CN113160602A - 一种智能公交调度模拟系统 - Google Patents
一种智能公交调度模拟系统 Download PDFInfo
- Publication number
- CN113160602A CN113160602A CN202110457063.XA CN202110457063A CN113160602A CN 113160602 A CN113160602 A CN 113160602A CN 202110457063 A CN202110457063 A CN 202110457063A CN 113160602 A CN113160602 A CN 113160602A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- passenger flow
- station
- dispatching
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 32
- 238000005070 sampling Methods 0.000 claims abstract description 20
- 238000007726 management method Methods 0.000 claims abstract description 15
- 238000013500 data storage Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General 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
本发明公开了一种智能公交调度模拟系统，包括公交运营调度管理子系统与运行模拟系统，公交运营调度管理子系统包括客流量统计模块用于获取车站、车内和路线预期客流数据；超速报警模块用于获取车速并进行报警判断；排班调度模块用于根据历史经验生成发车时间表进行排班；车辆调度管理模块用于根据车辆和客流数据，建立并求解调度模型，获得调度方案；运行模拟系统包括历史数据存储模块用于获取不同采样周期的数据；数据比对分析模块用于计算相邻两个采样周期的数据匹配度，判断是否为最优调度方案；运行模拟控制模块用于计算运行数据与历史数据的相似度，根据相似度执行调度任务。通过计算数据相似度为公交运营提供最优调度方案，提高客户满意度。
Description
技术领域
本发明涉及公交领域，尤其涉及一种智能公交调度模拟系统。
背景技术
现有的智能公交调度系统，多采用一个城市一个集中调度中心，数千辆公交车，十数台调度席位；这种集中式调度，虽能够宏观上起到对公交车辆运行的信息化和可视化，进而对域内公交车进行统一组织和调度，提供公交车辆的定位、线路跟踪、到站预测、，以及公交线路的调配和服务能力；但是实际上，在车辆调度方面，目前所采用的技术所获得车客流/在乘满载率等数据，永远是滞后的信息。其过度关注拥挤的车辆或车内拥挤度，而忽视了车站候车客流信息，其实车站候车客流信息是车辆调度最有价值的信息，如何建立针对积压久候的乘客所需要降低车辆间隔或公交列车开行等调度方案是车辆调度研究的重点。同时如何进行有效的车辆调度方案配置同样也需要进行研究。
发明内容
本发明提供一种智能公交调度模拟系统，以克服上述技术问题。
一种智能公交调度模拟系统，包括公交运营调度管理子系统以及运行模拟系统，所述公交运营调度管理子系统包括客流量统计模块、超速报警模块、排班调度模块、车辆调度管理模块，
客流量统计模块是指获取车站、车内的客流信息和路线预期客流数据，获取车站的客流信息包括，选定需监测的车站，通过安装在车站站台的监控设备获取不同时刻站台区域的图像，识别不同图像中的人像信息，生成车站的客流数据；获取路线预期客流数据是指通过信息采集端对站台区域内乘客期待乘坐的线路信息进行采集，生成路线预期客流数据；获取车内的客流信息包括采集开门过程乘客的支付信息，获取上车人数，通过安装在车门的监控装置，获取车辆开门过程中的视频，识别并统计视频中出现的下车人数，根据上车人数、下车人数、开门前车内人数计算关门后车内人数；
超速报警模块是指利用GPS技术获取运营车辆的车速，当车速超过阈值时，在控制中心进行报警，并将报警信息反馈至驾驶员，进行降速提醒；
排班调度模块是指根据历史经验区分节假日工作日、线路、分上下行、按时间段制定发车间隔，根据当天日期、线路结合发车间隔，生成当天计划内的发车时间表，对站点内的公交车进行排班，并将排班信息发送至驾驶员手机APP中；
