CN112927116A - 一种智慧交通的智能调度方法、装置及调度中心 - Google Patents
一种智慧交通的智能调度方法、装置及调度中心 Download PDFInfo
- Publication number
- CN112927116A CN112927116A CN202110076773.8A CN202110076773A CN112927116A CN 112927116 A CN112927116 A CN 112927116A CN 202110076773 A CN202110076773 A CN 202110076773A CN 112927116 A CN112927116 A CN 112927116A
- Authority
- CN
- China
- Prior art keywords
- information
- scheduling
- time
- vehicle operation
- vehicle
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012549 training Methods 0.000 claims description 54
- 230000003111 delayed effect Effects 0.000 claims description 24
- 238000012546 transfer Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 description 22
- 230000001133 acceleration Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000012634 fragment Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种智慧交通的智能调度方法、装置及调度中心。在该方法中,根据多个车辆运营线路信息的站点分布信息,以及车辆运营线路信息在当前时间段之前的N个连续时间段对应的车辆调度信息,并根据车辆调度信息确定调度耗时匹配信息,从而根据站点分布信息和调度耗时匹配信息确定车辆运营线路信息在当前时间段的调度耗时匹配信息,进而通过当前时间段的调度耗时匹配信息对实时调度耗时信息进行调整,然后根据调整后的实时调度耗时信息从多个车辆运营线路信息中确定目标车辆运营线路信息,并将目标车辆运营线路信息推荐给车载终端。如此,能够更加及时、准确地得到目标车辆运营线路信息,相应的提高了目标车辆运营线路信息推荐的精准性。
Description
技术领域
本公开涉及智慧交通技术领域,特别涉及一种智慧交通的智能调度方法、装置及调度中心。
背景技术
智慧交通是在交通领域中充分运用物联网、云计算、人工智能、自动控制、移动互联网等现代电子信息技术。而如今,为了确保城市交通调度的正常调度,现有的调度方法是通过调度人员进行调度,若在遇到紧急情况时,调度人员因调度权限问题而导致无法第一时间进行车辆调度,这时将导致无法及时地为目标车辆推荐目标运营线路信息,相应地将会降低目标车辆运营线路信息推荐的精准性。
发明内容
为改善相关技术中存在的技术问题,本公开提供了一种智慧交通的智能调度方法、装置及调度中心。
本发明提供了一种智慧交通的智能调度方法,所述方法包括:
获取多个车辆运营线路信息的站点分布信息,以及所述多个车辆运营线路信息在当前时间段之前的N个连续时间段对应的N个车辆调度信息序列;其中,每一时间段的车辆调度信息序列包括所述车辆运营线路信息在多个道路安全状态下的车辆调度信息;
分别获取各车辆运营线路信息的N个车辆调度信息序列中每一车辆调度信息序列对应的调度耗时匹配信息集合;其中,每一调度耗时匹配信息集合包括所述车辆运营线路信息在多个道路安全状态下的调度耗时匹配信息,每一调度耗时匹配信息表示一个道路安全状态下实时调度耗时信息与延迟调度耗时信息之间的匹配信息;
利用已训练的线路调度模型,根据各车辆运营线路信息的站点分布信息与N个车辆调度信息序列对应的N个调度耗时匹配信息集合,获取各车辆运营线路信息在当前时间段的调度耗时匹配信息;其中,所述线路调度模型是利用多个模型训练样本训练得到的,每一模型训练样本包括一个车辆运营线路信息的站点分布信息以及N+1个连续时间段的调度耗时匹配信息集合;所述调度耗时匹配信息表示车辆运营线路信息的实时调度耗时信息与延迟调度耗时信息之间的匹配信息;
通过各车辆运营线路信息在当前时间段的调度耗时匹配信息分别对各车辆运营线路信息的实时调度耗时信息进行调整;
根据各车辆运营线路信息调整后的实时调度耗时信息,从所述多个车辆运营线路信息中确定目标车辆运营线路信息,并将所述目标车辆运营线路信息推荐给车载终端。
优选地,所述线路调度模型是通过如下训练过程训练得到的:从预设数据库中获取设定数量的模型训练样本;通过获取的模型训练样本,按照设定的训练指标对所述线路调度模型进行多次训练,每一次训练过程包括如下步骤:根据所述站点分布信息以及N+1个连续时间段中前N个时间段的调度耗时匹配信息集合,通过所述线路调度模型,获取每一模型训练样本的车辆运营线路信息在第N+1个时间段的调度耗时匹配信息;根据所述模型训练样本的车辆运营线路信息在第N+1个时间段的调度耗时匹配信息,与所述模型训练样本中第N+1个时间段的调度耗时匹配信息集合,获取所述线路调度模型的模型评价数据;根据所述模型评价数据确定是否继续对所述线路调度模型进行训练;若确定继续对所述线路调度模型进行训练,则对所述线路调度模型的模型训练参数进行调整,并通过调整后的所述线路调度模型继续下一次训练过程。
优选地,所述线路调度模型包括任务分配模型和站台调度时间模型,则针对每一车辆运营线路信息,利用线路调度模型获取调度耗时匹配信息,包括:
根据所述N个调度耗时匹配信息集合,通过所述任务分配模型获取车辆运营线路信息的调度耗时匹配内容;
根据所述站点分布信息,通过所述站台调度时间模型获取车辆运营线路信息的调度后的发车频率;
基于所述任务分配模型和所述站台调度时间模型的权重,根据所述调度耗时匹配内容和所述调度后的发车频率得到在当前时间段的调度耗时匹配信息;
