CN113299064A - 公交精准预报站方法、系统、装置及存储介质 - Google Patents

公交精准预报站方法、系统、装置及存储介质 Download PDF

Info

Publication number
CN113299064A
CN113299064A CN202110530675.7A CN202110530675A CN113299064A CN 113299064 A CN113299064 A CN 113299064A CN 202110530675 A CN202110530675 A CN 202110530675A CN 113299064 A CN113299064 A CN 113299064A
Authority
CN
China
Prior art keywords
time
bus
data
station
arrival
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
CN202110530675.7A
Other languages
English (en)
Inventor
芮建秋
沈志伟
张春梅
施骏成
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.)
Suzhou Intelligent Transportation Information Technology Co ltd
Original Assignee
Suzhou Intelligent Transportation Information Technology 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 Suzhou Intelligent Transportation Information Technology Co ltd filed Critical Suzhou Intelligent Transportation Information Technology Co ltd
Priority to CN202110530675.7A priority Critical patent/CN113299064A/zh
Publication of CN113299064A publication Critical patent/CN113299064A/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
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请涉及城市公共交通技术领域，尤其涉及一种公交精准预报站方法、系统、装置及存储介质，包括：采集公交车历史进站数据；其中，历史进站数据包括站点名称以及站点的进站时间；根据历史进站数据计算两站点间过车基础耗时量；获取公交车的实时进站数据；根据实时进站数据与两站点间过车基础耗时量计算后续站点预计到站时间。根据历史进站数据计算不同周期、时段下两站点间的过车基础耗时量，通过实时进站时间累计两站点间的过车基础耗时量，得出后续站点的预计到站时间，便于提高公交车的预报站精确度，同时将实时预报站结果数据实时发送至应用程序，便于用户通过应用程序查看公交线网上的实时预报站结果数据，大大提升了市民的公交车体验。