车辆调度管理模块是指利用GPS定位技术获取车辆的定位信息、车速信息、车间间隔、站车间隔，获取客流量统计模块中车内、车站客流数据和路线预期客流数据，建立公交调度模型，对模型进行求解，得出公交最佳发车时间和发车站点，结合车辆信息、驾驶员信息获得调度方案并存储在调度方案库中，将调度方案发送至驾驶员手机APP中；
所述运行模拟系统包括历史数据存储模块、数据比对分析模块、运行模拟控制模块，
历史数据存储模块是指将运营时间划分为不同的采样周期，选取线路上的任一站点为当前站点，在一个采样周期分别获取内当前站点与线路上当前站点的前一站点之间、当前站点与线路上当前站点的后一站点之间的运营公交车数量、车间距、车速以及前一站点、后一站点的车站客流信息和路线预期客流数据，根据以上数据获取车辆调度模块生成的调度方案，其调度方案的生成公式为(1)，将运营时间内产生的以上数据分别配置不同的权重并存储；
其中，N为调度方案，n为站点的数量，y为在一个采样周期内相邻两个站点之间所运营的公交车数量，x为公交车之间的车间距，s为车速，h为站点的车站客流信息k为站点路线预期客流数据I表示第i个站点，1≤i≤n，fun表示使用交叉熵损失训练的孪生网络，取值范围[0，1]，fc(*)表示使用残差网络抽取后的特征，fm(*)表示使用卷积网络抽取后的特征；
数据比对分析模块是指将历史数据存储模块中相邻的两个采样周期内产生的数据进行匹配度计算，计算匹配度的公式为(2)，根据匹配度的取值判断调度方案是否为最优调度方案，标记最优调度方案所对应的历史数据；
其中，x，y分别为相邻的两个采样周期内产生的数据，dis为匹配度Vx，Vy表示置信度，取值范围[0，1]，l(*)表示使用卷积网络抽取后的特征，f(*)表示对两个数据进行序列化；
运行模拟控制模块是指采集公交车实时运行过程中产生的当前采样周期内的数据，与历史数据进行相似度计算，根据相似度的取值判断是否将历史数据中的最优调度方案下发至公交车的智能车载终端执行调度任务。
优选地，与历史数据进行相似度计算是指通过二分类器模型进行相似度计算。
优选地，采集开门过程乘客的支付信息是指采集乘客通过包括但不限于自动投币支付、刷卡支付、扫码支付以及生物特征识别支付中的一种或多种组合形式进行支付时所产生的信息。
优选地，识别不同图像中的人像信息是指通过人脸识别技术识别图像中的人像信息，进行人脸识别的公式为(3)，
po＝Vilm(f(x)，f(y))+Vjlm(f(x′)，f(y′))+Vilm(x，y)+Vjlm(x′，y′)+ln(x，y，Vj)+ln(x′，y′，Vi)+ln(f(x)，f(y)，Vj)+ln(f(x′)，f(y′)，Vi) (3)
其中，x为图像，y是通用人脸模版，po是图像中人像个数，Vi，Vj，表示置信度，取值范围[0，1]，ln(*)表示使用对比损失训练的孪生网络抽取后的特征，lm(*)表示使用二值化交叉熵损失训练的孪生网络抽取后的特征，f(*)表示从面像中提取人脸信息，x′，y′表示归一化后的人脸图像。
优选地，通过信息采集端对站台区域内乘客期待乘坐的线路信息进行采集是指乘客通过车站的触摸屏、手机用户端进行期待路线选择。
优选地，建立公交调度模型是指通过人工智能算法建立公交调度模型。
本发明提供一种智能公交调度模拟系统，通过计算数据相似度为公交运营提供最优调度方案，提高客户满意度。
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一简单地介绍，显而易见地，下面描述中的附图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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一种智能公交调度模拟系统模块图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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他实施例，都属于本发明保护的范围。
图1为本发明一种智能公交调度模拟系统模块图，如图1所示，本实施例的方法可以包括：
一种智能公交调度模拟系统，包括公交运营调度管理子系统以及运行模拟系统，所述公交运营调度管理子系统包括客流量统计模块、超速报警模块、排班调度模块、车辆调度管理模块。
客流量统计模块是指获取车站、车内的客流信息和路线预期客流数据，获取车站的客流信息包括，选定需监测的车站，通过安装在车站站台的监控设备获取不同时刻站台区域的图像，识别不同图像中的人像信息，生成车站的客流数据，识别不同图像中的人像信息是指通过人脸识别技术识别图像中的人像信息，进行人脸识别的公式为(1)，
po＝Vilm(f(x)，f(y))+Vjlm(f(x′)，f(y′))+Vilm(x，y)+Vjlm(x′，y′)+ln(x，y，Vj)+ln(x′，y′，Vi)+ln(f(x)，f(y)，Vj)+ln(f(x′)，f(y′)，Vi) (1)
