要解決交通流的誘導(dǎo)問題就必須解決動(dòng)態(tài)和隨機(jī)的交通流量或平均車速在路段和交叉路口的分配問題，即“實(shí)時(shí)動(dòng)態(tài)交通分配”。這一理論的主要功能是：預(yù)測交通運(yùn)輸系統(tǒng)狀況、提供道路引導(dǎo)系統(tǒng)、引導(dǎo)車輛在最佳線路上行駛、為出行者提供出發(fā)時(shí)間和選擇方式、提供誘導(dǎo)系統(tǒng)與交通控制系統(tǒng)的相互聯(lián)系、為先進(jìn)的交通管理系統(tǒng)和先進(jìn)的交通信息系統(tǒng)提供了重要的理論基礎(chǔ)。
為了有效的解決這一理論問題，需要運(yùn)用交通規(guī)劃相關(guān)理論，設(shè)計(jì)實(shí)際最優(yōu)和預(yù)測最優(yōu)動(dòng)態(tài)交通分配算法。該模型的輸入數(shù)據(jù)既是需要實(shí)施交通誘導(dǎo)區(qū)域內(nèi)路網(wǎng)中各路段和路口的交通狀態(tài)數(shù)據(jù)，建立目的地最優(yōu)旅行線路的規(guī)劃算法，最后產(chǎn)生誘導(dǎo)發(fā)布信息。誘導(dǎo)信息的構(gòu)成將是當(dāng)前最佳路徑的引導(dǎo)。
下面簡單介紹誘導(dǎo)系統(tǒng)及誘導(dǎo)算法。
1、智能交通系統(tǒng)（ITS）
意義：解決城市交通問題的最佳途徑
關(guān)鍵技術(shù)基礎(chǔ)：將信息、通信和計(jì)算機(jī)網(wǎng)絡(luò)等技術(shù)有效地綜合運(yùn)用于地面交通管理體系，從而建立一種大范圍、全方位的實(shí)時(shí)、準(zhǔn)確、高效的交通管理系統(tǒng)。
主要功能：為道路使用者提供實(shí)時(shí)路況數(shù)據(jù)、道路圖像信息、旅行時(shí)間服務(wù)、動(dòng)態(tài)導(dǎo)航等服務(wù)，使公眾出行更加便利，降低交通事故的發(fā)生率，緩解交通擁堵。
主要手段：
①車輛誘導(dǎo)系統(tǒng)：均衡道路網(wǎng)絡(luò)交通負(fù)載的有效手段；
②城市交通信號(hào)控制：提高通行能力的重要手段。
本次主要對(duì)車輛誘導(dǎo)系統(tǒng)進(jìn)行研究。
2、車輛誘導(dǎo)系統(tǒng)研究現(xiàn)狀
2.1、美國TravTek系統(tǒng)
主要信息源：交叉口線圈、視頻檢測器。
通信模塊：電話線路、調(diào)頻廣播、自動(dòng)撥號(hào)蜂窩電話。
路徑計(jì)算模塊：車內(nèi)定位計(jì)算機(jī)和路徑優(yōu)化計(jì)算機(jī)。
能根據(jù)用戶的需求，從數(shù)據(jù)庫中檢索出當(dāng)?shù)氐穆灭^、飯店、加油站、停車場等服務(wù)信息，并制定最優(yōu)路徑。
屬于分布式動(dòng)態(tài)誘導(dǎo)系統(tǒng)，對(duì)車內(nèi)的設(shè)施和信息傳輸技術(shù)要求較高，造價(jià)相對(duì)昂貴。
主要信息源：磁場感應(yīng)器、行程時(shí)間測量儀。
通信模塊：道口兩旁紅外信標(biāo)雙向通信。
路徑計(jì)算模塊：車外路徑誘導(dǎo)計(jì)算機(jī)。
屬于中心式動(dòng)態(tài)誘導(dǎo)系統(tǒng)，對(duì)交通信息處理中心要求較高。
主要信息源：交通流檢測器。
通信模塊：無線電信標(biāo)（高速公路）、紅外信標(biāo)（主干道）、FM多路廣播；
屬于中心式動(dòng)態(tài)誘導(dǎo)系統(tǒng)。
日本VICS系統(tǒng)框架
常用路徑優(yōu)化算法分析
