CN110428085A - 一种基于车辆停车点数据的液化天然气用气点分析方法 - Google Patents
一种基于车辆停车点数据的液化天然气用气点分析方法 Download PDFInfo
- Publication number
- CN110428085A CN110428085A CN201910516592.5A CN201910516592A CN110428085A CN 110428085 A CN110428085 A CN 110428085A CN 201910516592 A CN201910516592 A CN 201910516592A CN 110428085 A CN110428085 A CN 110428085A
- Authority
- CN
- China
- Prior art keywords
- point
- data
- gas
- natural gas
- liquefied natural
- 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.)
- Granted
Links
- 239000007789 gas Substances 0.000 title claims abstract description 74
- 239000003949 liquefied natural gas Substances 0.000 title claims abstract description 62
- 238000004458 analytical method Methods 0.000 title claims abstract description 22
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 60
- 239000003345 natural gas Substances 0.000 claims abstract description 30
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 17
- 238000012217 deletion Methods 0.000 claims abstract description 9
- 230000037430 deletion Effects 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 13
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 230000000284 resting effect Effects 0.000 claims description 6
- 239000013589 supplement Substances 0.000 claims description 5
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- -1 printing and dyeing Substances 0.000 description 8
- 239000007788 liquid Substances 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 4
- 229910052782 aluminium Inorganic materials 0.000 description 4
- 238000009987 spinning Methods 0.000 description 4
- 239000011521 glass Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 2
- 239000004411 aluminium Substances 0.000 description 2
- 210000000026 apposition eye Anatomy 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 239000000567 combustion gas Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000004043 dyeing Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 239000013056 hazardous product Substances 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- 229910052573 porcelain Inorganic materials 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000005619 thermoelectricity Effects 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- 210000002268 wool Anatomy 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种基于天然气运输车辆停车点数据的液化天然气用气点分析方法,方案包含停车点数据和液化天然气上游数据输入、接货点删除、地图数据获取、企业工商信息获取、堵车逻辑判断、面数据判断、点数据判断、用气点输出等步骤。