CN111881548B - 一种智能交通的计算机仿真方法 - Google Patents
一种智能交通的计算机仿真方法 Download PDFInfo
- Publication number
- CN111881548B CN111881548B CN202010548182.1A CN202010548182A CN111881548B CN 111881548 B CN111881548 B CN 111881548B CN 202010548182 A CN202010548182 A CN 202010548182A CN 111881548 B CN111881548 B CN 111881548B
- Authority
- CN
- China
- Prior art keywords
- time
- taxi
- node
- road
- schedule
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005094 computer simulation Methods 0.000 title claims abstract description 20
- 238000004088 simulation Methods 0.000 claims abstract description 29
- 230000029305 taxis Effects 0.000 claims abstract description 6
- 230000003068 static effect Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 3
- 238000003780 insertion Methods 0.000 claims description 3
- 230000037431 insertion Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000006855 networking Effects 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种智能交通的计算机仿真方法,利用仿真三步法“仿真初始化、循环周期、收集数据”,可仿真收集大量实验数据;提出“三重定位”方法,可在计算机出租车仿真系统中对出租车快速定位;充分考虑共享的出租车特性,利用出租车计划表记录丰富数据,便于数据收集、统计和分析。结合自动驾驶出租车和车联网技术,既能通过车联网让自动驾驶出租车快速匹配乘客,又能利用正在行驶的自动驾驶出租车了解交通路况并作出预测,提高仿真的真实程度。
Description
技术领域
本发明涉及计算机及交通运输的技术领域,尤其涉及到一种智能交通的计算机仿真方法。
背景技术
出租车服务是城市交通服务中不可或缺的一部分。随着“共享经济”的概念和车联网技术的蓬勃发展,自动驾驶出租车的共享出行是具有极大潜力的智能交通改革方向之一。它通过将相似出行路径的计划行程合并服务于一辆出租车,满足了人们日益增长的出行需求,而不增加车辆数量。
但在互联网时代下的出租车共享仍处于初级阶段,多人共享合乘的应用并不普及。目前自动驾驶共享出租车在各方面的研究数据仍待补充。在众多研究方法中,对计算机仿真是其中一个重要的研究方法。与真实出租车车队运营时主动上传状态、GPS定位不同,对智能交通的计算机仿真需要设计者充分考虑数据收集方法和车辆定位。
已有许多研究针对共享出租车展开了各方面的计算仿真实验,通过大量的实验数据讨论了不同方式共享合乘的优势和带来的巨大效益。然而他们没有对计算机仿真实验框架作出详细研究。如《Quantifying the benefits of vehicle pooling withshareability networks》中量化了共享出行的效益,但仅介绍了实验预处理的做法,但没有介绍仿真时的做法;论文《On demand high capacity ride sharing via dynamic tripvehicle assignment》中,作者对比不同容量的共享车队,并展开实验。但其只说明了仿真期间的各类参数设置;《T-share:A large-scale dynamic taxi ridesharing service》中通过计算机仿真比较了四种不同的共享调度策略,其构建仿真地图,计算多个动态列表,但其计算机仿真框架比较复杂,需要比较大的计算成本。上述研究中从通过计算机仿真对共享出行作出调度研究和效益量化,都有可取之处,但是他们都没有详细介绍计算机仿真的方法,尤其是如何设计收集数据和车辆定位的方法,没有直观解决出租车计算机仿真的难题。
发明内容
本发明的目的在于克服现有技术的不足,提供一种可仿真收集大量实验数据、仿真度高、仿真的车辆能实现快速定位的智能交通的计算机仿真方法。
为实现上述目的,本发明所提供的技术方案为:
一种智能交通的计算机仿真方法,包括以下步骤:
S1、模拟还原一个区域内真实的地图;记录道路的静态信息,包括道路走向、道路限速、车辆分布、道路繁忙程度、地图任意两点间最短通行时间和相应的通行路径,动态信息初始为空。
