CN112419705A - 一种基于大数据的公交智能调度系统 - Google Patents
一种基于大数据的公交智能调度系统 Download PDFInfo
- Publication number
- CN112419705A CN112419705A CN202011231377.XA CN202011231377A CN112419705A CN 112419705 A CN112419705 A CN 112419705A CN 202011231377 A CN202011231377 A CN 202011231377A CN 112419705 A CN112419705 A CN 112419705A
- Authority
- CN
- China
- Prior art keywords
- bus
- vehicle
- dispatching
- scheduling
- coefficient
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于大数据的公交智能调度系统,涉及公交智能调度技术领域,解决了现有技术中公交车的服务质量和效率低的技术问题,通过时间调度单元实时分析人流信息,从而对公交车的出发时间进行调度,获取公交站台的平均候车人数和公交车的满载次数,通过公式获取到调度系数DD,若调度系数DD≥调度系数阈值,则判定公交车数量不能满足需求,生成调度信号并将调度信号发送至公交调度平台,公交调度平台缩短公交车的发车间隔时间;若调度系数DD<调度系数阈值,则判定公交车数量能满足需求,生成满足信号并将满足信号发送至公交调度平台;实时获取公交车的需求,减少乘客的等待时间,提高公交车的便利性。
Description
技术领域
本发明涉及公交智能调度技术领域,具体为一种基于大数据的公交智能调度系统。
背景技术
随着我们经济的发展以及人民生活水平的提高,人民对于交通的需求将会越来越大,特别是我国入世以后,汽车的价格会不断下降,从而可预见人均的汽车拥有量也会在近几年快速增加,这些因素都会给我们的城市交通管理带来不便,如果不采取有效措施,我国城市道路堵车,低效,环境污染等问题必然会有恶化,解决城市交通问题的关键是引导人民在出行时尽量使用公共交通工具,达到这一目的,就必须提高公共交通的服务质量,让出行的人民真正感受到公共交通的方便,省钱,可靠甚至快捷等优点;
但是在现有技术中,不能够对公交车辆进行监测,增加了公交车辆行驶中出现故障的风险,同时,不能够进行合理调度,降低了公交车的服务质量,严重影响工作效率。
发明内容
本发明的目的就在于提出一种基于大数据的公交智能调度系统,通过时间调度单元实时分析人流信息,从而对公交车的出发时间进行调度,获取公交站台的平均候车人数和公交车的满载次数,通过公式获取到调度系数DD,将调度系数DD与调度系数阈值进行比较:若调度系数DD≥调度系数阈值,则判定公交车数量不能满足需求,生成调度信号并将调度信号发送至公交调度平台,公交调度平台缩短公交车的发车间隔时间;若调度系数DD<调度系数阈值,则判定公交车数量能满足需求,生成满足信号并将满足信号发送至公交调度平台;实时获取公交车的需求,减少乘客的等待时间,提高公交车的便利性。
本发明的目的可以通过以下技术方案实现:
一种基于大数据的公交智能调度系统,包括公交调度平台、匹配单元、车辆检测单元、时间调度单元、注册登录单元以及数据库;
所述时间调度单元用于实时分析人流信息,从而对公交车的出发时间进行调度,人流信息表示为公交站台的平均候车人数与公交车的满载次数,具体调度过程如下:
SS1:获取公交站台的平均候车人数,并将公交站台的平均候车人数标记为PR;
SS2:获取公交车的满载次数,并将公交车的满载次数标记为MZ;
SS3:通过公式DD=PR×b1+MZ×b2获取到调度系数DD,其中,b1和b2均为预设比例系数,且b1>b2;
SS4:将调度系数DD与调度系数阈值进行比较:
若调度系数DD≥调度系数阈值,则判定公交车数量不能满足需求,生成调度信号并将调度信号发送至公交调度平台,公交调度平台缩短公交车的发车间隔时间;
若调度系数DD<调度系数阈值,则判定公交车数量能满足需求,生成满足信号并将满足信号发送至公交调度平台。
进一步地,所述注册登录单元用于管理员通过手机终端提交管理员信息进行注册,并将注册成功的管理员信息发送至数据库进行储存,管理员信息包括管理员的姓名、年龄、入职时间以及本人实名认证的手机号码。
进一步地,所述车辆检测单元用于分析车辆信息,对车辆进行检测,车辆信息包括车辆故障数据、频率数据以及时长数据,车辆故障数据表示为车辆在行驶中的故障次数,频率数据表示为车辆出现故障的频率,时长数据表示为车辆出现故障的维修时长,具体分析检测过程如下:
步骤一、获取车辆在行驶中的故障次数,并将车辆在行驶中的故障次数标记为Gi,i=1,2,......,n;
步骤二、获取车辆出现故障的频率,并将车辆出现故障的频率标记为Pi;
步骤三、获取车辆出现故障的维修时长,并将车辆出现故障的维修时长标记为Si;
步骤五、将车辆的检测系数Xi与检测系数阈值进行比较:
若车辆的检测系数Xi≥检测系数阈值,则判定该车辆状态正常,生成车辆状态正常信号并将对应车辆标记为正常车辆,随后将正常车辆的编号和车辆状态正常信号一同发送至公交调度平台;
若车辆的检测系数Xi<检测系数阈值,则判定该车辆状态异常,生成车辆状态异常信号并将对应车辆标记为异常车辆,随后将异常车辆的编号和车辆状态异常信号一同发送至公交调度平台。
进一步地,所述公交调度平台接收到异常车辆的编号和车辆状态异常信号,将其发送至管理员的手机终端,同时将对应车辆标记为待检修车辆,所述公交调度平台接收到正常车辆的编号和车辆状态正常信号后,将其标记为匹配车辆,并将匹配车辆发送至匹配单元;
所述匹配单元用于分析公交车司机的驾驶信息,从而为公交车司机合理分配匹配车辆,公交车司机的驾驶信息包括违章数据、事故数据以及检查数据,违章数据表示为公交车司机闯红灯的违章次数与超速的违章次数之和,事故数据表示为公交车司机行驶过程中的事故次数与停车时刮蹭次数之和,检测数据表示为公交车司机一个月内行驶前对车辆的检测次数,具体分析分配过程如下:
S1:获取公交车司机闯红灯的违章次数与超速的违章次数之和,并将公交车司机闯红灯的违章次数与超速的违章次数之和标记为Ho,o=1,2,......,n;
S2:获取公交车司机行驶过程中的事故次数与停车时刮蹭次数之和,并将公交车司机行驶过程中的事故次数与停车时刮蹭次数之和标记为Co;
S3:获取公交车司机一个月内行驶前对车辆的检测次数,并将公交车司机一个月内行驶前对车辆的检测次数标记为Jo;
S5:将司机的分配系数Yo按照从高到低的顺序进行排序,并将排序成功的司机姓名与分配车辆一一对应,随后将司机的姓名和对应分配车辆的编号发送至数据库进行储存。
与现有技术相比,本发明的有益效果是:
1、本发明中,通过时间调度单元实时分析人流信息,从而对公交车的出发时间进行调度,获取公交站台的平均候车人数和公交车的满载次数,通过公式获取到调度系数DD,将调度系数DD与调度系数阈值进行比较:若调度系数DD≥调度系数阈值,则判定公交车数量不能满足需求,生成调度信号并将调度信号发送至公交调度平台,公交调度平台缩短公交车的发车间隔时间;若调度系数DD<调度系数阈值,则判定公交车数量能满足需求,生成满足信号并将满足信号发送至公交调度平台;实时获取公交车的需求,减少乘客的等待时间,提高公交车的便利性;
2、本发明中,通过车辆检测单元分析车辆信息,对车辆进行检测,获取车辆在行驶中的故障次数、取车辆出现故障的频率以及车辆出现故障的维修时长,通过公式获取到车辆的检测系数Xi,将车辆的检测系数Xi与检测系数阈值进行比较:若车辆的检测系数Xi≥检测系数阈值,则判定该车辆状态正常,生成车辆状态正常信号并将对应车辆标记为正常车辆,随后将正常车辆的编号和车辆状态正常信号一同发送至公交调度平台;若车辆的检测系数Xi<检测系数阈值,则判定该车辆状态异常,生成车辆状态异常信号并将对应车辆标记为异常车辆,随后将异常车辆的编号和车辆状态异常信号一同发送至公交调度平台;对车辆进行检测分析,降低故障车辆再次被使用的几率,提高了公交车的工作效率,降低了行驶中公交车的故障率。
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附图作简单地介绍,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为本发明的原理框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,一种基于大数据的公交智能调度系统,包括公交调度平台、匹配单元、车辆检测单元、时间调度单元、注册登录单元以及数据库;
所述注册登录单元用于管理员通过手机终端提交管理员信息进行注册,并将注册成功的管理员信息发送至数据库进行储存,管理员信息包括管理员的姓名、年龄、入职时间以及本人实名认证的手机号码;
所述车辆检测单元用于分析车辆信息,对车辆进行检测,车辆信息包括车辆故障数据、频率数据以及时长数据,车辆故障数据表示为车辆在行驶中的故障次数,频率数据表示为车辆出现故障的频率,时长数据表示为车辆出现故障的维修时长,具体分析检测过程如下:
步骤一、获取车辆在行驶中的故障次数,并将车辆在行驶中的故障次数标记为Gi,i=1,2,......,n;
步骤二、获取车辆出现故障的频率,并将车辆出现故障的频率标记为Pi;
步骤三、获取车辆出现故障的维修时长,并将车辆出现故障的维修时长标记为Si;
