CN109800902B - 一种不间断往复式灵活线路长度的无人驾驶公交优化方法 - Google Patents

一种不间断往复式灵活线路长度的无人驾驶公交优化方法 Download PDF

Info

Publication number
CN109800902B
CN109800902B CN201811507317.9A CN201811507317A CN109800902B CN 109800902 B CN109800902 B CN 109800902B CN 201811507317 A CN201811507317 A CN 201811507317A CN 109800902 B CN109800902 B CN 109800902B
Authority
CN
China
Prior art keywords
bus
passengers
passenger
vehicle
time
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
Application number
CN201811507317.9A
Other languages
English (en)
Other versions
CN109800902A (zh
Inventor
裴明阳
林培群
区俊峰
梁韫琦
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201811507317.9A priority Critical patent/CN109800902B/zh
Publication of CN109800902A publication Critical patent/CN109800902A/zh
Application granted granted Critical
Publication of CN109800902B publication Critical patent/CN109800902B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种不间断往复式灵活线路长度的无人驾驶公交优化方法,包括乘客提出公交出行需求,所述需求包括上车站点、下车站点及到达上车站点时间信息;获取一个时间段内接收到的乘客出行需求,以及当前无人驾驶公交车的运行状态,根据灵活公交模型确定无人驾驶公交车的停站计划及掉头位置,得到最优行车路线,实现所有乘客出行时间最小,所述乘客出行时间包括候车时间及乘车时间;无人驾驶公交车执行最优行车路线,响应乘客出行需求。本发明在低密度地区与非通勤时段,能够根据乘客需求情况调整行车方案,减少空驶与满载率过低的情况,降低公交运营成本,克服了乘客需求较低时维持传统固定公交服务效率低下,资源浪费的问题。

