CN113053119A - 一种基于公交运行历史数据的圈次时间预测方法 - Google Patents

一种基于公交运行历史数据的圈次时间预测方法 Download PDF

Info

Publication number
CN113053119A
CN113053119A CN202110291546.7A CN202110291546A CN113053119A CN 113053119 A CN113053119 A CN 113053119A CN 202110291546 A CN202110291546 A CN 202110291546A CN 113053119 A CN113053119 A CN 113053119A
Authority
CN
China
Prior art keywords
time
running
bus
stop
station
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
CN202110291546.7A
Other languages
English (en)
Inventor
邓伟
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.)
Chongqing Traffic D&i Technology Development Co ltd
Original Assignee
Chongqing Traffic D&i Technology Development 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 Chongqing Traffic D&i Technology Development Co ltd filed Critical Chongqing Traffic D&i Technology Development Co ltd
Priority to CN202110291546.7A priority Critical patent/CN113053119A/zh
Publication of CN113053119A publication Critical patent/CN113053119A/zh
Pending legal-status Critical Current

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
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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"
    • 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
    • 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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count

Landscapes

  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及公交车技术领域，尤其涉及一种基于公交运行历史数据的圈次时间预测方法，首先采集公交车历史运行数据，具体包括工作日/休息日、夏时制/冬时制、节假日、极端天气日、重大活动日、站点停靠时间信息和站点间路段行驶信息，对数据进行归类，基于站点之间花费时间建立一个公交车路段花费时间数据库，公交站点S到D的时间总花费表示为停靠时间与行驶时间之和，记为采用历史平均值作为每个相邻的站点间运行花费的预期,任意两站间通过求和的方式获得花费时间，通过各个站点的预测值进行相加即可得到预测的公交车运行圈次的时间。本发明通过站与站之间的运行时间进行计算，然后组合计算圈次的运行时间，精确度高，参考价值大。

Description

一种基于公交运行历史数据的圈次时间预测方法
技术领域
本发明涉及公交车技术领域，尤其涉及一种基于公交运行历史数据的圈次时间预测方法。
背景技术
车辆运行时刻表(或发车时刻表)是公共交通管理系统中一份重要的计划表,是调度员工作以及车辆正常运行的最基本依据。因为其中的变量太多,所以编制车辆运行时刻表成为一项冗长而复杂的工作。在实践中,只有经验丰富,熟悉路线情况的老调度员才能编制出一套较实用的车辆运行时刻表。而编制车辆运动时刻表的最关键的问题是确定发车间隔。智能交通的发展对于交通的具体管理来讲具有重要的意义,公交运营作为智能交通系统的重要组成部分,对其的管理进行强化,企业的管理效率会更好,具体效益会更加的突出。
目前对于公交车在非跨线运行情况下的圈次时间预测有较多的研究，比如百度、高德、车来了等厂商均提供响应的到站预测功能。由于公交区域调度在国内外仍处于探索阶段，目前较多的尝试集中在几条线路的集中调度，整个大区域的自由跨线调度尚未实现，所以在不同公交区域调度策略下，如何进行圈次时间预测，进而指导调度排班和现场调度具有重要的参考价值和意义。
发明内容
有鉴于此，本发明的目的是提供一种基于公交运行历史数据的圈次时间预测方法，本发明具体按以下步骤执行：
S1:采集公交车历史运行数据，具体包括工作日/休息日、夏时制/冬时制、节假日、极端天气日、重大活动日、站点停靠时间信息和站点间路段行驶信息；其中采集的数据通过车载传感器、监控视频和乘客的IC卡在上述各个不同的时间段的车辆位置、速度、视频和客流的信息，实时的传输到大数据处理中心进行汇总；车载传感器为速度传感器，监控视频采用计数识别摄像头。
S2:对数据进行归类，基于站点之间花费时间建立一个公交车路段花费时间数据库，进入站点S到驶出站点S为停站时间TstopS,驶出S到进入站点D为运行时间Trunning(S,D),S到D的时间总花费表示为停靠时间与行驶时间之和，记为采用历史平均值作为每个相邻的站点间运行花费的预期,任意两站间通过求和的方式获得花费时间；
S3:利用步骤S2得到的值进行公交车运行的圈次时间进行计算，具体如式(1)所示，
Figure BDA0002982266470000021
其中：T为当前实测时间，
Figure BDA0002982266470000022
为同时刻历史平均时间；ti为编号i的车辆经过S站的时刻；
S4:当前车辆从当前位置到S+n站的预测时间：具体如式(2)，
Figure BDA0002982266470000023
其中：t为当前时刻,T[k，S]为当前待预测公交车离开S站的时间；
S5:通过各个站点的预测值进行相加即可得到预测的公交车运行圈次的时间。
全网站点间历史运行时间和历史跨线运行时间信息，与公交调度系统进行实时对接，获取车辆的实时运行线路信息，结合车辆的实时运行路线、实时的运行速度、后续路线上各站点间其他公交车辆的运行速度、历史上同线路同站点间同时段的运行时间信息、跨线运行的中转耗费时间信息，通过步骤S3-S4预测后续剩余路径的运行时长，进而获得对应班次的运行圈次时间，并根据车辆的运行位置进行动态预测更新,如果有需要跨线的调度需求，则可根据系统内的各条公交线路的运行预测时间进行实时的选择调度。
进一步，异常类型包括车辆故障、意外事故或紧急调动离线运行，直接对异常情况进行离线处理，不对本班车进行数据运算。站点停靠时间信息包括公交线路号、上下行方向、停靠的公交站点号、公交车号、驶入时间、驶出时间和异常类型，所述站点间路段行驶信息包括公交线路号、上下行方向、公交车号、上一公交站编号、驶出时间、下一公交站编号、驶入时间、路段车速和异常类型。
本发明的一种基于公交运行历史数据的圈次时间预测方法，本发明通过远程的硬件数据采集设备进行公交车内的人数、IC卡、历史圈次运行数据进行历史圈次运行数据进行整合，针对大多数不同的场景，例如节假日、极端天气日、重大活动日都具有针对性的数据参考，针对性的进行运行圈次进行时间运算，本方法通过站与站之间的运行时间进行计算，然后组合计算圈次的运行时间，精确度高，参考价值大。
附图说明
图1是本发明的方法流程图；
具体实施方式
以下将结合附图和具体实施例对本发明进行详细说明，显然，所描述的实施例仅仅只是本申请一部分实施例，而不是全部的实施例，基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本实施例中，如图1所示，本发明具体按以下步骤执行：
包括工作日/休息日、夏时制/冬时制、节假日、极端天气日、重大活动日、站点停靠时间信息和站点间路段行驶信息；其中采集的数据通过车载传感器、监控视频和乘客的IC卡在上述各个不同的时间段的车辆位置、速度、视频和客流的信息，实时的传输到大数据处理中心进行汇总；车载传感器为速度传感器，监控视频采用计数识别摄像头。
S2:对数据进行归类，基于站点之间花费时间建立一个公交车路段花费时间数据库，进入站点S到驶出站点S为停站时间TstopS,驶出S到进入站点D为运行时间Trunning(S,D),S到D的时间总花费表示为停靠时间与行驶时间之和，记为采用历史平均值作为每个相邻的站点间运行花费的预期,任意两站间通过求和的方式获得花费时间；
S3:利用步骤S2得到的值进行公交车运行的圈次时间进行计算，具体如式(1)所示，
Figure BDA0002982266470000031
其中：T为当前实测时间，
Figure BDA0002982266470000032
为同时刻历史平均时间；ti为编号i的车辆经过S站的时刻；
S4:当前车辆从当前位置到S+n站的预测时间：具体如式(2)，
Figure BDA0002982266470000033
其中：t为当前时刻,T[k，S]为当前待预测公交车离开S站的时间；
S5:通过各个站点的预测值进行相加即可得到预测的公交车运行圈次的时间。
本实施例中，全网站点间历史运行时间和历史跨线运行时间信息，与公交调度系统进行实时对接，获取车辆的实时运行线路信息，结合车辆的实时运行路线、实时的运行速度、后续路线上各站点间其他公交车辆的运行速度、历史上同线路同站点间同时段的运行时间信息、跨线运行的中转耗费时间信息，通过步骤S3-S4预测后续剩余路径的运行时长，进而获得对应班次的运行圈次时间，并根据车辆的运行位置进行动态预测更新,如果有需要跨线的调度需求，则可根据系统内的各条公交线路的运行预测时间进行实时的选择调度。
本实施例中，异常类型包括车辆故障、意外事故或紧急调动离线运行，直接对异常情况进行离线处理，不对本班车进行数据运算。站点停靠时间信息包括公交线路号、上下行方向、停靠的公交站点号、公交车号、驶入时间、驶出时间和异常类型，所述站点间路段行驶信息包括公交线路号、上下行方向、公交车号、上一公交站编号、驶出时间、下一公交站编号、驶入时间、路段车速和异常类型。
以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。本发明未详细描述的技术、形状、构造部分均为公知技术。

Claims (4)

1.一种基于公交运行历史数据的圈次时间预测方法，其特征在于：具体按以下步骤执行：
S1:采集公交车历史运行数据，具体包括工作日/休息日、夏时制/冬时制、节假日、极端天气日、重大活动日、站点停靠时间信息和站点间路段行驶信息；其中采集的数据通过车载传感器、监控视频和乘客的IC卡在上述各个不同的时间段的车辆位置、速度、视频和客流的信息，实时的传输到大数据处理中心进行汇总；
S2:对数据进行归类，基于站点之间花费时间建立一个公交车路段花费时间数据库，进入站点S到驶出站点S为停站时间TstopS,驶出S到进入站点D为运行时间Trunning(S,D),S到D的时间总花费表示为停靠时间与行驶时间之和，记为采用历史平均值作为每个相邻的站点间运行花费的预期,任意两站间通过求和的方式获得花费时间；
S3:利用步骤S2得到的值进行公交车运行的圈次时间进行计算，具体如式(1)所示，
Figure FDA0002982266460000011
其中：T为当前实测时间，
Figure FDA0002982266460000013
为同时刻历史平均时间；ti为编号i的车辆经过S站的时刻，
S4:当前车辆从当前位置到S+n站的预测时间：具体如式(2)，
Figure FDA0002982266460000012
其中：t为当前时刻,T[k，S]为当前待预测公交车离开S站的时间；
S5:通过各个站点的预测值进行相加即可得到预测的公交车运行圈次的时间。
2.根据权利要求1所述的一种基于公交运行历史数据的圈次时间预测方法，其特征在于：站点停靠时间信息包括公交线路号、上下行方向、停靠的公交站点号、公交车号、驶入时间、驶出时间和异常类型，所述站点间路段行驶信息包括公交线路号、上下行方向、公交车号、上一公交站编号、驶出时间、下一公交站编号、驶入时间、路段车速和异常类型。
3.根据权利要求2所述的一种基于公交运行历史数据的圈次时间预测方法，其特征在于：异常类型包括车辆故障、意外事故或紧急调动离线运行，直接对异常情况进行离线处理，不对本班车进行数据运算。
4.根据权利要求1所述的一种基于公交运行历史数据的圈次时间预测方法，其特征在于：全网站点间历史运行时间和历史跨线运行时间信息，与公交调度系统进行实时对接，获取车辆的实时运行线路信息，结合车辆的实时运行路线、实时的运行速度、后续路线上各站点间其他公交车辆的运行速度、历史上同线路同站点间同时段的运行时间信息、跨线运行的中转耗费时间信息，通过步骤S3-S4预测后续剩余路径的运行时长，进而获得对应班次的运行圈次时间，并根据车辆的运行位置进行动态预测更新,如果有需要跨线的调度需求，则可根据系统内的各条公交线路的运行预测时间进行实时的选择调度。
CN202110291546.7A 2021-03-18 2021-03-18 一种基于公交运行历史数据的圈次时间预测方法 Pending CN113053119A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110291546.7A CN113053119A (zh) 2021-03-18 2021-03-18 一种基于公交运行历史数据的圈次时间预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110291546.7A CN113053119A (zh) 2021-03-18 2021-03-18 一种基于公交运行历史数据的圈次时间预测方法

Publications (1)

Publication Number Publication Date
CN113053119A true CN113053119A (zh) 2021-06-29

Family

ID=76513635

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110291546.7A Pending CN113053119A (zh) 2021-03-18 2021-03-18 一种基于公交运行历史数据的圈次时间预测方法

Country Status (1)

Country Link
CN (1) CN113053119A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113888861A (zh) * 2021-08-31 2022-01-04 苏州乐米凡电气科技有限公司 一种基于大数据的公共交通智能管理方法及系统

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120010803A1 (en) * 2010-07-07 2012-01-12 International Business Machines Corporation Vehicle arrival prediction using multiple data sources including passenger bus arrival prediction
CN104064028A (zh) * 2014-06-23 2014-09-24 银江股份有限公司 基于多元信息数据的公交到站时间预测方法及系统
CN104157132A (zh) * 2014-08-18 2014-11-19 东南大学 一种自适应式公交发车时刻表的动态优化方法
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
CN106485912A (zh) * 2016-10-24 2017-03-08 东南大学 一种基于公交站点信息化的普通公交动态调度方法
CN106971247A (zh) * 2017-04-26 2017-07-21 吉林大学 一种面向冬季冰雪环境的公交线路运行时刻表优化方法
US20180032964A1 (en) * 2016-08-01 2018-02-01 Nec Europe Ltd. Transportation system and method for allocating frequencies of transit services therein
CN108538072A (zh) * 2018-04-17 2018-09-14 重庆交通开投科技发展有限公司 一种确定发车策略的方法和装置
CN108734353A (zh) * 2018-05-22 2018-11-02 青岛海信网络科技股份有限公司 一种公交线路行车计划生成方法及装置
CN109523819A (zh) * 2018-11-20 2019-03-26 湖南智慧畅行交通科技有限公司 一种基于公交到离站的乘客ic卡数据与站点匹配方法
CN109544908A (zh) * 2018-10-24 2019-03-29 佛山市慧城信息科技有限公司 一种实时预测公交到站时间的方法、电子设备及存储介质
CN109886491A (zh) * 2019-02-26 2019-06-14 北京工业大学 一种海量运行数据驱动的地面公交两阶段优化调度方法
CN110046824A (zh) * 2019-04-22 2019-07-23 吉林大学 一种城市公共交通线路的运营时段划分方法
CN111476490A (zh) * 2020-04-08 2020-07-31 郑州天迈科技股份有限公司 一种资源池共享的区域多线路车辆排班算法
CN111754757A (zh) * 2020-06-24 2020-10-09 广州公交集团第三公共汽车有限公司 一种公交竞争线路排班方法
US20200349485A1 (en) * 2019-07-11 2020-11-05 Beihang University Optimization method for joint scheduling of manned buses and autonomous buses
CN112509317A (zh) * 2020-11-09 2021-03-16 广州交信投科技股份有限公司 基于机器学习算法的公交实时到站预测方法、装置和设备

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120010803A1 (en) * 2010-07-07 2012-01-12 International Business Machines Corporation Vehicle arrival prediction using multiple data sources including passenger bus arrival prediction
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
CN104064028A (zh) * 2014-06-23 2014-09-24 银江股份有限公司 基于多元信息数据的公交到站时间预测方法及系统
CN104157132A (zh) * 2014-08-18 2014-11-19 东南大学 一种自适应式公交发车时刻表的动态优化方法
US20180032964A1 (en) * 2016-08-01 2018-02-01 Nec Europe Ltd. Transportation system and method for allocating frequencies of transit services therein
CN106485912A (zh) * 2016-10-24 2017-03-08 东南大学 一种基于公交站点信息化的普通公交动态调度方法
CN106971247A (zh) * 2017-04-26 2017-07-21 吉林大学 一种面向冬季冰雪环境的公交线路运行时刻表优化方法
CN108538072A (zh) * 2018-04-17 2018-09-14 重庆交通开投科技发展有限公司 一种确定发车策略的方法和装置
CN108734353A (zh) * 2018-05-22 2018-11-02 青岛海信网络科技股份有限公司 一种公交线路行车计划生成方法及装置
CN109544908A (zh) * 2018-10-24 2019-03-29 佛山市慧城信息科技有限公司 一种实时预测公交到站时间的方法、电子设备及存储介质
CN109523819A (zh) * 2018-11-20 2019-03-26 湖南智慧畅行交通科技有限公司 一种基于公交到离站的乘客ic卡数据与站点匹配方法
CN109886491A (zh) * 2019-02-26 2019-06-14 北京工业大学 一种海量运行数据驱动的地面公交两阶段优化调度方法
CN110046824A (zh) * 2019-04-22 2019-07-23 吉林大学 一种城市公共交通线路的运营时段划分方法
US20200349485A1 (en) * 2019-07-11 2020-11-05 Beihang University Optimization method for joint scheduling of manned buses and autonomous buses
CN111476490A (zh) * 2020-04-08 2020-07-31 郑州天迈科技股份有限公司 一种资源池共享的区域多线路车辆排班算法
CN111754757A (zh) * 2020-06-24 2020-10-09 广州公交集团第三公共汽车有限公司 一种公交竞争线路排班方法
CN112509317A (zh) * 2020-11-09 2021-03-16 广州交信投科技股份有限公司 基于机器学习算法的公交实时到站预测方法、装置和设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
QINGXIA HUANG等: "Simulation-Based Optimization in a Bidirectional A/B Skip-Stop Bus Service", 《IEEE ACCESS》 *
何仕晔: "基于IC卡数据的站点匹配与公交到站时间推演", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *
杨永平等: "一种基于历史数据与实时信息的公交路段行程时间预测", 《计算机与数字工程》 *
邓伟等: "基于IC卡历史数据的公交客流统计方法", 《城市公共交通》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113888861A (zh) * 2021-08-31 2022-01-04 苏州乐米凡电气科技有限公司 一种基于大数据的公共交通智能管理方法及系统

Similar Documents

Publication Publication Date Title
CN109166337B (zh) 公交到站时间生成方法、装置及公交乘客出行od获取方法
CN105185115A (zh) 一种交通预测方法和预测系统
CN109637134B (zh) 一种公交设备匹配方法
CN107919014B (zh) 面向多载客里程的出租车运行线路优化方法
EP4060642B1 (en) Method and system of predictive traffic flow and of traffic light control
EP2923913B1 (en) Automatic train operation system
CN103440768B (zh) 一种基于动态修正的公交车到达时间实时预测方法
CN104123833A (zh) 一种道路状况的规划方法和装置
CN114023073B (zh) 一种基于车辆行为分析的高速公路拥堵预测方法
CN111724595A (zh) 一种基于收费数据的高速公路断面流量估计方法
CN109493449B (zh) 一种基于货车gps轨迹数据和高速交易数据的货车载货状态估计方法
CN116109081A (zh) 一种基于物联网的动态公交调度优化方法和装置
CN113053119A (zh) 一种基于公交运行历史数据的圈次时间预测方法
CN109754606B (zh) 一种基于出租车定位预测道路拥堵情况的方法
CN114118766A (zh) 一种基于公交乘客出行多重匹配的客流od算法
CN113592272A (zh) 一种公交及巡游小巴的调度方法
KR20100084010A (ko) 위치이력 데이터를 이용한 공택시 배치 기법
CN115762131A (zh) 一种应用于公共交通的智能行车计划编制方法及系统
CN114049757B (zh) 班车到站时间预估方法、装置、计算机设备和存储介质
CN115909722A (zh) 一种应用于智能公交的路阻调度方法及系统
CN112101677B (zh) 一种公共交通出行路径规划方法、装置、设备及存储介质
CN118195272B (zh) 一种基于异常检测的车辆调度方法
CN111276002A (zh) 一种基于服务瓶颈站点识别的公交调度方法
CN115578881B (zh) 一种无人公交在车辆故障时的应急调度方法及系统
CN113034889A (zh) 一种基于公交线网和gps数据的圈次时间计算方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210629