CN110689180A - 一种基于地理位置的智能路线规划方法及系统 - Google Patents
一种基于地理位置的智能路线规划方法及系统 Download PDFInfo
- Publication number
- CN110689180A CN110689180A CN201910882923.7A CN201910882923A CN110689180A CN 110689180 A CN110689180 A CN 110689180A CN 201910882923 A CN201910882923 A CN 201910882923A CN 110689180 A CN110689180 A CN 110689180A
- Authority
- CN
- China
- Prior art keywords
- route planning
- planning
- area
- route
- station
- 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
Images
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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Remote Sensing (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Traffic Control Systems (AREA)
Abstract
一种基于地理位置的智能路线规划方法及系统,用户终端设备向服务器发送路线规划请求。服务器接收所述请求,并向用户终端设备发送响应,所述响应携带指示所述用户终端设备发送信息内容的指示信息。用户终端设备接收所述响应,并发送所述指示信息要求的信息。服务器接收所述信息,对信息处理后,形成路线规划结果向用户终端设备发送响应。本发明中用户需要对更新后的员工住址进行路线规划时,只需要在用户界面简单操作,就可以获得经过全部员工住址的整体路线规划结果,而且在规划过程中设计了初次划分和精确划分来设置更合理的班车停靠点,为优选的路线规划做基础。
Description
技术领域
本发明交通路线规划领域,具体涉及一种基于地理位置的智能路线规划方法及系统。
背景技术
在公司的班车路线规划上,班车缺乏统一管理,存在车辆陈旧、超载严重、监管缺位等安全问题,这就给公共交通安全带来了负面影响。班车路线规划不合理,使班车路线与城市公交路线经常重叠,班车的停靠站点设计不够正规,这些问题都扰乱了正常的班车运营秩序。班车路线设计是否合理,将会对员工上下班的交通产生影响。如果因为站点选址不合理,不仅造成员工上下班交通的不方便,还会增加了公司在班车上的成本。目前,路线的规划太过依靠管理决策者个人的主观经验,缺乏客观充足的数据作为决策支撑。
而且公司人员流动频繁的情况下,旧的班车路线就不能适应现在的情况,就需要人工重新规划路线,工作量比较大。
发明内容
针对上述现有技术存在的问题,本发明提供了一种基于地理位置的智能路线规划方法及系统,不需要人工规划路线,只需要用户将员工住址信息更新到数据库中,在终端设备用户界面输入约束条件的相关参数,就可以直接获取最佳的路线规划结果。
本发明给出了一种基于地理位置的智能路线规划方法,包括
(1)获取路线规划请求;
(2)获取路线规划请求对应的出发点位置信息和时间点信息;
(3)站点初次规划:基于有效的路线规划请求,及有效路线规划请求的出发点位置信息,基于区域范围内的路线规划请求和对应位置数据获取初始站点位置;
(4)站点二次规划:基于站点初次规划给出的最优停靠站点信息,及区域内的路线规划请求对应的出发点位置信息进行二次规划,使用轮廓系数选择最优停靠站点信息;
(5)路线规划:基于站点二次规划得到的最优站点数据、班车容量、目的地位置基于接口地图数据,使用排列组合的方式输出对应路线。
作为上述方案的进一步优化,所述路线规划请求为员工基于出发点位置信息和时间点信息,请求班车最优路线规划请求。
作为上述方案的进一步优化,所述站点初次规划具体包括:
(11)将每个路线规划请求对应的出发点位置作为一个区域,计算每两个区域之间的距离,将距离最小的两个区域合并为一个区域,形成新的划分区域;
(12)对新的划分区域计算每两个区域之间的距离,将距离最小的两个区域合并为一个区域,形成新的划分区域,其中每个区域中包含的站点个数为多个时,采用平均距离作为两个区域之间的距离;
(13)如果新的划分区域的区域个数达到预设值,则新的划分区域结果即为初次划分结果,否则重复步骤(12);
