CN114596708B - 智能调度系统、方法、装置及计算机程序产品 - Google Patents
智能调度系统、方法、装置及计算机程序产品 Download PDFInfo
- Publication number
- CN114596708B CN114596708B CN202210261566.4A CN202210261566A CN114596708B CN 114596708 B CN114596708 B CN 114596708B CN 202210261566 A CN202210261566 A CN 202210261566A CN 114596708 B CN114596708 B CN 114596708B
- Authority
- CN
- China
- Prior art keywords
- waiting
- information
- vehicle
- determining
- passengers
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004590 computer program Methods 0.000 title abstract description 15
- 230000010365 information processing Effects 0.000 claims abstract description 65
- 230000008447 perception Effects 0.000 claims abstract description 60
- 230000004044 response Effects 0.000 claims description 23
- 230000009467 reduction Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- 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
-
- 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
-
- 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
- G08G1/07—Controlling traffic signals
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了智能调度系统、方法、装置、电子设备、存储介质以及计算机程序产品,涉及计算机技术领域,具体涉及智能交通、自动驾驶技术,可用于智能交通场景下。具体实现方案为:感知设备,用于生成对目标站台的预设区域的感知信息;信息处理设备,用于基于感知信息,确定目标站台的候车乘客的数量,基于候车乘客的数量确定车辆调度策略,并将车辆调度策略发送给车端服务模块;车端服务模块,用于基于车辆调度策略控制目标车辆。本公开提高了车辆行驶效率以及交通效率。
Description
技术领域
本公开涉及计算机技术领域,具体涉及智能交通、自动驾驶技术,尤其涉及智能调度系统、方法、装置、电子设备、存储介质以及计算机程序产品,可用于智能交通场景下。
背景技术
近年来,随着城市发展的不断加快,人口密度的不断加大,城市所面临的交通压力不断增加。站台,例如公交站台,其不同时刻的候车乘客的数量也不确定,例如,早、晚高峰时乘客较多,那么早、晚高峰时面临的交通压力也会更大。
发明内容
本公开提供了一种智能调度系统、方法、装置、电子设备、存储介质以及计算机程序产品。
根据本公开的第一方面,提供了一种智能调度系统,包括:感知设备、信息处理设备和车端服务模块,其中,感知设备用于生成对目标站台的预设区域的感知信息;信息处理设备用于基于感知信息,确定目标站台的候车乘客的数量,基于候车乘客的数量确定车辆调度策略,并将车辆调度策略发送给车端服务模块;车端服务模块用于基于车辆调度策略控制目标车辆。
根据本公开的第二方面,提供了一种智能调度方法,包括:获取感知设备对于目标站台的预设区域的感知信息;基于感知信息,确定目标站台的候车乘客的数量;基于候车乘客的数量,确定车辆调度策略。
根据本公开的第三方面,提供了一种智能调度装置,包括:获取单元,被配置成获取感知设备对于目标站台的预设区域的感知信息;确定单元,被配置成基于感知信息,确定目标站台的候车乘客的数量;调度单元,被配置成基于候车乘客的数量,确定车辆调度策略。
根据本公开的第四方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第二方面中任一实现方式描述的方法。
根据本公开的第五方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如第二方面中任一实现方式描述的方法。
根据本公开的第六方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如第二方面中任一实现方式描述的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的智能调度方法的一个实施例的流程图;
