CN108090646A - 一种公共自行车智能调度系统预测调度数据的获取方法 - Google Patents
一种公共自行车智能调度系统预测调度数据的获取方法 Download PDFInfo
- Publication number
- CN108090646A CN108090646A CN201611058636.7A CN201611058636A CN108090646A CN 108090646 A CN108090646 A CN 108090646A CN 201611058636 A CN201611058636 A CN 201611058636A CN 108090646 A CN108090646 A CN 108090646A
- Authority
- CN
- China
- Prior art keywords
- data
- rental
- car
- return
- site
- 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
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000007405 data analysis Methods 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004141 dimensional analysis Methods 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种公共自行车智能调度系统预测调度数据的获取方法。在自行车调度中需求量一般是依靠经验得出,考虑到由经验得出调度需求量无法进行预测性调度,且没有数据支撑,无法确保需求量的正确率。为了改进这个问题,提出一种自行车智能调度系统预测调度数据的获取方法。首先利用工具对租、还车历史数据进行分析,得出系统的运行高峰期以及各个站点的租赁流向趋势;然后将系统中的站点按照租还车数量分类;最后将租、还车数据回溯,得出站点各时刻的满车率,并结合站点类型和租赁流向得出各个站点的调度需求量。本发明融合大数据分析和数据回溯显示技术实现了调度数据的精确获取,使得自行车租赁系统能获取更准确、更实时的调度数据。
Description
技术领域
本发明涉及公共自行车租赁系统中的调度数据处理技术领域,具体设计一种公共自行车智能调度系统预测调度数据的获取方法,涉及一种数据分析和数据回溯显示技术,以使公共自行车调度系统中所使用的数据更加准确。
背景技术
公共自行车智能调度系统(PBDS)作为公共自行车租赁系统的组成部分,是实现公共自行车各个站点之间正常调度、对自行车系统运行实行集中控制的现代化信息系统,为确保自行车租、还顺畅、提高调度效率、实行透明指挥提供了有力的保障。然而现有的公共自行车调度系统只关注了调度路线,而调度的需求量往往是凭调度人员的个人经验得出,且无法覆盖整个系统,缺少了系统的联动性,这将造成公共自行车调度系统中各个站点之间的数据共享不够,联动性缺失,大大的降低了调度的效率和准确性,在一定程度上会制约公共自行车租赁系统的服务质量,诸如:
1、当调度人员不足以覆盖到公共自行车租赁系统的每个站点时,调度数据的生成无法涉及到整个系统;
2、当调度时间段发生异常事件,调度人员凭经验得出的调度需求量无法满足系统要求;
3、当正常情况下调度人员发送的调度数据的准确性也有待商榷;
4、调度人员无法全面掌握系统的运行规律,会造成过度调度。
针对公共自行车调度系统所使用的调度数据可能存在问题,本发明提出一种公共自行车智能调度系统预测调度数据的获取方法,以使系统中使用的数据更加准确。本发明基于2016年重庆市科研创新项目-城市公共自行车智能调度算法的研究(项目编号CYS16171).
发明内容
(一)要解决的技术问题
本发明所要解决的技术问题是提供一种公共自行车智能调度系统预测调度数据的获取方法,该方法能够解决目前公共自行车调度系统的调度数据不准确,无法预测性调度和过度调度等问题。从而使自行车系统能顺畅无障碍的运行,不会产生租车难还车难问题,是市民提供方便。
(二)技术方案
本发明提供了一种公共自行车智能调度系统预测调度数据的获取方法,包括以下步骤:
S1、通过SPSS和EXCEL等数据统计分析工具对租、还车历史数据进行多维度的分析,得出系统的高峰期以及各个站点的租赁流向趋势;
S2、利用历史租还车数据将系统中的站点按照租还车数量和地理位置分类;
S3、利用C语言程序将租、还车历史数据回溯,得出站点各个时刻的满车率,并由满车率联合站点类型和租赁流向得出各个站点的调度需求量。优选地,所述步骤S1具体为:
S101:获取历史数据,从自行车租赁系统中导入历史租还车数据,统计租还车数据总量,从原始租还车数据样本中统计每个月的工作日和非工作日天数,及其对应的租车量、还车量、租还车量;
S102:选取样本数据,将历史租还车数据作为原始样本,去除其中错误的数据,包括字段不符规则、字段空值等错误,将生成的数据作为分析的样本数据;
S103:按月份统计数据,从S102的样本数据中统计每个月的工作日和非工作日及其租还车数量,并选取有代表性的月份分别作为工作日和非工作日的样本数据;
S104:分析样本数据的高峰期,从S103得到的样本数据里分析各个站点在节假日和非节假日的高峰月份和高峰日期;
