CN116644868B - 一种序列化的基于公交车队的大规模移动传感器布设方法 - Google Patents

一种序列化的基于公交车队的大规模移动传感器布设方法 Download PDF

Info

Publication number
CN116644868B
CN116644868B CN202310930927.4A CN202310930927A CN116644868B CN 116644868 B CN116644868 B CN 116644868B CN 202310930927 A CN202310930927 A CN 202310930927A CN 116644868 B CN116644868 B CN 116644868B
Authority
CN
China
Prior art keywords
bus
mobile sensor
mobile
sensor
layout
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
Application number
CN202310930927.4A
Other languages
English (en)
Other versions
CN116644868A (zh
Inventor
韩科
纪文
刘涛
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.)
Sichuan Guolan Zhongtian Environmental Technology Group Co ltd
Original Assignee
Sichuan Guolan Zhongtian Environmental Technology Group 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 Sichuan Guolan Zhongtian Environmental Technology Group Co ltd filed Critical Sichuan Guolan Zhongtian Environmental Technology Group Co ltd
Priority to CN202310930927.4A priority Critical patent/CN116644868B/zh
Publication of CN116644868A publication Critical patent/CN116644868A/zh
Application granted granted Critical
Publication of CN116644868B publication Critical patent/CN116644868B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • 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
    • G08G1/0125—Traffic data processing
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种序列化的基于公交车队的大规模移动传感器布设方法，涉及移动传感器布设技术领域。该方法包括对布设区域进行空间网格划分，构建移动传感器移动感知模型；根据布设区域的公交线路集合，构建公交线路预选的线性整数规划模型，求解得到最优预选公交线路；根据构建的移动传感器移动感知模型和得到的最优预选公交线路，构建基于公交车轨迹进行移动传感器布设的线性整数规划模型，求解得到移动传感器的最优布设结果。本发明可以降低大规模移动传感器布设问题求解的复杂度，以高效地解决城市范围内大规模的移动传感器布设问题。