Description

公交精准预报站方法、系统、装置及存储介质
技术领域
本申请涉及城市公共交通技术领域，尤其是涉及一种公交精准预报站方法、系统、装置及存储介质。
背景技术
公共交通系统在智能交通中占有重要地位，鼓励公交出行也是当前城市经济发展和环境保护的共同需求，所以公交车成为市民出行的主要工具之一。
但市民在候车时无法知晓公交车辆到哪里、何时到，导致市民抱怨公交车辆到站时间不准确，耽误出行，对公众出行提供的方便和服务有限。
发明内容
为了便于提高公交车预报站的精确度，本申请提供一种公交车精准预报站方法、系统、装置及存储介质。
第一方面，本申请提供的一种公交车精准预报站方法，采用如下的技术方案：
一种公交精准预报站方法，包括：
采集公交车历史进站数据；其中，进站数据包括站点名称以及站点的进站时间；
基于历史进站数据通过预设的计算规则计算两站点间过车基础耗时量；
获取公交车的实时进站数据；
基于实时进站数据与两站点间过车基础耗时量通过预设的运算规则计算后续站点预计到站时间。
通过采用上述技术方案，根据历史进站数据计算不同时间段两站点间的过车基础耗时量，接入公交车的实时进站时间，通过实时进站时间累计两站点间的过车基础耗时量，得出后续站点的预计到站时间，便于提高公交车的预报站精确度。
可选的，所述基于实时进站数据与两站点间过车基础耗时量通过预设的运算规则计算后续站点预计到站时间中运算规则具体包括：
根据公式Tn=T+n1得到后续站点预计进站时间Tn；
其中，T为公交车到达站点的实时进站时间，n1为该站点与下一站点之间的过车基础耗时量。
通过采用上述技术方案，结合公交车的实时进站时间与两站间的过车基础耗时量得出预计到站时间，根据实际情况对预计到站时间进行更新或调整，从而便于进一步提高公交车的预报站精确度。
可选的，所述基于历史进站数据通过预设的计算规则计算两站点间过车基础耗时量步骤中计算规则具体包括：
将历史进站数据按照周期进行分类并标记；
其中，周期包括工作日、周末、节假日；
对相同周期下两公交站点间的过车耗时量取平均值，得到每一周期的过车基础耗时量。
通过采用上述技术方案，对数据按照工作日、周末、节假日进行分类，可根据实际情况计算不同时期的过车基础耗时量，使得预计到站时间更加精确。
可选的，所述基于历史进站数据通过预设的计算规则计算两站点间过车基础耗时量步骤中计算规则还包括：
将历史进站数据按照时段进行分类并标记；
对相同周期、相同时段下两公交站点间的过车耗时量取平均值，得到每一周期、每一时段的过车基础耗时量。
通过采用上述技术方案，对数据按照时段进行分类，便于精准的计算不同时段下的过车基础耗时量，使得预计到站时间更加精确。
可选的，所述采集公交车历史进站数据的下一步骤包括：
对历史进站数据进行清洗，剔除非法数据以及重复数据；
其中，非法数据为历史进站数据中站点标识和公交线路标识不存在于公交线网基础库中的数据。
通过采用上述技术方案，剔除历史进站数据中的重复数据以及站点为空数据，便于过车基础耗时量的计算，同时使得过车基础耗时量更加精确。
可选的，还包括：
定期对预计到站时间进行校验，并判断该预计到站时间是否过时，在判断为是时根据预设规则对该预计到站时间进行调整。
通过采用上述技术方案，定期对预计到站时间进行校验和调整，使得预计到站时间更加准确。
可选的，还包括：
当有新的实时到站数据产生时，判断该站的预计到站时间是否为当前时间，当预计到站时间不是当前时间时，根据当前时间以及当前时间所在周期、时段下的过车基础耗时量对后续站点重新计算。
通过采用上述技术方案，当有新的实时到站数据产生时，判断该站的预计到站时间是否为当前时间，当预计到站时间不是当前时间时，以当前时间为基础时间，并根据当前时间以及当前时间所在周期、时段下的过车基础耗时量对后续站点的到站时间重新计算，便于提高预计到站时间的精确度。
第二方面，本申请提供的一种公交车精准预报站系统，常采用如下的技术方案：
一种公交精准预报站系统，包括：
历史数据采集模块：用于采集公交车历史进站数据；其中，进站数据包括站点名称以及站点的进站时间；
基础耗时量计算模块：用于基于历史进站数据通过预设的计算规则计算两站点间过车基础耗时量；
实时数据获取模块：用于获取公交车的实时进站数据；
到站时间计算模块：用于基于实时进站数据与两站点间过车基础耗时量通过预设的运算规则计算后续站点预计到站时间。
通过采用上述技术方案，根据历史进站数据计算不同时间段两站点间的过车基础耗时量，接入公交车的实时进站时间，通过实时进站时间累计两站点间的过车基础耗时量，得出后续站点的预计到站时间，便于提高公交车的预报站精确度。
第三方面，本申请提供的一种公交车精准预报站装置，采用如下的技术方案：
