CN110059866A - 一种基于预约的出行时间推荐方法及装置 - Google Patents
一种基于预约的出行时间推荐方法及装置 Download PDFInfo
- Publication number
- CN110059866A CN110059866A CN201910235620.6A CN201910235620A CN110059866A CN 110059866 A CN110059866 A CN 110059866A CN 201910235620 A CN201910235620 A CN 201910235620A CN 110059866 A CN110059866 A CN 110059866A
- Authority
- CN
- China
- Prior art keywords
- travel time
- user
- time
- target
- traffic
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000000694 effects Effects 0.000 claims description 28
- 238000004088 simulation Methods 0.000 claims description 13
- 238000012795 verification Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000005303 weighing 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
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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"
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种基于预约的出行时间推荐方法,所述方法包括:获得一个用户预约的出发地、目的地、出行时间范围;在所述出行时间范围内确定出多个待选出行时间;计算每个待选出行时间对所述出发地与所述目的地之间的道路的交通系统的通行效率的正向影响程度;从所述多个待选出行时间中确定目标出行时间,所述目标出行时间为对所述交通系统的通行效率的正向影响程度最大的一个或多个待选出行时间;向所述用户推荐所述目标出行时间。通过将目标出行时间推荐给用户,使用户按照目标出行时间出发,能够最大程度的提升用户对交通系统的通行效率的正向影响程度,避免用户在发生交通拥堵时进入交通系统进一步加重交通拥堵程度的问题。
Description
技术领域
本发明涉及交通信息技术领域,尤其涉及一种基于预约的出行时间推荐方法及装置。
背景技术
目前,交通拥堵已经成为阻碍城市发展以及影响人们出行质量的重要因素,在已经发生交通拥堵的情况下,道路的通行效率是极其低下的,这不仅会浪费人们的时间,还会使车辆额外产生更多的能源消耗以及污染物排放。
有鉴于此,一些具有出行方案规划功能的软件应运而生,这些软件能够显示道路的实时状况、预测道路的未来状况、以及向用户推荐出行方案,使用户在出行时避开拥堵路段,减少用户在交通拥堵上浪费的时间,以及减少车辆额外产生的能源消耗和污染物排放。
然而,目前推荐的出行方案都是基于历史数据和实时数据对未来的预测而生成的,而预测结果受未来出行需求不确定性的影响较大。当某一路段发生交通拥堵时,多数用户都会选择该路段的替代路段,这样会导致该替代路段也容易发生交通拥堵,进一步加重交通拥堵的程度。
发明内容
鉴于上述问题,本发明实施例的目的是提供一种基于预约的出行时间推荐方法及装置,以在出行需求高度集中的时段,对出行需求进行适当调节,解决在发生交通拥堵时,用户进一步加重交通拥堵程度的问题。
第一方面,本发明实施例提供一种基于预约的出行时间推荐方法,所述方法包括:获得一个用户预约的出发地、目的地、出行时间范围;在所述出行时间范围内确定出多个待选出行时间;计算每个待选出行时间对所述出发地与所述目的地之间的道路的交通系统的通行效率的正向影响程度;从所述多个待选出行时间中确定目标出行时间,所述目标出行时间为对所述交通系统的通行效率的正向影响程度最大的一个或多个待选出行时间;向所述用户推荐所述目标出行时间。
第二方面,本发明实施例提供一种基于预约的出行时间推荐装置,所述装置包括:接收模块,被配置为获得一个用户预约的出发地、目的地、出行时间范围;确定模块,被配置为在所述出行时间范围内确定出多个待选出行时间;计算模块,被配置为计算每个待选出行时间对所述出发地与所述目的地之间的道路的交通系统的通行效率的正向影响程度;选择模块,被配置为从所述多个待选出行时间中确定目标出行时间,所述目标出行时间为对所述交通系统的通行效率的正向影响程度最大的一个或多个待选出行时间;发送模块,被配置为向所述用户推荐所述目标出行时间。
第三方面,本发明实施例提供一种电子设备,所述电子设备包括:至少一个处理器;以及与所述处理器连接的至少一个存储器、总线;其中,所述处理器、存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行上述一个或多个技术方案中的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述一个或多个技术方案中的方法。
