CN109409999A - 一种基于区块链技术的出租车载客点推荐方法 - Google Patents
一种基于区块链技术的出租车载客点推荐方法 Download PDFInfo
- Publication number
- CN109409999A CN109409999A CN201811218519.1A CN201811218519A CN109409999A CN 109409999 A CN109409999 A CN 109409999A CN 201811218519 A CN201811218519 A CN 201811218519A CN 109409999 A CN109409999 A CN 109409999A
- Authority
- CN
- China
- Prior art keywords
- point
- taxi
- passenger
- administrative staff
- lease
- 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
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0607—Regulated
-
- 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
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0639—Item locations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
- G07C5/0866—Registering performance data using electronic data carriers the electronic data carrier being a digital video recorder in combination with video camera
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Multimedia (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及租车调度技术领域,具体为一种基于区块链技术的出租车载客点推荐方法,包括以下步骤,1)通过出租车的行车记录仪抓拍载客点的招租出行人员,并将相应的招租出行人员信息传递给所有的出租车,若同一载客点连续有存在招租出行人员的信息且次数大于设定阈值,则进入下一步骤,否则重复该步骤;2)语音提示空载出租车向所述载客点移动以接待相应的招租出行人员,并返回步骤1)。本发明可以提高出租车载客点推荐的准确度,从而缩短乘客等待时间,降低出租车的空载率。
Description
技术领域
本发明涉及出租车调度技术领域,具体为一种基于区块链技术的出租车载客点推荐方法。
背景技术
城市化进程高速发展,交通出行问题日益严峻,出租车作为城市公共交通的一个重要补充,在人们日常出行中发挥着越来越大的作用。但是由于供需双方的信息不对称,导致在载客点的乘客想打车却无车可打,司机想载客却无人可载。
发明内容
本发明针对现有技术存在的问题,提出了一种基于区块链技术的出租车载客点推荐方法。
本发明解决其技术问题所采用的技术方案是:一种基于区块链技术的出租车载客点推荐方法,包括以下步骤,
1)通过出租车的行车记录仪抓拍载客点的招租出行人员,并将相应的招租出行人员信息传递给所有的出租车,若同一载客点连续有存在招租出行人员的信息且次数大于设定阈值,则进入下一步骤,否则重复该步骤;
2)语音提示空载出租车向所述载客点移动以接待相应的招租出行人员,并返回步骤1)。
作为优选,所述步骤1)具体包括,11)将出租车的行车记录仪与相应出租车的司机手机或车载终端连接,并在所述司机手机或车载终端安装相应的应用软件;
12)当出租车经过载客点时,通过所述应用软件及所述行车记录仪获取所述载客点的一条招租出行人员信息并对所述应用软件进行一次更新;
13)所述应用软件记录并统计每一载客点的招租出行人员信息,若同一载客点连续有存在招租出行人员的信息且次数大于设定阈值,则进入下一步骤,否则返回步骤12)。
作为优选,所述招租出行人员信息包括有无招租出行人员,所述步骤13)中,应用软件统计载客点的招租出行人员信息的具体方法为,当载客点无招租出行人员时,所述应用软件将所述载客点对应的N设置为0,当所述载客点的招租出行人员从无到有时,N设置为1,当所述载客点连续存在招租出行人员时,N累计加1,其中,N为载客点连续存在招租出行人员的次数,N的初始值为0。