S105:分析样本数据的高峰时间段,从S103得到的样本数据里,按工作日与非工作日的不同分别分析系统运营的高峰时间段;
S106:统计各个站点的租赁流向,从S102样本数据中分析与各个站点租车频率和换车频率高的站点。
优选地,所述步骤S2具体为:
S201:从样本数据里分析各个站点的租车总量、还车总量、租还车总量将所有站点分为高频使用站点、中频使用站点和低频使用站点;
S202:按租、还车比例将站点分类,统计各个站点在各个高峰期时间段内的租还车比,将站点分别按早高峰、中高峰、晚高峰三类统计各自的租车量和还车量,再在三个高峰期内分为租车量大于还车量、租车量小于还车量和租车量大基本等于还车量三类。
优选地,所述步骤S3具体为:
S301:确定各个站点的锁桩总量,从原始租还车数据样本中统计每一个站点所有出现过的不重复的锁桩号,以确定各个站点的锁桩总数;
S302:回溯站点满车率,选取样本数据中高峰月份的第一天为初始数据,首先将各个站点的所有锁桩的状态设置为UK(未知),然后开始进行数据的回溯,每产生一条租还车数据,将租车站点的租车锁桩的状态改为0(无车),将还车站点的还车锁桩的状态改为1(有车),以此类推,统计各个站点的UK锁桩个数,当UK数量变为0时,统计该站点的锁桩的状态1的数据,则此时的站点满车率为∑1/∑S(其中S为该站点的锁桩总量),若其中部分站点UK永远无法为0,则在统计两天的数据后再记录UK的个数为n,则该站点的满车率为∑1/(∑S-n);
S303:生成各时间点的满车率,调度需求量的生成不能脱离当前样本时间点的满车率,所以在S302获得各个站点初始时刻的满车率后,随着租还车记录的生成应相应的更新各个站点的满车率,由于每秒钟更新会造成数据量过大,影响数据库的使用效率,因此将每五分钟记录一次满车率的变化并存入后台数据库;
S304:分别分析工作日和非工作日,早中晚三个高峰期的调度需求,以早高峰为例,求取各个站点的租车量和还车量以及租还车量差值,并求取TW(时间窗);
S305:求取早高峰各站点的满车率,在生成调度数据之前先观察各个站点的满车率,根据满车率的不同结合S304的TW和租还车差值生成各站点早高峰的调度需求量;
S306:生成调度需求量,按照S304-S305,分别求取中高峰和晚高峰的调度需求量。
(三)有益效果
本发明基于现有的自行车租赁系统的历史租还车数据,融合数据分析和数据回溯技术实现了调度数据的合理化,是的自行车系统运行中能够获
得更准确、更实时的调度数据,从而提高自行车租赁系统的使用效率,为
市民提供便捷、高效、顺畅的服务。
附图说明
图1本发明方法的流程图
图2本发明方法的数据分析流程图
图3本发明方法的数据来源与走向
具体实施方式
下面结合附图和实施图,对本发明的具体实施方法做进一步详细描述。以下实施案例用于说明本发明,但是不是用来限制本发明的范围。
图1是本发明方法的流程图,本发明提供一种公共自行车智能调度系统预测调度数据的获取方法,包括以下步骤:
S1、通过SPSS和EXCEL等数据分析工具对租、还车历史数据进行多维度的分析,得出系统的高峰期以及各个站点的租赁流向趋势;
S2、利用历史租还车数据将系统中的站点按照租还车数量和地理位置分类;
S3、利用C语言程序将租、还车历史数据回溯,得出站点各个时刻的满车率,并由满车率联合站点类型和租赁流向得出各个站点的调度需求量。
优选地,所述步骤S1具体为:
S101:获取历史数据,从自行车租赁系统中导入历史租还车数据,统计租还车数据总量,从原始租还车数据样本中统计每个月的工作日和非工作日天数,及其对应的租车量、还车量、租还车量;
S102:选取样本数据,将历史租还车数据作为原始样本,去除其中错误的数据,包括字段不符规则、字段空值等错误,将生成的数据作为分析的样本数据;
S103:按月份统计数据,从S102的样本数据中统计每个月的工作日和非工作日及其租还车数量,并选取有代表性的月份分别作为工作日和非工作日的样本数据;
S104:分析样本数据的高峰期,从S103得到的样本数据里分析各个站点在节假日和非节假日的高峰月份和高峰日期;
S105:分析样本数据的高峰时间段,从S103得到的样本数据里,按工作日与非工作日的不同分别分析系统运营的高峰时间段;
S106:统计各个站点的租赁流向,从S102样本数据中分析与各个站点租车频率和换车频率高的站点。
优选地,所述步骤S2具体为:
S201:从样本数据里分析各个站点的租车总量、还车总量、租还车总量将所有站点分为高频使用站点、中频使用站点和低频使用站点;
S202:按租、还车比例将站点分类,统计各个站点在各个高峰期时间段内的租还车比,将站点分别按早高峰、中高峰、晚高峰三类统计各自的租车量和还车量,再在三个高峰期内分为租车量大于还车量、租车量小于还车量和租车量大基本等于还车量三类。
优选地,所述步骤S3具体为:
S301:确定各个站点的锁桩总量,从原始租还车数据样本中统计每一个站点所有出现过的不重复的锁桩号,以确定各个站点的锁桩总数;
S302:回溯站点满车率,选取样本数据中高峰月份的第一天为初始数据,首先将各个站点的所有锁桩的状态设置为UK(未知),然后开始进行数据的回溯,每产生一条租还车数据,将租车站点的租车锁桩的状态改为0(无车),将还车站点的还车锁桩的状态改为1(有车),以此类推,统计各个站点的UK锁桩个数,当UK数量变为0时,统计该站点的锁桩的状态1的数据,则此时的站点满车率为∑1/∑S(其中S为该站点的锁桩总量),若其中部分站点UK永远无法为0,则在统计两天的数据后再记录UK的个数为n,则该站点的满车率为∑1/(∑S-n);
