CN114997670A - 机场用车的调度方法及系统 - Google Patents
机场用车的调度方法及系统 Download PDFInfo
- Publication number
- CN114997670A CN114997670A CN202210659614.5A CN202210659614A CN114997670A CN 114997670 A CN114997670 A CN 114997670A CN 202210659614 A CN202210659614 A CN 202210659614A CN 114997670 A CN114997670 A CN 114997670A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- user
- available
- list
- 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 45
- 238000004590 computer program Methods 0.000 claims description 16
- 230000009471 action Effects 0.000 claims description 5
- 230000008451 emotion Effects 0.000 claims description 4
- 230000036541 health Effects 0.000 claims description 4
- 230000010365 information processing Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 20
- 238000004891 communication Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000003190 augmentative effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
- G06V40/25—Recognition of walking or running movements, e.g. gait recognition
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供的一种机场用车的调度方法及系统,涉及计算机技术领域,该方法包括:根据第一相机,获取目标飞机的航班信息;接收多个用户使用终端发送的用车请求,并根据用车请求生成多个用户对应的多个用车信息;根据航班信息和多个用车信息,生成初始可用车列表;根据第二相机获取多个用户的用户特征,以及根据第三相机获取可用车列表对应司机的司机特征;基于用车信息、用户特征和司机特征,生成多个用户中每个用户对应的用车权重;根据用车权重,对初始可用车列表进行更新,得到目标可用车列表;将用车请求发送至目标可用车列表中对应车辆和/或司机的终端,以实现对多个用户的用车调度操作。本申请通过相机获取图像来分析,实现合理的用车调度。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种机场用车的调度方法及系统。
背景技术
目前,飞机和车辆已成为人们日常出行的重要工具。在用户乘坐飞机出发或达到的场景中,通常会选择打车的方式去往目的地,例如去往机场或从机场去往住处。然而,在该场景中,通常都是根据用户的用车请求随机调度一些可用车辆,这样可能会产生调度困难、或者调度车辆不是最佳方案等情况。
因此,有必要提供一种机场用车的调度方法及系统,以实现机场用车的合理调度。
发明内容
本发明实施例的目的在于提供一种机场用车的调度方法及系统,本申请实施例能够显著地提升单目图像深度估计的准确性。具体技术方案如下:
在本发明实施例的第一方面,提供一种机场用车的调度方法,包括:
根据第一相机,获取目标飞机的航班信息;
接收多个用户使用终端发送的用车请求,并根据所述用车请求生成所述多个用户对应的多个用车信息;
根据所述航班信息和所述多个用车信息,生成初始可用车列表;
根据第二相机获取所述多个用户的用户特征,以及根据第三相机获取所述可用车列表对应司机的司机特征;
基于所述用车信息、所述用户特征和所述司机特征,生成所述多个用户中每个用户对应的用车权重;
根据所述用车权重,对所述初始可用车列表进行更新,得到目标可用车列表;
将所述用车请求发送至所述目标可用车列表中对应车辆和/或司机的终端,以实现对所述多个用户的用车调度操作。
可选地,所述航班信息包括所述目标飞机的到达时间、滑行时长、乘客数量和落地位置中的至少一种,所述用车信息包括用车时段、出发地、目的地、路程和预计用车时长中的至少一种。
可选地,所述根据所述航班信息和所述多个用车信息,生成初始可用车列表,包括:
根据所述航班信息,从多个车辆中获取满足第一预设条件的第一可用车辆,所述第一预设条件包括所述车辆的可调度时段与所述目标飞机的到达时间的间隔小于第一预设阈值,且所述车辆的当前位置与所述目标飞机的落地位置的距离小于第二预设阈值;
根据所述用车信息,从多个所述第一可用车辆中获取满足第二预设条件的第二可用车辆,所述第二预设条件包括所述第一可用车辆到达所述目的地的预计时长小于第三预设阈值。
可选地,所述根据第二相机获取所述多个用户的用户特征,以及根据第三相机获取所述可用车列表对应司机的司机特征,包括:
根据所述第二相机,获取所述用户对应的第一图像数据和第一视频数据;
根据所述第一图像数据,获取所述用户的健康特征和情绪特征,以及根据所述第一视频数据,获取所述用户的用车缓急特征;
根据所述第三相机,获取所述司机对应的第二图像数据和第二视频数据;
根据所述第二图像数据,获取所述司机的身份特征和历史驾驶数据特征,以及根据所述第二视频数据,获取所述司机的动作特征。
可选地,基于所述用车信息、所述用户特征和所述司机特征,生成所述多个用户中每个用户对应的用车权重,包括:
基于所述用车信息、所述用户特征,生成所述每个用户的评分,所述评分用于表征所述每个用户的用车紧急程度;
根据所述评分和所述司机特征,对所述评分进行更新,得到所述用车权重,所述用车权重用于表征所述司机和所述司机对应的车辆与所述每个用户的匹配程度。
可选地,根据所述用车权重,对所述初始可用车列表进行更新,得到目标可用车列表,包括:
根据所述用车权重的大小的降序排列,确定所述初始可用车列表中每个车辆对应所述每个用户的优先级;
以所述优先级的大小的降序排列顺序,对所述初始可用车列表中的所述多个车辆的排序和数量进行更新,得到所述目标可用车列表。
在本发明实施例的又一方面,提供一种机场用车的调度系统,所述系统包括:
航班信息获取模块,用于根据第一相机,获取目标飞机的航班信息;
用车信息获取模块,用于接收多个用户使用终端发送的用车请求,并根据所述用车请求生成所述多个用户对应的多个用车信息;
初始可用车列表生成模块,用于根据所述航班信息和所述多个用车信息,生成初始可用车列表;
特征获取模块,用于根据第二相机获取所述多个用户的用户特征,以及根据第三相机获取所述可用车列表对应司机的司机特征;
用车权重生成模块,用于基于所述用车信息、所述用户特征和所述司机特征,生成所述多个用户中每个用户对应的用车权重;
目标可用车列表获取模块,用于根据所述用车权重,对所述初始可用车列表进行更新,得到目标可用车列表;
用车调度模块,用于将所述用车请求发送至所述目标可用车列表中对应车辆和/或司机的终端,以实现对所述多个用户的用车调度操作。
可选地,所述航班信息包括所述目标飞机的到达时间、滑行时长、乘客数量和落地位置中的至少一种,所述用车信息包括用车时段、出发地、目的地、路程和预计用车时长中的至少一种。
在本发明实施例的又一方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被执行时实现如上所述方法的步骤。
在本发明实施例的又一方面,提供一种计算机设备,包括处理器、存储器和存储于所述存储器上的计算机程序,所述处理器执行所述计算机程序时实现如上所述方法的步骤。
由上可知,本申请实施例在对目标场景的图像进行深度估计时,能够多方面地考虑到单目图像深度估计的相机与目标的相对位姿、卷积处理、光度影响、采样排序等多个环节下的损失,构建对应的模型单元和损失函数,从而最大程度地保证在各个环节中的预测准确率,以提升单目图像深度估计的总准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的机场用车的调度系统的应用场景示意图;
图2是本申请实施例提供的机场用车的调度方法的流程示意图;
图3是本申请实施例提供的机场用车的调度系统的结构示意图;
图4是本申请实施例提供的计算机设备的内部结构图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本申请一些实施例所示的用车系统的应用场景示意图。
机场用车的调度系统100可以基于用户需求、航班信息、用户特征和司机他正等信息,进行合理、高效的用车调度。机场用车的调度系统100可以是用于互联网或者其它网络的服务平台。例如,机场用车的调度系统100可以是为交通运输提供服务的线上服务平台。在一些实施例中,机场用车的调度系统100可以应用于网约车服务,例如出租车呼叫、快车呼叫、专车呼叫、小巴呼叫、拼车、公交服务和接送服务等。在一些实施例中,机场用车的调度系统100还可以应用于代驾、快递、外卖等。在另一些实施例中,机场用车的调度系统100还可以应用于出行(如旅游)服务领域。机场用车的调度系统100可以包括服务器110、服务请求者终端120、存储设备130、服务提供者终端140和网络150。