其中,根据所述N个调度耗时匹配信息集合,通过所述任务分配模型获取车辆运营线路信息的调度耗时匹配内容,包括:
根据每一道路安全状态在每一时间段内的车辆调动量所属的调动量区间,确定所述每一道路安全状态在每一时间段内的调度耗时匹配信息集合对应的调度耗时匹配内容片段,其中,所述调动量区间是根据车辆调动量的频率进行划分的;将各个道路安全状态在各时间段的调度耗时匹配内容片段进行融合,得到车辆运营线路信息对应的调度耗时匹配内容;
其中,根据每一道路安全状态在每一时间段内的车辆调动量所属的调动量区间,确定所述每一道路安全状态在每一时间段内的调度耗时匹配信息集合对应的调度耗时匹配内容片段,包括:
将所述每一道路安全状态在每一时间段内的车辆调动量所属的调动量区间对应调动匹配值为所述每一道路安全状态在每一时间段的调度耗时匹配信息,除所述每一道路安全状态在每一时间段内的车辆调动量所属的调动量区间之外的其余调动量区间对应调动匹配值删除,以得到所述每一道路安全状态在每一时间段内的调度耗时匹配信息集合对应的调度耗时匹配内容片段。
优选地,所述多个道路安全状态包括多个局部道路安全状态和由所述多个局部道路安全状态进行融合得到的全局道路安全状态。
优选地,所述站台调度时间模型包括地理位置融合层和至少两个时长分析层,则根据所述站点分布信息,通过所述站台调度时间模型获取车辆运营线路信息的调度后的发车频率,包括:
通过所述地理位置融合层,将所述站点分布信息中各站点位置信息和各站点位置信息对应的位置坐标信息进行融合,并获取融合后的各站点位置信息和各站点位置信息对应的位置坐标信息对应的发车时长点;
通过所述至少两个时长分析层,对各站点位置信息对应的发车时长点进行分析,以得到所述调度后的发车频率。
优选地,根据各车辆运营线路信息调整后的实时调度耗时信息,从所述多个车辆运营线路信息中确定目标车辆运营线路信息,并将所述目标车辆运营线路信息推荐给车载终端,包括:
分别根据各车辆运营线路信息调整后的实时调度耗时信息,确定各车辆运营线路信息在目标街道区域内进行调度所对应的调度策略;
根据各车辆运营线路信息对应的调度策略,对所述多个车辆运营线路信息进行识别;
根据识别结果从所述多个车辆运营线路信息确定所述目标车辆运营线路信息,并将所述目标车辆运营线路信息推荐给车载终端。
优选地,该方法还包括:将目标车辆运营线路信息作为待分析城市交通状态数据,并进行实时城市交通状态分析。
本发明还提供了一种智慧交通的智能调度装置,所述装置包括:
站点分布信息获取模块,用于获取多个车辆运营线路信息的站点分布信息,以及所述多个车辆运营线路信息在当前时间段之前的N个连续时间段对应的N个车辆调度信息序列;其中,每一时间段的车辆调度信息序列包括所述车辆运营线路信息在多个道路安全状态下的车辆调度信息;
调度耗时信息确定模块,用于分别获取各车辆运营线路信息的N个车辆调度信息序列中每一车辆调度信息序列对应的调度耗时匹配信息集合;其中,每一调度耗时匹配信息集合包括所述车辆运营线路信息在多个道路安全状态下的调度耗时匹配信息,每一调度耗时匹配信息表示一个道路安全状态下实时调度耗时信息与延迟调度耗时信息之间的匹配信息;
运营线路耗时分析模块,用于利用已训练的线路调度模型,根据各车辆运营线路信息的站点分布信息与N个车辆调度信息序列对应的N个调度耗时匹配信息集合,获取各车辆运营线路信息在当前时间段的调度耗时匹配信息;其中,所述线路调度模型是利用多个模型训练样本训练得到的,每一模型训练样本包括一个车辆运营线路信息的站点分布信息以及N+1个连续时间段的调度耗时匹配信息集合;所述调度耗时匹配信息表示车辆运营线路信息的实时调度耗时信息与延迟调度耗时信息之间的匹配信息;
调度耗时调整模块,用于通过各车辆运营线路信息在当前时间段的调度耗时匹配信息分别对各车辆运营线路信息的实时调度耗时信息进行调整;
运营线路推荐模块,用于根据各车辆运营线路信息调整后的实时调度耗时信息,从所述多个车辆运营线路信息中确定目标车辆运营线路信息,并将所述目标车辆运营线路信息推荐给车载终端。
本发明还提供了一种调度中心,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中调取计算机程序,并通过运行所述计算机程序实现上述所述的方法。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在运行时实现上述所述的方法。
本公开的实施例提供的技术方案可以包括以下有益效果。
本公开提供了一种智慧交通的智能调度方法、装置及调度中心,根据多个车辆运营线路信息的站点分布信息,以及车辆运营线路信息在当前时间段之前的N个连续时间段对应的车辆调度信息,并根据车辆调度信息确定调度耗时匹配信息,从而根据站点分布信息和调度耗时匹配信息确定车辆运营线路信息在当前时间段的调度耗时匹配信息,进而通过当前时间段的调度耗时匹配信息对实时调度耗时信息进行调整,然后根据调整后的实时调度耗时信息从多个车辆运营线路信息中确定目标车辆运营线路信息,并将目标车辆运营线路信息推荐给车载终端。如此,能够更加准确、及时地得到目标车辆运营线路信息,相应的提高了目标车辆运营线路信息推荐的精准性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并于说明书一起用于解释本发明的原理。
图1是本发明实施例提供的一种智慧交通的智能调度方法的流程图。
图2是本发明实施例提供的一种智慧交通的智能调度装置的框图。
图3是本发明实施例提供的一种调度中心的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
为解决背景存在的技术问题,请结合参阅图1,提供了一种智慧交通的智能调度方法的流程示意图,在实现上述方法时具体执行以下步骤11-步骤15所描述的内容。
步骤11,获取多个车辆运营线路信息的站点分布信息,以及所述多个车辆运营线路信息在当前时间段之前的N个连续时间段对应的N个车辆调度信息序列。
在本实施例中,每一时间段的车辆调度信息序列包括所述车辆运营线路信息在多个道路安全状态下的车辆调度信息。
步骤12,分别获取各车辆运营线路信息的N个车辆调度信息序列中每一车辆调度信息序列对应的调度耗时匹配信息集合。