出行者對(duì)路徑選擇的要求會(huì)有所不同，根據(jù)不同的最優(yōu)目標(biāo)，定義相應(yīng)的道路權(quán)重，反映到網(wǎng)絡(luò)圖上。
具體有以下幾種方法：
①出行距離最短作為最優(yōu)目標(biāo)；
②出行時(shí)間最短；
③出行費(fèi)用最小
④廣義費(fèi)用最小，是以目標(biāo)中某兩個(gè)或更多個(gè)的線性組合。
如
也可以采用CONTRAM費(fèi)用方程:
,
其中C為出行費(fèi)用，L:路段長度，T:出行時(shí)間，V：速度，：耗油量，S：停車次數(shù)，D:延誤，P：價(jià)格，R:危險(xiǎn)程度，M：邊際費(fèi)用。
路徑優(yōu)化算法
①最短路徑問題的經(jīng)典算法
Dijkstra算法是典型最短路徑算法, 是一種按路徑長度遞增的順序產(chǎn)生最短路徑的方法，能得出最短路徑的最優(yōu)解, 但由于它遍歷計(jì)算的結(jié)點(diǎn)很多, 所以效率低。之后出現(xiàn)的Floyd算法在實(shí)際中搜索效率要好于Dijkstra算法，而Bellman算法雖然在時(shí)間復(fù)雜度方面由于Dijkstra算法，但實(shí)際效果往往不如Dijkstra算法。
A*算法是一種基于Dijkstra算法的啟發(fā)式搜索算法，是目前廣為流行的路徑規(guī)劃啟發(fā)式算法, 它是一種最佳優(yōu)先搜索算法, 對(duì)實(shí)現(xiàn)道路網(wǎng)的最佳優(yōu)先搜索十分有用。啟發(fā)式算法思想是引入啟發(fā)式信息來提高搜索的效率，啟發(fā)式信息有助于確定哪個(gè)結(jié)點(diǎn)最有希望成為后繼結(jié)點(diǎn)并進(jìn)行剪枝。
當(dāng)以出行距離最短等靜態(tài)網(wǎng)絡(luò)作為路徑優(yōu)化目標(biāo)時(shí)，可以直接使用Dijkstra算法或者A*算法。
idea：路段的權(quán)值也可以設(shè)計(jì)一個(gè)包含長度、交通環(huán)境以及時(shí)間段的函數(shù)。但依然是靜態(tài)交通網(wǎng)絡(luò)。
②基于時(shí)間依賴的動(dòng)態(tài)交通網(wǎng)絡(luò)最優(yōu)路徑算法
上面的算法都假設(shè)路段權(quán)值固定的靜態(tài)網(wǎng)絡(luò)，是以路徑的空間距離作為優(yōu)化目標(biāo)。而在實(shí)際交通中，出行者往往關(guān)注的是關(guān)于時(shí)間費(fèi)用，而不是空間距離，即網(wǎng)絡(luò)中路段權(quán)值是依賴于時(shí)間的變量，屬于動(dòng)態(tài)交通網(wǎng)絡(luò)。直接利用上述算法將出現(xiàn)錯(cuò)誤。
圖中結(jié)點(diǎn)a到d的最小路徑為(a,b,c,d)=20，傳統(tǒng)的Dijkstra算法結(jié)果是(a,c,d)=25。
因此我們的算法應(yīng)該重點(diǎn)關(guān)注基于時(shí)間依賴網(wǎng)絡(luò)的最優(yōu)路徑規(guī)劃。
（1）目前主要的基于時(shí)間依賴的交通網(wǎng)絡(luò)的最優(yōu)路徑算法，基本上采用這樣的策略：首先使用Dijkstra或者A*算法根據(jù)當(dāng)前估算的各路段行程時(shí)間計(jì)算一條從當(dāng)前點(diǎn)到目標(biāo)點(diǎn)的最優(yōu)路徑，以后每到一個(gè)路口結(jié)點(diǎn)，如果發(fā)現(xiàn)即將要通過的道路權(quán)重發(fā)生了較大改變，則根據(jù)當(dāng)前路網(wǎng)各路段權(quán)重重新計(jì)算一條從當(dāng)前點(diǎn)到目標(biāo)點(diǎn)的最優(yōu)路徑。