在一些实施例中,服务器110可以用于处理与服务请求有关的信息和/或数据,例如,用于处理在线用车请求。具体的,服务器110可以从服务请求者终端120接收用车请求并获取至少一个候选自动驾驶车辆的信息,并处理该用车请求和候选自动驾驶车辆的信息,以确定目标自动驾驶车辆并控制目标自动驾驶车辆从初始停车场站行驶至上车点。在一些实施例中,服务器110可以是单个服务器,也可以是服务器组。服务器组可以是集中式的或分布式的(例如,服务器110可以是一分布式系统)。在一些实施例中,服务器110可以是本地的,也可以是远程的。例如,服务器110可以经由网络150访问存储在服务请求者终端120和/或存储设备130中的信息和/或数据。又例如,服务器110可以直接连接到服务请求者终端120和/或存储设备130以访问存储信息和/或数据。在一些实施例中,服务器110可以在云平台或车载计算机上实现。仅作为示例,该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中,服务器110可以包括处理引擎112。处理引擎112可以处理与控制自动驾驶车辆行驶有关的信息和/或数据,以执行本申请中描述的一个或以上功能。例如,处理引擎112可以获取服务请求者终端120发送的用车请求,并根据用车请求和候选自动驾驶车辆的信息确定目标自动驾驶车辆,然后控制目标自动驾驶车辆从初始停车场站行驶至上车点。处理引擎112可以获取用户的用车请求。在一些实施例中,处理引擎112还可以获取至少一个候选自动驾驶车辆的信息。在一些实施例中,处理引擎112可以基于用车请求和至少一个候选自动驾驶车辆的信息,确定目标自动驾驶车辆。在一些实施例中,处理引擎112可以控制所述目标自动驾驶车辆从初始停车场站行驶至所述上车点。在一些实施例中,处理引擎112可以控制目标自动驾驶车辆从上车点行驶至用户的终点位置。在一些实施例中,处理引擎112还可以控制目标自动驾驶车辆从终点位置行驶至目标停车场站。在一些实施例中,处理引擎112可包括一个或以上处理引擎(例如,单芯片处理引擎或多芯片处理引擎)。仅作为示例,处理引擎112可以包括中央处理单元(CPU)、特定应用集成电路(ASIC)、特定应用指令集处理器(ASIP)、图形处理单元(GPU)、物理处理单元(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑设备(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或其任意组合。
在一些实施例中,服务请求者终端120可以是与请求直接相关的个人、工具或其他实体。用户可以是服务请求者。在本申请中,“用户”、“用户终端”可以互换使用。在一些实施例中,服务请求者终端120可以包括移动设备120-1、台式电脑120-2、笔记本电脑120-3、以及机动车辆中的车载设备120-4等或其任意组合。在一些实施例中,移动设备120-1可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等或其任意组合。在一些实施例中,智能家居设备可以包括智能照明设备、智能电器控制设备、智能监控设备、智能电视、智能摄像机、对讲机等或其任意组合。在一些实施例中,可穿戴设备可以包括智能手镯、智能鞋袜、智能眼镜、智能头盔、智能手表、智能穿着、智能背包、智能配件等或其任意组合。在一些实施例中,智能移动设备可以包括智能电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)等或其任意组合。在一些实施例中,虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强型虚拟现实头盔、增强现实眼镜、增强现实眼罩等或其任意组合。例如,虚拟现实设备和/或增强现实设备可以包括Google Glass、Oculus Rift、HoloLens或Gear VR等。在一些实施例中,机动车辆中的车载设备120-4可以包括车载计算机、车载电视等。在一些实施例中,服务请求者终端120可以是具有定位技术的设备,用于定位服务请求者终端120的位置。
服务提供者终端140可以是自动驾驶车辆上具有通信和控制功能的终端设备。自动驾驶车辆能够在没有人类操纵的情况下感测环境信息和导航。自动驾驶车辆可以包括传统车辆的结构。例如,自动驾驶车辆可以包括至少两个控制组件,其被配置为控制自动驾驶车辆的操作。在一些实施例中,至少两个控制组件可以包括转向设备(例如,方向盘)、制动设备(例如,制动踏板)、加速器等。在一些实施例中,转向设备可以被配置为调节自动驾驶车辆的朝向和/或方向。在一些实施例中,制动设备可以被配置为执行制动操作以停止自动驾驶车辆。在一些实施例中,加速器可以被配置为控制自动驾驶车辆的速度和/或加速度。在一些实施例中,自动驾驶车辆还可以包括至少两个探测单元,其被配置为探测与自动驾驶车辆相关的驾驶信息。在一些实施例中,至少两个探测单元可以包括相机、全球定位系统(GPS)模块、加速度传感器(例如,压电传感器)、速度传感器(例如,霍尔传感器)、距离传感器(例如,雷达、激光雷达、红外传感器)、转向角传感器(例如倾斜传感器)、牵引相关传感器(例如,力传感器)等。在一些实施例中,与自动驾驶车辆相关的驾驶信息可以包括自动驾驶车辆上探测单元在一定距离范围内感知的信息(例如,道路信息、障碍物信息)和在自动驾驶车辆周围一定范围内的地图信息等。