在本实施例中,每一调度耗时匹配信息集合包括所述车辆运营线路信息在多个道路安全状态下的调度耗时匹配信息,每一调度耗时匹配信息表示一个道路安全状态下实时调度耗时信息与延迟调度耗时信息之间的匹配信息。
步骤13,利用已训练的线路调度模型,根据各车辆运营线路信息的站点分布信息与N个车辆调度信息序列对应的N个调度耗时匹配信息集合,获取各车辆运营线路信息在当前时间段的调度耗时匹配信息。
在本实施例中,所述线路调度模型是利用多个模型训练样本训练得到的,每一模型训练样本包括一个车辆运营线路信息的站点分布信息以及N+1个连续时间段的调度耗时匹配信息集合;所述调度耗时匹配信息表示车辆运营线路信息的实时调度耗时信息与延迟调度耗时信息之间的匹配信息。
步骤14,通过各车辆运营线路信息在当前时间段的调度耗时匹配信息分别对各车辆运营线路信息的实时调度耗时信息进行调整。
步骤15,根据各车辆运营线路信息调整后的实时调度耗时信息,从所述多个车辆运营线路信息中确定目标车辆运营线路信息,并将所述目标车辆运营线路信息推荐给车载终端。
通过执行步骤11-步骤15所描述的内容能够达到如下有益技术效果:根据多个车辆运营线路信息的站点分布信息,以及车辆运营线路信息在当前时间段之前的N个连续时间段对应的车辆调度信息,并根据车辆调度信息确定调度耗时匹配信息,从而根据站点分布信息和调度耗时匹配信息确定车辆运营线路信息在当前时间段的调度耗时匹配信息,进而通过当前时间段的调度耗时匹配信息对实时调度耗时信息进行调整,然后根据调整后的实时调度耗时信息从多个车辆运营线路信息中确定目标车辆运营线路信息,并将目标车辆运营线路信息推荐给车载终端。如此,能够更加准确、及时地得到目标车辆运营线路信息,相应的提高了目标车辆运营线路信息推荐的精准性。
可以理解,所述线路调度模型是通过如下训练过程训练得到的:从预设数据库中获取设定数量的模型训练样本;通过获取的模型训练样本,按照设定的训练指标对所述线路调度模型进行多次训练,每一次训练过程包括如下步骤:根据所述站点分布信息以及N+1个连续时间段中前N个时间段的调度耗时匹配信息集合,通过所述线路调度模型,获取每一模型训练样本的车辆运营线路信息在第N+1个时间段的调度耗时匹配信息;根据所述模型训练样本的车辆运营线路信息在第N+1个时间段的调度耗时匹配信息,与所述模型训练样本中第N+1个时间段的调度耗时匹配信息集合,获取所述线路调度模型的模型评价数据;根据所述模型评价数据确定是否继续对所述线路调度模型进行训练;若确定继续对所述线路调度模型进行训练,则对所述线路调度模型的模型训练参数进行调整,并通过调整后的所述线路调度模型继续下一次训练过程。
优选地,所述线路调度模型包括任务分配模型和站台调度时间模型,则针对每一车辆运营线路信息,利用线路调度模型获取调度耗时匹配信息,包括:根据所述N个调度耗时匹配信息集合,通过所述任务分配模型获取车辆运营线路信息的调度耗时匹配内容;根据所述站点分布信息,通过所述站台调度时间模型获取车辆运营线路信息的调度后的发车频率;基于所述任务分配模型和所述站台调度时间模型的权重,根据所述调度耗时匹配内容和所述调度后的发车频率得到在当前时间段的调度耗时匹配信息。
进一步地,根据所述N个调度耗时匹配信息集合,通过所述任务分配模型获取车辆运营线路信息的调度耗时匹配内容,包括:根据每一道路安全状态在每一时间段内的车辆调动量所属的调动量区间,确定所述每一道路安全状态在每一时间段内的调度耗时匹配信息集合对应的调度耗时匹配内容片段,其中,所述调动量区间是根据车辆调动量的频率进行划分的;将各个道路安全状态在各时间段的调度耗时匹配内容片段进行融合,得到车辆运营线路信息对应的调度耗时匹配内容。
可以理解,根据每一道路安全状态在每一时间段内的车辆调动量所属的调动量区间,确定所述每一道路安全状态在每一时间段内的调度耗时匹配信息集合对应的调度耗时匹配内容片段,包括:将所述每一道路安全状态在每一时间段内的车辆调动量所属的调动量区间对应调动匹配值为所述每一道路安全状态在每一时间段的调度耗时匹配信息,除所述每一道路安全状态在每一时间段内的车辆调动量所属的调动量区间之外的其余调动量区间对应调动匹配值删除,以得到所述每一道路安全状态在每一时间段内的调度耗时匹配信息集合对应的调度耗时匹配内容片段。
优选地,所述多个道路安全状态包括多个局部道路安全状态和由所述多个局部道路安全状态进行融合得到的全局道路安全状态。
进一步地,所述站台调度时间模型包括地理位置融合层和至少两个时长分析层,则根据所述站点分布信息,通过所述站台调度时间模型获取车辆运营线路信息的调度后的发车频率,包括:通过所述地理位置融合层,将所述站点分布信息中各站点位置信息和各站点位置信息对应的位置坐标信息进行融合,并获取融合后的各站点位置信息和各站点位置信息对应的位置坐标信息对应的发车时长点;通过所述至少两个时长分析层,对各站点位置信息对应的发车时长点进行分析,以得到所述调度后的发车频率。
优选地,步骤15所描述的根据各车辆运营线路信息调整后的实时调度耗时信息,从所述多个车辆运营线路信息中确定目标车辆运营线路信息,并将所述目标车辆运营线路信息推荐给车载终端,包括:分别根据各车辆运营线路信息调整后的实时调度耗时信息,确定各车辆运营线路信息在目标街道区域内进行调度所对应的调度策略;根据各车辆运营线路信息对应的调度策略,对所述多个车辆运营线路信息进行识别;根据识别结果从所述多个车辆运营线路信息确定所述目标车辆运营线路信息,并将所述目标车辆运营线路信息推荐给车载终端。
进一步地,本发明还可以包括步骤16:将目标车辆运营线路信息作为待分析城市交通状态数据,并进行实时城市交通状态分析。
更进一步地,步骤16所描述的将目标车辆运营线路信息作为待分析城市交通状态数据,并进行实时城市交通状态分析,具体还可以包括以下内容。
步骤161,获取待分析城市交通状态数据,确定所述待分析城市交通状态数据的基准参考数据。
在本实施例中,所述基准参考数据包括基准人流密度数据和基准车流密度数据。
步骤162,从所述待分析城市交通状态数据对应的当前实时城市交通状态中选取当前实时人流密度数据,基于所述待分析城市交通状态数据获取对应的待处理实时车流密度数据。