這種方法所得一條路徑實(shí)際上并不能保證是一條在動(dòng)態(tài)路況中行程時(shí)間最少的路徑。舉個(gè)例子說明:假設(shè)當(dāng)天道路的權(quán)重隨時(shí)間變化的序列己經(jīng)知道(實(shí)際上對(duì)將來發(fā)生的事情只能預(yù)測)，如圖
在t1時(shí)刻車輛到達(dá)A，采用Dijkstra算法選擇ABD這條路線到達(dá)目的地D，行駛了5分鐘到B的時(shí)候，四條路段的權(quán)重都有了更新，BD從2變?yōu)?, CD還是保持3，繼續(xù)行駛了4分鐘到達(dá)D。實(shí)際上走ABD路徑使用了9分鐘，而走ACD只用8分鐘。
《基于Android的車載智能導(dǎo)航系統(tǒng)的研究與設(shè)計(jì)》夏國平 《一種基于實(shí)時(shí)路況信息的動(dòng)態(tài)路徑規(guī)劃算法》雷東升
（2）基于時(shí)間預(yù)測的最優(yōu)路徑算法
算法的核心思想是，使用K條最短路徑算法從靜態(tài)權(quán)重的路網(wǎng)中選擇K條備選路徑，
然后根據(jù)路網(wǎng)中各路段行程時(shí)間的變化序列從這K條路徑里面選出行程時(shí)間最少的路徑。具體算法暫不在此敘述。
該算法需要知道一天的各路段行程時(shí)間序列，己經(jīng)出現(xiàn)過的歷史行程時(shí)間序列是可以確定的，應(yīng)用算法可以得到實(shí)際的行程最少時(shí)間路徑，但是實(shí)際應(yīng)用需要知道當(dāng)天的
行程時(shí)間序列，只能通過預(yù)測的方法得到，此時(shí)應(yīng)用算法得到的路徑是基于行程時(shí)間預(yù)測序列的行程時(shí)間最少路徑，雖然不一定是實(shí)際行程時(shí)間最少的路徑，但卻可以隨著預(yù)測精度的提高不斷接近時(shí)間最少的最優(yōu)路徑。
該算法選擇的路徑也是一條十分接近實(shí)際行程時(shí)間最少的路徑，完全可以滿足實(shí)際的應(yīng)用。但是算法的缺點(diǎn)是需要使用K最短路徑算法，以及使用Dijkstra算法求出一個(gè)K條最短路徑全程行駛時(shí)間的下界，下界如果不能起到過濾大量不可行路徑的作用，還是需要在眾多的路徑中選擇一條最優(yōu)的路徑，這會(huì)增加計(jì)算量，比普通的完全基于靜態(tài)權(quán)重的求最優(yōu)路徑方法運(yùn)算量要大，可行的改進(jìn)方法是，針對(duì)使用大權(quán)重計(jì)算得到的下界可能比較松的情形，需要對(duì)這個(gè)下界進(jìn)一步收緊。具體改進(jìn)方法不在此敘述。
《基于行程時(shí)間組合預(yù)測模型的動(dòng)態(tài)路徑誘導(dǎo)系統(tǒng)研究》陳悅
（3）一種時(shí)間最短路徑算法
定理1為SPTDN算法的理論基礎(chǔ)。
雖然能夠在一定條件下求得最優(yōu)解,但是由于其時(shí)間復(fù)雜度為(nmM2C),n是結(jié)點(diǎn)數(shù)，m是弧段數(shù)，M是時(shí)間段數(shù)，C是所有弧中大的權(quán)值。當(dāng)時(shí)間段數(shù)M比較大時(shí)，算法所用時(shí)間將比較大。
《時(shí)變_隨機(jī)網(wǎng)絡(luò)最優(yōu)路徑算法及其應(yīng)用研究》譚國真