本发明实施例提供的基于预约的出行时间推荐方法及装置,在获得某一用户的出发地、目的地和出行时间范围之后,先在出行时间范围内确定出多个待选出行时间;再计算每个待选出行时间对出发地与目的地之间的道路的交通系统的通行效率的正向影响程度;接着,从多个待选出行时间中确定对交通系统的通行效率的正向影响程度最大的目标出行时间;最后,将目标出行时间推荐给该用户。可见,通过在用户的出行时间范围内将对交通系统的通行效率的正向影响程度最大的目标出行时间推荐给用户,使用户按照目标出行时间出发,能够用户在发生交通拥堵时进入交通系统进一步加重交通拥堵程度的问题,能够减少用户在拥堵路段上的等待时间,同时,根据所有用户的预约,能够对未来时间的出行需求进行精准把握,进而对交通系统进行全局优化,调节供需,使得供需均衡,达到提升交通系统的通行效率的目的。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明实施例中的基于预约的出行时间推荐方法的流程示意图;
图2为本发明实施例中的基于预约的出行时间推荐装置的结构示意图;
图3为本发明实施例中的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种基于预约的出行时间推荐方法,在实际应用中,该方法可以应用于开车上下班的场景,用户可以将家庭地址、公司地址、出行时间范围输入APP,APP通过该基于预约的出行时间推荐方法计算出目标出行时间,并将目标出行时间推荐给用户,使用户按照该目标出行时间从家或公司出发,在上下班高峰期间,能够提升用户对交通系统的通行效率的正向影响程度,避免用户在发生交通拥堵时进入交通系统进一步加重交通拥堵程度的问题。
当然,该方法也可以适用于乘坐公共交通工具上下班的场景,通过将目标出行时间推荐给用户,使用户按照目标出行时间从家或公司出发,能够在上下班高峰期间公共交通工具内拥挤的情况下使各用户错开乘坐时间,进而减小公共交通工具内的拥挤程度。在这里,公共交通工具例如是公交车、地铁等。除此之外,对于交通运营部门,提前了解未来时段的公共交通出行需求,可以按照需求实时调配车辆,避免低峰时段交通运力浪费、高峰时段交通运力不足的情况发生。
在此需要说明的是,该方法还可以适用于在出行高峰期间的其他出行场景,例如是进入景区进行游览的场景等,在此不做具体限定。
接下来,对该基于预约的出行时间推荐方法进行详细说明。
图1为本发明实施例中的基于预约的出行时间推荐方法的流程示意图,参见图1所示,该方法可以包括:
S101:获得一个用户预约的出发地、目的地、出行时间范围。
在这里,可以设置一个用户接口,使用户提前将出发地、目的地、出行时间范围通过该用户接口输入,进而获得未来时间段内的该用户的出发地、目的地、出行时间范围。例如:用户需要在第二天早上8∶00从出发地出发去往目的地,那么,用户可以在前一天晚上或者第二天早上8∶00前输入出发地、目的地、出行时间范围。其中,出行时间可以是指用户从出发地出发的时间,出行时间范围可以是指用户能够接受的从出发地出发的时间范围。例如:某一用户早上需要从家出发到公司上班,该用户能够接受的最早出发时间为7∶00,最晚出发时间为8∶00,即该用户的出行时间范围为7∶00-8∶00。
S102:在出行时间范围内确定出多个待选出行时间。
具体的,可以在出行时间范围内均匀的确定出多个待选出行时间,也可以在出行时间范围内非均匀的确定出多个待选出行时间,在此不做限定。
举例来说,假设该用户的出行时间范围为7∶00-8∶00。对于在出行时间范围内均匀的确定出多个待选出行时间,可以确定出7∶10、7∶20、7∶30、7∶40、7∶50这五个待选出行时间,也可以确定出7∶15、7∶30、7∶45这三个待选出行时间,使确定出的待选出行时间之间保持均匀,避免在计算待选出行时间对交通系统的通行效率的正向影响程度时遗漏对交通系统的通行效率的正向影响程度较大的时间段,进而提高目标出行时间推荐的准确性。对于每个待选出行时间之间的时间间隔,可以是1分钟、2分钟、5分钟、10分钟、15分钟、20分钟等,在此不做限定。而对于在出行时间范围内非均匀的确定出多个待选出行时间,具体可以根据用户的历史出行时间确定,假设该用户的历史出行时间为7∶30,可以确定出7∶20、7∶25、7∶30、7∶35、7∶40这五个待选出行时间,使确定出的待选出行时间与该用户的历史出行时间较为接近,使推荐的目标出行时间既能够对交通系统的通行效率的正向影响程度较大,又能够最大程度的符合用户的出行习惯。
S103:计算每个待选出行时间对出发地与目的地之间的道路的交通系统的通行效率的正向影响程度。
在这里,对交通系统的通行效率的正向影响程度可以是指对交通系统的通行效率的提升程度,或者可以是指对交通系统的拥堵状态的改善程度,或者是减少用户出行的拥堵延误时间。示例性的,假设以前的拥堵系数为5,在采用某一推荐方案后,拥堵系数变为4.7,其中相差的0.3就是对交通系统的通行效率的正向影响程度。
在具体实施过程中,可以将对道路的交通系统的通行效率的正向影响程度分别A、B、C三个等级,A级对应的是对道路的交通系统的通行效率的正向影响程度较大,B级对应的是对道路的交通系统的通行效率的正向影响程度一般,C级对应的是对道路的交通系统的通行效率的正向影响程度较小。通过A、B、C三个等级以区分不同的待选出行时间对道路的交通系统的通行效率的正向影响程度。
S104:从多个待选出行时间中确定目标出行时间。
其中,目标出行时间为对交通系统的通行效率的正向影响程度最大的一个或多个待选出行时间。由于每一个待选出行时间都对应有一个对上述道路的交通系统的通行效率的正向影响程度,具体的,可以从上述多个待选出行时间对应的正向影响程度中选择一个或多个最大的正向影响程度;将选择出的一个或多个最大的正向影响程度对应的待选出行时间作为目标出行时间。
