本申請實施例公開了一種基于公交線路的道路環(huán)境檢測網(wǎng)絡(luò)優(yōu)化部署系統(tǒng)及方法，該方法包括：獲取道路網(wǎng)內(nèi)的多條公交線路和公交線路的公交車的設(shè)備信息，根據(jù)設(shè)備信息確定公交線路是否為已有拍攝設(shè)備線路，存在多條已有拍攝設(shè)備線路時，統(tǒng)計已有拍攝設(shè)備線路...

本申請實施例公開了一種基于MFD的出租車自動調(diào)度系統(tǒng)及方法，該方法包括：獲取城市內(nèi)各個子區(qū)域的車流數(shù)據(jù)，根據(jù)車流數(shù)據(jù)、預設(shè)的車輛累積量公式、車輛旅行完成率公式進行擬合得到子區(qū)域的宏觀基本圖，確定宏觀基本圖的臨界交通量和最大車輛累積量，基...

本申請實施例公開了一種自動駕駛車輛多目標協(xié)同路徑規(guī)劃與調(diào)度系統(tǒng)及方法，該方法包括：獲取當前車輛所處通信范圍內(nèi)的環(huán)境狀態(tài)信息和當前規(guī)劃路徑的交通信息，將環(huán)境狀態(tài)信息輸入至訓練完成的智能體模型中得到執(zhí)行動作信息，根據(jù)執(zhí)行動作信息控制當前車輛...

本發(fā)明公開一種基于期望巡游里程的租賃交通工具巡游路徑計算方法及系統(tǒng)，包括確定符合行駛路徑的道路段并糾偏初步軌跡點，并獲取對應(yīng)道路段編號；根據(jù)出租車軌跡點對應(yīng)的道路段的出租車軌跡數(shù)據(jù)，確定不同道路段的出租車運力量和需求量；預測各道路段未來...

本發(fā)明公開了一種基于DQN實現(xiàn)公交上下行動態(tài)均衡時刻表生成方法，包括初始化公交線路信息、獲取線路上下行的歷史交通狀況與客流信息、初始化強化學習DQN模型參數(shù)、構(gòu)建可生成公交上下行動態(tài)均衡時刻表的DQN模型，包括設(shè)計可生成公交上下行動態(tài)均...

本發(fā)明涉及一種基于深度學習異常矯正的道路速度計算方法，本發(fā)明重點解決由于衛(wèi)星定位數(shù)據(jù)漂移導致低速、靜止、異常的數(shù)據(jù)出現(xiàn)，以及如上下客等非表征真實路況低速的這兩類計算瓶頸問題。第一步驟：獲取相應(yīng)道路的車輛數(shù)據(jù)，根據(jù)獲取數(shù)據(jù)判斷車輛的狀態(tài)，...

本發(fā)明公開了一種基于人工智能的駕校經(jīng)營風險預警評估方法，包括步驟1：定義n家駕校p個駕校風險預警指標x<subgt;1</subgt;，x<subgt;2</subgt;，……x<subgt;p</s...

本申請涉及一種租賃交通工具巡游路徑推薦方法、裝置、計算機設(shè)備和存儲介質(zhì)。所述方法包括：獲取與目標租賃交通工具的當前位置相匹配的起始路網(wǎng)關(guān)鍵節(jié)點，并獲取基于起始路網(wǎng)關(guān)鍵節(jié)點預先搜索得到的多條候選巡游路徑，以及各候選巡游路徑包含路段的路段權(quán)...

本發(fā)明公開基于多目標的突發(fā)事件下公交應(yīng)急規(guī)劃最優(yōu)路徑選擇方法，涉及交通規(guī)劃技術(shù)領(lǐng)域，包括：巡檢人員通過移動終端接收突發(fā)事件通知并上傳突發(fā)事件詳情至云端監(jiān)管平臺；云端監(jiān)管平臺確認收到突發(fā)事件反饋后啟動突發(fā)事件處置流程；根據(jù)突發(fā)事件影響情況...

本發(fā)明公開了基于AI權(quán)重等效法的城市實時路況計算與存儲系統(tǒng)及方法，包括地圖匹配模塊、速度計算模塊、實時速度與路況計算模塊，其速度、路況計算、存儲是為了實時速度前端展示提供路況數(shù)據(jù)源，并為宏、中、微觀指標體系建設(shè)實施以及其他相關(guān)數(shù)據(jù)分析、...