Description

一种不间断往复式灵活线路长度的无人驾驶公交优化方法
技术领域
本发明涉及无人驾驶公交和互联网领域,具体涉及一种不间断往复式灵活线路长度的无人驾驶公交优化方法。
背景技术
在低密度地区或非通勤时段,乘客出行需求较少,客流分布不均匀,因此在种情况下,如果维持高服务水平的传统固定服务公交系统,由于其固定线路、固定停靠站、固定发车间隔等,会出现满载率过低和空驶的现象,造成较大的运营成本,浪费了大量的资源。
发明内容
本发明针对现有技术的不足,提供一种不间断往复式灵活线路长度的无人驾驶公交优化方法。本发明根据乘客出行需求与公交车实时位置,动态更新调整自动驾驶公交的行车路线,降低乘客的出行时间,节约公交运营成本。
本发明采用如下技术方案:
一种不间断往复式灵活线路长度的无人驾驶公交优化方法,包括:
乘客提出公交出行需求,所述需求包括上车站点、下车站点及到达上车站点时间信息;
获取一个时间段内接收到的乘客出行需求,以及当前无人驾驶公交车的运行状态,根据灵活公交模型确定无人驾驶公交车的停站计划及掉头位置,得到最优行车路线,实现所有乘客出行时间最小,所述乘客出行时间包括候车时间及乘车时间;
无人驾驶公交车执行最优行车路线,响应乘客出行需求。
所述灵活公交模型,具体为:
确定目标为所有乘客出行时间最小:
Figure GDA0003779258260000011
对于一个乘客,其最小候车时间计算公式为:
Figure GDA0003779258260000012
Figure GDA0003779258260000021
根据每个公共汽车和乘客的相对位置,计算距离Lα(k),s(r),则得到公交车停站次数
Figure GDA0003779258260000022
确定所有乘客需求都被服务的约束条件为,一名乘客一次只能搭乘一辆公交车,约束条件为:
Figure GDA0003779258260000023
Figure GDA0003779258260000024
Figure GDA0003779258260000025
Figure GDA0003779258260000026
Figure GDA0003779258260000027
Figure GDA0003779258260000028
确定乘客到站时间不早于公交车到站时间的约束条件:
Figure GDA0003779258260000029
Figure GDA00037792582600000210
Figure GDA00037792582600000211
Figure GDA00037792582600000212
表示乘客r的候车时间;
Figure GDA00037792582600000213
表示乘客r的乘车时间;
Figure GDA00037792582600000214
表示乘客r对应公交车k的候车时间;tsr表示乘客r的到站时间;k表示工作中的自动驾驶公交车数量;K表示工作中的自动驾驶公交车总数;v表示公交车平均行驶速度;r表示乘客r∈{1,2,...,R};s(r)表示乘客r上车站点;d(r)表示乘客r下车站点;
Figure GDA00037792582600000215
表示公交车k在上行方向方向上是否服务站点j,服务为1,不服务为0;
Figure GDA00037792582600000216
表示公交车k在下行方向上是否服务站点j,服务为1,不服务为0;Lij表示公交站i到j的距离;
Figure GDA00037792582600000217
表示公交车从公交站i到j的停站数量;ts表示公交车的平均停站时间;α(k)表示公交车k的实时位置,m m表示上行最远的掉头位置;n n表示下行最远的掉头位置。
乘客通过移动终端或者公交站点设置的乘客平台提出公交出行需求。
所述最优行车路线中只在给定的停车站点停靠,并在给定的掉头位置改变形式方向。
所述移动终端为智能手机或平板电脑。
根据每个公共汽车和乘客的相对位置,具体有十种情况,图3所示,如下:
Ⅰ:车行方向与乘客出行方向均为正方向,乘客在车辆行驶方向的前方,无需掉头;
Ⅱ:车行方向与乘客出行方向均为正方向;乘客在车辆行驶方向的后方,且需要两次掉头;
Ⅲ:车行方向为负方向,且与乘客出行方向相反,乘客在车辆行驶方向的后方,需要一次掉头;
Ⅳ:车行方向为负方向,且与乘客出行方向相反,乘客在车辆行驶方向的前方,需要一次掉头;
Ⅴ:车行方向与乘客出行方向均为负方向,乘客在车辆行驶方向的前方,无需掉头;
Ⅵ:车行方向与乘客出行方向均为负方向;乘客在车辆行驶方向的后方,需要两次掉头;
Ⅶ:设车行方向为正方向,车行方向与乘客出行方向相反;乘客在车辆行驶方向的后方,需要一次掉头;
Ⅷ:设车行方向为正方向,车行方向与乘客出行方向相反;乘客在车辆行驶方向的前方,需要一次掉头;
Ⅸ:车辆停车待命,乘客出行方向正方向;
Ⅹ:车辆停车待命,乘客出行方向负方向。
所述距离Lα(k),s(r)的计算公式为:
Figure GDA0003779258260000031
所述公交车停站次数
Figure GDA0003779258260000032
的计算公式为:
Figure GDA0003779258260000041