S2、对于步骤S1中生成的地图,以道路交叉点为节点,有向的道路为定向的连线,形成一张有向图;然后,检验有向图的连通性,不断查看任意两节点A、B之间是否存在至少一条路径分别可以使A通往B,以表格的方式记录任意两点之间的连通性;若A可以通向B,记录1,不能通向B,记录0;
S3、若步骤S2中得到的表格所有值均为1,则进入步骤S5,否则,进入步骤S4;
S4、首先,查看所有节点,若任意节点C到其他任意节点均无法通向,则将其视为孤立点,在有向图上将节点C删除;其次,再次检查所有节点,若任意节点D仅是存在部分节点(如E)无法到达,则添加一条路径,从节点D通向节点F,其中F是离D最近的、可到达E的节点;节点D到节点F道路的动态和静态信息取自周围的路径信息的平均情况;全部检查并修正完成后,进入步骤S5;
S5、分别设定固定的时间长度作为时间更新周期和仿真总时长,对每辆自动驾驶共享出租车设置一个对应的各自虚拟行驶预测的计划表,记录车辆行驶计划,包括到达乘客上车或下车地点和对应预测的时间,计划表初始为空;
S6、循环检查每一辆出租车,若计划表为空,出租车位置不变,否则根据计划表中的预测到达时间和当前时间进行三次比较,精确定位车辆位置;
S7、若是刚开始仿真则进入第一个时间周期,否则进入下一个时间周期;根据不同的模拟需求,使用大量历史数据中一天相同时间的平均情况来更新有向图上的道路的动态信息,其中包括周期内道路平均运行速度,乘客用车需求分布以及订单生成规律;
S8、收集步骤S7一周期内产生的所有用户订单,记录订单数据;根据S7道路的动态信息变化,对所有自动驾驶共享出租车进行交通流预测,对计划表进行更新;
S9、未到仿真总时长,则回到S6,否则,结束仿真。
进一步地,所述计划表由一系列订单上下车地点和对应的预测时间组成,形成计划表的具体过程如下:
1)通过大量的历史数据和实时交通信息,记录城市各道路分时段的通行速度;
2)根据预测的当前各条道路通行速度和当前道路情况,计算正在行驶的自动驾驶共享出租车未来的实时轨迹,默认每辆出租车按照最短行驶时间路径行驶;
3)将匹配了某辆自动驾驶共享出租车的每一个乘客的上车和下车的地点与预测到达的时间绑定,分别形成一个计划,每辆出租车的行驶计划表则由一系列的计划组成。
进一步地,所述计划表均在车联网下进行实时更新:
首先,检查是否有已经通过的地点,若有则把已经通过的地点相应的计划删除;然后,检查是否有新的计划插入或者道路交通信息情况发生变化的情况,若存在则行驶路径和到达时间会被更新。
进一步地,步骤S6精确定位车辆位置的具体过程如下:
S6-1、将自动驾驶共享出租车当前时刻Tnow与该自动驾驶共享出租车的计划表中的计划时间比较:
若当前时刻Tnow位于计划表中两个计划预测到达的时间之间,则自动驾驶共享出租车的位置位于该两个计划的下车点之间,并进入步骤S6-2;
若当前时刻Tnow位于上一次定位的时间和第一个计划的到达预测时间之间,则自动驾驶共享出租车位于上一次定位的位置节点和第一个计划的下车点之间,并进入步骤S6-2;
若当前时刻Tnow位于最后一个计划的到达预测时间之后,则自动驾驶共享出租车到达了最后一个计划,位置就在最后一个计划处,定位结束;
S6-2、计算步骤S1所述两点之间的道路通行状况,获取出租车到达该两点路线上的每个分叉节点的预测时间,比较当前时刻Tnow在哪两个分叉节点的到达预测时间范围之间,从而得出该两点到达预测时间所对应的分叉节点,即得出所对应的分叉节点之间的道路;
S6-3、通过步骤S6-2所得出的道路对应的周期内平均通行速度,计算自动驾驶共享出租车与该道路上第一个分叉节点之间的距离,从而计算得出自动驾驶共享出租车所处的位置。
与现有技术相比,本方案原理及优点如下:
1.利用仿真三步法“仿真初始化、循环周期、收集数据”,可仿真收集大量实验数据。
2.提出“三重定位”方法,可在计算机出租车仿真系统中对出租车快速定位。
3.充分考虑共享的出租车特性,利用出租车计划表记录丰富数据,便于数据收集、统计和分析。
4.结合自动驾驶出租车和车联网技术,既能通过车联网让自动驾驶出租车快速匹配乘客,又能利用正在行驶的自动驾驶出租车了解交通路况并作出预测,提高仿真的真实程度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的服务作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种智能交通的计算机仿真方法的工作原理图;
图2为本实施例中自动驾驶共享出租车计划表的示意图;
图3为本实施例中自动驾驶共享出租车定位的示意图。
具体实施方式
下面结合具体实施例对本发明作进一步说明:
如图1所示,本实施例所述的一种智能交通的计算机仿真方法,包括以下步骤:
S1、模拟还原一个区域内真实的地图;记录道路的静态信息,包括道路走向、道路限速、车辆分布、道路繁忙程度、地图任意两点间最短通行时间和相应的通行路径,动态信息初始为空。
S2、对于步骤S1中生成的地图,以道路交叉点为节点,有向的道路为定向的连线,形成一张有向图;然后,检验有向图的连通性,不断查看任意两节点A、B之间是否存在至少一条路径分别可以使A通往B,以表格的方式记录任意两点之间的连通性;若A可以通向B,记录1,不能通向B,记录0;
S3、若步骤S2中得到的表格所有值均为1,则进入步骤S5,否则,进入步骤S4;