本發(fā)明公開一種自動駕駛公交線網(wǎng)規(guī)劃方法、裝置、電子設(shè)備和介質(zhì)，涉及自動駕駛測試技術(shù)領(lǐng)域，包括：構(gòu)建自動駕駛微循環(huán)公交線路的多目標評價模型；根據(jù)車型和開設(shè)站點篩選自動駕駛公交線網(wǎng)道路；確定自動駕駛公交站點；根據(jù)路段與交叉口確定道路網(wǎng)拓撲；...

本發(fā)明公開一種社區(qū)共享單車投放量管理方法、裝置、電子設(shè)備和介質(zhì)，涉及共享單車技術(shù)領(lǐng)域，包括：對城市共享單車訂單數(shù)據(jù)進行異常訂單數(shù)據(jù)過濾與清洗得到預處理共享單車訂單數(shù)據(jù)；對預處理共享單車訂單數(shù)據(jù)構(gòu)建共享單車聯(lián)系網(wǎng)絡(luò)；根據(jù)構(gòu)建的共享單車聯(lián)系...

本發(fā)明公開了一種基于電子圍欄的共享單車規(guī)范停車方法及系統(tǒng)，包括共享單車電子圍欄規(guī)劃：結(jié)合改進的K

本申請涉及大數(shù)據(jù)技術(shù)領(lǐng)域，提供了一種客流特征信息確定方法、裝置、計算機設(shè)備、存儲介質(zhì)和計算機程序產(chǎn)品。本申請能夠?qū)崿F(xiàn)提高確定城市的客流特征信息的準確性。該方法包括：獲取對象在預設(shè)客運時間段的位置信息，根據(jù)位置信息，從對象中，分別確定出與...

本發(fā)明公開了一種基于多方式出行數(shù)據(jù)的公交線網(wǎng)優(yōu)化方法，包括步驟S1：收集多方式交通數(shù)據(jù)信息；步驟S2：提取交通數(shù)據(jù)信息中的單次出行起點位置、出行終點位置、出行起止時間信息；步驟S3：網(wǎng)格化城市空間，將城市空間按照統(tǒng)一規(guī)則劃分為多個區(qū)域；...

本發(fā)明公開了一種基于深度學習和信息熵的出租車需求預測系統(tǒng)的方法，融合了出租車和網(wǎng)約車的載客數(shù)據(jù)，在整體上構(gòu)建了整個區(qū)域不同時段的居民出行需求總量時序數(shù)據(jù)集，采用深度學習模型對居民出行需求總量進行預測，從總體上把握出行需求分布狀態(tài)；在局部...

本發(fā)明公開了輕型神經(jīng)網(wǎng)絡(luò)模型邊緣端交叉識別的車輛禮讓行人方法、系統(tǒng)，屬于識別車輛禮讓行人技術(shù)領(lǐng)域，包括以下步驟：S1：公交視頻采集系統(tǒng)的車載路面視頻采集器采集行車過程中無斑馬線圖片D1、斑馬線上無行人D2、斑馬線上有行人D3的三組圖片數(shù)...

本發(fā)明公開了一種基于出行大數(shù)據(jù)的城市公交微循環(huán)線路計算方法，包括：S1基于公交站點分級聚類的交通小區(qū)劃分；S2公共交通覆蓋薄弱局部區(qū)域挖掘，得到待優(yōu)化局部區(qū)域范圍；S3獲取公交站點車內(nèi)行程時間鄰接矩陣以及候選公交微循環(huán)線路集；S4候選公...

本發(fā)明公開了一種基于深度網(wǎng)絡(luò)學習的校園異常事件監(jiān)控系統(tǒng)，包括視頻大數(shù)據(jù)采集與存儲體系、異常事件監(jiān)測體系和異常事件告警體系；在異常事件監(jiān)測體系中通過利用知識圖譜和深度多實例排序的弱監(jiān)督異常檢測算法來對特征明顯異常事件與特征不明顯的異常事件...

本發(fā)明公開了一種基于無人駕駛公交車精準客流預測的自適應(yīng)動態(tài)排班方法，包括以下步驟：步驟A、獲取各站臺間路線基礎(chǔ)數(shù)據(jù)，步驟B、以基礎(chǔ)數(shù)據(jù)為依據(jù)生成初始排班模型；步驟C、以初始排班模型為初始可行解生成最優(yōu)自適應(yīng)動態(tài)排班模型。一種基于無人駕駛...