CN113299106B - 一种基于物联网的公交到站时间预测系统 - Google Patents
一种基于物联网的公交到站时间预测系统 Download PDFInfo
- Publication number
- CN113299106B CN113299106B CN202110456972.1A CN202110456972A CN113299106B CN 113299106 B CN113299106 B CN 113299106B CN 202110456972 A CN202110456972 A CN 202110456972A CN 113299106 B CN113299106 B CN 113299106B
- Authority
- CN
- China
- Prior art keywords
- passengers
- module
- station
- passenger
- reminding
- 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.)
- Active
Links
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
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了一种基于物联网的公交到站时间预测系统,其特征在于,包括智能公交管理子系统以及到站提醒系统,智能公交管理子系统包括用于获取乘客的身份信息的手机终端系统、对不同乘客创建换乘路线的换乘路线选择模块、利用人脸识别方法对乘客进行位置跟踪的位置跟踪模块、获取车内的客流信息的客流量统计模块。到站提醒模块包括站点分析模块、最优化选择模块、扬声器模块,站点分析模块接收位置跟踪模块和客流量统计模块的信息,生成提醒方案发送到最优化选择模块,最优化选择模块用于确定最优提醒方案,并利用扬声器模块提醒乘客,乘客可按照自己需求设置换乘列表,提高乘客满意度。
Description
技术领域
本发明涉及公交领域,尤其涉及一种基于物联网的公交到站时间预测系统。
背景技术
现有的公交换乘通常对手机终端,利用性不高,不能满足点对点提供换乘提醒的要求。
发明内容
本发明提供一种基于物联网的公交到站时间预测系统,以克服上述技术问题。
本发明公开了一种基于物联网的公交到站时间预测系统,其特征在于,包括智能公交管理子系统以及到站提醒系统,智能公交管理子系统包括用于获取乘客的身份信息的手机终端系统、对不同乘客创建换乘路线的换乘路线选择模块、利用人脸识别方法对乘客进行位置跟踪的位置跟踪模块、获取车内的客流信息的客流量统计模块。到站提醒模块包括站点分析模块、最优化选择模块、扬声器模块,站点分析模块接收位置跟踪模块和客流量统计模块的信息,生成提醒方案发送到最优化选择模块,最优化选择模块用于确定最优提醒方案,并利用扬声器模块提醒乘客。
手机终端系统是指获取乘客的身份信息,获取身份信息是指通过手机终端选择目的地以及当前上车站点,以手机用户识别码为ID,将乘客人脸图像数据保存并将换乘列表、人脸图像数据和ID发送到换乘路线选择模块,建立人脸数据库,将人脸图像数据与ID保存到人脸数据库中,提取乘客人脸面部特征,建立到站站点信息与乘客人脸面部特征的数据关联,并将关联后的信息发送到换乘路线选择模块,并按照是否下车更新换乘列表;
换乘路线选择模块是指对不同ID创建换乘路线,对不同ID创建换乘路线是指接收手机终端系统发送的建立到站站点信息与乘客面部特征的数据关联,判断乘客当前上车地点与目的地之间是否仅存在对一条直达公交路线,若是预测乘客到达目的地的到站时间,并下发给乘客的手机终端系统;若不是唯一一条直达公交路线,为乘客创建最优换乘线路,若选择了最优换乘线路,则对应到站时间为最优换乘线路对应时间,若乘客在一定时间内未选择,则按照最短时间原则,基于当前车速,查找历史数据中与该车速相匹配的历史到站时间;
位置跟踪模块是指利用人脸识别方法对乘客进行位置跟踪,利用人脸识别方法对乘客进行位置跟踪包括安装在车内的监控装置,统计即将到站的人数,按照ID分别跟踪即将到站人员在车内位置信息;
客流量统计模块是指获取车内的客流信息,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,下车人员对应的ID,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,上车人员ID;
所述到站提醒系统包括站点分析模块、最优化选择模块、扬声器模块,站点分析模块是指将到到达下一站的时间划分为不同的采样周期,在同一采样周期获取当前车速,通过GPS定位获取与前车车距,获取客流量统计模块统计的当前车内客流量,获取位置跟踪模块传入的即将到站人员数量统计,获取位置跟踪模块传入的即将到站人员在车内位置信息,根据以上数据生成提醒方案,其提醒方案的生成公式为(1)
其中,TX为提醒方案,p为后一站点的车站客流信息,o为公交车之间的车间距,c为车速,h为当前车内客流量,d为即将到站人员在车内位置信息,i表示第i个站点,1≦i≦n,fun表示使用交叉熵损失训练的残差网络,fn(*)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;
将不同采样周期产生的以上数据分别配置不同的权重并存储;
最优化选择模块是指将站点分析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,根据匹配度的取值判断调度方案是否为最优提醒方案,标记最优提醒方案所对应的乘客;
扬声器模块是指获取最优化选择模块的最优提醒方案,对即将到站的乘客进行到站提醒;
优选地,所述对不同ID创建换乘路线是指判断乘客当前上车地点与目的地之间是否仅存在对一条直达公交路线,若是预测乘客到达目的地的到站时间,并下发给乘客的手机终端系统;若不是唯一一条直达公交路线,为乘客创建最优换乘线路,其最优换乘线路的生成公式为(2):
hx表示最优换乘线路,w为站点总数,运营公交车数量为y、车间距为a、车速为c以及w个站点站点的车站客流信息u和路线预期客流数据v,i表示第i个站点,1<=i<=w,fun表示使用交叉熵损失训练的孪生网络,取值范围[0,1],fc(*)表示使用感知损失训练的预测网络,fb(*)表示使用交叉熵损失训练的预测网络;
优选地,对不同ID创建换乘路线是指判断乘客当前上车地点与目的地之间是否仅存在对一条直达公交路线,若是预测乘客到达目的地的到站时间,其中,所述预测乘客到达目的地的到站时间的方法为:基于当前车速查找历史数据中与该车速相匹配的历史到站时间,并下发给乘客的手机终端系统,若无历史数据则按照车速、到达目的地距离以及中途站点停靠时间为参考变量,通过添加权重因子计算出对应的到站时间,并下发给乘客的手机终端系统;
优选地,所述对即将到站的乘客进行到站提醒包括通过车载终端的微型语音播放器提醒乘客,所述微型语音播放器整车厢均布,且以位置为中心,选择最近的一个进行语音播放;
优选地,将乘客人脸图像数据保存并将换乘列表、人脸图像数据和ID发送到换乘路线选择模块,并按照是否下车更新换乘列表,其中,判断是否下车是接收客流量统计模块发送的下车人员对应的ID,若ID与当前手机终端ID匹配,则判断下车;
优选地,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,下车人员对应的ID,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,上车人员ID,其中所述关门后车内人数计算公式为:
xt为下车时间段图像x中的某一时刻的图像,t为对应下车的人脸图像,n表示图片被切分成的块数,n=15,为块t的特征匹配函数,W为通用人脸模板的线性回归矩阵,fun表示使用卷积抽取图像特征,kt为上车时间段图像k中的某一时刻的图像,f为对应上车的人脸图像,st为车内在上下车时间段图像S中的某一时刻的图像,s为对应上车的人脸图像,M为前M个最优特征,M一般为256或512;
本发明提供一种基于物联网的公交到站时间预测系统,乘客可按照自己需求设置换乘列表,提高乘客满意度。
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是本发明一种基于物联网的公交到站时间预测系统模块图。
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为本发明一种基于物联网的公交到站时间预测系统模块图,如图1所示,本实施例的方法可以包括:
智能公交管理子系统以及到站提醒系统,智能公交管理子系统包括用于获取乘客的身份信息的手机终端系统101、对不同乘客创建换乘路线的换乘路线选择模块102、利用人脸识别方法对乘客进行位置跟踪的位置跟踪模块103、获取车内的客流信息的客流量统计模块104。到站提醒模块包括站点分析模块201、最优化选择模块202、扬声器模块203,站点分析模块接收位置跟踪模块和客流量统计模块的信息,生成提醒方案发送到最优化选择模块,最优化选择模块用于确定最优提醒方案,并利用扬声器模块提醒乘客。
手机终端系统101是指获取乘客的身份信息,获取身份信息是指通过手机终端选择目的地以及当前上车站点,以手机用户识别码为ID,将乘客人脸图像数据保存并将换乘列表、人脸图像数据和ID发送到换乘路线选择模块,建立人脸数据库,将人脸图像数据与ID保存到人脸数据库中,提取乘客人脸面部特征,建立到站站点信息与乘客人脸面部特征的数据关联,并将关联后的信息发送到换乘路线选择模块,并按照是否下车更新换乘列表;
具体来说,所有人脸识别的数据,需要经过乘客同意才能采集。获取乘客面部特征的公式为(1),
其中,x为图像,y是通用人脸模版(现有技术,具体是指由256个点组成的三维点云,点云内的点包含眼鼻嘴和脸颊轮廓),fea是乘客面部特征,Vi表征图像特征置信度,Vj表征人脸模板特征置信度,取值范围[0,1],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,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;
判断是否下车是接收客流量统计模块发送的下车人员对应的ID,若ID与当前手机终端ID匹配,则判断下车;
换乘路线选择模块102是指对不同ID创建换乘路线,对不同ID创建换乘路线是指接收手机终端系统发送的建立到站站点信息与乘客面部特征的数据关联,判断乘客当前上车地点与目的地之间是否仅存在对一条直达公交路线,若是预测乘客到达目的地的到站时间,具体来说,基于当前车速查找历史数据中与该车速相匹配的历史到站时间,并下发给乘客的手机终端系统,若无历史数据则按照车速、到达目的地距离以及中途站点停靠时间为参考变量,通过添加权重因子计算出对应的到站时间,并下发给乘客的手机终端系统;
若不是唯一一条直达公交路线,为乘客创建最优换乘线路,具体来说,其最优换乘线路的生成公式为(2):
hx表示最优换乘线路,w为站点总数,运营公交车数量为y、车间距为a、车速为c以及w个站点站点的车站客流信息u和路线预期客流数据v,i表示第i个站点,1<=i<=w,fun表示使用交叉熵损失训练的孪生网络,取值范围[0,1],fc(*)表示使用感知损失训练的预测网络,fb(*)表示使用交叉熵损失训练的预测网络;
若选择了最优换乘线路,则对应到站时间为最优换乘线路对应时间,若乘客在一定时间内未选择,则按照最短时间原则,基于当前车速,查找历史数据中与该车速相匹配的历史到站时间;位置跟踪模块103是指利用人脸识别方法对乘客进行位置跟踪,利用人脸识别方法对乘客进行位置跟踪包括安装在车内的监控装置,统计即将到站的人数,按照ID分别跟踪即将到站人员在车内位置信息;
客流量统计模块104是指获取车内的客流信息,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,下车人员对应的ID,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,上车人员ID;
具体来说,其中所述关门后车内人数计算公式为(3):
xt为下车时间段图像X中的某一时刻的图像,t为对应下车的人脸图像,n表示图片被切分成的块数,n=15,为块t的特征匹配函数(具体为使用欧氏距离计算特征的匹配程度),W为通用人脸模板(现有技术,具体是指由256个点组成的三维点云,点云内的点包含眼鼻嘴和脸颊轮廓)的线性回归矩阵,fun表示使用卷积抽取图像特征,kt为上车时间段图像k中的某一时刻的图像,f为对应上车的人脸图像,st为车内在上下车时间段图像S中的某一时刻的图像,s为对应上车的人脸图像,M为前M个最优特征,M一般为256或512;
所述到站提醒模块包括站点分析模块、最优化选择模块、扬声器模块,
站点分析模块201是指将到到达下一站的时间划分为不同的采样周期,在同一采样周期获取当前车速,通过GPS定位获取与前车车距,获取客流量统计模块统计的当前车内客流量,获取位置跟踪模块传入的即将到站人员数量统计,获取位置跟踪模块传入的即将到站人员在车内位置信息,根据以上数据生成提醒方案,其提醒方案的生成公式为(4):
其中,TX为提醒方案,p为后一站点的车站客流信息,o为公交车之间的车间距,c为车速,h为当前车内客流量,d为即将到站人员在车内位置信息,i表示第i个站点,1≦i≦n,fun表示使用交叉熵损失训练的残差网络,fn(*)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;
最优化选择模块202是指将站点分析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(5),若匹配值大于阈值,则说明两方案匹配度较高,则选择第一个采样周期的提醒方案作为最优提醒方案,若匹配值小于等于阈值,则选择第二个采样周期的方案作为最优提醒方案,标记最优提醒方案所对应的乘客;
其中,txi,txi-1分别为相邻的两个采样周期内产生的数据,zm为匹配度,k为即将到站人员在车内位置信息,Vx表示第一次采样周期特征的置信度,取值范围[0,1],,Vy表示第二个采样周期特征的置信度,取值范围[0,1],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;
扬声器模块203是指获取最优化选择模块的最优提醒方案,对即将到站的乘客进行到站提醒;
具体来说,通过车载终端的微型语音播放器提醒乘客,所述微型语音播放器整车厢均布,且以位置为中心,选择最近的一个进行语音播放;
本发明提供一种基于物联网的公交到站时间预测系统,乘客可按照自己需求设置换乘列表,提高乘客满意度。
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 (5)
1.一种基于物联网的公交到站时间预测系统,其特征在于,包括智能公交管理子系统以及到站提醒系统,所述智能公交管理子系统包括手机终端系统、换乘路线选择模块、位置跟踪模块、客流量统计模块;
手机终端系统是指获取乘客的身份信息,获取身份信息是指通过手机终端选择目的地以及当前上车站点,以手机用户识别码为ID,将乘客人脸图像数据保存并将换乘列表、人脸图像数据和ID发送到换乘路线选择模块,建立人脸数据库,将人脸图像数据与ID保存到人脸数据库中,提取乘客人脸面部特征,建立到站站点信息与乘客人脸面部特征的数据关联,并将关联后的信息发送到换乘路线选择模块,并按照是否下车更新换乘列表;
换乘路线选择模块是指对不同ID创建换乘路线,对不同ID创建换乘路线是指接收手机终端系统发送的建立到站站点信息与乘客面部特征的数据关联,判断乘客当前上车地点与目的地之间是否仅存在一条直达公交路线,若是预测乘客到达目的地的到站时间,并下发给乘客的手机终端系统;若不是唯一一条直达公交路线,为乘客创建最优换乘线路,若选择了最优换乘线路,则对应到站时间为最优换乘线路对应时间,若乘客在一定时间内未选择,则按照最短时间原则,基于当前车速,查找历史数据中与该车速相匹配的历史到站时间;
位置跟踪模块是指利用人脸识别方法对乘客进行位置跟踪,利用人脸识别方法对乘客进行位置跟踪包括安装在车内的监控装置,统计即将到站的人数,按照ID分别跟踪即将到站人员在车内位置信息;
客流量统计模块是指获取车内的客流信息,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,下车人员对应的ID,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,上车人员ID;
所述到站提醒系统包括站点分析模块、最优化选择模块、扬声器模块,站点分析模块是指将到达下一站的时间划分为不同的采样周期,在同一采样周期获取当前车速,通过GPS定位获取与前车车距,获取客流量统计模块统计的当前车内客流量,获取位置跟踪模块传入的即将到站人员数量统计,获取位置跟踪模块传入的即将到站人员在车内位置信息,根据以上数据生成提醒方案,其提醒方案的生成公式为(1):
其中,TX为提醒方案,p为后一站点的车站客流信息,o为公交车之间的车间距,c为车速,h为当前车内客流量,d为即将到站人员在车内位置信息,i表示第i个站点,1≦i≦n,fun表示使用交叉熵损失训练的残差网络,fn(*)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;
最优化选择模块是指将站点分析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,若匹配值大于阈值,则说明两方案匹配度较高,则选择第一个采样周期的提醒方案作为最优提醒方案,若匹配值小于等于阈值,则选择第二个采样周期的方案作为最优提醒方案,标记最优提醒方案所对应的乘客;
扬声器模块是指获取最优化选择模块的最优提醒方案,根据ID对即将到站的乘客进行到站提醒。
2.根据权利要求1所述的一种基于物联网的公交到站时间预测系统,其特征在于,所述对不同ID创建换乘路线是指判断乘客当前上车地点与目的地之间是否仅存在一条直达公交路线,若是预测乘客到达目的地的到站时间,并下发给乘客的手机终端系统;若不是唯一一条直达公交路线,为乘客创建最优换乘线路,其最优换乘线路的生成公式为(2):
hx表示最优换乘线路,w为站点总数,运营公交车数量为y、车间距为a、车速为c以及w个站点的车站客流信息u和路线预期客流数据v,i表示第i个站点,1<=i<=w,fun2表示使用交叉熵损失训练的孪生网络,取值范围[0,1],fc(*)表示使用感知损失训练的预测网络,fb(*)表示使用交叉熵损失训练的预测网络。
3.根据权利要求1所述的一种基于物联网的公交到站时间预测系统,其特征在于,对不同ID创建换乘路线是指判断乘客当前上车地点与目的地之间是否仅存在一条直达公交路线,若是预测乘客到达目的地的到站时间,其中,所述预测乘客到达目的地的到站时间的方法为:基于当前车速查找历史数据中与该车速相匹配的历史到站时间,并下发给乘客的手机终端系统,若无历史数据则按照车速、到达目的地距离以及中途站点停靠时间为参考变量,通过添加权重因子计算出对应的到站时间,并下发给乘客的手机终端系统。
4.根据权利要求1所述的一种基于物联网的公交到站时间预测系统,其特征在于,所述对即将到站的乘客进行到站提醒包括通过车载终端的微型语音播放器提醒乘客,所述微型语音播放器整车厢均布,且以位置为中心,选择最近的一个进行语音播放。
5.根据权利要求1所述的一种基于物联网的公交到站时间预测系统,其特征在于,将乘客人脸图像数据保存并将换乘列表、人脸图像数据和ID发送到换乘路线选择模块,并按照是否下车更新换乘列表,其中,判断是否下车是接收客流量统计模块发送的下车人员对应的ID,若ID与当前手机终端ID匹配,则判断下车。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110456972.1A CN113299106B (zh) | 2021-04-27 | 2021-04-27 | 一种基于物联网的公交到站时间预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110456972.1A CN113299106B (zh) | 2021-04-27 | 2021-04-27 | 一种基于物联网的公交到站时间预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113299106A CN113299106A (zh) | 2021-08-24 |
CN113299106B true CN113299106B (zh) | 2022-07-08 |
Family
ID=77320232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110456972.1A Active CN113299106B (zh) | 2021-04-27 | 2021-04-27 | 一种基于物联网的公交到站时间预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113299106B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114446039B (zh) * | 2021-12-31 | 2023-05-19 | 深圳云天励飞技术股份有限公司 | 客流分析方法及相关设备 |
CN117544676B (zh) * | 2024-01-09 | 2024-04-02 | 深圳市互盟科技股份有限公司 | 一种多端运维数据交互传输方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002255035A (ja) * | 2001-03-01 | 2002-09-11 | Nippon Telegr & Teleph Corp <Ntt> | 乗降案内方法およびシステムと乗降案内プログラムおよび該プログラムを記録した記録媒体 |
CN102752705A (zh) * | 2012-07-16 | 2012-10-24 | 上海市城市建设设计研究总院 | 基于无线传感节点的公交车按需信息提示服务装置 |
CN104751673A (zh) * | 2013-12-30 | 2015-07-01 | 上海博泰悦臻网络技术服务有限公司 | 自动报站方法、装置、系统及移动终端 |
CN104821069A (zh) * | 2015-05-25 | 2015-08-05 | 重庆蓝岸通讯技术有限公司 | 一种基于用户手机终端的地铁到站提醒方法 |
CN105206092A (zh) * | 2015-09-23 | 2015-12-30 | 广东工业大学 | 一种基于移动智能终端的乘客到站提醒系统及方法 |
CN106157673A (zh) * | 2016-07-07 | 2016-11-23 | 广州华途信息科技有限公司 | 一种基于智能感知的公交出行信息提醒系统及方法 |
CN108281027A (zh) * | 2018-03-15 | 2018-07-13 | 浙江工业大学 | 一种交互式智能到站提醒方法及装置 |
CN109903555A (zh) * | 2019-02-22 | 2019-06-18 | 北京理工新源信息科技有限公司 | 一种基于大数据的公交乘客下车数据预测方法及系统 |
CN112307929A (zh) * | 2020-10-26 | 2021-02-02 | 陶金海 | 一种下车提醒装置、方法及存储介质 |
-
2021
- 2021-04-27 CN CN202110456972.1A patent/CN113299106B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002255035A (ja) * | 2001-03-01 | 2002-09-11 | Nippon Telegr & Teleph Corp <Ntt> | 乗降案内方法およびシステムと乗降案内プログラムおよび該プログラムを記録した記録媒体 |
CN102752705A (zh) * | 2012-07-16 | 2012-10-24 | 上海市城市建设设计研究总院 | 基于无线传感节点的公交车按需信息提示服务装置 |
CN104751673A (zh) * | 2013-12-30 | 2015-07-01 | 上海博泰悦臻网络技术服务有限公司 | 自动报站方法、装置、系统及移动终端 |
CN104821069A (zh) * | 2015-05-25 | 2015-08-05 | 重庆蓝岸通讯技术有限公司 | 一种基于用户手机终端的地铁到站提醒方法 |
CN105206092A (zh) * | 2015-09-23 | 2015-12-30 | 广东工业大学 | 一种基于移动智能终端的乘客到站提醒系统及方法 |
CN106157673A (zh) * | 2016-07-07 | 2016-11-23 | 广州华途信息科技有限公司 | 一种基于智能感知的公交出行信息提醒系统及方法 |
CN108281027A (zh) * | 2018-03-15 | 2018-07-13 | 浙江工业大学 | 一种交互式智能到站提醒方法及装置 |
CN109903555A (zh) * | 2019-02-22 | 2019-06-18 | 北京理工新源信息科技有限公司 | 一种基于大数据的公交乘客下车数据预测方法及系统 |
CN112307929A (zh) * | 2020-10-26 | 2021-02-02 | 陶金海 | 一种下车提醒装置、方法及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113299106A (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113299106B (zh) | 一种基于物联网的公交到站时间预测系统 | |
CN113158923B (zh) | 一种基于人脸识别的公交换乘提醒系统 | |
CN111310994A (zh) | 一种基于数据校准的公交路线预测方法及系统 | |
JP2018523234A (ja) | 乗客の混雑度の算出方法及びそのシステム | |
CN113160602B (zh) | 一种智能公交调度模拟系统 | |
CN114743401B (zh) | 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 | |
JP6939911B2 (ja) | 適応的に車両を制御する方法及び装置 | |
KR20210155209A (ko) | 승차 수요 이력 데이터에 대한 클러스터링 기법을 통한 승객 탑승 예상 지역 결정 방법, 이에 사용되는 관리 장치 및 승차 수요 이력 데이터에 대한 클러스터링 기법을 통한 승객 탑승 예상 지역 결정 방법을 실행시키는 프로그램이 기록된 기록 매체 | |
CN110298257A (zh) | 一种基于人体多部位特征的驾驶员行为识别方法 | |
CN116823534B (zh) | 一种基于多模态大模型的文旅行业智能服务虚拟人系统 | |
JP7024799B2 (ja) | 車両用操作支援装置 | |
CN111027929A (zh) | 地铁票务清分方法及装置 | |
CN111325559B (zh) | 应用于公交的支付控制方法及支付控制系统 | |
WO2020263608A1 (en) | Method and apparatus for enhancing a geolocation database | |
CN114693495A (zh) | 智慧城市公共交通管理方法、物联网系统、装置及介质 | |
CN113393137B (zh) | 一种基于车联网的调度共享系统 | |
CN111292099B (zh) | 一种智能车站反刷票方法和反刷票系统 | |
CN113160603B (zh) | 一种基于车联网的智能公交管理 | |
CN110347937B (zh) | 一种出租车智能寻客方法 | |
CN117077846A (zh) | 客流量预测方法、设备、存储介质及装置 | |
CN110349428A (zh) | 识别用户是否正在前往公交站点的方法及装置 | |
CN116503209A (zh) | 基于人工智能和数据驱动的数字孪生系统 | |
CN116050581A (zh) | 一种智慧城市地铁行车调度优化方法和物联网系统 | |
CN112969053B (zh) | 车内信息传输方法、装置、车载设备及存储介质 | |
CN107067783A (zh) | 基于交通事件推送的出行线路引导系统及方法 |
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 | ||
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 |