2、在SPTDN算法的基礎(chǔ)上進(jìn)行改進(jìn)之后，算法有了更加廣泛的適用范圍。當(dāng)城市實(shí)時(shí)導(dǎo)航系統(tǒng)給出的最小行程時(shí)間路徑中某路段出現(xiàn)突發(fā)事件而被迫改變行進(jìn)路線時(shí)，只要對(duì)當(dāng)前位置進(jìn)行相鄰次數(shù)的計(jì)算，即可確定新的最小時(shí)間路徑，極大地減少了路徑搜索的次數(shù)。這樣可以減少服務(wù)器的壓力，這在城市實(shí)時(shí)導(dǎo)航系統(tǒng)中非常有用。所以改進(jìn)后的最小時(shí)間路徑算法更具實(shí)際應(yīng)用價(jià)值。
改進(jìn)后的最小時(shí)間路徑算法已經(jīng)成功應(yīng)用于某市交警局中心系統(tǒng)中最短路徑的搜索。該系統(tǒng)中以車牌自動(dòng)識(shí)別系統(tǒng)的識(shí)別數(shù)據(jù)為源數(shù)據(jù)，通過相鄰監(jiān)測點(diǎn)間的識(shí)別數(shù)據(jù)比對(duì)來得到實(shí)測路段行程時(shí)間；用指數(shù)平滑法預(yù)測路段在未來若干個(gè)時(shí)間段內(nèi)的行程時(shí)間。把行程時(shí)間作為時(shí)間段的一個(gè)函數(shù)，城市交通網(wǎng)絡(luò)就抽象成了一個(gè)時(shí)間依賴的網(wǎng)絡(luò)。
《車輛誘導(dǎo)系統(tǒng)及關(guān)鍵技術(shù)研究》翟曉峰
idea：在上述的改進(jìn)算法中，用到了基于車牌自動(dòng)識(shí)別系統(tǒng)的行程時(shí)間預(yù)測方法。如果能夠結(jié)合已有的牌識(shí)實(shí)時(shí)算法庫來獲得各路段的預(yù)測行程時(shí)間，將極大地加快誘導(dǎo)算法的開發(fā)。
(4)其他算法
1、蟻群算法
將交通實(shí)時(shí)信息作為選擇影響概率的一個(gè)因素—阻抗，應(yīng)用于蟻群算法。將m只螞蟻放到起點(diǎn)結(jié)點(diǎn)，迭代尋找最優(yōu)路徑，全部螞蟻均將所有結(jié)點(diǎn)走過一遍。蟻群算法的準(zhǔn)確性要高于Dijkstra算法，但蟻群算法則需要迭代上百次才能找出最優(yōu)解,而且容易陷入局部最優(yōu),無法得到真正的最優(yōu)路徑，需要對(duì)傳統(tǒng)蟻群算法進(jìn)行改進(jìn)。改進(jìn)后的蟻群算法,在效率和準(zhǔn)確性方面都遠(yuǎn)遠(yuǎn)超過前面的兩種算法。
《基于實(shí)時(shí)交通信息的動(dòng)態(tài)路徑規(guī)劃算法性能比較》黃西洲
改進(jìn)的蟻群算法
給出一種在時(shí)變網(wǎng)絡(luò)中蟻群算法的信息素更新策略, 使其能正確地反映邊上權(quán)值的變化情況。針對(duì)傳統(tǒng)蟻群算法收斂過早，容易陷入局部最優(yōu)的問題，將蟻群算法與遺傳算法相結(jié)合。
改進(jìn)的算法在最優(yōu)解概率和平均求解時(shí)間都得到明顯提高，但是文中建立了40個(gè)結(jié)點(diǎn)的網(wǎng)絡(luò)，只設(shè)置了8只螞蟻參與運(yùn)算。
參照其他資料，一般情況下，網(wǎng)絡(luò)規(guī)模約為螞蟻數(shù)目的1.5倍。螞蟻數(shù)目的大小對(duì)運(yùn)行時(shí)間的影響基本為線性相關(guān)。暫時(shí)難以估計(jì)實(shí)際中多結(jié)點(diǎn)的平均求解時(shí)間，有待于以后實(shí)驗(yàn)估計(jì)。
《改進(jìn)蟻群算法求解時(shí)變網(wǎng)絡(luò)中最短路徑問題》劉永強(qiáng)
《交通網(wǎng)絡(luò)路徑選擇及應(yīng)用研究》陳京榮
2、遺傳算法