图2显示了本发明中不间断往复式灵活路线运输系统的接驳运营方案轨迹示意图。本案的灵活系统具有多个公交同时不间断运行的特点,所有公交车运行状态都是独立的,并遵循系统指挥调度。乘客可以通过站台上的智能按钮、手机上的app等进行出行请求请求,这些请求包括起点和终点(公交站点)以及出发时间。系统实时计算请求,确定各公交车的运行状态(实时位置、方向、最远端、总线上的乘客数量等)。然后,系统根据本案中所描述的模型,为每辆公交车分配最优的接驳方案。公交线路和时刻表根据实时请求不断更新,以满足系统总时间的最低要求。每当有任务变更时,自动巴士会及时按照新的路线和时间表行驶,乘客会收到一条新的信息,显示他们的接车号码、预计到达时间和巴士的GPS位置。
本发明的有益效果:
1、与传统固定服务公交相比,本发明适应乘客的个性化出行需求,在低密度地区与非通勤时段,能够根据乘客需求情况调整行车方案,减少空驶与满载率过低的情况,降低公交运营成本,克服了乘客需求较低时维持传统固定公交服务效率低下,资源浪费的问题;
2、本发明与线路偏移式、车站偏移式灵活公交相比,没有要求公交车必须停靠部分站点,本发明中自动驾驶公交根据最小候车时选择停站,并根据系统规划的行车路线,在指定位置改变行驶方向,无需返回首末站,线路长度不固定,因此本发明更为灵活,更快地响应乘客需求,提升低密度地区公交服务竞争力。
附图说明
图1是本发明的工作流程图;
图2是本发明不间断往复式灵活路线的接驳运营方案轨迹示意图;
图3是本发明的公交车实时位置到乘客上车站点情况示意图。
具体实施方式
下面结合实施例及附图,对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例
本实施例提供一种不间断往复式灵活线路长度的无人驾驶公交优化方法,根据乘客出行需求与公交车实时位置,动态更新调整自动驾驶公交的行车路线,降低乘客的出行时间,节约公交运营成本。
该灵活公交模型可将乘客发布的实时出行需求信息与公交实时信息进行分析处理,动态调整公交车行车路线智能指导车辆行驶路径和接驳情况。无人驾驶公交车在线路上不间断地往复行驶,根据模型求解结果,确定行驶方向、掉头位置与选择停靠车站等。
如图1所示,在一条公交新路上,共设有9个停靠点,编号分别为1~9,站间距如表2所示,共有两台自动驾驶公交车投入运营。在一小时内,共产生了如表1的乘客出行需求。
表1实施例乘客公交出行需求信息表
乘客编号 上车站点 下车站点 到站时间 乘客编号 上车站点 下车站点 到站时间
1 7 8 3402 16 7 1 3257
2 9 5 3112 17 3 2 1964
3 2 4 111 18 3 2 3166
4 8 3 1854 19 4 5 1870
5 3 8 1033 20 5 8 1328
6 8 5 3166 21 5 2 653
7 7 4 3034 22 5 6 3461
8 1 7 2509 23 6 5 47
9 9 2 3400 24 2 6 3226
10 2 8 2345 25 3 6 791
11 9 8 432 26 3 4 1479
12 8 2 534 27 2 9 2135
13 7 5 3513 28 6 8 1299
14 7 4 3153 29 2 8 24
15 3 4 2746 30 2 6 1160
表2实施例各停靠站距离表(单位:米)
1 2 3 4 5 6 7 8 9
1 - 360 2160 2560 3760 4860 5960 7360 7810
2 360 - 1800 2200 3400 4500 5600 7000 7450
3 2160 1800 - 400 1600 2700 3800 5200 5650
4 2560 2200 400 - 1200 2300 3400 4800 5250
5 3760 3400 1600 1200 - 1100 2200 3600 4050
6 4860 4500 2700 2300 1100 - 1100 2500 2950
7 5960 5600 3800 3400 2200 1100 - 1400 1850
8 7360 7000 5200 4800 3600 2500 1400 - 450
9 7810 7450 5650 5250 4050 2950 1850 450 -
步骤1:乘客通过站台智能按键,或手机APP提交出行需求,包括上车站点、下车站点与到达上车站点时间;
步骤2:模型分析乘客需求与公交车状态信息,生成目标与约束,求解模型,确定公交行驶方向、掉头位置与选择停靠车站等,得到新的行车方案;
模型求解得到两辆公交车最优行车路线方案:
公交车1:1→2→8→9→8→3→2→1→2→3→4→5→6→7→8→9→8→7→5→4→2→1
公交车2:9→6→5→2→3→4→5→6→8→3→2→6
步骤3:自动驾驶公交落实更新调整后的行车路线,乘客可通过APP了解公交车车信息。
步骤4:无人驾驶公交车根据行车路线停靠公交站,乘客上车、下车,响应乘客出行需求。
与传统固定服务公交相比,本发明优势明显,优化效果如表3所示,显著降低了乘客的候车时间与出行时间。
表3
总候车时间(min) 总出行时间
固定公交 441.8 774.7
本发明 348.5 671.6
优化程度 21.12% 13.31%
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受所述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。