作为优选,所述载客点设有载客点标志和载客点候车区,所述应用软件通过图像处理识别所述载客点标志以确定载客点,所述应用软件通过图像处理识别所述载客点候车区以确定载客点的招租出行人员信息。
作为优选,所述招租出行人员信息提取包括将所述招租出行人员与所述载客点候车区背景进行图像分割,具体包括以下步骤,L1)采集载客点候车区的视频;
L2)将所述视频通过视觉惯性里程计获得每一帧图片所对应的行车记录仪的位置和姿态;
L3)将步骤L1)中视频通过稠密点云算法并结合所述位置和姿态获得所述载客点候车区的3D稠密点云图;
L4)将所述3D稠密点云图通过图像分割算法获得招租出行人员3D稠密点云图;
L5)选取步骤L1)中所述视频的一帧图片作为待识别图片并获取待识别图片所对应的行车记录仪的位置和姿态;
L6)将所述待识别图片通过所述待识别图片对应的行车记录仪的位置和姿态以及步骤L4)中的招租出行人员3D稠密点云图获得待识别图片的招租出行人员区域。
作为优选,所述行车记录仪在采集所述视频时围绕所述载客点候车区在经度方向上旋转的角度不小于60度。
作为优选,所述步骤L3)具体为计算行车记录仪不同位置和姿态所对应的图片的对应像素之间的视差,并使用全局优化获得载客点候车区的3D稠密点云图。
作为优选,所述步骤L5)具体为通过查询步骤L2)中的图片所对应的行车记录仪的位置和姿态来获取待识别图片所对应的行车记录仪的位置和姿态。
作为优选,所述步骤L6)具体为将招租出行人员3D稠密点云图在与待识别图片所对应的行车记录仪的位置和姿态相同的方向上投影获得相应的招租出行人员2D稠密点云图,并将待识别图片与招租出行人员2D稠密点云图匹配以获得待识别图片的招租出行人员区域。
作为优选,所述步骤2)具体包括,21)根据招租出行人员信息确定所需空载出租车的数量;
22)语音提示距离所述载客点距离最近的合适数量的空载出租车;
22)最先同意接客的相应数量的空载出租车获得该载客点的载客机会;
23)相应的空载出租车向所述载客点移动以接待相应的招租出行人员。
本发明的有益效果是,本发明不用对海量GPS数据进行处理或对出租车历史载客点进行聚类分析,而是利用出租车的行车记录仪抓拍载客点的招租出行人员,并将其信息传递给所有的出租车,当同一载客点连续存在招租出行人员且次数达到一定的预置值时,则判定该载客点需要空载出租车,出租车接到提示信息立刻前往载客点。本发明可以提高出租车载客点推荐的准确度,从而缩短乘客等待时间,降低出租车的空载率。
附图说明
图1为本发明一种基于区块链技术的出租车载客点推荐方法的流程图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
如图1所示,一种基于区块链技术的出租车载客点推荐方法,包括以下步骤,1)通过出租车的行车记录仪抓拍载客点的招租出行人员,并将相应的招租出行人员信息传递给所有的出租车,若同一载客点连续有存在招租出行人员的信息且次数大于设定阈值,则进入下一步骤,否则重复该步骤。
设定阈值可以是3,例如,某一载客点A被经过的第一辆出租车抓拍确定为存在招租出行人员,被经过的第二辆出租车抓拍确定为存在招租出行人员,被经过的第三辆出租车抓拍确定为存在招租出行人员,被经过的第四辆出租车抓拍也确定为存在招租出行人员,则该载客点A连续被抓拍到存在招租出行人员且次数大于3次,则进入下一步骤。
设定阈值可以是4,例如,某一载客点A被经过的第一辆出租车抓拍确定为存在招租出行人员,被经过的第二辆出租车抓拍确定为不存在招租出行人员,那么,从下一辆经过的出租车开始需要重新开始统计连续被抓拍到存在招租出行人员的次数。
其中,所述步骤1)具体包括,11)将出租车的行车记录仪与相应出租车的司机手机或车载终端连接,并在所述司机手机或车载终端安装相应的应用软件。行车记录仪与司机手机可以无线连接,应用软件包括图像处理模块,司机手机安装的应用软件的图像处理模块可对与该司机手机连接的行车记录仪采集的视频进行处理。
12)当出租车经过载客点时,通过所述应用软件及所述行车记录仪获取所述载客点的一条招租出行人员信息并对所述应用软件进行一次更新。图像处理模块可实时处理最新一段时间内的视频,当图像处理模块处理视频时,确定该段视频内存在载客点,就会提取该载客点对应招租出行人员的一条信息,该条信息可以包括载客点的名称及地理位置、有无招租出行人员、招租出行人员的数量、有无小孩、有无携带大件行李等。应用软件还包括信息更新模块,图像处理模块获得一条载客点及其对应招租出行人员的信息后,就会通过信息更新模块对一定区域内的所有正在运行的应用软件进行同步更新以记录该条最新信息,该信息可靠安全,应用软件运行的错误率低。
