CN111160665A - 大件货物运输线路规划系统及方法 - Google Patents
大件货物运输线路规划系统及方法 Download PDFInfo
- Publication number
- CN111160665A CN111160665A CN201911421042.1A CN201911421042A CN111160665A CN 111160665 A CN111160665 A CN 111160665A CN 201911421042 A CN201911421042 A CN 201911421042A CN 111160665 A CN111160665 A CN 111160665A
- Authority
- CN
- China
- Prior art keywords
- transportation
- route
- line
- unit
- cargo
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 238000013507 mapping Methods 0.000 claims abstract description 4
- 238000010276 construction Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了大件货物运输线路规划系统,包括数据采集单元、数据预处理单元、地图引擎、地图绘制单元、线路规划单元及机器学习引擎,其中:所述数据采集单元用于采集历史运输案例数据;所述数据预处理单元用于对历史运输案例数据进行进行分段、分类;所述地图引擎具有POI接口,用于获得线路节点坐标数据库;所述地图绘制单元用于根据线路节点坐标数据库绘制运输线路,生成运输线路地图;所述线路规划单元用于建立线路选择模型和线路优化模型;所述机器学习引擎用于提供所述数据预处理单元、地图绘制单元及线路规划单元在工作过程中所需的算法模型。本发明能够为大件货物运输提供合理安全的线路规划,能够为跨省大件运输申请的审批提供有效参考,提高其审批效率。
Description
技术领域
本发明涉及大数据处理技术领域,特别涉及大件货物运输线路规划系统及方法。
背景技术
交通运输是联系生产和消费,地域和地域之间的重要的桥梁,交通运输状况同样也侧面体现了当地的经济状况。随着经济的发展和社会的进步,特别是国家实施区域发展战略以来,国家重点建设项目日益增多并且规模随之不断扩大,支撑国家重大建设的重型或大型不可解体设备的需求也随之增加,从而运输大型设备的重要性日益增长,大件运输已经成为了社会发展的一种需要。大件货物运输的兴起有利于经济区吸引外资并且有利于网络化的大区域市场体系的建立,同时,大件运输促进了国家重大装备生产制造业及物流业的发展壮大,保障了重大项目的如期建设,为我国“超级工程”建设和“大国重器”做出了重要的贡献,因此拥有良好的大件运输能力成为了国家发展必不可少的关键。
大件运输,是一个对于国民经济、国防安全及灾难应急必不可少的行业,在现实运输中有着远超于普通运输的难度。大件货物运输的过高、过宽、过长、过重的属性决定了其对于运载车辆有着具体要求并且对于运输道路有着特殊的要求。由于大件货物特殊的长度,高度和宽度,运输道路的长度,高度和宽度相对应也有着特殊的要求以保证运输途中的安全性,从而路线的规划难度也远高于普通的货物运输路线规划。
鉴于以上,如何针对大件货物运输的特性,结合全国各地大件货运输情况,解决大件货物运输过程中存在的安全性低、成本高、效率低、时间长等难题,并且为大件货运运输提供科学合理的线路规划方案,亟待解决。
发明内容
为解决上述问题,本发明提供了大件货物运输线路规划系统及方法。
本发明采用以下技术方案:
大件货物运输线路规划系统,包括数据采集单元、数据预处理单元、地图引擎、地图绘制单元、线路规划单元及机器学习引擎,其中:
所述数据采集单元用于采集历史运输案例数据,所述历史运输案例数据包含起运地、途径地、目的地、通行路线及车货信息,所述车货信息包含车货的长度、宽度、高度及重量;
所述数据预处理单元用于对历史运输案例数据进行进行分段、分类,获得原始要素,并计算各原始要素的允许车货指标,最终生成线路节点数据库,所述原始元素包括线路节点和线路路段,所述允许车货指标包含包含允许通行的车货长度、宽度、高度及重量;
所述地图引擎具有POI接口,用于根据原始要素匹配出对应的标准要素,并基于标准要素获得对应的坐标点以及坐标信息,获得线路节点坐标数据库;
所述地图绘制单元用于根据线路节点坐标数据库绘制运输线路,生成运输线路地图,所述线路地图上的线路节点和线路路段携带有允许车货指标的信息;
所述线路规划单元用于建立线路选择模型和线路优化模型,所述线路选择模型用于根据录入的运输任务计算出所有满足运输要求的运输路径,所述线路优化模型用于针对所有得到的运输路径计算出最优路径;
所述机器学习引擎用于提供所述数据预处理单元、地图绘制单元及线路规划单元在工作过程中所需的算法模型。
优选地,所述运输任务包括括起始站、目的站、车货总长、车货总宽、车货总高、车货总重量。
优选地,所述数据预处理单元包括校验模块,所述校验模块用于校验历史运输案例数据涉及的信息是否符合预先定义的命名规则,若不符合则告警。