作为上述方案的进一步优化,所述站点二次规划是在初次划分的基础上二次划分,具体包括:
(21)根据步骤(13)获得的区域划分结果,将每个区域内的路线规划请求对应的出发点位置数据计算平均值得到每个区域的初始质心,计算每个住址数据与每个初始质心之间的距离,将住址数据重新划分到距离最小的初始质心所在区域内;
(22)基于步骤(21)得到的新的区域划分结果,重复步骤(21),直至区域划分结果不再改变。
5.根据权利要求1所述的一种基于地理位置的智能路线规划方法,其特征在于:所述站点初次规划和站点二次规划的过程针对停靠点个数范围内的每个停靠点个数取值执行,并将执行的区域划分结果作比较,获得最合理的班车停靠点个数和停靠点位置;所述将执行的区域划分结果作比较,包括:将每个住址与所在区域内的其他住址的距离的平均值记为a,将每个住址与非所在区域内每个住址的距离的平均值记为bk,其中不同k值指的是不同区域,bk中的最小值为b,获取所有住址的(b-a)/max(b,a)的平均值p,比较每个停靠点个数取值情况获取的p值,p值越接近1越好。
作为上述方案的进一步优化,所述路线规划,基于站点二次规划得到的最优站点数据、班车容量、目的地位置基于接口地图数据,在地图上以目的地地理位置为中心,向外发出射线,扫描一周,将扫描过程中遇到的路线规划请求对应的出发点位置按扫描先后顺序分到不同的组。
作为上述方案的进一步优化,所述路线规划进一步将同一组的停靠站点之间规划一个最优路线,是指根据每个停靠站点之间的实际距离,通过排列组合获得每组站点的最短路线。
作为上述方案的进一步优化,还包括:路线规划输出后,基于路线规划请求,和路线规划请求对应的出发点位置信息和时间点信息,获取最优路线和最优乘车站点。
本发明还给出一种基于地理位置的智能路线规划系统,包括
路线规划获取模块,用于获取路线规划请求和获取路线规划请求对应的出发点位置信息和时间点信息;
站点初次规划模块:用于基于有效的路线规划请求,及有效路线规划请求的出发点位置信息,用层次聚类算法设置K-means聚类算法的初始聚类中心,再通过K-means聚类算法和对站点人数的限制条件得到停靠站点位置和停靠站点搭乘人数;
站点二次规划模块:基于站点初次规划给出的最优停靠站点信息,及区域内的路线规划请求对应的出发点位置信息进行二次规划,使用轮廓系数选择最优停靠站点信息;
路线规划模块:基于站点二次规划得到的最优站点数据、班车容量、目的地位置基于接口地图数据,使用排列组合的方式输出对应路线。
本发明还给出一种存储指令的计算机可读存储介质,当所述指令被执行时使得具有一个或多个处理器的计算系统执行权利要求1-8任一所述的基于地理位置的智能路线规划方法。
本发明的一种基于地理位置的智能路线规划方法及系统,具备如下有益效果:
1.本发明中在区域划分过程中,在精确划分开始需要每个区域的初始质心数据,本发明中在精确划分之前设计了初次划分,避免了随机选取员工住址作为初始质心数据的做法,从而保证在区域划分个数相同时,每次精确划分开始时的初始质心是相同的,避免了直接进行精确划分时由于初始质心随机导致的获取的停靠点位置不同。
2.本发明中在确定好每个区域后,对区域内所有员工住址取平均值作为停靠点,保证了同区域内每个员工到达班车停靠点的距离比较平均。
3.本发明在区域划分过程中,划分为不同个数的区域,对不同个数的划分结果通过p值的比较,得出最合适的区域划分结果,从而获得合理的停靠点设置。
附图说明
图1为本发明给出了一种基于地理位置的智能路线规划方法的流程框图;
图2为本发明站点选择流程图;
实施方式
下面将结合实施例及附图对本发明做更具体的描述,但本发明的实施方式不限于此。
参见图1,本发明给出了一种基于地理位置的智能路线规划方法,包括
(1)获取路线规划请求;本优选实施例中,路线规划请求为员工基于出发点位置信息和时间点信息,请求班车最优路线规划请求。
(2)基于员工的路线规划请求,获取路线规划请求对应的出发点位置信息和时间点信息;调用接口地图数据,根据员工的路线规划请求对应的出发点自动获取地图上的位置信息,基于接口地图获取的出发点位置的二维向量数据,将路线规划问题转化为数学上的点与点之间的位置关系及点与点之间的路径规划问题,简化了路径规划问题。用户只需要输入员工住址信息和一些约束条件的相关参数,就可以通过程序的计算得出合理的路线规划结果。
(3)站点初次规划:基于有效的路线规划请求,及有效路线规划请求的出发点位置信息,基于区域范围内的路线规划请求和对应位置数据获取初始站点位置;基于有效的路线规划请求,及有效路线规划请求的出发点位置信息,用层次聚类算法设置K-means聚类算法的初始聚类中心,再通过K-means聚类算法和对站点人数的限制条件得到停靠站点位置和停靠站点搭乘人数;