示例性的,多个待选出行时间可以包括:时间一、时间二、时间三、时间四、时间五,时间一、时间二、时间三、时间四、时间五对应的正向影响程度为分别为程度A、程度B、程度B、程度C、程度C,其中,程度A大于程度B,程度B大于程度C。从多个待选出行时间中确定出的目标出行时间可以是时间一,也可以是时间一、时间二和时间三。
再例如:假设以前的交通拥堵系数为5,在采用A方案后,交通拥堵系数变为4.7,在采用B方案后,交通拥堵系数变为4.5,在采用C方案后,交通拥堵系数变为3.9,那么,就会选择方案C中的出行时间作为目标出行时间推荐给用户。
在实际应用中,从多个待选出行时间中确定出的目标出行时间可以是帕累托最优时间,即用户在采用该目标出行时间出行时,能够最大程度的提升对交通系统的通行效率的影响程度,甚至是既能够减少该用户的出行时间,又能够避免增加其它用户的出行时间。
S105:向用户推荐目标出行时间。
具体的,可以将目标出行时间进行语音播放,也可以将目标出行时间进行显示,以达到向用户推荐的目的。对于向用户推荐目标出行时间的具体方式,在此不做具体限定。
在实际应用中,在获得某一用户的预约出发地X、目的地Y和出行时间范围7∶00-8∶00之后,首先,在出行时间范围7∶00-8∶00内确定出7∶10、7∶20、7∶30、7∶40、7∶50这五个待选出行时间;然后,分别计算7∶10、7∶20、7∶30、7∶40、7∶50这五个待选出行时间对出发地X与目的地Y之间的道路的交通系统Z的通行效率的正向影响程度,分别得到C级、B级、B级、A级、A级这五个正向影响程度,其中,C级对交通系统Z的通行效率的正向影响程度最大,B级次之,A级再次之;接着,将正向影响程度为C级和B级对应的7∶10、7∶20、7∶30作为目标出行时间;最后,将7∶10、7∶20、7∶30这三个时间推荐给用户。
由上述内容可知,本发明实施例提供的基于预约的出行时间推荐方法,在获得某一用户预约的出发地、目的地和出行时间范围之后,先在出行时间范围内确定出多个待选出行时间;再计算每个待选出行时间对出发地与目的地之间的道路的交通系统的通行效率的正向影响程度;接着,从多个待选出行时间中确定对交通系统的通行效率的正向影响程度最大的目标出行时间;最后,将目标出行时间推荐给该用户。可见,通过在用户的出行时间范围内将对交通系统的通行效率的正向影响程度最大的目标出行时间推荐给用户,使用户按照目标出行时间出发,避免用户在发生交通拥堵时进入交通系统进一步加重交通拥堵程度的问题,能够减少用户在拥堵路段上的等待时间,同时,根据所有用户的预约,能够对未来时间的出行需求进行精准把握,进而对交通系统进行全局优化,调节供需,使得供需均衡,达到提升交通系统的通行效率的目的。
基于前述实施例,为了获得对交通系统的通行效率的正向影响程度最大的一个或多个待选出行时间,具体的,S103可以包括:
S1031:计算每个待选出行时间对出发地与目的地之间的道路中的堵点的边际效应。
其中,由于道路中堵点的用户的数量不同,用户在该堵点对应的拥堵等待时间也不同,当道路中堵点的用户较多时,用户在该堵点对应的拥堵等待时间较长,因此,通过计算每个待选出行时间对上述堵点的边际效应,能够提高计算的精确度。由于边际效应的计算采用的是现有技术,故在此不再赘述。在计算出每个待选出行时间对上述堵点的边际效应之后,将对上述堵点的边际效应最大的一个或多个待选出行时间作为目标出行时间推荐给用户,能够提高向用户推荐目标出行时间的准确性。
具体的,S1031可以包括:
S1031a:确定每个待选出行时间对应的堵点到达时间。
其中,堵点到达时间为从出发地出发,到达道路中的堵点时的时间。示例性的,假设待选出行时间为7∶00,从出发地到堵点需要用时10分钟,那么,该待选出行时间对应的堵点到达时间为7∶10。
S1031b:计算每个堵点到达时间对道路中的堵点的边际效应。
在实际应用中,可以通过维克里瓶颈模型(Vickrey’s Bottleneck Model)来计算每个堵点到达时间对道路中的堵点的边际效应。
具体来说,当用户的数量足够多时,理想状态是某一地区内所有准备出行的用户都进行了预约并获得了推荐的出行时间,那么,为了提高边际效应计算的准确性,S1031b可以包括:
步骤一:根据所有用户的出行信息,确定在每个堵点到达时间道路中的堵点的拥堵信息。
其中,出行信息可以包括:出发地、目的地、出行时间范围、用户选择的目标出行时间等。
在这里,当用户的数量足够多时,例如:某一地区内半数以上的用户,甚至是全部用户都在进行预约以获得推荐的出行时间,那么,通过所有用户预约的出行信息,就能够准确的知道在未来某一时间内道路的拥堵信息,而根据历史道路信息只能够预测未来某一时间内道路的拥堵信息,由于人们的出行每天都会有所不同,根据历史道路信息预测的拥堵信息会有所偏差,因此,相比于根据历史道路信息预测道路的拥堵信息,根据所有用户预约的出行信息能够更加准确的确定道路的拥堵信息。
在这里需要说明的是,在向用户推荐完目标出行时间之后,用户需要对推荐的目标出行时间进行反馈,即选择哪一个目标出行时间作为其实际的出行时间,该实际的出行时间会存入出行信息中,作为模拟未来道路状况的依据。
步骤二:基于拥堵信息,计算每个堵点到达时间对道路中的堵点的边际效应。
在这里,由于在未来某一时间内的道路的拥堵信息是根据所有用户的出行信息确定的,因此使得计算出的每个堵点到达时间对道路中的堵点的边际效应更加符合实际情况、更加准确。
由上述内容可知,本发明实施例提供的基于预约的出行时间推荐方法,通过计算每个待选出行时间对出发地与目的地之间的道路中的堵点的边际效应,能够获得对交通系统的通行效率的正向影响程度最大的一个或多个待选出行时间,即目标出行时间,进而将目标出行时间推荐给用户,能够减少用户在拥堵路段上的等待时间。