图3是根据本公开的智能调度方法的又一个实施例的流程图;
图4是根据本公开的智能调度方法的再一个实施例的流程图;
图5是根据本公开的智能调度方法的应用场景的示意图;
图6是根据本公开的智能调度装置的一个实施例的结构图;
图7是用来实现本公开实施例的智能调度方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
图1示出了可以应用本公开的智能调度方法及装置的示例性架构100。
如图1所示,系统架构100可以包括感知设备101、102,网络103,信息处理设备104,网络105和车端服务模块106。终端设备101、102之间通信连接构成拓扑网络,网络103、105用以在感知设备101、102和信息处理设备104之间、信息处理设备104和车端服务模块106之间提供通信链路的介质。网络103、105可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
感知设备101、102可以是支持信息采集、网络连接从而进行数据传输的硬件设备或软件。当感知设备101、102为硬件时,其可以是支持网络连接,信息采集、交互、显示、处理等功能的各种电子设备,包括但不限于图像采集设备、语音采集设备、点云采集设备、压力传感器、热红外传感器、地磁、闸机等等。当感知设备101、102为软件时,可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
具体的,感知设备101、102用于生成对目标站台的预设区域的感知信息。预设区域可以是目标站台中的任一区域,例如公交车进站时的停车区域。
信息处理设备104可以是提供各种服务的信息处理设备,例如服务器。具体的,信息处理设备104用于基于感知信息,确定目标站台的候车乘客的数量,然后基于候车乘客的数量确定车辆调度策略,并将车辆调度策略发送给车端服务模块。
作为示例,信息处理设备104可以通过预训练的感知模型确定感知信息对应的目标站台的候车乘客的数量。其中,感知模型用于表征感知信息与目标站台的候车乘客的数量之间的对应关系。感知模型可以是卷积神经网络、残差网络、循环神经网络等各种神经网络模型。
需要说明的是,信息处理设备104可以是硬件,也可以是软件。当信息处理设备104为硬件时,可以实现成多个信息处理设备组成的分布式服务器集群,也可以实现成单个信息处理设备。当信息处理设备为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
车端服务模块106可以安装在自动驾驶车辆上。具体的,车端服务模块106,用于基于车辆调度策略控制目标车辆。例如,可以控制目标车辆跳过某一站点,也可以控制目标车辆在某一站点正常停靠。
作为示例,当确定目标站台的候车乘客的数目为0时,车端服务模块会控制目标车辆不在目标站台停靠;当确定目标站台的候车乘客的数目不为0时,车端服务模块会控制目标车辆正常在目标站台进行停靠。
应该理解,图1中的感知设备、信息处理设备、网络和车端服务模块的数目仅仅是示意性的。根据实现需要,可以具有任意数目的感知设备、信息处理设备、网络和车端服务模块。当用于智能调度方法运行于其上的电子设备不需要与其他电子设备进行数据传输时,该系统架构可以仅包括智能调度方法运行于其上的电子设备(例如感知设备、信息处理设备或车端服务模块)。
本实施例中,提供了一种智能调度系统,根据目标站台候车乘客的数量,生成车辆调度策略,例如在目标站台的候车乘客数量为0的时候,控制目标车辆不在目标站台停靠,在目标站台的候车乘客的数量不为0的情况下,控制目标车辆正常在目标站台停靠,从而提高了车辆的行驶效率和交通效率。
在本实施例的一些可选的实现方式中,信息处理设备进一步用于:对感知信息进行识别,确定感知信息中各个对象的位置信息;分别对各个对象进行追踪识别,得到各个对象在预设区域内的停留时长信息;基于位置信息和停留时长信息,对各个对象进行标记,得到标记结果,其中,标记结果包括行人和候车乘客;基于标记结果确定候车乘客的数量。
在本实现方式中,感知信息可以为图像,还可以为点云数据,本实施例对此不做具体限定。例如,感知设备可以拍摄录制目标站台的预设区域的视频画面,得到感知图像。然后,信息处理设备对感知图像进行图像识别,从而确定感知图像中各个对象的位置信息,这里的对象可以指图像中的人。之后,再分别对图像中的各个对象进行追踪识别,从而得到各个对象的停留时长信息。信息处理设备会基于位置信息和停留时长信息,对各个对象进行标记,也即将各个对象标记为行人或候车乘客,从而得到标记结果。最后,再基于标记结果来确定候车乘客的数量,也即若标记结果中有对象被标记为候车乘客,那么则可以确定候车乘客的数量不为零,具体地,还可以进一步基于标记结果来确定候车乘客的具体数量,以使信息处理设备基于候车乘客的数量来确定车辆调度策略。在本实现方式中,可以准确、快速地确定目标站台的候车乘客的数量。
