CN112465209B - 同城物流网络系统中转站点优化方法与系统 - Google Patents

同城物流网络系统中转站点优化方法与系统 Download PDF

Info

Publication number
CN112465209B
CN112465209B CN202011323576.3A CN202011323576A CN112465209B CN 112465209 B CN112465209 B CN 112465209B CN 202011323576 A CN202011323576 A CN 202011323576A CN 112465209 B CN112465209 B CN 112465209B
Authority
CN
China
Prior art keywords
road
transit
network system
station
data
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
Application number
CN202011323576.3A
Other languages
English (en)
Other versions
CN112465209A (zh
Inventor
邱云鸣
王安军
杜婷
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 Wucheng Co ltd
Original Assignee
Jiangsu Wucheng 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 Wucheng Co ltd filed Critical Jiangsu Wucheng Co ltd
Priority to CN202011323576.3A priority Critical patent/CN112465209B/zh
Publication of CN112465209A publication Critical patent/CN112465209A/zh
Application granted granted Critical
Publication of CN112465209B publication Critical patent/CN112465209B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0838—Historical data

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种同城物流网络系统中转站点优化方法与系统，针对现有技术中同城物流配送的中转站点的规划不合理导致的派送时效性差、耗时和派送成本超标的问题，提出基于派送干线识别的物流中转站点优化方法，优化的站点位置，对行政区划内的中转站点按照实际的需求进行优化，在得到覆盖实际路段最多的基础上，进行覆盖区域和重叠区域设定，从而获取所有的覆盖区域和重叠区域的圆心位置进行质心求取后，以质心坐标作为优化后的中转站点的位置，重新规划中转站点，提高配送的效率和时效性。

