CN108921356A - 一种厂区无人驾驶通勤车最优载客方法 - Google Patents
一种厂区无人驾驶通勤车最优载客方法 Download PDFInfo
- Publication number
- CN108921356A CN108921356A CN201810768537.0A CN201810768537A CN108921356A CN 108921356 A CN108921356 A CN 108921356A CN 201810768537 A CN201810768537 A CN 201810768537A CN 108921356 A CN108921356 A CN 108921356A
- Authority
- CN
- China
- Prior art keywords
- point
- station
- scheduled bus
- carrying
- unmanned
- 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 30
- 230000005611 electricity Effects 0.000 claims abstract description 25
- 239000000446 fuel Substances 0.000 claims abstract description 13
- 238000004891 communication Methods 0.000 claims description 5
- 239000013589 supplement Substances 0.000 claims description 4
- 238000013461 design Methods 0.000 abstract description 3
- 239000003921 oil Substances 0.000 description 31
- 238000005516 engineering process Methods 0.000 description 12
- 238000011161 development Methods 0.000 description 5
- 239000000295 fuel oil Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012216 screening 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G06Q50/40—
Abstract
本发明提供了一种厂区无人驾驶通勤车最优载客方法,包括以下步骤:步骤S110:设定车辆及车站参数;步骤S120:后续车站不载任何员工,到达终点电量或油量剩余y%=k%‑(m‑n)*a%‑x·(m‑n)*c%;将剩余车站所有载客需要多消耗电量或油量计算出来:步骤130:将上一步骤得到的yn%、……yn+1%……和ym%的数值之间进行排列组合成若干个不同的方案,将得到的排列组合方案内的耗电量或耗油量求和得到y和%;步骤140:判断y%‑y和%≥0,若是则保留方案,作为备选方案;若否则剔除上述方案;步骤150:将备选方案对应的载客人数求和,选择载客人数最多的备选方案。本发明通过对车辆参数进行了设计,在应用时,只需将车辆具体数据信息代入设计的参数即可,该参数设计适用于不同的车辆,适应性广。
Description
技术领域
本发明属于智能驾驶汽车领域,具体涉及到一种厂区无人驾驶通勤车最优载客方法。
背景技术
近一个多世纪来,汽车的出现取代了传统交通运输方式,使得人们的生活更为便捷。近些年来,随着科技的发展,尤其是智能计算的飞速发展,智能化汽车的研究成为各大车企聚焦的热点。近期,麦肯锡发布了一项“决定未来经济的12项前沿技术”报告,报告中探讨了12项前沿技术对未来经济、社会的影响程度,分析估测了2025年12项技术各自的经济与社会影响力。其中智能车技术排在第6位,其2025年影响力估测为:经济效益每年约0.2~1.9万亿美元,社会效益每年可挽回3~15万个生命。由于智能车技术具有较大的市场前景和经济、社会效益,各大车企均将智能车技术作为未来车企发展的核心发展技术。