其中，x为图像，y是通用人脸模版，po是图像中人像个数，Vi，Vj，表示置信度，取值范围[0，1]，ln(*)表示使用对比损失训练的孪生网络抽取后的特征，lm(*)表示使用二值化交叉熵损失训练的孪生网络抽取后的特征，f(*)表示从面像中提取人脸信息，x′，y′表示归一化后的人脸图像。
获取路线预期客流数据是指通过信息采集端对站台区域内乘客期待乘坐的线路信息进行采集，生成路线预期客流数据，通过信息采集端对站台区域内乘客期待乘坐的线路信息进行采集是指乘客通过车站的触摸屏、手机用户端进行期待路线选择。
获取车内的客流信息包括采集开门过程乘客的支付信息，获取上车人数，采集开门过程乘客的支付信息是指采集乘客通过包括但不限于自动投币支付、刷卡支付、扫码支付以及生物特征识别支付中的一种或多种组合形式进行支付时所产生的信息。
通过安装在车门的监控装置，获取车辆开门过程中的视频，识别并统计视频中出现的下车人数，根据上车人数、下车人数、开门前车内人数计算关门后车内人数。
超速报警模块是指利用GPS技术获取运营车辆的车速，当车速超过阈值时，在控制中心进行报警，并将报警信息反馈至驾驶员，进行降速提醒。
排班调度模块是指根据历史经验区分节假日工作日、线路、分上下行、按时间段制定发车间隔，根据当天日期、线路结合发车间隔，生成当天计划内的发车时间表，对站点内的公交车进行排班，并将排班信息发送至驾驶员手机APP中。
车辆调度管理模块是指利用GPS定位技术获取车辆的定位信息、车速信息、车间间隔、站车间隔，获取客流量统计模块中车内、车站客流数据和路线预期客流数据建立公交调度模型通过人工智能算法建立公交调度模型，对模型进行求解，得出公交最佳发车时间和发车站点，结合车辆信息、驾驶员信息获得调度方案并存储在调度方案库中，将调度方案发送至驾驶员手机APP中。
运行模拟系统包括历史数据存储模块、数据比对分析模块、运行模拟控制模块。
历史数据存储模块是指将运营时间划分为不同的采样周期，选取线路上的任一站点为当前站点，在一个采样周期分别获取内当前站点与线路上当前站点的前一站点之间、当前站点与线路上当前站点的后一站点之间的运营公交车数量、车间距、车速以及前一站点、后一站点的车站客流信息和路线预期客流数据，根据以上数据获取车辆调度模块生成的调度方案，其调度方案的生成公式为(2)，将运营时间内产生的以上数据分别配置不同的权重并存储；
其中，N为调度方案，n为站点的数量，y为在一个采样周期内相邻两个站点之间所运营的公交车数量，x为公交车之间的车间距，s为车速，h为站点的车站客流信息k为站点路线预期客流数据I表示第i个站点，1≤i≤n，fun表示使用交叉熵损失训练的孪生网络，取值范围[0，1]，fc(*)表示使用残差网络抽取后的特征，fm(*)表示使用卷积网络抽取后的特征。
数据比对分析模块是指将历史数据存储模块中相邻的两个采样周期内产生的数据进行匹配度计算，计算匹配度的公式为(3)，根据匹配度的取值判断调度方案是否为最优调度方案，标记最优调度方案所对应的历史数据；
其中，x，y分别为相邻的两个采样周期内产生的数据，dis为匹配度Vx，Vy表示置信度，取值范围[0，1]，l(*)表示使用卷积网络抽取后的特征，f(*)表示对两个数据进行序列化。
运行模拟控制模块是指采集公交车实时运行过程中产生的当前采样周期内的数据，与历史数据进行相似度计算，与历史数据进行相似度计算是指通过二分类器模型进行相似度计算，根据相似度的取值判断是否将历史数据中的最优调度方案下发至公交车的智能车载终端执行调度任务。
整体的有益效果，本发明提供一种智能公交调度模拟系统，通过计算数据相似度为公交运营提供最优调度方案，提高客户满意度。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种智能公交调度模拟系统，其特征在于，包括公交运营调度管理子系统以及运行模拟系统，所述公交运营调度管理子系统包括客流量统计模块、超速报警模块、排班调度模块、车辆调度管理模块，
客流量统计模块是指获取车站、车内的客流信息和路线预期客流数据，获取车站的客流信息包括，选定需监测的车站，通过安装在车站站台的监控设备获取不同时刻站台区域的图像，识别不同图像中的人像信息，生成车站的客流数据；获取路线预期客流数据是指通过信息采集端对站台区域内乘客期待乘坐的线路信息进行采集，生成路线预期客流数据；获取车内的客流信息包括采集开门过程乘客的支付信息，获取上车人数，通过安装在车门的监控装置，获取车辆开门过程中的视频，识别并统计视频中出现的下车人数，根据上车人数、下车人数、开门前车内人数计算关门后车内人数；