在一些实施例中,服务提供者终端140还可以为司机终端。若服务提供者终端140为司机终端,服务提供者终端140可以与服务请求者终端120类似或相同的设备。在一些实施例中,服务提供者终端140可以包括移动设备140-1、台式电脑140-2、笔记本电脑140-3、以及机动车辆中的车载设备140-4等或其任意组合。
在一些实施例中,服务提供者终端140可以是具有用于确定服务提供者或者服务提供者终端140位置的定位技术的装置。在一些实施例中,服务请求者终端120和/或服务提供者终端140可以与另一定位设备通信以确定服务请求者、服务请求者终端120、服务提供者和/或服务提供者终端140的位置。在一些实施例中,服务请求者终端120和/或服务提供者终端140可以将定位信息发送到服务器110。
存储设备130可以储存与服务请求相关的数据和/或指令。在一些实施例中,存储设备130可以存储从服务请求者终端120和/或服务提供者终端140获得/获取的数据。在一些实施例中,存储设备130可以储存服务器110用来执行或使用以完成本申请中描述的示例性方法的数据和/或指令。在一些实施例中,存储设备130可包括大容量存储设备、可移动存储设备、易失性读写存储设备、只读存储设备(ROM)等或其任意组合。示例性的大容量存储设备可以包括磁盘、光盘、固态磁盘等。示例性可移动存储设备可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储设备可以包括随机存取存储设备(RAM)。示例性RAM可包括动态随机存取存储设备(DRA M)、双倍数据速率同步动态随机存取存储设备(DDRSDRAM)、静态随机存取存储设备(SRAM)、晶闸管随机存取存储设备(T-RAM)和零电容随机存取存储设备(Z-RAM)等。示例性只读存储设备可以包括模型只读存储设备(MROM)、可编程只读存储设备(PROM)、可擦除可编程只读存储设备(EPROM)、电可擦除可编程只读存储设备(EEPROM)、光盘只读存储设备(CD-ROM)和数字多功能磁盘只读存储设备等。在一些实施例中,存储设备130可在云平台上实现。仅作为示例,该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中,存储设备130可以连接到网络150以与机场用车的调度系统100的一个或以上组件(例如,服务器110、服务请求者终端120)通信。机场用车的调度系统100的一个或以上组件可以经由网络150访问存储在存储设备130中的数据或指令。在一些实施例中,存储设备130可以直接连接到机场用车的调度系统100的一个或以上组件(例如,服务器110、服务请求者终端120)或与之通信。在一些实施例中,存储设备130可以是服务器110的一部分。在一些实施例中,存储设备130可以是单独的存储设备。
网络150可以促进信息和/或数据的交换。在一些实施例中,机场用车的调度系统100的一个或以上组件(例如,服务器110、服务请求者终端120、存储设备130和服务提供者终端140)可以经由网络150将信息和/或数据发送至机场用车的调度系统100的其他组件。例如,服务器110可以经由网络150从服务请求者终端120获得/获取服务请求。在一些实施例中,网络150可以是有线网络或无线网络等或其任意组合。仅作为示例,网络150可以包括电缆网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络、近场通讯(NFC)网络、全球移动通讯系统(GSM)网络、码分多址(CDMA)网络、时分多址(TDMA)网络、通用分组无线服务(GP RS)网络、增强数据速率GSM演进(EDGE)网络、宽带码分多址接入(WCDMA)网络、高速下行分组接入(HSDPA)网络、长期演进(LTE)网络、用户数据报协议(UDP)网络、传输控制协议/互联网协议(TCP/IP)网络、短讯息服务(SMS)网络、无线应用协议(WAP)网络、超宽带(UWB)网络、红外线等或其任意组合。在一些实施例中,机场用车的调度系统100可以包括一个或以上网络接入点。例如,基站和/或无线接入点150-1、150-2、…,机场用车的调度系统100的一个或以上组件可以连接到网络150以交换数据和/或信息。
应当注意机场用车的调度系统100仅仅是为了说明的目的而提供的,并不意图限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出多种修改或变化。例如,机场用车的调度系统100还可以包括数据库、信息源等。又例如,机场用车的调度系统100可以在其他设备上实现类似或不同的功能。然而,这些变化和修改不会背离本申请的范围。
图2示出了本申请实施例提供的一种机场用车的调度方法及系统的流程示意图,如图2所示,一种机场用车的调度方法及系统包括如下步骤:
步骤210、根据第一相机,获取目标飞机的航班信息。
其中,航班信息可以包括目标飞机的到达时间、滑行时长、乘客数量和落地位置中的至少一种。
在一些实施例中,第一相机可以是布置在机场跑道或航站楼周围的阵列相机、光场相机。在该场景中,第一相机可以捕捉到包含目标飞机的航班号、航空公司等信息的图像数据,并基于该图像数据通过服务器或图像识别模型获取目标飞机的航班信息,目标飞机为用户乘坐的飞机。
步骤220、接收多个用户使用终端发送的用车请求,并根据所述用车请求生成所述多个用户对应的多个用车信息。
其中,用车信息可以包括用车时段、出发地、目的地、路程和预计用车时长中的至少一种。
步骤230、根据所述航班信息和所述多个用车信息,生成初始可用车列表。
可选地,步骤230还可以包括:
根据所述航班信息,从多个车辆中获取满足第一预设条件的第一可用车辆,所述第一预设条件包括所述车辆的可调度时段与所述目标飞机的到达时间的间隔小于第一预设阈值,且所述车辆的当前位置与所述目标飞机的落地位置的距离小于第二预设阈值。
根据所述用车信息,从多个所述第一可用车辆中获取满足第二预设条件的第二可用车辆,所述第二预设条件包括所述第一可用车辆到达所述目的地的预计时长小于第三预设阈值。
可以理解,在飞机降落后,可以通过第一相机获取的航班信息提前生成对于某用户的拟用车请求,即在假设用户有用车需求下的用车请求,这样可以提前获取与目标到达时间间隔较小的车辆、以及当前位置与目标飞机落地位置距离较小的车辆,将满足要求的车辆作为可调度车辆。其中,还可以将目标飞机的到达时间替换为起飞时间,本实施例对此不作限制。
进一步地,为使车辆调度更为合理,在选出满足第一预设条件的可调度车辆后,还可以考虑预计到达时长的大小,例如现有距离用户较远的车辆R和距离用户较近的车辆S,但车辆R所在道路的路况流畅,而车辆S所在道理的路况拥堵,使得经过预计总时长的考虑下,车辆S不满足第二预设条件或者即使车辆S满足第二预设条件,也有限调用车辆R来匹配该用户的用车需求。
步骤240、根据第二相机获取所述多个用户的用户特征,以及根据第三相机获取所述可用车列表对应司机的司机特征。
根据所述第二相机,获取所述用户对应的第一图像数据和第一视频数据;
根据所述第一图像数据,获取所述用户的健康特征和情绪特征,以及根据所述第一视频数据,获取所述用户的用车缓急特征;
根据所述第三相机,获取所述司机对应的第二图像数据和第二视频数据;
根据所述第二图像数据,获取所述司机的身份特征和历史驾驶数据特征,以及根据所述第二视频数据,获取所述司机的动作特征。
其中,第二相机可以为摄像头,第三相机可以为行车记录仪。可以理解,在获取用户的第一图像数据后,可以通过用于图像识别的神经网络模型对用户的面部进行识别,从而给出用户是否健康以及当前情绪的预测值。例如,在用户的第一图像数据中识别出用户具有黑眼圈,则表示用户当前的健康状况一般,可能存在疲劳、虚弱等的状态,而识别出用户皱眉、撇嘴等特征,则可以预测出用户当前的情绪消极,对于用户的视频特征,识别出用户进行跑步、快走等特征,则表示可以预测出用户的用车缓急特征为急,表示用户很可能在赶时间而存在迫切的用车需求。
在一些实施例中,司机的身份特征和历史驾驶数据特征可以分析出司机驾驶的规范程度和有无危险驾驶、违规驾驶等行为,而司机的动作特征可以用于表征司机当前的行为规范,例如有无疲劳驾驶、不规范动作等。
步骤250、基于所述用车信息、所述用户特征和所述司机特征,生成所述多个用户中每个用户对应的用车权重。
可选地,步骤250还可以包括:
基于所述用车信息、所述用户特征,生成所述每个用户的评分,所述评分用于表征所述每个用户的用车紧急程度;
根据所述评分和所述司机特征,对所述评分进行更新,得到所述用车权重,所述用车权重用于表征所述司机和所述司机对应的车辆与所述每个用户的匹配程度。
其中,用车权重还受用车高峰指数影响,用车高峰指数x表示为:
其中,a为天气因数、b为时段因数、c为航班因数、D为当前用车需求量、E为当前可调用存量、Q为该时段的平均实际用车量。
可以理解,对于各个因数,不同天气、时段和航班因素均会对用车高峰指数造成影响,例如,天气为高温天气和雨水天气时,用车高峰指数较高,因此高温天气和雨水天气对应的天气因数的值大于1,同理,时段因数中节假日和工作日的出行时段的用车高峰指数较大、工作日的非出行时段可能较小,航班因素中航程较长的航班用车高峰较大。
可以理解,在获取若用户的用车紧急程度越大,且用车高峰指数越大,则越能表征该用户在高峰时段具有迫切的用车需求,则该用户当前的用车权重越大。
其中,用车权重还收到用户个人评分影响,用户k的优先级评分可以表示为:
其中,Yk表示用户k的优先级评分,Ak表示为用户k执行过的优先用车调度次数,Bk表示用户k的历史信用评分,Ck表示用户k与需求相同的其他用户的历史信用评分,m、n、p、q表示系数。
其中,用车权重还受可调度区域车辆停放数量的影响,具体可以表示为:
Pj=Hj-(Hj-dS1j+eS2j)
其中,所述Pj表征所述可调度区域j中车辆停放数量;所述S1j表征可调度区域j的车辆进入总数;所述S2j表征可调度区域j的车辆离开总数;所述Hj表征可调度区域j的最大停放车辆数量,d和e为影响参数。