Description

同城物流网络系统中转站点优化方法与系统
技术领域
本发明涉及物流调配技术领域，具体而言涉及一种同城物流网络系统中转站点优化方法与系统。
背景技术
同城物流配送，是指在一个城市内的地点A-地点B之间的货物流转与配送，既包含传统以上的包裹、文件的流转配送，也包含其他类型的对象的流转配送。同城物流，对时限和效率提出了更高的要求，同时也对物流系统的效率和配送智能化系统提出更高的要求，然而在当前的同城流转与配送中，很大程度上依赖于多个点对点的单一流转与配送，成本高昂，而且效率低下，在满足时效性的同时，如何进行有效的调度，既不影响配送时效，同时也可以实现高效低成本的流转，是物流业面临的难题。
目前，现有的同城调度网络，依赖于以目的地和行政区划为基础的调度策略，以行政区划为基准，设立一个多个中转站点，在中转站点配置一个或者多个物流车(即派送小车)以及派送员，派送员装载货物向派送点进行派递货物。但传统的中转站点作为最小级的调度单元，其选址通常是在快递网络分配时根据行政区划确定的，带有一定的理想化，但在实际配送过程中，会发生很大的偏差，导致配送的效率降低，派送过程在路程中耗时长，时效性差。
发明内容
本发明目的在于提供一种同城物流网络系统中转站点优化方法，优化的站点位置进行重新规划，提高配送效率和时效性。
为实现上述目的，本发明的第一方面提出一种同城物流网络系统中转站点优化方法，包括以下步骤：
步骤1、在城市范围内，根据行政区划来初始化设立中转站点，记录行政区划范围内设立的中转站点Qm以及其经纬度位置构成的位置集合Kini，Kini＝{K1,K2,K3,…,Km}，其中Qi表示第i个初始设立的中转站点，i为正整数，且i∈[1,m],Ki表示第i个中转站点Qi对应的经纬度信息；m表示某一个行政区划内初始设立的中转站点的总数；
步骤2、获取预设时间周期T期间范围内第j个中转站点Qj配置的所有配送物流车辆上报的GPS轨迹数据；
步骤3、基于获得的GPS轨迹数据，遍历中转站点Qj所有配送物流车辆上报的GPS轨迹数据并分别与GIS路网数据进行路网匹配，获得每个GPS轨迹段对应的一个或者多个路段轨迹，并与GIS路网数据中的路段ID关联；
步骤4、以路段ID进行聚类并按照出现的次数从多到少进行排序，得到排序后路段ID序列的前n个路段ID，并确定对应的路段轨迹；
步骤5、基于GPS路网数据获取步骤4得到的前n个路段ID的经纬度信息，并确定路段的中点O，O＝{o1,o2,o3,…,on}；其中on表示第n个路段ID对应路段的中点；
步骤6、将任意两个相邻的中点的连线作为直径，确定圆形覆盖范围以及圆形覆盖范围的圆心位置，然后获取所有的圆心位置的质心坐标，将所得的质心坐标作为优化后的中转站点的位置，重新规划第j个中转站点Qj。
进一步地，所述方法还包括：
对行政区划内所有的中转站点按照上述步骤2-6的操作处理，获得行政区划范围内优化后的中转站点的位置，重新规划中转站点。
根据本发明第二方面提出一种同城物流网络系统中转站点优化系统，包括：
一个或多个处理器；
存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括前述同城物流网络系统中转站点优化方法的过程。
根据本发明第三方面提出一种服务器，包括：
一个或多个处理器；
存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作前述同城物流网络系统中转站点优化方法的过程。
根据本发明第四方面提出一种存储软件的计算机可读取介质，所述软件包括能通过一个或多个计算机执行的指令，所述指令通过这样的执行使得所述一个或多个计算机执行操作，所述操作包括前述同城物流网络系统中转站点优化方法的过程。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
图1是根据本发明示例性实施例的同城物流网络系统中转站点优化方法的流程示意图。
图2是根据本发明示例性实施例的获得中转站点的配送物流车辆的GPS轨迹数据的示意图。
图3是根据本发明示例性实施例的获得排序后的前n个路段的示意图。
图4是根据本发明示例性实施例的对前n个路段的确定圆形覆盖范围的示意图。
图5是根据本发明示例性实施例的获取质心坐标作为优化后的中转站点的位置的示意图。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
根据本发明示例性实施例的同城物流网络系统中转站点优化方法，旨在针对现有技术中同城物流配送的中转站点的规划不合理导致的派送时效性差、耗时和派送成本超标的问题，提出一种基于派送干线识别的物流中转站点优化方法，优化的站点位置进行重新规划，提高配送效率和时效性。
结合图1所示示例的同城物流网络系统中转站点优化方法的流程，其实现过程包括以下步骤：
步骤1、在城市范围内，获取初始化的物流配送网络的中转站点信息，包括在对应的行政区划范围内的中转站点编号、名称和位置信息；
步骤2、获取预设的历史数据，例如以设定的时间周期T做标准，T的取值优选采用3个月或者半年以上，即90天或者180天以上的历史数据作为样本。由于一个区划内的人员(购物或者配送需求)、配送数量在较长时间内基本趋于稳定并且保持状态，而且通过90天或者更长周期的平滑，将可能出现的流动峰值进行平滑和均衡，避免数据的乒乓切换。
然后，将历史数据中从第一个站点开始，获取其所有的配送物流车辆上报的GPS轨迹数据。应当理解的是，配送物流车辆可以是小型货车、电动车或者电动摩托车等配送车辆，包括但不限于燃油车、电动车或者其他车辆，在其配置有定位装置，尤其是GPS定位装置，按照设定的周期或者实时地，向站点或者物流配送系统上报和反馈位置信息，从而形成每一个配送物流车辆在每一天的GPS轨迹。这些配送物流车辆的GPS轨迹即为每天的配送轨迹。
步骤3、将配送物流车辆的每天的GPS轨迹与GIS路网信息进行路网匹配，获得每个GPS轨迹段对应的一个或者多个路段轨迹，并与GIS路网数据中的路段ID关联。由此，将GPS轨迹(经纬度信息)与路网信息(道路和路段信息)匹配，得到对应于每天的配送轨迹的实际走过的路段信息。