超速报警模块是指利用GPS技术获取运营车辆的车速，当车速超过阈值时，在控制中心进行报警，并将报警信息反馈至驾驶员，进行降速提醒；
排班调度模块是指根据历史经验区分节假日工作日、线路、分上下行、按时间段制定发车间隔，根据当天日期、线路结合发车间隔，生成当天计划内的发车时间表，对站点内的公交车进行排班，并将排班信息发送至驾驶员手机APP中；
车辆调度管理模块是指利用GPS定位技术获取车辆的定位信息、车速信息、车间间隔、站车间隔，获取客流量统计模块中车内、车站客流数据和路线预期客流数据，建立公交调度模型，对模型进行求解，得出公交最佳发车时间和发车站点，结合车辆信息、驾驶员信息获得调度方案并存储在调度方案库中，将调度方案发送至驾驶员手机APP中；
所述运行模拟系统包括历史数据存储模块、数据比对分析模块、运行模拟控制模块，
历史数据存储模块是指将运营时间划分为不同的采样周期，选取线路上的任一站点为当前站点，在一个采样周期分别获取内当前站点与线路上当前站点的前一站点之间、当前站点与线路上当前站点的后一站点之间的运营公交车数量、车间距、车速以及前一站点、后一站点的车站客流信息和路线预期客流数据，根据以上数据获取车辆调度模块生成的调度方案，其调度方案的生成公式为(1)，将运营时间内产生的以上数据分别配置不同的权重并存储；
其中，N为调度方案，n为站点的数量，y为在一个采样周期内相邻两个站点之间所运营的公交车数量，x为公交车之间的车间距，s为车速，h为站点的车站客流信息，k为站点路线预期客流数据，I表示第i个站点，1≤i≤n，fun表示使用交叉熵损失训练的孪生网络，取值范围[0,1]，fc(*)表示使用残差网络抽取后的特征，fm(*)表示使用卷积网络抽取后的特征；
数据比对分析模块是指将历史数据存储模块中相邻的两个采样周期内产生的数据进行匹配度计算，计算匹配度的公式为(2)，根据匹配度的取值判断调度方案是否为最优调度方案，标记最优调度方案所对应的历史数据；
其中，x,y分别为相邻的两个采样周期内产生的数据，，dis为匹配度，Vx，Vy表示置信度，取值范围[0,1]，l(*)表示使用卷积网络抽取后的特征，f(*)表示对两个数据进行序列化；
运行模拟控制模块是指采集公交车实时运行过程中产生的当前采样周期内的数据，与历史数据进行相似度计算，根据相似度的取值判断是否将历史数据中的最优调度方案下发至公交车的智能车载终端执行调度任务。
2.根据权利要求1所述的一种智能公交调度模拟系统，其特征在于，所述与历史数据进行相似度计算是指通过二分类器模型进行相似度计算。
3.根据权利要求1所述的一种智能公交调度模拟系统，其特征在于，所述采集开门过程乘客的支付信息是指采集乘客通过包括但不限于自动投币支付、刷卡支付、扫码支付以及生物特征识别支付中的一种或多种组合形式进行支付时所产生的信息。
4.根据权利要求1所述的一种智能公交调度模拟系统，其特征在于，所述识别不同图像中的人像信息是指通过人脸识别技术识别图像中的人像信息，进行人脸识别的公式为(3)，
po＝Vilm(f(x)，f(y))+Vjlm(f(x′),f(y′))+Vilm(x，y)+Vjlm(x′，y′)+ln(x，y，Vj)+ln(x′，y′，Vi)+ln(f(x)，f(y)，Vj)+ln(f(x′)，f(y′)，Vi) (3)
其中，x为图像，y是通用人脸模版，po是图像中人像个数，Vi,Vj,表示置信度，取值范围[0,1]，ln(*)表示使用对比损失训练的孪生网络抽取后的特征，lm(*)表示使用二值化交叉熵损失训练的孪生网络抽取后的特征，f(*)表示从面像中提取人脸信息，x′，y′表示归一化后的人脸图像。
5.根据权利要求1所述的一种智能公交调度模拟系统，其特征在于，所述通过信息采集端对站台区域内乘客期待乘坐的线路信息进行采集是指乘客通过车站的触摸屏、手机用户端进行期待路线选择。
6.根据权利要求1所述的一种智能公交调度模拟系统，其特征在于，所述建立公交调度模型是指通过人工智能算法建立公交调度模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110457063.XA CN113160602B (zh) | 2021-04-27 | 2021-04-27 | 一种智能公交调度模拟系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110457063.XA CN113160602B (zh) | 2021-04-27 | 2021-04-27 | 一种智能公交调度模拟系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113160602A true CN113160602A (zh) | 2021-07-23 |