S303:生成各时间点的满车率,调度需求量的生成不能脱离当前样本时间点的满车率,所以在S302获得各个站点初始时刻的满车率后,随着租还车记录的生成应相应的更新各个站点的满车率,由于每秒钟更新会造成数据量过大,影响数据库的使用效率,因此将每五分钟记录一次满车率的变化并存入后台数据库;
S304:分别分析工作日和非工作日,早中晚三个高峰期的调度需求,以早高峰为例,求取各个站点的租车量和还车量以及租还车量差值,并求取TW(时间窗);
S305:求取早高峰各站点的满车率,在生成调度数据之前先观察各个站点的满车率,当满车率在[0.2,0.4]之间,租还车的趋势趋向于平衡,则调度的需求量Re为
Re=(0.5-ri)*bi i∈[1,135];
若站点满车率在0.4以下,且还车量的趋势仍大于租车量的趋势,则调度的需求量Re为
Re=(ri-0.5)*bi+Δmax i∈[1,135];
Re为需求量,ri为i站点在早高峰满车率的最小值;bi为i号站点的锁桩数;Δmax为早高峰租、还量差值的最大值;
若站点满车率在[0.4,0.6]之间,则调度的需求量Re为
Re=(ri-0.5)*bi i∈[1,135];
Re为需求量,ri为i站点在早高峰满车率的最小值;bi为i号站点的锁桩数;
若站点满车率在0.6以上,且还车量的趋势仍大于租车量的趋势,则调度的需求量Re为
Re=(ri-0.5)*bi+Δmax i∈[1,135];
Re为需求量,ri为i站点在早高峰满车率的最小值;bi为i号站点的锁桩数;Δmax为早高峰租、还量差值的最大值;
S306:生成调度需求量。按照S304-S305,分别求取中高峰和晚高峰的调度需求量。
本发明所列举的实施方式如上所述,但所述的内容只是为了便于理解本发明而采用的一个案例,并非用以限定本发明。在未背离本发明精神以及实质的情况下,熟悉本领域的技术人员可根据本发明在实施的形式上或细节上做出各种相应的修改和变化,但本发明的专利保护范围,仍须以所附的权利保护书所界定的范围为准。
Claims (5)
1.一种公共自行车智能调度系统预测调度数据的获取方法,其具体包括如下步骤:
S1、通过SPSS和EXCEL等数据分析工具对租、还车历史数据进行多维度的分析,得出系统的高峰期以及各个站点的租赁流向趋势;
S2、利用历史租还车数据将系统中的站点按照租还车数量和地理位置分类;
S3、利用程序将租、还车历史数据回溯,得出站点各个时刻的满车率,并由满车率联合站点类型和租赁流向得出各个站点的调度需求量。
2.根据权利要求1所述的公共自行车智能调度系统预测调度数据的获取方法,其特征在于:S1、系统的高峰期以及各个站点的租赁流向趋势具体为:
S101:获取历史数据,从自行车租赁系统中导入历史租还车数据;
统计租还车数据总量,从原始租还车数据样本中统计每个月的工作日和非工作日天数,及其对应的租车量、还车量、租还车量;
S102:选取样本数据,将历史租还车数据作为原始样本,去除其中错误的数据,包括字段不符规则、字段空值等错误,将生成的数据作为分析的样本数据;
S103:按月份统计数据,从S102的样本数据中统计每个月的工作日和非工作日及其租还车数量,并选取有代表性的月份分别作为工作日和非工作日的样本数据;
S104:分析样本数据的高峰期,从S103得到的样本数据里分析各个站点在节假日和非节假日的高峰月份和高峰日期;
S105:分析样本数据的高峰时间段,从S103得到的样本数据里,按工作日与非工作日的不同分别分析系统运营的高峰时间段;
S106:统计各个站点的租赁流向,从S102样本数据中分析与各个站点租车频率和换车频率高的站点。
3.根据权利要求1所述的公共自行车智能调度系统预测调度数据的获取方法,其特征在于S2、利用历史租还车数据将系统中的站点按照租还车数量和地理位置分类,具体为:
S201:从样本数据里分析各个站点的租车总量、还车总量、租还车总量将所有站点分为高频使用站点、中频使用站点和低频使用站点;
S202:按租、还车比例将站点分类,统计各个站点在各个高峰期时间段内的租还车比,将站点分别按早高峰、中高峰、晚高峰三类统计各自的租车量和还车量,再在三个高峰期内分为租车量大于还车量、租车量小于还车量和租车量大基本等于还车量三类。
4.根据权利要求1所述的公共自行车智能调度系统预测调度数据的获取方法,其特征在于S3、利用程序将租、还车历史数据回溯,得出站点各个时刻的满车率,具体为:
S301:确定各个站点的锁桩总数,从原始租还车数据样本中统计每一个站点所有出现过的不重复的锁桩编号,以确定各个站点的锁桩总数;
S302:回溯站点满车率,选取样本数据中高峰月份的第一天为初始数据,首先将各个站点的所有锁桩的状态设置为UK(未知),然后开始进行数据的回溯,每产生一条租还车数据,将租车站点的租车锁柱状态改为0(无车),将还车站点的还车锁柱状态改为1(有车),以此类推,统计各个站点的状态为UK的锁桩个数,当UK数量变为0时,统计该站点锁桩的状态为1的数据,则此时的站点满车率为∑1/∑S(其中S为该站点的锁桩总量),若其中部分站点锁桩的状态UK永远无法为0,则在统计两天的数据后再记录UK的个数为n,则该站点的满车率为∑1/(∑S-n);