具体地,上述位置信息可以包括道路区和候车区,道路区和候车区可以是工作人员预先进行设定的。在对各个对象进行标记时,信息处理设备会先确定各个对象的位置信息是道路区还是候车区,并将其停留时长与预设时长进行比较,从而对其进行标记,其中,预设时长可根据实际情况进行设定,例如30秒。若确定对象的位置信息为道路区,且停留时长信息不大于预设时长,则将该对象标记为行人;若确定对象的位置信息为候车区,且停留时长信息大于预设时长,则将该对象标记为候车乘客。其中,预设时长可根据实际情况进行设定,本实施例中对此不做具体限定。从而基于各个对象的位置信息与停留时长来对其进行标记。
在本实施例的一些可选的实现方式中,车端服务模块进一步用于:响应于确定候车乘客的数量为零,控制目标车辆不在目标站台停靠。
其中,目标车辆可以是会进入目标站台的任意类型车辆。例如,目标车辆是公交车、地铁等。信息处理设备在确定车辆调度策略后,会将确定的车辆调度策略发送给车端服务模块,以使车端服务模块基于车辆调度策略控制目标车辆。具体地,在确定目标站台的候车乘客的数量为零时,车辆服务模块会控制目标车辆不在目标站台停靠,也即进行跳站。从而弥补站台和车端的交互联动,避免了站台无候车乘客、但是车辆仍自动停靠的情况发送,从而提高了车辆的行驶效率。
在本实施例的一些可选的实现方式中,信息处理设备为云端信息处理设备,或目标站台的站台信息处理设备。
当信息处理设备为云端信息处理设备时,目标站台的感知设备(摄像机、雷达等)会拍摄录制当前站台的预设区域的视频画面,并将得到的感知信息发送给云端信息处理设备,云端信息处理设备的计算模块会对感知图像中对象的位置和数量进行识别,从而确定行人和候车乘客的数量,然后云端信息处理设备的服务模块会将识别结果(有无行人和候车乘客)发送给车端服务模块,车端服务模块在收到识别结果后,会控制目标车辆不在该站点停靠或正常进站停靠。
由于云端信息处理设备用的是在线识别算法,所以采用云端信息处理设备的优点是成本低,不需要很多路侧设备,节省成本。
当信息处理设备为目标站台的站台信息处理设备时,目标站台的感知设备会拍摄录制当前站台的预设区域的视频画面,并将得到的感知信息发送给站台信息处理设备,站台信息处理设备的计算模块会对感知图像中对象的位置和数量进行识别,从而确定行人和候车乘客的数量,然后站台信息处理设备的服务模块会将识别结果(有无行人和候车乘客)发送给云端服务模块,云端服务模块对车辆进行调度策略调整,并将调度策略下发给车端服务模块,车端服务模块在收到调度策略后,会控制目标车辆不在该站点停靠或正常进站停靠。
由于站台信息处理设备是在边缘侧完成计算识别,其应用的是离线算法,所以可以减少链路的回传时间,实时性更强,而且还结合了云端的整体调度,从而可以使调度方案更完善。
在本实施例的一些可选的实现方式中,感知设备集成于目标站台中。
在本实现方式中,基于集成的方式,进一步缩短了候车乘客的感知、基于候车乘客的数量生成调度策略这整个信息处理过程的通信链路,链路最优、集成度最高,可完成站台服务的快速响应。
在本实施例的一些可选的实现方式中,上述智能调度系统还包括路侧感知设备;以及路侧感知设备用于获取目标车辆的实时位置信息,并将实时位置信息发送给信息处理设备;信息处理设备用于基于实时位置信息,确定目标车辆的进站时间;统计候车乘客的平均等待时长信息;基于进站时间和平均等待时长信息,确定候车乘客的等待总时长;基于候车乘客的数量以及等待总时长,确定目标调度策略。
路侧感知设备作为消息的传输中介,实现将路侧设备所采集的道路交通等路侧消息传输出去,以辅助车辆进行安全行驶。在本实现方式中,路侧感知设备会实时对目标车辆的位置信息进行识别,并将目标车辆的实时位置信息发送给信息处理设备,以使信息处理设备基于实时位置信息确定目标车辆的进站时间。然后信息处理设备还会统计目标站台的候车乘客的平均等待时长,再基于进站时间和平均等待时长来确定候车乘客的等待总时长,最后基于候车乘客的数量和等待总时长来确定目标调度策略。
也即目标站台的感知设备会拍摄录制当前站台的预设区域的视频画面,并将得到的感知信息发送给信息处理设备,信息处理设备的计算模块会对感知图像中对象的位置和数量进行识别,从而确定行人和候车乘客的数量,然后信息处理设备的服务模块会将识别结果(有无行人和候车乘客)发送给云端服务模块,云端服务模块会对全局车辆进行调度策略调整,并将调度策略下发给车端服务模块,车端服务模块在收到调度策略后,会控制目标车辆不在该站点停靠或正常进站停靠以及增加或减少车辆排班。
以目标车辆为公交车为例进行说明,在候车乘客进入到目标站台的预设区域后,信息处理设备会为每个候车乘客打上标记,直至该候车乘客离开预设区域,所以,可以基于此得到每个候车乘客的等待时长信息,从而得到所有候车乘客的平均等待时长。若目标车辆还有7分钟进站,且候车乘客的平均等待时长为13分钟,那么则可以确定候车乘客的等待总时长为20分钟,其中,等待总时长为候车乘客在进站之后、上车之前的等待总时长。在确定候车乘客的等待总时长后,信息处理设备基于候车乘客的数量(假设为12人)和等待总时长来确定目标调度策略。具体地,信息处理设备会判断候车乘客的数量12是否大于第一预设阈值(假设为10),得到的结果是候车乘客的数量大于第一预设阈值,然后再判断等待总时长(20分钟)是否大于第二预设阈值(15分钟),得到的结果是等待总时长大于第二预设阈值,那么则可以确定车辆的调度策略为增加车辆排班策略,也即当前线路车辆不能承载当前等待人数了,则从其他线路或空余车辆中调取一些车辆来到当前线路中,从而解决当前车辆的运输压力,实现对车辆的合理调度。