其中站点初次规划具体包括:
(11)将每个路线规划请求对应的出发点位置作为一个区域,计算每两个区域之间的距离,将距离最小的两个区域合并为一个区域,形成新的划分区域;
(12)对新的划分区域计算每两个区域之间的距离,将距离最小的两个区域合并为一个区域,形成新的划分区域,其中每个区域中包含的站点个数为多个时,采用平均距离作为两个区域之间的距离;
其中层次聚类算法具体步骤为:若A区域中含有住址信息m个,每个住址信息记为Ai,其中i取值为1,2,...m,B区域中含有住址信息n个,每个住址信息记为Bj,其中j取值为1,2,...n,则两个区域之间的距离为:
其中d(Ai,Bj)表示A区域中和B区域中的两个住址之间的距离。
(13)如果新的划分区域的区域个数达到预设值,则新的划分区域结果即为初次划分结果,否则重复步骤(12);
停靠点个数是不确定的,在本实施例中,对于不同的停靠点个数取值,都进行区域划分和停靠点设置,最终对划分结果进行比较得到最合适的区域划分个数。初次划分过程主要是不断的将距离最近的两个区域合并在一起,直到达到设定的区域个数,为下一步的精确划分过程确定初始值,使得在区域划分个数确定时,初次划分的结果是确定的,从而使精确划分过程的初始质心是确定不变的,而不是随机选取员工住址作为初始质心,避免区域划分个数为确定值时,精确划分结果由于初始质心随机导致不同。
(4)站点二次规划:基于站点初次规划给出的最优停靠站点信息,及区域内的路线规划请求对应的出发点位置信息进行二次规划,使用轮廓系数选择最优停靠站点信息;
其中,站点二次规划是在初次划分的基础上二次划分,具体包括:
(21)根据步骤(13)获得的区域划分结果,将每个区域内的路线规划请求对应的出发点位置数据计算平均值得到每个区域的初始质心,计算每个住址数据与每个初始质心之间的距离,将住址数据重新划分到距离最小的初始质心所在区域内;
(22)基于步骤(21)得到的新的区域划分结果,重复步骤(21),直至区域划分结果不再改变。
参见图2,图2为本发明站点选择流程图;确定最优站点的步骤为:
(31)、确定站点的个数范围K(i,j);
(32)、取K=i,实用上述步骤的站点初次规划方法,确定初始质心点;
(33)、在步骤(32)的基础上进行二次规划,选取合适的站点;
(34)、计算站点K=i的轮廓系数;
(35)比较k值范围的所有轮廓系数,选取最优的轮廓系数对应的K值。
此外,站点初次规划和站点二次规划的过程针对停靠点个数范围内的每个停靠点个数取值执行,并将执行的区域划分结果作比较,获得最合理的班车停靠点个数和停靠点位置;所述将执行的区域划分结果作比较,包括:将每个住址与所在区域内的其他住址的距离的平均值记为a,将每个住址与非所在区域内每个住址的距离的平均值记为bk,其中不同k值指的是不同区域,bk中的最小值为b,获取所有住址的(b-a)/max(b,a)的平均值p,比较每个停靠点个数取值情况获取的p值,p值越接近1越好。
(5)路线规划:基于站点二次规划得到的最优站点数据、班车容量、目的地位置基于接口地图数据,使用排列组合的方式输出对应路线。
路线规划,基于站点二次规划得到的最优站点数据、班车容量、目的地位置基于接口地图数据,在地图上以目的地地理位置为中心,向外发出射线,扫描一周,将扫描过程中遇到的路线规划请求对应的出发点位置按扫描先后顺序分到不同的组。具体的,以公司地理位置为中心,发出的射线指向正北方向为起始扫描位置,在扫描一周的过程中遇到的员工住址位置按一定扫描角度分组,根据分组个数即需要规划的路线个数,合理设置每组包含的停靠点个数。
本优选实施例中,路线规划进一步将同一组的停靠站点之间规划一个最优路线,是指根据每个停靠站点之间的实际距离,通过排列组合获得每组站点的最短路线。两个站点之间的距离并不是简单的直线距离,简单的通过数学计算公式来计算是不合理的,在本实施例中采用地图软件腾讯地图来获取两个站点之间的实际距离。
路线规划输出后,基于路线规划请求,和路线规划请求对应的出发点位置信息和时间点信息,获取最优路线和最优乘车站点。员工基于客户端发送路线获取请求,通过简单的界面操作,自动匹配最新的最优路线和最优乘车站点信息。