S303:生成各时间点的满车率,调度需求量的生成不能脱离当前样本时间点的满车率,所以在S302获得各个站点初始时刻的满车率后,随着租还车记录的生成应相应的更新各个站点的满车率,由于每秒钟更新会造成数据量过大,影响数据库的使用效率,因此将每五分钟记录一次满车率的变化并存入后台数据库。
5.根据权利要求1所述的公共自行车智能调度系统预测调度数据的获取方法,其特征在于S3、由满车率联合站点类型和租赁流向得出各个站点的调度需求量,具体为:
S304:分别分析工作日和非工作日,早中晚三个高峰期的调度需求,以早高峰为例,求取各个站点的租车量和还车量以及租还车量差值,并求取 TW(时间窗);
S305:求取早高峰各站点的满车率,在生成调度数据之前先观察各个站点的满车率,根据满车率的不同结合S304的TW和租还车差值生成各站点早高峰的调度需求量;
S306:生成调度需求量,按照S304-S305,分别求取中高峰和晚高峰 的调度需求量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611058636.7A CN108090646A (zh) | 2016-11-23 | 2016-11-23 | 一种公共自行车智能调度系统预测调度数据的获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611058636.7A CN108090646A (zh) | 2016-11-23 | 2016-11-23 | 一种公共自行车智能调度系统预测调度数据的获取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108090646A true CN108090646A (zh) | 2018-05-29 |
Family
ID=62170731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611058636.7A Pending CN108090646A (zh) | 2016-11-23 | 2016-11-23 | 一种公共自行车智能调度系统预测调度数据的获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108090646A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110659816A (zh) * | 2019-09-16 | 2020-01-07 | 深圳来电科技有限公司 | 一种共享移动电源的调度方法、运维系统前端及后端 |
CN111062629A (zh) * | 2019-12-20 | 2020-04-24 | 上海钧正网络科技有限公司 | 车辆调度方法、装置、计算机设备和存储介质 |
CN111815095A (zh) * | 2019-06-20 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 共享汽车调度方法、电子设备及存储介质 |
WO2021031222A1 (en) * | 2019-08-22 | 2021-02-25 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for predicting service demand information |
CN117132080A (zh) * | 2023-09-26 | 2023-11-28 | 曙光云计算集团有限公司 | 资源调度方法、装置及计算机设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636828A (zh) * | 2015-02-02 | 2015-05-20 | 西南交通大学 | 基于马尔科夫链的公共自行车站点供需预测方法 |
CN105489058A (zh) * | 2016-01-15 | 2016-04-13 | 成都宜泊信息科技有限公司 | 停车场的闲时车位的数量和闲时时段的计算方法 |
-
2016
- 2016-11-23 CN CN201611058636.7A patent/CN108090646A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636828A (zh) * | 2015-02-02 | 2015-05-20 | 西南交通大学 | 基于马尔科夫链的公共自行车站点供需预测方法 |
CN105489058A (zh) * | 2016-01-15 | 2016-04-13 | 成都宜泊信息科技有限公司 | 停车场的闲时车位的数量和闲时时段的计算方法 |
Non-Patent Citations (1)
Title |
---|
焦云涛: "公共自行车借还特性分析及调度模型研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111815095A (zh) * | 2019-06-20 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 共享汽车调度方法、电子设备及存储介质 |
