CN111612536A - 一种基于车联网数据的换车指数的计算方法 - Google Patents

一种基于车联网数据的换车指数的计算方法 Download PDF

Info

Publication number
CN111612536A
CN111612536A CN202010431459.2A CN202010431459A CN111612536A CN 111612536 A CN111612536 A CN 111612536A CN 202010431459 A CN202010431459 A CN 202010431459A CN 111612536 A CN111612536 A CN 111612536A
Authority
CN
China
Prior art keywords
vehicle
data
transportation
calculating
change index
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
CN202010431459.2A
Other languages
English (en)
Inventor
高原
赵庆侧
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.)
Shanghai Pingjia Technology Co ltd
Original Assignee
Shanghai Pingjia 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 Shanghai Pingjia Technology Co ltd filed Critical Shanghai Pingjia Technology Co ltd
Priority to CN202010431459.2A priority Critical patent/CN111612536A/zh
Publication of CN111612536A publication Critical patent/CN111612536A/zh
Pending legal-status Critical Current

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Analysis (AREA)
  • Educational Administration (AREA)
  • Pure & Applied Mathematics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Signal Processing (AREA)
  • Computational Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Optimization (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于车联网数据的换车指数的计算方法，包括获取车辆的基本信息数据并分析对车辆置换的影响；获取车辆的车联网数据并分析对车辆置换的影响；判断车辆的所属运输行业并分析对车辆置换的影响；计算车辆的换车指数。本发明主要针对重卡市场，通过综合分析车辆基本信息和车联网数据对车辆置换的影响，帮助汽车销售厂商智能识别潜在购车客户及判断保有客户的购车需求，为汽车销售厂商主动营销提供数据支撑。

