CN112183192A - 智慧公交候车亭客流od分析方法 - Google Patents

智慧公交候车亭客流od分析方法 Download PDF

Info

Publication number
CN112183192A
CN112183192A CN202010834652.0A CN202010834652A CN112183192A CN 112183192 A CN112183192 A CN 112183192A CN 202010834652 A CN202010834652 A CN 202010834652A CN 112183192 A CN112183192 A CN 112183192A
Authority
CN
China
Prior art keywords
bus
face recognition
stop board
passenger flow
equipment
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
Application number
CN202010834652.0A
Other languages
English (en)
Inventor
施绍春
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.)
Jiangsu Huiyu Internet Of Things Technology Co ltd
Original Assignee
Jiangsu Huiyu Internet Of Things Technology Co ltd
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 Jiangsu Huiyu Internet Of Things Technology Co ltd filed Critical Jiangsu Huiyu Internet Of Things Technology Co ltd
Priority to CN202010834652.0A priority Critical patent/CN112183192A/zh
Publication of CN112183192A publication Critical patent/CN112183192A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • 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
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
    • G06K17/0025—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement consisting of a wireless interrogation device in combination with a device for optically marking the record carrier
    • 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
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
    • G08G1/133—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams within the vehicle ; Indicators inside the vehicles or at stops

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Data Mining & Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供智慧公交候车亭客流OD分析方法。所述智慧公交候车亭客流OD分析方法包括：在公交车上安装支持扫描乘车码的二维码读取设备，用于检测乘客乘车时的乘车码；在公交车站牌设置人脸识别设备，通过人脸识别设备对公交车站牌候车区域的人员进行人脸识别；在公交车站牌设置位置识别设备，通过位置识别设备明确对应的站牌；在公交车的前后车门处安装人脸识别设备，通过人脸识别设备对上车以及下车的乘客进行人脸识别；在公交车上安装用于识别站牌的信号采集设备，通过信号采集设备对公交车到达的每个站牌进行识别。本发明提供的智慧公交候车亭客流OD分析方法具有准确度高且可以优化公交车站牌位置的优点。