步骤260、根据所述用车权重,对所述初始可用车列表进行更新,得到目标可用车列表。
可选地,步骤260还可以包括:
根据所述用车权重的大小的降序排列,确定所述初始可用车列表中每个车辆对应所述每个用户的优先级;
以所述优先级的大小的降序排列顺序,对所述初始可用车列表中的所述多个车辆的排序和数量进行更新,得到所述目标可用车列表。
步骤270、将所述用车请求发送至所述目标可用车列表中对应车辆和/或司机的终端,以实现对所述多个用户的用车调度操作。
为实现上述方法类实施例,本申请实施例还提供一种机场用车的调度系统,图3示出了本申请实施例提供的一种机场用车的调度系统的结构示意图,所述系统包括:
航班信息获取模块301,用于根据第一相机,获取目标飞机的航班信息;
用车信息获取模块302,用于接收多个用户使用终端发送的用车请求,并根据所述用车请求生成所述多个用户对应的多个用车信息;
初始可用车列表生成模块303,用于根据所述航班信息和所述多个用车信息,生成初始可用车列表;
特征获取模块304,用于根据第二相机获取所述多个用户的用户特征,以及根据第三相机获取所述可用车列表对应司机的司机特征;
用车权重生成模块305,用于基于所述用车信息、所述用户特征和所述司机特征,生成所述多个用户中每个用户对应的用车权重;
目标可用车列表获取模块306,用于根据所述用车权重,对所述初始可用车列表进行更新,得到目标可用车列表;
用车调度模块307,用于将所述用车请求发送至所述目标可用车列表中对应车辆和/或司机的终端,以实现对所述多个用户的用车调度操作。
可选地,所述航班信息包括所述目标飞机的到达时间、滑行时长、乘客数量和落地位置中的至少一种,所述用车信息包括用车时段、出发地、目的地、路程和预计用车时长中的至少一种。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述装置中模块/单元/子单元/组件的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
由上可知,本申请实施例在对目标场景的图像进行深度估计时,能够多方面地考虑到单目图像深度估计的相机与目标的相对位姿、卷积处理、光度影响、采样排序等多个环节下的损失,构建对应的模型单元和损失函数,从而最大程度地保证在各个环节中的预测准确率,以提升单目图像深度估计的总准确率。
在一些实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储图像采集设备的相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种机场用车的调度方法及系统。
在一些实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现机场用车的调度方法及系统。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一些实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一些实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SR AM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
综上所述,本申请提供的一种机场用车的调度方法,包括:
根据第一相机,获取目标飞机的航班信息;
接收多个用户使用终端发送的用车请求,并根据所述用车请求生成所述多个用户对应的多个用车信息;
根据所述航班信息和所述多个用车信息,生成初始可用车列表;
根据第二相机获取所述多个用户的用户特征,以及根据第三相机获取所述可用车列表对应司机的司机特征;
基于所述用车信息、所述用户特征和所述司机特征,生成所述多个用户中每个用户对应的用车权重;
根据所述用车权重,对所述初始可用车列表进行更新,得到目标可用车列表;
将所述用车请求发送至所述目标可用车列表中对应车辆和/或司机的终端,以实现对所述多个用户的用车调度操作。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种机场用车的调度方法,其特征在于,包括:
根据第一相机,获取目标飞机的航班信息;
接收多个用户使用终端发送的用车请求,并根据所述用车请求生成所述多个用户对应的多个用车信息;
根据所述航班信息和所述多个用车信息,生成初始可用车列表;
根据第二相机获取所述多个用户的用户特征,以及根据第三相机获取所述可用车列表对应司机的司机特征;
基于所述用车信息、所述用户特征和所述司机特征,生成所述多个用户中每个用户对应的用车权重;
根据所述用车权重,对所述初始可用车列表进行更新,得到目标可用车列表;
将所述用车请求发送至所述目标可用车列表中对应车辆和/或司机的终端,以实现对所述多个用户的用车调度操作。