| CN113160602B CN113160602B (zh) | 2022-05-10 |
Family
ID=76871342
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110457063.XA Active CN113160602B (zh) | 2021-04-27 | 2021-04-27 | 一种智能公交调度模拟系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113160602B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113781822A (zh) * | 2021-09-24 | 2021-12-10 | 湖北惠诚共创科技有限公司 | 一种基于大数据的公交车用调度系统 |
| CN113935614A (zh) * | 2021-10-11 | 2022-01-14 | 华中科技大学 | 车队调控方法、装置、电子设备及存储介质 |
| CN114743401A (zh) * | 2022-03-23 | 2022-07-12 | 华录智达科技股份有限公司 | 一种基于公交数字化转型的数据可视化公交调度管理平台 |
| CN114999139A (zh) * | 2022-05-25 | 2022-09-02 | 新驱动重庆智能汽车有限公司 | 公交运营线路动态调度的方法、系统、存储介质及设备 |
| CN115130719A (zh) * | 2022-04-19 | 2022-09-30 | 北京交通大学 | 用于城轨路网的新线开通路网客流预测方法及系统 |
| CN115712252A (zh) * | 2022-11-02 | 2023-02-24 | 浙江清华长三角研究院 | 云控自动驾驶公交车车速规划仿真验证方法及系统 |
| CN116485137A (zh) * | 2023-04-20 | 2023-07-25 | 浪潮智慧科技有限公司 | 一种基于大数据的智慧公交调度方法、设备及介质 |
| CN117610932A (zh) * | 2023-12-04 | 2024-02-27 | 中国雄安集团交通有限公司 | 一种基于人工智能的公交运营风险管控系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101572011A (zh) * | 2009-06-10 | 2009-11-04 | 上海理工大学 | 城市公交智能化调度管理系统及方法 |
| US20100299177A1 (en) * | 2009-05-22 | 2010-11-25 | Disney Enterprises, Inc. | Dynamic bus dispatching and labor assignment system |
| CN103678917A (zh) * | 2013-12-13 | 2014-03-26 | 杭州易和网络有限公司 | 一种基于模拟退火算法的公交实时到站时间预测方法 |
| CN104217582A (zh) * | 2014-09-02 | 2014-12-17 | 南通北城科技创业管理有限公司 | 一种公交智能调度系统 |
| CN107564270A (zh) * | 2017-09-07 | 2018-01-09 | 深圳市蓝泰源信息技术股份有限公司 | 一种智能公交调度运营方法 |
| CN108629469A (zh) * | 2017-03-17 | 2018-10-09 | 上海苍烨智能科技有限公司 | 一种公共交通运营管理调度方法及系统 |
| CN109633769A (zh) * | 2018-11-27 | 2019-04-16 | 安徽安凯汽车股份有限公司 | 一种公交车客流监测系统及其工作方法 |
| 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 |
| CN109903549A (zh) * | 2017-12-11 | 2019-06-18 | 郑州宇通客车股份有限公司 | 一种公交车智能调度系统 |
| CN110458456A (zh) * | 2019-08-12 | 2019-11-15 | 上海同济城市规划设计研究院有限公司 | 基于人工智能的需求响应式公交系统的调度方法及系统 |
| CN111739287A (zh) * | 2020-05-20 | 2020-10-02 | 苏交科集团股份有限公司 | 一种车路协同智慧站台智能调度系统 |