根据实现功能的不同,美国汽车工程师协会将智能化汽车划分为5个等级。其中,1级为辅助驾驶,2级为半自动驾驶,3级为自动驾驶,4级为高度自动驾驶,5级为无人驾驶。前四级均需驾驶员为参与,而到了第5级,已完全无需驾驶员参与。目前对于5级智能化汽车即无人驾驶何时到来业界有不同的推测,然而值得肯定的是,尽管无人驾驶汽车在普通公路上行驶受到技术与法律的制约,但在示范区域行驶是近几年即将实现的事实
无人驾驶技术是未来汽车行业发展的方向,其技术研发具有广阔前景。无人驾驶何时能实际应用到量产车型还是个未知数,十年、二十年也只是业界推测,但值得肯定的是,无人驾驶在示范区域运行是最先能够实现的。
在即将到来的这项无人驾驶示范运营技术里,无人驾驶的环境检测方法、控制方法、制动与转向执行方法已在技术层面实现了众多攻克,可以说技术难度已不成问题。但是否能让无人驾驶汽车像人一样具有思考能力,能知道什么时候需要拒载充电或加油、什么时候可以载客,这是示范运营需要攻克的关键技术。
本发明所要解决的技术问题是厂区无人驾驶通勤车最优载客方法问题。即,当无人驾驶通勤车在还有一定电量或油量剩余时,如何在满足达到终点的同时承载更多的乘客是本发明所要解决的关键问题。
发明内容
本发明解决的技术问题:提供一种厂区无人驾驶通勤车最优载客方法。
本发明采用的技术方案:一种厂区无人驾驶通勤车最优载客方法,包括以下步骤:
步骤S110:设定厂区无人驾驶通勤车的任务为在A点与B点之间往返,A点与B点之间距离为d;A点和B点分别设有通勤车能源补充点;A点和B点之间设有m个车站,站与站之间距离相等,每位等待员工均需将位置信息更新或传送至通勤车管理系统;员工在车站处等待无人驾驶通勤车;通勤车初始状态电量或油量为100%,每空载行驶一站路程耗电或耗油a%,每停靠一站接员工上车耗电或耗油b%,每承载一名员工行驶一站路程耗电或耗油c%;
步骤S120:设定车辆当前载客数为x,车辆剩余电量或油量为k%,车辆即将到达车站n,车站n的等待人数为xn,车站n+1的等待人数为xn+1,以此类推,车站m-1的等待人数为xm+1,车站m的等待人数为xm;
当后续车站不载任何员工,到达终点电量或油量剩余y%=k%-(m-n)*a%-x·(m-n)*c%;将剩余车站所有载客需要多消耗电量或油量计算出来:
当在n站停靠载客,需要多耗电或耗油:yn%=xn·(m-n)*c%+b%;
当在n+1站停靠载客,需要多耗电或耗油:yn+1%=xn+1·(m-n+1)*c%+b%;
以此类推,直至最后一个车站m站,在m站停靠载客,需要多耗电或耗油ym%为:ym%=xm·*c%+b%;
步骤130:将步骤S120得到的yn%、……yn+1%……和ym%的数值之间进行排列组合成若干个不同的方案,即通勤车在A点到B点或B点到A点的路程中在哪些车站停车载客的对应耗电量或耗油量的排列组合方案,将得到的排列组合方案内的耗电量或耗油量求和得到y和%;
步骤140:判断y%-y和%≥0,若是则保留方案,作为备选方案;若否则剔除上述方案;
步骤150:将备选方案对应的载客人数求和,载客人数最多的备选方案即为最优载客方案。
在根据本发明的厂区无人驾驶通勤车最优载客方法的一个优选的实施例中,所述A点和B点分别设有通勤车能源补充点。
在根据本发明的厂区无人驾驶通勤车最优载客方法的一个优选的实施例中,所述通勤车为电动汽车或燃油车,A点和B点分别设有充电站或加油站;
在根据本发明的厂区无人驾驶通勤车最优载客方法的一个优选的实施例中,每位等待员工通过通讯终端发送位置信息给通勤车管理系统;所述通讯终端为固定通讯终端或移动通讯终端,所述固定通讯终端设于车站上或车站周围;所述通讯终端包括手机终端、pad终端、电脑终端或手环终端;所述通勤车管理系统与通讯终端通过通信连接完成信息交互。
在根据本发明的厂区无人驾驶通勤车最优载客方法的一个优选的实施例中,所述步骤130中排列组合方案的个数为C(m-n+1,m-n+1)+C(m-n+1,m-n)+……+C(m-n+1,1),所述n≤m,n和m为正整数。
