CN112396711A - 高速公路车辆自重测算方法、装置、电子设备和可读存储介质 - Google Patents
高速公路车辆自重测算方法、装置、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN112396711A CN112396711A CN202011293526.5A CN202011293526A CN112396711A CN 112396711 A CN112396711 A CN 112396711A CN 202011293526 A CN202011293526 A CN 202011293526A CN 112396711 A CN112396711 A CN 112396711A
- Authority
- CN
- China
- Prior art keywords
- weight
- vehicle
- class
- vehicles
- sections
- 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
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
- G07B15/06—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analytical Chemistry (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Chemical & Material Sciences (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种高速公路车辆自重测算方法、装置、电子设备和可读存储介质,通过获取历史采集到的各个车辆的车辆总重,将车辆总重划分为多个重量区间,再将多个重量区间划分为多个类区间以使得预设损失函数满足预设最小化要求。然后从多个类区间中获得目标类区间,根据目标类区间中包含的车辆总重测算得到多个车辆的车辆自重均值。本方案中,利用采集到的车辆总重,并采用有序聚类和最优分割的方法,分割出其中能够表征车辆处于空车状态下的目标类区间,进而基于该目标类区间的信息得到车辆自重均值。如此,基于实际采集到的信息测算得到车辆自重均值,符合实际情况下车辆状态,避免直接基于出厂信息得到车辆自重均值存在的与实际情况不符的问题。
Description
技术领域
本申请涉及车辆管理技术领域,具体而言,涉及一种高速公路车辆自重测算方法、装置、电子设备和可读存储介质。
背景技术
公路运输对于支撑经济发展、推动社会进步、保障安全等方面发挥着重要的作用,高速公路运输是我国交通运输的主要组成部分。高速公路货运量直接反应了我国经济的活跃程度,是反应经济发展态势的晴雨表,高速公路货运量的增速直接与地区GDP的增速直接相关。为此,精确统计高速公路货运量及其增速,对于各级管理部门和交通运输部门掌握经济发展形势、制定相关行业发展政策具有重要的作用。
目前统计高速公路货运量主要利用高速公路收费通行数据进行统计。车辆在通行高速公路时都需要进行称重,因此,高速公路收费通行数据中记录了每一辆车通行高速公路的车货总重信息,将车货总重减去车辆自重即可以得到每一辆车的货运量。而目前获得车辆自重的方式是直接提取车辆样本库中车辆出厂时空车重量的平均值作为某类型车辆的平均自重。但是,实际情况中,车辆在出厂投入使用后,存在如改装、拖挂、司乘人数及加油量等原因导致的车辆的自重变化。现有技术中的这种方式,难以获得准确地车辆自重,进而难以得到准确地货运情况。
发明内容
本申请的目的包括,例如,提供了一种高速公路车辆自重测算方法、装置、电子设备和可读存储介质,其能够得到准确的、符合实际情况的车辆平均自重。
本申请的实施例可以这样实现:
第一方面,本申请提供一种高速公路车辆自重测算方法,所述方法包括:
获取历史采集到的多个车辆信息中各所述车辆的车辆总重;
将多个车辆总重划分为多个重量区间,并获得各所述重量区间内对应的车辆数;
将所述多个重量区间划分为多个类区间,以使预设损失函数在划分得到的多个类区间下满足预设最小化要求;
获得划分得到的多个类区间中的目标类区间,根据所述目标类区间中包含的车辆总重测算得到多个车辆的车辆自重均值。
在可选的实施方式中,所述将所述多个重量区间划分为多个类区间,以使预设损失函数在划分得到的多个类区间下满足预设最小化要求的步骤,包括:
将所述多个重量区间划分为多个类区间,针对每个所述类区间,计算该类区间包含的重量区间中车辆数的均值向量;
根据所述类区间包含的各个重量区间中车辆数以及所述均值向量,计算得到所述类区间对应的区间直径;
计算以所述多个类区间的区间直径构建的预设损失函数在划分得到的多个类区间下的损失函数值,在所述损失函数值满足预设最小化要求时确定划分得到的多个类区间为最终的类区间,否则,重新对所述多个重量区间进行划分直至得到的损失函数值满足所述预设最小化要求为止。
在可选的实施方式中,所述将所述多个重量区间划分为多个类区间,以使预设损失函数在划分得到的多个类区间下满足预设最小化要求的步骤之后,所述方法还包括:
获得所述多个重量区间对应的多个车辆数的序列,获得所述序列中的突变点,所述突变点为用于将所述多个重量区间划分为多个类区间的分割点;
根据所述突变点前后的重量区间各自对应的车辆数,获得其中车辆数连续变化的、所属相同类别的重量区间的区间数,所述类别为处于所述突变点之前的重量区间,或处于所述突变点之后的重量区间;
根据所述区间数以及所述多个重量区间的总数计算得到校验统计量,根据所述校验统计量判定所述多个类区间的划分是否合理。
在可选的实施方式中,所述根据所述突变点前后的重量区间各自对应的车辆数,获得其中车辆数连续变化的、所属相同类别的重量区间的区间数的步骤,包括:
获得位于所述突变点之前的第一重量区间集,以及位于所述突变点之后的第二重量区间集;
将所述第一重量区间集和所述第二重量区间集中包含的重量区间按其车辆数进行排序;
对排序后的重量区间按其所属的类别进行标记,获得具有连续的、相同标记的重量区间的区间数。
在可选的实施方式中,所述获得划分得到的多个类区间中的目标类区间的步骤,包括:
筛选出划分得到的多个类区间中具有区间峰值的类区间;
获得筛选出的类区间中区间峰值最小的类区间,作为目标类区间。
在可选的实施方式中,所述根据所述目标类区间中包含的车辆总重测算得到多个车辆的车辆自重均值的步骤,包括:
获得所述目标类区间包含的重量区间,并获得各所述重量区间对应的车辆总重以及对应的车辆数;
利用各所述重量区间的车辆总重乘以车辆数得到计算结果,并将所述目标类区间包含的重量区间的所有计算结果进行累加,利用累加值除以所述目标类区间包含的车辆数的总值得到车辆自重均值。
在可选的实施方式中,所述获取历史采集到的多个车辆信息中各所述车辆的车辆总重的步骤,包括:
获取历史采集到的多个车辆信息,获得各所述车辆的车辆类型,以及各所述车辆所属的区域;
将所属区域相同以及车辆类型相同的车辆信息划分至同一组车辆信息;
针对每组车辆信息,获得该组车辆信息中各所述车辆的车辆总重。
第二方面,本申请提供一种高速公路车辆自重测算装置,所述装置包括:
获取模块,用于获取历史采集到的多个车辆信息中各所述车辆的车辆总重;
第一划分模块,用于将多个车辆总重划分为多个重量区间,并获得各所述重量区间内对应的车辆数;
第二划分模块,用于将所述多个重量区间划分为多个类区间,以使预设损失函数在划分得到的多个类区间下满足预设最小化要求;
测算模块,用于获得划分得到的多个类区间中的目标类区间,根据所述目标类区间中包含的车辆总重测算得到多个车辆的车辆自重均值。
第三方面,本申请提供一种电子设备,包括一个或多个存储介质和一个或多个与存储介质通信的处理器,一个或多个存储介质存储有处理器可执行的机器可执行指令,当电子设备运行时,处理器执行所述机器可执行指令,以执行前述实施方式中任意一项所述的高速公路车辆自重测算方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有机器可执行指令,所述机器可执行指令被执行时实现前述实施方式中任意一项所述的高速公路车辆自重测算方法。
本申请实施例的有益效果包括,例如:
本申请提供的高速公路车辆自重测算方法、装置、电子设备和可读存储介质,通过获取历史采集到的各个车辆的车辆总重,将车辆总重划分为多个重量区间,并获得各个重量区间内的车辆数,再将多个重量区间划分为多个类区间,使得预设损失函数在划分得到的多个类区间下满足预设最小化要求。然后从划分得到的多个类区间中获得目标类区间,根据目标类区间中包含的车辆总重测算得到多个车辆的车辆自重均值。本方案中,利用采集到的车辆总重,并采用有序聚类和最优分割的方法,分割出其中能够表征车辆处于空车状态下的目标类区间,进而基于该目标类区间的信息得到车辆自重均值。如此,基于实际采集到的信息测算得到车辆自重均值,符合实际情况下车辆状态,避免直接基于出厂信息得到车辆自重均值存在的与实际情况不符的问题。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的高速公路车辆自重测算方法的应用场景图;
图2为本申请实施例提供的高速公路车辆自重测算方法的流程图;
图3为本申请实施例提供的高速公路车辆自重测算方法中,对车辆信息的处理方法的流程图;
图4为本申请实施例提供的重量区间及车辆数的关系折线图;
图5为本申请实施例提供的高速公路车辆自重测算方法中,类区间划分方法的流程图;
图6为本申请实施例提供的高速公路车辆自重测算方法中,对类区间划分的校验方法的流程图;
图7为本申请实施例提供的高速公路车辆自重测算方法中,目标类区间获取方法的流程图;
图8为本申请实施例提供的高速公路车辆自重测算方法中,车辆自重均值计算方法的流程图;
图9为本申请实施例提供的高速公路车辆自重测算装置的功能模块框图;
图10为本申请实施例提供的电子设备的结构框图。