大件货物运输线路规划方法,其基于上述大件货物运输线路规划系统实现,该方法包括以下步骤:
S1、采集历史运输案例数据,所述历史运输案例数据包含起运地、途径地、目的地、通行路线及车货信息,所述车货信息包含车货的长度、宽度、高度及重量;
S2、对历史运输案例数据进行进行分段、分类,获得原始要素,并计算各原始要素的允许车货指标,最终生成线路节点数据库,所述原始元素包括线路节点和线路路段,所述允许车货指标包含包含允许通行的车货长度、宽度、高度及重量;
S3、调用地图引擎的POI接口,根据原始要素匹配出对应的标准要素,并基于标准要素获得对应的坐标点以及坐标信息,获得线路节点坐标数据库;
S4、基于线路节点坐标数据库绘制运输线路,生成运输线路地图;
S5、建立并执行线路选择模型,根据录入的运输任务穷尽出所有满足运输要求的运输路径;
S6、建立并执行线路优化模型,针对步骤S5得到的运输路径,基于最短路径算法计算出最优路径。
优选地,所述步骤S6中的最短路径算法采用加权网络中的最短路径算法,具体通过以下方法实现:
针对某个运输路径,确定其所述包含的多段路段,将每段路段作为加权网络中的边;
对每条边赋予权重,每条边的权重根据匹配度和距离确定,所述匹配度为该条边对应路段的高速公路占比程度,占比程度越高权重越大,所述距离为该条边对应路段的长度相对于该路段两端点直线距离的比值,比值越小权重越大;
计算该运算路径的总耗费,所述总耗费等于各条边的费用成本与权重乘积的总和。
采用上述技术方案后,本发明与背景技术相比,具有如下优点:
本发明利用历史运输案例数据和地图引擎,进行线路地图绘制,并结合最短路径算法获得最优路径,为大件货物运输提供合理安全的线路规划,能够为跨省大件运输申请的审批提供有效参考,提高其审批效率,大大改善了我国现有的大件物流运输状况。
附图说明
图1为本发明的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例
本发明公开了大件货物运输线路规划系统,其包括数据采集单元、数据预处理单元、地图引擎、地图绘制单元、线路规划单元及机器学习引擎,其中:
所述数据采集单元用于采集历史运输案例数据,所述历史运输案例数据包含起运地、途径地、目的地、通行路线及车货信息,所述车货信息包含车货的长度、宽度、高度及重量;
所述数据预处理单元用于对历史运输案例数据进行进行分段、分类,获得原始要素,并计算各原始要素的允许车货指标,最终生成线路节点数据库,所述原始元素包括线路节点和线路路段,所述允许车货指标包含包含允许通行的车货长度、宽度、高度及重量。数据预处理单元包括校验模块,所述校验模块用于校验历史运输案例数据涉及的信息是否符合预先定义的命名规则,若不符合则告警。
所述地图引擎具有POI接口,用于根据原始要素匹配出对应的标准要素,并基于标准要素获得对应的坐标点以及坐标信息,获得线路节点坐标数据库;
所述地图绘制单元用于根据线路节点坐标数据库绘制运输线路,生成运输线路地图,所述线路地图上的线路节点和线路路段携带有允许车货指标的信息;
所述线路规划单元用于建立线路选择模型和线路优化模型,所述线路选择模型用于根据录入的运输任务计算出所有满足运输要求的运输路径,所述线路优化模型用于针对所有得到的运输路径计算出最优路径。所述运输任务包括括起始站、目的站、车货总长、车货总宽、车货总高、车货总重量。
所述机器学习引擎用于提供所述数据预处理单元、地图绘制单元及线路规划单元在工作过程中所需的算法模型。
配合图1所示,本发明还公开了大件货物运输线路规划方法,其基于上述大件货物运输线路规划系统实现,该方法包括以下步骤:
S1、采集历史运输案例数据,所述历史运输案例数据包含起运地、途径地、目的地、通行路线及车货信息,所述车货信息包含车货的长度、宽度、高度及重量;
S2、对历史运输案例数据进行进行分段、分类,获得原始要素,并计算各原始要素的允许车货指标,最终生成线路节点数据库,所述原始元素包括线路节点和线路路段,所述允许车货指标包含包含允许通行的车货长度、宽度、高度及重量;
S3、调用地图引擎的POI接口,根据原始要素匹配出对应的标准要素,并基于标准要素获得对应的坐标点以及坐标信息,获得线路节点坐标数据库;
S4、基于线路节点坐标数据库绘制运输线路,生成运输线路地图;
S5、建立并执行线路选择模型,根据录入的运输任务穷尽出所有满足运输要求的运输路径;
S6、建立并执行线路优化模型,针对步骤S5得到的运输路径,基于最短路径算法计算出最优路径。最短路径算法采用加权网络中的最短路径算法,具体通过以下方法实现:
针对某个运输路径,确定其所述包含的多段路段,将每段路段作为加权网络中的边;
对每条边赋予权重,每条边的权重根据匹配度和距离确定,所述匹配度为该条边对应路段的高速公路占比程度,占比程度越高权重越大,所述距离为该条边对应路段的长度相对于该路段两端点直线距离的比值,比值越小权重越大;
计算该运算路径的总耗费,所述总耗费等于各条边的费用成本与权重乘积的总和。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (5)
1.大件货物运输线路规划系统,其特征在于,包括数据采集单元、数据预处理单元、地图引擎、地图绘制单元、线路规划单元及机器学习引擎,其中:
所述数据采集单元用于采集历史运输案例数据,所述历史运输案例数据包含起运地、途径地、目的地、通行路线及车货信息,所述车货信息包含车货的长度、宽度、高度及重量;
所述数据预处理单元用于对历史运输案例数据进行进行分段、分类,获得原始要素,并计算各原始要素的允许车货指标,最终生成线路节点数据库,所述原始元素包括线路节点和线路路段,所述允许车货指标包含包含允许通行的车货长度、宽度、高度及重量;
所述地图引擎具有POI接口,用于根据原始要素匹配出对应的标准要素,并基于标准要素获得对应的坐标点以及坐标信息,获得线路节点坐标数据库;
所述地图绘制单元用于根据线路节点坐标数据库绘制运输线路,生成运输线路地图,所述线路地图上的线路节点和线路路段携带有允许车货指标的信息;
所述线路规划单元用于建立线路选择模型和线路优化模型,所述线路选择模型用于根据录入的运输任务计算出所有满足运输要求的运输路径,所述线路优化模型用于针对所有得到的运输路径计算出最优路径;
所述机器学习引擎用于提供所述数据预处理单元、地图绘制单元及线路规划单元在工作过程中所需的算法模型。
2.如权利要求1所述的大件货物运输线路规划系统,其特征在于:所述运输任务包括括起始站、目的站、车货总长、车货总宽、车货总高、车货总重量。
3.如权利要求1或2所述的大件货物运输线路规划系统,其特征在于:所述数据预处理单元包括校验模块,所述校验模块用于校验历史运输案例数据涉及的信息是否符合预先定义的命名规则,若不符合则告警。
4.大件货物运输线路规划方法,其基于权利要求1-5任一项所述的大件货物运输线路规划系统实现,该方法包括以下步骤:
S1、采集历史运输案例数据,所述历史运输案例数据包含起运地、途径地、目的地、通行路线及车货信息,所述车货信息包含车货的长度、宽度、高度及重量;
S2、对历史运输案例数据进行进行分段、分类,获得原始要素,并计算各原始要素的允许车货指标,最终生成线路节点数据库,所述原始元素包括线路节点和线路路段,所述允许车货指标包含包含允许通行的车货长度、宽度、高度及重量;
S3、调用地图引擎的POI接口,根据原始要素匹配出对应的标准要素,并基于标准要素获得对应的坐标点以及坐标信息,获得线路节点坐标数据库;
S4、基于线路节点坐标数据库绘制运输线路,生成运输线路地图;
S5、建立并执行线路选择模型,根据录入的运输任务穷尽出所有满足运输要求的运输路径;
S6、建立并执行线路优化模型,针对步骤S5得到的运输路径,基于最短路径算法计算出最优路径。
5.如权利要求4所述的大件货物运输线路规划方法,其特征在于:所述步骤S6中的最短路径算法采用加权网络中的最短路径算法,具体通过以下方法实现:
针对某个运输路径,确定其所述包含的多段路段,将每段路段作为加权网络中的边;
对每条边赋予权重,每条边的权重根据匹配度和距离确定,所述匹配度为该条边对应路段的高速公路占比程度,占比程度越高权重越大,所述距离为该条边对应路段的长度相对于该路段两端点直线距离的比值,比值越小权重越大;
计算该运算路径的总耗费,所述总耗费等于各条边的费用成本与权重乘积的总和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911421042.1A CN111160665A (zh) | 2019-12-31 | 2019-12-31 | 大件货物运输线路规划系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911421042.1A CN111160665A (zh) | 2019-12-31 | 2019-12-31 | 大件货物运输线路规划系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111160665A true CN111160665A (zh) | 2020-05-15 |
Family
ID=70560555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911421042.1A Pending CN111160665A (zh) | 2019-12-31 | 2019-12-31 | 大件货物运输线路规划系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111160665A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111831773A (zh) * | 2020-07-14 | 2020-10-27 | 中励信(厦门)科技有限公司 | 一种大件运输智能路线规划系统 |
CN116011912A (zh) * | 2022-12-30 | 2023-04-25 | 广州联雅网络科技有限公司 | 跨境电商智能发货方法及装置、设备、存储介质 |
CN116681197A (zh) * | 2023-08-03 | 2023-09-01 | 万联易达物流科技有限公司 | 一种基于大数据的物流线路搜索方法及系统 |
CN117593169A (zh) * | 2024-01-19 | 2024-02-23 | 杭州智诚惠通科技有限公司 | 基于大数据的大件运输过程的安监预警方法、系统和介质 |