步骤4、以路段ID进行聚类并按照覆盖的次数从多到少进行排序，得到排序后路段ID序列的前n个路段ID，并确定对应的路段轨迹。由此，在将路段数据进行聚类和排序，按照所有的配送物流车辆在前述设定时间周期T的时间内的所覆盖的路线进行排序，从多到少排序后，得到了覆盖最多的实际路段信息。
步骤5、在实际覆盖最多的路段基础上，以其中点信息为依据，将任意两个相邻的中点的连线作为直径，确定圆形覆盖范围以及圆形覆盖范围的圆心位置，由此确定他们的覆盖区域和重叠区域，再以所有的圆心位置作为基准，获取其质心坐标，将所得的质心坐标作为优化后的中转站点的位置，重新规划中转站点。
由此，通过本发明上述优化方案，对行政区划内的中转站点按照实际的需求进行优化，在得到覆盖实际路段最多的基础上，进行覆盖区域和重叠区域设定，从而获取所有的覆盖区域和重叠区域的圆心位置进行质心求取后，以质心坐标作为优化后的中转站点的位置，重新规划中转站点，提高配送的效率和时效性。
在具体的实施例中，结合图1-5所示，本发明同城物流网络系统中转站点优化方法的流程包括：
步骤1、在城市范围内，根据行政区划来初始化设立中转站点，记录行政区划范围内设立的中转站点Qm以及其经纬度位置构成的位置集合Kini，Kini＝{K1,K2,K3,…,Km}，其中Qi表示第i个初始设立的中转站点，i为正整数，且i∈[1,m],Ki表示第i个中转站点Qi对应的经纬度信息；m表示某一个行政区划内初始设立的中转站点的总数；
步骤2、获取预设时间周期T期间范围内第j个中转站点Qj配置的所有配送物流车辆上报的GPS轨迹数据；如图2所示，为根据其中一个配时物流车辆上报的GPS信息形成的GPS轨迹数据。每个GPS轨迹点P1,P2,P3,P4,…,P21为例，其中每个点包含时间和经纬度信息，即每个上报的轨迹点包括配置给物流车辆的设备(GPS定位设备)ID以及上报时间信息和位置信息，即P1(ID01、T01、L01)，P2(ID01、T02、L02)，P2(ID01、T03、L03)，以此类推。其中L01表示在T01时刻上报的位置信息。
步骤3、基于获得的GPS轨迹数据，遍历中转站点Qj所有配送物流车辆上报的GPS轨迹数据并分别与GIS路网数据进行路网匹配，获得每个GPS轨迹段对应的一个或者多个路段轨迹，并与GIS路网数据中的路段ID关联；
步骤4、以路段ID进行聚类并按照覆盖的次数从多到少进行排序，得到排序后路段ID序列的前n个路段ID，并确定对应的路段轨迹；
步骤5、基于GPS路网数据获取步骤4得到的前n个路段ID的经纬度信息，并确定路段的中点O，O＝{o1,o2,o3,…,on}；其中on表示第n个路段ID对应路段的中点；
步骤6、将任意两个相邻的中点的连线作为直径，确定圆形覆盖范围以及圆形覆盖范围的圆心位置，然后获取所有的圆心位置的质心坐标，将所得的质心坐标作为优化后的中转站点的位置，重新规划第j个中转站点Qj。
进一步的，在此基础上，对行政区划内所有的中转站点按照上述步骤2-6的操作处理，获得行政区划范围内优化后的中转站点的位置，重新规划中转站点。
优选地，在所述步骤1中进行初始化设立中转站点的过程中，基于行政区划的经纬度中心进行初始化设立中转站点，或者基于行政区划的人口密度进行初始化设立中转站点。
在可选的方案中，还可以根据行政区划的商业综合体、住宅小区以及商业/工业园区的规划进行初始化设立中转站点。
优选地，在步骤2中，还包括对GPS轨迹数据的清洗，去除无效数据。例如采用卡尔曼滤波或者中值滤波对GPS轨迹数据进行平滑，消除无效的峰值数据。
优选地，在步骤3中，基于每隔设定时间间隔t采集和上报的GPS轨迹数据，将时间序列连续的GPS位置数据与GIS路网数据中的临近路段的位置信息进行连续计算，若至少三个以上的位置间隔在预设的范围内，将GPS轨迹段与GIS路网数据中的对应路段匹配，并关联路段ID。可选地，配置在物流配送车辆上的定位装置可以按照设定的时间周期，例如5s、10s或者1min等上传周期，或者实时地将位置信息上报，从而根据实际配送运行来获得历史样本的所有的位置信息。
结合图2-3示，图3表示进行路网匹配并进行路线聚类分析后，得到的前n个路段的示意图。在进行路网匹配后，对应的例如P1-P2轨迹匹配值一个路段ID，例如以Segment_ID1为示例，其他的轨迹点和轨迹匹配以此类推。由此进行排序后，得到的前n个路段ID，本发明以5个为例进行说明，以Segment_ID1-Segment_ID5举例说明，分别对应于P1-P2,、P4-P5、P6-P7、P12-P13以及P18-P19轨迹点对应的路段。
由此，得到最多覆盖的5个路段，并结合路网GIS数据，分别得到其中点位置，以o1,o2,o3,o4,o5分别表示。对应地，结合图4，将每个中点与任意相邻的中点进行连线，并以连线的中点作为质心OP，重新规划站点，结合图5。
基于一个区划范围内，快递货物的多少、需求配送量在一定时期范围内基本上是保持稳定的，一般变动可能性不大，所以本发明通过实际运行的样本数据，针对性地把区域范围内的实际覆盖路线中的最多路段信息进行聚类，再对排序后的每段的质心求出来，得到很多不连续的路段以及其中心点信息，然后把任意相邻的中心作为直径，确定圆形的范围空间和圆心位置然后把所有的圆心位置求质心，这个质心作为优化的站点位置，可以重新规划站点，提高辐射能力和配送的效率。
结合图示，本发明还可以被设置成按照下述方式实施。
根据本发明的实施例，还提出一种同城物流网络系统中转站点优化系统，包括：
一个或多个处理器；
存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括前述同城物流网络系统中转站点优化方法的过程。
根据本发明的实施例，还提出一种服务器，包括：
一个或多个处理器；
存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括前述同城物流网络系统中转站点优化方法的过程。
根据本发明的实施例，还提出一种存储软件的计算机可读取介质，所述软件包括能通过一个或多个计算机执行的指令，所述指令通过这样的执行使得所述一个或多个计算机执行操作，所述操作包括前述同城物流网络系统中转站点优化方法的过程。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (9)