通过将液化天然气运输车辆停车点数据和地图数据中的道路数据、兴趣点数据、兴趣面数据,以及企业工商信息进行匹配,综合判断停车点的行为归属,如接货、卸货、堵车、休息、接货等行为,并以此挖掘出液化天然气的用气终端,供市场决策和民生保供。
Description
技术领域
本发明涉及天然气负荷预测领域,具体提供一种基于车辆停车点数据的液化天然气用气点分析方法。
背景技术
随着环境的日益恶化,人民群众对于环保的要求不断提升,天然气消费量逐年攀升。2017年,我国全年天然气消费量约2373亿方天然气,同比增长15.31%,增量刷新我国天然气消费增量历史记录,但是天然气的供给却远远赶不上市场的需求,2017年入冬以来,京津冀地区天然气供应偏紧,天然气供应短缺问题凸显,部分学校、医院、住宅区供暖不足。面对严峻的天然气“气荒”问题,如何解决,保证民生需求,是目前亟需解决的问题。
天然气按照其形态分为液化天然气(Liquefied Natural Gas)和压缩天然气(Compressed Natural Gas),液化天然气主要通过液化天然气槽车来运输,属于危险化品范畴中的2类1项(可燃烧气体)。液化天然气运输车辆从上游液化工厂或接收站接货,然后在下游天然气用气终端卸货,全国目前共有液化工厂和接收站200余家。
随着天然气行业信息化的发展,如何获取液化天然气终端信息,是当前天然气上游和中游企业建立竞争优势的关键,也是合理调配液化天然气供给,保障民生的重要举措。当前市场上获取用气终端信息的方式主要有两种,一种是依靠人为的搜集,例如电话、实地走访等等,但这种方式效率较低,而且无法获取比较全面的数据;另外一种是依靠物联网,以获取精准的终端数据,但是成本较高。然而,借助“互联网+”大数据等先进技术方法手段,可有效提高宏观调控协同性、有效性和准确性,助力气荒调控。
专利申请CN108009667A公开了一种能源需求总量及结构预测系统,包括:数据库模块,用于存储能源相关历史数据,所述能源包括煤、石油、天然气和其他可再生能源;输入模块,用于从所述数据库模块中调用所述能源相关历史数据,并提取历史能源预测指标;分析预测模块,根据所述能源预测指标,基于灰色预测模型、能源库兹涅茨曲线和多元回归数学模型对能源需求总量进行预测,基于利用马尔科夫链实现对能源需求结构进行预测;输出模块,用于输出能源需求总量和能源需求结构的预测结果。通过该系统能够准确预测各地区能源需求总量的未来发展趋势。但是该专利仅仅预测了该地区能源需求量进行了预测,对于能源的供给等方面并未涉及。
专利申请CN105894113A公开了一种天然气短期需求预测方法,在搜集各地区不同时期气象参数、历史负荷、用气结构基础上,利用MATLAB进行相关性分析确定负荷影响因素,通过人工神经网络、支持向量机、主成分分析预测、混合回归分析、节点倍比法、误差修正模型、自回归分布滞后模型分别进行预测,采用最优化技术和决策理论,根据虚拟预测结果确定各预测模型权重,得出模型预测值,最后根据各区域新增/减用户、用户检修等数据对模型预测值进行修正,得出最终预测结果。但是该专利中的方案仅仅能够实现未来一个月内天然气需求进行预测,无法实现长期预测,也无法真正挖掘出天然气的用气终端,供市场决策和民生保供。
随着危险化品运输车辆数字化的不断推动,液化天然气运输车辆都安装了定位终端,定位终端会以一定频率上传车辆位置数据,从而形成车辆轨迹数据。为提升数据处理效率,将车辆轨迹数据生成停车点数据,停车点数据包含了车辆id、停车开始时间、停车时长数据。
液化天然气运输车辆的停车点数据反应了车辆的行为特征,例如堵车、卸货、接货、休息等等。地图数据中包含了道路数据、兴趣点数据(POI)、兴趣面数据(AOI),反应了地图中的企业、停车场、饭店、维修点、道路等等信息。停车点数据可以和地图数据、周边企业工商信息结合,从而挖掘出液化天然气的用气终端,供市场决策和民生保供。
发明内容
基于上述现有技术的缺陷,本发明提出了一种基于天然气运输车辆停车点数据的液化天然气用气点分析方法,旨在通过将液化天然气运输车辆停车点数据和地图数据中的道路数据、兴趣点数据、兴趣面数据,以及企业工商信息进行匹配,综合判断停车点的行为归属,如接货、卸货、堵车、休息、接货等行为,并以此挖掘出液化天然气的用气终端,供市场决策和民生保供。
为达到上述目的,本发明所采用的技术方案如下:
一种基于车辆停车点数据的液化天然气用气点分析方法,该方法包括以下步骤:停车点数据和液化天然气上游数据输入、接货点删除、地图数据获取、企业工商信息获取、堵车逻辑判断、面数据判断、点数据判断、用气点输出。