基于前述实施例,在计算出每个堵点到达时间对道路中的堵点的边际效应之后,先从多个堵点达到时间中选择出对道路中的堵点的边际效应最大的一个或多个堵点到达时间作为目标堵点到达时间,再计算出目标堵点到达时间对应的目标出行时间,并向用户推荐。为了使推荐的目标出行时间更加符合用户的出行习惯,S105可以包括:
步骤一:获取用户的历史出行信息。
在这里,历史出行信息可以包括:历史出发地、历史目的地、历史出行时间范围、历史实际出行时间、历史堵点到达时间、历史出行速度等。
步骤二:根据历史出行信息,确定用户从出发地到道路中的堵点的时长。
具体的,可以从历史出行信息中分析出用户的日常出行习惯,日常出行习惯可以包括:日常出发地、日常目的地、日常出行时间范围、日常实际出行时间、日常堵点到达时间、日常出行速度等。再根据用户的日常出行习惯确定用户从出发地到道路中的堵点的时长。
具体来说,在分析出用户的日常出行习惯后,可以从日常出行习惯中获取日常实际出行时间和日常堵点到达时间,通过将日常堵点到达时间与日常实际出行时间相减以获得用户从出发地到道路中的堵点的时长。也可以从日常出行习惯中获取日常出发地、日常目的地、日常出行速度;根据日常出发地和日常目的地确定堵点,进而确定出堵点与日常出发地之间的距离;通过将上述距离与日常出行速度相除以获得用户从出发地到道路中的堵点的时长。
步骤三:基于时长,计算出对道路中的堵点的边际效应最大的一个或多个堵点到达时间对应的目标出行时间。
具体的,当计算出对道路中的堵点的边际效应最大的一个或多个堵点到达时间之后,需要将上述堵点到达时间减去上述时长,以获得目标出行时间。
示例性的,假设确定出的堵点到达时间为7∶20,从出发地到堵点的时长为10分钟,那么,获得的目标出行时间为7∶10。
步骤四:向用户推荐目标出行时间。
由上述内容可知,本发明实施例提供的基于预约的出行时间推荐方法,在获得用户的历史出行信息之后,先从历史出行信息中分析出用户的日常出行习惯,再根据用户的日常出行习惯模拟出用户从出发地到道路中的堵点的时长,并根据上述时长计算出堵点到达时间对应的目标出行时间,使向用户推荐的目标出行时间能够更加符合用户的出行习惯,使用户更加容易接受推荐的目标出行时间。
基于前述实施例,为了引导用户选择目标出行时间出行,以提升用户对出发地与目的地之间的道路的交通系统的通行效率的正向影响程度,在执行S105的同时,该方法还可以包括:
S1051:向用户推荐第一奖励值。
其中,第一奖励值用于引导用户选择目标出行时间。在实际应用中,第一奖励值可以添加在目标出行时间之后,当用户看到推荐的目标出行时间时,同时也能够看到与目标出行时间对应的第一奖励值。第一奖励值可以是积分,不同的积分对应不同的奖品。用户若想获得奖品,就需要选择在目标出行时间出行,进而就能够提升用户对出发地与目的地之间的道路的交通系统的通行效率的正向影响程度。
在向用户推荐完目标出行时间后,需要接收用户反馈的预定出行时间,预定出行时间可以是用户从目标出行时间中选择的一个时间,也就是说,用户准备在预定出行时间出行。当接收到用户反馈的预定出行时间后,就可以根据该用户的预定出行时间以及在此之前的其它用户的预定出行时间,进行未来道路状况的仿真模拟,以便根据模拟的未来道路状况,向在此之后的需要推荐出行时间的用户推荐合理的出行时间。
进一步的,为了避免用户采用推荐的目标出行时间从出发地出发,在到达目的地时发生迟到的情况,在S105之前,该方法还可以包括:
步骤一:获取用户能够接受的最晚到达时间。
步骤二:计算在目标出行时间从出发地出发,到达目的地时的目标到达时间。
步骤三:判断目标到达时间是否晚于最晚到达时间。
步骤四:若是,则修改目标出行时间,使修改后的目标出行时间对应的目标到达时间早于最晚到达时间。
示例性的,假设用户能够接受的最晚到达时间为9∶00,目标出行时间为7∶50,通过计算得到在7∶50从出发地出发,在到达目的地时的时间为9∶10,晚于9∶00,则将目标出行时间修改为7∶40甚至更早的时间,再重新计算在修改后的目标时间从出发地出发,在到达目的地时的时间,并判断该时间是否晚于最晚到达时间,直到使修改后的目标出行时间对应的目标到达时间早于最晚到达时间,进而避免用户采用推荐的目标出行时间从出发地出发,在到达目的地时发生迟到的情况。
在这里,最晚到达时间也可以是一个时间范围,即用户希望到达目的地的到达时间范围,那么,在获取用户的到达时间范围后,先根据目标出行时间计算出目标到达时间,再判断目标到达时间是否在到达时间范围内,若是,则可以向用户推荐该目标出行时间,若否,则修改目标出行时间,使修改后的目标出行时间对应的目标到达时间在到达时间范围内。
进一步的,为了避免用户在采用目标出行时间出行时仍会对交通系统造成拥堵,这里的拥堵可以是指相比于未采用推荐的出行时间出行时造成的拥堵更为严重的拥堵,也可以是指无法以正常速度出行时的拥堵,在此不做具体限定。在S105之前,当确定出目标出行时间后,将该目标出行时间以及在此之前推荐给所有用户的目标出行时间进行交通仿真模拟,以验证所有用户均按照向其推荐的目标出行时间出行时是否会造成交通拥堵,若验证结果为否,则可以向用户推荐该目标出行时间,若验证结果为是,则需要修正该目标出行时间,甚至修正部分用户的目标出行时间,直到修正后的目标出行时间不会造成交通拥堵为止,再向用户推荐修正后的目标出行时间。在这里,对所有用户的目标出行时间进行交通仿真模拟可以通过采用现有的交通仿真模拟软件进行,当然,也可以采用其它方式对所有用户的目标出行时间进行交通仿真模拟,在此不做限定。
进一步的,为了确保用户按照目标出行时间出行,在S1051之后,该方法还可以包括:
S1052:判断用户是否按照目标出行时间出行。
S1053:若是,则将第一奖励值存入用户的账户。
在实际应用中,判断用户是否按照目标出行时间出行具体需要判断以下三个方面:
第一方面:用户是否在目标出行时间出发;
第二方面:用户是否通过了堵点;