本发明还给出一种基于地理位置的智能路线规划系统,包括路线规划获取模块,用于获取路线规划请求和获取路线规划请求对应的出发点位置信息和时间点信息;站点初次规划模块:用于基于有效的路线规划请求,及有效路线规划请求的出发点位置信息,用层次聚类算法设置K-means聚类算法的初始聚类中心,再通过K-means聚类算法和对站点人数的限制条件得到停靠站点位置和停靠站点搭乘人数;站点二次规划模块:基于站点初次规划给出的最优停靠站点信息,及区域内的路线规划请求对应的出发点位置信息进行二次规划,使用轮廓系数选择最优停靠站点信息;路线规划模块:基于站点二次规划得到的最优站点数据、班车容量、目的地位置基于接口地图数据,使用排列组合的方式输出对应路线。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (10)
1.一种基于地理位置的智能路线规划方法,其特征在于:包括
(1)获取路线规划请求;
(2)获取路线规划请求对应的出发点位置信息和时间点信息;
(3)站点初次规划:基于有效的路线规划请求,及有效路线规划请求的出发点位置信息,基于区域范围内的路线规划请求和对应位置数据获取初始站点位置;
(4)站点二次规划:基于站点初次规划给出的最优停靠站点信息,及区域内的路线规划请求对应的出发点位置信息进行二次规划,使用轮廓系数选择最优停靠站点信息;
(5)路线规划:基于站点二次规划得到的最优站点数据、班车容量、目的地位置基于接口地图数据,使用排列组合的方式输出对应路线。
2.根据权利要求1所述的一种基于地理位置的智能路线规划方法,其特征在于:所述路线规划请求为员工基于出发点位置信息和时间点信息,请求班车最优路线规划请求。
3.根据权利要求1所述的一种基于地理位置的智能路线规划方法,其特征在于:所述站点初次规划具体包括:
(11)将每个路线规划请求对应的出发点位置作为一个区域,计算每两个区域之间的距离,将距离最小的两个区域合并为一个区域,形成新的划分区域;
(12)对新的划分区域计算每两个区域之间的距离,将距离最小的两个区域合并为一个区域,形成新的划分区域,其中每个区域中包含的站点个数为多个时,采用平均距离作为两个区域之间的距离;
(13)如果新的划分区域的区域个数达到预设值,则新的划分区域结果即为初次划分结果,否则重复步骤(12) 。
4.根据权利要求1所述的一种基于地理位置的智能路线规划方法,其特征在于:所述站点二次规划是在初次划分的基础上二次划分,具体包括:
(21)根据步骤(13)获得的区域划分结果,将每个区域内的路线规划请求对应的出发点位置数据计算平均值得到每个区域的初始质心,计算每个住址数据与每个初始质心之间的距离,将住址数据重新划分到距离最小的初始质心所在区域内;
(22)基于步骤(21)得到的新的区域划分结果,重复步骤(21),直至区域划分结果不再改变。
5.根据权利要求1所述的一种基于地理位置的智能路线规划方法,其特征在于:所述站点初次规划和站点二次规划的过程针对停靠点个数范围内的每个停靠点个数取值执行,并将执行的区域划分结果作比较,获得最合理的班车停靠点个数和停靠点位置;所述将执行的区域划分结果作比较,包括:将每个住址与所在区域内的其他住址的距离的平均值记为a,将每个住址与非所在区域内每个住址的距离的平均值记为bk,其中不同k值指的是不同区域,bk中的最小值为b,获取所有住址的(b-a)/max(b,a)的平均值p,比较每个停靠点个数取值情况获取的p值,p值越接近1越好。
6.根据权利要求1所述的一种基于地理位置的智能路线规划方法,其特征在于:所述路线规划,基于站点二次规划得到的最优站点数据、班车容量、目的地位置基于接口地图数据,在地图上以目的地地理位置为中心,向外发出射线,扫描一周,将扫描过程中遇到的路线规划请求对应的出发点位置按扫描先后顺序分到不同的组。
7.根据权利要求6所述的一种基于地理位置的智能路线规划方法,其特征在于:所述路线规划进一步将同一组的停靠站点之间规划一个最优路线,是指根据每个停靠站点之间的实际距离,通过排列组合获得每组站点的最短路线。
8.根据权利要求1所述的一种基于地理位置的智能路线规划方法,其特征在于:还包括:路线规划输出后,基于路线规划请求,和路线规划请求对应的出发点位置信息和时间点信息,获取最优路线和最优乘车站点。
9.一种基于地理位置的智能路线规划系统,其特征在于:包括
路线规划获取模块,用于获取路线规划请求和获取路线规划请求对应的出发点位置信息和时间点信息;
站点初次规划模块:用于基于有效的路线规划请求,及有效路线规划请求的出发点位置信息,用层次聚类算法设置K-means聚类算法的初始聚类中心,再通过K-means聚类算法和对站点人数的限制条件得到停靠站点位置和停靠站点搭乘人数;
站点二次规划模块:基于站点初次规划给出的最优停靠站点信息,及区域内的路线规划请求对应的出发点位置信息进行二次规划,使用轮廓系数选择最优停靠站点信息;
路线规划模块:基于站点二次规划得到的最优站点数据、班车容量、目的地位置基于接口地图数据,使用排列组合的方式输出对应路线。