步骤五、将车辆的检测系数Xi与检测系数阈值进行比较:
若车辆的检测系数Xi≥检测系数阈值,则判定该车辆状态正常,生成车辆状态正常信号并将对应车辆标记为正常车辆,随后将正常车辆的编号和车辆状态正常信号一同发送至公交调度平台;
若车辆的检测系数Xi<检测系数阈值,则判定该车辆状态异常,生成车辆状态异常信号并将对应车辆标记为异常车辆,随后将异常车辆的编号和车辆状态异常信号一同发送至公交调度平台;
所述公交调度平台接收到异常车辆的编号和车辆状态异常信号,将其发送至管理员的手机终端,同时将对应车辆标记为待检修车辆,所述公交调度平台接收到正常车辆的编号和车辆状态正常信号后,将其标记为匹配车辆,并将匹配车辆发送至匹配单元;
所述匹配单元用于分析公交车司机的驾驶信息,从而为公交车司机合理分配匹配车辆,公交车司机的驾驶信息包括违章数据、事故数据以及检查数据,违章数据表示为公交车司机闯红灯的违章次数与超速的违章次数之和,事故数据表示为公交车司机行驶过程中的事故次数与停车时刮蹭次数之和,检测数据表示为公交车司机一个月内行驶前对车辆的检测次数,具体分析分配过程如下:
S1:获取公交车司机闯红灯的违章次数与超速的违章次数之和,并将公交车司机闯红灯的违章次数与超速的违章次数之和标记为Ho,o=1,2,......,n;
S2:获取公交车司机行驶过程中的事故次数与停车时刮蹭次数之和,并将公交车司机行驶过程中的事故次数与停车时刮蹭次数之和标记为Co;
S3:获取公交车司机一个月内行驶前对车辆的检测次数,并将公交车司机一个月内行驶前对车辆的检测次数标记为Jo;
S5:将司机的分配系数Yo按照从高到低的顺序进行排序,并将排序成功的司机姓名与分配车辆一一对应,随后将司机的姓名和对应分配车辆的编号发送至数据库进行储存;
所述时间调度单元用于实时分析人流信息,从而对公交车的出发时间进行调度,人流信息表示为公交站台的平均候车人数与公交车的满载次数,具体调度过程如下:
SS1:获取公交站台的平均候车人数,并将公交站台的平均候车人数标记为PR;
SS2:获取公交车的满载次数,并将公交车的满载次数标记为MZ;
SS3:通过公式DD=PR×b1+MZ×b2获取到调度系数DD,其中,b1和b2均为预设比例系数,且b1>b2;
SS4:将调度系数DD与调度系数阈值进行比较:
若调度系数DD≥调度系数阈值,则判定公交车数量不能满足需求,生成调度信号并将调度信号发送至公交调度平台,公交调度平台缩短公交车的发车间隔时间;
若调度系数DD<调度系数阈值,则判定公交车数量能满足需求,生成满足信号并将满足信号发送至公交调度平台。
本发明工作原理:
一种基于大数据的公交智能调度系统,在工作时,通过时间调度单元实时分析人流信息,从而对公交车的出发时间进行调度,人流信息表示为公交站台的平均候车人数与公交车的满载次数,获取公交站台的平均候车人数,并将公交站台的平均候车人数标记为PR;获取公交车的满载次数,并将公交车的满载次数标记为MZ;通过公式DD=PR×b1+MZ×b2获取到调度系数DD,其中,b1和b2均为预设比例系数,且b1>b2;将调度系数DD与调度系数阈值进行比较:若调度系数DD≥调度系数阈值,则判定公交车数量不能满足需求,生成调度信号并将调度信号发送至公交调度平台,公交调度平台缩短公交车的发车间隔时间;若调度系数DD<调度系数阈值,则判定公交车数量能满足需求,生成满足信号并将满足信号发送至公交调度平台。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (4)
1.一种基于大数据的公交智能调度系统,其特征在于,包括公交调度平台、匹配单元、车辆检测单元、时间调度单元、注册登录单元以及数据库;
所述时间调度单元用于实时分析人流信息,从而对公交车的出发时间进行调度,人流信息表示为公交站台的平均候车人数与公交车的满载次数,具体调度过程如下:
SS1:获取公交站台的平均候车人数,并将公交站台的平均候车人数标记为PR;
SS2:获取公交车的满载次数,并将公交车的满载次数标记为MZ;
SS3:通过公式DD=PR×b1+MZ×b2获取到调度系数DD,其中,b1和b2均为预设比例系数,且b1>b2;
SS4:将调度系数DD与调度系数阈值进行比较:
若调度系数DD≥调度系数阈值,则判定公交车数量不能满足需求,生成调度信号并将调度信号发送至公交调度平台,公交调度平台缩短公交车的发车间隔时间;
若调度系数DD<调度系数阈值,则判定公交车数量能满足需求,生成满足信号并将满足信号发送至公交调度平台。
2.根据权利要求1所述的一种基于大数据的公交智能调度系统,其特征在于,所述注册登录单元用于管理员通过手机终端提交管理员信息进行注册,并将注册成功的管理员信息发送至数据库进行储存,管理员信息包括管理员的姓名、年龄、入职时间以及本人实名认证的手机号码。