第三方面:用户是否采用了正确的交通方式。
在具体实施过程中,由于向用户推荐的目标出行时间都是基于某一种交通方式而得到的,所以,只有用户采用了该种交通方式出行,才能够确定该用户采用了正确的交通方式。
需要说明的是,只有当上述三个方面同时为“是”时,才能够确定用户是按照目标出行时间出行的。
具体的,可以通过监测设备监测用户是否按照目标出行时间出行。例如:该监测设备可以是安装在用户终端上的定位装置,当定位装置检测到用户从出发地出发时,获取当前时间,并将当前时间与目标出行时间进行对比,若当前时间与目标出行时间相同或者在误差范围内,则确定用户是按照目标出行时间出行。再例如:该监测设备也可以是安装在堵点对应的路段上的摄像装备,当摄像装备拍摄到用户通过该路段时,则确定用户通过了该堵点。最后,当确定用户是按照目标出行时间出行时,再将第一奖励值存入用户的账户,能够确保用户按照目标出行时间出行,避免用户获得了第一奖励值而实际上并未按照目标出行时间出行的情况。
进一步的,为了最大限度的提升用户对出发地与目的地之间的道路的交通系统的通行效率的正向影响程度,在执行S1051的同时,该方法还可以包括:
S1054:向用户推荐优选出行时间和第二奖励值。
其中,优选出行时间在出行时间范围外,优选出行时间对交通系统的通行效率的正向影响程度大于目标出行时间对交通系统的通行效率的正向影响程度,或者说,使用优选出行时间通过拥堵路段的时间少于使用目标出行时间通过拥堵路段的时间。第二奖励值用于引导用户选择优选出行时间,第二奖励值大于第一奖励值。
示例性的,用户的出行时间范围是6∶30-7∶00,经过计算,向用户推荐目标出行时间6∶45,用户不使用目标出行时间通过拥堵路段的时间是20分钟,使用目标出行时间6∶45通过拥堵路段的时间是15分钟,同时向用户额外推荐优选出行时间6∶00,使用优选出行时间6∶00通过拥堵路段的时间是2分钟,目标出行时间对应的第一奖励值是200积分,优选出行时间对应的第二奖励值是600积分,奖励值越高对用户的吸引力越大,若用户有更大的出行时间范围,则可以引导用户跳开自己的出行时间范围,选择优选出行时间,不仅能够使用户自身受益较大,同时还能够使用户对交通系统的通行效率的正向影响程度最大化。
一般的,优选出行时间需要早于出行时间范围,以避免用户在选择优选出行时间出发时,到目的地时发生迟到的情况。示例性的,若用户的出行时间范围为7∶00-8∶00,则优选出行时间需要早于7∶00。
这里需要说明的是,为了避免推荐的优选出行时间过早,导致用户过早出行,当第一优选出行时间对交通系统的通行效率的正向影响程度与第二优选出行时间对交通系统的通行效率的正向影响程度相同时,向用户推荐第一优选出行时间,而不向用户推荐第二优选出行时间,其中,第一优选出行时间晚于第二优选出行时间,如此,在提高用户对交通系统的通行效率的正向影响程度的同时还能够避免用户过早出行。示例性的,使用第一优选出行时间6∶00对交通系统的通行效率的正向影响程度为C级,使用第二优选出行时间5∶30对交通系统的通行效率的正向影响程度为C级,那么,就像用户推荐第一优选出行时间6∶00。
由上述内容可知,本发明实施例提供的基于预约的出行时间推荐方法,通过向用户推荐目标出行时间和第一奖励值,以引导用户选择在推荐的目标出行时间出行,进而提升用户对交通系统的通行效率的正向影响程度。
基于同一发明构思,作为对上述方法的实现,本发明实施例还提供了一种基于预约的出行时间推荐装置。图2为本发明实施例中的基于预约的出行时间推荐装置的结构示意图,参见图2所示,该装置20可以包括:接收模块201,被配置为获得一个用户预约的出发地、目的地、出行时间范围;确定模块202,被配置为在上述出行时间范围内确定出多个待选出行时间;计算模块203,被配置为计算每个待选出行时间对上述出发地与上述目的地之间的道路的交通系统的通行效率的正向影响程度;选择模块204,被配置为从上述多个待选出行时间中确定目标出行时间,上述目标出行时间为对上述交通系统的通行效率的正向影响程度最大的一个或多个待选出行时间;发送模块205,被配置为向上述用户推荐上述目标出行时间。
基于前述实施例,上述计算模块,被配置为计算每个待选出行时间对上述出发地与上述目的地之间的道路中的堵点的边际效应;上述选择模块,被配置为上述目标出行时间为对上述道路中的堵点的边际效应最大的一个或多个待选出行时间。
基于前述实施例,上述计算模块,被配置为确定每个待选出行时间对应的堵点到达时间,上述堵点到达时间为从上述出发地出发,到达上述道路中的堵点时的时间;计算每个堵点到达时间对上述道路中的堵点的边际效应。
基于前述实施例,上述计算模块,被配置为根据所有用户的出行信息,确定在每个堵点到达时间上述道路中的堵点的拥堵信息;基于上述拥堵信息,计算每个堵点到达时间对上述道路中的堵点的边际效应。
基于前述实施例,上述发送模块,被配置为获取上述用户的历史出行信息;根据上述历史出行信息,确定上述用户从上述出发地到上述道路中的堵点的时长;基于上述时长,计算出对上述道路中的堵点的边际效应最大的一个或多个堵点到达时间对应的目标出行时间;向上述用户推荐上述目标出行时间。
基于前述实施例,上述发送模块,被配置为向上述用户推荐第一奖励值,上述第一奖励值用于引导上述用户选择上述目标出行时间;接收上述用户反馈的预定出行时间,上述预定出行时间为从上述目标出行时间中确定出的一个时间。
基于前述实施例,该装置还可以包括:时间推荐模块;上述时间推荐模块,被配置为向上述用户推荐优选出行时间和第二奖励值,上述优选出行时间在上述出行时间范围外,上述优选出行时间对上述交通系统的通行效率的正向影响程度大于上述目标出行时间对上述交通系统的通行效率的正向影响程度,上述第二奖励值用于引导上述用户选择上述优选出行时间,上述第二奖励值大于上述第一奖励值。