本实现方式提供了基于V2X(vehicle to X或Vehicle to Everything,车用无线通讯技术)的智慧站台交通整体调度方法,通过对目标站台的候车乘客的人数和等候时间进行感知,从而进行车辆的合理调度安排,提高了车辆的运行效率。
继续参考图2,其示出了根据本公开的智能调度方法的一个实施例的流程200。该智能调度方法包括以下步骤:
步骤201,获取感知设备对于目标站台的预设区域的感知信息。
在本实施例中,智能调度方法的执行主体(例如图1所示的感知设备、信息处理设备或车辆服务模块)基于有线网络连接方式或无线网络连接方式从远程或从本地获取感知设备对于目标站台的预设区域的感知信息。
其中,预设区域可以是目标站台中的任一区域,例如公交车站台的任一区域。感知设备可以是支持信息采集、网络连接从而进行数据传输的信息采集设备,例如,图像采集设备、语音采集设备、点云采集设备、压力传感器、热红外传感器、地磁、闸机等等。
上述执行主体可以在目标车辆(如公交车)进站前获取感知设备对于目标站台的预设区域的感知信息,从而实现对车辆进行微调度;上述执行主体也可以实时获取感知设备对于目标站台的预设区域的感知信息,从而实现对车辆的全局调度。
需要说明的是,感知设备可以包括多种类型的感知设备。作为示例,可以设置图像采集设备和点云采集设备两种感知设备,从而得到图像数据和点云数据两种感知信息。
步骤202,基于感知信息,确定目标站台的候车乘客的数量。
在本实施例中,上述执行主体可以基于感知信息,确定目标站台的候车乘客的数量。
作为示例,上述执行主体可以通过预训练的感知模型确定感知信息对应的候车乘客的数量。其中,感知模型用于表征感知信息与候车乘客的数量之间的对应关系。感知模型可以是卷积神经网络、残差网络、循环神经网络等各种神经网络模型。
作为又一示例,感知结果包括不同感知设备采集的多种感知数据。对于多种感知数据,可以分别对感知数据进行识别,从而确定感知数据中的对象,在对各个对象进行追踪识别,从而基于各个对象的时长信息以及位置信息确定候车乘客的数量。
步骤203,基于候车乘客的数量,确定车辆调度策略。
在本实施例中,上述执行主体会基于候车乘客的数量来确定车辆调度策略,也即确定如何调度车辆以实现车辆的最大运行效率。
作为示例,若确定候车乘客的数目为0,则控制目标车辆不在目标站台进行停靠。
作为又一个示例,若确定候车乘客的数目不为0,且继续判断该数目是否大于第一预设阈值,然后统计候车乘客的等待时长,判断该等待时长是否大于第二预设阈值,基于比较结果来确定车辆调度策略为增加车辆策略还是减少车辆策略,其中,第一预设阈值和第二预设阈值可根据实际情况进行设定。具体地,若候车乘客的数量超过第一预设阈值,且等待时长超过第二预设阈值,则目标调度策略为增加车辆策略;若候车乘客的数量不超过第一预设阈值,且等待时长信息不超过第二预设阈值,则目标调度策略为减少车辆策略。从而通过对目标站台的候车乘客的人数和等候时间进行感知,来进行车辆的合理调度安排,提高了车辆的运行效率。
本公开实施例提供的智能调度方法,首先获取感知设备对于目标站台的预设区域的感知信息;之后基于感知信息,确定目标站台的候车乘客的数量;最后基于候车乘客的数量,确定车辆调度策略。本实施例中的智能调度方法,该方法通过对目标站台的候车乘客的数量进行感知,并基于候车乘客的数量来确定车辆调度策略,从而弥补了站台和车端的交互联动,避免了站台无候车乘客、但车辆仍自动停靠的情况,提高了车辆的行驶效率。
继续参考图3,图3示出了根据本公开的智能调度方法的又一个实施例的流程300。该智能调度方法包括以下步骤:
步骤301,获取感知设备对于目标站台的预设区域的感知信息。
步骤301与前述实施例的步骤201基本一致,具体实现方式可以参考前述对步骤201的描述,此处不再赘述。
步骤302,对感知信息进行识别,确定感知信息中各个对象的位置信息。
在本实施例中,智能调度方法的执行主体(例如图1所示的感知设备、信息处理设备或车辆服务模块)对感知信息进行识别,确定感知信息中各个对象的位置信息。例如,可以预先标记目标站台的预设区域中的道路区和候车区,从而对感知信息进行识别,以确定各个对象的位置是道路区还是候车区。
需要说明的是,感知信息可以为图像信息,还可以为点云数据,本实施例对此不做具体限定。
步骤303,分别对各个对象进行追踪识别,得到各个对象在预设区域内的停留时长信息。
在本实施例中,上述执行主体可以分别对各个对象中的每个对象进行追踪识别,从而得到各个对象在预设区域内的停留时长信息。例如,当对象进行到预设区域后,上述执行主体会对该对象进行标记,直至其离开预设区域,从而上述执行主体可以得到该对象在预设区域内的停留时长信息,进而可以得到各个对象在预设区域内的停留时长信息。
步骤304,基于位置信息和停留时长信息,对各个对象进行标记,得到标记结果。
在本实施例中,上述执行主体基于位置信息和停留时长信息,对各个对象进行标记,得到标记结果,其中,标记结果包括行人和候车乘客。也即上述执行主体可以根据各个对象的位置信息和停留时长信息来对其进行标记,将其标记为行人或候车乘客。
在本实施例的一些可选实现方式中,位置信息包括道路区和候车区,以及步骤304包括:响应于确定对象的位置信息为道路区,且停留时长信息不大于预设时长,则将对象标记为行人;响应于确定对象的位置信息为候车区,且停留时长信息大于预设时长,则将对象标记为候车乘客。
