CN109460950A - 一种基于大数据的危化品车辆动态分析方法及其系统 - Google Patents

一种基于大数据的危化品车辆动态分析方法及其系统 Download PDF

Info

Publication number
CN109460950A
CN109460950A CN201811219164.8A CN201811219164A CN109460950A CN 109460950 A CN109460950 A CN 109460950A CN 201811219164 A CN201811219164 A CN 201811219164A CN 109460950 A CN109460950 A CN 109460950A
Authority
CN
China
Prior art keywords
harmful influence
stop
influence vehicle
vehicle
big data
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
Application number
CN201811219164.8A
Other languages
English (en)
Inventor
郭俊
刘齐
陈杰
蔡娟
陈沈杰
胡云
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.)
Jiaxing Asia Airlines Information Technology Co Ltd
Original Assignee
Jiaxing Asia Airlines Information Technology 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 Jiaxing Asia Airlines Information Technology Co Ltd filed Critical Jiaxing Asia Airlines Information Technology Co Ltd
Priority to CN201811219164.8A priority Critical patent/CN109460950A/zh
Publication of CN109460950A publication Critical patent/CN109460950A/zh
Pending legal-status Critical Current

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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
    • 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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications

Abstract

本发明公开了一种基于大数据的危化品车辆动态分析方法及其系统，属于车辆动态分析技术领域。所述一种基于大数据的危化品车辆动态分析方法及其系统，包括以下步骤：S1：确定危化品车辆同时获取危化品车辆基本信息；S2：确定危化品车辆的停车时间并根据停车时间筛选停车点；S3：根据矢量地图确定停车点的POI；S4：在根据前置位置逻辑对停车点进行一次判断；S5：对一次判断结果进行纠错；S6：确定危化品车辆停车点中的卸货点及现场状况。其有益效果在于，能准确的分析出危化品车辆运输途中的停车状态，及时了解车队转运状态和常用路线；根据停车点可以准确确认出卸货点，方便企业分析资源流向，及时做出产量规划。