CN118195117A (zh) * | 2024-05-16 | 2024-06-14 | 山东数创智能科技有限公司 | 一种基于人工智能的运输路线规划方法及系统 |
CN118410523A (zh) * | 2024-07-03 | 2024-07-30 | 安徽云速付网络科技有限公司 | 一种基于区块链隐私计算的供应链数据流转方法、系统及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130179067A1 (en) * | 2010-09-29 | 2013-07-11 | University of Virginia Patent Foundation, d/b/a University of Virginia Licensing & Ventures Group | Method, System and Computer Program Product for Optimizing Route Planning Digital Maps |
CN108287957A (zh) * | 2018-01-12 | 2018-07-17 | 西华大学 | 一种公路重大件货物运输挂车主纵梁安全分析方法 |
CN108303108A (zh) * | 2017-12-05 | 2018-07-20 | 华南理工大学 | 一种基于车辆历史轨迹的个性化路线推荐方法 |
CN109724611A (zh) * | 2019-01-08 | 2019-05-07 | 北京三快在线科技有限公司 | 路径规划方法、装置、电子设备及存储介质 |
-
2019
- 2019-12-31 CN CN201911421042.1A patent/CN111160665A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130179067A1 (en) * | 2010-09-29 | 2013-07-11 | University of Virginia Patent Foundation, d/b/a University of Virginia Licensing & Ventures Group | Method, System and Computer Program Product for Optimizing Route Planning Digital Maps |
CN108303108A (zh) * | 2017-12-05 | 2018-07-20 | 华南理工大学 | 一种基于车辆历史轨迹的个性化路线推荐方法 |
CN108287957A (zh) * | 2018-01-12 | 2018-07-17 | 西华大学 | 一种公路重大件货物运输挂车主纵梁安全分析方法 |
CN109724611A (zh) * | 2019-01-08 | 2019-05-07 | 北京三快在线科技有限公司 | 路径规划方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
刘华 等: "大件运输路径决策支持系统设计与应用", 《公路交通科技(应用技术版)》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111831773A (zh) * | 2020-07-14 | 2020-10-27 | 中励信(厦门)科技有限公司 | 一种大件运输智能路线规划系统 |
CN116011912A (zh) * | 2022-12-30 | 2023-04-25 | 广州联雅网络科技有限公司 | 跨境电商智能发货方法及装置、设备、存储介质 |
CN116681197A (zh) * | 2023-08-03 | 2023-09-01 | 万联易达物流科技有限公司 | 一种基于大数据的物流线路搜索方法及系统 |
CN116681197B (zh) * | 2023-08-03 | 2023-10-24 | 万联易达物流科技有限公司 | 一种基于大数据的物流线路搜索方法及系统 |
CN117593169A (zh) * | 2024-01-19 | 2024-02-23 | 杭州智诚惠通科技有限公司 | 基于大数据的大件运输过程的安监预警方法、系统和介质 |
CN117593169B (zh) * | 2024-01-19 | 2024-04-09 | 杭州智诚惠通科技有限公司 | 基于大数据的大件运输过程的安监预警方法、系统和介质 |
CN118195117A (zh) * | 2024-05-16 | 2024-06-14 | 山东数创智能科技有限公司 | 一种基于人工智能的运输路线规划方法及系统 |
CN118410523A (zh) * | 2024-07-03 | 2024-07-30 | 安徽云速付网络科技有限公司 | 一种基于区块链隐私计算的供应链数据流转方法、系统及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111160665A (zh) | 大件货物运输线路规划系统及方法 | |
CN102542395B (zh) | 一种应急物资调度系统及计算方法 | |
Havenga | Logistics and the future: The rise of macrologistics | |