在本实现方式中,在确定对象的位置信息为道路区,且其停留时长信息不大于预设时长时,则将该对象标记为行人;在确定对象的位置信息为候车区,且其停留时长信息大于预设时长,则将该对象标记为候车乘客,其中,预设时长可以设置为30秒,或者设置为其他数值。从而有效地利用对象的位置信息和停留时长信息来判断其为行人还是候车乘客,提高了标记的准确性。
步骤305,基于标记结果确定候车乘客的数量。
在本实施例中,上述执行主体基于标记结果来确定候车乘客的数量。例如,若标记结果中若没有对象被标记为候车乘客,则可以确定目标站台的候车乘客数目为0;若标记结果中若有对象被标记为候车乘客,则可以确定目标站台的候车乘客数目不为0,从而可以进一步获得候车乘客的数目。
基于上述步骤可以提高确定的候车乘客数量的准确性。
步骤306,基于候车乘客的数量,确定车辆调度策略。
在本实施例中,上述执行主体会基于候车乘客的数量,确定车辆调度策略。步骤306与前述实施例的步骤204基本一致,具体实现方式可以参考前述对步骤204的描述,此处不再赘述。
在本实施例的一些可选实现方式中,步骤306包括:响应于确定候车乘客的数量为零,控制目标车辆不在目标站台停靠。
在本实现方式中,在确定候车乘客的数量为0的情况下,则控制目标车辆不在目标站台停靠,从而避免了目标站台没有候车乘客、但车辆仍正常停靠的情况,从而提高了车辆的运行效率。
从图3中可以看出,与图2对应的实施例相比,本实施例中的智能调度方法,该方法突出了确定候车乘客的数量的步骤,从而提高了确定的候车乘客数量的准确性,并基于该候车乘客的数量来确定车辆调度策略,也提高了车辆的运行效率。
继续参考图4,图4示出了根据本公开的智能调度方法的再一个实施例的流程400。该智能调度方法包括以下步骤:
步骤401,获取感知设备对于目标站台的预设区域的感知信息。
步骤402,对感知信息进行识别,确定感知信息中各个对象的位置信息。
步骤401-402与前述实施例的步骤301-302基本一致,具体实现方式可以参考前述对步骤301-302的描述,此处不再赘述。
步骤403,获取目标车辆的实时位置信息。
在本实施例中,智能调度方法的执行主体(例如图1所示的感知设备、信息处理设备或车辆服务模块)获取目标车辆的实时位置信息。例如,上述执行主体可以从路侧设备处获取目标车辆的实时位置信息。
步骤404,基于实时位置信息,确定目标车辆的进站时间。
在本实施例中,上述执行主体可以基于目标车辆的实时位置信息,来确定目标车辆距离目标站台的距离,再基于目标车辆的速度信息来确定目标车辆的进站时间。
步骤405,统计候车乘客的平均等待时长信息。
在本实施例中,上述执行主体可以统计候车乘客的平均等待时长信息。也即当候车乘客在进入到目标站台的预设区域后,上述执行主体会对其进行标记,直至其离开预设区域,从而上述执行主体可以得到该候车乘客的等待时长信息,然后再基于所有乘客的等待时长信息来得到候车乘客的平均等待时长信息。
步骤406,基于进站时间和平均等待时长信息,确定候车乘客的等待总时长。
在本实施例中,上述执行主体可以基于目标车辆的进站时间以及候车乘客的平均等待时长信息,来确定候车乘客的等待总时长。例如,目标车辆的进站时间为7分钟后,候车乘客的平均等待时长信息为8分钟,那么候车乘客的等待总时长则为7+8=15分钟。
步骤407,基于候车乘客的数量以及等待总时长,确定目标调度策略。
在本实施例中,上述执行主体可以基于候车乘客的数量以及等待总时长,来确定目标调度策略。
在本实施例的一些可选实现方式中,步骤407包括:响应于确定候车乘客的数量超过第一预设阈值,且等待总时长超过第二预设阈值,则目标调度策略为增加车辆策略;响应于确定候车乘客的数量不超过第一预设阈值,且等待总时长不超过第二预设阈值,则目标调度策略为减少车辆策略。
在本实现方式中,在确定候车乘客的数量超过第一预设阈值,且其等待总时长超过第二预设阈值的情况下,说明当前车辆的运力不能承载当前的候车乘客了,所以上述执行主体会将目标调度策略确定为增加车辆策略,也即增加车辆排班;在确定候车乘客的数量不超过第一预设阈值,且其等待总时长不超过第二预设阈值时,说明当前车辆的运力已经超过当前的候车乘客了,所以上述执行主体会将目标调度策略为减少车辆策略,也即减少车辆排班。从而通过对目标站台的候车乘客的人数和等候时间进行感知,来进行车辆的合理调度安排,提高了车辆的运行效率。
从图4中可以看出,与图3对应的实施例相比,本实施例中的智能调度方法,该方法突出了基于候车乘客的数量以及等待总时长来确定目标调度策略的步骤,从而通过对目标站台的候车乘客的人数和等候时间进行感知,来进行车辆的合理调度安排,提高了车辆的运行效率。
进一步参考图5,其示出了根据本公开的智能调度方法的一个应用场景。在图5的应用场景中,目标站台的感知设备501会实时采集目标站台的预设区域的感知信息,并将感知信息发送至目标站台对应的信息处理设备502。信息处理设备502会根据感知信息,确定目标站台的候车乘客的数量,从而得到感知结果。进而,信息处理设备502响应于确定目标站台的候车乘客的数目为0,会将其对应的车辆调度策略发送给车端服务模块503,以使车端服务模块503控制目标车辆不在目标站台停靠。