一种公交精准预报站装置，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如上述公交车精准预报站方法的计算机程序。
通过采用上述技术方案，根据历史进站数据计算不同时间段两站点间的过车基础耗时量，接入公交车的实时进站时间，通过实时进站时间累计两站点间的过车基础耗时量，得出后续站点的预计到站时间，便于提高公交车的预报站精确度。
第四方面，本申请提供的一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，存储有能够被处理器加载并执行如如上述公交车精准预报站方法中的计算机程序。
通过采用上述技术方案，根据历史进站数据计算不同时间段两站点间的过车基础耗时量，接入公交车的实时进站时间，通过实时进站时间累计两站点间的过车基础耗时量，得出后续站点的预计到站时间，便于提高公交车的预报站精确度。
综上所述，本申请包括以下至少一种有益技术效果：
1.根据历史进站数据计算不同时间段两站点间的过车基础耗时量，接入公交车的实时进站时间，通过实时进站时间累计两站点间的过车基础耗时量，得出后续站点的预计到站时间，便于提高公交车的预报站精确度；
2.对数据按照工作日、周末、节假日、时段进行分类，可根据实际情况计算每一周期、每一时段下的过车基础耗时量，使得过车基础耗时量更加精确，从而使得预计到站时间更加精确；
3.剔除历史进站数据中的重复数据以及站点为空数据，便于过车基础耗时量的计算，同时使得过车基础耗时量更加精确。
附图说明
图1是本申请实施例示出的公交精准预报站方法的流程框图。
图2是本申请实施例示出的公交精准预报站方法中计算规则的流程框图。
图3是本申请实施例示出的公交精准预报站方法中预设规则的流程图。
图4是本申请实施例示出的公交精准预报站系统的流程图。
附图标记说明：1、历史数据采集模块；2、基础耗时量计算模块；3、实时数据获取模块；4、到站时间计算模块。
具体实施方式
以下结合附图1-4对本申请作进一步详细说明。
本申请实施例公开一种公交精准预报站方法。
参照图1，公交精准预报站方法包括以下步骤：
S1、采集公交车历史进站数据；其中，历史进站数据包括公交线路编号、站点名称以及公交车的进站时间。
具体的，通过GPS定位获取公交车的位置信息，当公交车到达公交线网上设定的站点的位置时，获取该站点的站点名称以及公交车的进站时间，并将公交线路编号、站点名称以及公交车的进站时间存储至大数据平台中，从而使得大数据平台中存储有设定的时间段范围内所有的历史进站数据；例如大数据平台中存储有2020/01/01-2020/12/30时间范围内所有的历史进站数据；
其中，公交车的进站时间包括年、月、日、时、分、秒等信息，例如：“2021/04/05 15:24:21”。
S2、对历史进站数据进行清洗，剔除非法数据以及重复数据；其中，非法数据为历史进站数据中站点标识和公交线路标识不存在于公交线网基础库中的数据，其中，公交线路标识为公交线路编号，例如3路、4路。
具体来说，将大数据平台中存储的历史进站数据与公交线网基础库进行对比，判断历史进站数据中站点数据和公交线路数据是否在公交线网基础库中存在，在判断为否时，该数据为非法数据，并将该非法数据进行剔除；同时，判断历史进站数据中站点数据、公交线路数据、公交车辆数据、进站时间是否存在多笔重复数据，若存在只需保留一笔，剔除多余数据；另外，判断历史进站数据中的公交车的进站时间格式是否正常，在判断为否时，剔除该公交车的进站时间，且公交车的进站时间不应大于或小于设定的时间段范围。
S3、基于历史进站数据通过预设的计算规则计算两站点间过车基础耗时量。
其中，结合图2，计算规则具体包括：
S31、将历史进站数据按照周期进行分类并标记；其中，周期包括工作日、周末、节假日。
具体来说，根据公交车的进站时间将历史进站数据分为工作日数据、周末数据、节假日数据。
S32、将历史进站数据按照时段进行分类并标记。
具体来说，根据公交车的进站时间将历史进站数据按照公交车的出发时间为起始点、以设定的时段为时间间隔进行分类。例如，以5点为起始时间，以15分钟为时间间隔，依次获取5:00-5:15，5:15-5:30等不同时间段内两站点间的过车耗时量。
S33、对相同周期、相同时段下两公交站点间的过车耗时量取平均值，得到每一周期、每一时段的过车基础耗时量。
具体来说，获取大数据平台中相同周期、相同时段下两公交站点间的过车耗时量，对每一周期、每一时段的过车耗时量取平均值，得到每一周期、每一时段的过车基础耗时量；
另外，过车基础耗时量与样本覆盖率有关，样本覆盖率越高，过车基础耗时量的精确性越高；其中，样本覆盖率表示进站数据产生的频率。