Description

一种基于车联网数据的换车指数的计算方法
技术领域
本发明涉及一种车联网数据计算方法，具体为一种基于车联网数据的换 车指数的计算方法，属于车联网数据应用技术领域。
背景技术
根据世界汽车组织(OICA)统计数据，2010-2018年中国的中重卡产量每年 都约占全球市场的50％左右，是全球最大的重卡市场。2018年中国商用车市 场销售为433万辆，其中重卡销量为110万辆，占比为25％左右，重卡汽 车销量再创新高，重卡市场潜力巨大。
为了积极推进物联网发展，深度挖掘重卡市场商机，为将车联网数据应 用于重卡领域，本发明致力于通过重卡的基础数据、车辆的运营数据以及地 图POI位置数据综合分析，判断车辆的置换情况，帮助企业制定销售及生产 计划。
发明内容
本发明的目的就在于为了解决上述问题而提供一种基于车联网数据的换 车指数的计算方法。
本发明通过以下技术方案来实现上述目的：一种基于车联网数据的换车 指数的计算方法，包括以下步骤：
(1)、获取车辆的基础数据和车联网数据；
(2)、抽取车辆网数据中的关键特征；
(3)、根据车辆的车联网数据判断车辆的所属行业；
(4)、基于上述特征的影响，计算车辆的换车指数。
作为本发明进一步的方案：所述车辆的基础数据包括：
车辆的车牌号码、车架号、车辆类型、车辆出厂时间、车辆入网时间、 车辆品牌、核定吨位数、车辆所属企业以及车辆更换所属企业时间等。
作为本发明进一步的方案：所述车辆的车联网数据包括：
对所取得的卫星定位数据进行行程切分，根据行程数据计算车辆的驾驶 行为特征，包括：营运总里程、营运总时长、运营区域、活跃天比例、前三 常跑路线占比、活动范围集中度、路线分布程度、活动半径等。
作为本发明进一步的方案：所述判断车辆所属的运输行业的步骤包括：
根据车辆的车联网数据和地图POI位置数据，判断车辆所属的运输行业。 其中运输行业划分包括但不限于本发明涉及的车辆运输行业包括煤炭运输、 冷链运输、快递运输、钢铁运输、渣土运输、农产品运输、瓜果蔬菜运输、 批发市场、港口运输、危化品运输及其他行业类型。
作为本发明进一步的方案：所述计算车辆的换车指数的步骤包括：
根据车辆的基本信息和车联网数据对车辆更换频率影响的重要程度进行 权重定量配置，对各评价指标进行按权重求和计算车辆的换车指数。
本发明的有益效果是：该基于车联网数据的换车指数的计算方法设计合 理，从车辆的静态信息出发，考虑车辆基本信息对车辆置换的影响。进一步 地，本发明综合考虑了车辆的动态的驾驶行为信息。进一步地，本发明通过 对驾驶行为的分析，增加对车辆行为及所属行业的判断。进一步地，本发明 综合考虑各方面因素对车辆换车行为的影响，并按照影响程度计算车辆的换 车指数。
附图说明
图1为本发明计算车辆换车指数的流程示意图；
图2为本发明一实施例中对车辆基本信息类进行单因子换车评分的流程 示意图；
图3为本发明一实施例中对车辆车联网数据特征类进行单因子换车评分 的流程示意图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，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1～3，一种基于车联网数据的换车指数的计算方法，包括以下步 骤：
步骤S10，获取车辆的基本信息并分析对车辆置换的影响。
在本实施例中，通过车牌号码查询车辆的基础数据，其中车辆的入网时 间、核定吨位数、车辆品牌、车辆类型、购买企业信息对车辆换车指数具有 重要影响。根据因子的表现计算单因子换车评分。
如图2所示,在本实施例中，所述方法的具体步骤包括：
S1001：确定车辆实际入网时长的阈值区间端点，根据车辆实际入网时长 所在阈值区间计算单因子换车评分Score1，评分规则为入网时长越长，单因 子评分越高。顺序执行步骤S1002；
S1002：根据企业购买车辆的时长计算单因子换车评分Score2，考虑到成 本影响，不论卡车新旧，企业在购买车辆短时间内不会置换该车，评分规则 为企业购买车辆时间超过某一阈值，单因子评分高。顺序执行步骤S1003；
S1003：确定车辆核定吨位数的阈值区间端点，根据车辆核定吨位数所在 阈值区间计算单因子换车评分Score3，评分规则为入网时长越长，单因子评 分越高。顺序执行步骤S1004；
S1004：根据车辆品牌计算单因子换车评分Score4，考虑到用户对品牌的 信赖度越低，换车可能性越高，评分规则品牌市场占有率越高，单因子评分 越低。顺序执行步骤S1005；
S1005：根据车辆类型计算单因子换车评分Score5，评分规则为对于不同 车型，车辆报废年限越高，单因子评分越低；同一报废年限，车辆总质量越 小，单因子评分越低。结束执行步骤S10；
步骤S20，获取车辆的车联网数据并分析对车辆置换的影响。
在本实施例中，对所取得的车辆卫星定位数据进行行程切分，根据行程 数据计算能够影响车辆换车的因子，包括车辆的营运总里程、营运总时长、 运营区域、活跃天比例、前三常跑路线占比、活动范围集中度、路线分布程 度、活动半径，根据因子的表现计算单因子换车评分。
如图3所示,在本实施例中，所属方法的具体步骤包括：
S2001：确定车辆营运总里程的阈值区间端点，根据车辆实际营运总里程 所在阈值区间计算单因子换车评分Score6，评分规则为里程越长，单因子评 分越高。顺序执行步骤S2002；
S2002：确定车辆营运总时长的阈值区间端点，根据车辆实际营运总时长 所在阈值区间计算单因子换车评分Score7，评分规则为时长越长，单因子评 分越高。顺序执行步骤S2003；
S2003：根据车辆实际运营区域所在省份单因子换车评分Score8,评分规 则为省份车辆越多、地形越复杂、气候越恶劣，单因子评分越高。顺序执行 步骤S2004；
S2004：确定车辆活跃天比例的阈值区间端点，根据车辆活跃天比例所在 阈值区间计算单因子换车评分Score9，评分规则为活跃天比例越高，单因子 评分越高。顺序执行步骤S2005；
S2005：确定车辆前三常跑路线占比的阈值区间端点，根据车辆前三常跑 路线占比所在阈值区间计算单因子换车评分Score10，评分规则为前三常跑路 线占比越低，单因子评分越高。顺序执行步骤S2006；
S2006：确定车辆活动范围集中度的阈值区间端点，根据车辆活动范围集 中度所在阈值区间计算单因子换车评分Score11，评分规则为活动范围集中度 越低，单因子评分越高。顺序执行步骤S2007；
S2007：确定车辆路线分散程度的阈值区间端点，根据车辆路线分散程度 所在阈值区间计算单因子换车评分Score12，评分规则为路线分散程度越高， 单因子评分越高。顺序执行步骤S2008；
S2008：确定车辆活动半径的阈值区间端点，根据车辆活动半径所在阈值 区间计算单因子换车评分Score13，评分规则为活动半径越高，单因子评分越 高。结束执行S20；
步骤S30，本发明根据车辆车联网信息判断车辆所属行业的流程示意图。
在本实施例中，通过车辆行驶轨迹数据、行程起终点的地图POI位置数 据，行业的POI点位信息、进行车辆所属运输运输行业区分。本发明涉及的 车辆运输行业包括煤炭运输、冷链运输、快递运输、钢铁运输、渣土运输、 农产品运输、瓜果蔬菜运输、批发市场、港口运输、危化品运输。在本实施 例中，所述方法包含如下步骤：
步骤S3001，高德POI对应行业分类。根据车辆涉及的运输行业类别与高 德POI分类进行对应。
步骤S3002，起终点区域限定。将地图进行百米分割，把分割方格中起终 点设定为查询区域。
步骤S3003，POI位置统计。根据区域查询POI，计算查询区域中心点获 取经纬度坐标，采用周边搜索，搜索范围设置半径1千米，按照距离搜索中 线距离选取前5个POI位置进行统计。
步骤S3004，运输行业统计。根据POI位置统计结果，与运输行业类别进 行对应，将起终点出现次数最高的行业判断为车辆所属运输行业；
步骤S3005，计算车辆所属行业的单因子换车评分Score14。根据车辆所 属行业进行单因子换车评分,评分规则车辆使用频率越高，运输物品对车辆磨 损程度越高，单因子评分越高。结束执行步骤S30。
步骤S40，根据车辆的基本信息和车联网数据计算车辆换车指数。
根据车辆的基本信息和车联网数据对车辆更换频率影响的重要程度进行 权重定量配置，对各单因子评分进行按权重求和计算车辆的换车指数。换车 指数计算公式：
Figure BDA0002500758590000061
其中SCORE为车辆换车指数评分，Wi为因子权重，Scorei为第i个因子 的评分。
工作原理：首先根据车辆车牌号获取车辆的基本信息并息并分析对车辆 置换的影响，然后获取车辆的车联网数据并分析对车辆置换的影响，之后判 断车辆所属运输行业并分析对车辆置换的影响，综合以上信息得到最终的车 辆换车指数。与现有技术相比，本实施例中的车辆换车指数计算方法，在分 析车辆静态信息影响的同时，增加车辆动态信息的影响，提供了一种动态变 化的精准计算方法。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节， 而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实 现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且 是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨 在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。 不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方 式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见， 本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以 经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (5)