进一步参考图6,作为对上述各图所示方法的实现,本公开提供了一种智能调度装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,本实施例的智能调度装置600包括:获取单元601、确定单元602和调度单元603。其中,获取单元601,被配置成获取感知设备对于目标站台的预设区域的感知信息;确定单元602,被配置成基于感知信息,确定目标站台的候车乘客的数量;调度单元603,被配置成基于候车乘客的数量,确定车辆调度策略。
在本实施例中,智能调度装置600中:获取单元601、确定单元602和调度单元603的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,确定单元602包括:第一确定子单元,被配置成对感知信息进行识别,确定感知信息中各个对象的位置信息;识别子单元,被配置成分别对各个对象进行追踪识别,得到各个对象在所述预设区域内的停留时长信息;标记子单元,被配置成基于位置信息和停留时长信息,对各个对象进行标记,得到标记结果,其中,标记结果包括行人和候车乘客;第二确定子单元,被配置成基于标记结果确定候车乘客的数量。
在本实施例的一些可选的实现方式中,位置信息包括道路区和候车区;以及标记子单元进一步被配置成:响应于确定对象的位置信息为道路区,且停留时长信息不大于预设时长,则将对象标记为行人;响应于确定对象的位置信息为候车区,且停留时长信息大于预设时长,则将对象标记为候车乘客。
在本实施例的一些可选的实现方式中,调度单元603进一步被配置成:响应于确定候车乘客的数量为零,控制目标车辆不在目标站台停靠。
在本实施例的一些可选的实现方式中,上述智能调度装置600还包括:位置信息获取单元,被配置成获取目标车辆的实时位置信息;进站时间确定单元,被配置成基于实时位置信息,确定目标车辆的进站时间;统计单元,被配置成统计候车乘客的平均等待时长信息;等待总时长单元,被配置成基于进站时间和平均等待时长信息,确定候车乘客的等待总时长;以及调度单元603包括:调度子单元,被配置成基于候车乘客的数量以及等待总时长,确定目标调度策略。
在本实施例的一些可选的实现方式中,调度子单元进一步被配置成:响应于确定候车乘客的数量超过第一预设阈值,且等待总时长超过第二预设阈值,则目标调度策略为增加车辆策略;响应于确定候车乘客的数量不超过第一预设阈值,且等待总时长不超过第二预设阈值,则目标调度策略为减少车辆策略。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如智能调度方法。例如,在一些实施例中,智能调度方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的智能调度方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行智能调度方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
云计算(cloud computer),指的是通过网络接入弹性可扩展的共享物理或虚拟资源池,资源可以包括服务器、操作系统、网络、软件、应用或存储设备等,并可以以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术,可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (12)
1.一种智能调度系统,包括:多种感知设备、信息处理设备、车端服务模块和路侧感知设备,其中,
所述多种感知设备用于生成对目标站台的预设区域的多种感知信息;
所述路侧感知设备用于获取目标车辆的实时位置信息,并将所述实时位置信息发送给所述信息处理设备;
所述信息处理设备用于基于所述多种感知信息,通过预训练的感知模型确定所述目标站台的候车乘客的数量;基于所述实时位置信息,确定所述目标车辆的进站时间;统计所述候车乘客的平均等待时长信息;基于所述进站时间和所述平均等待时长信息,确定所述候车乘客的等待总时长;响应于确定所述候车乘客的数量超过第一预设阈值,且所述等待总时长超过第二预设阈值,则车辆调度策略为增加车辆策略;响应于确定所述候车乘客的数量不超过所述第一预设阈值,且所述等待总时长不超过所述第二预设阈值,则所述车辆调度策略为减少车辆策略;将所述车辆调度策略发送给所述车端服务模块;
所述车端服务模块用于基于所述车辆调度策略控制目标车辆。
2.根据权利要求1所述的系统,其中,所述信息处理设备进一步用于:
对所述感知信息进行识别,确定所述感知信息中各个对象的位置信息;
分别对所述各个对象进行追踪识别,得到所述各个对象在所述预设区域内的停留时长信息;
基于所述位置信息和所述停留时长信息,对所述各个对象进行标记,得到标记结果,其中,所述标记结果包括行人和候车乘客;
基于所述标记结果确定所述候车乘客的数量。
3.根据权利要求1所述的系统,其中,所述车端服务模块进一步用于:响应于确定所述候车乘客的数量为零,控制目标车辆不在所述目标站台停靠。
4.根据权利要求1-3中任一项所述的系统,其中,所述信息处理设备为云端信息处理设备,或所述目标站台的站台信息处理设备。
5.根据权利要求1-3中任一项所述的系统,其中,所述感知设备集成于所述目标站台中。