①以一種隨機(jī)Dijkstra算法為基礎(chǔ)，運(yùn)用遺傳算法來求解動(dòng)態(tài)網(wǎng)絡(luò)最優(yōu)路徑。隨機(jī)Dijkstra算法能夠在不增加時(shí)間復(fù)雜度的基礎(chǔ)上求解兩點(diǎn)間最短路徑問題，得出的路徑適用于遺傳算法初始種群的產(chǎn)生問題。
算法要比改進(jìn)的Dijkstra算法在計(jì)算速度上快得多；同時(shí)由于遺傳算法具有很強(qiáng)的魯棒性，且初始種群的產(chǎn)生和交叉操作都是根據(jù)動(dòng)態(tài)路徑誘導(dǎo)最短路徑問題(SPDRGS)而特別設(shè)計(jì)的，因此算法同時(shí)也具有很高的收斂效率, 能夠在短時(shí)間內(nèi)達(dá)到最優(yōu)或較優(yōu)解。
本文所采用的是廣州市電子地圖其中含有20000個(gè)結(jié)點(diǎn)、40000條路段、144個(gè)時(shí)間間隔。為了驗(yàn)證算法的有效性，本文在20000個(gè)結(jié)點(diǎn)中隨機(jī)選取了50對(duì)OD，每對(duì)OD 進(jìn)行了10 次計(jì)算。
《基于遺傳算法的動(dòng)態(tài)網(wǎng)絡(luò)中最短路徑問題算法》鄒亮
《遺傳算法在動(dòng)態(tài)路徑誘導(dǎo)系統(tǒng)中的應(yīng)用》鄒亮
②交互式遺傳算法
與傳統(tǒng)遺傳算法相比，交互式遺傳算法結(jié)合了人的偏好、直覺、情感和心理特征等主觀因素。交互式遺傳算法的優(yōu)化結(jié)果更趨合理，更符合個(gè)體的需要。出行者可以根據(jù)自己的需要選擇最佳的出行路徑，這可以在一定程度上消除動(dòng)態(tài)路徑誘導(dǎo)中的Bracess現(xiàn)象，在一定程度上避免車輛選擇相同的、以前并不擁擠的道路，使這條道路可能很快變得擁擠。
實(shí)驗(yàn)所用的數(shù)據(jù)是成都市區(qū)道路交通網(wǎng)絡(luò)，此交通網(wǎng)絡(luò)共有5427個(gè)結(jié)點(diǎn)，7978條邊;共分260個(gè)時(shí)間間隔。隨機(jī)選取了10對(duì)OD。每對(duì)OD選取不同的初始種群計(jì)算了3次，試驗(yàn)結(jié)果如表所示。
《基于GIS_T的城市交通最優(yōu)路徑誘導(dǎo)算法研究》張水艦
(5)多目標(biāo)最優(yōu)
利用k-最短路算法來獲得雙目標(biāo)最短路的方法，獲得多條有效路徑,使得決策者可以對(duì)這些路徑進(jìn)行比較和選擇。同時(shí), 在求解的過程中,決策者可以根據(jù)獲得有效路徑的情況, 對(duì)各個(gè)目標(biāo)的上限進(jìn)行調(diào)整, 獲得滿足決策者要求的有效路徑集合。
屬于靜態(tài)網(wǎng)絡(luò)最優(yōu)路徑規(guī)劃，只能用以出行距離最短等固定權(quán)值作為路徑優(yōu)化目標(biāo)時(shí)。
《基于一種求解雙目標(biāo)最短路的方法》魏航
《雙目標(biāo)最短路有效解的快速算法》郝光
《多目標(biāo)最短路徑模型及算法》郝光
(6)考慮網(wǎng)絡(luò)地理特征的改進(jìn)思想
①層次型網(wǎng)絡(luò)模型