| CN111815189A (zh) * | 2020-07-15 | 2020-10-23 | 同济大学 | 模块化公交调度系统 |
-
2021
- 2021-04-27 CN CN202110457063.XA patent/CN113160602B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100299177A1 (en) * | 2009-05-22 | 2010-11-25 | Disney Enterprises, Inc. | Dynamic bus dispatching and labor assignment system |
| CN101572011A (zh) * | 2009-06-10 | 2009-11-04 | 上海理工大学 | 城市公交智能化调度管理系统及方法 |
| CN103678917A (zh) * | 2013-12-13 | 2014-03-26 | 杭州易和网络有限公司 | 一种基于模拟退火算法的公交实时到站时间预测方法 |
| CN104217582A (zh) * | 2014-09-02 | 2014-12-17 | 南通北城科技创业管理有限公司 | 一种公交智能调度系统 |
| CN108629469A (zh) * | 2017-03-17 | 2018-10-09 | 上海苍烨智能科技有限公司 | 一种公共交通运营管理调度方法及系统 |
| CN107564270A (zh) * | 2017-09-07 | 2018-01-09 | 深圳市蓝泰源信息技术股份有限公司 | 一种智能公交调度运营方法 |
| CN109903549A (zh) * | 2017-12-11 | 2019-06-18 | 郑州宇通客车股份有限公司 | 一种公交车智能调度系统 |
| CN109633769A (zh) * | 2018-11-27 | 2019-04-16 | 安徽安凯汽车股份有限公司 | 一种公交车客流监测系统及其工作方法 |
| 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 |
| CN110458456A (zh) * | 2019-08-12 | 2019-11-15 | 上海同济城市规划设计研究院有限公司 | 基于人工智能的需求响应式公交系统的调度方法及系统 |
| CN111739287A (zh) * | 2020-05-20 | 2020-10-02 | 苏交科集团股份有限公司 | 一种车路协同智慧站台智能调度系统 |
| CN111815189A (zh) * | 2020-07-15 | 2020-10-23 | 同济大学 | 模块化公交调度系统 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113781822A (zh) * | 2021-09-24 | 2021-12-10 | 湖北惠诚共创科技有限公司 | 一种基于大数据的公交车用调度系统 |
| CN113935614A (zh) * | 2021-10-11 | 2022-01-14 | 华中科技大学 | 车队调控方法、装置、电子设备及存储介质 |
| CN113935614B (zh) * | 2021-10-11 | 2023-10-13 | 华中科技大学 | 车队调控方法、装置、电子设备及存储介质 |
| CN114743401A (zh) * | 2022-03-23 | 2022-07-12 | 华录智达科技股份有限公司 | 一种基于公交数字化转型的数据可视化公交调度管理平台 |
| CN114743401B (zh) * | 2022-03-23 | 2023-05-09 | 华录智达科技股份有限公司 | 一种基于公交数字化转型的数据可视化公交调度管理平台 |
| CN115130719A (zh) * | 2022-04-19 | 2022-09-30 | 北京交通大学 | 用于城轨路网的新线开通路网客流预测方法及系统 |
| CN115130719B (zh) * | 2022-04-19 | 2023-09-22 | 北京交通大学 | 用于城轨路网的新线开通路网客流预测方法及系统 |
| CN114999139A (zh) * | 2022-05-25 | 2022-09-02 | 新驱动重庆智能汽车有限公司 | 公交运营线路动态调度的方法、系统、存储介质及设备 |
| CN115712252A (zh) * | 2022-11-02 | 2023-02-24 | 浙江清华长三角研究院 | 云控自动驾驶公交车车速规划仿真验证方法及系统 |