基于前述实施例,该装置还可以包括:行为确认模块;上述行为确认,被配置为判断上述用户是否按照上述目标出行时间出行;若是,则将上述第一奖励值存入上述用户的账户。
基于前述实施例,该装置还可以包括:时间验证模块;上述时间验证模块,被配置为将上述目标出行时间以及在此之前推荐给所有用户的目标出行时间进行交通仿真模拟,验证是否会造成交通拥堵;若验证结果为是,则修正上述目标出行时间,直到修正后的目标出行时间不会造成交通拥堵为止;上述向上述用户推荐上述目标出行时间,包括:向上述用户推荐修正后的目标出行时间;和/或,获取上述用户能够接受的最晚到达时间;计算在上述目标出行时间从上述出发地出发,到达上述目的地时的目标到达时间;判断上述目标到达时间是否晚于上述最晚到达时间;若是,则修改上述目标出行时间,使修改后的目标出行时间对应的目标到达时间早于上述最晚到达时间;上述发送模块,被配置为向上述用户推荐修改后的目标出行时间。
这里需要指出的是:以上装置实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本发明装置实施例中未披露的技术细节,请参照本发明方法实施例的描述而理解。
基于同一发明构思,本发明实施例还提供了一种电子设备。图3为本发明实施例中的电子设备的结构示意图,参见图3所示,该电子设备30可以包括:至少一个处理器301;以及与处理器301连接的至少一个存储器302、总线303;其中,处理器301、存储器302通过总线303完成相互间的通信;处理器301用于调用存储器302中的程序指令,以执行上述一个或多个实施例中的方法。
这里需要指出的是:以上电子设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本发明实施例的电子设备的实施例中未披露的技术细节,请参照本发明方法实施例的描述而理解。
基于同一发明构思,本发明实施例还提供了一种计算机可读存储介质,上述计算机可读存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行上述一个或多个实施例中的方法。
这里需要指出的是:以上计算机可读存储介质实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本发明实施例的计算机可读存储介质的实施例中未披露的技术细节,请参照本发明方法实施例的描述而理解。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于预约的出行时间推荐方法,其特征在于,所述方法包括:
获得一个用户预约的出发地、目的地、出行时间范围;
在所述出行时间范围内确定出多个待选出行时间;
计算每个待选出行时间对所述出发地与所述目的地之间的道路的交通系统的通行效率的正向影响程度;
从所述多个待选出行时间中确定目标出行时间,所述目标出行时间为对所述交通系统的通行效率的正向影响程度最大的一个或多个待选出行时间;
向所述用户推荐所述目标出行时间。
2.根据权利要求1所述的方法,其特征在于,所述计算每个待选出行时间对所述出发地与所述目的地之间的道路的交通系统的通行效率的正向影响程度,包括:
计算每个待选出行时间对所述出发地与所述目的地之间的道路中的堵点的边际效应;
所述目标出行时间为对所述交通系统的通行效率的正向影响程度最大的一个或多个待选出行时间,包括:
所述目标出行时间为对所述道路中的堵点的边际效应最大的一个或多个待选出行时间。
3.根据权利要求2所述的方法,其特征在于,所述计算每个待选出行时间对所述出发地与所述目的地之间的道路中的堵点的边际效应,包括:
确定每个待选出行时间对应的堵点到达时间,所述堵点到达时间为从所述出发地出发,到达所述道路中的堵点时的时间;
计算每个堵点到达时间对所述道路中的堵点的边际效应。
4.根据权利要求3所述的方法,其特征在于,所述计算每个堵点到达时间对所述道路中的堵点的边际效应,包括:
根据所有用户的出行信息,确定在每个堵点到达时间所述道路中的堵点的拥堵信息;
基于所述拥堵信息,计算每个堵点到达时间对所述道路中的堵点的边际效应。
5.根据权利要求3所述的方法,其特征在于,所述向所述用户推荐所述目标出行时间,包括:
获取所述用户的历史出行信息;
根据所述历史出行信息,确定所述用户从所述出发地到所述道路中的堵点的时长;
基于所述时长,计算出对所述道路中的堵点的边际效应最大的一个或多个堵点到达时间对应的目标出行时间;
向所述用户推荐所述目标出行时间。
6.根据权利要求1至4中任一项所述的方法,其特征在于,所述方法还包括:
向所述用户推荐第一奖励值,所述第一奖励值用于引导所述用户选择所述目标出行时间;
接收所述用户反馈的预定出行时间,所述预定出行时间为从所述目标出行时间中确定出的一个时间。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
向所述用户推荐优选出行时间和第二奖励值,所述优选出行时间在所述出行时间范围外,所述优选出行时间对所述交通系统的通行效率的正向影响程度大于所述目标出行时间对所述交通系统的通行效率的正向影响程度,所述第二奖励值用于引导所述用户选择所述优选出行时间,所述第二奖励值大于所述第一奖励值。
8.根据权利要求6所述的方法,其特征在于,在所述向所述用户推荐所述目标出行时间和第一奖励值之后,所述方法还包括:
判断所述用户是否按照所述目标出行时间出行;
若是,则将所述第一奖励值存入所述用户的账户。
9.根据权利要求1至4中任一项所述的方法,其特征在于,在所述向所述用户推荐所述目标出行时间之前,所述方法还包括:
将所述目标出行时间以及在此之前推荐给所有用户的目标出行时间进行交通仿真模拟,验证是否会造成交通拥堵;若验证结果为是,则修正所述目标出行时间,直到修正后的目标出行时间不会造成交通拥堵为止;所述向所述用户推荐所述目标出行时间,包括:向所述用户推荐修正后的目标出行时间;和/或,
获取所述用户能够接受的最晚到达时间;计算在所述目标出行时间从所述出发地出发,到达所述目的地时的目标到达时间;判断所述目标到达时间是否晚于所述最晚到达时间;若是,则修改所述目标出行时间,使修改后的目标出行时间对应的目标到达时间早于所述最晚到达时间;所述向所述用户推荐所述目标出行时间,包括:向所述用户推荐修改后的目标出行时间。
10.一种基于预约的出行时间推荐装置,其特征在于,所述装置包括:
接收模块,被配置为获得一个用户预约的出发地、目的地、出行时间范围;
确定模块,被配置为在所述出行时间范围内确定出多个待选出行时间;
计算模块,被配置为计算每个待选出行时间对所述出发地与所述目的地之间的道路的交通系统的通行效率的正向影响程度;
选择模块,被配置为从所述多个待选出行时间中确定目标出行时间,所述目标出行时间为对所述交通系统的通行效率的正向影响程度最大的一个或多个待选出行时间;
发送模块,被配置为向所述用户推荐所述目标出行时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910235620.6A CN110059866B (zh) | 2019-03-27 | 2019-03-27 | 一种基于预约的出行时间推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910235620.6A CN110059866B (zh) | 2019-03-27 | 2019-03-27 | 一种基于预约的出行时间推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110059866A true CN110059866A (zh) | 2019-07-26 |
CN110059866B CN110059866B (zh) | 2021-09-24 |
Family
ID=67316360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910235620.6A Active CN110059866B (zh) | 2019-03-27 | 2019-03-27 | 一种基于预约的出行时间推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110059866B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111127679A (zh) * | 2019-12-12 | 2020-05-08 | 南京师范大学 | 一种基于竞价的城市交通拥堵解决方法 |
CN111814074A (zh) * | 2020-04-13 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 用于提供预测行程的方法、装置、电子设备和存储介质 |
CN115240454A (zh) * | 2022-06-21 | 2022-10-25 | 山东新工科信息技术有限公司 | 一种疏解交通拥堵的物联网平台及基于它的疏解方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102364304A (zh) * | 2011-06-30 | 2012-02-29 | 福建慧翰信息技术有限公司 | 路径预约规划方法及系统 |
CN107563710A (zh) * | 2016-06-30 | 2018-01-09 | 上海博泰悦臻网络技术服务有限公司 | 出行推荐方法、系统及电子设备 |
CN108492558A (zh) * | 2018-03-27 | 2018-09-04 | 深圳大学 | 一种高速公路预约出行方法、存储介质及终端 |
-
2019
- 2019-03-27 CN CN201910235620.6A patent/CN110059866B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102364304A (zh) * | 2011-06-30 | 2012-02-29 | 福建慧翰信息技术有限公司 | 路径预约规划方法及系统 |
CN107563710A (zh) * | 2016-06-30 | 2018-01-09 | 上海博泰悦臻网络技术服务有限公司 | 出行推荐方法、系统及电子设备 |
CN108492558A (zh) * | 2018-03-27 | 2018-09-04 | 深圳大学 | 一种高速公路预约出行方法、存储介质及终端 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111127679A (zh) * | 2019-12-12 | 2020-05-08 | 南京师范大学 | 一种基于竞价的城市交通拥堵解决方法 |
CN111814074A (zh) * | 2020-04-13 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 用于提供预测行程的方法、装置、电子设备和存储介质 |
CN115240454A (zh) * | 2022-06-21 | 2022-10-25 | 山东新工科信息技术有限公司 | 一种疏解交通拥堵的物联网平台及基于它的疏解方法 |