近年來路徑規(guī)劃很多研究主要集中在對(duì)道路的預(yù)處理方法上，通過對(duì)道路網(wǎng)絡(luò)的預(yù)處理來挖掘一些可以提高路徑搜索效率的信息來優(yōu)化路徑計(jì)算的性能。其中的經(jīng)驗(yàn)層級(jí)路網(wǎng)，是一種對(duì)道路網(wǎng)絡(luò)做預(yù)處理的方法，這種預(yù)處理方法使路徑規(guī)劃的結(jié)果更加高效合理。思路是在預(yù)處理階段建立一種經(jīng)驗(yàn)的層級(jí)路網(wǎng)。首先，這里建立的層級(jí)路網(wǎng)，將路徑計(jì)算中的道路優(yōu)先級(jí)對(duì)應(yīng)于路網(wǎng)的層級(jí)。層級(jí)性越高的道路在路徑計(jì)算時(shí)其優(yōu)先權(quán)越高。其次，這里的道路分層方法是基于一種經(jīng)驗(yàn)方法，這種經(jīng)驗(yàn)是從對(duì)于導(dǎo)航路徑選擇很熟悉的出租車司機(jī)的路徑軌跡中挖掘出來的。采用這種經(jīng)驗(yàn)來決定路徑規(guī)劃的道路網(wǎng)絡(luò)層級(jí)性，也就是說在我們的經(jīng)驗(yàn)層級(jí)路網(wǎng)中，層級(jí)性越高的應(yīng)該就是經(jīng)驗(yàn)上優(yōu)先的道路。這樣，在路徑規(guī)劃中我們就
可以采用高層道路優(yōu)先的方法來高效地搜索出符合經(jīng)驗(yàn)的“好”路徑。
由于層次網(wǎng)絡(luò)模型理論復(fù)雜，一般是在遇到現(xiàn)有算法無法滿足復(fù)雜道路的情況下的最優(yōu)路徑規(guī)劃時(shí)，用來提高路徑搜索效率。
《面向?qū)Ш铰窂竭x擇的道路網(wǎng)絡(luò)經(jīng)驗(yàn)層級(jí)模型研究》曾喆
《時(shí)變_隨機(jī)網(wǎng)絡(luò)最優(yōu)路徑算法及其應(yīng)用研究》譚國真
②限制搜索區(qū)域
針對(duì)橢圓限制搜索區(qū)域算法效率的不足，陸鋒提出了基于橢圓的最小外接正矩形限制搜索區(qū)域的算法。矩形限制搜索區(qū)域算法的基礎(chǔ)是橢圓限制搜索區(qū)域算法，橢圓算法中限制橢圓的長軸是采用統(tǒng)計(jì)分析方法完成的。具體方法暫不在此敘述。
《基于GIS的最優(yōu)路徑算法研究與實(shí)現(xiàn)》王海梅
日本VICS系統(tǒng)迅速發(fā)展的原因:
1、經(jīng)過幾十年的ITS建設(shè)，各種硬件和相關(guān)設(shè)施都比較完善；
2、日本各個(gè)相關(guān)部門有效的合作和積極推動(dòng)；
3、VICS系統(tǒng)也在不斷豐富信息內(nèi)容提高信息的精確度；
4、良好的商業(yè)運(yùn)作模式和市場化運(yùn)作、積極推進(jìn)國際標(biāo)準(zhǔn)、不斷修正和完善。
與日本相比，目前我國的道路信息系統(tǒng)的不足：
1、道路交通信息采集體系還不夠完善；
2、車載GPS終端種類繁多，車載信息服務(wù)標(biāo)準(zhǔn)化滯后， 車載信息服務(wù)還沒有走向批量市場
3、各相關(guān)部門配合不夠
基于此，對(duì)于車輛誘導(dǎo)系統(tǒng)的開發(fā)任務(wù)，應(yīng)盡量利用較準(zhǔn)確、穩(wěn)定的交通信息采集方法，綜合分析多種在實(shí)際應(yīng)用中較為成熟的算法，包括數(shù)據(jù)融合、交通狀態(tài)判別算法，最優(yōu)路徑算法等，以保證系統(tǒng)的準(zhǔn)確性要求。
數(shù)據(jù)融合，在硬件設(shè)備不完善的前提下盡量獲得足夠多的交通信息，并進(jìn)行有效處理，使得信息足夠豐富和可靠。
交通狀態(tài)判別，誘導(dǎo)系統(tǒng)可靠性的基礎(chǔ)。
最優(yōu)路徑算法，系統(tǒng)核心，功能需求的多樣化和用戶個(gè)性化，算法的設(shè)計(jì)也應(yīng)當(dāng)豐富化。
另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。
重慶分公司
重慶分公司