在根据本发明的厂区无人驾驶通勤车最优载客方法的一个优选的实施例中,所述步骤140和步骤150之间还包括以下步骤:
步骤141,判断备选方案个数是否为1,若是则该备选方案即为最优载客方案,若否则进行步骤150。
在根据本发明的厂区无人驾驶通勤车最优载客方法的一个优选的实施例中,所述步骤140和步骤150之间还包括以下步骤:
步骤142,判断备选方案个数是否为0,若是则最优载客方案为:通勤车需直接到达A点或B点进行能源补充,途中不载客,若否则进行步骤150。
本发明与现有技术相比的优点:
1、本发明能够解决当无人驾驶通勤车在还有一定电量(油量)剩余时,如何在满足达到终点的同时承载更多的乘客的问题,在众多方案中筛选处最优载客方案。
2、本发明通过对车辆参数进行了设计,在具体应用时,只需将车辆具体数据信息代入设计的参数即可,该参数设计适用于多种不同的车辆,适应性广。
3、本发明通过设定车辆某一状态下,在保证车辆电量能到达终点的同时,最大化地搭载员工,再通过排列组合方式对最优电量进行筛选,最后最优电量对应的载客人数,筛选出最优载客方案。
4、本发明的方案设计合理,能够适用多种无人驾驶车辆,使无人驾驶车辆能够在满足达到终点的同时承载更多的乘客。
附图说明
图1为本发明厂区无人驾驶通勤车最优载客方法的通勤车运行路线示意图。
具体实施方式
下面结合附图和实施例对本发明做进一步的解释说明。
实施例1
如图1所示,一种厂区无人驾驶通勤车最优载客方法,包括以下步骤:
步骤S110:设定厂区无人驾驶通勤车的任务为在A点与B点之间往返,A点与B点之间距离为d;A点和B点分别设有通勤车能源补充点;A点和B点之间设有m个车站,站与站之间距离相等,每位等待员工均需将位置信息更新或传送至通勤车管理系统;员工在车站处等待无人驾驶通勤车;通勤车初始状态电量或油量为100%,每空载行驶一站路程耗电或耗油a%,每停靠一站接员工上车耗电或耗油b%,每承载一名员工行驶一站路程耗电或耗油c%;
步骤S120:设定车辆当前载客数为x,车辆剩余电量或油量为k%,车辆即将到达车站n,车站n的等待人数为xn,车站n+1的等待人数为xn+1,以此类推,车站m-1的等待人数为xm+1,车站m的等待人数为xm;
当后续车站不载任何员工,到达终点电量或油量剩余y%=k%-(m-n)*a%-x·(m-n)*c%;将剩余车站所有载客需要多消耗电量或油量计算出来:
当在n站停靠载客,需要多耗电或耗油:yn%=xn·(m-n)*c%+b%;
当在n+1站停靠载客,需要多耗电或耗油:yn+1%=xn+1·(m-n+1)*c%+b%;
以此类推,直至最后一个车站m站,在m站停靠载客,需要多耗电或耗油ym%为:ym%=xm·*c%+b%;
步骤130:将步骤S120得到的yn%、……yn+1%……和ym%的数值之间进行排列组合成若干个不同的方案,即通勤车在A点到B点或B点到A点的路程中在哪些车站停车载客的对应耗电量或耗油量的排列组合方案,将得到的排列组合方案内的耗电量或耗油量求和得到y和%;
步骤140:判断y%-y和%≥0,若是则保留方案,作为备选方案;若否则剔除上述方案;
步骤150:将备选方案对应的载客人数求和,载客人数最多的备选方案即为最优载客方案。
实施例2
其余与实施例1一致,所述步骤140和步骤150之间还包括以下步骤:
步骤141,判断备选方案个数是否为1,若是则该备选方案即为最优载客方案,若否则进行步骤150。
实施例3
其余与实施例2一致,在进行步骤150之前还包括以下步骤:
步骤142,判断备选方案个数是否为0,若是则最优载客方案为:通勤车需直接到达A点或B点进行能源补充,途中不载客,若否则进行步骤150。
实施例4
其余与实施例1一致,所述步骤140和步骤150之间还包括以下步骤:
步骤142,判断备选方案个数是否为0,若是则最优载客方案为:通勤车需直接到达A点或B点进行能源补充,途中不载客,若否则进行步骤150。
实施例5
其余与实施例1-4任一项一致,A点和B点分别设有通勤车能源补充点。
实施例6
其余与实施例1-5任一项一致,通勤车为电动汽车或燃油车,A点和B点分别设有充电站或加油站;