1.一种同城物流网络系统中转站点优化方法，其特征在于，包括以下步骤：
步骤1、在城市范围内，根据行政区划来初始化设立中转站点，记录行政区划范围内设立的中转站点Qm以及其经纬度位置构成的位置集合Kini，Kini={K1,K2,K3,…, Km}，其中Qi表示第i个初始设立的中转站点，i为正整数，且i∈[1,m],Ki表示第i个中转站点Qi对应的经纬度信息；m表示某一个行政区划内初始设立的中转站点的总数；
步骤2、获取预设时间周期T期间范围内第j个中转站点Qj配置的所有配送物流车辆上报的GPS轨迹数据；
步骤3、基于获得的GPS轨迹数据，遍历中转站点Qj所有配送物流车辆上报的GPS轨迹数据并分别与GIS路网数据进行路网匹配，获得每个GPS轨迹段对应的一个或者多个路段轨迹，并与GIS路网数据中的路段ID关联；
步骤4、以路段ID进行聚类并按照覆盖的次数从多到少进行排序，得到排序后路段ID序列的前n个路段ID，并确定对应的路段轨迹；
步骤5、基于GPS路网数据获取步骤4得到的前n个路段ID的经纬度信息，并确定路段的中点O，O={o1,o2,o3,…,on}；其中on表示第n个路段ID对应路段的中点；
步骤6、将任意两个相邻的中点的连线作为直径，确定圆形覆盖范围以及圆形覆盖范围的圆心位置，然后获取所有的圆心位置的质心坐标，将所得的质心坐标作为优化后的中转站点的位置，重新规划第j个中转站点Qj；
其中，在所述步骤3中，基于每隔设定时间间隔t采集和上报的GPS轨迹数据，将时间序列连续的GPS位置数据与GIS路网数据中的临近路段的位置信息进行连续计算，若至少三个以上的位置间隔在预设的范围内，将GPS轨迹段与GIS路网数据中的对应路段匹配，并关联路段ID。
2.根据权利要求1所述的同城物流网络系统中转站点优化方法，其特征在于，在所述步骤1中进行初始化设立中转站点的过程中，基于行政区划的经纬度中心进行初始化设立中转站点。
3.根据权利要求1所述的同城物流网络系统中转站点优化方法，其特征在于，在所述步骤1中进行初始化设立中转站点的过程中，基于行政区划的人口密度进行初始化设立中转站点。
4.根据权利要求1所述的同城物流网络系统中转站点优化方法，其特征在于，在所述步骤2中，还包括对GPS轨迹数据的清洗，去除无效数据。
5.根据权利要求4所述的同城物流网络系统中转站点优化方法，其特征在于，采用卡尔曼滤波或者中值滤波对GPS轨迹数据进行平滑，消除无效的峰值数据。
6.根据权利要求1所述的同城物流网络系统中转站点优化方法，其特征在于，所述方法还包括：
对行政区划内所有的中转站点按照上述步骤2-6的操作处理，获得行政区划范围内优化后的中转站点的位置，重新规划中转站点。
7.一种同城物流网络系统中转站点优化系统，其特征在于，包括：
一个或多个处理器；
存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括权利要求1-6中任意一项的同城物流网络系统中转站点优化方法的过程。
8.一种服务器，其特征在于，包括：
一个或多个处理器；
存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括权利要求1-6中任意一项的同城物流网络系统中转站点优化方法的过程。
9.一种存储软件的计算机可读取介质，其特征在于，所述软件包括能通过一个或多个计算机执行的指令，所述指令通过这样的执行使得所述一个或多个计算机执行操作，所述操作包括权利要求1-6中任意一项的同城物流网络系统中转站点优化方法的过程。
CN202011323576.3A 2020-11-23 2020-11-23 同城物流网络系统中转站点优化方法与系统 Active CN112465209B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011323576.3A CN112465209B (zh) 2020-11-23 2020-11-23 同城物流网络系统中转站点优化方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011323576.3A CN112465209B (zh) 2020-11-23 2020-11-23 同城物流网络系统中转站点优化方法与系统