进一步地,停车点数据包含车辆ID、停车点坐标、停车开始时间、停车时长;液化天然气上游数据包含所有液化天然气上游的名称、位置坐标和判断阈值。其中,处理停车点数据按照时间顺序依次处理,依据停车开始时间判断时间时间顺序。
进一步地,所述接货点删除步骤,将液化天然气运输车辆的停车点坐标位置和所有液化天然气上游位置坐标进行匹配,按照欧式距离计算方法计算两者距离:
如果最小距离小于判断阈值,则认为该停车点为接货点,进行该停车点的删除,不参与后续计算。
更进一步地,所述判断阈值为100-200m。
更进一步地,企业的接液区域面积大于1万平方米的,判断阈值为200;接液区域面积小于1万平方米的,判断阈值为100。
进一步地,所述地图数据获取步骤,根据停车点位置,获取位置附近250-350米阈值距离内的道路数据、兴趣面数据、兴趣点数据,并进行存储。
更进一步地,所述兴趣面数据为地图数据中的区域状的地理实体。
更进一步地,所述兴趣点数据为地图数据中点状的地理实体。
更进一步地,所述道路数据、兴趣面数据、兴趣点数据的获取方式可通过第三方开放平台接口,也可通过本地离线地图数据库。
更进一步地,所述获取道路数据、兴趣面数据、兴趣点数据的第三方开放平台接口包括但不限于百度地图、高德地图。
更进一步地,所述道路数据包含名称、相距距离;所述兴趣面数据包含名称、相距距离、所属类型;所述兴趣点数据包含名称、相距距离、所属类型。
进一步地,所述企业工商信息获取步骤,根据地图数据获取步骤的结果,借助获得的兴趣面名称、兴趣点名称,获取对应企业的营业范围信息,并进行存储。
更进一步地,所述企业的营业范围信息获取方式可通过第三方开放平台接口,也可通过本地离线企业数据库。
更进一步地,所述企业的营业范围信息的第三方开放平台接口,包括但不限于天眼查、启信宝。
进一步地,所述堵车逻辑判断步骤,根据地图数据获取步骤的结果,获取停车点位置与周边最近道路中心线的垂直距离,并将此距离和行业经验阈值相比较,如果距离小于阈值,则认为该停车点处在道路上,为堵车状态,删除该点,否则便进入面数据判断。
更进一步地,所述行业经验阈值为30-50m
进一步地,所述面数据判断步骤,根据地图数据获取步骤的结果,将停车点位置与兴趣面数据比对,如果有相应归属的兴趣面数据,则检查兴趣面数据类型,如果为休息点类型,则认为该停车点为司机休息状态,将该点标记为休息点;如果该停车点有归属的兴趣面,而且不为休息点类型,并且停车点时长大于90分钟,则判断该点为卸货点,将该面数据对应的企业判断成为液化天然气用气点。
更进一步地,所述兴趣面数据类型为休息点类型包括但不限于酒店、停车场、维修点、加油站。
进一步地,所述的点数据判断步骤,该步骤包含关键字加权、工商信息加权、点数据匹配、用气点判定。
更进一步地,所述的关键字加权步骤,根据停车点周边兴趣点数据的名称是否含有行业关键字进行加权,如果名称中含有天然气用气企业的关键字,则将兴趣点距离停车点的距离减去相应的权值。
再进一步地,所述天然气用气企业的关键字包括但不限于,加气、天然气、燃气、LNG、供热、热电、发电、电力、玻璃、纤维、印染、染、纸、造纸、钢、铁、镀锌、陶瓷、瓷、木业、食品、塑料、塑、化工、药业、制药、铝业、铝、轮胎、橡胶、包装、毛纺、纺。
再进一步地,所述兴趣点距离停车点的距离减去相应的权值具体为30-100m。
更进一步地,所述兴趣点距离停车点的距离减去相应的权值具体如下表:
更进一步地,所述的工商信息加权步骤,检查停车点周边兴趣点数据对应的企业工商信息数据,如果营业范围中具有生产类企业相关关键字,则将兴趣点距离停车点的距离减去一定的权值。
再进一步地,所述生产类企业相关关键字包括但不限于生产、加工、制造。
再进一步地,所述兴趣点距离停车点的距离减去一定的权值具体为50m。
更进一步地,所述的点数据匹配步骤,加权步骤处理之后,距离停车点最近的兴趣点数据,作为该停车点匹配的兴趣点数据,如有距离相同的情况,再取不加权时距离最近的兴趣点。
更进一步地,所述用气点判定步骤,根据停车点匹配的兴趣点数据所属类型,判断该停车点是否为液化天然气用气点,如果停车点匹配的兴趣点数据类型为休息点类型,则认为该停车点为司机休息状态,将该点标记为休息点;如果该点匹配的兴趣点数据不是休息点类型,并且停车点时长大于90分钟,则判断该点为卸货点,将该点数据对应的企业判断成为液化天然气用气点。
更进一步地,所述休息点类型包括但不限于酒店、停车场、维修点、加油站。
进一步地,所述的用气点输出步骤,该步骤将确定的液化天然气用气点信息进行补充,将兴趣面数据或兴趣点数据的名称命名给用气点,并将面数据中心坐标或者点数据坐标作为用气点的经纬度坐标,并补充对应企业工商信息。
本发明的有益效果为:
(1)本发明提供的天然气用气点分析方法相比于传统的人工采集信息,大大减少了人力资源的投入,同时也克服了人力采集信息滞后的缺陷;相比于现有的物联网设备进行相关信息的采集,本发明的分析方法成本更低。
(2)本发明提供的天然气用气点分析方法,能够从宏观和微观角度监测供需不平衡状态,以大数据助力天然气调峰能力的提升,保证用气稳定性,保障人民生活;以数据作为支撑,探索各个政策部门协同合作,创新天然气保供的管理和监管体制机制
附图说明
图1本发明基于车辆停车点数据的液化天然气用气点分析方法流程图。