6.一种智能调度方法,包括:
获取多种感知设备对于目标站台的预设区域的多种感知信息;
基于所述多种感知信息,通过预训练的感知模型确定所述目标站台的候车乘客的数量;
获取目标车辆的实时位置信息;
基于所述实时位置信息,确定所述目标车辆的进站时间;
统计所述候车乘客的平均等待时长信息;
基于所述进站时间和所述平均等待时长信息,确定所述候车乘客的等待总时长;
基于所述候车乘客的数量,确定车辆调度策略,包括:
基于所述候车乘客的数量以及所述等待总时长,确定车辆调度策略,包括:
响应于确定所述候车乘客的数量超过第一预设阈值,且所述等待总时长超过第二预设阈值,则所述车辆调度策略为增加车辆策略;响应于确定所述候车乘客的数量不超过所述第一预设阈值,且所述等待总时长不超过所述第二预设阈值,则所述车辆调度策略为减少车辆策略。
7.根据权利要求6所述的方法,其中,所述基于所述感知信息,确定所述目标站台的候车乘客的数量,包括:
对所述感知信息进行识别,确定所述感知信息中各个对象的位置信息;
分别对所述各个对象进行追踪识别,得到所述各个对象在所述预设区域内的停留时长信息;
基于所述位置信息和所述停留时长信息,对所述各个对象进行标记,得到标记结果,其中,所述标记结果包括行人和候车乘客;
基于所述标记结果确定所述候车乘客的数量。
8.根据权利要求7所述的方法,其中,所述位置信息包括道路区和候车区;以及
所述基于所述位置信息和所述停留时长信息,对所述各个对象进行标记,得到标记结果,包括:
响应于确定所述对象的位置信息为所述道路区,且所述停留时长信息不大于预设时长,则将所述对象标记为行人;
响应于确定所述对象的位置信息为所述候车区,且所述停留时长信息大于所述预设时长,则将所述对象标记为候车乘客。
9.根据权利要求6所述的方法,其中,所述基于所述候车乘客的数量,确定车辆调度策略,包括:
响应于确定所述候车乘客的数量为零,控制目标车辆不在所述目标站台停靠。
10.一种智能调度装置,包括:
获取单元,被配置成获取多种感知设备对于目标站台的预设区域的多种感知信息;
确定单元,被配置成基于所述多种感知信息,通过预训练的感知模型确定所述目标站台的候车乘客的数量;
位置信息获取单元,被配置成获取目标车辆的实时位置信息;
进站时间确定单元,被配置成基于所述实时位置信息,确定所述目标车辆的进站时间;
统计单元,被配置成统计所述候车乘客的平均等待时长信息;
等待总时长单元,被配置成基于所述进站时间和所述平均等待时长信息,确定所述候车乘客的等待总时长;
调度单元,被配置成基于所述候车乘客的数量,确定车辆调度策略,包括:基于所述候车乘客的数量以及所述等待总时长,确定车辆调度策略,包括:响应于确定所述候车乘客的数量超过第一预设阈值,且所述等待总时长超过第二预设阈值,则所述车辆调度策略为增加车辆策略;响应于确定所述候车乘客的数量不超过所述第一预设阈值,且所述等待总时长不超过所述第二预设阈值,则所述车辆调度策略为减少车辆策略。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求6-9中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求6-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210261566.4A CN114596708B (zh) | 2022-03-16 | 2022-03-16 | 智能调度系统、方法、装置及计算机程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210261566.4A CN114596708B (zh) | 2022-03-16 | 2022-03-16 | 智能调度系统、方法、装置及计算机程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114596708A CN114596708A (zh) | 2022-06-07 |
CN114596708B true CN114596708B (zh) | 2024-03-29 |
Family
ID=81817494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210261566.4A Active CN114596708B (zh) | 2022-03-16 | 2022-03-16 | 智能调度系统、方法、装置及计算机程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114596708B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015039182A1 (en) * | 2013-09-19 | 2015-03-26 | National Ict Australia Limited | Determining network maps of transport networks |
CN107330840A (zh) * | 2017-08-07 | 2017-11-07 | 江苏南大苏富特智能交通科技有限公司 | 基于站台视频分析的城市公交客流调查方法及其调查系统 |