步骤163,基于所述当前实时人流密度数据、所述待处理实时车流密度数据和所述基准参考数据进行事故路段识别,得到目标事故路段信息。
步骤164,根据目标事故路段信息从所述当前实时城市交通状态中选取已标记的实时车流密度数据,根据所述已标记的实时车流密度数据和所述当前实时人流密度数据确定所述当前实时城市交通状态对应的调整路段信息。
步骤165,基于所述目标事故路段信息将所述已标记的实时车流密度数据和所述当前实时人流密度数据进行密度数据分析得到基准数据分析结果,根据所述基准数据分析结果与所述基准参考数据的第一偏差数据信息调整所述当前实时人流密度数据和待处理实时车流密度数据,返回所述事故路段识别的步骤,直到满足第一安全行驶条件。
步骤166,基于满足第一安全行驶条件的调整路段信息和目标事故路段信息进行实时城市交通状态分析,得到所述待分析城市交通状态数据对应的目标城市交通安全状态。
在执行上述步骤161-步骤166所描述的方法时可以达到如下有益技术效果:通过从获取到的待分析城市交通状态数据中确定基准参考数据、待处理实时车流密度数据以及从对应的实时城市交通状态中选取当前实时人流密度数据,其次根据当前实时人流密度数据、待处理实时车流密度数据和基准参考数据进行事故路段识别,使用得到的目标事故路段信息从实时城市交通状态中选取已标记的实时车流密度数据,这样能够选取到更加准确的实时车流密度数据,进而使用已标记的实时车流密度数据和当前实时人流密度数据确定实时城市交通状态对应的调整路段信息,使得每次迭代时,使用已标记的实时车流密度数据和当前实时人流密度数据确定调整路段信息,能够得到更加准确的调整路段信息,然后在满足安全行驶条件时,使用调整路段信息和目标事故路段信息进行实时城市交通状态分析。这样一来,能够避免在对实时城市交通状态进行分析时产生不准确的城市交通安全状态的问题,从而使得分析出的目标城市交通安全状态更加准确。
在具体实施时,为了能够快速地确定出满足第一安全行驶条件的城市交通状态,步骤165所描述的在所述根据所述基准数据分析结果与所述基准参考数据的第一偏差数据信息调整所述当前实时人流密度数据和待处理实时车流密度数据,返回所述事故路段识别的步骤,直到满足第一安全行驶条件,具体包括步骤1651和步骤1652。
步骤1651,基于所述基准数据分析结果与所述基准参考数据确定第一偏差数据信息,当所述第一偏差数据信息未满足第一安全行驶条件时,基于所述调整路段信息调整所述当前实时城市交通状态,得到已标记的实时城市交通状态;
步骤1652,从所述已标记的实时城市交通状态中选取已标记的实时人流密度数据,得到调整的当前实时人流密度数据,并将所述已标记的实时车流密度数据作为调整的待处理实时车流密度数据,返回基于所述当前实时人流密度数据、所述待处理实时车流密度数据、所述基准参考数据进行事故路段识别,得到目标事故路段信息的步骤,直到满足第一安全行驶条件。
这样一来,通过执行步骤1651和步骤1652所描述的内容,首先确定出基准数据分析结果与基准参考数据的第一偏差数据信息,进而判断第一偏差数据信息是否满足第一安全行驶条件,若未满足,则根据调整路段信息调整当前实时城市交通状态,这样能够有针对性地对当前实时城市交通状态进行调整,同时能够准确地得到已标记的实时城市交通状态,进而在已标记的实时城市交通状态中选取已标记的实时人流密度数据,这样能够快速地、实时地判断出已标记的实时城市交通状态中实时人流密度数据,然后基于当前实时人流密度数据、待处理实时车流密度数据以及基准参考数据进行事故路段识别。如此,通过上述描述内容进行多次迭代,能够快速地确定出满足第一安全行驶条件的城市交通状态。
在本实施例中,所述待分析城市交通状态数据为实时城市交通状态指标,所述基准数据分析结果包括基准动态人流密度数据和基准动态车流密度数据。进一步地,步骤1651所描述的基于所述基准数据分析结果与所述基准参考数据确定第一偏差数据信息,在第一种实施方式中可以包括:基于所述基准动态人流密度数据与所述基准人流密度数据确定人流密度数据对应的偏差数据信息,并基于所述基准动态车流密度数据与所述基准车流密度数据确定车流密度数据对应的偏差数据信息;基于所述车流密度数据对应的偏差数据信息与所述人流密度数据对应的偏差数据信息,得到所述基准数据分析结果与所述基准参考数据的第一偏差数据信息。
在一些可替换的实施方式中,所述待分析城市交通状态数据为延时城市交通状态指标,所述基准数据分析结果包括基准动态人流密度数据和基准动态车流密度数据;进一步地,步骤1651所描述的基于所述基准数据分析结果与所述基准参考数据确定第一偏差数据信息,在第二种实施方式中还可以包括:基于所述基准动态人流密度数据与所述基准人流密度数据确定人流密度数据对应的偏差数据信息,并基于所述基准动态车流密度数据与所述基准车流密度数据确定车流密度数据对应的偏差数据信息;获取所述延时城市交通状态指标的下一城市交通状态指标对应的下一路段信息;其中,所述下一路段信息是所述下一城市交通状态指标在实时城市交通状态分析时使用的路段信息;确定所述下一路段信息与所述调整路段信息的路段偏差数据信息,基于所述车流密度数据对应的偏差数据信息、所述人流密度数据对应的偏差数据信息和所述路段偏差数据信息,得到所述基准数据分析结果与所述基准参考数据的第一偏差数据信息。
上述两种实施方式中的任意一种实施方式都能够准确地确定出第一偏差数据信息。
在具体实施时,为了从路况安全信息中快速、实时地确定基准人流密度数据和基准车流密度数据,能够避免因出错城市交通状态而导致对路况安全信息检测出现偏差的问题,避免确定出的基准人流密度数据和基准车流密度数据不准确的情况,步骤161所描述的确定所述待分析城市交通状态数据对应的基准人流密度数据和基准车流密度数据,具体包括步骤1611-步骤1613所描述的内容。
步骤1611,基于所述待分析城市交通状态数据进行城市交通状态解析,得到城市交通状态变化趋势。
步骤1612,在所述城市交通状态变化趋势中进行城市交通状态对应的路况安全信息检测,得到所述待分析城市交通状态数据对应的城市交通状态对应的路况安全信息。
步骤1613,从所述城市交通状态对应的路况安全信息中确定基准人流密度数据和基准车流密度数据。