Description

智慧公交候车亭客流OD分析方法
技术领域
本发明涉及数据采集与分析领域，尤其涉及智慧公交候车亭客流OD分析方法。
背景技术
公交规划中客流量与客流分布预测是规划方案的基础，预测结果是否科学合理是方案最终效益评价的一个很重要的影响因素。目前公交规划中对客流量与客流分布的预测大都是在一般的规划出行产生模型上作修改，也就是在全方式出行预测后由方式划分得到公交出行OD(起讫点分布)，其思路是居民全方式出行预测的演化，而且最后得到的结果为交通小区(以下简称小区)之间和内部的公交客流分布。
目前在对公交候车亭客流OD分析方法时，其采集的乘客的数据时，不能对乘客的住址进行采集与确定，不能对站牌与经常乘车的乘客的住址(小区) 之间的距离进行判定，容易造成公交车站牌设置的不合理，即距离经常乘车的乘客的住址较远的情况发生。
因此，有必要提供一种新的智慧公交候车亭客流OD分析方法解决上述技术问题。
发明内容
为解决上述技术问题，本发明提供一种准确度高且可以优化公交车站牌位置的智慧公交候车亭客流OD分析方法。
本发明提供的智慧公交候车亭客流OD分析方法包括：在公交车上安装支持扫描乘车码的二维码读取设备，用于检测乘客乘车时的乘车码；在公交车站牌设置人脸识别设备，通过人脸识别设备对公交车站牌候车区域的人员进行人脸识别；在公交车站牌设置位置识别设备，通过位置识别设备明确对应的站牌；在公交车的前后车门处安装人脸识别设备，通过人脸识别设备对上车以及下车的乘客进行人脸识别；在公交车上安装用于识别站牌的信号采集设备，通过信号采集设备对公交车到达的每个站牌进行识别；信号发送设备，公交车上安装有信号发送设备，信号发送设备用于二维码读取设备、公交车站牌设置的人脸识别设备、位置识别设备、公交车的前后车门处安装人脸识别设备以及信号采集设备采集的数据发送给总控制器，通过总控制器对候车亭客流进行OD的分析。
优选的，所述总控制器对候车亭客流进行OD的分析时，通过固定时间内，公交车站牌设置人脸识别设备识别到的人脸数量，来判定对应站牌的人流量。
优选的，所述总控制器对候车亭客流进行OD的分析时，在车辆到达前，通过公交车站牌设置的人脸识别设备捕捉到通过公交车的前门处的人脸识别设备对上车的人员进行人脸识别，当公交车到达后，通过公交车前车门处安装的人脸识别设备对公交车前门区域的人员进行人脸识别，当公交车站牌处的人脸识别设备以及交车前车门处安装人脸识别设备均识别到同一个人脸时，即两次识别时，通过统计两次识别的人脸数量，来判定上车乘客的人流量。
优选的，所述总控制器对候车亭客流进行OD的分析时，在车辆到达前，通过公交车后车门处安装的人脸识别设备对公交车后车门内部的人员进行人脸识别，当公交车到达后，通过公交车站牌上的人脸识别设备同时对公交车后车门外部的人员进行人脸识别，当公交车站牌处的人脸识别设备以及交车后车门处安装人脸识别设备均识别到同一个人脸时，即两次识别时，通过统计两次识别的人脸数量，来判定下车乘客的人流量。
优选的，所述总控制器对候车亭客流进行OD的分析时，二维码读取设备采集的数据通过信号发送设备输送给总控制器，总控制器与公安系统联网，由于网络支付实名制，通过二维码读取设备识别的乘车码可以对乘客身份进行确认，且公交车前后处的人脸识别设备采集的数据通过信号发送设备输送给总控制器，从而通过二维码读取设备以及人脸识别设备可以二次判定乘车人员，保证数据的准确。
优选的，所述通过二维码读取设备识别的乘车码可以对乘客身份进行确认，进而可以确定乘客的住址或者暂住地，且可以对乘车的次数进行统计；其中总控制器预先导入本地区的地图，通过地图可以分析站牌距离经常乘车的乘客的小区的距离，当经常乘车的乘客的分布在同一个小区时，且小区距离站牌较远时，可以将站牌的位置进行调整，使得站牌距离此小区最近，当经常乘车的乘客分布在多个小区时，通过数学模型计算，使得站牌距离多个小区的距离均到达最小值，从而可以优化站牌的设置位置，更好的服务与市民。
优选的，所述位置识别设备内部设有北斗信号定位器，通过北斗信号定位器判断站牌的位置。
优选的，用于识别站牌的所述信号采集设备为蓝牙信号传感器，通过预置电子围栏来检测公交车是否进入当前站点，若所述蓝牙信号传感器检测到所述公交车进入所述预置电子围栏的进站信号，确定所述公交车进入当前站点。