S4、获取公交车的实时进站数据。
具体来说，通过GPS定位实时获取公交车的位置信息，当公交车到达公交线网上设定的站点的位置时，获取该站点的站点名称以及公交车的进站时间。
S5、基于实时进站数据与两站点间过车基础耗时量通过预设的运算规则计算后续站点预计到站时间。
其中，运算规则具体包括：
根据公式Tn1=T+n1得到后续站点预计到站时间Tn1；
其中，T为公交车到达站点的实时到站时间，n1为该站点与下一站点之间的过车基础耗时量。依次类推，后续第二站点预计到站时间Tn2= T+n1+n2，后续第三站点预计到站时间Tn3=T+n1+n2+n3。
具体来说，当公交车到达公交线网上设定的站点的位置时，获取该公交车的进站时间，判断该进站时间所处的周期以及时段，根据该周期以及该时段的过车基础耗时量计算此线路后续站间过车累计耗时时长，结合当前站进站时间得出后续站的预计到站时间。
S6、对公交线网上所有实时预报站结果数据进行数据服务接口封装，以通用网络接口WebService形式对应用程序如APP程序、电子公交站牌和第三方应用程序提供实时预报站结果数据；其中，实时预报站结果数据包括公交线路、站点名称以及预计到站时间。
另外，当应用程序接收到实时预报站结果数据后，通过外设移动终端和电子公交站牌调用WebService数据接口进行数据可视化渲染，并以15秒为刷新频率对数据进行实时更新。
定期对预计到站时间进行校验，并判断该预计到站时间是否过时或失效，在判断为是时通过预设规则对该预计到站时间进行调整。
具体来说，对预计到站时间进行实时校验和调整，判断预计到站时间是否过期，即是否存在公交车未到站但当前时间已经大于下一站点的预计到站时间的情况，当存在时，通过预设规则对后续站点全部进行计算。
其中，结合图3，预设规则具体包括：
S10、通过GPS定位获取公交车的当前位置。
S11、调取电子地图数据，判断公交车的当前位置是否为拥堵路段；在判断为否时，进行以下方法步 骤S12；在判断为是时，进行以下方法步骤S13。
S12、根据公交车的当前位置、下一站点的位置以及公交车的平均时速计算下一站点的预计到站时间。
S13、判断公交车的当前位置与下一站点的位置之间的线路是否全部为拥堵路段，在判断为是时，通过预设的第一处理规则计算后续站点预计时间；在判断为否时，通过预设的第二处理规则计算后续站点的预计到站时间。
其中，第一处理规则具体包括：
通过电子地图数据获取总拥堵路段的总距离以及通过该总拥堵路段所需时间，并根据计算公式t1=t*（s1/s）得到公交车预计到达下一站点所需时间t1，其中，t为通过总拥堵路段所需时间，s1为公交车的当前位置与下一站点之间的距离，s为总拥堵路段的总距离；
根据当前时间以及公交车预计到达下一站点所需时间t1计算下一站点的预计到站时间。
第二处理规则具体包括：
通过电子地图数据获取公交车当前位置与下一站点的位置之间的拥堵路段的距离以及非拥堵路段的距离；
根据非拥堵路段的距离以及公交车的平均时速计算通过非拥堵路段所需时间，并根据总拥堵路段的总距离、通过该总拥堵路段所需时间以及拥堵路段的距离计算通过拥堵路段所需时间；
根据当前时间、通过非拥堵路段所需时间以及通过拥堵路段所需时间计算下一站点预计到站时间。
另外，当有新的实时到站数据产生时，判断该站的预计到站时间是否为当前时间，当预计到站时间不是当前时间时，以当前时间为基础时间，并根据当前时间以及当前时间所在周期、时段下的过车基础耗时量对后续站点重新计算。
本申请实施例的实施原理为：
根据历史进站数据计算不同时间段两站点间的过车基础耗时量，接入公交车的实时进站时间，通过实时进站时间累计两站点间的过车基础耗时量，得出后续站点的预计到站时间，便于提高公交车的预报站精确度，大大提升了市民的公交车体验。
基于上述方法，本申请实施例还公开了一种公交精准预报站系统。
参照图4，公交精准预报站系统包括：
历史数据采集模块1：用于采集公交车历史进站数据；其中，进站数据包括站点名称以及站点的进站时间；
基础耗时量计算模块2：用于根据历史进站数据计算两站点间过车基础耗时量；
实时数据获取模块3：用于获取公交车的实时进站数据；
到站时间计算模块4：用于根据实时进站数据与两站点间过车基础耗时量计算后续站点预计到站时间。
本申请实施例还公开了一种公交精准预报站装置，包括存储器和处理器，存储器上存储有能够被处理器加载并执行如上述公交精准预报站方法的计算机程序。
本申请实施例还公开了一种计算机可读存储介质，存储有能够被处理器加载并执行如上述公交精准预报站方法的计算机程序，该计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims (10)