如此,执行步骤1611-步骤1613所描述的内容,首先对城市交通状态进行解析,进而确定出城市交通状态变化趋势,其次根据城市交通状态变化趋势对城市交通状态对应的路况安全信息进行检测,以检测出安全的路况信息,在此基础上,从路况安全信息中快速、实时地确定基准人流密度数据和基准车流密度数据,这样能够避免因出错城市交通状态而导致对路况安全信息检测出现偏差的问题,进而避免确定出的基准人流密度数据和基准车流密度数据不准确的情况。
在一些可替换的实施方式中,所述待分析城市交通状态数据为实时城市交通状态指标;进一步,为了能够确保选取的待处理实时车流密度数据的实时性,步骤162所描述的基于所述城市交通状态指标获取对应的待处理实时车流密度数据,具体可以包括步骤1621和步骤1622。
步骤1621,获取城市交通拥堵量,根据所述城市交通拥堵量将所述当前实时人流密度数据加载至基准密度数据集合中,得到当前人流密度数据,基于所述当前人流密度数据和所述基准人流密度数据进行事故路段识别,得到更新路段人流密度数据;
步骤1622,根据所述更新路段人流密度数据从所述当前实时城市交通状态的实时城市交通状态对应的车流密度数据变化趋势中选取所述实时城市交通状态指标对应的待处理实时车流密度数据。
上述步骤1621和步骤1622的描述内容,首先根据当前人流密度数据和所述基准人流密度数据进行事故路段识别,进而实时得到更新路段人流密度数据,然后在得到更新路段人流密度数据的基础上,从车流密度数据变化趋势中选取实时城市交通状态指标对应的待处理实时车流密度数据。这样能够确保选取的待处理实时车流密度数据的实时性。
进一步地,步骤1621所描述的获取城市交通拥堵量,包括:
步骤16211,获取各个拥堵路段对应的拥堵指数,从所述各个拥堵路段对应的拥堵指数选取当前拥堵路段;
步骤16212,根据所述当前拥堵路段将所述当前实时人流密度数据加载至基准密度数据集合中,得到拥堵路段当前人流密度数据,基于所述拥堵路段当前人流密度数据和所述基准人流密度数据进行事故路段识别,得到拥堵路段对应的路段人流密度数据;
步骤16213,根据所述拥堵路段对应的路段人流密度数据从所述当前实时城市交通状态的实时城市交通状态对应的车流密度数据变化趋势中选取拥堵路段的实时车流密度数据;
步骤16214,基于所述拥堵路段的实时车流密度数据、所述当前实时人流密度数据和所述基准参考数据进行拥堵路段事故识别,得到拥堵路段对应的目标事故路段信息;
步骤16215,根据所述拥堵路段对应的目标事故路段信息从所述实时城市交通状态对应的车流密度数据变化趋势中选取拥堵路段的已标记的实时车流密度数据;
步骤16216,根据所述拥堵路段的已标记的实时车流密度数据和所述当前实时人流密度数据确定所述当前实时城市交通状态对应的拥堵路段对应的调整路段信息;
步骤16217,基于所述拥堵路段对应的目标事故路段信息将所述拥堵路段的已标记的实时车流密度数据和所述当前实时人流密度数据进行密度数据分析,得到拥堵路段的基准数据分析结果,根据所述拥堵路段的基准数据分析结果和所述基准参考数据的第二偏差数据信息调整所述拥堵路段的实时车流密度数据和当前实时人流密度数据,返回所述拥堵路段事故识别的步骤,直到满足第二安全行驶条件,得到所述当前拥堵路段对应的当前第二偏差数据信息;
步骤16218,遍历所述各个拥堵路段对应的拥堵指数,得到所述各个拥堵路段对应的拥堵指数对应的各个当前第二偏差数据信息,比较所述各个当前第二偏差数据信息,得到目标第二偏差数据信息,将所述目标第二偏差数据信息对应的拥堵路段对应的拥堵指数作为所述城市交通拥堵量。
更进一步地,步骤16217所描述的根据所述拥堵路段的基准数据分析结果和所述基准参考数据的第二偏差数据信息调整所述拥堵路段的实时车流密度数据和当前实时人流密度数据,返回所述拥堵路段事故识别的步骤,直到满足第二安全行驶条件,包括:当所述第二偏差数据信息未满足第二安全行驶条件时,基于所述拥堵路段对应的调整路段信息调整所述当前实时城市交通状态,得到拥堵路段的已标记的实时城市交通状态;从所述拥堵路段的已标记的实时城市交通状态中选取拥堵路段已标记的实时人流密度数据,将所述拥堵路段已标记的实时人流密度数据作为当前实时人流密度数据,并将所述拥堵路段的已标记的实时车流密度数据作为拥堵路段的实时车流密度数据,返回基于所述拥堵路段的实时车流密度数据、所述当前实时人流密度数据和所述基准参考数据进行拥堵路段事故识别,得到拥堵路段对应的目标事故路段信息的步骤,直到满足第二安全行驶条件。
可以理解,步骤1621所描述的基于所述当前人流密度数据和所述基准人流密度数据进行事故路段识别,得到更新路段人流密度数据,包括:获取所述实时城市交通状态指标对应的第一初始路段人流密度数据,基于所述第一初始路段人流密度数据将所述当前实时人流密度数据加载至基准密度数据集合中,得到第一更新当前人流密度数据;基于所述第一更新当前人流密度数据与所述基准人流密度数据确定第三偏差数据信息;根据所述第三偏差数据信息调整所述第一初始路段人流密度数据,并返回所述基于所述第一初始路段人流密度数据将所述当前实时人流密度数据加载至基准密度数据集合中,得到第一更新当前人流密度数据的步骤,直到所述第三偏差数据信息满足第三安全行驶条件;将满足第三安全行驶条件的第一初始路段人流密度数据作为所述更新路段人流密度数据。
在一些可替换的实施方式中,所述待分析城市交通状态数据为延时城市交通状态指标。在具体实施时,步骤162所描述的基于所述待分析城市交通状态数据获取对应的待处理实时车流密度数据,包括步骤1623和步骤1624。
步骤1623,获取所述延时城市交通状态指标的下一城市交通状态指标对应的下一实时车流密度数据;其中,所述下一实时车流密度数据是所述下一城市交通状态指标对应的实时城市交通状态中的实时车流密度数据。
步骤1624,将所述下一实时车流密度数据作为所述待处理实时车流密度数据。
在一些可替换的实施方式中,所述待分析城市交通状态数据为实时城市交通状态指标;可以理解,在第一种实施方式中步骤163所描述的基于所述当前实时人流密度数据、所述待处理实时车流密度数据和所述基准参考数据进行事故路段识别,得到目标事故路段信息,具体可以包括步骤1631-步骤1634所描述的内容。