Description

一种序列化的基于公交车队的大规模移动传感器布设方法
技术领域
本发明涉及移动传感器布设技术领域，具体涉及一种序列化的基于公交车队的大规模移动传感器布设方法。
背景技术
近年来，随着微型传感技术的普及，车载式移动城市感知已经成为了一种非常受欢迎的感知范式并广泛地应用在各种监测场景中，例如：空气质量监测、交通情况监测、噪声监测、城市热岛效应监测等。它主要是将传感器布设在城市中运行的车辆上，通过充分利用车辆的机动性来以较低的成本实现良好的时空覆盖。
出租车由于其载客需求和收益最大化原则导致其活动路线不可控，且频繁往返于一些热点区域，从而导致其时空覆盖非常不均匀。对于专用走航车或者无人机而言，虽然它们具有很强的灵活性和可控性，但是由于其部署和运行维护成本非常高，从而不可能实现大规模部署。与上述车型相比，以公交车为载体的移动传感具有如下优势：（1）公交车的运行有相对固定的运行路线和时刻表，因此可以提供更为可靠的覆盖；（2）公交线网在城市中分布很广，可以拓展到出租车很稀疏的区域；（3）部署和运行维护成本比较低。
在城市中，公交车是重要的公共交通工具之一，城市里的公交车数量非常巨大。因此，在已知车辆运行轨迹的情况下，如何把有限的传感器布设在其中一部分车辆上，实现最优的时空覆盖是一个亟待解决的问题。
发明内容
为解决现有技术直接基于庞大的车队规模进行传感器布设导致的求解规模指数爆炸的问题，本发明提供了一种序列化的基于公交车队的大规模移动传感器布设方法，降低问题求解的复杂度，以高效地解决城市范围内大规模的移动传感器布设问题。
为了达到上述发明目的，本发明采用的技术方案为：
一种序列化的基于公交车队的大规模移动传感器布设方法，包括以下步骤：
S1、对布设区域进行空间网格划分，构建移动传感器移动感知模型；
S2、根据布设区域的公交线路集合，构建公交线路预选的线性整数规划模型，求解得到最优预选公交线路；
S3、根据步骤S1构建的移动传感器移动感知模型和步骤S2得到的最优预选公交线路，构建基于公交车轨迹进行移动传感器布设的线性整数规划模型，求解得到移动传感器的最优布设结果。
进一步地，步骤S1中对布设区域进行空间网格划分具体包括：
将移动传感器的布设区域离散为第一数量的大小相同的空间网络，并将移动传感器的监测时间划分为第二数量的时间周期。
进一步地，步骤S1中构建的移动传感器移动感知模型具体为：
其中，为移动传感器的移动感知值，/>为第/>个空间网格的监测权重，G为空间网格集合，/>为第t个时间周期的监测权重，/>为移动传感器在第t个时间周期内是否覆盖第/>个空间网格的0-1变量。
进一步地，步骤S2具体包括：
获取布设区域内的公交线路集合；
根据公交线路的运行轨迹确定公交线路集合中所有公交线路在布设区域内覆盖的空间网格数量；
以最小化所选择的公交线路的数量作为公交线路优化目标，以所选择的公交线路的空间覆盖情况作为公交线路优化约束条件，构建公交线路预选的线性整数规划模型；
对构建的公交线路预选的线性整数规划模型进行求解，得到最优预选公交线路。
进一步地，所述公交线路优化目标具体为：
其中，为公交线路优化目标，/>为是否选择第/>条公交线路的0-1变量，/>为公交线路集合。
进一步地，所述公交线路优化约束条件具体为：
其中，M为设定常数，为选择的公交线路是否覆盖第/>个空间网格的0-1变量，/>为公交线路集合，/>为是否选择第/>条公交线路的0-1变量，/>为第/>条公交线路是否覆盖第个空间网格的0-1变量，G为空间网格集合，/>为公交线路集合中所有公交线路在布设区域内覆盖的空间网格数量。
进一步地，步骤S3具体包括：
获取步骤S2得到的最优预选公交线路的运行轨迹，