Claims (7)

1.一种不间断往复式灵活线路长度的无人驾驶公交优化方法,其特征在于,包括:
乘客提出公交出行需求,所述需求包括上车站点、下车站点及到达上车站点时间信息;
获取一个时间段内接收到的乘客出行需求,以及当前无人驾驶公交车的运行状态,根据灵活公交模型确定无人驾驶公交车的停站计划及掉头位置,得到最优行车路线,实现所有乘客出行时间最小,所述乘客出行时间包括候车时间及乘车时间;
无人驾驶公交车执行最优行车路线,响应乘客出行需求;
所述灵活公交模型,具体为:
确定目标为灵活模式下所有乘客出行时间最小,
Figure FDA0003793516570000011
Figure FDA0003793516570000012
为等待时间,
Figure FDA0003793516570000013
为行程时间;
对于一个乘客,其最小候车时间为所有车辆到达上车站点的时间
Figure FDA0003793516570000014
Figure FDA0003793516570000015
的最小值,计算公式为:
Figure FDA0003793516570000016
Figure FDA0003793516570000017
根据每个公共汽车和乘客的相对位置,计算距离Lα(k),s(r),则得到公交车停站次数
Figure FDA0003793516570000018
确定所有乘客需求都被服务的约束条件为,一名乘客一次只能搭乘一辆公交车,约束条件为:
Figure FDA0003793516570000019
Figure FDA00037935165700000110
Figure FDA00037935165700000111
Figure FDA00037935165700000112
Figure FDA0003793516570000021
Figure FDA0003793516570000022
确定乘客到站时间不早于公交车到站时间的约束条件:
Figure FDA0003793516570000023
Figure FDA0003793516570000024
Figure FDA0003793516570000025
Figure FDA0003793516570000026
表示乘客r的候车时间;
Figure FDA0003793516570000027
表示乘客r的乘车时间;
Figure FDA0003793516570000028
表示乘客r对应公交车k的候车时间;tsr表示乘客r的到站时间;k表示工作中的自动驾驶公交车数量;K表示工作中的自动驾驶公交车总数;v表示公交车平均行驶速度;r表示乘客r∈{1,2,…,R};s(r)表示乘客r上车站点;d(r)表示乘客r下车站点;
Figure FDA0003793516570000029
表示公交车k在上行方向上是否服务站点j,服务为1,不服务为0;
Figure FDA00037935165700000210
表示公交车k在下行方向上是否服务站点j,服务为1,不服务为0;Lij表示公交站i到j的距离;
Figure FDA00037935165700000211
表示公交车从公交站i到j的停站数量;ts表示公交车的平均停站时间;α(k)表示公交车k的实时位置,mm表示上行最远的掉头位置;nn表示下行最远的掉头位置。
2.根据权利要求1所述的无人驾驶公交优化方法,其特征在于,乘客通过移动终端或者公交站点设置的乘客平台提出公交出行需求。
3.根据权利要求1所述的无人驾驶公交优化方法,其特征在于,所述最优行车路线中只在给定的停车站点停靠,并在给定的掉头位置改变形式方向。
4.根据权利要求2所述的无人驾驶公交优化方法,其特征在于,所述移动终端为智能手机或平板电脑。
5.根据权利要求1所述的无人驾驶公交优化方法,其特征在于,根据每个公共汽车和乘客的相对位置,具体有十种情况,如下:
Ⅰ:车行方向与乘客出行方向均为正方向,乘客在车辆行驶方向的前方,无需掉头;
Ⅱ:车行方向与乘客出行方向均为正方向;乘客在车辆行驶方向的后方,且需要两次掉头;
Ⅲ:车行方向为负方向,且与乘客出行方向相反,乘客在车辆行驶方向的后方,需要一次掉头;
Ⅳ:车行方向为负方向,且与乘客出行方向相反,乘客在车辆行驶方向的前方,需要一次掉头;
Ⅴ:车行方向与乘客出行方向均为负方向,乘客在车辆行驶方向的前方,无需掉头;
Ⅵ:车行方向与乘客出行方向均为负方向;乘客在车辆行驶方向的后方,需要两次掉头;
Ⅶ:设车行方向为正方向,车行方向与乘客出行方向相反;乘客在车辆行驶方向的后方,需要一次掉头;
Ⅷ:设车行方向为正方向,车行方向与乘客出行方向相反;乘客在车辆行驶方向的前方,需要一次掉头;
Ⅸ:车辆停车待命,乘客出行方向正方向;
Ⅹ:车辆停车待命,乘客出行方向负方向。
6.根据权利要求5所述的无人驾驶公交优化方法,其特征在于,所述距离Lα(k),s(r)的计算公式为:
Figure FDA0003793516570000031
式中Ls(r)为从正方向起点到乘客的出行位置的距离,Lα(k)从正方向起点到车辆k的实时位置的距离,Lmm和Lnn为从正方向起点到正方向最近端和最远端到正方向起始点的距离。
7.根据权利要求6所述的无人驾驶公交优化方法,其特征在于,所述公交车停站次数
Figure FDA0003793516570000032
的计算公式为:
Figure FDA0003793516570000033
CN201811507317.9A 2018-12-11 2018-12-11 一种不间断往复式灵活线路长度的无人驾驶公交优化方法 Active CN109800902B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811507317.9A CN109800902B (zh) 2018-12-11 2018-12-11 一种不间断往复式灵活线路长度的无人驾驶公交优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811507317.9A CN109800902B (zh) 2018-12-11 2018-12-11 一种不间断往复式灵活线路长度的无人驾驶公交优化方法