CN107545724A (zh) * | 2017-07-05 | 2018-01-05 | 邹晓虎 | 一种公交车的动态调度方法、装置与系统 |
CN113628473A (zh) * | 2021-07-02 | 2021-11-09 | 东南大学 | 一种智能公交车辆响应式停站计划与动态调度系统 |
Family Cites Families (1)
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 |
-
2022
- 2022-03-16 CN CN202210261566.4A patent/CN114596708B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015039182A1 (en) * | 2013-09-19 | 2015-03-26 | National Ict Australia Limited | Determining network maps of transport networks |
CN107545724A (zh) * | 2017-07-05 | 2018-01-05 | 邹晓虎 | 一种公交车的动态调度方法、装置与系统 |
CN107330840A (zh) * | 2017-08-07 | 2017-11-07 | 江苏南大苏富特智能交通科技有限公司 | 基于站台视频分析的城市公交客流调查方法及其调查系统 |
CN113628473A (zh) * | 2021-07-02 | 2021-11-09 | 东南大学 | 一种智能公交车辆响应式停站计划与动态调度系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114596708A (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3944213A2 (en) | Method and apparatus of controlling traffic, roadside device and cloud control platform | |
CN108701396B (zh) | 一种车前积雪与结冰的检测报警方法、存储介质和服务器 | |
CN113011323B (zh) | 通行状态的获取方法、相关装置、路侧设备及云控平台 | |
US11328518B2 (en) | Method and apparatus for outputting information | |
CN113392794B (zh) | 车辆跨线识别方法、装置、电子设备和存储介质 | |
CN113361458A (zh) | 基于视频的目标对象识别方法、装置、车辆及路侧设备 | |
CN114926766A (zh) | 识别方法及装置、设备、计算机可读存储介质 | |
CN113392793A (zh) | 用于识别车道线的方法、装置、设备、存储介质以及无人车 | |
CN113901911B (zh) | 图像识别、模型训练方法、装置、电子设备及存储介质 | |
CN113052047B (zh) | 交通事件的检测方法、路侧设备、云控平台及系统 | |
CN114596708B (zh) | 智能调度系统、方法、装置及计算机程序产品 | |
CN113052048A (zh) | 交通事件检测方法、装置、路侧设备以及云控平台 | |
CN113160272A (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN114677848B (zh) | 感知预警系统、方法、装置及计算机程序产品 | |
CN114429631B (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN113587917A (zh) | 室内定位方法、装置、设备、存储介质及计算机程序产品 | |
CN114944078B (zh) | 信息处理方法、装置、设备、存储介质及计算机程序产品 | |
CN113721235B (zh) | 对象状态确定方法、装置、电子设备以及存储介质 | |
CN113971478B (zh) | 地铁运行状态的预测方法、装置、电子设备及存储介质 | |
CN117556438A (zh) | 图像脱敏方法和装置 | |
CN116416567A (zh) | 一种地铁厢内推销行为检测方法、装置、设备及存储介质 | |
CN116434552A (zh) | 非机动车道的抓拍方法、装置、电子设备以及存储介质 | |
CN116048074A (zh) | 一种避障方法、装置、设备、域控制器、存储介质及系统 | |
CN117746137A (zh) | 基于交通事故的图像处理方法、装置、设备及存储介质 | |
CN117671965A (zh) | 数据处理的方法、装置、设备及存储介质 |
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 |