WO2021031222A1 (en) * | 2019-08-22 | 2021-02-25 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for predicting service demand information |
CN110659816A (zh) * | 2019-09-16 | 2020-01-07 | 深圳来电科技有限公司 | 一种共享移动电源的调度方法、运维系统前端及后端 |
CN111062629A (zh) * | 2019-12-20 | 2020-04-24 | 上海钧正网络科技有限公司 | 车辆调度方法、装置、计算机设备和存储介质 |
CN111062629B (zh) * | 2019-12-20 | 2021-07-06 | 上海钧正网络科技有限公司 | 车辆调度方法、装置、计算机设备和存储介质 |
CN117132080A (zh) * | 2023-09-26 | 2023-11-28 | 曙光云计算集团有限公司 | 资源调度方法、装置及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108090646A (zh) | 一种公共自行车智能调度系统预测调度数据的获取方法 | |
Vogel et al. | Strategic and operational planning of bike-sharing systems by data mining–a case study | |
Huo et al. | The allocation problem of electric car-sharing system: A data-driven approach | |
CN108082224B (zh) | 基于afc时变客流的城市轨道交通列车运行图编制方法 | |
CN108346010B (zh) | 基于用户需求分析的共享汽车调度方法 | |
US20140039986A1 (en) | Identifying contributions to transportation system schedule deviation | |
CN101572011A (zh) | 城市公交智能化调度管理系统及方法 | |
CN111709562B (zh) | 一种公交车辆的排班时刻表的生成方法及装置 | |
US20110184773A1 (en) | Method and System for Planning Paratransit Runs | |
Barabino et al. | Regularity diagnosis by automatic vehicle location raw data | |
CN112767685A (zh) | 基于定位和刷卡信息的公交客流分析系统 | |
Lee et al. | A smart city transportation system of systems governance framework: a case study of Singapore | |
Zhao et al. | Unifying uber and taxi data via deep models for taxi passenger demand prediction | |
CN112233451A (zh) | 一种考虑纯电动公交车辆续航里程的行车计划智能编制系统 | |
CN112232662A (zh) | 服务监控系统及方法 | |
US20150032490A1 (en) | Identifying driver report data based upon transportation system schedule information | |
TW201608518A (zh) | 一種雲端智慧型公共自行車泊車調配系統 | |
CN119338150A (zh) | 一种智慧城市的综合交通枢纽客流管控优化方法 | |
Jia et al. | Setting scheduled trip time based on AVL data | |
JP7163105B2 (ja) | 需要予測システムおよび需要予測方法 | |
CN117392869A (zh) | 一种基于集成算法的停车数据融合方法及系统 | |
CN116703438A (zh) | 一种电网生产成本数据收集处理系统及设备 | |
Fricker | Bus dwell time analysis using on-board video | |
Rousseau et al. | SMART Mobility. Modeling Workflow Development, Implementation, and Results Capstone Report | |
Dessouky et al. | Productivity and cost-effectiveness of demand responsive transit systems |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180529 |