S4、首先,查看所有节点,若任意节点C到其他任意节点均无法通向,则将其视为孤立点,在有向图上将节点C删除;其次,再次检查所有节点,若任意节点D仅是存在部分节点(如E)无法到达,则添加一条路径,从节点D通向节点F,其中F是离D最近的、可到达E的节点;节点D到节点F道路的动态和静态信息取自周围的路径信息的平均情况;全部检查并修正完成后,进入步骤S5;
S5、分别设定固定的时间长度作为时间更新周期和仿真总时长,对每辆自动驾驶共享出租车设置一个对应的各自虚拟行驶预测的计划表,记录车辆行驶计划,包括到达乘客上车或下车地点和对应预测的时间,计划表初始为空;
S6、循环检查每一辆出租车,若计划表为空,出租车位置不变,否则根据计划表中的预测到达时间和当前时间进行三次比较,精确定位车辆位置;
本步骤中,假设某辆自动驾驶共享出租车中有四个计划,当前时刻为Tnow。如图3A所示,系统首先将Tnow与计划表中的计划时间比较,得出式(1)的结果。
T2<Tnow<T3 (1)
也就是说,当前时刻车辆在n2和n3之间。
进一步计算n2和n3之间的道路通行状况,然后比较,发现式(2)的结果,因此出租车在道路节点为n21和n22的道路r1上。
T21<Tnow<T22 (2)
最后,通过r1的周期内平均通行速度rv,使用(3),计算得出自动驾驶共享出租车在道路r1上距道路节点n21距离L米处。
L=(Tnow-T21)*rv (3)
即,定位得出自动驾驶共享出租车的位置。
S7、若是刚开始仿真则进入第一个时间周期,否则进入下一个时间周期;根据不同的模拟需求,使用大量历史数据中一天相同时间的平均情况来更新有向图上的道路的动态信息,其中包括周期内道路平均运行速度,乘客用车需求分布以及订单生成规律;
S8、收集步骤S7一周期内产生的所有用户订单,记录订单数据;根据S7道路的动态信息变化,对所有自动驾驶共享出租车进行交通流预测,对计划表进行更新;
S9、未到仿真总时长,则回到S6,否则,结束仿真。
本实施例中,所述的计划表由一系列订单上下车地点和对应的预测到达时间组成,形成计划表的具体过程如下:
1)通过大量的历史数据和实时交通信息,记录城市各道路分时段的通行速度;
2)根据预测的当前各条道路通行速度和当前道路情况,计算正在行驶的自动驾驶共享出租车未来的实时轨迹,默认每辆出租车按照最短行驶时间路径行驶;
3)将匹配了某辆自动驾驶共享出租车的每一个乘客的上车和下车的地点与预测到达的时间绑定,分别形成一个计划,每辆出租车的行驶计划表则由一系列的计划组成。
计划表均在车联网下进行实时更新:
首先,检查是否有已经通过的地点,若有则把已经通过的地点相应的计划删除;然后,检查是否有新的计划插入或者道路交通信息情况发生变化的情况,若存在则行驶路径和到达时间会被更新。
以上所述之实施例子只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (4)
1.一种智能交通的计算机仿真方法,其特征在于,包括以下步骤:
S1、模拟还原一个区域内真实的地图;记录道路的静态信息,包括道路走向、道路限速、车辆分布、道路繁忙程度、地图任意两点间最短通行时间和相应的通行路径,动态信息初始为空;
S2、对于步骤S1中生成的地图,以道路交叉点为节点,有向的道路为定向的连线,形成一张有向图;然后,检验有向图的连通性,不断查看任意两节点A、B之间是否存在至少一条路径分别可以使A通往B,以表格的方式记录任意两点之间的连通性;若A可以通向B,记录1,不能通向B,记录0;
S3、若步骤S2中得到的表格所有值均为1,则进入步骤S5,否则,进入步骤S4;
S4、首先,查看所有节点,若任意节点C到其他任意节点均无法通向,则将其视为孤立点,在有向图上将节点C删除;其次,再次检查所有节点,若任意节点D仅是存在部分节点无法到达,则添加一条路径,从节点D通向节点F,其中F是离D最近且可到达节点D无法达到的节点;节点D到节点F道路的动态和静态信息取自周围的路径信息的平均情况;全部检查并修正完成后,进入步骤S5;
S5、分别设定固定的时间长度作为时间更新周期和仿真总时长,对每辆自动驾驶共享出租车设置一个对应的各自虚拟行驶预测的计划表,记录车辆行驶计划,包括到达乘客上车或下车地点和对应预测的时间,计划表初始为空;
S6、循环检查每一辆出租车,若计划表为空,出租车位置不变,否则根据计划表中的预测到达时间和当前时间进行三次比较,精确定位车辆位置;
S7、若是刚开始仿真则进入第一个时间周期,否则进入下一个时间周期;根据不同的模拟需求,使用大量历史数据中一天相同时间的平均情况来更新有向图上的道路的动态信息,其中包括周期内道路平均运行速度,乘客用车需求分布以及订单生成规律;
S8、收集步骤S7一周期内产生的所有用户订单,记录订单数据;根据S7道路的动态信息变化,对所有自动驾驶共享出租车进行交通流预测,对计划表进行更新;
S9、未到仿真总时长,则回到S6,否则,结束仿真。
2.根据权利要求1所述的一种智能交通的计算机仿真方法,其特征在于,所述计划表由一系列订单上下车地点和对应的预测到达时间组成,形成计划表的具体过程如下:
1)通过大量的历史数据和实时交通信息,记录城市各道路分时段的通行速度;
2)根据预测的当前各条道路通行速度和当前道路情况,计算正在行驶的自动驾驶共享出租车未来的实时轨迹,默认每辆出租车按照最短行驶时间路径行驶;
3)将匹配了某辆自动驾驶共享出租车的每一个乘客的上车和下车的地点与预测到达的时间绑定,分别形成一个计划,每辆出租车的行驶计划表则由一系列的计划组成。