步骤1631,获取所述实时城市交通状态指标对应的第二初始路段人流密度数据,基于所述第二初始路段人流密度数据将所述当前实时人流密度数据和所述待处理实时车流密度数据加载至基准密度数据集合中,得到实时准数据分析结果。
步骤1632,基于所述实时准数据分析结果与所述基准参考数据确定第四偏差数据信息。
步骤1633,根据所述第四偏差数据信息调整所述第二初始路段人流密度数据,并返回所述基于所述第二初始路段人流密度数据将所述当前实时人流密度数据和所述待处理实时车流密度数据加载至基准密度数据集合中,得到实时准数据分析结果的步骤,直到所述第四偏差数据信息满足第四安全行驶条件。
步骤1634,将满足第四安全行驶条件的第二初始路段人流密度数据作为所述实时城市交通状态指标对应的目标事故路段信息。
在一些可替换的实施方式中,所述待分析城市交通状态数据为延时城市交通状态指标。进一步地,在第二种实施方式中步骤163所描述的所述基于所述当前实时人流密度数据、所述待处理实时车流密度数据和所述基准参考数据进行事故路段识别,得到目标事故路段信息,具体可以包括步骤1635-步骤1639所描述的内容。
步骤1635,获取所述延时城市交通状态指标对应的第三初始路段人流密度数据,根据所述第三初始路段人流密度数据将所述当前实时人流密度数据和所述待处理实时车流密度数据加载至基准密度数据集合中,得到延时基准数据分析结果。
步骤1636,基于所述延时基准数据分析结果与所述基准参考数据确定第五偏差数据信息,并获取所述延时城市交通状态指标的下一城市交通状态指标对应的下一路段人流密度数据,所述下一路段人流密度数据是所述下一城市交通状态指标对应的实时城市交通状态的路段人流密度数据。
步骤1637,确定所述下一路段人流密度数据与所述第三初始路段人流密度数据的姿态偏差数据信息,根据所述第五偏差数据信息和所述姿态偏差数据信息,得到目标第五偏差数据信息。
步骤1638,根据所述目标第五偏差数据信息调整所述延时城市交通状态指标对应的第三初始路段人流密度数据,并返回所述根据所述第三初始路段人流密度数据将所述当前实时人流密度数据和所述待处理实时车流密度数据加载至基准密度数据集合中,得到延时基准数据分析结果的步骤,直到所述目标第五偏差数据信息满足第五安全行驶条件。
步骤1639,将满足第五安全行驶条件的第三初始路段人流密度数据作为所述延时城市交通状态指标对应的目标事故路段信息。
这样一来,通过实施上述两种实施方式中的任意一种,都能够精准地确定出实时城市交通状态指标对应的目标事故路段信息。
在具体实施时,为了准确地从当前实时城市交通状态中选取已标记的实时车流密度数据,避免出现标记出错的问题,同时能够提高工作效率,步骤164所描述的所述根据目标事故路段信息从所述当前实时城市交通状态中选取已标记的实时车流密度数据,具体可以包括步骤1641-步骤1643所描述的内容。
步骤1641,获取所述当前实时城市交通状态的实时城市交通状态对应的车流密度数据变化趋势中的车流加速度数据的波动轨迹,获取城市交通环境信息,根据所述城市交通环境信息从所述车流加速度数据的波动轨迹中选取对应的各个实时轨迹片段。
步骤1642,根据所述目标事故路段信息将所述各个实时轨迹片段加载至基准密度数据集合中,得到各个片段数据分析结果。
步骤1643,分别基于所述各个片段数据分析结果与所述基准车流密度数据确定第六偏差数据信息,比较所述各个片段数据分析结果对应的第六偏差数据信息,得到目标第六偏差数据信息,将所述目标第六偏差数据信息对应的实时轨迹片段作为所述基准车流密度数据对应的已标记的实时车流密度数据。
执行上述步骤1641-步骤1643所描述的内容,首先确定车流密度数据变化趋势中的车流加速度数据的波动轨迹,以实时了解当前实时城市交通状态的安全性问题,进而根据获取到的城市交通环境信息从车流加速度数据的波动轨迹中选取对应的各个实时轨迹片段,这样能够通过各个实时轨迹片断分析基准车流密度数据与各个片段数据分析结果之间的偏差数据信息,进而根据偏差数据信息准确地从当前实时城市交通状态中选取已标记的实时车流密度数据,这样能够避免出现标记出错的问题,同时能够提高工作效率。
基于上述同样的发明构思,请结合图2,本发明还提供了一种智慧交通的智能调度装置20的框图,所述装置包括以下功能模块。
站点分布信息获取模块21,用于获取多个车辆运营线路信息的站点分布信息,以及所述多个车辆运营线路信息在当前时间段之前的N个连续时间段对应的N个车辆调度信息序列;其中,每一时间段的车辆调度信息序列包括所述车辆运营线路信息在多个道路安全状态下的车辆调度信息。
调度耗时信息确定模块22,用于分别获取各车辆运营线路信息的N个车辆调度信息序列中每一车辆调度信息序列对应的调度耗时匹配信息集合;其中,每一调度耗时匹配信息集合包括所述车辆运营线路信息在多个道路安全状态下的调度耗时匹配信息,每一调度耗时匹配信息表示一个道路安全状态下实时调度耗时信息与延迟调度耗时信息之间的匹配信息。
运营线路耗时分析模块23,用于利用已训练的线路调度模型,根据各车辆运营线路信息的站点分布信息与N个车辆调度信息序列对应的N个调度耗时匹配信息集合,获取各车辆运营线路信息在当前时间段的调度耗时匹配信息;其中,所述线路调度模型是利用多个模型训练样本训练得到的,每一模型训练样本包括一个车辆运营线路信息的站点分布信息以及N+1个连续时间段的调度耗时匹配信息集合;所述调度耗时匹配信息表示车辆运营线路信息的实时调度耗时信息与延迟调度耗时信息之间的匹配信息。
调度耗时调整模块24,用于通过各车辆运营线路信息在当前时间段的调度耗时匹配信息分别对各车辆运营线路信息的实时调度耗时信息进行调整。
运营线路推荐模块25,用于根据各车辆运营线路信息调整后的实时调度耗时信息,从所述多个车辆运营线路信息中确定目标车辆运营线路信息,并将所述目标车辆运营线路信息推荐给车载终端。
在上述基础上,请结合参阅图3,提供了一种调度中心110,包括处理器111以及与所述处理器111连接的存储器112和总线113;其中,所述处理器111和所述存储器112通过所述总线113完成相互间的通信;所述处理器111用于调用所述存储器112中的程序指令,以执行上述的方法。