与相关技术相比较，本发明提供的智慧公交候车亭客流OD分析方法具有如下有益效果：
1、本发明提供智慧公交候车亭客流OD分析方法，通过二维码读取设备识别的乘车码可以对乘客身份进行确认，且公交车前后处的人脸识别设备采集的数据通过信号发送设备输送给总控制器，从而通过二维码读取设备以及人脸识别设备可以二次判定乘车人员，保证数据的准确；
2、本发明提供智慧公交候车亭客流OD分析方法可以对经常乘车的乘客的小区进行确定，通过地图可以分析站牌距离经常乘车的乘客的小区的距离，当经常乘车的乘客的分布在同一个小区时，且小区距离站牌较远时，可以将站牌的位置进行调整，使得站牌距离此小区最近，当经常乘车的乘客分布在多个小区时，通过数学模型计算，使得站牌距离多个小区的距离均到达最小值，从而可以优化站牌的设置位置，更好的服务与市民。
具体实施方式
下面结合实施方式对本发明作进一步说明。
智慧公交候车亭客流OD分析方法包括：在公交车上安装支持扫描乘车码的二维码读取设备，用于检测乘客乘车时的乘车码；在公交车站牌设置人脸识别设备，通过人脸识别设备对公交车站牌候车区域的人员进行人脸识别；在公交车站牌设置位置识别设备，通过位置识别设备明确对应的站牌；在公交车的前后车门处安装人脸识别设备，通过人脸识别设备对上车以及下车的乘客进行人脸识别；在公交车上安装用于识别站牌的信号采集设备，通过信号采集设备对公交车到达的每个站牌进行识别；信号发送设备，公交车上安装有信号发送设备，信号发送设备用于二维码读取设备、公交车站牌设置的人脸识别设备、位置识别设备、公交车的前后车门处安装人脸识别设备以及信号采集设备采集的数据发送给总控制器，通过总控制器对候车亭客流进行OD的分析。
所述总控制器对候车亭客流进行OD的分析时，通过固定时间内，公交车站牌设置人脸识别设备识别到的人脸数量，来判定对应站牌的人流量。
所述总控制器对候车亭客流进行OD的分析时，在车辆到达前，通过公交车站牌设置的人脸识别设备捕捉到通过公交车的前门处的人脸识别设备对上车的人员进行人脸识别，当公交车到达后，通过公交车前车门处安装的人脸识别设备对公交车前门区域的人员进行人脸识别，当公交车站牌处的人脸识别设备以及交车前车门处安装人脸识别设备均识别到同一个人脸时，即两次识别时，通过统计两次识别的人脸数量，来判定上车乘客的人流量。
所述总控制器对候车亭客流进行OD的分析时，在车辆到达前，通过公交车后车门处安装的人脸识别设备对公交车后车门内部的人员进行人脸识别，当公交车到达后，通过公交车站牌上的人脸识别设备同时对公交车后车门外部的人员进行人脸识别，当公交车站牌处的人脸识别设备以及交车后车门处安装人脸识别设备均识别到同一个人脸时，即两次识别时，通过统计两次识别的人脸数量，来判定下车乘客的人流量。
所述总控制器对候车亭客流进行OD的分析时，二维码读取设备采集的数据通过信号发送设备输送给总控制器，总控制器与公安系统联网，由于网络支付实名制，通过二维码读取设备识别的乘车码可以对乘客身份进行确认，且公交车前后处的人脸识别设备采集的数据通过信号发送设备输送给总控制器，从而通过二维码读取设备以及人脸识别设备可以二次判定乘车人员，保证数据的准确。
所述通过二维码读取设备识别的乘车码可以对乘客身份进行确认，进而可以确定乘客的住址或者暂住地，且可以对乘车的次数进行统计；其中总控制器预先导入本地区的地图，通过地图可以分析站牌距离经常乘车的乘客的小区的距离，当经常乘车的乘客的分布在同一个小区时，且小区距离站牌较远时，可以将站牌的位置进行调整，使得站牌距离此小区最近，当经常乘车的乘客分布在多个小区时，通过数学模型计算，使得站牌距离多个小区的距离均到达最小值，从而可以优化站牌的设置位置，更好的服务与市民。
所述位置识别设备内部设有北斗信号定位器，通过北斗信号定位器判断站牌的位置。
用于识别站牌的所述信号采集设备为蓝牙信号传感器，通过预置电子围栏来检测公交车是否进入当前站点，若所述蓝牙信号传感器检测到所述公交车进入所述预置电子围栏的进站信号，确定所述公交车进入当前站点。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.智慧公交候车亭客流OD分析方法，其特征在于，包括：
在公交车上安装支持扫描乘车码的二维码读取设备，用于检测乘客乘车时的乘车码；