13)所述应用软件记录并统计每一载客点的招租出行人员信息,若同一载客点连续有存在招租出行人员的信息且次数大于设定阈值,则进入下一步骤,否则返回步骤12)。所述招租出行人员信息包括有无招租出行人员,所述步骤13)中,应用软件统计载客点的招租出行人员信息的具体方法为,当载客点无招租出行人员时,所述应用软件将所述载客点对应的N设置为0,当所述载客点的招租出行人员从无到有时,N设置为1,当所述载客点连续存在招租出行人员时,N累计加1,其中,N为载客点连续存在招租出行人员的次数,N的初始值为0。所述应用软件还包括信息统计模块,当某一载客点有出租车经过且抓拍到不存在招租出行人员则无论N以前是什么值都重新设置为0,当该载客点第一次有出租车经过且抓拍到存在招租出行人员时,则N为1,如何后续连续有抓拍到存在招出租出行人员,则N累积加1,如第二次则N为2,第三次则N为3。
2)语音提示空载出租车向所述载客点移动以接待相应的招租出行人员,并返回步骤1)。所述步骤2)具体包括,21)根据招租出行人员信息确定所需空载出租车的数量。例如载客点候车区有1位招租出行人员,则确定所需空载出租车的数量为一辆,当载客点候车区有5位招租出行人员,则确定所需空载出租车的数量为两辆。
22)语音提示距离所述载客点距离最近的合适数量的空载出租车。当所需空载出租车的数量为一辆时,可同时将该信息通知给两辆距离较近的空载出租车。
22)最先同意接客的相应数量的空载出租车获得该载客点的载客机会。当所需空载出租车的数量为一辆时,最先按下同意接客按钮的空载出租车获得该载客点的载客机会。
23)相应的空载出租车利用GPS导航系统向所述载客点移动以接待相应的招租出行人员。当招租出行人员进入相应的空载出租车后,该载客点的N值设置为0。
所述载客点设有载客点标志和载客点候车区,所述应用软件通过图像处理识别所述载客点标志以确定载客点,所述应用软件通过图像处理识别所述载客点候车区以确定载客点的招租出行人员信息。
图像处理模块在处理一段待检测视频时,该段待检测视频的时长可以是15秒钟,第一步从该段视频提取载客点标志,载客点标志可以是文字标志,也可以是图案标志,若没有提取到载客点标志,则图像处理模块就进入下一段视频的处理,如果有提取到载客点标志,图像处理模块就会对该视频做下一步的处理。第二步,从该段视频提取载客点候车区,并从载客点候车区提取招租出行人员,如果没有招租出行人员,则生成一条信息,该条信息包括载客点的名称以及无招租出行人员的情况,如果存在招租出行人员,图像处理模块就会对该视频做下一步的处理。第三步,对载客点候车区的招租出行人员进行图像处理,以确定招租出行人员的数量、招租出行人员是否携带大件行李等情况。
图像处理模块是以10秒的时间段截取行车记录仪的视频的,上述15秒钟的待检测视频包括当前段视频的全部内容以及上一段视频后5秒钟的内容,避免两端视频刚好将载客点候车区分断,当两段连续的待检测视频都存在载客点时,只需发送第一段视频的检测结果。司机手机采集的视频可覆盖,节省存储空间。
所述招租出行人员信息提取包括将所述招租出行人员与所述载客点候车区背景进行图像分割,具体包括以下步骤,L1)采集载客点候车区的视频,在提取到载客点标志后,可以提取包括载客点标志的一定范围内的图片帧数作为载客点候车区的视频。所述行车记录仪在采集所述视频时围绕所述载客点候车区在经度方向上旋转的角度不小于60度。
L2)将所述视频通过视觉惯性里程计获得每一帧图片所对应的行车记录仪的位置和姿态。
L3)将步骤L1)中视频通过稠密点云算法并结合所述位置和姿态获得所述载客点候车区的3D稠密点云图。所述步骤L3)具体为计算行车记录仪不同位置和姿态所对应的图片的对应像素之间的视差,并使用全局优化获得载客点候车区的3D稠密点云图。
L4)将所述3D稠密点云图通过图像分割算法获得招租出行人员3D稠密点云图。
L5)选取步骤L1)中所述视频的一帧图片作为待识别图片并获取待识别图片所对应的行车记录仪的位置和姿态。所述步骤L5)具体为通过查询步骤L2)中的图片所对应的行车记录仪的位置和姿态来获取待识别图片所对应的行车记录仪的位置和姿态。
L6)将所述待识别图片通过所述待识别图片对应的行车记录仪的位置和姿态以及步骤L4)中的招租出行人员3D稠密点云图获得待识别图片的招租出行人员区域。所述步骤L6)具体为将招租出行人员3D稠密点云图在与待识别图片所对应的行车记录仪的位置和姿态相同的方向上投影获得相应的招租出行人员2D稠密点云图,并将待识别图片与招租出行人员2D稠密点云图匹配以获得待识别图片的招租出行人员区域。
使用该方法提取招租出行人员不需要事先训练,计算量小,精度高,可适用于实时变化的载客点。提取出图片上的招租出行人员后可对招租出行人员做进一步的图像处理以获得更多的招租出行人员的信息。
