CN110276503B - 一种自动识别冷链车辆任务的方法 - Google Patents
一种自动识别冷链车辆任务的方法 Download PDFInfo
- Publication number
- CN110276503B CN110276503B CN201810207610.7A CN201810207610A CN110276503B CN 110276503 B CN110276503 B CN 110276503B CN 201810207610 A CN201810207610 A CN 201810207610A CN 110276503 B CN110276503 B CN 110276503B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- task
- time
- warehouse
- stop
- 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
Links
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q10/0833—Tracking
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
Abstract
本发明公开了一种自动识别冷链车辆任务的方法,包括建立任务开始模型和任务结束模型;该任务开始模型将车辆任务开始前的事件划分为多个节点;当车辆进入仓库时通过任务开始模型对该车辆所对应的各个节点分别进行评分;并根据最终的评分结果判断车辆是否开始执行任务。而当车辆执行任务过程中出现停留时,则可以通过任务结束模型对车辆在任务结束前的各个节点进行评分并根据最终的评分结果判断该车辆是否任务结束。从而实现自动识别车辆任务是否开始和任务是否结束的效果,让整个监控系统的监控更加聚焦,真正实现监控的目的,并且可大大节省人工成本,方便车队结算。
Description
技术领域
本发明涉及冷链车辆任务监控技术领域,尤其涉及一种自动识别冷链车辆任务的方法。
背景技术
目前,在冷链运输行业对于冷链车辆的监控只是采集相应车辆的温度和位置数据,并实时上报到系统平台,客户只能根据调度订单系统并结合电子围栏的触发来识别并判断相应车辆是否开始和结束任务。现有的这种识别判断方式存在以下缺陷和不足:
1、人工维护成本很高,现有技术中需要人工创建订单任务,而订单中一般均涉及人和车两个维度,其中任何一个维度的修改,都会带来新的工作量。
2、临时运单添加不及时,对于临时增加的运单现有技术不能及时的添加到系统中,从而导致相关任务数据丢失,进而造成任务不能触发。
3、仅依靠电子围栏触发识别不准确,仅依靠电子围栏触发容易导致很多的非任务中的车辆也变成了任务中的车辆。例如,车辆在停车场内,此时车辆出去加油或者维修,也会因为触发了电子围栏而被认为是开始了任务。
由于以上的缺陷和不足,导致了冷链运输中监控系统没法准确识别车辆任务是否开始和任务是否结束,从而无法真正起到监控的目的。而冷链车辆通常运输的都是食品或药品,上述物品对温度极其敏感,因此具有其质量的特殊性。故为了有效保障物品的品质,亟需一种对冷链车辆任务进行识别的方法,实现对冷链车辆任务是否开始和任务是否结束的准确判断。
发明内容
针对上述现有技术中存在的不足之处,本发明提供一种自动识别冷链车辆任务的方法,该方法可以自动识别车辆任务的开始和结束,从而让整个监控系统的监控更加聚焦,真正做到监控的目的,并且可以大大节省人工成本,方便车队的结算。该自动识别冷链车辆任务的方法包括:
建立任务开始模型,所述任务开始模型根据车辆开始任务前的事件定义多个判断任务是否开始的时间点,所述判断任务是否开始的时间点包括:车辆到仓库时、车辆离开仓库时、车辆行驶第一预设时长时以及车辆出围栏时;
通过所述任务开始模型对进入仓库的车辆进行评分,得到所述进入仓库的车辆在每一所述判断任务是否开始的时间点上的得分;
当所述进入仓库的车辆在每一所述判断任务是否开始的时间点上的得分的总和在第一预设范围内时,则确定所述进入仓库的车辆任务开始;
当车辆执行任务过程中出现停留时,通过停留车辆所在停留点的类型以及所述停留车辆离开停留点后的车辆参数判断所述停留车辆是否任务结束。
可选地,所述通过停留车辆所在停留点的类型以及所述停留车辆离开停留点后的车辆参数判断所述停留车辆是否任务结束,包括:
建立任务结束模型,所述任务结束模型用于判断停留车辆是否任务结束;
当所述停留车辆离开停留点时,通过所述任务结束模型根据所述停留车辆的车辆参数对所述停留车辆进行第一次评分;
当所述第一次评分的结果超出第二预设范围时,则确定所述停留车辆任务未结束;当所述第一次评分的结果在所述第二预设范围内时,则当所述停留车辆行驶第二预设时长时通过所述任务结束模型根据所述停留车辆的车辆参数对所述停留车辆进行第二次评分;
当所述第二次评分的结果超出第三预设范围时,则确定所述停留车辆任务未结束;当所述第二次评分的结果在所述第三预设范围内时,则确定所述停留车辆任务结束。
可选地,所述判断任务是否开始的时间点还包括车辆行驶第三预设时长时。
可选地,所述通过停留车辆所在停留点的类型以及所述停留车辆离开停留点后的车辆参数判断所述停留车辆是否任务结束,还包括:
确定所述停留车辆所在停留点的类型,当所述停留车辆所在停留点的类型为仓库时则确定所述停留车辆任务结束。
可选地,在车辆到仓库时影响判断任务是否开始的因素包括:车辆到仓库的路线和时间、车辆的温度以及车辆上压缩机的工作状态。
可选地,在车辆离开仓库时影响判断任务是否开始的因素包括:车辆停留时长、车辆停留期间开门时长、车辆温度变化值以及车辆关门到开车间的时长。
可选地,在车辆行驶第一预设时长时影响判断任务是否开始的因素包括:车辆上压缩机的工作状态和车辆温度变化值。
可选地,在车辆出围栏时影响判断任务是否开始的因素包括:车辆温度值、车辆上压缩机的工作状态以及出站时间。
可选地,所述通过所述任务结束模型根据所述停留车辆的车辆参数对所述停留车辆进行第一次评分,具体为:
通过所述任务结束模型根据所述停留车辆的停留时长、温度变化幅度以及开关门次数对所述停留车辆进行第一次评分。
可选地,所述通过所述任务结束模型根据所述停留车辆的车辆参数对所述停留车辆进行第二次评分,具体为:
通过所述任务结束模型根据所述停留车辆的温度变化值和车辆上压缩机的工作状态对所述停留车辆进行第二次评分。
本发明通过建立任务开始模型和任务结束模型;将车辆任务开始前的事件划分为多个节点;当车辆进入仓库时通过任务开始模型对该车辆所对应的各个节点分别进行评分;并根据最终的评分结果判断车辆是否开始执行任务。而当车辆执行任务过程中出现停留时,则可以通过任务结束模型对车辆在任务结束前的各个节点进行评分并根据最终的评分结果判断该车辆是否任务结束。实现了自动识别车辆任务是否开始和结束的效果,让整个监控系统的监控更加聚焦,真正做到监控的目的,并可大大节省人工成本,方便车队结算。
附图说明
图1为本发明实施例提供的自动识别冷链车辆任务的方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,图1示出了本实施例中的自动识别冷链车辆任务的方法的流程图,该自动识别冷链车辆任务的方法包括以下步骤:
S101,建立任务开始模型。
需要说明的是,在上述任务开始模型中根据车辆开始任务前的事件定义有多个判断任务是否开始的时间点,其中该判断任务是否开始的时间点包括:车辆到仓库时、车辆离开仓库时、车辆行驶第一预设时长时、车辆出围栏时。
进一步地,在车辆到仓库时影响判断任务是否开始的因素包括:车辆到仓库的路线和时间、车辆的温度以及车辆上压缩机的工作状态。在车辆离开仓库时影响判断任务是否开始的因素包括:车辆停留时长、车辆停留期间开门时长、车辆温度变化值以及车辆关门到开车间的时长。第一预设时长为车辆启动后到驶出仓库围栏的时间,在车辆行驶第一预设时长时影响判断任务是否开始的因素包括:车辆上压缩机的工作状态和车辆温度变化值。在车辆出围栏时影响判断任务是否开始的因素包括:车辆温度值、车辆上压缩机的工作状态以及出站时间。
其中,在通过上述任务开始模型进行评分时,上述每一影响判断任务是否开始的因素均对应着一个分值,对于每一分值的确定主要基于以下原则:
当车辆到仓库时,如果车辆到仓库的路线是驻车点到仓库且车辆到仓库的时间是凌晨的话,那么该车辆来执行任务的概率就非常大。而如果车辆到仓库的路线是仓库到仓库的话,那么该车辆来执行任务的概率就比较小。如果车辆的温度在运输所要求的温度区间内,则说明车辆预冷了,此时车辆来装货的概率较大。如果车辆上的压缩机在车辆进来时打开了,则此时车辆是来做任务的概率较大。而车辆来执行任务的概率越大,对应的影响因素所对应的评分就会较高,具体评分标准如下列表一所示。
表一
在车辆离开仓库时,由于一般装货时间为30-150分钟,因此如果车辆停留期间开门时长符合这个时间,那么该车辆来执行任务的概率就非常大。而车辆到达仓库后,如果是非任务期间,只是办事,那么其停留时间会很短或者特别长,也即当车辆停留时长很短或特别长时,该车辆来执行任务的概率就会较低。如果车辆是在装冷冻货,那么车厢内的温度是会下降的,因此如果车辆温度在不断下降,那么肯定是在装货,也即准备做任务。此外,由于做任务的规律是关门,然后马上开车,所以如果车辆关门后很快就开车,也即车辆从关门到开车所间隔的时间很短,那么该车辆来执行任务的概率也较大。而车辆来执行任务的概率越大,对应的影响因素所对应的评分就会较高,具体评分标准如下列表二所示。
表二
在车辆行驶第一预设时长时如果是在任务期间,那么开车后会立刻打开压缩机,这样一来车厢内的温度就会下降。因此一旦出现这样的场景,就可以给出较高的分值来使得后续判断中确认此次为任务开始,具体评分标准如下列表三所示。并且可以在车辆出围栏时再一次检测车辆温度值和车辆上压缩机的工作状态以便进一步判断该车辆是否来执行任务,具体评分标准如下列表四所示。
表三
表四
此外,为了应对那些没有按要求进行操作的司机,也即有些司机确实是来执行任务,但是在车辆离开仓库时司机却没有及时打开压缩机。对此,本实施例在车辆驶出围栏并且行驶30-60分钟后会进一步判断车辆的温度变化值以及温度值,具体评分标准如下列表五所示。该过程既可以作为一种补偿措施,提高对车辆是否开始任务判断的准确性。也可以作为一次报警事件,也即如果司机执行任务时没有在开车后立即打开压缩机制冷,则进行报警,以此来保证运输物品的质量。
表五
S102,通过任务开始模型对进入仓库的车辆进行评分,得到进入仓库的车辆在每一判断任务是否开始的时间点上的得分。
需要说明的是,上述步骤在得到进入仓库的车辆在每一判断任务是否开始的时间点上的得分时,首先是对每一时间点中的影响判断的因素分别进行评分,然后将各因素的评分相加即得相应时间点对应的得分。例如车辆在3:00时从驻点到达仓库,其压缩机处于打开状态,且其车厢温度值在运输所要求的温度区间内,则对于该车辆其对应“到仓库的路线和时间”这一因素的得分为30,对应“温度”这一因素的得分为5,对应“压缩机”这一因素的得分为5,最终该车辆在“车辆到仓库时“”这一时间点上的最终得分为30+5+5=40。同理可得该车辆在“车辆离开仓库时”、“车辆行驶第一预设时长时”以及“车辆出围栏时”各个时间点上的得分。
S103,当进入仓库的车辆在每一判断任务是否开始的时间点上的得分的总和在第一预设范围内时,则确定进入仓库的车辆任务开始。
需要说明的是,上述步骤中第一预设范围可以根据实际统计结果来确定,例如实际统计发现当评分大于40时,车辆开始执行任务的概率很大,此时就可以在评分大于40时确定进入仓库的车辆任务开始。
S104,当车辆执行任务过程中出现停留时,通过停留车辆所在停留点的类型以及停留车辆离开停留点后的车辆参数判断停留车辆是否任务结束。
需要说明的是,上述步骤中通过停留车辆所在停留点的类型以及停留车辆离开停留点后的车辆参数判断停留车辆是否任务结束,包括:
建立任务结束模型,该任务结束模型用于判断停留车辆是否任务结束;在该任务结束模型中根据车辆任务结束前的事件定义有多个判断任务是否结束的时间点,其中该判断任务是否结束的时间点包括:停留车辆离开停留点时和停留车辆行驶3-5分钟时,进一步地,在停留车辆离开停留点时影响判断任务是否结束的因素包括:停留车辆的停留时长、温度变化幅度以及开关门次数。在停留车辆行驶3-5分钟时影响判断任务是否结束的因素包括:停留车辆的温度变化值和车辆上压缩机的工作状态。
其中,在通过上述任务结束模型进行评分时,上述每一影响判断任务是否结束的因素均对应着一个分值,对于每一分值的确定主要基于以下原则:
由于车辆在做任务过程中会经常有停留,但不是每个停留点都是配送站点,所以首先需要确认停留点是否为配送站点,判断的方法是在停留车辆离开停留点时确定停留车辆的停留时长,如果停留时间过短或过长都不是。检测车辆温度变化幅度,因为在配送站点需要卸货,所以温度会有波动,通过温度的变化幅度就可以判断停留点是否为配送站点。检测车辆的开关门次数,如果有门的开关信息,那就基本可以肯定是配送站点,具体评分标准如下列表六所示。
表六
当停留车辆启动且行驶3分钟时,如果是任务结束后,那么车辆开出电子围栏后车辆的压缩机不会打开,因此车厢内的温度会缓慢的上升。但如果车辆还在继续做任务,那么司机会在车辆启动后打开压缩机,此时车厢内的温度就会迅速下降。因此可以通过温度的变化值和压缩机的工作状态来判断停留点是否为最后一个配送站点,从而判断车辆是否任务结束,具体评分标准如下列表七所示。
表七
此外,还可以根据停留点的类型来判断车辆是否完成任务,如果这个停留点的类型是装货点,也即仓库的话,那么既然车辆已经返回到仓库,此时该车辆肯定是任务结束了。因此从这个时间点向前追溯就可以判断哪个时间点是任务的结束点。
当停留车辆离开停留点时,通过任务结束模型根据停留车辆的车辆参数对停留车辆进行第一次评分;该次评分是为了确认该停留点是否为配送站点,具体为,当停留车辆离开停留点时,通过任务结束模型对停留车辆所对应的停留时长、温度变化幅度以及开关门次数分别进行评分,然后将各评分相加得到第一次评分的结果。
当第一次评分的结果不在第二预设范围时,说明该停留点不是配送站点,相应地车辆任务未结束;当第一次评分的结果在第二预设范围内时,说明该停留点为配送站点,此时需要在车辆行驶第二预设时长时通过任务结束模型对车辆所对应的温度变化速率和压缩机的工作状态分别进行评分,并将各评分相加得到第二次评分的结果。当第二次评分的结果超出第三预设范围时,则确定停留车辆任务未结束;当第二次评分的结果在第三预设范围内时,则确定停留车辆任务结束。
上述第二预设范围和第三预设范围均可以根据实际统计结果来确定,例如实际统计发现当第一次评分结果大于40时,停留点为配送站点的概率很大;当第二次评分小于10时,对应的车辆任务结束的概率很大;则此时就可以在第一次评分结果大于40时确定对应的停留点为配送站点;在第二次评分结果小于10时确定对应的车辆任务结束。
本发明通过建立任务开始模型和任务结束模型;将车辆任务开始前的事件划分为多个节点;当车辆进入仓库时通过任务开始模型对该车辆所对应的各个节点分别进行评分;并根据最终的评分结果判断车辆是否开始执行任务。而当车辆执行任务过程中出现停留时,则可以通过任务结束模型对车辆在任务结束前的各个节点进行评分并根据最终的评分结果判断该车辆是否任务结束。实现了自动识别车辆任务是否开始和结束的效果,让整个监控系统的监控更加聚焦,真正做到监控的目的,并可大大节省人工成本,方便车队结算。
此外,本领域内的技术人员应明白,本发明的实施例可提供为方法或计算机程序产品。因此,本发明实施例可采用结合软件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
还需要说明的是,在本文中,“第一”、“第二”的出现,仅仅是为了作区分技术名词和描述方便,不应理解为对本发明实施例的限定。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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之内。
Claims (9)
1.一种自动识别冷链车辆任务的方法,其特征在于,所述方法包括:
建立任务开始模型,所述任务开始模型根据车辆开始任务前的事件定义多个判断任务是否开始的时间点,所述判断任务是否开始的时间点包括:车辆到仓库时、车辆离开仓库时、车辆行驶第一预设时长时以及车辆出围栏时;
通过所述任务开始模型对进入仓库的车辆进行评分,得到所述进入仓库的车辆在每一所述判断任务是否开始的时间点上的得分;
当所述进入仓库的车辆在每一所述判断任务是否开始的时间点上的得分的总和在第一预设范围内时,则确定所述进入仓库的车辆任务开始;
当车辆执行任务过程中出现停留时,通过停留车辆所在停留点的类型以及所述停留车辆离开停留点后的车辆参数判断所述停留车辆是否任务结束;
所述通过停留车辆所在停留点的类型以及所述停留车辆离开停留点后的车辆参数判断所述停留车辆是否任务结束,包括:
建立任务结束模型,所述任务结束模型用于判断停留车辆是否任务结束;
当所述停留车辆离开停留点时,通过所述任务结束模型根据所述停留车辆的车辆参数对所述停留车辆进行第一次评分;
当所述第一次评分的结果超出第二预设范围时,则确定所述停留车辆任务未结束;当所述第一次评分的结果在所述第二预设范围内时,则当所述停留车辆行驶第二预设时长时通过所述任务结束模型根据所述停留车辆的车辆参数对所述停留车辆进行第二次评分;
当所述第二次评分的结果超出第三预设范围时,则确定所述停留车辆任务未结束;当所述第二次评分的结果在所述第三预设范围内时,则确定所述停留车辆任务结束。
2.如权利要求1所述的自动识别冷链车辆任务的方法,其特征在于,所述判断任务是否开始的时间点还包括车辆行驶第三预设时长时。
3.如权利要求1所述的自动识别冷链车辆任务的方法,其特征在于,所述通过停留车辆所在停留点的类型以及所述停留车辆离开停留点后的车辆参数判断所述停留车辆是否任务结束,还包括:
确定所述停留车辆所在停留点的类型,当所述停留车辆所在停留点的类型为仓库时则确定所述停留车辆任务结束。
4.如权利要求1所述的自动识别冷链车辆任务的方法,其特征在于,在车辆到仓库时影响判断任务是否开始的因素包括:车辆到仓库的路线和时间、车辆的温度以及车辆上压缩机的工作状态。
5.如权利要求1所述的自动识别冷链车辆任务的方法,其特征在于,在车辆离开仓库时影响判断任务是否开始的因素包括:车辆停留时长、车辆停留期间开门时长、车辆温度变化值以及车辆关门到开车间的时长。
6.如权利要求1所述的自动识别冷链车辆任务的方法,其特征在于,在车辆行驶第一预设时长时影响判断任务是否开始的因素包括:车辆上压缩机的工作状态和车辆温度变化值。
7.如权利要求1所述的自动识别冷链车辆任务的方法,其特征在于,在车辆出围栏时影响判断任务是否开始的因素包括:车辆温度值、车辆上压缩机的工作状态以及出站时间。
8.如权利要求1所述的自动识别冷链车辆任务的方法,其特征在于,所述通过所述任务结束模型根据所述停留车辆的车辆参数对所述停留车辆进行第一次评分,具体为:
通过所述任务结束模型根据所述停留车辆的停留时长、温度变化幅度以及开关门次数对所述停留车辆进行第一次评分。
9.如权利要求1所述的自动识别冷链车辆任务的方法,其特征在于,所述通过所述任务结束模型根据所述停留车辆的车辆参数对所述停留车辆进行第二次评分,具体为:
通过所述任务结束模型根据所述停留车辆的温度变化值和车辆上压缩机的工作状态对所述停留车辆进行第二次评分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810207610.7A CN110276503B (zh) | 2018-03-14 | 2018-03-14 | 一种自动识别冷链车辆任务的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810207610.7A CN110276503B (zh) | 2018-03-14 | 2018-03-14 | 一种自动识别冷链车辆任务的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110276503A CN110276503A (zh) | 2019-09-24 |
CN110276503B true CN110276503B (zh) | 2023-04-21 |
Family
ID=67958395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810207610.7A Active CN110276503B (zh) | 2018-03-14 | 2018-03-14 | 一种自动识别冷链车辆任务的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110276503B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001041024A1 (en) * | 1999-12-01 | 2001-06-07 | Sinex Aviation Technologies Corporation | Dynamic aircraft maintenance management system |
WO2003094410A2 (en) * | 2002-05-03 | 2003-11-13 | Manugistics, Inc. | Scheduling and sequencing supply chain resources |
CN101777153A (zh) * | 2010-01-28 | 2010-07-14 | 武汉双赢信息技术有限公司 | 基于rfid的冷链物流管理系统 |
CN103617588A (zh) * | 2013-11-29 | 2014-03-05 | 北京农业信息技术研究中心 | 一种冷链物流监控公共服务系统和方法 |
CN105608889A (zh) * | 2015-09-07 | 2016-05-25 | 华迪计算机集团有限公司 | 一种车辆停留分析方法 |
CN105843943A (zh) * | 2016-04-08 | 2016-08-10 | 深圳广联赛讯有限公司 | 车辆常驻地分析方法 |
CN105976030A (zh) * | 2016-03-15 | 2016-09-28 | 武汉宝钢华中贸易有限公司 | 基于多智能体月台调度智能排序模型的构造 |
CN106682854A (zh) * | 2016-12-12 | 2017-05-17 | 北京汇通天下物联科技有限公司 | 一种运输车辆的行驶数据获取方法、装置及系统 |
WO2017167399A1 (en) * | 2016-04-01 | 2017-10-05 | Rwe International Se | Production system controllable by means of a peer-to-peer application |
CN107274019A (zh) * | 2017-06-15 | 2017-10-20 | 成都华药共享网络科技有限公司 | 智能调度货运管理系统 |
FR3057974A1 (fr) * | 2016-10-25 | 2018-04-27 | Salamander U | Procede de gestion de taches |
Family Cites Families (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003217079A (ja) * | 2002-01-22 | 2003-07-31 | Mitsubishi Precision Co Ltd | 車両認識方法及びその装置 |
JP4836755B2 (ja) * | 2006-11-20 | 2011-12-14 | アイシン・エィ・ダブリュ株式会社 | 走行状況判定方法及び走行状況判定装置 |
US20090172035A1 (en) * | 2007-12-31 | 2009-07-02 | Pieter Lessing | System and method for capturing and storing casino information in a relational database system |
CN102307896B (zh) * | 2008-10-31 | 2016-10-12 | 森托科尔奥索生物科技公司 | 基于iii型纤连蛋白结构域的支架组合物、方法及用途 |
CN101458788A (zh) * | 2008-12-19 | 2009-06-17 | 天津市市政工程设计研究院 | 集装箱码头物流仿真优化系统 |
CN101719233A (zh) * | 2009-08-27 | 2010-06-02 | 武汉双赢信息技术有限公司 | 冷链物流管理系统 |
CN102402701A (zh) * | 2011-07-18 | 2012-04-04 | 华东理工大学 | 基于本体的食品冷链追踪方法和系统 |
KR101247175B1 (ko) * | 2011-08-19 | 2013-03-25 | 주식회사 엠투소프트 | 콜드 체인 관리 방법 |
US9818074B2 (en) * | 2011-10-11 | 2017-11-14 | Mobiwork, Llc | Method and system to analyze time stamp location data to produce movement and idle segments |
CN102750756B (zh) * | 2012-06-29 | 2015-04-08 | 光明乳业股份有限公司 | 车辆监控系统 |
CN103049838B (zh) * | 2012-12-26 | 2017-05-31 | 华中科技大学 | 基于有限状态机的包裹运输状态监控方法 |
EP2989599A1 (en) * | 2013-04-22 | 2016-03-02 | Controlant EHF. | Smart wireless loggers |
US20150046229A1 (en) * | 2013-08-06 | 2015-02-12 | Pinc Solutions | Managing trailers and shipments |
US20160225115A1 (en) * | 2015-02-01 | 2016-08-04 | James A. Levy | Transportation System Using Crowdsourced Warehouses and Storage Facilities |
KR20160133107A (ko) * | 2015-05-12 | 2016-11-22 | 주식회사 엠가온 | 스마트 폰을 이용한 콜드체인 실시간 모니터링 시스템 |
CA3128629A1 (en) * | 2015-06-05 | 2016-07-28 | C3.Ai, Inc. | Systems and methods for data processing and enterprise ai applications |
JP6675860B2 (ja) * | 2015-11-04 | 2020-04-08 | 株式会社日立製作所 | データ処理方法およびデータ処理システム |
CN105427050A (zh) * | 2015-12-02 | 2016-03-23 | 常州大学 | 一种基于信任度模型的食品质量评估方法 |
CN106114507B (zh) * | 2016-06-21 | 2018-04-03 | 百度在线网络技术(北京)有限公司 | 用于智能车辆的局部轨迹规划方法和装置 |
CN106202480B (zh) * | 2016-07-19 | 2019-06-11 | 淮阴工学院 | 一种基于K-means和LDA双向验证的网络行为习惯聚类方法 |
CN106054778B (zh) * | 2016-07-22 | 2018-11-20 | 北京农业信息技术研究中心 | 冷链运输过程智能监测采样方法、装置及冷链车辆 |
CN106372830A (zh) * | 2016-08-23 | 2017-02-01 | 浪潮软件股份有限公司 | 一种任务分配的方法和装置 |
CN206186875U (zh) * | 2016-10-14 | 2017-05-24 | 廖启利 | 一种新型的冷链蓄冷物流箱 |
CN106886872A (zh) * | 2017-01-20 | 2017-06-23 | 淮阴工学院 | 一种基于聚类和余弦相似度的物流推荐方法 |
CN107231436B (zh) * | 2017-07-14 | 2021-02-02 | 网宿科技股份有限公司 | 一种进行业务调度的方法和装置 |
CN107248284B (zh) * | 2017-08-09 | 2019-11-05 | 北方工业大学 | 基于多源信息融合的实时交通评价方法 |
US10769587B2 (en) * | 2018-07-02 | 2020-09-08 | Walmart Apollo, Llc | Systems and methods of storing and retrieving retail store product inventory |
CN109191053A (zh) * | 2018-10-24 | 2019-01-11 | 吉旗物联科技(上海)有限公司 | 一种冷链货物全网自动监控的方案 |
CN111429047B (zh) * | 2019-01-09 | 2024-03-05 | 北京京东振世信息技术有限公司 | 运输任务的监控方法及装置 |
-
2018
- 2018-03-14 CN CN201810207610.7A patent/CN110276503B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001041024A1 (en) * | 1999-12-01 | 2001-06-07 | Sinex Aviation Technologies Corporation | Dynamic aircraft maintenance management system |
WO2003094410A2 (en) * | 2002-05-03 | 2003-11-13 | Manugistics, Inc. | Scheduling and sequencing supply chain resources |
CN101777153A (zh) * | 2010-01-28 | 2010-07-14 | 武汉双赢信息技术有限公司 | 基于rfid的冷链物流管理系统 |
CN103617588A (zh) * | 2013-11-29 | 2014-03-05 | 北京农业信息技术研究中心 | 一种冷链物流监控公共服务系统和方法 |
CN105608889A (zh) * | 2015-09-07 | 2016-05-25 | 华迪计算机集团有限公司 | 一种车辆停留分析方法 |
CN105976030A (zh) * | 2016-03-15 | 2016-09-28 | 武汉宝钢华中贸易有限公司 | 基于多智能体月台调度智能排序模型的构造 |
WO2017167399A1 (en) * | 2016-04-01 | 2017-10-05 | Rwe International Se | Production system controllable by means of a peer-to-peer application |
CN105843943A (zh) * | 2016-04-08 | 2016-08-10 | 深圳广联赛讯有限公司 | 车辆常驻地分析方法 |
FR3057974A1 (fr) * | 2016-10-25 | 2018-04-27 | Salamander U | Procede de gestion de taches |
CN106682854A (zh) * | 2016-12-12 | 2017-05-17 | 北京汇通天下物联科技有限公司 | 一种运输车辆的行驶数据获取方法、装置及系统 |
CN107274019A (zh) * | 2017-06-15 | 2017-10-20 | 成都华药共享网络科技有限公司 | 智能调度货运管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110276503A (zh) | 2019-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108053075B (zh) | 一种报废车辆预测方法及系统 | |
EP3296933A1 (de) | Verfahren für eine datenverarbeitungsanlage zur erhaltung eines betriebszustands eines ersten autonomen fahrzeugs sowie verfahren für eine datenverarbeitungsanlage zum verwalten einer mehrzahl autonomer fahrzeuge | |
CN112819185B (zh) | 一种网约车拒载监测方法、装置及系统 | |
CN110208001B (zh) | 一种车辆的道路测试方法和装置 | |
CN112529332A (zh) | 混凝土运输车调度方法、装置、终端设备和可读存储介质 | |
CN113838227A (zh) | 一种车辆异常停留监控方法及系统 | |
CN114463872B (zh) | 一种货车装货工时计算方法、装置、电子设备及存储介质 | |
CN110276503B (zh) | 一种自动识别冷链车辆任务的方法 | |
CN107331195B (zh) | 一种优化采购车辆编组排队的系统及方法 | |
CN106447211B (zh) | 一种产品制造企业生产车间之间缓存区内产品的排序系统及方法 | |
CN106021547B (zh) | 基于车联网的客户车辆保养流失识别分析方法及系统 | |
CN110400111A (zh) | 基于自动驾驶车辆的物品派送方法、装置及系统 | |
CN102750756A (zh) | 车辆监控系统 | |
CN110473396A (zh) | 交通拥堵数据分析方法、装置、电子设备及存储介质 | |
CN113990078B (zh) | 一种基于多源信息判断的高速路车辆超限检测方法、系统及存储介质 | |
CN114550402A (zh) | 规划路线内物流运输中偷换货品行为告警方法 | |
JP4681574B2 (ja) | 抜取検査システム | |
CN114418400A (zh) | 一种货运车辆智能动态调度系统 | |
CN113743844A (zh) | 车间物料管理方法和系统 | |
CN113537881A (zh) | 一种物流信息监控方法及系统 | |
US20210133676A1 (en) | Shipping Dock Detention Data | |
CN110910078A (zh) | 货车集货控制方法、系统及计算机可读存储介质 | |
US20130110395A1 (en) | Method for Accurately Determining the Locations of Public Transportation Stations | |
CN112712306A (zh) | 一种绿色矿山车辆管理方法及系统 | |
JP7056435B2 (ja) | 入退場管理装置 |
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 |