3.根据权利要求1所述的一种基于大数据的公交智能调度系统,其特征在于,所述车辆检测单元用于分析车辆信息,对车辆进行检测,车辆信息包括车辆故障数据、频率数据以及时长数据,车辆故障数据表示为车辆在行驶中的故障次数,频率数据表示为车辆出现故障的频率,时长数据表示为车辆出现故障的维修时长,具体分析检测过程如下:
步骤一、获取车辆在行驶中的故障次数,并将车辆在行驶中的故障次数标记为Gi,i=1,2,......,n;
步骤二、获取车辆出现故障的频率,并将车辆出现故障的频率标记为Pi;
步骤三、获取车辆出现故障的维修时长,并将车辆出现故障的维修时长标记为Si;
步骤五、将车辆的检测系数Xi与检测系数阈值进行比较:
若车辆的检测系数Xi≥检测系数阈值,则判定该车辆状态正常,生成车辆状态正常信号并将对应车辆标记为正常车辆,随后将正常车辆的编号和车辆状态正常信号一同发送至公交调度平台;
若车辆的检测系数Xi<检测系数阈值,则判定该车辆状态异常,生成车辆状态异常信号并将对应车辆标记为异常车辆,随后将异常车辆的编号和车辆状态异常信号一同发送至公交调度平台。
4.根据权利要求1所述的一种基于大数据的公交智能调度系统,其特征在于,所述公交调度平台接收到异常车辆的编号和车辆状态异常信号,将其发送至管理员的手机终端,同时将对应车辆标记为待检修车辆,所述公交调度平台接收到正常车辆的编号和车辆状态正常信号后,将其标记为匹配车辆,并将匹配车辆发送至匹配单元;
所述匹配单元用于分析公交车司机的驾驶信息,从而为公交车司机合理分配匹配车辆,公交车司机的驾驶信息包括违章数据、事故数据以及检查数据,违章数据表示为公交车司机闯红灯的违章次数与超速的违章次数之和,事故数据表示为公交车司机行驶过程中的事故次数与停车时刮蹭次数之和,检测数据表示为公交车司机一个月内行驶前对车辆的检测次数,具体分析分配过程如下:
S1:获取公交车司机闯红灯的违章次数与超速的违章次数之和,并将公交车司机闯红灯的违章次数与超速的违章次数之和标记为Ho,o=1,2,......,n;
S2:获取公交车司机行驶过程中的事故次数与停车时刮蹭次数之和,并将公交车司机行驶过程中的事故次数与停车时刮蹭次数之和标记为Co;
S3:获取公交车司机一个月内行驶前对车辆的检测次数,并将公交车司机一个月内行驶前对车辆的检测次数标记为Jo;
S5:将司机的分配系数Yo按照从高到低的顺序进行排序,并将排序成功的司机姓名与分配车辆一一对应,随后将司机的姓名和对应分配车辆的编号发送至数据库进行储存。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011231377.XA CN112419705B (zh) | 2020-11-06 | 2020-11-06 | 一种基于大数据的公交智能调度系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011231377.XA CN112419705B (zh) | 2020-11-06 | 2020-11-06 | 一种基于大数据的公交智能调度系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112419705A true CN112419705A (zh) | 2021-02-26 |
CN112419705B CN112419705B (zh) | 2021-10-19 |
Family
ID=74781959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011231377.XA Active CN112419705B (zh) | 2020-11-06 | 2020-11-06 | 一种基于大数据的公交智能调度系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112419705B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130158846A1 (en) * | 2010-08-26 | 2013-06-20 | Yukang Zhang | Intelligent urban public transportation system oriented to passenger travel and implementation method thereof |
CN103617728A (zh) * | 2013-12-10 | 2014-03-05 | 浪潮电子信息产业股份有限公司 | 一种基于云计算的公交车调度方法 |
CN104269048A (zh) * | 2014-04-15 | 2015-01-07 | 明日交通公司 | 智能公交系统的动态调度和时刻管理 |