实施例7
其余与实施例1-6任一项一致,每位等待员工通过通讯终端发送位置信息给通勤车管理系统;通讯终端为固定通讯终端或移动通讯终端,固定通讯终端设于车站上或车站周围;通讯终端包括手机终端、pad终端、电脑终端或手环终端;通勤车管理系统与通讯终端通过通信连接完成信息交互。
实施例8
其余与实施例1-7任一项一致,步骤130中排列组合方案的个数为C(m-n+1,m-n+1)+C(m-n+1,m-n)+……+C(m-n+1,1),n≤m,n和m为正整数。
实施例9
一种厂区无人驾驶通勤车最优载客方法,包括以下步骤:
步骤1:设定厂区无人驾驶通勤车的任务为在A点与B点之间往返,A点和B点之间距离为d,通勤车为电动汽车,也可以是燃油车,只需将剩余电量变成剩余油量即可,A点和B点分别设有充电站。厂区员工可在设置的车站处等待无人驾驶通勤车,且每位等待员工均需通过手机APP发送信息告知通勤车。通勤车初始状态电量为100%,站与站之间距离相等,空载每行驶一站路程耗电a%,每停靠一站接员工上车耗电b%,每承载一名员工行驶一站路程多耗电c%。A点和B点之间共有车站m站。某一状态下,车辆当前载客数为x,车辆剩余电量为k%,车辆即将到达车站n,车站n的等待人数为xn,车站n+1的等待人数为xn+1,以此类推,车站m-1的等待人数为xm+1,车站m的等待人数为xm。
步骤2:(1)后续车站不载任何员工,到达终点电量剩余y%为:y%=k%-(m-n)*a%-x·(m-n)*c%;
(2)在n站停靠载客,需要多耗电yn%为:yn%=xn·(m-n)*c%+b%;
(3)在n+1站停靠载客,需要多耗电yn+1%为:yn+1%=xn+1·(m-n+1)*c%+b%;
(4)以此类推,直至最后一个车站m站,在m站停靠载客,需要多耗电ym%为:ym%=xm·*c%+b%
最优载客法,即是在车辆某一状态下,在保证车辆电量能到达终点的同时,最大化地搭载员工。
步骤3:将剩余车站所有载客需要多消耗电量计算出来,然后进行排列组合,并将所有排列组合消耗电量与剩余电量y%相减,如果差值大于0,则作为备选方案,否则将被剔除。如,一组排列组合为n+1站、n+5站,如果y%-yn+1%-yn+5%≥0,则该组合作为备选方案,否则将被剔除。
步骤4:每个排列组合都对应相应的载客人数,如排列组合n+1站、n+5站,载客人数为xn+1+xn+5。在所有备选方案的排列组合里,将相应的载客人数进行排序,载客人数最多的排列组合便是最优载客方案
实施例10
一种厂区无人驾驶通勤车最优载客方法,包括以下步骤:
步骤S110:设定厂区无人驾驶通勤车的任务为在A点与B点之间往返,A点与B点之间距离为d;A点和B点分别设有通勤车能源补充点;A点和B点之间设有m个车站,站与站之间距离相等,每位等待员工均需将位置信息更新或传送至通勤车管理系统;员工在车站处等待无人驾驶通勤车;通勤车初始状态电量为100%,每空载行驶一站路程耗电a%,每停靠一站接员工上车耗电b%,每承载一名员工行驶一站路程耗电c%;
步骤S120:设定车辆当前载客数为x,车辆剩余电量为k%,车辆即将到达车站n,车站n的等待人数为xn,车站n+1的等待人数为xn+1,以此类推,车站m-1的等待人数为xm+1,车站m的等待人数为xm;
当后续车站不载任何员工,到达终点电量剩余y%=k%-(m-n)*a%-x·(m-n)*c%;将剩余车站所有载客需要多消耗电量计算出来:
当在n站停靠载客,需要多耗电:yn%=xn·(m-n)*c%+b%;
当在n+1站停靠载客,需要多耗电:yn+1%=xn+1·(m-n+1)*c%+b%;
以此类推,直至最后一个车站m站,在m站停靠载客,需要多耗电ym%为:ym%=xm·*c%+b%;
步骤130:将步骤S120得到的yn%、……yn+1%……和ym%的数值之间进行排列组合成若干个不同的方案,即通勤车在A点到B点或B点到A点的路程中在哪些车站停车载客的对应耗电量的排列组合方案,将得到的排列组合方案内的耗电量求和得到y和%;
步骤140:判断y%-y和%≥0,若是则保留方案,作为备选方案;若否则剔除上述方案;