以最大化在最优预选公交线路运行的公交车辆上布设移动传感器的移动感知值作为移动传感器布设优化目标，以移动传感器的数量作为移动传感器布设优化约束条件，构建基于公交车轨迹进行移动传感器布设的线性整数规划模型；
对构建的基于公交车轨迹进行移动传感器布设的线性整数规划模型进行求解，得到移动传感器的最优布设结果。
进一步地，所述移动传感器布设优化目标具体为：
其中，为移动传感器布设优化目标，/>为选择在最优预选公交线路上运行的第b辆公交车辆上布设移动传感器的0-1变量，G为空间网格集合，/>为第/>个空间网格的监测权重，T为移动传感器的监测时间，/>为第t个时间周期的监测权重，/>为移动传感器在第t个时间周期内是否覆盖第/>个空间网格的0-1变量。
进一步地，所述移动传感器布设优化约束条件具体为：
其中，为移动传感器在第t个时间周期内是否覆盖第/>个空间网格的0-1变量，B为在最优预选公交线路运行的公交车辆集合，/>为选择在最优预选公交线路上运行的第b辆公交车辆上布设移动传感器的0-1变量，/>为第b辆公交车辆在第t个时间周期内是否覆盖第/>个空间网格的0-1变量，G为空间网格集合，T为移动传感器的监测时间，/>为移动传感器的数量。
本发明具有以下有益效果：
（1）本发明所设计的序列化的基于公交车队的大规模移动传感器布设方法可以在给定传感器数量的情况下，在庞大的候选公交车辆集合中选出最佳的公交车子集来布设移动传感器，从而充分发挥移动传感器的效用，实现比较好的时空覆盖效果。
（2）本发明所设计的序列化的基于公交车队的大规模移动传感器布设方法采用通过空间覆盖对公交线路预选的方法，在保证可以实现对整个区域进行监测的前提下，极大地降低了传感器布设的决策规模，加快了模型的求解速度。
（3）本发明所设计的序列化的基于公交车队的大规模移动传感器布设方法对于任意监测场景、任意监测需求无需针对方法进行改变即可实施，是一种针对公交车队来布设移动传感器用于城市感知的通用框架，应用前景和应用范围均十分广阔。
附图说明
图1为本发明实施例中一种序列化的基于公交车队的大规模移动传感器布设方法的流程示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，本发明实施例提供了一种序列化的基于公交车队的大规模移动传感器布设方法，包括以下步骤S1至S3：
S1、对布设区域进行空间网格划分，构建移动传感器移动感知模型；
在本发明的一个可选实施例中，本实施例对布设区域进行空间网格划分具体包括：
将移动传感器的布设区域离散为第一数量的大小相同的空间网络，并将移动传感器的监测时间划分为第二数量的时间周期。
具体而言，本实施例根据不同的监测场景和监测需求，把移动传感器的布设区域离散为个大小相同的空间网格，记为空间网格集合/>。把整个监测时间/>划分为/>个时间周期。在每个周期/>内每个网格/>只需要被覆盖一次就可以得到相应时空网格的移动感知值。
本实施例构建的移动传感器移动感知模型具体为：
其中，为移动传感器的移动感知值，/>为第/>个空间网格的监测权重，G为空间网格集合，/>为第t个时间周期的监测权重，/>为移动传感器在第t个时间周期内是否覆盖第/>个空间网格的0-1变量，如果移动传感器在第t个时间周期内覆盖到第/>个空间网格，则，反之，/>。
以空气质量监测为例，空间网格的监测权重的取值可以根据污染源分布、交通情况、人口密度等确定。
S2、根据布设区域的公交线路集合，构建公交线路预选的线性整数规划模型，求解得到最优预选公交线路；
在本发明的一个可选实施例中，本实施例的步骤S2具体包括：
获取布设区域内的公交线路集合；
根据公交线路的运行轨迹确定公交线路集合中所有公交线路在布设区域内覆盖的空间网格数量；
以最小化所选择的公交线路的数量作为公交线路优化目标，以作为公交线路优化约束条件，构建公交线路预选的线性整数规划模型；