1.一种基于车联网数据的换车指数的计算方法，其特征在于：包括以下步骤：
(1)、获取车辆的基础数据和车联网数据；
(2)、抽取车辆网数据中的关键特征；
(3)、根据车辆的车联网数据判断车辆的所属行业；
(4)、基于上述特征的影响，计算车辆的换车指数。
2.根据权利要求1所述的一种基于车联网数据的换车指数的计算方法，其特征在于：所述车辆的基础数据包括：
车辆的车牌号码、车架号、车辆类型、车辆出厂时间、车辆入网时间、车辆品牌、核定吨位数、车辆所属企业以及车辆更换所属企业时间。
3.根据权利要求1所述的一种基于车联网数据的换车指数的计算方法，其特征在于：所述车辆的车联网数据包括：
对所取得的卫星定位数据进行行程切分，根据行程数据计算车辆的驾驶行为特征，包括：营运总里程、营运总时长、运营区域、活跃天比例、前三常跑路线占比、活动范围集中度、路线分布程度、活动半径。
4.根据权利要求1所述的一种基于车联网数据的换车指数的计算方法，其特征在于：所述判断车辆所属的运输行业的步骤包括：
根据车辆的车联网数据和地图POI位置数据，判断车辆所属的运输行业。其中运输行业划分包括但不限于本发明涉及的车辆运输行业包括煤炭运输、冷链运输、快递运输、钢铁运输、渣土运输、农产品运输、瓜果蔬菜运输、批发市场、港口运输、危化品运输及其他行业类型。
5.根据权利要求1所述的一种基于车联网数据的换车指数的计算方法，其特征在于：所述计算车辆的换车指数的步骤包括：
根据车辆的基本信息和车联网数据对车辆更换频率影响的重要程度进行权重定量配置，对各评价指标进行按权重求和计算车辆的换车指数。
CN202010431459.2A 2020-05-20 2020-05-20 一种基于车联网数据的换车指数的计算方法 Pending CN111612536A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010431459.2A CN111612536A (zh) 2020-05-20 2020-05-20 一种基于车联网数据的换车指数的计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010431459.2A CN111612536A (zh) 2020-05-20 2020-05-20 一种基于车联网数据的换车指数的计算方法