Zhengxia et al. | Modern logistics monitoring platform based on the internet of things | |
CN108428084A (zh) | 一种基于服务链的多式联运系统及方法 | |
Ataei | Multicriteria selection for an alumina-cement plant location in East Azerbaijan province of Iran | |
Jucha | Use of artificial intelligence in last mile delivery | |
Wong et al. | Container drayage modelling with graph theory-based road connectivity assessment for sustainable freight transportation in new development area | |
Macharia et al. | GIS analysis and spatial modelling for optimal oil pipeline route location. A case study of proposed Isiolo Nakuru pipeline route | |
Rabe et al. | Evaluating the consolidation of distribution flows using a discrete event supply chain simulation tool: Application to a case study in Greece | |
CN113284337B (zh) | 基于车辆轨迹多维数据的od矩阵计算方法及装置 | |
CN103745021A (zh) | 车辆取货路径综合规划方法 | |
Simongáti | Multi‐criteria decision making support tool for freight integrators: Selecting the most sustainable alternative | |
CN115619103B (zh) | 基于货车行驶轨迹的典型行业物流联运分析方法及系统 | |
Zubir et al. | Determining the Distribution Route Using the Clustered Generalised Vehicle Routing Problem Model and Dijkstra's Algorithm | |
CN110210797B (zh) | 生产覆盖区域确定方法和装置以及计算机可读存储介质 | |
Tsamboulas et al. | Methodology for estimating freight volume shift in an international intermodal corridor | |
Gazis et al. | Integrated computational methods for traffic emissions route assessment | |
Wang et al. | Identification and optimization models for a freight-integrated transportation corridor with line importance and freight communication capability | |
Mesa-Arango et al. | Network flow methodology for estimating empty trips in freight transportation models | |
Aljanabi et al. | SVD-based adaptive fuzzy for generalized transportation | |
Kaur et al. | Low-Carbon logistics network for Smart Cities: A conceptual framework | |
CN117744907B (zh) | 一种货源路线规划方法、装置、电子设备以及存储介质 | |
Ermis et al. | Optimization of collection and consolidation operations in cross-border multi-modal distribution networks | |
CN115759642A (zh) | 一种车辆推荐方法、系统、设备和可读存储介质 |
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: 20200515 |
|
RJ01 | Rejection of invention patent application after publication |