上面所述的实施例仅是对本发明的优选实施方式进行描述,并非对本发明的构思和范围进行限定。在不脱离本发明设计构思的前提下,本领域普通人员对本发明的技术方案做出的各种变型和改进,均应落入到本发明的保护范围,本发明请求保护的技术内容,已经全部记载在权利要求书中。
Claims (10)
1.一种基于区块链技术的出租车载客点推荐方法,其特征在于:包括以下步骤,
1)通过出租车的行车记录仪抓拍载客点的招租出行人员,并将相应的招租出行人员信息传递给所有的出租车,若同一载客点连续有存在招租出行人员的信息且次数大于设定阈值,则进入下一步骤,否则重复该步骤;
2)语音提示空载出租车向所述载客点移动以接待相应的招租出行人员,并返回步骤1)。
2.根据权利要求1所述的一种基于区块链技术的出租车载客点推荐方法,其特征在于:所述步骤1)具体包括,11)将出租车的行车记录仪与相应出租车的司机手机或车载终端连接,并在所述司机手机或车载终端安装相应的应用软件;
12)当出租车经过载客点时,通过所述应用软件及所述行车记录仪获取所述载客点的一条招租出行人员信息并对所述应用软件进行一次更新;
13)所述应用软件记录并统计每一载客点的招租出行人员信息,若同一载客点连续有存在招租出行人员的信息且次数大于设定阈值,则进入下一步骤,否则返回步骤12)。
3.根据权利要求2所述的一种基于区块链技术的出租车载客点推荐方法,其特征在于:所述招租出行人员信息包括有无招租出行人员,所述步骤13)中,应用软件统计载客点的招租出行人员信息的具体方法为,当载客点无招租出行人员时,所述应用软件将所述载客点对应的N设置为0,当所述载客点的招租出行人员从无到有时,N设置为1,当所述载客点连续存在招租出行人员时,N累计加1,其中,N为载客点连续存在招租出行人员的次数,N的初始值为0。
4.根据权利要求2所述的一种基于区块链技术的出租车载客点推荐方法,其特征在于:所述载客点设有载客点标志和载客点候车区,所述应用软件通过图像处理识别所述载客点标志以确定载客点,所述应用软件通过图像处理识别所述载客点候车区以确定载客点的招租出行人员信息。
5.根据权利要求4所述的一种基于区块链技术的出租车载客点推荐方法,其特征在于:所述招租出行人员信息提取包括将所述招租出行人员与所述载客点候车区背景进行图像分割,具体包括以下步骤,L1)采集载客点候车区的视频;
L2)将所述视频通过视觉惯性里程计获得每一帧图片所对应的行车记录仪的位置和姿态;
L3)将步骤L1)中视频通过稠密点云算法并结合所述位置和姿态获得所述载客点候车区的3D稠密点云图;
L4)将所述3D稠密点云图通过图像分割算法获得招租出行人员3D稠密点云图;
L5)选取步骤L1)中所述视频的一帧图片作为待识别图片并获取待识别图片所对应的行车记录仪的位置和姿态;
L6)将所述待识别图片通过所述待识别图片对应的行车记录仪的位置和姿态以及步骤L4)中的招租出行人员3D稠密点云图获得待识别图片的招租出行人员区域。
6.根据权利要求5所述的一种基于区块链技术的出租车载客点推荐方法,其特征在于:所述行车记录仪在采集所述视频时围绕所述载客点候车区在经度方向上旋转的角度不小于60度。
7.根据权利要求6所述的一种基于区块链技术的出租车载客点推荐方法,其特征在于:所述步骤L3)具体为计算行车记录仪不同位置和姿态所对应的图片的对应像素之间的视差,并使用全局优化获得载客点候车区的3D稠密点云图。
8.根据权利要求6所述的一种基于区块链技术的出租车载客点推荐方法,其特征在于:所述步骤L5)具体为通过查询步骤L2)中的图片所对应的行车记录仪的位置和姿态来获取待识别图片所对应的行车记录仪的位置和姿态。
9.根据权利要求6所述的一种基于区块链技术的出租车载客点推荐方法,其特征在于:所述步骤L6)具体为将招租出行人员3D稠密点云图在与待识别图片所对应的行车记录仪的位置和姿态相同的方向上投影获得相应的招租出行人员2D稠密点云图,并将待识别图片与招租出行人员2D稠密点云图匹配以获得待识别图片的招租出行人员区域。
10.根据权利要求1所述的一种基于区块链技术的出租车载客点推荐方法,其特征在于:所述步骤2)具体包括,21)根据招租出行人员信息确定所需空载出租车的数量;
22)语音提示距离所述载客点距离最近的合适数量的空载出租车;
22)最先同意接客的相应数量的空载出租车获得该载客点的载客机会;
