (zh) * 2016-03-31 2016-07-27 腾讯科技（深圳）有限公司 乘客数量统计方法、装置及系统
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
CN106251578A (zh) * 2016-08-19 2016-12-21 深圳奇迹智慧网络有限公司 基于探针的人流预警分析方法和系统
CN106297288A (zh) * 2016-08-23 2017-01-04 同济大学 一种公交乘客客流数据采集与分析方法
CN106211045A (zh) * 2016-08-25 2016-12-07 上海市政工程设计研究总院（集团）有限公司 公交站台客流检测系统及方法
CN106448133A (zh) * 2016-08-30 2017-02-22 中原智慧城市设计研究院有限公司 基于客流量统计的云公交分析调度系统
CN106533901A (zh) * 2016-10-12 2017-03-22 昆明理工大学 一种基于微信公众号的公交信息服务系统
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
CN106792456A (zh) * 2016-12-21 2017-05-31 浙江省公众信息产业有限公司 数据分析系统和方法
CN106485935A (zh) * 2016-12-26 2017-03-08 重庆西楚智捷科技有限公司 一种基于gps预测公交到站时间的方法
CN106844624A (zh) * 2017-01-20 2017-06-13 亚信蓝涛（江苏）数据科技有限公司 一种可视化的公交大数据分析系统
CN106982411A (zh) * 2017-03-20 2017-07-25 华南理工大学 一种基于wifi探针数据的实时客流统计方法
CN106971545A (zh) * 2017-05-16 2017-07-21 青岛大学 一种公交车到站时间预测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
SEON-JAE JEONG等: ""Implementation of the Passenger Positioning Systems using Beacon"", 《JKIICE》 *
THONGTAT ORANSIRIKUL等: ""Measuring Bus Passenger Load by Monitoring Wi-Fi Transmissions from Mobile Devices"", 《PROCEDIA TECHNOLOGY》 *
刘湘黔: ""基于智能WiFi的客流统计系统设计"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
张游杰等: ""基于WiFi身份识别和公交IC卡数据的公交客流起讫点分析"", 《计算机应用》 *
陈哲: ""基于SDR的区域客流统计研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108551650A (zh) * 2018-03-28 2018-09-18 哈尔滨工业大学 一种公交客流采集装置及客流统计方法
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
CN109215347A (zh) * 2018-10-22 2019-01-15 北京航空航天大学 一种基于众包轨迹数据的交通数据质量控制方法
CN111798016A (zh) * 2019-04-09 2020-10-20 江西善行智能设备制造有限公司 一种关于预约等候车辆的分配的方法
CN110211379A (zh) * 2019-05-27 2019-09-06 南京航空航天大学 一种基于机器学习的公共交通调度优化方法
CN110706477A (zh) * 2019-10-12 2020-01-17 杭州律橙电子科技有限公司 一种公交站点匹配方法
CN113012422A (zh) * 2019-12-20 2021-06-22 百度在线网络技术（北京）有限公司 公交车定位方法、装置、设备及存储介质
CN113129584A (zh) * 2020-01-15 2021-07-16 中移(苏州)软件技术有限公司 载客人数的确定方法、装置、设备及存储介质
CN111523560A (zh) * 2020-03-18 2020-08-11 第四范式（北京）技术有限公司 到港货车数量预测模型训练方法、预测方法、装置及系统
CN111882912A (zh) * 2020-07-22 2020-11-03 中国联合网络通信集团有限公司 乘车信息处理方法、装置及系统
CN114120622A (zh) * 2020-08-27 2022-03-01 珠海深圳清华大学研究院创新中心 公共交通工具的客流量监控方法、服务器及存储介质
CN114913702A (zh) * 2021-02-09 2022-08-16 武汉小码联城科技有限公司 一种电子公交站牌到站提醒方法、系统及相关设备
CN114913701A (zh) * 2021-02-09 2022-08-16 武汉小码联城科技有限公司 一种公交调度方法、系统及相关设备
CN114944076A (zh) * 2021-02-09 2022-08-26 武汉小码联城科技有限公司 一种公交调度方法、系统及相关设备
CN113066302A (zh) * 2021-03-24 2021-07-02 北京百度网讯科技有限公司 车辆信息预测方法、装置及电子设备
CN113066302B (zh) * 2021-03-24 2022-05-20 北京百度网讯科技有限公司 车辆信息预测方法、装置及电子设备
CN113335349A (zh) * 2021-08-05 2021-09-03 北京全路通信信号研究设计院集团有限公司 一种基于有轨电车道岔控制器实现列车管理的方法及系统
CN113335349B (zh) * 2021-08-05 2021-11-09 北京全路通信信号研究设计院集团有限公司 一种基于有轨电车道岔控制器实现列车管理的方法及系统
CN114005268A (zh) * 2021-10-21 2022-02-01 广州通达汽车电气股份有限公司 一种公交车区间调度方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN107845259B (zh) 2021-02-09

Similar Documents

Publication Publication Date Title
CN107845259A (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
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
CN107463940A (zh) 基于手机数据的车辆类型识别方法和设备
CN103794070B (zh) 一种基于车路协同的动态诱导信息广播方法及系统
CN108322891B (zh) 基于用户手机信令的交通区域拥堵识别方法
CN108109423B (zh) 基于WiFi室内定位的地下停车场智能导航方法及系统
CN108320501A (zh) 基于用户手机信令的公交线路识别方法
CN107767669A (zh) 基于WiFi和蓝牙识别的公交线路客流OD估计方法
CN106534383A (zh) 共享交通工具的位置管理方法、客户端及系统
CN101976505A (zh) 交通评价方法及系统
CN106297288A (zh) 一种公交乘客客流数据采集与分析方法
CN106846517A (zh) 一种基于路径识别的高速公路收费方法
CN102708689B (zh) 一种实时路况监控系统
CN101270997A (zh) 基于gps数据的浮动车动态实时交通信息处理方法
CN107421554A (zh) 导航路径确定方法、装置、车载设备和存储介质
CN102722984B (zh) 一种实时路况监控方法
CN103327091A (zh) 一种获取乘客轨迹及行为参数的系统与方法
Ji et al. Estimating bus loads and OD flows using location-stamped farebox and Wi-Fi signal data
CN102800212B (zh) 一种物联网环境下的智能泊车系统
CN105096584A (zh) 一种交通决策支持方法、装置及系统
CN107844856B (zh) 基于车载GPS和站点WiFi的公交车客流预测方法
CN109784254A (zh) 一种车辆违规事件检测的方法、装置和电子设备
Liu et al. Evaluation of floating car technologies for travel time estimation
CN109615851A (zh) 一种在群智感知系统中基于关键路段的感知节点选取方法
CN106652539A (zh) 共享车辆及其停靠位置指示方法、客户端及系统

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