3.根据权利要求2所述的一种智能交通的计算机仿真方法,其特征在于,所述计划表均在车联网下进行实时更新:
首先,检查是否有已经通过的地点,若有则把已经通过的地点相应的计划删除;然后,检查是否有新的计划插入或者道路交通信息情况发生变化的情况,若存在则行驶路径和到达时间会被更新。
4.根据权利要求3所述的一种智能交通的计算机仿真方法,其特征在于,步骤S6精确定位车辆位置的具体过程如下:
S6-1、将自动驾驶共享出租车当前时刻Tnow与该自动驾驶共享出租车的计划表中的计划时间比较:
若当前时刻Tnow位于计划表中两个计划预测到达的时间之间,则自动驾驶共享出租车的位置位于该两个计划的下车点之间,并进入步骤S6-2;
若当前时刻Tnow位于上一次定位的时间和第一个计划的到达预测时间之间,则自动驾驶共享出租车位于上一次定位的位置节点和第一个计划的下车点之间,并进入步骤S6-2;
若当前时刻Tnow位于最后一个计划的到达预测时间之后,则自动驾驶共享出租车到达了最后一个计划,位置就在最后一个计划处,定位结束;
S6-2、计算步骤S1所述两点之间的道路通行状况,获取出租车到达该两点路线上的每个分叉节点的预测时间,比较当前时刻Tnow在哪两个分叉节点的到达预测时间范围之间,从而得出该两点到达预测时间所对应的分叉节点,即得出所对应的分叉节点之间的道路;
S6-3、通过步骤S6-2所得出的道路对应的周期内平均通行速度,计算自动驾驶共享出租车与该道路上第一个分叉节点之间的距离,从而计算得出自动驾驶共享出租车所处的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010548182.1A CN111881548B (zh) | 2020-06-16 | 2020-06-16 | 一种智能交通的计算机仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010548182.1A CN111881548B (zh) | 2020-06-16 | 2020-06-16 | 一种智能交通的计算机仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111881548A CN111881548A (zh) | 2020-11-03 |
CN111881548B true CN111881548B (zh) | 2022-04-08 |
Family
ID=73157701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010548182.1A Active CN111881548B (zh) | 2020-06-16 | 2020-06-16 | 一种智能交通的计算机仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111881548B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112329119B (zh) * | 2020-11-27 | 2022-02-08 | 腾讯科技(深圳)有限公司 | 虚拟场景仿真处理方法、装置、电子设备及存储介质 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101359434A (zh) * | 2008-09-17 | 2009-02-04 | 覃征 | 用于交通导航系统和交通仿真系统的路网模型构建方法 |
CN102169637B (zh) * | 2010-12-08 | 2013-05-22 | 北京大学 | 面向城市交通的动态路径诱导方法 |
CN102982703B (zh) * | 2012-12-12 | 2015-04-22 | 成都合纵连横数字科技有限公司 | 一种汽车驾驶仿真器与虚拟交通环境仿真系统的交互方法 |
CN104952261A (zh) * | 2015-06-25 | 2015-09-30 | 广东工业大学 | 一种单交叉口交通信号优化控制方法 |
US20170124464A1 (en) * | 2015-10-28 | 2017-05-04 | Fractal Industries, Inc. | Rapid predictive analysis of very large data sets using the distributed computational graph |
CN107464012A (zh) * | 2017-07-10 | 2017-12-12 | 中国电子科技集团公司第二十八研究所 | 一种基于平行仿真的城市交通运输支持系统 |
CN108335485B (zh) * | 2018-01-31 | 2020-04-24 | 杭州远眺科技有限公司 | 基于车牌识别数据的大事件交通动态仿真拥堵预测的方法 |
CN108846514B (zh) * | 2018-06-07 | 2020-07-28 | 同济大学 | 一种突发事件下轨道交通客流疏散需求预测方法 |
CN109033583A (zh) * | 2018-07-12 | 2018-12-18 | 中国科学院计算技术研究所 | 一种数据驱动的交通快速推演方法和系统 |