Publications (1)

Publication Number Publication Date
CN111612536A true CN111612536A (zh) 2020-09-01

Family

ID=72200620

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010431459.2A Pending CN111612536A (zh) 2020-05-20 2020-05-20 一种基于车联网数据的换车指数的计算方法

Country Status (1)

Country Link
CN (1) CN111612536A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112785055A (zh) * 2021-01-18 2021-05-11 优必爱信息技术（北京）有限公司 车辆加油日期预测方法及设备
CN114638661A (zh) * 2022-05-20 2022-06-17 深圳联友科技有限公司 一种基于车辆到店频繁度的增换购意愿识别方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2003203248A1 (en) * 2003-01-17 2004-08-13 Dentsu Inc. Brand communication strategy scenario creation support apparatus
JP2008046802A (ja) * 2006-08-14 2008-02-28 Advanced Telecommunication Research Institute International インタラクション情報出力装置、インタラクション情報出力方法、及びプログラム
AU2013200386A1 (en) * 2005-12-30 2013-02-21 Innovation Institute Llc An adjustable pet door
CN105389863A (zh) * 2015-10-16 2016-03-09 江苏南亿迪纳数字科技发展有限公司 一种对车况进行评估的车况指数计算方法
US20160180358A1 (en) * 2014-12-22 2016-06-23 Phillip Battista System, method, and software for predicting the likelihood of selling automotive commodities
CN106600044A (zh) * 2016-12-06 2017-04-26 北京中交兴路信息科技有限公司 一种车辆销售量预测模型确定的方法及装置
CN106600128A (zh) * 2016-12-06 2017-04-26 北京中交兴路信息科技有限公司 一种车辆画像计算方法及系统
CN108197977A (zh) * 2017-12-19 2018-06-22 北京中交兴路信息科技有限公司 一种车辆品牌的推荐方法及装置
US20190087529A1 (en) * 2014-03-24 2019-03-21 Imagars Llc Decisions with Big Data
KR20190072815A (ko) * 2017-12-18 2019-06-26 박애진 고객 관리 서비스 제공 시스템 및 그 방법
CN110674976A (zh) * 2019-09-06 2020-01-10 爱易优(上海)信息科技有限公司 一种基于车辆时空分布的汽修门店选址方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2003203248A1 (en) * 2003-01-17 2004-08-13 Dentsu Inc. Brand communication strategy scenario creation support apparatus
AU2013200386A1 (en) * 2005-12-30 2013-02-21 Innovation Institute Llc An adjustable pet door
JP2008046802A (ja) * 2006-08-14 2008-02-28 Advanced Telecommunication Research Institute International インタラクション情報出力装置、インタラクション情報出力方法、及びプログラム
US20190087529A1 (en) * 2014-03-24 2019-03-21 Imagars Llc Decisions with Big Data
US20160180358A1 (en) * 2014-12-22 2016-06-23 Phillip Battista System, method, and software for predicting the likelihood of selling automotive commodities
CN105389863A (zh) * 2015-10-16 2016-03-09 江苏南亿迪纳数字科技发展有限公司 一种对车况进行评估的车况指数计算方法
CN106600044A (zh) * 2016-12-06 2017-04-26 北京中交兴路信息科技有限公司 一种车辆销售量预测模型确定的方法及装置
CN106600128A (zh) * 2016-12-06 2017-04-26 北京中交兴路信息科技有限公司 一种车辆画像计算方法及系统
KR20190072815A (ko) * 2017-12-18 2019-06-26 박애진 고객 관리 서비스 제공 시스템 및 그 방법
CN108197977A (zh) * 2017-12-19 2018-06-22 北京中交兴路信息科技有限公司 一种车辆品牌的推荐方法及装置
CN110674976A (zh) * 2019-09-06 2020-01-10 爱易优(上海)信息科技有限公司 一种基于车辆时空分布的汽修门店选址方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112785055A (zh) * 2021-01-18 2021-05-11 优必爱信息技术（北京）有限公司 车辆加油日期预测方法及设备
CN112785055B (zh) * 2021-01-18 2024-02-06 优必爱信息技术（北京）有限公司 车辆加油日期预测方法及设备
CN114638661A (zh) * 2022-05-20 2022-06-17 深圳联友科技有限公司 一种基于车辆到店频繁度的增换购意愿识别方法