在公交车站牌设置人脸识别设备，通过人脸识别设备对公交车站牌候车区域的人员进行人脸识别；
在公交车站牌设置位置识别设备，通过位置识别设备明确对应的站牌；
在公交车的前后车门处安装人脸识别设备，通过人脸识别设备对上车以及下车的乘客进行人脸识别；
在公交车上安装用于识别站牌的信号采集设备，通过信号采集设备对公交车到达的每个站牌进行识别；
信号发送设备，公交车上安装有信号发送设备，信号发送设备用于二维码读取设备、公交车站牌设置的人脸识别设备、位置识别设备、公交车的前后车门处安装人脸识别设备以及信号采集设备采集的数据发送给总控制器，通过总控制器对候车亭客流进行OD的分析。
2.根据权利要求1所述的智慧公交候车亭客流OD分析方法，其特征在于，所述总控制器对候车亭客流进行OD的分析时，通过固定时间内，公交车站牌设置人脸识别设备识别到的人脸数量，来判定对应站牌的人流量。
3.根据权利要求1所述的智慧公交候车亭客流OD分析方法，其特征在于，所述总控制器对候车亭客流进行OD的分析时，在车辆到达前，通过公交车站牌设置的人脸识别设备捕捉到通过公交车的前门处的人脸识别设备对上车的人员进行人脸识别，当公交车到达后，通过公交车前车门处安装的人脸识别设备对公交车前门区域的人员进行人脸识别，当公交车站牌处的人脸识别设备以及交车前车门处安装人脸识别设备均识别到同一个人脸时，即两次识别时，通过统计两次识别的人脸数量，来判定上车乘客的人流量。
4.根据权利要求1所述的智慧公交候车亭客流OD分析方法，其特征在于，所述总控制器对候车亭客流进行OD的分析时，在车辆到达前，通过公交车后车门处安装的人脸识别设备对公交车后车门内部的人员进行人脸识别，当公交车到达后，通过公交车站牌上的人脸识别设备同时对公交车后车门外部的人员进行人脸识别，当公交车站牌处的人脸识别设备以及交车后车门处安装人脸识别设备均识别到同一个人脸时，即两次识别时，通过统计两次识别的人脸数量，来判定下车乘客的人流量。
5.根据权利要求1所述的智慧公交候车亭客流OD分析方法，其特征在于，所述总控制器对候车亭客流进行OD的分析时，二维码读取设备采集的数据通过信号发送设备输送给总控制器，总控制器与公安系统联网，由于网络支付实名制，通过二维码读取设备识别的乘车码可以对乘客身份进行确认，且公交车前后处的人脸识别设备采集的数据通过信号发送设备输送给总控制器，从而通过二维码读取设备以及人脸识别设备可以二次判定乘车人员，保证数据的准确。
6.根据权利要求5所述的智慧公交候车亭客流OD分析方法，其特征在于，所述通过二维码读取设备识别的乘车码可以对乘客身份进行确认，进而可以确定乘客的住址或者暂住地，且可以对乘车的次数进行统计；其中总控制器预先导入本地区的地图，通过地图可以分析站牌距离经常乘车的乘客的小区的距离，当经常乘车的乘客的分布在同一个小区时，且小区距离站牌较远时，可以将站牌的位置进行调整，使得站牌距离此小区最近，当经常乘车的乘客分布在多个小区时，通过数学模型计算，使得站牌距离多个小区的距离均到达最小值，从而可以优化站牌的设置位置，更好的服务与市民。
7.根据权利要求1所述的智慧公交候车亭客流OD分析方法，其特征在于，所述位置识别设备内部设有北斗信号定位器，通过北斗信号定位器判断站牌的位置。
8.根据权利要求1所述的智慧公交候车亭客流OD分析方法，其特征在于，用于识别站牌的所述信号采集设备为蓝牙信号传感器，通过预置电子围栏来检测公交车是否进入当前站点，若所述蓝牙信号传感器检测到所述公交车进入所述预置电子围栏的进站信号，确定所述公交车进入当前站点。
CN202010834652.0A 2020-08-17 2020-08-17 智慧公交候车亭客流od分析方法 Pending CN112183192A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010834652.0A CN112183192A (zh) 2020-08-17 2020-08-17 智慧公交候车亭客流od分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010834652.0A CN112183192A (zh) 2020-08-17 2020-08-17 智慧公交候车亭客流od分析方法