CN104599489A (zh) * | 2014-09-11 | 2015-05-06 | 北京易华录信息技术股份有限公司 | 突发事件发生时精准调度快速公交车辆的方法及系统 |
US20170270790A1 (en) * | 2015-05-15 | 2017-09-21 | New York City Transit Authority | Vehicle Prediction Module |
CN107393329A (zh) * | 2017-07-05 | 2017-11-24 | 邹晓虎 | 一种公交车智能调度方法、装置及系统 |
CN107481512A (zh) * | 2017-08-17 | 2017-12-15 | 深圳市海梁科技有限公司 | 自动驾驶公交的智能调度方法 |
CN108229832A (zh) * | 2018-01-17 | 2018-06-29 | 东南大学 | 基于道路运营测试和模糊层次法的纯电动公交车选型方法 |
CN108537458A (zh) * | 2018-04-17 | 2018-09-14 | 重庆交通开投科技发展有限公司 | 一种发车策略的显示方法和装置 |
CN108898872A (zh) * | 2018-09-12 | 2018-11-27 | 南京行者易智能交通科技有限公司 | 基于车载智能终端设备和历史客流大数据的班次调整方法 |
CN108961750A (zh) * | 2018-07-13 | 2018-12-07 | 长安大学 | 一种公交调度系统及调度方法 |
CN208351514U (zh) * | 2018-05-10 | 2019-01-08 | 郑州天迈科技股份有限公司 | 基于公交erp数据的司机考核评价系统 |
CN109272200A (zh) * | 2018-08-23 | 2019-01-25 | 合肥好多帮信息科技有限公司 | 一种维修工单管理的智能化调控方法 |
CN109460936A (zh) * | 2018-11-21 | 2019-03-12 | 深圳市都市数据技术有限公司 | 一种公交车辆智能排班方法、智能终端及存储介质 |
CN110232831A (zh) * | 2019-06-21 | 2019-09-13 | 上海理工大学 | 一种基于需求响应型公交的发车时刻优化方法 |
-
2020
- 2020-11-06 CN CN202011231377.XA patent/CN112419705B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130158846A1 (en) * | 2010-08-26 | 2013-06-20 | Yukang Zhang | Intelligent urban public transportation system oriented to passenger travel and implementation method thereof |
CN103617728A (zh) * | 2013-12-10 | 2014-03-05 | 浪潮电子信息产业股份有限公司 | 一种基于云计算的公交车调度方法 |
CN104269048A (zh) * | 2014-04-15 | 2015-01-07 | 明日交通公司 | 智能公交系统的动态调度和时刻管理 |
CN104599489A (zh) * | 2014-09-11 | 2015-05-06 | 北京易华录信息技术股份有限公司 | 突发事件发生时精准调度快速公交车辆的方法及系统 |
US20170270790A1 (en) * | 2015-05-15 | 2017-09-21 | New York City Transit Authority | Vehicle Prediction Module |
CN107393329A (zh) * | 2017-07-05 | 2017-11-24 | 邹晓虎 | 一种公交车智能调度方法、装置及系统 |
CN107481512A (zh) * | 2017-08-17 | 2017-12-15 | 深圳市海梁科技有限公司 | 自动驾驶公交的智能调度方法 |
CN108229832A (zh) * | 2018-01-17 | 2018-06-29 | 东南大学 | 基于道路运营测试和模糊层次法的纯电动公交车选型方法 |
CN108537458A (zh) * | 2018-04-17 | 2018-09-14 | 重庆交通开投科技发展有限公司 | 一种发车策略的显示方法和装置 |