Similar Documents

Publication Publication Date Title
Faghih-Imani et al. Hail a cab or ride a bike? A travel time comparison of taxi and bicycle-sharing systems in New York City
Gnann et al. What is the market potential of plug-in electric vehicles as commercial passenger cars? A case study from Germany
Ou et al. Intensity and daily pattern of passenger vehicle use by region and class in China: estimation and implications for energy use and electrification
Javid et al. Quantifying the environmental impacts of increasing high occupancy vehicle lanes in the United States
Pani et al. Expenditure-based segmentation of freight travel markets: Identifying the determinants of freight transport expenditure for developing marketing strategies
Dubie et al. An evaluation of logistics sprawl in Chicago and Phoenix
Karande et al. Location strategies of broad-line retailers: an empirical investigation
CN111612536A (zh) 一种基于车联网数据的换车指数的计算方法
CN105608528A (zh) 基于大数据分析的出租车驾驶员收入-压力评估方法和系统
Li et al. Investigating Private Motorised Travel and Vehicle Fleet Efficiency: Using New Data and Methods to Reveal Socio‐Spatial Patterns in B risbane, A ustralia
Mohapatra et al. Examining the impacts of logistics sprawl on freight transportation in Indian cities: implications for planning and sustainable development
Rush et al. Vehicle residual value analysis by powertrain type and impacts on total cost of ownership
Kamruzzaman et al. Quantitative analysis of optimum corrective fuel tax for road vehicles in Bangladesh: achieving the greenhouse gas reduction goal
Ginting et al. Improving Service Quality towards Consumer Satisfaction on Gojek Transportation Services Using the Importance Perfomance Analysis (IPA) Method
Araki et al. Impacts of seasonal factors on travel behavior: Basic analysis of gps trajectory data for 8 months
Kanyepe Transport management practices and performance of diamond mining companies in Zimbabwe
Baykaso g˘ lu et al. A service‐costing framework for logistics companies and a case study
Guerrero et al. On the spatial scope of warehouse activity: An exploratory study in France
Regehr et al. Safety performance of longer combination vehicles relative to other articulated trucks
CN111582756A (zh) 一种货运企业评分的计算方法
Thi et al. Impact of decisions in freight transport management on rice logistics in the Mekong Delta of Vietnam
Bu et al. Spatial and factor analysis of vehicle crashes in Mississippi state
Al-Mumaiz et al. Quantifying road-user cost savings and change in land value: a UK case study
Gunathilaka et al. Household travel survey method for vehicle kilometers travel estimations: A case study in a developing country.
Sarkar et al. Visualising the′ Price− Quality′ Considerations of Indian Truck Market

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