23)相应的空载出租车向所述载客点移动以接待相应的招租出行人员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811218519.1A CN109409999A (zh) | 2018-10-19 | 2018-10-19 | 一种基于区块链技术的出租车载客点推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811218519.1A CN109409999A (zh) | 2018-10-19 | 2018-10-19 | 一种基于区块链技术的出租车载客点推荐方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109409999A true CN109409999A (zh) | 2019-03-01 |
Family
ID=65467702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811218519.1A Pending CN109409999A (zh) | 2018-10-19 | 2018-10-19 | 一种基于区块链技术的出租车载客点推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109409999A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1564220A (zh) * | 2004-04-09 | 2005-01-12 | 渠仁书 | 智能公交系统 |
CN101365022A (zh) * | 2007-08-10 | 2009-02-11 | 张文松 | 一种出租车调度系统及其实现方法 |
US20110237324A1 (en) * | 2010-03-29 | 2011-09-29 | Microsoft Corporation | Parental control settings based on body dimensions |
CN102800196A (zh) * | 2012-08-27 | 2012-11-28 | 上海亿径智能科技有限公司 | 一种出租车调度系统及其方法 |
CN102890861A (zh) * | 2012-09-28 | 2013-01-23 | 山东大学 | 场站出租车自动计数与调度方法及系统 |
CN102903236A (zh) * | 2012-10-22 | 2013-01-30 | 杭州九树网络科技有限公司 | 出租车客源信息实时获取和调度的系统及方法 |
CN103680128A (zh) * | 2013-11-26 | 2014-03-26 | 上海交通大学 | 出租车智能调度系统 |
CN103927867A (zh) * | 2014-04-24 | 2014-07-16 | 杭州九树网络科技有限公司 | 出租车智能调度派单系统及派单方法 |
CN203909556U (zh) * | 2013-10-18 | 2014-10-29 | 季青 | 出租车车载终端及出租车调度管理系统 |
CN105741537A (zh) * | 2016-03-29 | 2016-07-06 | 福建工程学院 | 车辆寻客状态的识别方法及系统 |
-
2018
- 2018-10-19 CN CN201811218519.1A patent/CN109409999A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1564220A (zh) * | 2004-04-09 | 2005-01-12 | 渠仁书 | 智能公交系统 |
CN101365022A (zh) * | 2007-08-10 | 2009-02-11 | 张文松 | 一种出租车调度系统及其实现方法 |
US20110237324A1 (en) * | 2010-03-29 | 2011-09-29 | Microsoft Corporation | Parental control settings based on body dimensions |
CN102221877A (zh) * | 2010-03-29 | 2011-10-19 | 微软公司 | 基于身体尺寸的家长控制设置 |
CN102800196A (zh) * | 2012-08-27 | 2012-11-28 | 上海亿径智能科技有限公司 | 一种出租车调度系统及其方法 |
CN102890861A (zh) * | 2012-09-28 | 2013-01-23 | 山东大学 | 场站出租车自动计数与调度方法及系统 |
CN102903236A (zh) * | 2012-10-22 | 2013-01-30 | 杭州九树网络科技有限公司 | 出租车客源信息实时获取和调度的系统及方法 |