Description

一种基于大数据的危化品车辆动态分析方法及其系统
技术领域
本发明属于车辆动态分析技术领域，具体涉及一种基于大数据的危化品车辆动态分析方法及其系统。
背景技术
由于危化品在工厂企业甚至家庭中都有很多的应用，如液化天然气、石油、酸碱性液体等，故而产业中对危化品车辆的运输必不可少，但是一般危化品供应商对其运输车辆的运输途中的状态以及路径很难了解到，缺少对资源流向与车队转运状态的分析，不利于企业的长期发展，也不利于对危化品车辆管理监控，故而，急需提出一种基于大数据的危化品车辆动态分析方法及其系统。
发明内容
本发明针对现有技术的状况，克服上述缺陷，提供一种基于大数据的危化品车辆动态分析方法及其系统。
本发明采用以下技术方案，所述一种基于大数据的危化品车辆动态分析方法及其系统，包括以下步骤：
S1：确定危化品车辆同时获取危化品车辆基本信息；
S2：确定危化品车辆的停车时间并根据停车时间筛选停车点；
S3：根据矢量地图确定停车点的POI；
S4：在根据前置位置逻辑对停车点进行一次判断；
S5：对一次判断结果进行纠错；
S6：确定危化品车辆停车点中的卸货点及现场状况。
作为上述技术方案的进一步改进，所述危化品车辆信息包括车牌号、历史行车轨迹和实时定位信息。
作为上述技术方案的进一步改进，所述步骤S1中确定危化品车辆进一步包括：
S1.1：一次海量筛选：在所有车辆的登记信息中选出属于危化品分类号下的车辆；
S1.2：二次精确筛选：根据某危化品货源地的定位坐标和危化品分类号下的车辆的历史行车轨迹确定出在该危化品货源地停靠过一定时长的车辆即为承载某危化品的危化品车辆。
作为上述技术方案的进一步改进，步骤S2中危化品车辆在行驶中每隔30s通过GPS上报本车辆的车牌号、经纬度和时间，以此确定危化品车辆的停车点和停车时间，从中选择出停车时间大于某一时长的为停车点。
作为上述技术方案的进一步改进，所述步骤S4中的前置位置逻辑包括：在一个装卸循环中若只有一个停车点，则判断该停车点为卸货点；在一个装卸循环中若有多个停车点，则依据停车点的POI以及停车时间判断出疑似卸货点。
作为上述技术方案的进一步改进，所述步骤S5进一步包括：
S5.1：根据危化品车辆的历史行车轨迹对一次判断结果进行二次纠错；
S5.2：根据第三方数据信息对二次纠错结果进行三次纠错。
作为上述技术方案的进一步改进，所述步骤S5.2中第三方数据信息包括卫星地图、工商公开信息，网页公开信息。
作为上述技术方案的进一步改进，所述步骤S5.2之后还步骤S5.3：
S5.3：根据三次纠错结果对停车点进行标记。
作为上述技术方案的进一步改进，所述步骤S6之后进一步包括步骤S7：
S7：根据全程停车点的POI及行车轨迹计算全程的行车费用，并根据停车频率优化下次行车路线。
所述一种基于大数据的危化品车辆动态分析系统用于实施权利要求1至权利要求9中任一权利要求所述的一种基于大数据的危化品车辆动态分析方法。
本发明公开的一种基于大数据的危化品车辆动态分析方法及其系统，其有益效果在于，能准确的分析出危化品车辆运输途中的停车状态，及时了解车队转运状态和常用路线；根据停车点可以准确确认出卸货点，方便企业分析资源流向，及时做出产量规划。
附图说明
图1是本发明优选实施例的总体逻辑图。
图2是本发明优选实施例的方法流程图。
具体实施方式
本发明公开了一种基于大数据的危化品车辆动态分析方法及其系统，下面结合优选实施例，对本发明的具体实施方式作进一步描述。
参见附图的图1，图1示出了本发明的总逻辑，具体为，危化品车辆在危化品货源地装车，再到下一次装车这一运输途中有很多的停车点，在这些停车点中有很多行为发生，其中必然会有一次卸车点，即危化品流向，本发明基于该总逻辑对停车点进行判断，为企业进行下一步数据分析提供了素材，其中POI为地理位置系统中的位置点，每个POI包含四方面信息，名称、类别、坐标、分类，方便信息采集的记录和区分。
参见附图的图2，本发明所提出的一种基于大数据的危化品车辆动态分析方法，包括以下步骤：
S1：确定危化品车辆同时获取危化品车辆基本信息。
具体地，在车辆系统中会有详细的车辆登记信息并且危化品车辆被强制装有GPS定位，在确定了危化品车辆的同时也可直接获取到危化品的车辆信息，该危化品车辆信息包括危化品车辆的车牌号、危化品车辆的历史行车轨迹以及危化品车辆的实时定位信息，而由于危化品车辆的范围过大，为了达到对某一特定危化品车辆的精准选取，所述步骤S1还进一步包括：
S1.1：一次海量筛选：在所有车辆的登记信息中选出属于危化品分类号下的车辆；例如，在二类一项分类下可直接筛选出天然气车辆。
S1.2：二次精确筛选：根据某危化品货源地的定位坐标和危化品分类号下的车辆的历史行车轨迹筛选出在该危化品货源地停靠过一定时长的车辆即为承载某危化品的危化品车辆；具体地，在该步骤中的一定时长为大于30分钟，在上述步骤S1.1中筛选出危化品分类下的危化品车辆后，可以直接获取该类危化品车辆的历史行车轨迹，结合已知的某危化品货源地的定位坐标，在这类危化品车辆的历史行车轨迹中多次经过该定位坐标的危化品车辆即筛选为承载某危化品的危化品车辆，比如上述筛选出天然气车辆后，再根据液化天然气的货源地的定位坐标结合所有天然气车辆的历史行车轨迹筛选出其中多次停靠在液化天然气货源地且停车时间大于30分钟的车辆即为承载液化天然气的液化天然气车辆。
S2：确定危化品车辆的停车时间并根据停车时间确定停车点。
具体地，由于危化品车辆均装有GPS，在行驶中危化品车辆每隔30s通过GPS上报本车辆的车牌号、经纬度和时间，以此确定危化品车辆的停车时间，从中选择出停车时间大于某一时长的为停车点，在本发明中某一时长优选为30分钟。
S3：根据矢量地图确定停车点的POI。
具体地，停车点的POI包括道路中心线、高速路口、餐旅馆、加油站、工矿企业、不明地。
S4：在根据前置位置逻辑对停车点进行一次判断。
具体地，所述前置位置逻辑为，在一个装卸循环中若只有一个停车点，则判断该停车点为卸货点；在一个装卸循环中若有多个停车点，则依据停车点的POI、停车时间判断出疑似卸货点。
具体地判断逻辑为如果根据停车点的POI判断停车点在：
道路中心线附近以及高速路口，则判断该停车点的状态为堵车；
餐旅馆，则判断该停车点的状态为休息或等待；
加油站，此时如果停车时间在45分钟以下则判断该停车点为加油状态；如果停车时间超过45分钟且除餐宿点(即上述道路中心线以及高速路口、餐旅馆的情况)外，整个一次装卸循环中无其他超过45分钟的停车点，则判断该停车点为疑似卸货点；如果停车时间超过45分钟且整个一次装卸循环中有其他超过45分钟的停车点，则进一步获取该停车点的其他危化品车辆的停靠信息(即其他危化品车辆的GPS)并判断该停车点是否为多车高频率停靠点(即多个危化品车辆均在此处有停车记录且停车时间超过45分钟)，如果是则判断该停车点为疑似卸货点，如果不是则执行步骤S5进一步判断；如果在一个装卸循环中该停车点连续出现两次，则判断该停车点为疑似卸货点(在这连续的两次停车点中一次执行过磅操作，一次执行卸货)；
工矿企业，此时如果停车时间在45分钟以下则判断该停车点为临时停车；如果停车时间超过45分钟且除餐宿点外，整个一次装卸循环中无其他超过45分钟的停车点，则判断该停车点为疑似卸货点；如果停车时间超过45分钟且整个一次装卸循环中有其他超过45分钟的停车点，则进一步获取该停车点的其他危化品车辆的停靠信息(即其他危化品车辆的GPS)并判断该停车点是否为多车高频率停靠点，如果是则判断该停车点为疑似卸货点，如果不是则执行步骤S5进一步判断；如果在一个装卸循环中该停车点连续出现两次，则判断该停车点为疑似卸货点(在这连续的两次停车点中一次执行过磅操作，一次执行卸货)；
不明地，如果停车时间在45分钟以下则判断该停车点为休息或等待；如果该停车点的停车时间超过45分钟且除餐宿点外，整个一次装卸循环中无其他超过45分钟的停车点，则判断该停车点为疑似卸货点；如果停车时间超过45分钟且整个一次装卸循环中有其他超过45分钟的停车点，则进一步获取该停车点的其他危化品车辆的停靠信息(即其他危化品车辆的GPS)并判断该停车点是否为多车高频率停靠点，如果是则判断该停车点为疑似卸货点，如果不是则执行步骤S5进一步判断；如果在一个装卸循环中该停车点连续出现两次，则判断该停车点为疑似卸货点(在这连续的两次停车点中一次执行过磅操作，一次执行卸货)。
具体地，其中停车点在加油站、工矿企业和不明地在停车时间45分钟以下的判断逻辑相同，均是通过该停车点的停车时间、历史停车信息结合判断。整个前置位置逻辑也可根据具体所应对的危化品的不同，以及不同的位置信息进行调整，但前置位置逻辑的判断依据始终为停车点的POI、停车时间。
S5：对一次判断结果进行纠错。
具体地，所述步骤S5进一步包括：
S5.1：根据危化品车辆的历史行车轨迹对一次判断结果进行二次纠错；
S5.2：根据第三方数据信息对二次纠错结果进行三次纠错。
进一步地，步骤S5.1中，根据危化品车辆的历史行车轨迹可以判断出危化品车辆的停车信息，从中选取同一个车辆在同一停车点月停靠次数超过3次的停车点以及多个车辆在同一停车点月停靠次数超过3次的停车点为卸货点(即为单车单点以及多车单点的月出现频率较高，以次来判定该单点即为一个固定的卸货点)，并结合一次判断结果进一步精确的判定卸货点；步骤S5.2中，第三方数据信息包括卫星地图、工商公开信息、网页公开信息，根据这些信息可以确定企业信息以及联系方式，在步骤S5.1进一步精确判断卸货点之后，通过卫星地图进一步确认该停车点有没有卸货的可能，或者根据企业信息判断该企业是否与危化品行业相关，再或者根据企业的联系方式进行电联确认，使得停车点的判断结果精准性更高，为了使得精准度更高的同时能够智能纠错，所述步骤S5.2之后还进一步包括步骤S5.3：根据三次纠错结果对停车点进行标记。该步骤S5.3中通过打标记的方式使得对于固定的卸货点进行深度学习，便于后期自动判别。
S6：确定危化品车辆停车点中的卸货点。具体地，经过上述判断可以确定危化品车辆停车点中的卸货点，方便企业分析资源流向，及时做出产量规划，另外确定卸货点后也即确定了卸货时间，可以方便企业分析每个站点的卸货效率，方便给客户评级定价，筛选出优质客户。
进一步地，所述步骤S6之后进一步包括步骤S7：根据全程停车点的POI及行车轨迹计算全程的行车费用，并根据停车频率优化下次行车路线。具体地，一旦知道每个站点的行车费用，对企业进行成本核算提供了依据，减少繁琐的流程。
本发明还提出一种基于大数据的危化品车辆动态分析系统，所述一种基于大数据的危化品车辆动态分析系统用于实施上述一种基于大数据的危化品车辆动态分析方法。进一步地，所述一种基于大数据的危化品车辆动态分析系统可应用于扩展公用事业，如安监部门可利用该系统查看各个卸货点的情况以了解危化品行业中企业的设备参数、最大库存、场地合法性、企业经营属性，从而方便调峰生产、安全监督。
对于本领域的技术人员而言，依然可以对前述各实施例所记载的技术方案进行修改，或对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围。

Claims (10)

1.一种基于大数据的危化品车辆动态分析方法，其特征在于，包括以下步骤：
S1：确定危化品车辆同时获取危化品车辆基本信息；
S2：确定危化品车辆的停车时间并根据停车时间确定停车点；
S3：根据矢量地图确定停车点的POI；
S4：在根据前置位置逻辑对停车点进行一次判断；
S5：对一次判断结果进行纠错；
S6：确定危化品车辆停车点中的卸货点及现场状况。
2.根据权利要求1所述的一种基于大数据的危化品车辆动态分析方法，其特征在于，所述危化品车辆信息包括车牌号、历史行车轨迹和实时定位信息。
3.根据权利要求2所述的一种基于大数据的危化品车辆动态分析方法，其特征在于，所述步骤S1中确定危化品车辆进一步包括：
S1.1：一次海量筛选：在所有车辆的登记信息中选出属于危化品分类号下的车辆；
S1.2：二次精确筛选：根据某危化品货源地的定位坐标和危化品分类号下的车辆的历史行车轨迹筛选出多次在该危化品货源地停靠过一定时长的车辆即为承载某危化品的危化品车辆。
4.根据权利要求1所述的一种基于大数据的危化品车辆动态分析方法，其特征在于，步骤S2中危化品车辆在行驶中每隔30s通过GPS上报本车辆的车牌号、经纬度和时间，以此确定危化品车辆的停车时间，从中选择出停车时间大于某一时长的为停车点。
5.根据权利要求5所述的一种基于大数据的危化品车辆动态分析方法，其特征在于，所述步骤S4中的前置位置逻辑包括：在一个装卸循环中若只有一个停车点，则判断该停车点为卸货点；在一个装卸循环中若有多个停车点，则依据停车点的POI以及停车时间判断出疑似卸货点。
6.根据权利要求1所述的一种基于大数据的危化品车辆动态分析方法，其特征在于，所述步骤S5进一步包括：
S5.1：根据危化品车辆的历史行车轨迹对一次判断结果进行二次纠错；
S5.2：根据第三方数据信息对二次纠错结果进行三次纠错。
7.根据权利要求6所述的一种基于大数据的危化品车辆动态分析方法，其特征在于，所述步骤S5.2中第三方数据信息包括卫星地图、工商公开信息、网页公开信息。
8.根据权利要求6所述的一种基于大数据的危化品车辆动态分析方法，其特征在于，所述步骤S5.2之后还包括步骤S5.3：
S5.3：根据三次纠错结果对停车点进行标记。
9.根据权利要求1所述的一种基于大数据的危化品车辆动态分析方法，其特征在于，所述步骤S6之后进一步包括步骤S7：
S7：根据全程停车点的POI及行车轨迹计算全程的行车费用，并根据停车频率优化下次行车路线。
10.一种基于大数据的危化品车辆动态分析系统，其特征在于，所述一种基于大数据的危化品车辆动态分析系统用于实施权利要求1至权利要求9中任一权利要求所述的一种基于大数据的危化品车辆动态分析方法。
CN201811219164.8A 2018-10-19 2018-10-19 一种基于大数据的危化品车辆动态分析方法及其系统 Pending CN109460950A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811219164.8A CN109460950A (zh) 2018-10-19 2018-10-19 一种基于大数据的危化品车辆动态分析方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811219164.8A CN109460950A (zh) 2018-10-19 2018-10-19 一种基于大数据的危化品车辆动态分析方法及其系统

Publications (1)

Publication Number Publication Date
CN109460950A true CN109460950A (zh) 2019-03-12

Family

ID=65607849

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811219164.8A Pending CN109460950A (zh) 2018-10-19 2018-10-19 一种基于大数据的危化品车辆动态分析方法及其系统

Country Status (1)

Country Link
CN (1) CN109460950A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110428085A (zh) * 2019-06-14 2019-11-08 上海中旖能源科技有限公司 一种基于车辆停车点数据的液化天然气用气点分析方法
CN110428193A (zh) * 2019-06-14 2019-11-08 上海中旖能源科技有限公司 基于车辆轨迹数据的多模式液化天然气运输车辆筛选方法
CN110659942A (zh) * 2019-09-25 2020-01-07 上海中旖能源科技有限公司 基于车辆轨迹数据的产业供需分析方法及装置、设备
CN110717001A (zh) * 2019-09-25 2020-01-21 上海中旖能源科技有限公司 基于停车点数据的接货行为分析方法及装置、设备
CN110717604A (zh) * 2019-09-26 2020-01-21 上海中旖能源科技有限公司 特种运输车辆维修点确定的方法及装置
CN110852354A (zh) * 2019-10-22 2020-02-28 上海中旖能源科技有限公司 车辆轨迹点识别方法及设备
CN111291929A (zh) * 2020-01-21 2020-06-16 上海中旖能源科技有限公司 基于深度学习的液化天然气接卸液点预测方法及装置
CN113408984A (zh) * 2021-06-21 2021-09-17 北京思路智园科技有限公司 危化品运输追踪系统及追踪方法
CN114220263A (zh) * 2021-11-29 2022-03-22 北京中交兴路信息科技有限公司 一种货运车辆通行时长确定方法、装置、存储介质及终端

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202677151U (zh) * 2012-02-29 2013-01-16 江阴中科今朝科技有限公司 危化品运输全程监管系统
CN103294013A (zh) * 2012-02-29 2013-09-11 江阴中科今朝科技有限公司 危化品运输全程监管系统及方法
CN105761490A (zh) * 2016-04-22 2016-07-13 北京国交信通科技发展有限公司 对危化品运输车辆在服务区停靠的预警方法
CN106096885A (zh) * 2016-06-12 2016-11-09 石化盈科信息技术有限责任公司 基于物联网技术的危化品物流监管方法及监管系统
CN108197875A (zh) * 2018-01-23 2018-06-22 浙江大仓信息科技股份有限公司 一种危化品运输管理系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202677151U (zh) * 2012-02-29 2013-01-16 江阴中科今朝科技有限公司 危化品运输全程监管系统
CN103294013A (zh) * 2012-02-29 2013-09-11 江阴中科今朝科技有限公司 危化品运输全程监管系统及方法
CN105761490A (zh) * 2016-04-22 2016-07-13 北京国交信通科技发展有限公司 对危化品运输车辆在服务区停靠的预警方法
CN106096885A (zh) * 2016-06-12 2016-11-09 石化盈科信息技术有限责任公司 基于物联网技术的危化品物流监管方法及监管系统
CN108197875A (zh) * 2018-01-23 2018-06-22 浙江大仓信息科技股份有限公司 一种危化品运输管理系统

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110428085A (zh) * 2019-06-14 2019-11-08 上海中旖能源科技有限公司 一种基于车辆停车点数据的液化天然气用气点分析方法
CN110428193A (zh) * 2019-06-14 2019-11-08 上海中旖能源科技有限公司 基于车辆轨迹数据的多模式液化天然气运输车辆筛选方法
CN110428193B (zh) * 2019-06-14 2022-03-04 上海中旖能源科技有限公司 基于车辆轨迹数据的多模式液化天然气运输车辆筛选方法
CN110659942A (zh) * 2019-09-25 2020-01-07 上海中旖能源科技有限公司 基于车辆轨迹数据的产业供需分析方法及装置、设备
CN110717001A (zh) * 2019-09-25 2020-01-21 上海中旖能源科技有限公司 基于停车点数据的接货行为分析方法及装置、设备
CN110717604A (zh) * 2019-09-26 2020-01-21 上海中旖能源科技有限公司 特种运输车辆维修点确定的方法及装置
CN110852354A (zh) * 2019-10-22 2020-02-28 上海中旖能源科技有限公司 车辆轨迹点识别方法及设备
CN111291929A (zh) * 2020-01-21 2020-06-16 上海中旖能源科技有限公司 基于深度学习的液化天然气接卸液点预测方法及装置
CN113408984A (zh) * 2021-06-21 2021-09-17 北京思路智园科技有限公司 危化品运输追踪系统及追踪方法
CN113408984B (zh) * 2021-06-21 2024-03-22 北京思路智园科技有限公司 危化品运输追踪系统及追踪方法
CN114220263A (zh) * 2021-11-29 2022-03-22 北京中交兴路信息科技有限公司 一种货运车辆通行时长确定方法、装置、存储介质及终端

Similar Documents

Publication Publication Date Title
CN109460950A (zh) 一种基于大数据的危化品车辆动态分析方法及其系统
CN101325004B (zh) 一种实时交通信息的数据补偿方法
CN111260820B (zh) 一种公车廉情预警方法及系统
CN112200525B (zh) 基于电子运单和实时轨迹监测的危险货物运输监管系统
CN114037384A (zh) 物流车辆的监控方法、装置、设备及存储介质
You et al. A GPS data processing framework for analysis of drayage truck tours
CN109409811A (zh) 一种物流调度方法、装置、计算机设备和存储介质
Jose et al. Identifying and classifying highway bottlenecks based on spatial and temporal variation of speed
Regehr et al. Gaussian mixture model to characterize payload distributions for predominant truck configurations and body types
You Methodology for tour-based truck demand modeling
Růžička et al. Big data application for urban transport solutions
CN116342021A (zh) 一种基于网络货运综合平台管理方法及系统
Ye et al. Benefit–cost analysis of maintenance decision support system
Kot et al. Identification of information systems application in road transport companies in Silesia Region
Perkins et al. Effectiveness Evaluation by Using Nonaccident Measures of Effectiveness
Djordjevic et al. Key performance indicators for measuring the impacts of ITS on transport
Aakre et al. Targeted selection of overweight vehicles in norway
Cheng et al. Work zone crash cost prediction with a least median squares linear regression model
Benekohal et al. Evaluation of Adaptive Signal Control Technology-Volume 3: Comparison of TBC 2017 and ASCT 2017
Yang et al. Anomaly Detection and Performance Visualization of Truck Parking Information and Management Systems
CN114461933B (zh) 基于周边搜索的车辆推荐方法、装置、设备及存储介质
CN109034510A (zh) 一种基于数据包络法的出租车绩效评价方法
Hayashi et al. Prioritization of Lane-Specific Traffic Jam Detection for Automotive Navigation Framework Utilizing Suddenness Index and Automatic Threshold Determination
Wu et al. Data-Driven Mobility Strategies for Multimodal Transportation
Samandar Freeway Travel Time Reliability: Traditional, Connected and Autonomous Vehicles Perspectives

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: 20190312

RJ01 Rejection of invention patent application after publication