1.一种公交精准预报站方法，其特征在于，包括：
采集公交车历史进站数据；其中，进站数据包括站点名称以及站点的进站时间；
基于历史进站数据通过预设的计算规则计算两站点间过车基础耗时量；
获取公交车的实时进站数据；
基于实时进站数据与两站点间过车基础耗时量通过预设的运算规则计算后续站点预计到站时间。
2.根据权利要求1所述的公交精准预报站方法，其特征在于，所述基于实时进站数据与两站点间过车基础耗时量通过预设的运算规则计算后续站点预计到站时间中运算规则具体包括：
根据公式Tn=T+n1得到后续站点预计到站时间Tn；
其中，T为公交车到达站点的实时到站时间，n1为该站点与下一站点之间的过车基础耗时量。
3.根据权利要求1所述的公交精准预报站方法，其特征在于，所述基于历史进站数据通过预设的计算规则计算两站点间过车基础耗时量步骤中计算规则具体包括：
将历史进站数据按照周期进行分类并标记；
其中，周期包括工作日、周末、节假日；
对相同周期下两公交站点间的过车耗时量取平均值，得到每一周期的过车基础耗时量。
4.根据权利要求3所述的公交精准预报站方法，其特征在于，所述基于历史进站数据通过预设的计算规则计算两站点间过车基础耗时量步骤中计算规则还包括：
将历史进站数据按照时段进行分类并标记；
对相同周期、相同时段下两公交站点间的过车耗时量取平均值，得到每一周期、每一时段的过车基础耗时量。
5.根据权利要求1所述的公交精准预报站方法，其特征在于，所述采集公交车历史进站数据的下一步骤包括：
对历史进站数据进行清洗，剔除非法数据以及重复数据；
其中，非法数据为历史进站数据中站点标识和公交线路标识不存在于公交线网基础库中的数据。
6.根据权利要求1所述的公交精准预报站方法，其特征在于，还包括：
定期对预计到站时间进行校验，并判断该预计到站时间是否过时，在判断为是时根据预设规则对该预计到站时间进行调整。
7.根据权利要求1所述的公交精准预报站方法，其特征在于，还包括：
当有新的实时到站数据产生时，判断该站的预计到站时间是否为当前时间，当预计到站时间不是当前时间时，根据当前时间以及当前时间所在周期、时段下的过车基础耗时量对后续站点重新计算。
8.一种公交精准预报站系统，其特征在于，包括：
历史数据采集模块：用于采集公交车历史进站数据；其中，进站数据包括站点名称以及站点的进站时间；
基础耗时量计算模块：用于根据历史进站数据计算两站点间过车基础耗时量；
实时数据获取模块：用于获取公交车的实时进站数据；
到站时间计算模块：用于根据实时进站数据与两站点间过车基础耗时量计算后续站点预计到站时间。
9.一种公交精准预报站装置，其特征在于：包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如权利要求1-7中任一种方法的计算机程序。
10.一种计算机可读存储介质，其特征在于：存储有能够被处理器加载并执行如权利要求1-7中任一种方法中的计算机程序。
CN202110530675.7A 2021-05-15 2021-05-15 公交精准预报站方法、系统、装置及存储介质 Pending CN113299064A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110530675.7A CN113299064A (zh) 2021-05-15 2021-05-15 公交精准预报站方法、系统、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110530675.7A CN113299064A (zh) 2021-05-15 2021-05-15 公交精准预报站方法、系统、装置及存储介质