Publications (2)

Publication Number Publication Date
CN109800902A CN109800902A (zh) 2019-05-24
CN109800902B true CN109800902B (zh) 2022-10-25

Family

ID=66556578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811507317.9A Active CN109800902B (zh) 2018-12-11 2018-12-11 一种不间断往复式灵活线路长度的无人驾驶公交优化方法

Country Status (1)

Country Link
CN (1) CN109800902B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110555473A (zh) * 2019-08-28 2019-12-10 海南纽康信息系统有限公司 行车线路规划方法、服务器及系统
CN112447054B (zh) * 2019-08-30 2022-01-07 比亚迪股份有限公司 控制车辆行驶的方法和设备
JP7405680B2 (ja) * 2020-04-02 2023-12-26 トヨタ自動車株式会社 運行管理装置、運行管理方法、および、交通システム
CN111709545A (zh) * 2020-05-19 2020-09-25 东风汽车集团有限公司 无人驾驶客车乘客预约乘车系统控制方法
CN113808381B (zh) * 2020-06-12 2023-04-07 大富科技(安徽)股份有限公司 公共交通工具调度方法、服务器以及存储介质
CN111898832B (zh) * 2020-08-06 2024-04-19 新石器慧通(北京)科技有限公司 一种无人车接驳方法、装置、设备及存储介质
CN112085340B (zh) * 2020-08-14 2024-04-02 广州思创科技股份有限公司 一种公交调度方法、系统、装置及存储介质
CN112907071A (zh) * 2021-02-20 2021-06-04 华南理工大学 基于支付意愿的公交调度方法、系统、装置及存储介质
CN115083142A (zh) * 2021-03-12 2022-09-20 深圳市赛格导航科技股份有限公司 一种公交车控制方法、系统、装置及计算机可读存储介质
CN113628473B (zh) * 2021-07-02 2022-07-22 东南大学 一种智能公交车辆响应式停站计划与动态调度系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012069136A (ja) * 2011-10-27 2012-04-05 Kyosan Electric Mfg Co Ltd 乗合車両運行管理用センタ装置
CN107092976A (zh) * 2017-03-28 2017-08-25 东南大学 一种多目标模型协同优化多条公交线路发车间隔的方法
EP3355028A1 (en) * 2017-01-25 2018-08-01 Via Transportation, Inc. Method and system for managing a fleet of ride-sharing vehicles using virtual bus stops