CN110164128B (zh) * | 2019-04-23 | 2020-10-27 | 银江股份有限公司 | 一种城市级智能交通仿真系统 |
CN110136427A (zh) * | 2019-04-23 | 2019-08-16 | 广东工业大学 | 一种基于车联网大数据的自动驾驶出租车调度系统 |
CN110489799B (zh) * | 2019-07-18 | 2022-08-16 | 讯飞智元信息科技有限公司 | 交通拥堵仿真处理方法及相关装置 |
CN110570660A (zh) * | 2019-11-06 | 2019-12-13 | 深圳市城市交通规划设计研究中心有限公司 | 一种实时在线交通仿真系统及方法 |
CN111275965B (zh) * | 2020-01-20 | 2021-02-05 | 交通运输部科学研究院 | 一种基于互联网大数据的实时交通仿真分析系统与方法 |
-
2020
- 2020-06-16 CN CN202010548182.1A patent/CN111881548B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111881548A (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102044149B (zh) | 一种基于时变客流的城市公交运营协调方法与装置 | |
CN107038488B (zh) | 一种基于泊位预测和停车选择的停车场实时泊位预约方法 | |
Shen et al. | Managing autonomous mobility on demand systems for better passenger experience | |
CN107919014B (zh) | 面向多载客里程的出租车运行线路优化方法 | |
CN106875734B (zh) | 一种推送停车路线的方法及装置 | |
CN103680127A (zh) | 一种利用低采样率浮动车数据计算信号灯控制道路交叉口延误的方法 | |
CN113763695A (zh) | 一种自动驾驶车辆的调度方法和系统 | |
Wan et al. | Incremental recommendation system for large-scale taxi fleet in smart cities | |
CN111881548B (zh) | 一种智能交通的计算机仿真方法 | |
Wang et al. | Large-scale intelligent taxicab scheduling: A distributed and future-aware approach | |
Zhang et al. | CAVSim: A microscope traffic simulator for connected and automated vehicles environment | |
JP2020027023A (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
CN116524705A (zh) | 一种城际出行车辆的调度方法及终端 | |
CN112669604A (zh) | 城市交通调度方法及装置 | |
CN113160600A (zh) | 一种用于城市微循环公交系统的车辆调度方法 | |
Wan et al. | Online recommendation system for autonomous and human-driven ride-hailing taxi services | |
CN115083198B (zh) | 一种多车运力资源调度方法及装置 | |
Li | An electric vehicle transitioning framework for public fleet planning | |
CN115273457A (zh) | 考虑城市路网行程时间动态变化的全局最优路径规划方法 | |
CN115423286A (zh) | 一种市域轨道交通郊区段车站吸引范围划分方法 | |
Lützenberger et al. | Predicting future (e-) traffic | |
WO2023274264A1 (zh) | 一种车辆控制方法、装置及系统 | |
CN113947922B (zh) | 基于网络切分的路网精细化动态od流量估计方法 | |
Björsell et al. | Future impacts of self-driving vehicles: A case study on the supply chain of e-commerce to identify important factors for the transport administrators of Sweden | |
CN110942622A (zh) | 一种基于停车场实时运营大数据的停车场规划方法 |
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 |