| CN116485137A (zh) * | 2023-04-20 | 2023-07-25 | 浪潮智慧科技有限公司 | 一种基于大数据的智慧公交调度方法、设备及介质 |
| CN116485137B (zh) * | 2023-04-20 | 2023-10-13 | 浪潮智慧科技有限公司 | 一种基于大数据的智慧公交调度方法、设备及介质 |
| CN117610932A (zh) * | 2023-12-04 | 2024-02-27 | 中国雄安集团交通有限公司 | 一种基于人工智能的公交运营风险管控系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113160602B (zh) | 2022-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113160602B (zh) | 一种智能公交调度模拟系统 | |
| CN112598182B (zh) | 一种轨道交通智能调度方法及系统 | |
| CN109308546B (zh) | 乘客公交出行下车站点预测方法及系统 | |
| CN108242149B (zh) | 一种基于交通数据的大数据分析方法 | |
| CN103116917B (zh) | 一种基于gps的公交智能停车场控制方法 | |
| CN104599490A (zh) | 多功能集成系统及其候车系统 | |
| CN109189019A (zh) | 一种机车乘务员值乘标准化监控系统 | |
| 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 | |
| DE112018007122T5 (de) | Bereitstellen von verfügbarkeitsindikatoren in einer geteilten fahrzeugumgebung | |
| CN116386379A (zh) | 基于物联网技术的智能停车场数据管理方法和系统 | |
| CN113160604A (zh) | 一种基于人工智能公交管理方法及系统 | |
| CN112687110A (zh) | 一种基于大数据分析的车位级导航方法及其系统 | |
| CN114118470B (zh) | 一种全自动驾驶车辆基地生产运营智能管控方法及系统 | |
| CN109409563B (zh) | 一种公交运营车辆实时人数的分析方法、系统和存储介质 | |
| CN114360204A (zh) | 一种基于区块链的网联汽车信息安全通信系统 | |
| CN113298350A (zh) | 一种基于人工智能的公交综合监管与服务系统 | |
| CN116311641B (zh) | 一种基于园区管理的智能运维系统及方法 | |
| CN110321982A (zh) | 一种轨道交通断面客流量实时计算方法 | |
| CN116523267B (zh) | 适用于轨道交通的车辆调度优化方法、系统及存储介质 | |
| CN113299106A (zh) | 一种基于物联网的公交到站时间预测系统 | |
| CN114937352B (zh) | 适用于车队云服务的智能调度方法及系统 | |
| CN116050581A (zh) | 一种智慧城市地铁行车调度优化方法和物联网系统 | |
| CN113542364B (zh) | 一种公交车和网约车联动的智慧交通系统 | |
| CN114973083A (zh) | 一种驾驶员身份自动识别装置、系统及方法 | |
| CN110689150A (zh) | 基于机器学习的订单预测方法、预测装置及计算机设备 |
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 | ||
| CP03 | Change of name, title or address |
Address after: 14 / F, Hualu building, 717 Huangpu Road, Dalian hi tech Industrial Park, Liaoning 116000 Patentee after: Hualu Zhida Technology Co.,Ltd. Address before: No. 717, Huangpu Road, high tech park, Dalian, Liaoning 116000 Patentee before: Hualu Zhida Technology Co.,Ltd. |
|
| CP03 | Change of name, title or address |