Publications (2)

Publication Number Publication Date
CN112465209A CN112465209A (zh) 2021-03-09
CN112465209B true CN112465209B (zh) 2021-05-28

Family

ID=74798584

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011323576.3A Active CN112465209B (zh) 2020-11-23 2020-11-23 同城物流网络系统中转站点优化方法与系统

Country Status (1)

Country Link
CN (1) CN112465209B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104318324A (zh) * 2014-10-13 2015-01-28 南京大学 基于出租车gps记录的机场巴士站点及路线规划方法
CN109916413A (zh) * 2019-03-18 2019-06-21 华南师范大学 基于网格划分的道路匹配方法、系统、装置和存储介质
CN111397604A (zh) * 2020-06-03 2020-07-10 腾讯科技（深圳）有限公司 一种分析轨迹数据的方法、相关设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11035896B2 (en) * 2018-05-22 2021-06-15 Guangdong University Of Technology Method and device for reliability assessment of wide area protection system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104318324A (zh) * 2014-10-13 2015-01-28 南京大学 基于出租车gps记录的机场巴士站点及路线规划方法
CN109916413A (zh) * 2019-03-18 2019-06-21 华南师范大学 基于网格划分的道路匹配方法、系统、装置和存储介质
CN111397604A (zh) * 2020-06-03 2020-07-10 腾讯科技（深圳）有限公司 一种分析轨迹数据的方法、相关设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
结合Canopy-K-means算法和出租车轨迹数据的公交车站预测方法;刘旭等;《测绘通报》;20181231(第11期);全文 *

Also Published As

Publication number Publication date
CN112465209A (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
Kuo et al. Public transport for smart cities: Recent innovations and future challenges
CN108773279B (zh) 一种电动汽车充电路径规划方法及装置
CN105632173B (zh) 利用出租车gps数据进行城市公交系统的优化识别方法
CN111461624A (zh) 物流线路规划方法、装置、设备及存储介质
CN105788260A (zh) 一种基于智能公交系统数据的公交乘客od推算方法
CN108053058B (zh) 一种基于大数据的电动出租车充电桩选址方法
CN105225472A (zh) 一种拼车方法与设备
CN103985247A (zh) 基于城市叫车需求分布密度的出租车运力调度系统
CN102819950A (zh) 一种交通工具搭载辅助决策的系统和方法
CN102800212B (zh) 一种物联网环境下的智能泊车系统
Bathla et al. Real-time distributed taxi ride sharing
Bie et al. Bus scheduling of overlapping routes with multi-vehicle types based on passenger OD data
CN102062608B (zh) 备选路径规划方法及导航终端
CN112036757A (zh) 基于手机信令和浮动车数据的停车换乘停车场的选址方法
CN113177742A (zh) 基于智能交通的公交服务方法、系统、终端及存储介质
Noda et al. Evaluation of usability of dial-a-ride systems by social simulation
CN114971136A (zh) 一种公交及巡游小巴调度方法
Horák et al. Large scale monitoring of public transport accessibility in the Czech Republic
CN106570182A (zh) 公交车辆下车站点识别方法与系统
CN112465209B (zh) 同城物流网络系统中转站点优化方法与系统
CN106295868A (zh) 交通出行数据处理方法及装置
CN116090785B (zh) 针对大型活动散场场景两阶段的定制公交规划方法
CN116757394A (zh) 一种调度系统及方法、设备、计算机可读存储介质
CN115526427A (zh) 一种垃圾转运站规划布局方法
Zhang et al. Dynamic Ridesharing Strategy for Shared Autonomous Vehicles Based on Maximum Similarity of Trajectories

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 201, Block D, Hatching Building, 99 Unity Road, Yanchuang Garden, Jiangbei New District, Nanjing City, Jiangsu Province, 210000

Applicant after: Jiangsu Wucheng Co.,Ltd.

Address before: Room 201, Block D, Hatching Building, 99 Unity Road, Yanchuang Garden, Jiangbei New District, Nanjing City, Jiangsu Province, 210000

Applicant before: Jiangsu Wucheng Copolymerization Network Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant