CN113159856A - 一种收费站出站口流量预测方法及系统 - Google Patents
一种收费站出站口流量预测方法及系统 Download PDFInfo
- Publication number
- CN113159856A CN113159856A CN202110486065.1A CN202110486065A CN113159856A CN 113159856 A CN113159856 A CN 113159856A CN 202110486065 A CN202110486065 A CN 202110486065A CN 113159856 A CN113159856 A CN 113159856A
- Authority
- CN
- China
- Prior art keywords
- flow
- portal
- value
- weighted value
- predicted
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000009825 accumulation Methods 0.000 claims abstract description 7
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009440 infrastructure construction Methods 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
一种收费站出站口流量预测方法及系统，包括如下步骤：获取目标出站口的历史流量；获取与目标出站口路程距离在距离阈值之内一门架监测到的门架流量；将历史流量赋予第一加权值，将门架流量赋予第二加权值，累加计算得到预测流量；所述第一加权值大于第二加权值，且第一加权值和第二加权值都小于1。本申请采用历史流量加权和门架流量加权之后，并进行一定的拟合之后，可以得到一种较好的预测效果，基本可以满足交通预管控的需求。
Description
技术领域
本申请涉及一种收费站出站口流量预测方法及系统。
背景技术
随着国内基础设施建设的高投入，高速公路作为国内基础设施的重要方面，高速公路的里程数也增长的非常之快。随着人们生活水平的提高，机动车的家庭拥有量也非常之高，因此现在高速公路也时常发生拥堵，而作为节点的收费站，其出站口流量的监测也就变得更加重要，因为这不仅对于高速公路非常重要，而且对于与高速公路相连的其他类型公路的梳理也非常重要。现在的预测模型多是利用历史数据进行计算，但是该种方式本身存在巨大的缺陷，基本上无法进行准确预测，只能称之为参照，而非预测。
发明内容
为了解决上述问题，本申请提出一方面公开了一种收费站出站口流量预测方法，包括如下步骤：
获取目标出站口的历史流量；
获取与目标出站口路程距离在距离阈值之内一门架监测到的门架流量；
将历史流量赋予第一加权值，将门架流量赋予第二加权值，累加计算得到预测流量；所述第一加权值大于第二加权值，且第一加权值和第二加权值都小于1。本申请通过对于历史流量的研究，由于各种偶发因素，历史流量与出站口流量之间只是呈现正相关，且并不是一种绝对意义的关联，只是采用历史流量预测的准确度极差，而当采用历史流量辅助以门架流量之时，只是能提高一定的准确度，随动性能较差；但是当采用历史流量加权和门架流量加权之后，并进行一定的拟合之后，可以得到一种较好的预测效果，基本可以满足交通预管控的需求。
优选的，将预测流量与测定流量进行对比，若差值不小于第一阈值，则按照差值方向修正第一加权值；若差值小于第一阈值大于第二阈值，则按照差值方向修正第二加权值。
优选的，所述距离阈值按照如下步骤得到：
在目标出站口对应的每个支路上分别选择最邻近目标出站口的门架作为预选门架；
将所有的预选门架与目标出站口之间的路程距离进行计算得到平均路程，将路程距离小于平均路程的支路上的门架进行更换，更换为更加接近平均路程的门架，得到备用门架；
以预选门架数据得到的车流量作为门架流量进行监测得到第一预测流量，将备用门架数据得到的车流量作为门架流量进行监测得到第二预测流量，将第一预测流量和第二预测流量和测定流量进行对比，选择与测定流量更加接近的门架作为最终选中的门架。本申请在预测时若全部采用最邻近门架，由于其分布的不一性，导致最终到达出站口位置的时间差异性过大，这使得其参考性降低，本申请通过一种大致的统一，至少降低了不同的门架流量之间时效上的不均一性，而提高门架流量的可参照性就是提高预测准确性的基础。
优选的，所述第一加权值不小于第二加权值的5倍。
优选的，历史流量按照如下步骤得到：对于历史流量进行最大值最小值归一化，然后利用LSTM算法训练周期流量模型，算法网络结构为[36，256，256，1]，激活函数为RELU，输出最后一层前加DROP层，丢弃率为0.2，得到历史流量。
优选的，将历史流量结合门架瞬时流量，利用多元线性回归算法训练预测流量模型。
优选的，利用监测流量，对于预测流量模型进行结果反归一化处理得到最终预测模型。
优选的，所述门架流量包括公路上的门架流量，还包括在前的其他出站口的出站流量以及在前的其他进站口的进站流量。
优选的，所述出站流量做负数统计处理。
另一方面，还公开了一种收费站出站口流量预测系统，包括如下模块：
数据获取模块，用于获取目标出站口的历史流量以及获取与目标出站口路程距离在距离阈值内一门架监测到的门架流量；
预测模块，用于将历史流量赋予第一加权值，将门架流量赋予第二加权值，累加计算得到预测流量；所述第一加权值大于第二加权值，且第一加权值和第二加权值都小于1；
修正模块，用于将预测流量与测定流量进行对比，若差值不小于第一阈值，则按照差值方向修正第一加权值；若差值小于第一阈值大于第二阈值，则按照差值方向修正第二加权值，得到修正之后的预测流量。
本申请能够带来如下有益效果：
1.本申请通过对于历史流量的研究，由于各种偶发因素，历史流量与出站口流量之间只是呈现正相关，且并不是一种绝对意义的关联，只是采用历史流量预测的准确度极差，而当采用历史流量辅助以门架流量之时，只是能提高一定的准确度，随动性能较差；但是当采用历史流量加权和门架流量加权之后，并进行一定的拟合之后，可以得到一种较好的预测效果，基本可以满足交通预管控的需求；
2.本申请在预测时若全部采用最邻近门架，由于其分布的不一性，导致最终到达出站口位置的时间差异性过大，这使得其参考性降低，本申请通过一种大致的统一，至少降低了不同的门架流量之间时效上的不均一性，而提高门架流量的可参照性就是提高预测准确性的基础。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例1的示意图；
图2为本申请实施例2的示意图。
具体实施方式
为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本申请进行详细阐述。
如图中所示，为了更清楚的阐释本申请的整体构思，下面结合说明书附图以示例的方式进行详细说明。
另外，在本申请的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本申请中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接，还可以是通信；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
在本申请中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。
在第一个实施例中，如图1所示，一种收费站出站口流量预测方法，其特征在于：包括如下步骤：
S101.获取目标出站口的历史流量；
S102.获取与目标出站口路程距离在距离阈值之内一门架监测到的门架流量；所述门架流量包括公路上的门架流量，还包括在前的其他出站口的出站流量以及在前的其他进站口的进站流量。所述出站流量做负数统计处理。
所述距离阈值按照如下步骤得到：
在目标出站口对应的每个支路上分别选择最邻近目标出站口的门架作为预选门架；
将所有的预选门架与目标出站口之间的路程距离进行计算得到平均路程，将路程距离小于平均路程的支路上的门架进行更换，更换为更加接近平均路程的门架，得到备用门架；
以预选门架数据得到的车流量作为门架流量进行监测得到第一预测流量，将备用门架数据得到的车流量作为门架流量进行监测得到第二预测流量，将第一预测流量和第二预测流量和测定流量进行对比，选择与测定流量更加接近的门架作为最终选中的门架。
S103.出站口流量的初始计算：将历史流量赋予第一加权值，将门架流量赋予第二加权值，累加计算得到预测流量；所述第一加权值大于第二加权值，且第一加权值和第二加权值都小于1；所述第一加权值不小于第二加权值的5倍；
S104.将初始计算得到的出站口流量进行修正：将预测流量与测定流量进行对比，若差值不小于第一阈值，则按照差值方向修正第一加权值；若差值小于第一阈值大于第二阈值，则按照差值方向修正第二加权值。
在具体使用时，可以参照如下方式进行：历史流量按照如下步骤得到：对于历史流量进行最大值最小值归一化，然后利用LSTM算法训练周期流量模型，算法网络结构为[36，256，256，1]，激活函数为RELU，输出最后一层前加DROP层，丢弃率为0.2，得到历史流量。
将历史流量结合门架瞬时流量，利用多元线性回归算法训练预测流量模型。
利用监测流量，对于预测流量模型进行结果反归一化处理得到最终预测模型。
在第二个实施例中，如图2所示，一种收费站出站口流量预测系统，包括如下模块：
数据获取模块21，用于获取目标出站口的历史流量以及获取与目标出站口路程距离在距离阈值内一门架监测到的门架流量；
预测模块22，用于将历史流量赋予第一加权值，将门架流量赋予第二加权值，累加计算得到预测流量；所述第一加权值大于第二加权值，且第一加权值和第二加权值都小于1；
修正模块23，用于将预测流量与测定流量进行对比，若差值不小于第一阈值，则按照差值方向修正第一加权值；若差值小于第一阈值大于第二阈值，则按照差值方向修正第二加权值，得到修正之后的预测流量。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种收费站出站口流量预测方法，其特征在于：包括如下步骤：
获取目标出站口的历史流量；
获取与目标出站口路程距离在距离阈值之内一门架监测到的门架流量；
将历史流量赋予第一加权值，将门架流量赋予第二加权值，累加计算得到预测流量；所述第一加权值大于第二加权值，且第一加权值和第二加权值都小于1。
2.根据权利要求1所述的一种收费站出站口流量预测方法，其特征在于：将预测流量与测定流量进行对比，若差值不小于第一阈值，则按照差值方向修正第一加权值；若差值小于第一阈值大于第二阈值，则按照差值方向修正第二加权值。
3.根据权利要求1所述的一种收费站出站口流量预测方法，其特征在于：所述距离阈值按照如下步骤得到：
在目标出站口对应的每个支路上分别选择最邻近目标出站口的门架作为预选门架；
将所有的预选门架与目标出站口之间的路程距离进行计算得到平均路程，将路程距离小于平均路程的支路上的门架进行更换，更换为更加接近平均路程的门架，得到备用门架；
以预选门架数据得到的车流量作为门架流量进行监测得到第一预测流量，将备用门架数据得到的车流量作为门架流量进行监测得到第二预测流量，将第一预测流量和第二预测流量和测定流量进行对比，选择与测定流量更加接近的门架作为最终选中的门架。
4.根据权利要求1所述的一种收费站出站口流量预测方法，其特征在于：所述第一加权值不小于第二加权值的5倍。
5.根据权利要求1所述的一种收费站出站口流量预测方法，其特征在于：历史流量按照如下步骤得到：对于历史流量进行最大值最小值归一化，然后利用LSTM算法训练周期流量模型，算法网络结构为[36，256，256，1]，激活函数为RELU，输出最后一层前加DROP层，丢弃率为0.2，得到历史流量。
6.根据权利要求5所述的一种收费站出站口流量预测方法，其特征在于：将历史流量结合门架瞬时流量，利用多元线性回归算法训练预测流量模型。
7.根据权利要求6所述的一种收费站出站口流量预测方法，其特征在于：利用监测流量，对于预测流量模型进行结果反归一化处理得到最终预测模型。
8.根据权利要求1所述的一种收费站出站口流量预测方法，其特征在于：所述门架流量包括公路上的门架流量，还包括在前的其他出站口的出站流量以及在前的其他进站口的进站流量。
9.根据权利要求8所述的一种收费站出站口流量预测方法，其特征在于：所述出站流量做负数统计处理。
10.一种收费站出站口流量预测系统，其特征在于：包括如下模块：
数据获取模块，用于获取目标出站口的历史流量以及获取与目标出站口路程距离在距离阈值内一门架监测到的门架流量；
预测模块，用于将历史流量赋予第一加权值，将门架流量赋予第二加权值，累加计算得到预测流量；所述第一加权值大于第二加权值，且第一加权值和第二加权值都小于1；
修正模块，用于将预测流量与测定流量进行对比，若差值不小于第一阈值，则按照差值方向修正第一加权值；若差值小于第一阈值大于第二阈值，则按照差值方向修正第二加权值，得到修正之后的预测流量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110486065.1A CN113159856A (zh) | 2021-04-30 | 2021-04-30 | 一种收费站出站口流量预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110486065.1A CN113159856A (zh) | 2021-04-30 | 2021-04-30 | 一种收费站出站口流量预测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113159856A true CN113159856A (zh) | 2021-07-23 |
Family
ID=76873293
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110486065.1A Pending CN113159856A (zh) | 2021-04-30 | 2021-04-30 | 一种收费站出站口流量预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113159856A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113496314A (zh) * | 2021-09-07 | 2021-10-12 | 南京感动科技有限公司 | 一种神经网络模型预测道路交通流量的方法 |
| CN115331439A (zh) * | 2022-08-09 | 2022-11-11 | 山东旗帜信息有限公司 | 一种基于车辆历史画像的高速公路立交的车流量预测方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107844848A (zh) * | 2016-09-20 | 2018-03-27 | 中国移动通信集团湖北有限公司 | 一种区域人流量预测方法及系统 |
| CN108269411A (zh) * | 2016-12-31 | 2018-07-10 | 南京理工大学 | 一种高速公路etc车流量预测方法 |
| CN108694749A (zh) * | 2018-04-11 | 2018-10-23 | 东南大学 | 一种高速公路多路径识别及交通状态估计方法及其系统 |
| CN110335466A (zh) * | 2019-07-11 | 2019-10-15 | 青岛海信网络科技股份有限公司 | 交通流量预测方法和设备 |
| CN111260122A (zh) * | 2020-01-13 | 2020-06-09 | 重庆首讯科技股份有限公司 | 一种高速公路上车流量预测方法及装置 |
| CN111540199A (zh) * | 2020-04-21 | 2020-08-14 | 浙江省交通规划设计研究院有限公司 | 一种基于多模态融合和图注意力机制的高速交通流预测方法 |
| CN111932898A (zh) * | 2020-09-23 | 2020-11-13 | 南京感动科技有限公司 | 一种基于etc门架系统的短时流量预测方法 |
| CN112581774A (zh) * | 2020-12-08 | 2021-03-30 | 重庆大学 | 一种基于etc数据的高速公路服务区驶入车流量估计方法 |
| CN112634608A (zh) * | 2020-12-09 | 2021-04-09 | 长春理工大学 | 一种区域交通流量预测方法及系统 |
-
2021
- 2021-04-30 CN CN202110486065.1A patent/CN113159856A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107844848A (zh) * | 2016-09-20 | 2018-03-27 | 中国移动通信集团湖北有限公司 | 一种区域人流量预测方法及系统 |
| CN108269411A (zh) * | 2016-12-31 | 2018-07-10 | 南京理工大学 | 一种高速公路etc车流量预测方法 |
| CN108694749A (zh) * | 2018-04-11 | 2018-10-23 | 东南大学 | 一种高速公路多路径识别及交通状态估计方法及其系统 |
| CN110335466A (zh) * | 2019-07-11 | 2019-10-15 | 青岛海信网络科技股份有限公司 | 交通流量预测方法和设备 |
| CN111260122A (zh) * | 2020-01-13 | 2020-06-09 | 重庆首讯科技股份有限公司 | 一种高速公路上车流量预测方法及装置 |
| CN111540199A (zh) * | 2020-04-21 | 2020-08-14 | 浙江省交通规划设计研究院有限公司 | 一种基于多模态融合和图注意力机制的高速交通流预测方法 |
| CN111932898A (zh) * | 2020-09-23 | 2020-11-13 | 南京感动科技有限公司 | 一种基于etc门架系统的短时流量预测方法 |
| CN112581774A (zh) * | 2020-12-08 | 2021-03-30 | 重庆大学 | 一种基于etc数据的高速公路服务区驶入车流量估计方法 |
| CN112634608A (zh) * | 2020-12-09 | 2021-04-09 | 长春理工大学 | 一种区域交通流量预测方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 张春声: "基于拥堵预测算法的区域协同智慧管控平台在超大车流量跨江通道桥上的运用", 《交通工程》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113496314A (zh) * | 2021-09-07 | 2021-10-12 | 南京感动科技有限公司 | 一种神经网络模型预测道路交通流量的方法 |
| CN115331439A (zh) * | 2022-08-09 | 2022-11-11 | 山东旗帜信息有限公司 | 一种基于车辆历史画像的高速公路立交的车流量预测方法及系统 |
| CN115331439B (zh) * | 2022-08-09 | 2023-08-18 | 山东旗帜信息有限公司 | 一种基于车辆历史画像的高速公路立交的车流量预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113159856A (zh) | 一种收费站出站口流量预测方法及系统 | |
| CN110430578B (zh) | 基于移动终端数据实现小区方位角预测的方法 | |
| DE102011118706A1 (de) | Verfahren zum Übertragen von Daten zwischen einem mobilen Endgerät und wenigstens einem ortsfesten Datennetzwerk, mobiles Endgerät sowie Kraftwagen mit einem mobilen Endgerät | |
| CN109459626B (zh) | 用于电动汽车的充电机器人的监测系统和监测方法 | |
| EP2672748B1 (en) | Load prediction method, apparatus and energy-saving control communication system | |
| CN116228466B (zh) | 一种智能电网大数据分析系统 | |
| CN113139341B (zh) | 基于联邦集成学习的电量需求预测方法和系统 | |
| CN116882981B (zh) | 基于数据分析的智能电池管理系统 | |
| CN103517310A (zh) | 自动修正定位用无线基站数据集的方法 | |
| CN114925483A (zh) | 城市交通网络的碳排放测定方法 | |
| CN107509165A (zh) | 一种基于大数据计算、确定ap位置的方法 | |
| US20130137473A1 (en) | Wireless communication system, neighbor cell list optimization system, base station, and neighbor cell list update method | |
| CN115798189A (zh) | 一种交通拥堵指数评价方法 | |
| CN113138401A (zh) | 一种运动过程中对轨迹纠偏技术进行计算的方法 | |
| CN112884420A (zh) | 一种智慧物流查询系统及方法 | |
| CN110276553B (zh) | 城市轨道交通车站拥堵指数检测方法 | |
| CN112884352B (zh) | 一种架空输电线路雷击故障风险评估方法 | |
| CN116659037A (zh) | 基于局部异常因子算法的车载空调故障预测方法及系统 | |
| CN111985069A (zh) | 电池续航里程确定方法、装置、设备和可读存储介质 | |
| CN115339484A (zh) | 一种长距离无源感知的轨道交通健康监测系统及方法 | |
| CN114860813A (zh) | 计量装置的全生命周期管理系统 | |
| CN208834480U (zh) | 一种高大空间空气参数全景监测系统 | |
| CN109146175B (zh) | 一种利用卡尔曼滤波的输电线路覆冰实时估计与预测方法 | |
| CN108921325B (zh) | 一种基于实时路况的停电抢修最优路径的获取方法 | |
| CN102387526B (zh) | 一种提高无线蜂窝系统定位精度的方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210723 |