步骤150:将备选方案对应的载客人数求和,载客人数最多的备选方案即为最优载客方案。
实施例11
一种厂区无人驾驶通勤车最优载客方法,包括以下步骤:
步骤S110:设定厂区无人驾驶通勤车的任务为在A点与B点之间往返,A点与B点之间距离为d;A点和B点分别设有通勤车能源补充点;A点和B点之间设有m个车站,站与站之间距离相等,每位等待员工均需将位置信息更新或传送至通勤车管理系统;员工在车站处等待无人驾驶通勤车;通勤车初始状态油量为100%,每空载行驶一站路程耗油a%,每停靠一站接员工上车耗油b%,每承载一名员工行驶一站路程耗油c%;
步骤S120:设定车辆当前载客数为x,车辆剩余油量为k%,车辆即将到达车站n,车站n的等待人数为xn,车站n+1的等待人数为xn+1,以此类推,车站m-1的等待人数为xm+1,车站m的等待人数为xm;
当后续车站不载任何员工,到达终点油量剩余y%=k%-(m-n)*a%-x·(m-n)*c%;将剩余车站所有载客需要多消耗油量计算出来:
当在n站停靠载客,需要多耗油:yn%=xn·(m-n)*c%+b%;
当在n+1站停靠载客,需要多耗油:yn+1%=xn+1·(m-n+1)*c%+b%;
以此类推,直至最后一个车站m站,在m站停靠载客,需要多耗油ym%为:ym%=xm·*c%+b%;
步骤130:将步骤S120得到的yn%、……yn+1%……和ym%的数值之间进行排列组合成若干个不同的方案,即通勤车在A点到B点或B点到A点的路程中在哪些车站停车载客的对应耗油量的排列组合方案,将得到的排列组合方案内的耗油量求和得到y和%;
步骤140:判断y%-y和%≥0,若是则保留方案,作为备选方案;若否则剔除上述方案;
步骤150:将备选方案对应的载客人数求和,载客人数最多的备选方案即为最优载客方案。
上述实施例,只是本发明的较佳实施例,并非用来限制本发明实施范围,故凡以本发明权利要求内容所做的等效变化,均应包括在本发明权利要求范围之内。
Claims (7)
1.一种厂区无人驾驶通勤车最优载客方法,其特征在于:包括以下步骤:
步骤S110:设定厂区无人驾驶通勤车的任务为在A点与B点之间往返,A点与B点之间距离为d;A点和B点分别设有通勤车能源补充点;A点和B点之间设有m个车站,站与站之间距离相等,每位等待员工均需将位置信息更新或传送至通勤车管理系统;员工在车站处等待无人驾驶通勤车;通勤车初始状态电量或油量为100%,每空载行驶一站路程耗电或耗油a%,每停靠一站接员工上车耗电或耗油b%,每承载一名员工行驶一站路程耗电或耗油c%;
步骤S120:设定车辆当前载客数为x,车辆剩余电量或油量为k%,车辆即将到达车站n,车站n的等待人数为xn,车站n+1的等待人数为xn+1,以此类推,车站m-1的等待人数为xm+1,车站m的等待人数为xm;
当后续车站不载任何员工,到达终点电量或油量剩余y%=k%-(m-n)*a%-x·(m-n)*c%;将剩余车站所有载客需要多消耗电量或油量计算出来:
当在n站停靠载客,需要多耗电或耗油:yn%=xn·(m-n)*c%+b%;
当在n+1站停靠载客,需要多耗电或耗油:yn+1%=xn+1·(m-n+1)*c%+b%;
以此类推,直至最后一个车站m站,在m站停靠载客,需要多耗电或耗油ym%为:ym%=xm·*c%+b%;
步骤130:将步骤S120得到的yn%、……yn+1%……和ym%的数值之间进行排列组合成若干个不同的方案,即通勤车在A点到B点或B点到A点的路程中在哪些车站停车载客的对应耗电量或耗油量的排列组合方案,将得到的排列组合方案内的耗电量或耗油量求和得到y和%;
步骤140:判断y%-y和%≥0,若是则保留方案,作为备选方案;若否则剔除上述方案;
步骤150:将备选方案对应的载客人数求和,载客人数最多的备选方案即为最优载客方案。
2.根据权利要求1所述的厂区无人驾驶通勤车最优载客方法,其特征在于:所述A点和B点分别设有通勤车能源补充点。
3.根据权利要求1所述的厂区无人驾驶通勤车最优载客方法,其特征在于:所述通勤车为电动汽车或燃油车,A点和B点分别设有充电站或加油站。