对构建的公交线路预选的线性整数规划模型进行求解，得到最优预选公交线路。
具体而言，本实施例构建公交线路预选的线性整数规划模型的技术思路为在所有的公交线路集合中，选择最少数量的公交线路，使得实现和公交线路集合/>一样的空间覆盖。
本实施例以最小化所选择的公交线路的数量作为公交线路优化目标，具体为：
其中，为公交线路优化目标，/>为是否选择第/>条公交线路的0-1变量，如果选择第/>条公交线路，则/>，反之，/>；/>为公交线路集合。
本实施例以所选择的公交线路的空间覆盖情况作为公交线路优化约束条件，具体为：
其中，M为设定常数，为选择的公交线路是否覆盖第/>个空间网格的0-1变量，如果选择的公交线路覆盖到第/>个空间网格，则/>，反之，/>；/>为公交线路集合，/>为是否选择第/>条公交线路的0-1变量，/>为第/>条公交线路是否覆盖第/>个空间网格的0-1变量，如果第/>条公交线路覆盖到第/>个空间网格，则/>，反之，/>；G为空间网格集合，/>为公交线路集合中所有公交线路在布设区域内覆盖的空间网格数量。
本实施例对构建的公交线路预选的线性整数规划模型可以采用CPLEX、Gurobi等求解器软件可以高效求解，从而得到最优预选公交线路。
S3、根据步骤S1构建的移动传感器移动感知模型和步骤S2得到的最优预选公交线路，构建基于公交车轨迹进行移动传感器布设的线性整数规划模型，求解得到移动传感器的最优布设结果。
在本发明的一个可选实施例中，本实施例的步骤S3具体包括：
获取步骤S2得到的最优预选公交线路的运行轨迹，
以最大化在最优预选公交线路运行的公交车辆上布设移动传感器的移动感知值作为移动传感器布设优化目标，以作为移动传感器布设优化约束条件，构建基于公交车轨迹进行移动传感器布设的线性整数规划模型；
对构建的基于公交车轨迹进行移动传感器布设的线性整数规划模型进行求解，得到移动传感器的最优布设结果。
具体而言，本实施例基于公交车轨迹进行传感器布设的线性整数规划模型的技术思路为在已知每辆公交车辆所能覆盖到的空间网格的情况下，把有限的传感器布设在合适的公交车辆上，最大化移动感知值。
本实施例以最大化在最优预选公交线路运行的公交车辆上布设移动传感器的移动感知值作为移动传感器布设优化目标，具体为：
其中，为移动传感器布设优化目标，/>为选择在最优预选公交线路上运行的第b辆公交车辆上布设移动传感器的0-1变量，如果选择在最优预选公交线路上运行的第b辆公交车辆上布设移动传感器，则/>，反之，/>；G为空间网格集合，/>为第/>个空间网格的监测权重，T为移动传感器的监测时间，/>为第t个时间周期的监测权重，/>为移动传感器在第t个时间周期内是否覆盖第/>个空间网格的0-1变量，如果移动传感器在第t个时间周期内覆盖到第/>个空间网格，则/>，反之，/>。
本实施例以移动传感器的数量作为移动传感器布设优化约束条件，具体为：
其中，为移动传感器在第t个时间周期内是否覆盖第/>个空间网格的0-1变量，B为在最优预选公交线路运行的公交车辆集合，/>为选择在最优预选公交线路上运行的第b辆公交车辆上布设移动传感器的0-1变量，/>为第b辆公交车辆在第t个时间周期内是否覆盖第/>个空间网格的0-1变量，如果第b辆公交车辆在第t个时间周期内覆盖到第/>个空间网格，则/>，反之，/>；G为空间网格集合，T为移动传感器的监测时间，/>为移动传感器的数量。
本实施例对构建的基于公交车轨迹进行移动传感器布设的线性整数规划模型采用CPLEX、Gurobi等求解器软件进行高效求解，从而得到最终的移动传感器的最优布设方案。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (1)