图2本发明液化天然气用气点分析方法中点数据判断流程。
具体实施方式
实施例1
一种基于车辆停车点数据的液化天然气用气点分析方法,该方法包括以下步骤:
(1)停车点数据和液化天然气上游数据输入;
其中,停车点数据包含车辆ID、停车点坐标、停车开始时间、停车时长;液化天然气上游数据包含所有液化天然气上游的名称、位置坐标和判断阈值;
将上述信息输入系统。
(2)接货点删除;
将液化天然气运输车辆的停车点坐标位置和所有液化天然气上游位置坐标进行匹配,按照欧式距离计算方法计算两者距离,具体如下:
如果最小距离小于判断阈值100-200m,则认为该停车点为接货点,进行该停车点的删除,不参与后续计算;
其中企业的接液区域面积大于1万平方米的,判断阈值为200;接液区域面积小于1万平方米的,判断阈值为100。
具体判断阈值如下表举例
上游天然气企业名称 | 接液区面积(万m<sup>2</sup>) | 坐标位置 | 判断阈值(米) |
企业A | 1.35 | 37.74167924,110.2207741 | 200 |
企业B | 2.26 | 38.26258454,110.2414995 | 200 |
企业C | 0.88 | 38.26258454,110.2414995 | 100 |
(3)地图数据获取;
根据停车点位置,获取位置附近250-350米阈值距离内的道路数据、兴趣面数据、兴趣点数据,并进行存储;
其中,所述道路数据(包含名称、相距距离)、兴趣面数据(包含名称、相距距离、所属类型)、兴趣点数据(包含名称、相距距离、所属类型)的获取方式可通过第三方开放平台接口(包括但不限于百度地图、高德地图),也可通过本地离线地图数据库。
(4)企业工商信息获取;
所述企业工商信息获取步骤,根据地图数据获取步骤的结果,借助获得的兴趣面名称、兴趣点名称,获取对应企业的营业范围信息,并进行存储。
更进一步地,所述企业的营业范围信息获取方式可通过第三方开放平台接口(包括但不限于天眼查、启信宝),也可通过本地离线企业数据库。
(5)堵车逻辑判断;
根据地图数据获取步骤的结果,获取停车点位置与周边最近道路中心线的垂直距离,并将此距离和行业经验阈值相比较,如果距离小于阈值30m,则认为该停车点处在道路上,为堵车状态,删除该点,否则便进入面数据判断;
(6)面数据判断;
根据地图数据获取步骤的结果,将停车点位置与兴趣面数据比对,如果有相应归属的兴趣面数据,则检查兴趣面数据类型,如果为休息点类型(包括但不限于酒店、停车场、维修点、加油站),则认为该停车点为司机休息状态,将该点标记为休息点;如果该停车点有归属的兴趣面,而且不为休息点类型,并且停车点时长大于90分钟,则判断该点为卸货点,将该面数据对应的企业判断成为液化天然气用气点。
(7)点数据判断;
该步骤包含关键字加权、工商信息加权、点数据匹配、用气点判定。
(a)关键字加权步骤,根据停车点周边兴趣点数据的名称是否含有行业关键字进行加权,如果名称中含有天然气用气企业的关键字,则将兴趣点距离停车点的距离减去相应的权值。
其中,关键字包括但不限于,加气、天然气、燃气、LNG、供热、热电、发电、电力、玻璃、纤维、印染、染、纸、造纸、钢、铁、镀锌、陶瓷、瓷、木业、食品、塑料、塑、化工、药业、制药、铝业、铝、轮胎、橡胶、包装、毛纺、纺。
所述兴趣点距离停车点的距离减去相应的权值具体如下表:
(b)工商信息加权步骤,检查停车点周边兴趣点数据对应的企业工商信息数据,如果营业范围中具有生产类企业相关关键字(包括但不限于生产、加工、制造。),则将兴趣点距离停车点的距离减去一定的权值50m。
(c)点数据匹配步骤,加权步骤处理之后,距离停车点最近的兴趣点数据,作为该停车点匹配的兴趣点数据,如有距离相同的情况,再取不加权时距离最近的兴趣点。
(d)用气点判定步骤,根据停车点匹配的兴趣点数据所属类型,判断该停车点是否为液化天然气用气点,如果停车点匹配的兴趣点数据类型为休息点类型(包括但不限于酒店、停车场、维修点、加油站),则认为该停车点为司机休息状态,将该点标记为休息点;如果该点匹配的兴趣点数据不是休息点类型,并且停车点时长大于90分钟,则判断该点为卸货点,将该点数据对应的企业判断成为液化天然气用气点。
(8)用气点输出;
该步骤将确定的液化天然气用气点信息进行补充,将兴趣面数据或兴趣点数据的名称命名给用气点,并将面数据中心坐标或者点数据坐标作为用气点的经纬度坐标,并补充对应企业工商信息。
上述详细说明是针对本发明其中之一可行实施例的具体说明,该实施例并非用以限制本发明的专利范围,凡未脱离本发明所为的等效实施或变更,均应包含于本发明技术方案的范围内。
Claims (10)
1.一种基于车辆停车点数据的液化天然气用气点分析方法,其特征在于,所述方法包括以下步骤:停车点数据和液化天然气上游数据输入、接货点删除、地图数据获取、企业工商信息获取、堵车逻辑判断、面数据判断、点数据判断、用气点输出。
2.根据权利要求1所述的基于车辆停车点数据的液化天然气用气点分析方法,其特征在于,所述停车点数据包含车辆ID、停车点坐标、停车开始时间、停车时长;液化天然气上游数据包含所有液化天然气上游的名称、位置坐标和判断阈值。
3.根据权利要求1所述的基于车辆停车点数据的液化天然气用气点分析方法,其特征在于,所述接货点删除步骤,将液化天然气运输车辆的停车点和所有液化天然气上游位置坐标进行匹配,计算两者距离,如果最小距离小于该上游判断阈值,则认为该停车点为接货点,进行该停车点的删除,不参与后续计算;
其中,所述液化天然气上游数据中判断阈值为100-200m。
4.根据权利要求1所述的基于车辆停车点数据的液化天然气用气点分析方法,其特征在于,所述地图数据获取步骤,根据停车点位置,获取位置附近一定阈值距离内的道路数据、兴趣面数据、兴趣点数据,并进行存储。
5.根据权利要求1所述的基于车辆停车点数据的液化天然气用气点分析方法,其特征在于,所述企业工商信息获取步骤,根据地图数据获取步骤的结果,借助获得的兴趣面名称、兴趣点名称,获取对应企业的营业范围信息,并进行存储。
6.根据权利要求1所述的基于车辆停车点数据的液化天然气用气点分析方法,其特征在于,所述堵车逻辑判断步骤,根据地图数据获取步骤的结果,获取停车点位置与周边最近道路的距离,并将此距离和行业经验阈值相比较,如果距离小于阈值,则认为该停车点为堵车状态,否则便进入面数据判断。
7.根据权利要求1所述的基于车辆停车点数据的液化天然气用气点分析方法,其特征在于,所述面数据判断步骤,根据地图数据获取步骤的结果,将停车点位置与兴趣面数据比对,如果有相应归属的兴趣面数据,则检查兴趣面数据类型,如果为休息点类型,则认为该停车点为司机休息状态,将该点标记为休息点;如果该停车点有归属的兴趣面,而且不为休息点类型,则判断该点为卸货点,将该面数据对应的企业判断成为液化天然气用气点。
8.根据权利要求1所述的基于车辆停车点数据的液化天然气用气点分析方法,其特征在于,所述的点数据判断步骤,该步骤包含关键字加权、工商信息加权、点数据匹配、用气点判定。
9.根据权利要求8所述的基于车辆停车点数据的液化天然气用气点分析方法,其特征在于,所述的关键字加权步骤,根据停车点周边兴趣点数据的名称是否含有行业关键字进行加权,如果名称中含有天然气用气企业的关键字,则将兴趣点距离停车点的距离减去相应的权值;所述权值为30-100m;
所述的工商信息加权步骤,检查停车点周边兴趣点数据对应的企业工商信息数据,如果营业范围中具有生产类企业相关关键字,则将兴趣点距离停车点的距离减去一定的权值;所述权值为50m,
所述的点数据匹配步骤,加权步骤处理之后,距离停车点最近的兴趣点数据,作为该停车点匹配的兴趣点数据;
所述用气点判定步骤,根据停车点匹配的兴趣点数据所属类型,判断该停车点是否为液化天然气用气点,如果停车点匹配的兴趣点数据类型为休息点类型,则认为该停车点为司机休息状态,将该点标记为休息点;如果该点匹配的兴趣点数据不是休息点类型,则判断该点为卸货点,将该点数据对应的企业判断成为液化天然气用气点。
10.根据权利要求1所述的基于车辆停车点数据的液化天然气用气点分析方法,其特征在于,所述的用气点输出步骤,该步骤将确定的液化天然气用气点信息进行补充,将兴趣面数据或兴趣点数据的名称命名给用气点,并将面数据中心坐标或者点数据坐标作为用气点的经纬度坐标,并补充对应企业工商信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910516592.5A CN110428085B (zh) | 2019-06-14 | 2019-06-14 | 一种基于车辆停车点数据的液化天然气用气点分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910516592.5A CN110428085B (zh) | 2019-06-14 | 2019-06-14 | 一种基于车辆停车点数据的液化天然气用气点分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110428085A true CN110428085A (zh) | 2019-11-08 |
CN110428085B CN110428085B (zh) | 2022-04-19 |
Family
ID=68407696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910516592.5A Active CN110428085B (zh) | 2019-06-14 | 2019-06-14 | 一种基于车辆停车点数据的液化天然气用气点分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110428085B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112613939A (zh) * | 2020-12-14 | 2021-04-06 | 北京优挂信息科技有限公司 | 一种车辆装卸状态的识别方法、装置、存储介质及终端 |
CN113159594A (zh) * | 2021-04-28 | 2021-07-23 | 中国工商银行股份有限公司 | 液化天然气运输车的调度方法及装置 |