10.一种存储指令的计算机可读存储介质,当所述指令被执行时使得具有一个或多个处理器的计算系统执行权利要求1-8任一所述的基于地理位置的智能路线规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910882923.7A CN110689180A (zh) | 2019-09-18 | 2019-09-18 | 一种基于地理位置的智能路线规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910882923.7A CN110689180A (zh) | 2019-09-18 | 2019-09-18 | 一种基于地理位置的智能路线规划方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110689180A true CN110689180A (zh) | 2020-01-14 |
Family
ID=69109490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910882923.7A Pending CN110689180A (zh) | 2019-09-18 | 2019-09-18 | 一种基于地理位置的智能路线规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110689180A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627680A (zh) * | 2021-08-23 | 2021-11-09 | 武汉乐道物流有限公司 | 一种智能班车交互方法、装置、电子设备及存储介质 |
CN114996373A (zh) * | 2022-03-31 | 2022-09-02 | 重庆市凤筑科技有限公司 | 基于地理信息系统的公交大数据系统、方法及存储介质 |
CN117053819A (zh) * | 2023-09-06 | 2023-11-14 | 南方电网互联网服务有限公司 | 一种基于gis的货车路线自动规划系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108154250A (zh) * | 2016-12-02 | 2018-06-12 | 重庆邮电大学 | 一种基于k-means算法的公共自行车智能调度系统区域划分方法 |
CN108337713A (zh) * | 2018-01-31 | 2018-07-27 | 南京邮电大学 | 基于改进k均值的矿井无线传感网非均匀分簇路由方法 |
CN108830528A (zh) * | 2018-06-15 | 2018-11-16 | 重庆城市管理职业学院 | 基于时空属性的快件配送路径规划方法 |
CN109002513A (zh) * | 2018-07-04 | 2018-12-14 | 深圳软通动力科技有限公司 | 一种数据聚类方法及装置 |
CN109764884A (zh) * | 2019-01-02 | 2019-05-17 | 北京科技大学 | 一种校车路径规划方法及规划装置 |
-
2019
- 2019-09-18 CN CN201910882923.7A patent/CN110689180A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108154250A (zh) * | 2016-12-02 | 2018-06-12 | 重庆邮电大学 | 一种基于k-means算法的公共自行车智能调度系统区域划分方法 |
CN108337713A (zh) * | 2018-01-31 | 2018-07-27 | 南京邮电大学 | 基于改进k均值的矿井无线传感网非均匀分簇路由方法 |
CN108830528A (zh) * | 2018-06-15 | 2018-11-16 | 重庆城市管理职业学院 | 基于时空属性的快件配送路径规划方法 |
CN109002513A (zh) * | 2018-07-04 | 2018-12-14 | 深圳软通动力科技有限公司 | 一种数据聚类方法及装置 |