4.根据权利要求1所述的厂区无人驾驶通勤车最优载客方法,其特征在于:每位等待员工通过通讯终端发送位置信息给通勤车管理系统;所述通讯终端为固定通讯终端或移动通讯终端,所述固定通讯终端设于车站上或车站周围;所述通讯终端包括手机终端、pad终端、电脑终端或手环终端;所述通勤车管理系统与通讯终端通过通信连接完成信息交互。
5.根据权利要求1所述的厂区无人驾驶通勤车最优载客方法,其特征在于:所述步骤130中排列组合方案的个数为C(m-n+1,m-n+1)+C(m-n+1,m-n)+……+C(m-n+1,1),所述n≤m,n和m为正整数。
6.根据权利要求1-5任一项所述的厂区无人驾驶通勤车最优载客方法,其特征在于:所述步骤140和步骤150之间还包括以下步骤:
步骤141,判断备选方案个数是否为1,若是则该备选方案即为最优载客方案,若否则进行步骤150。
7.根据权利要求1-5任一项所述的厂区无人驾驶通勤车最优载客方法,其特征在于:所述步骤140和步骤150之间还包括以下步骤:
步骤142,判断备选方案个数是否为0,若是则最优载客方案为:通勤车需直接到达A点或B点进行能源补充,途中不载客,若否则进行步骤150。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810768537.0A CN108921356A (zh) | 2018-07-13 | 2018-07-13 | 一种厂区无人驾驶通勤车最优载客方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810768537.0A CN108921356A (zh) | 2018-07-13 | 2018-07-13 | 一种厂区无人驾驶通勤车最优载客方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108921356A true CN108921356A (zh) | 2018-11-30 |
Family
ID=64411691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810768537.0A Pending CN108921356A (zh) | 2018-07-13 | 2018-07-13 | 一种厂区无人驾驶通勤车最优载客方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108921356A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104615850A (zh) * | 2014-12-30 | 2015-05-13 | 深圳市科陆电子科技股份有限公司 | 公交充电调度方法与系统 |
CN104768831A (zh) * | 2012-11-08 | 2015-07-08 | 三菱电机株式会社 | 运行时刻表评价装置以及运行时刻表处理系统 |
CN105094767A (zh) * | 2014-05-06 | 2015-11-25 | 华为技术有限公司 | 自动驾驶车辆调度方法、车辆调度服务器及自动驾驶车辆 |
CN105973256A (zh) * | 2016-06-28 | 2016-09-28 | 深圳市元征科技股份有限公司 | 一种车辆加油提醒的方法和终端 |
CN106448138A (zh) * | 2016-11-09 | 2017-02-22 | 中国科学技术大学苏州研究院 | 基于主动分配型的出租车服务系统的最优多车调度方法 |
-
2018
- 2018-07-13 CN CN201810768537.0A patent/CN108921356A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104768831A (zh) * | 2012-11-08 | 2015-07-08 | 三菱电机株式会社 | 运行时刻表评价装置以及运行时刻表处理系统 |
CN105094767A (zh) * | 2014-05-06 | 2015-11-25 | 华为技术有限公司 | 自动驾驶车辆调度方法、车辆调度服务器及自动驾驶车辆 |
CN104615850A (zh) * | 2014-12-30 | 2015-05-13 | 深圳市科陆电子科技股份有限公司 | 公交充电调度方法与系统 |
CN105973256A (zh) * | 2016-06-28 | 2016-09-28 | 深圳市元征科技股份有限公司 | 一种车辆加油提醒的方法和终端 |
CN106448138A (zh) * | 2016-11-09 | 2017-02-22 | 中国科学技术大学苏州研究院 | 基于主动分配型的出租车服务系统的最优多车调度方法 |
Non-Patent Citations (1)
Title |
---|
韩中庚 等: "混合动力公交车能量控制策略的优化模型", 《数学建模及其应用》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108162771B (zh) | 一种电动汽车智能充电导航方法 | |
CN106197459B (zh) | 考虑航程及充电站位置的电动汽车路径寻优方法 | |
WO2022105013A1 (zh) | 用于长途干线运输的车辆快速换电系统和换电运营方法 | |
CN104766473A (zh) | 基于多模式公交数据匹配的公共交通出行特征提取方法 | |
CN101908248B (zh) | 一种用于纯电动汽车全租用系统 | |
CN105140977B (zh) | 基于电网调度的电动汽车换电方法和换电服务物联网 | |
CN106875723A (zh) | 一种智能公共交通的调度控制方法及系统 | |
CN105788333A (zh) | 具有无人驾驶及回场充电功能的智能交通系统及实现方法 | |
CN104021667A (zh) | 整合预约服务与实时打车的出租车合乘调度系统及调度方法 | |
CN103049817B (zh) | 结合负载平衡机制的需求式共乘运输服务方法 | |
JP5994461B2 (ja) | 配車管理装置及び配車管理方法 | |
CN104240012A (zh) | 基于物联网的电动汽车充电调度方法及系统 | |
CN105551233A (zh) | 智慧变线公交系统及其动态调度优化方法 | |
CN104599216A (zh) | 一种行车软件平台的工作方法 | |
CN103595866A (zh) | 一种电动汽车充换电信息提供方法及系统 | |
CN106004482B (zh) | 电动汽车应急救援站点布置方法 | |
CN108352047A (zh) | 车辆调度控制装置、车辆 | |
CN107341551A (zh) | 一种电动交通工具租赁系统及其管理方法 | |
CN110189182B (zh) | 一种基于车联网的里程焦虑管理方法 | |
CN103391208A (zh) | 电动汽车充电站城域网络管理系统 | |
CN110254285A (zh) | 一种基于车联网的对里程焦虑用户提供服务的方法及系统 | |
CN108682145A (zh) | 无人驾驶公交车的编组方法 | |
CN106295856A (zh) | 一种城际网约专车运营方式 | |
JP2018042296A (ja) | 充電システム | |
Wei et al. | Optimal integrated model for feeder transit route design and frequency-setting problem with stop selection |
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 |
Application publication date: 20181130 |
|
WD01 | Invention patent application deemed withdrawn after publication |