进一步地,还提供了一种可读存储介质,其上存储有程序,该程序被处理器执行时实现上述的方法。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种智慧交通的智能调度方法,其特征在于,所述方法包括:
获取多个车辆运营线路信息的站点分布信息,以及所述多个车辆运营线路信息在当前时间段之前的N个连续时间段对应的N个车辆调度信息序列;其中,每一时间段的车辆调度信息序列包括所述车辆运营线路信息在多个道路安全状态下的车辆调度信息;
分别获取各车辆运营线路信息的N个车辆调度信息序列中每一车辆调度信息序列对应的调度耗时匹配信息集合;其中,每一调度耗时匹配信息集合包括所述车辆运营线路信息在多个道路安全状态下的调度耗时匹配信息,每一调度耗时匹配信息表示一个道路安全状态下实时调度耗时信息与延迟调度耗时信息之间的匹配信息;
利用已训练的线路调度模型,根据各车辆运营线路信息的站点分布信息与N个车辆调度信息序列对应的N个调度耗时匹配信息集合,获取各车辆运营线路信息在当前时间段的调度耗时匹配信息;其中,所述线路调度模型是利用多个模型训练样本训练得到的,每一模型训练样本包括一个车辆运营线路信息的站点分布信息以及N+1个连续时间段的调度耗时匹配信息集合;所述调度耗时匹配信息表示车辆运营线路信息的实时调度耗时信息与延迟调度耗时信息之间的匹配信息;
通过各车辆运营线路信息在当前时间段的调度耗时匹配信息分别对各车辆运营线路信息的实时调度耗时信息进行调整;
根据各车辆运营线路信息调整后的实时调度耗时信息,从所述多个车辆运营线路信息中确定目标车辆运营线路信息,并将所述目标车辆运营线路信息推荐给车载终端。
2.如权利要求1所述的方法,其特征在于,所述线路调度模型是通过如下训练过程训练得到的:从预设数据库中获取设定数量的模型训练样本;通过获取的模型训练样本,按照设定的训练指标对所述线路调度模型进行多次训练,每一次训练过程包括如下步骤:根据所述站点分布信息以及N+1个连续时间段中前N个时间段的调度耗时匹配信息集合,通过所述线路调度模型,获取每一模型训练样本的车辆运营线路信息在第N+1个时间段的调度耗时匹配信息;根据所述模型训练样本的车辆运营线路信息在第N+1个时间段的调度耗时匹配信息,与所述模型训练样本中第N+1个时间段的调度耗时匹配信息集合,获取所述线路调度模型的模型评价数据;根据所述模型评价数据确定是否继续对所述线路调度模型进行训练;若确定继续对所述线路调度模型进行训练,则对所述线路调度模型的模型训练参数进行调整,并通过调整后的所述线路调度模型继续下一次训练过程。
3.如权利要求1所述的方法,其特征在于,所述线路调度模型包括任务分配模型和站台调度时间模型,则针对每一车辆运营线路信息,利用线路调度模型获取调度耗时匹配信息,包括:
根据所述N个调度耗时匹配信息集合,通过所述任务分配模型获取车辆运营线路信息的调度耗时匹配内容;
根据所述站点分布信息,通过所述站台调度时间模型获取车辆运营线路信息的调度后的发车频率;
基于所述任务分配模型和所述站台调度时间模型的权重,根据所述调度耗时匹配内容和所述调度后的发车频率得到在当前时间段的调度耗时匹配信息;
其中,根据所述N个调度耗时匹配信息集合,通过所述任务分配模型获取车辆运营线路信息的调度耗时匹配内容,包括:
根据每一道路安全状态在每一时间段内的车辆调动量所属的调动量区间,确定所述每一道路安全状态在每一时间段内的调度耗时匹配信息集合对应的调度耗时匹配内容片段,其中,所述调动量区间是根据车辆调动量的频率进行划分的;将各个道路安全状态在各时间段的调度耗时匹配内容片段进行融合,得到车辆运营线路信息对应的调度耗时匹配内容;
其中,根据每一道路安全状态在每一时间段内的车辆调动量所属的调动量区间,确定所述每一道路安全状态在每一时间段内的调度耗时匹配信息集合对应的调度耗时匹配内容片段,包括:
将所述每一道路安全状态在每一时间段内的车辆调动量所属的调动量区间对应调动匹配值为所述每一道路安全状态在每一时间段的调度耗时匹配信息,除所述每一道路安全状态在每一时间段内的车辆调动量所属的调动量区间之外的其余调动量区间对应调动匹配值删除,以得到所述每一道路安全状态在每一时间段内的调度耗时匹配信息集合对应的调度耗时匹配内容片段。
4.如权利要求1-3任一所述的方法,其特征在于,所述多个道路安全状态包括多个局部道路安全状态和由所述多个局部道路安全状态进行融合得到的全局道路安全状态。
5.如权利要求3所述的方法,其特征在于,所述站台调度时间模型包括地理位置融合层和至少两个时长分析层,则根据所述站点分布信息,通过所述站台调度时间模型获取车辆运营线路信息的调度后的发车频率,包括:
通过所述地理位置融合层,将所述站点分布信息中各站点位置信息和各站点位置信息对应的位置坐标信息进行融合,并获取融合后的各站点位置信息和各站点位置信息对应的位置坐标信息对应的发车时长点;
通过所述至少两个时长分析层,对各站点位置信息对应的发车时长点进行分析,以得到所述调度后的发车频率。
6.如权利要求1所述的方法,其特征在于,根据各车辆运营线路信息调整后的实时调度耗时信息,从所述多个车辆运营线路信息中确定目标车辆运营线路信息,并将所述目标车辆运营线路信息推荐给车载终端,包括:
分别根据各车辆运营线路信息调整后的实时调度耗时信息,确定各车辆运营线路信息在目标街道区域内进行调度所对应的调度策略;
根据各车辆运营线路信息对应的调度策略,对所述多个车辆运营线路信息进行识别;
根据识别结果从所述多个车辆运营线路信息确定所述目标车辆运营线路信息,并将所述目标车辆运营线路信息推荐给车载终端。
7.根据权利要求1所述的方法,其特征在于,该方法还包括:将目标车辆运营线路信息作为待分析城市交通状态数据,并进行实时城市交通状态分析。
8.一种智慧交通的智能调度装置,其特征在于,所述装置包括:
站点分布信息获取模块,用于获取多个车辆运营线路信息的站点分布信息,以及所述多个车辆运营线路信息在当前时间段之前的N个连续时间段对应的N个车辆调度信息序列;其中,每一时间段的车辆调度信息序列包括所述车辆运营线路信息在多个道路安全状态下的车辆调度信息;
调度耗时信息确定模块,用于分别获取各车辆运营线路信息的N个车辆调度信息序列中每一车辆调度信息序列对应的调度耗时匹配信息集合;其中,每一调度耗时匹配信息集合包括所述车辆运营线路信息在多个道路安全状态下的调度耗时匹配信息,每一调度耗时匹配信息表示一个道路安全状态下实时调度耗时信息与延迟调度耗时信息之间的匹配信息;
运营线路耗时分析模块,用于利用已训练的线路调度模型,根据各车辆运营线路信息的站点分布信息与N个车辆调度信息序列对应的N个调度耗时匹配信息集合,获取各车辆运营线路信息在当前时间段的调度耗时匹配信息;其中,所述线路调度模型是利用多个模型训练样本训练得到的,每一模型训练样本包括一个车辆运营线路信息的站点分布信息以及N+1个连续时间段的调度耗时匹配信息集合;所述调度耗时匹配信息表示车辆运营线路信息的实时调度耗时信息与延迟调度耗时信息之间的匹配信息;
调度耗时调整模块,用于通过各车辆运营线路信息在当前时间段的调度耗时匹配信息分别对各车辆运营线路信息的实时调度耗时信息进行调整;
运营线路推荐模块,用于根据各车辆运营线路信息调整后的实时调度耗时信息,从所述多个车辆运营线路信息中确定目标车辆运营线路信息,并将所述目标车辆运营线路信息推荐给车载终端。
9.一种调度中心,其特征在于,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中调取计算机程序,并通过运行所述计算机程序实现权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序在运行时实现权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110076773.8A CN112927116A (zh) | 2021-01-20 | 2021-01-20 | 一种智慧交通的智能调度方法、装置及调度中心 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110076773.8A CN112927116A (zh) | 2021-01-20 | 2021-01-20 | 一种智慧交通的智能调度方法、装置及调度中心 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112927116A true CN112927116A (zh) | 2021-06-08 |
Family
ID=76165057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110076773.8A Withdrawn CN112927116A (zh) | 2021-01-20 | 2021-01-20 | 一种智慧交通的智能调度方法、装置及调度中心 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112927116A (zh) |
-
2021
- 2021-01-20 CN CN202110076773.8A patent/CN112927116A/zh not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107945507B (zh) | 行程时间预测方法及装置 | |
EP2255347B1 (en) | Travel pattern information obtaining device, travel pattern information obtaining method, travel pattern information obtaining program and computer readable medium | |
CN107563566B (zh) | 一种基于支持向量机的公交站间运行时间区间预测方法 | |
US9508257B2 (en) | Road detection logic | |
CN109426930A (zh) | 物流车辆的运输延迟预测系统及方法 | |
CN110363984B (zh) | 交通流量预测方法和设备 | |
CN113066285B (zh) | 一种路况信息确定方法、装置、电子设备及存储介质 | |
CN110646004B (zh) | 一种基于路况预测的智能导航方法及装置 | |
CN112767683A (zh) | 一种基于反馈机制的路径诱导方法 | |
CN106203667A (zh) | 一种公交到站信息预测方法和装置 | |
CN110830915B (zh) | 一种确定起点位置的方法及装置 | |
CN110675646B (zh) | 公交站点位置获取方法及装置 | |
CN109489679A (zh) | 一种导航路径中的到达时间计算方法 | |
CN115164922A (zh) | 一种路径规划方法、系统、设备及存储介质 | |
CN110675631A (zh) | 一种交通流溯源分析方法及系统 | |
CN102436742A (zh) | 浮动车系统交通信息服务水平评价方法及装置 | |
CN105489010A (zh) | 一种快速道路行程时间可靠度监测分析系统及方法 | |
CN110264725B (zh) | 路段流量的确定方法及装置 | |
CN110827561B (zh) | 一种基于车辆的道路路况信息预报系统及方法 | |
CN116597649A (zh) | 一种基于高速公路收费系统的路网交通流量推演方法 | |
CN111626495A (zh) | 基于云平台的作业调度系统 | |
CN105825675A (zh) | 一种基于大数据的路段旅行时间计算方法和装置 | |
CN112927116A (zh) | 一种智慧交通的智能调度方法、装置及调度中心 | |
CN114066288B (zh) | 一种基于智慧数据中心的营运道路应急检测方法及系统 | |
CN112927498B (zh) | 一种基于智慧交通监控的数据分析方法及装置 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210608 |
|
WW01 | Invention patent application withdrawn after publication |