CN117273379A (zh) * | 2023-10-24 | 2023-12-22 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气应急设备预置方法、物联网系统和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103884345A (zh) * | 2012-12-20 | 2014-06-25 | 中国移动通信集团辽宁有限公司 | 兴趣点信息采集方法、显示方法、装置及系统 |
CN109285373A (zh) * | 2018-08-31 | 2019-01-29 | 南京锦和佳鑫信息科技有限公司 | 一种面向整体道路网的智能网联交通系统 |
CN109460950A (zh) * | 2018-10-19 | 2019-03-12 | 嘉兴亚航信息技术有限公司 | 一种基于大数据的危化品车辆动态分析方法及其系统 |
EP3492873A1 (en) * | 2017-11-30 | 2019-06-05 | Einride Ab | Battery pack optimization transport planning method |
WO2019110793A1 (fr) * | 2017-12-07 | 2019-06-13 | Suez Groupe | Procede d'evaluation de l'etat d'un systeme de distribution d'eau |
-
2019
- 2019-06-14 CN CN201910516592.5A patent/CN110428085B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103884345A (zh) * | 2012-12-20 | 2014-06-25 | 中国移动通信集团辽宁有限公司 | 兴趣点信息采集方法、显示方法、装置及系统 |
EP3492873A1 (en) * | 2017-11-30 | 2019-06-05 | Einride Ab | Battery pack optimization transport planning method |
WO2019110793A1 (fr) * | 2017-12-07 | 2019-06-13 | Suez Groupe | Procede d'evaluation de l'etat d'un systeme de distribution d'eau |
CN109285373A (zh) * | 2018-08-31 | 2019-01-29 | 南京锦和佳鑫信息科技有限公司 | 一种面向整体道路网的智能网联交通系统 |
CN109460950A (zh) * | 2018-10-19 | 2019-03-12 | 嘉兴亚航信息技术有限公司 | 一种基于大数据的危化品车辆动态分析方法及其系统 |
Non-Patent Citations (1)
Title |
---|
尹海伟 等: "《城市与区域规划空间分析实验教程》", 31 December 2018 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112613939A (zh) * | 2020-12-14 | 2021-04-06 | 北京优挂信息科技有限公司 | 一种车辆装卸状态的识别方法、装置、存储介质及终端 |
CN113159594A (zh) * | 2021-04-28 | 2021-07-23 | 中国工商银行股份有限公司 | 液化天然气运输车的调度方法及装置 |
CN113159594B (zh) * | 2021-04-28 | 2024-03-08 | 中国工商银行股份有限公司 | 液化天然气运输车的调度方法及装置 |
CN117273379A (zh) * | 2023-10-24 | 2023-12-22 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气应急设备预置方法、物联网系统和介质 |
CN117273379B (zh) * | 2023-10-24 | 2024-02-02 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气应急设备预置方法、物联网系统和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110428085B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bruzzone et al. | The integration of passenger and freight transport for first-last mile operations | |
He et al. | Performance measurement system and strategies for developing low-carbon logistics: A case study in China | |