Publications (1)

Publication Number Publication Date
CN112183192A true CN112183192A (zh) 2021-01-05

Family

ID=73919396

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010834652.0A Pending CN112183192A (zh) 2020-08-17 2020-08-17 智慧公交候车亭客流od分析方法

Country Status (1)

Country Link
CN (1) CN112183192A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5218367A (en) * 1992-06-01 1993-06-08 Trackmobile Vehicle tracking system
JP2010152574A (ja) * 2008-12-25 2010-07-08 Fujitsu Ltd 乗下車通知システム，および乗下車通知システムの運行管理プログラム
CN103279534A (zh) * 2013-05-31 2013-09-04 西安建筑科技大学 基于智能公交系统数据的公交卡乘客通勤od分布估计方法
CN104751536A (zh) * 2013-12-25 2015-07-01 中兴通讯股份有限公司 一种公交站点优化评估方法和系统
CN105701180A (zh) * 2016-01-06 2016-06-22 北京航空航天大学 一种基于公交ic卡数据的通勤乘客特征提取及判定方法
CN105913367A (zh) * 2016-04-07 2016-08-31 北京晶众智慧交通科技股份有限公司 基于人脸识别和位置定位的公交客流量检测系统与方法
CN106448169A (zh) * 2016-11-23 2017-02-22 重庆交通大学 基于wifi的公交客流实时监测系统、数据处理方法
CN111104990A (zh) * 2018-10-25 2020-05-05 腾讯科技（深圳）有限公司 一种确定交通行程的方法、装置、服务器及存储介质
CN111311467A (zh) * 2020-02-11 2020-06-19 罗普特科技集团股份有限公司 一种基于人脸识别的公交路线预测方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5218367A (en) * 1992-06-01 1993-06-08 Trackmobile Vehicle tracking system
JP2010152574A (ja) * 2008-12-25 2010-07-08 Fujitsu Ltd 乗下車通知システム，および乗下車通知システムの運行管理プログラム
CN103279534A (zh) * 2013-05-31 2013-09-04 西安建筑科技大学 基于智能公交系统数据的公交卡乘客通勤od分布估计方法
CN104751536A (zh) * 2013-12-25 2015-07-01 中兴通讯股份有限公司 一种公交站点优化评估方法和系统
CN105701180A (zh) * 2016-01-06 2016-06-22 北京航空航天大学 一种基于公交ic卡数据的通勤乘客特征提取及判定方法
CN105913367A (zh) * 2016-04-07 2016-08-31 北京晶众智慧交通科技股份有限公司 基于人脸识别和位置定位的公交客流量检测系统与方法
CN106448169A (zh) * 2016-11-23 2017-02-22 重庆交通大学 基于wifi的公交客流实时监测系统、数据处理方法
CN111104990A (zh) * 2018-10-25 2020-05-05 腾讯科技（深圳）有限公司 一种确定交通行程的方法、装置、服务器及存储介质
CN111311467A (zh) * 2020-02-11 2020-06-19 罗普特科技集团股份有限公司 一种基于人脸识别的公交路线预测方法及系统

Similar Documents

Publication Publication Date Title
CN105869388B (zh) 一种公交客流数据采集及起讫点的分析方法及系统
CN107845259B (zh) 公交运行情况实时反馈系统及公交实时运行数据处理方法
CN109686109A (zh) 一种基于人工智能的停车场安全监控管理系统
CN112712600B (zh) 基于移动物联网的停车场移动值守系统及方法
CN108710827B (zh) 一种社区微警务巡查和信息自动分析系统及方法
CN104778836A (zh) 基于手机信令数据质量感知的高速公路交通状态识别方法
JP2007504551A (ja) 駐車場において車両の位置を特定し、認識し、および追跡するための装置および方法
CN111047754A (zh) 一种基于访客身份识别的访客管理系统及控制方法
CN106276469A (zh) 一种电梯应急处理系统及应急处理方法
EP1742170A1 (en) Method for recognising mobile objects
JP2015514264A (ja) 照明ネットワークを用いた交通管理のためのシステム及び方法
CN105825350A (zh) 基于视频分析智慧旅游预警决策系统及其使用方法
CN107844856B (zh) 基于车载GPS和站点WiFi的公交车客流预测方法
CN107393102A (zh) 一种基于人脸识别的自动检票系统
CN103473947A (zh) 基于模糊识别技术的地下空间反向寻车系统和方法
CN103204137A (zh) 一种车辆盗窃自动报警追踪系统及方法
CN107067730A (zh) 基于卡口设备的网约车人车不一致监测方法
CN111160894A (zh) 一种基于蓝牙精定位的公交无感知支付系统
CN115423222B (zh) 一种开放自助式城市轨道交通车站进站检查管理方法
CN108008666A (zh) 一种建筑神经网络及其工作方法
CN112988830A (zh) 人流量统计方法、装置、系统、存储介质和计算机设备
CN115410371A (zh) 基于无感支付的城市轨道交通客流数据采集及分析方法
CN113965901B (zh) 一种基于无线探针的高速公路隧道人员监控方法
CN108694749A (zh) 一种高速公路多路径识别及交通状态估计方法及其系统
CN111028403A (zh) 一种轨道交通的自动检票系统与方法

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