1.一种序列化的基于公交车队的大规模移动传感器布设方法，其特征在于，包括以下步骤：
S1、对布设区域进行空间网格划分，构建移动传感器移动感知模型；
其中对布设区域进行空间网格划分具体包括：
将移动传感器的布设区域离散为第一数量的大小相同的空间网络，并将移动传感器的监测时间划分为第二数量的时间周期；
其中构建的移动传感器移动感知模型具体为：
其中，为移动传感器的移动感知值，/>为第/>个空间网格的监测权重，G为空间网格集合，/>为第t个时间周期的监测权重，/>为移动传感器在第t个时间周期内是否覆盖第/>个空间网格的0-1变量；
S2、根据布设区域的公交线路集合，构建公交线路预选的线性整数规划模型，求解得到最优预选公交线路；具体包括：
获取布设区域内的公交线路集合；
根据公交线路的运行轨迹确定公交线路集合中所有公交线路在布设区域内覆盖的空间网格数量；
以最小化所选择的公交线路的数量作为公交线路优化目标，以所选择的公交线路的空间覆盖情况作为公交线路优化约束条件，构建公交线路预选的线性整数规划模型；
所述公交线路优化目标具体为：
其中，为公交线路优化目标，/>为是否选择第/>条公交线路的0-1变量，/>为公交线路集合；
所述公交线路优化约束条件具体为：
其中，M为设定常数，为选择的公交线路是否覆盖第/>个空间网格的0-1变量，/>为公交线路集合，/>为是否选择第/>条公交线路的0-1变量，/>为第/>条公交线路是否覆盖第/>个空间网格的0-1变量，G为空间网格集合，/>为公交线路集合中所有公交线路在布设区域内覆盖的空间网格数量；
对构建的公交线路预选的线性整数规划模型进行求解，得到最优预选公交线路；
S3、根据步骤S1构建的移动传感器移动感知模型和步骤S2得到的最优预选公交线路，构建基于公交车轨迹进行移动传感器布设的线性整数规划模型，求解得到移动传感器的最优布设结果；具体包括：
获取步骤S2得到的最优预选公交线路的运行轨迹，
以最大化在最优预选公交线路运行的公交车辆上布设移动传感器的移动感知值作为移动传感器布设优化目标，以移动传感器的数量作为移动传感器布设优化约束条件，构建基于公交车轨迹进行移动传感器布设的线性整数规划模型；
所述移动传感器布设优化目标具体为：
其中，为移动传感器布设优化目标，/>为是否选择在最优预选公交线路上运行的第b辆公交车辆上布设移动传感器的0-1变量，G为空间网格集合，/>为第/>个空间网格的监测权重，T为移动传感器的监测时间，/>为第t个时间周期的监测权重，/>为移动传感器在第t个时间周期内是否覆盖第/>个空间网格的0-1变量；
所述移动传感器布设优化约束条件具体为：
其中，为移动传感器在第t个时间周期内是否覆盖第/>个空间网格的0-1变量，B为在最优预选公交线路运行的公交车辆集合，/>为选择在最优预选公交线路上运行的第b辆公交车辆上布设移动传感器的0-1变量，/>为第b辆公交车辆在第t个时间周期内是否覆盖第/>个空间网格的0-1变量，G为空间网格集合，T为移动传感器的监测时间，/>为移动传感器的数量；
对构建的基于公交车轨迹进行移动传感器布设的线性整数规划模型进行求解，得到移动传感器的最优布设结果。
CN202310930927.4A 2023-07-27 2023-07-27 一种序列化的基于公交车队的大规模移动传感器布设方法 Active CN116644868B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310930927.4A CN116644868B (zh) 2023-07-27 2023-07-27 一种序列化的基于公交车队的大规模移动传感器布设方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310930927.4A CN116644868B (zh) 2023-07-27 2023-07-27 一种序列化的基于公交车队的大规模移动传感器布设方法

