3500/42M 176449-02 使用径向基函数神经网络
另一个是王、左、傅提出的10]，其中作者提出了结合历史数据和实时情况信息来预测公交车到达时间。王和左提出的解决方案包括两个主要步骤。第一步，使用径向基函数神经网络(RBFNN)模型来学习和逼近历史数据中的非线性关系。第二步，采用一种面向在线的方法，通过修改RBFNN的初步预测来适应实际情况。对大连某公交线路的预测结果表明，与多元线性回归模型、BP神经网络和未经在线调整的RBFNN相比，RBFNN与在线调整的组合具有更好的预测性能。
爱迪生的研究工作11]介绍了一个案例研究，该案例研究说明了实时使用系统的乘客与不使用任何实时系统的乘客对等待时间的感知。作者提出了OneBusAway公交出行者信息系统，该系统通过网站、电话、短信和智能手机应用程序为西雅图金县地铁用户提供实时的下一班车倒计时信息。这项研究工作的目的是了解使用该系统的人的感受，以及他们实际等待的时间。
在Anudeep的研究工作中12]，提出了一种提供智能实时乘客信息的物联网系统。该系统向乘客提供关于公共汽车当前位置、预计到达时间和空位的最新信息。为了提供这些信息，使用带有GPS模块的NodeMCU开发了一个硬件原型，GPS模块是负责传达总线位置的跟踪器设备。来自电子设备的数据使用MQTT协议发送到云端。此外，开发了一个Android应用程序来从云中获取数据并显示给最终用户。
Barczak的研究工作13]分析了什切青都会区的居民如何看待与什切青都会铁路的启动相关的远程信息处理解决方案的使用。在这种情况下，现代基础设施由城市提供，例如，电子信息板显示电车或公共汽车线路的数量、路线方向和到达的等待时间。如果没有电子板，乘客可以通过扫描显示下一班公交车到达时间的二维码来使用虚拟时间表。研究结果表明，居住在什切青城市铁路附近地区的人们对远程信息处理解决方案在什切青城市铁路活动中的应用持积极态度。
在拜尔斯的工作中14]，使用Raspberry Pi开发了一个用于智能交通系统的无线传感器网络。所开发的设备的传感层的目标是检测乘坐公共汽车期间的机械或环境应力是否对设备或其性能有害。为此，该设备使用加速度、温度和相对湿度传感器。该信息用于提醒驾驶员。提议的具有成本效益的WSN节点被用来传输信息和视频。
阿拉姆的作品[15]介绍了一项针对智能城市的基于云的物联网应用调查，考虑了多个领域的应用，包括用户移动性。论文发现了物联网提供新颖解决方案的几个研究领域。作者提供的一些例子有:智能调度中心的车辆电路系统和无线连接、票价和移动售票系统、乘客和管理人员之间的通信、车辆监控和智能停车，其中传感器可用于向连接的设备发送消息以找到停车位。
BENTLY 3500/60
BENTLY 163179-01
BENTLY 128276-011
BENTLY 128275-01-E
BENTLY 3500/34
BENTLY 140471-01
BENTLY 133396-01
BENTLY 125680-01
BENTLY 135137-01
BENTLY 3500/70M
BENTLY 176449-08
BENTLY 163179-02
BENTLY 3500/61
BENTLY 125720-01
BENTLY 3500/15 127610-01
BENTLY 127610-01
BENTLY 3500/22M 138607-01
BENTLY 3500/22M
BENTLY 138607-01
BENTLY 3500/40M 176449-01
BENTLY 176449-01
BENTLY 3500/40M
BENTLY 3500/60 163179-01
BENTLY 3500/40M 140734-01
BENTLY 140734-01
BENTLY 136711-01
BENTLY 3500/20 125744-02
BENTLY 125744-02
BENTLY 3500/32 125712-01
BENTLY 3500/32
BENTLY 125712-01
BENTLY 3500/92 136180-01
BENTLY 3500/92