CN203909556U (zh) * | 2013-10-18 | 2014-10-29 | 季青 | 出租车车载终端及出租车调度管理系统 |
CN103680128A (zh) * | 2013-11-26 | 2014-03-26 | 上海交通大学 | 出租车智能调度系统 |
CN103927867A (zh) * | 2014-04-24 | 2014-07-16 | 杭州九树网络科技有限公司 | 出租车智能调度派单系统及派单方法 |
CN105741537A (zh) * | 2016-03-29 | 2016-07-06 | 福建工程学院 | 车辆寻客状态的识别方法及系统 |
Non-Patent Citations (1)
Title |
---|
王肖: "复杂环境下智能车辆动态目标三维感知方法研究", 《中国博士学位论文全文数据库 工程科技II辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7135014B2 (ja) | ライドシェア管理装置、ライドシェア管理方法、およびプログラム | |
EP0834840B1 (en) | Action analyzing/recording system | |
EP1975884B1 (en) | Mobile object charging system and mobile object charging method by mobile object charging system | |
KR101709521B1 (ko) | 무인 스마트카를 이용한 공익서비스 시스템 및 방법 | |
US8432297B2 (en) | Parking information collection system and method | |
CN115222158B (zh) | 一种基于物联网的智慧城市停车场管理方法、系统及装置 | |
CN105632182B (zh) | 一种车辆违规行为举证的方法及其系统 | |
CA3063705A1 (en) | Using telematics data to identify a type of a trip | |
US11709062B2 (en) | Boarding/deboarding point providing system, data server, and boarding/deboarding point providing method | |
CN100382074C (zh) | 基于数字视频处理技术的位置追踪系统及方法 | |
US11880899B2 (en) | Proximity-based shared transportation reservations | |
JP6464737B2 (ja) | 見込み客位置情報検出システム、方法およびプログラム | |
CN110738749B (zh) | 车载装置、信息处理装置、信息处理方法 | |
JP5932850B2 (ja) | 情報処理システム、情報処理方法、情報処理装置、情報処理端末、情報処理用プログラム、および、記録媒体 | |
CN108230720A (zh) | 停车管理方法和装置 | |
CN103593977B (zh) | 私家车非法营运的检测方法 | |
CN111445703A (zh) | 一种基于图像识别的智能停车场系统及方法 | |
CN106341456A (zh) | 一种信息推送方法及装置 | |
CN112699823A (zh) | 一种用于共享电动车的定点还车方法 | |
CN109389414A (zh) | 信息提供装置、信息提供方法和记录介质 | |
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 | |
CN114096996A (zh) | 在交通中使用增强现实的方法和装置 | |
CN111183464B (zh) | 基于车辆轨迹数据估计信号交叉路口的饱和流量的系统和方法 | |
JP2016218895A (ja) | 同一人物検証システム、方法およびプログラム | |
CN111696360A (zh) | 一种停车监控方法、系统及摄像机 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190301 |
|
RJ01 | Rejection of invention patent application after publication |