CN115240454B (zh) * | 2022-06-21 | 2023-08-22 | 山东新工科信息技术有限公司 | 一种疏解交通拥堵的物联网平台及基于它的疏解方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110059866B (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110059866A (zh) | 一种基于预约的出行时间推荐方法及装置 | |
Roncoli et al. | Hierarchical model predictive control for multi-lane motorways in presence of vehicle automation and communication systems | |
Miralinaghi et al. | Network‐level scheduling of road construction projects considering user and business impacts | |
Roshandeh et al. | New methodology for intersection signal timing optimization to simultaneously minimize vehicle and pedestrian delays | |
CN109829667A (zh) | 物流节点包裹量的预测方法和装置 | |
CN108055301A (zh) | 车辆调度方法、服务器、客户端及系统 | |
González et al. | Site management of work-in-process buffers to enhance project performance using the reliable commitment model: Case study | |
JP2016151940A (ja) | カーシェアリングシステムの運用計画作成支援システム | |
Zhang et al. | Resilience-cost tradeoff supply chain planning for the prefabricated construction project | |
Fauadi et al. | Intelligent combinatorial auctions of decentralized task assignment for AGV with multiple loading capacity | |
Zhang et al. | An agent-based model for real-time bus stop-skipping and holding schemes | |
Miralinaghi et al. | Contract bundling considerations in urban road project scheduling | |
CN110060424A (zh) | 一种共享汽车还车方法 | |
Asgharzadeh et al. | Real-time bus-holding control strategy to reduce passenger waiting time | |
Zhao et al. | From search-for-parking to dispatch-for-parking in an era of connected and automated vehicles: A macroscopic approach | |
Levin | Linear program for system optimal parking reservation assignment | |
CN112541610B (zh) | 机器人的控制方法、装置、电子设备及存储介质 | |
CN112070275A (zh) | 一种轨道交通路网协同限流的方法和装置及设备 | |
CN115640986B (zh) | 基于奖励的机器人调度方法、装置、设备及介质 | |
Walraven et al. | Planning under uncertainty for aggregated electric vehicle charging with renewable energy supply | |
Fang et al. | Capability-enhanced microscopic simulation with real-time traffic signal control | |
Gao et al. | Learning-based open driver guidance and rebalancing for reducing riders’ wait time in ride-hailing platforms | |
Guilliard et al. | A non-homogeneous time mixed integer lp formulation for traffic signal control | |
KR20160115838A (ko) | 사용자의 행위들의 시간 시퀀스를 생성하기 위한 장치, 방법 및 컴퓨터 프로그램 | |
Babic et al. | Electricity trading agent for EV-enabled parking lots |
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 |