CN208351514U (zh) * | 2018-05-10 | 2019-01-08 | 郑州天迈科技股份有限公司 | 基于公交erp数据的司机考核评价系统 |
CN108961750A (zh) * | 2018-07-13 | 2018-12-07 | 长安大学 | 一种公交调度系统及调度方法 |
CN109272200A (zh) * | 2018-08-23 | 2019-01-25 | 合肥好多帮信息科技有限公司 | 一种维修工单管理的智能化调控方法 |
CN108898872A (zh) * | 2018-09-12 | 2018-11-27 | 南京行者易智能交通科技有限公司 | 基于车载智能终端设备和历史客流大数据的班次调整方法 |
CN109460936A (zh) * | 2018-11-21 | 2019-03-12 | 深圳市都市数据技术有限公司 | 一种公交车辆智能排班方法、智能终端及存储介质 |
CN110232831A (zh) * | 2019-06-21 | 2019-09-13 | 上海理工大学 | 一种基于需求响应型公交的发车时刻优化方法 |
Non-Patent Citations (1)
Title |
---|
张晗: "公交企业快速决策系统的设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112419705B (zh) | 2021-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110298516B (zh) | 一种基于客流od数据的拆分过长公交线路的方法、装置、移动端设备及服务器 | |
CN107221196A (zh) | 车辆驾驶风险评估方法、装置、系统及可读存储介质 | |
CN109242227A (zh) | 汽车驾驶行为的行车风险及评估模型 | |
CN101465059B (zh) | 城市道路交通安全态势鉴判预警系统 | |
CN103440768A (zh) | 一种基于动态修正的公交车到达时间实时预测方法 | |
CN109903555B (zh) | 一种基于大数据的公交乘客下车数据预测方法及系统 | |
CN110264718A (zh) | 一种非机动车的违章识别方法、装置及系统 | |
CN113469124B (zh) | 公路客运客流量采集与监管平台及其使用方法 | |
CN112419705B (zh) | 一种基于大数据的公交智能调度系统 | |
CN112732791A (zh) | 无线ap数据分析平台及方法 | |
CN115188184B (zh) | 一种车辆限速处理方法、设备及装置 | |
CN106205137A (zh) | 一种黄标车尾气自动监控识别系统 | |
Buyvol et al. | Increase in the efficiency of the operation of vehicle inspection companies | |
CN115238487A (zh) | 氢燃料电池公交客车调度算法的仿真分析评价方法 | |
CN112637783B (zh) | 基于可见光定位技术的轨道交通安全管理方法和装置 | |
CN111768545B (zh) | 一种交通安全监控方法及其系统 | |
CN115583246A (zh) | 一种基于智能化集成系统的全域安全分析办法 | |
CN113159513A (zh) | 一种基于驾驶行为的司机身心状态判断方法及装置 | |
CN111711661A (zh) | 车辆智能监测方法及其系统 | |
CN113593233B (zh) | 一种基于交通管制的智能大数据车辆识别系统 | |
Morgan et al. | Connected Vehicle Pilot Deployment Program Independent Evaluation: Analysis, Modeling, and Simulation Plan-New York City | |
CN115311861B (zh) | 高速公路疲劳驾驶判别方法、装置、电子设备及存储介质 | |
CN113192330B (zh) | 基于多智能体的车辆管理方法、管理系统、设备及介质 | |
CN117499458B (zh) | 一种远程控制车辆分享解锁方法及系统 | |
Tian et al. | Does the Urban Rail Transit Line Type Affect the Operational Efficiency? A Study Based on the DEA-Tobit Method |
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 |