Publications (1)

Publication Number Publication Date
CN113299064A true CN113299064A (zh) 2021-08-24

Family

ID=77322177

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110530675.7A Pending CN113299064A (zh) 2021-05-15 2021-05-15 公交精准预报站方法、系统、装置及存储介质

Country Status (1)

Country Link
CN (1) CN113299064A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101325001A (zh) * 2008-07-22 2008-12-17 中山大学 一种预测和查询公交车实时状况的系统
CN105574613A (zh) * 2015-12-14 2016-05-11 海信集团有限公司 一种公交到站时间预测方法及装置
CN109523784A (zh) * 2018-11-27 2019-03-26 上海炬宏信息技术有限公司 一种智能公交位置共享方法
US20200027347A1 (en) * 2016-08-19 2020-01-23 Dalian University Of Technology Collaborative optimization method for bus timetable based on big data
CN110867090A (zh) * 2019-10-31 2020-03-06 江苏大学 一种基于公交车载gps数据的相邻公交物理站点间平均行程时间计算方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101325001A (zh) * 2008-07-22 2008-12-17 中山大学 一种预测和查询公交车实时状况的系统
CN105574613A (zh) * 2015-12-14 2016-05-11 海信集团有限公司 一种公交到站时间预测方法及装置
US20200027347A1 (en) * 2016-08-19 2020-01-23 Dalian University Of Technology Collaborative optimization method for bus timetable based on big data
CN109523784A (zh) * 2018-11-27 2019-03-26 上海炬宏信息技术有限公司 一种智能公交位置共享方法
CN110867090A (zh) * 2019-10-31 2020-03-06 江苏大学 一种基于公交车载gps数据的相邻公交物理站点间平均行程时间计算方法及系统

Similar Documents

Publication Publication Date Title
CN108765933B (zh) 一种推荐上车点的方法、装置、设备及存储介质
EP1316079B1 (en) Method and system for providing traffic and related information
CN105632222B (zh) 预报到站时间的方法及其系统
EP1736735A1 (en) Travel time database generating device and method
CN108492558B (zh) 一种高速公路预约出行方法、存储介质及终端
CN103020097B (zh) 公共交通换乘方案推荐方法及装置
CN110491158A (zh) 一种基于多元数据融合的公交车到站时间预测方法及系统
CN111738484B (zh) 一种公交站点选址的方法、装置及计算机可读存储介质
CN106203667B (zh) 一种公交到站信息评测方法和装置
CN110363990A (zh) 一种公交畅行指数获取方法、系统及装置
CN111695726A (zh) 一种公交车辆的排班时间表更新方法及装置
CN112488419A (zh) 基于od分析的客流分布预测方法、装置、设备及存储介质
CN117196197A (zh) 一种公共交通站点布局优化方法
CN109146113B (zh) 乘车需求量预测方法及系统
CN114078322B (zh) 一种公交运行状态评价方法、装置、设备及存储介质
CN112289065B (zh) 一种基于精准od大数据的定制公交线路设计方法及系统
CN113299064A (zh) 公交精准预报站方法、系统、装置及存储介质
CN110837919A (zh) 公交供给情况判定方法及装置
WO2003098556A1 (en) A system for evaluating a vehicles usage within zones
CN116631183A (zh) 交通影响评价方法和系统
CN113420439B (zh) 综合交通承载力计算方法、装置、计算机设备及存储介质
CN112185153B (zh) 一种车辆行驶路线确定方法、装置、设备及介质
CN108831147B (zh) 一种基于数据驱动的城市公交宏观行驶波动性的观测方法
CN113077648A (zh) 公交车辆实时站点预测方法和系统
CN112116170A (zh) 一种自动规划上班路线的方法及装置

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

Application publication date: 20210824

RJ01 Rejection of invention patent application after publication