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8417409B2 (en) * 2009-11-11 2013-04-09 Google Inc. Transit routing system for public transportation trip planning
CN103473606B (zh) * 2013-08-27 2016-05-18 浙江工业大学 基于gis的最大最短路径长度的公交网络整体换乘性能优化方法
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
CN107220733B (zh) * 2017-06-15 2020-04-28 重庆交通大学 基于互联网和车路协同的起讫点集定制公交开行优化方法
CN107330547B (zh) * 2017-06-15 2020-07-28 重庆交通大学 一种城市公交动态调度优化方法及系统
CN107330559A (zh) * 2017-07-03 2017-11-07 华南理工大学 一种多起终点多车型混载的定制公交线路规划方法
CN107610448A (zh) * 2017-08-21 2018-01-19 深圳市海梁科技有限公司 一种无人驾驶车辆及其调度方法和调度系统
CN107657340A (zh) * 2017-09-19 2018-02-02 中国联合网络通信集团有限公司 公交车出行的方法及装置
CN108831151B (zh) * 2018-06-25 2020-04-07 青岛智能产业技术研究院 无人驾驶公交车应急调度系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012069136A (ja) * 2011-10-27 2012-04-05 Kyosan Electric Mfg Co Ltd 乗合車両運行管理用センタ装置
EP3355028A1 (en) * 2017-01-25 2018-08-01 Via Transportation, Inc. Method and system for managing a fleet of ride-sharing vehicles using virtual bus stops
CN107092976A (zh) * 2017-03-28 2017-08-25 东南大学 一种多目标模型协同优化多条公交线路发车间隔的方法

Also Published As

Publication number Publication date
CN109800902A (zh) 2019-05-24

Similar Documents

Publication Publication Date Title
CN109800902B (zh) 一种不间断往复式灵活线路长度的无人驾驶公交优化方法
WO2021004115A1 (zh) 一种人工驾驶公交和自动驾驶公交联合调度优化方法
Amirgholy et al. Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach
CN107103383B (zh) 一种基于打车热点的动态拼车调度方法
CN103956041B (zh) 一种公交调度系统及其控制方法
CN110782079B (zh) 基于停站方案节能的高速铁路列车运行图的调整方法
CN109308574B (zh) 一种实时响应的互联网半灵活公交调度方法
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
CN102737129A (zh) 一种公交车辆区域行车时刻表编制的方法
CN111063209B (zh) 配合区间车的自动驾驶公交组合调度优化方法
CN112309122A (zh) 一种基于多系统协同的智慧公交分级决策系统
CN106981189B (zh) 智能公交运行路线设置方法和系统
CN113077162A (zh) 面向实时需求的多车型定制公交区域调度方法
CN111898909A (zh) 一种基于实时需求的无人驾驶公交派车方法
CN103903472B (zh) 一种实时的brt车辆进站优化、站台客流引导系统及方法
CN110148297B (zh) 一种使用班车接驳的停车换乘系统及优化方法
CN109979186B (zh) 一种基于gps系统的公交车停靠泊位实时分配方法
CN111477021A (zh) 车辆优先引导方法及优先引导系统
CN112465177B (zh) 一种基于大数据分析的公交线路优化系统及方法
CN106096793A (zh) 基于拥塞感知的周期性优化的电动汽车充电决策方法
CN112447054B (zh) 控制车辆行驶的方法和设备
CN112233452A (zh) 一种公交车的自适应柔性调度方法
CN110246356B (zh) 一种确定可变线路公交配置车辆数和类型的方法
CN115663867B (zh) 基于智能充电网络系统的电动汽车充电调度方法
CN112541675A (zh) 一种车辆系统的调度控制方法,装置及系统

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