2.根据权利要求1所述的机场用车的调度方法,其特征在于,所述航班信息包括所述目标飞机的到达时间、滑行时长、乘客数量和落地位置中的至少一种,所述用车信息包括用车时段、出发地、目的地、路程和预计用车时长中的至少一种。
3.根据权利要求2所述的机场用车的调度方法,其特征在于,所述根据所述航班信息和所述多个用车信息,生成初始可用车列表,包括:
根据所述航班信息,从多个车辆中获取满足第一预设条件的第一可用车辆,所述第一预设条件包括所述车辆的可调度时段与所述目标飞机的到达时间的间隔小于第一预设阈值,且所述车辆的当前位置与所述目标飞机的落地位置的距离小于第二预设阈值;
根据所述用车信息,从多个所述第一可用车辆中获取满足第二预设条件的第二可用车辆,所述第二预设条件包括所述第一可用车辆到达所述目的地的预计时长小于第三预设阈值。
4.根据权利要求1所述的机场用车的调度方法,其特征在于,所述根据第二相机获取所述多个用户的用户特征,以及根据第三相机获取所述可用车列表对应司机的司机特征,包括:
根据所述第二相机,获取所述用户对应的第一图像数据和第一视频数据;
根据所述第一图像数据,获取所述用户的健康特征和情绪特征,以及根据所述第一视频数据,获取所述用户的用车缓急特征;
根据所述第三相机,获取所述司机对应的第二图像数据和第二视频数据;
根据所述第二图像数据,获取所述司机的身份特征和历史驾驶数据特征,以及根据所述第二视频数据,获取所述司机的动作特征。
5.根据权利要求4所述的机场用车的调度方法,其特征在于,基于所述用车信息、所述用户特征和所述司机特征,生成所述多个用户中每个用户对应的用车权重,包括:
基于所述用车信息、所述用户特征,生成所述每个用户的评分,所述评分用于表征所述每个用户的用车紧急程度;
根据所述评分和所述司机特征,对所述评分进行更新,得到所述用车权重,所述用车权重用于表征所述司机和所述司机对应的车辆与所述每个用户的匹配程度。
6.根据权利要求1~5中任一项所述的机场用车的调度方法,其特征在于,根据所述用车权重,对所述初始可用车列表进行更新,得到目标可用车列表,包括:
根据所述用车权重的大小的降序排列,确定所述初始可用车列表中每个车辆对应所述每个用户的优先级;
以所述优先级的大小的降序排列顺序,对所述初始可用车列表中的所述多个车辆的排序和数量进行更新,得到所述目标可用车列表。
7.一种机场用车的调度系统,其特征在于,所述系统包括:
航班信息获取模块,用于根据第一相机,获取目标飞机的航班信息;
用车信息获取模块,用于接收多个用户使用终端发送的用车请求,并根据所述用车请求生成所述多个用户对应的多个用车信息;
初始可用车列表生成模块,用于根据所述航班信息和所述多个用车信息,生成初始可用车列表;
特征获取模块,用于根据第二相机获取所述多个用户的用户特征,以及根据第三相机获取所述可用车列表对应司机的司机特征;
用车权重生成模块,用于基于所述用车信息、所述用户特征和所述司机特征,生成所述多个用户中每个用户对应的用车权重;
目标可用车列表获取模块,用于根据所述用车权重,对所述初始可用车列表进行更新,得到目标可用车列表;
用车调度模块,用于将所述用车请求发送至所述目标可用车列表中对应车辆和/或司机的终端,以实现对所述多个用户的用车调度操作。
8.根据权利要求7所述的系统,其特征在于,所述航班信息包括所述目标飞机的到达时间、滑行时长、乘客数量和落地位置中的至少一种,所述用车信息包括用车时段、出发地、目的地、路程和预计用车时长中的至少一种。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被执行时实现如权利要求1~6中任意一项所述方法的步骤。
10.一种计算机设备,包括处理器、存储器和存储于所述存储器上的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1~6中任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210659614.5A CN114997670A (zh) | 2022-06-13 | 2022-06-13 | 机场用车的调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210659614.5A CN114997670A (zh) | 2022-06-13 | 2022-06-13 | 机场用车的调度方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114997670A true CN114997670A (zh) | 2022-09-02 |
Family
ID=83032332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210659614.5A Pending CN114997670A (zh) | 2022-06-13 | 2022-06-13 | 机场用车的调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114997670A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711588A (zh) * | 2018-12-29 | 2019-05-03 | 上海携程商务有限公司 | 接送机服务的预订方法、系统、存储介质及电子设备 |