Publications (2)

Publication Number Publication Date
CN116644868A CN116644868A (zh) 2023-08-25
CN116644868B true CN116644868B (zh) 2023-10-03

Family

ID=87643881

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310930927.4A Active CN116644868B (zh) 2023-07-27 2023-07-27 一种序列化的基于公交车队的大规模移动传感器布设方法

Country Status (1)

Country Link
CN (1) CN116644868B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117168490B (zh) * 2023-11-03 2024-01-23 四川国蓝中天环境科技集团有限公司 基于数学启发式的道路积尘走航监测车辆路线规划方法
CN117288206B (zh) * 2023-11-23 2024-02-02 四川国蓝中天环境科技集团有限公司 一种基于自适应大邻域搜索的无人机路线规划方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180126353A (ko) * 2017-05-17 2018-11-27 삼성전자주식회사 센서 변환 집중 네트워크 모델
CN110389594A (zh) * 2018-04-19 2019-10-29 极光飞行科学公司 自适应自主系统架构
CN112418501A (zh) * 2020-11-16 2021-02-26 北京航空航天大学 一种基于数据驱动的电动公交车队置换优化方法
CN115267815A (zh) * 2022-06-10 2022-11-01 合肥工业大学 一种基于点云建模的路侧激光雷达组群优化布设方法
CN115358904A (zh) * 2022-10-20 2022-11-18 四川国蓝中天环境科技集团有限公司 一种动静结合的城市区域空气质量监测站选址方法
CN116311865A (zh) * 2022-12-29 2023-06-23 四川国蓝中天环境科技集团有限公司 一种搭载式大气走航监测公交车的主动调度方法
CN116485157A (zh) * 2023-06-16 2023-07-25 四川国蓝中天环境科技集团有限公司 一种考虑充电站车辆排队的电动公交充电计划优化方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180126353A (ko) * 2017-05-17 2018-11-27 삼성전자주식회사 센서 변환 집중 네트워크 모델
CN110389594A (zh) * 2018-04-19 2019-10-29 极光飞行科学公司 自适应自主系统架构
CN112418501A (zh) * 2020-11-16 2021-02-26 北京航空航天大学 一种基于数据驱动的电动公交车队置换优化方法
CN115267815A (zh) * 2022-06-10 2022-11-01 合肥工业大学 一种基于点云建模的路侧激光雷达组群优化布设方法
CN115358904A (zh) * 2022-10-20 2022-11-18 四川国蓝中天环境科技集团有限公司 一种动静结合的城市区域空气质量监测站选址方法
CN116311865A (zh) * 2022-12-29 2023-06-23 四川国蓝中天环境科技集团有限公司 一种搭载式大气走航监测公交车的主动调度方法
CN116485157A (zh) * 2023-06-16 2023-07-25 四川国蓝中天环境科技集团有限公司 一种考虑充电站车辆排队的电动公交充电计划优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Redmer, Adam.."Strategic vehicle fleet management–a joint solution of make-or-buy, composition and replacement problems".《Journal of Quality in Maintenance Engineering》 .2022,第28卷(第2期),第327-349页. *
俞礼军 等."基于整数非线性规划的城市常规公交线网优化设计".《中国公路学报》.2016,(第2期),第112-119、139页. *
郭杉."城郊区域典型出行场景下的需求响应式公交线路优化研究".《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》.2021,(第3期),第C034-433页. *

Also Published As

Publication number Publication date
CN116644868A (zh) 2023-08-25

Similar Documents

Publication Publication Date Title
CN116644868B (zh) 一种序列化的基于公交车队的大规模移动传感器布设方法
Tang et al. Robust scheduling strategies of electric buses under stochastic traffic conditions
CN116702400B (zh) 一种基于公交车和移动传感器的移动式城市感知优化方法
Zhang et al. Mobile phone GPS data in urban bicycle-sharing: Layout optimization and emissions reduction analysis
CN107240252B (zh) 一种交叉口的主动式车辆调度方法
CN107515003B (zh) 一种规划飞机巡视输电线路飞行航线的方法
CN106570595A (zh) 一种基于空间大数据的地铁站点选址方法及系统
CN104318324A (zh) 基于出租车gps记录的机场巴士站点及路线规划方法
CN103325247A (zh) 一种交通信息处理方法及系统
CN201307343Y (zh) 一种车辆动态路径导航装置
Ren et al. Heterogeneous cellular automata model for straight-through bicycle traffic at signalized intersection
CN110363984B (zh) 交通流量预测方法和设备
Kim et al. Idle vehicle relocation strategy through deep learning for shared autonomous electric vehicle system optimization
CN106476856A (zh) 一种cbtc系统信号轨旁设备平面图生成方法及装置
CN101902752A (zh) 一种有向传感器网络覆盖控制方法
CN105095984B (zh) 一种地铁列车轨迹的实时预测方法
CN109978275A (zh) 一种混合cfd和深度学习的极端大风风速预测方法及系统
CN109446888A (zh) 一种基于卷积神经网络的细长类物品检测方法
Talukder et al. Trajectory-based signal control in mixed connected vehicle environments
CN110674975B (zh) 城市规划时用于减少碳排放的空间布局方法及装置
CN106485429A (zh) 一种无人机作业调度方法及装置
CN105984478A (zh) 交通系统模拟器和交通系统模拟方法
Li et al. Electric vehicle charging station deployment for minimizing construction cost
CN107154148A (zh) 一种公交线路拟合的方法
CN108734333A (zh) 一种配网带电作业路径两阶段优化方法

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