CN110428085A (zh) | 一种基于车辆停车点数据的液化天然气用气点分析方法 | |
CN102117383A (zh) | 一种河流污染实时诊断的方法 | |
Liu et al. | Study on Logistics Center Site Selection of Jilin Province. | |
Lyapin et al. | Methods to analyze traffic demand formation in intelligent transportation and logistic regional network | |
Trofimenko et al. | Model for the assessment greenhouse gas emissions from road transport | |
Li et al. | Location selection of urban distribution center with a mathematical modeling approach based on the total cost | |
Lan et al. | Coordinated development of metropolitan logistics and economy toward sustainability | |
Tafakkori et al. | Sustainable generalized refueling station location problem under uncertainty | |
Kim et al. | Forecasting future electric power consumption in Busan New Port using a deep learning model | |
Pang et al. | Bilevel mixed land use–transportation model based on urban road network balance | |
CN104392326B (zh) | 一种用于钢铁企业含铁固废循环利用的监控方法 | |
Li et al. | Robust optimization of the hub location problem for fresh agricultural products with uncertain demand | |
CN108647873A (zh) | 一种水功能区水质水量评价决策方法及装置 | |
CN104794328A (zh) | 一种考虑水足迹的水电开发生态适宜性评价方法 | |
Jianzhu et al. | Decision-making for location of manufacturing bases in an uncertain demand situation | |
Shahrokni et al. | Making sense of smart city sensors | |
Zhang et al. | Research on the optimal planning of the battery switch station for electric vehicles | |
Bush et al. | SERA scenarios of early market fuel cell electric vehicle introductions: modeling framework, regional markets, and station clustering | |
Sarmas et al. | Optimal site selection of electric vehicle charging stations exploiting multi-criteria decision analysis: The case of Greek municipalities | |
Zhang et al. | Applying an entropy method to evaluate regional traffic development from a niche perspective | |
Liao et al. | Energy Reports | |
Li et al. | Assessment of the internet impact on road transportation industry operational efficiency | |
Zhang et al. | Planning of electric vehicle charging infrastructure under the Background of Big Data |
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 |