CN112700070A (zh) * | 2021-01-29 | 2021-04-23 | 中科大路(青岛)科技有限公司 | 用于机场的自动驾驶车辆的管控方法及系统 |
CN113177780A (zh) * | 2021-05-12 | 2021-07-27 | 中移智行网络科技有限公司 | 一种数据处理方法、装置、网络设备及可读存储介质 |
-
2022
- 2022-06-13 CN CN202210659614.5A patent/CN114997670A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711588A (zh) * | 2018-12-29 | 2019-05-03 | 上海携程商务有限公司 | 接送机服务的预订方法、系统、存储介质及电子设备 |
CN112700070A (zh) * | 2021-01-29 | 2021-04-23 | 中科大路(青岛)科技有限公司 | 用于机场的自动驾驶车辆的管控方法及系统 |
CN113177780A (zh) * | 2021-05-12 | 2021-07-27 | 中移智行网络科技有限公司 | 一种数据处理方法、装置、网络设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
钱鹏程等: "基于信息智能化的机场出租车供求匹配系统优化", 《高师理科学刊》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2020201991B2 (en) | Systems and methods for recommending an estimated time of arrival | |
TW201937447A (zh) | 用於識別危險駕駛行為的系統和方法 | |
CN111656140B (zh) | 预测交通事故发生地的人工智能系统和方法 | |
JP6797943B2 (ja) | サービスリクエストを割り振るシステムおよび方法 | |
JP2020522798A (ja) | 運動データに基づいて運転挙動を認識するデバイスおよび方法 | |
CN109923373B (zh) | 用于确定车辆参考方向的系统和方法 | |
JP2020515951A (ja) | オンデマンドサービスのための乗り物を割り当てるシステム及び方法 | |
TWI675184B (zh) | 用於路線規劃的系統、方法及非暫時性電腦可讀取媒體 | |
US20200073520A1 (en) | Display control of interactive content based on direction-of-view of occupant in vehicle | |
CN109891469B (zh) | 交通信号灯配时系统与方法 | |
CN111862578A (zh) | 一种用车方法和系统 | |
JP2018524647A (ja) | 予約オーダーを割り当てるシステム及び方法 | |
CN117011003A (zh) | 运力调度系统和方法 | |
CN110914837B (zh) | 确定车头朝向的方法和系统 | |
CN111105120B (zh) | 一种工单处理方法及装置 | |
CN111433795A (zh) | 一种确定线上到线下服务的预估到达时间的系统和方法 | |
CN110875937A (zh) | 一种信息推送方法和系统 | |
CN108780562A (zh) | 更新服务序列的系统和方法 | |
CN111832764A (zh) | 一种数据处理方法、装置、电子设备和可读存储介质 | |
CN111147532A (zh) | 一种信息分享方法、装置、设备及介质 | |
WO2021098866A1 (zh) | 一种提示信息发送方法和系统 | |
CN111260092A (zh) | 用于预测对象到达时间的系统和方法 | |
CN111367575A (zh) | 一种用户行为预测方法、装置、电子设备及存储介质 | |
CN111277618A (zh) | 一种信息推送方法、装置、电子设备及存储介质 | |
CN111489214B (zh) | 订单分配方法、条件设置方法、装置及电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220902 |
|
RJ01 | Rejection of invention patent application after publication |