CN109764884A (zh) * | 2019-01-02 | 2019-05-17 | 北京科技大学 | 一种校车路径规划方法及规划装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627680A (zh) * | 2021-08-23 | 2021-11-09 | 武汉乐道物流有限公司 | 一种智能班车交互方法、装置、电子设备及存储介质 |
CN113627680B (zh) * | 2021-08-23 | 2024-04-05 | 武汉乐道物流有限公司 | 一种智能班车交互方法、装置、电子设备及存储介质 |
CN114996373A (zh) * | 2022-03-31 | 2022-09-02 | 重庆市凤筑科技有限公司 | 基于地理信息系统的公交大数据系统、方法及存储介质 |
CN114996373B (zh) * | 2022-03-31 | 2023-08-08 | 重庆市凤筑科技有限公司 | 基于地理信息系统的公交大数据系统、方法及存储介质 |
CN117053819A (zh) * | 2023-09-06 | 2023-11-14 | 南方电网互联网服务有限公司 | 一种基于gis的货车路线自动规划系统 |
CN117053819B (zh) * | 2023-09-06 | 2024-05-03 | 南方电网互联网服务有限公司 | 一种基于gis的货车路线自动规划系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10119826B2 (en) | System and method for accelerating route search | |
CN107657637B (zh) | 一种农机作业面积获取方法 | |
CN110689180A (zh) | 一种基于地理位置的智能路线规划方法及系统 | |
CN106408147B (zh) | 车险查勘任务的派发方法及系统 | |
AU2020203551A1 (en) | Dynamically determining origin and destination locations for a network system | |
US20030074132A1 (en) | Polar coordinate-based isochrone generation | |
CN110413905B (zh) | 获取道路线形的方法、装置、设备及存储介质 | |
CN105678412A (zh) | 面向多人乘车的路线规划方法和装置 | |
CN107545318B (zh) | 公交线路优先级确定、公交换乘线路排序方法及装置 | |
CN103426061A (zh) | 一种基于目标跟踪的抢险维护与更新一体化系统及方法 | |
US20230375363A1 (en) | Map tile update method and apparatus | |
CN108538054B (zh) | 一种基于手机信令数据获取交通路况信息的方法及系统 | |
KR20150090969A (ko) | 통신형 내비게이션을 이용한 카풀 서비스 제공방법 및 시스템 | |
CN112288311A (zh) | 一种基于poi数据的居住区配套设施便捷度计量方法 | |
CN111754147A (zh) | 路区划分方法、系统、装置和计算机可读存储介质 | |
CN106294484B (zh) | 一种更新电子地图数据的方法及装置 | |
CN110830915B (zh) | 一种确定起点位置的方法及装置 | |
CN112381906A (zh) | 一种公交模型基础线网自动绘制方法 | |
CN112541624B (zh) | 一种揽投网点的选址方法、装置、介质及电子设备 | |
CN111582527A (zh) | 行程时间的预估方法、装置、电子设备和存储介质 | |
CN103512578A (zh) | 用于按类别更新对象的导航装置及其更新方法 | |
CN116757390A (zh) | 基于时间序列聚类的公交运营时段划分方法 | |
CN115759660A (zh) | 一种无人驾驶车辆的调度方法、装置、设备和介质 | |
CN114692015A (zh) | 一种基于密度聚类的乘车点推荐方法 | |
KR102472406B1 (ko) | Poi 정보 관리 장치 및 방법 |
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: 20200114 |
|
RJ01 | Rejection of invention patent application after publication |