图标:110-服务端;120-网络;130-终端设备;140-数据库;200-高速公路车辆自重测算装置;210-获取模块;220-第一划分模块;230-第二划分模块;240-测算模块;310-处理器;320-存储器;330-总线。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中,需要说明的是,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本申请的实施例中的特征可以相互结合。
请参阅图1,为本申请实施例提供的高速公路车辆自重测算方法的应用场景示意图。该应用场景中可以包括网络120、服务端110、终端设备130、数据库140中的一种或多种。终端设备130可为多个,各个终端设备130与所述服务端110通信连接。在一些实施例中,服务端110可以包括处理器,处理器可以对终端设备130发送的信息进行分析处理,以执行本申请中描述的一个或多个功能。
在一些实施例中,终端设备130对应的设备类型可以是如计算机设备。例如,可以是设置于各个公路收费站处的设备。其中,服务端110可以是由多个服务器构成的服务器集群,也可以是单独的服务器。例如,可以是运输管理平台的后台服务器。
在一些实施例中,数据库140可以连接到网络120以与该应用场景中的一个或多个组件通信,例如上述的服务端110。服务端110可以经由网络120访问存储在数据库140中的数据或指令。在一些实施例中,数据库140也可以直接连接至服务端110,或者数据库140也可以是服务端110的一部分。
下面结合上述图1所示的应用场景中描述的内容,对本申请实施例提供的高速公路车辆自重测算方法进行详细说明。
参照图2所示,为本申请实施例提供的一种高速公路车辆自重测算方法的流程示意图,该方法可以由上述服务端110来执行。应当理解,在其它实施例中,本实施例所述的高速公路车辆自重测算方法其中部分步骤的顺序可以根据实际需要相互交换,或者其中的部分步骤也可以省略或删除。该高速公路车辆自重测算方法的详细步骤介绍如下。
步骤S110,获取历史采集到的多个车辆信息中各所述车辆的车辆总重。
步骤S120,将多个车辆总重划分为多个重量区间,并获得各所述重量区间内对应的车辆数。
步骤S130,将所述多个重量区间划分为多个类区间,以使预设损失函数在划分得到的多个类区间下满足预设最小化要求。
步骤S140,获得划分得到的多个类区间中的目标类区间,根据所述目标类区间中包含的车辆总重测算得到多个车辆的车辆自重均值。
本实施例中,设置在各个收费站处的终端设备130可以获得通过该收费站的车辆的车辆总重,例如,可以是工作人员手动输入至终端设备130,也可以是终端设备130与收费站处的称重设备连接,从而从称重设备处获取称重设备所采集的车辆的车辆总重。其中,通过收费站的车辆中,有些车辆是装载有货物的,有些车辆并未装载货物。所以,终端设备130所获取到的车辆总重,针对未装载货物的车辆而言,其实质为车辆的自重。但是,实际情况下,收费站工作人员并不会对每辆车进行检查,去查看对应车辆是否装载有货物,因此,终端设备130所获取的各个车辆总重并未标记有对应车辆是否装载货物的标识。
现有技术中在获得车辆的自重时是直接从数据库中提取车辆的出厂数据以作为自重值,这种方式并未考虑车辆在出厂之后存在的改装情况,以及在运行时驾驶员、加油等因素带来的空车重量的变化。此外,针对如牵引车这种车型,在数据库中仅仅记录有这种车辆的车头的重量,而该类车辆实际运行时还应包含拖挂部分的重量。这些问题在现有技术中均未进行考虑。
而本申请提供的技术方案,即是采用一定的策略对获得的车辆总重进行分析处理,从而得到其中实际上表征车辆未装载货物情况下的车辆总重,即车辆自重。
在本实施例中,获取历史采集到的多个车辆信息中各车辆的车辆总重,其中,可以是历史时段内采集到的车辆信息,历史时段可以是如历史一周内、历史十天内等不限。各个终端设备130采集各自的通过其对应的收费站的车辆的车辆信息,将采集到的车辆信息上传至服务端110。车辆信息中包含各个车辆的车辆总重。
此外,考虑到不同地区的车型结构不同,例如有些地区主要针对煤炭等进行运输,而有些地区主要是进行快递运输,这种差异带来了公路上车型的差异。因此,在本实施例中,为了能够避免这些差异导致的对测算结果的影响,请参阅图3,服务端110可通过以下方式基于获取的车辆信息进行相应处理。
步骤S111,获取历史采集到的多个车辆信息,获得各所述车辆的车辆类型,以及各所述车辆所属的区域。
步骤S112,将所属区域相同以及车辆类型相同的车辆信息划分至同一组车辆信息。
步骤S113,针对每组车辆信息,获得该组车辆信息中各所述车辆的车辆总重。
本实施例中,服务端110在从各个终端设备130获取车辆信息后,获得各个车辆的车辆类型,例如,可以以车辆的轴数的不同对车辆类型进行划分,并且,获得各车辆所属的区域,其中,可以以发送车辆的车辆信息的终端设备130所处的区域作为该车辆所属的区域。
在此基础上,将同一个区域的且车辆类型相同的车辆信息划分至同一组。如此,则可以针对不同区域、不同车辆类型分别进行统计分析,以避免由于不同区域由于货物类别不同导致数据差异较大,或者是车辆类型不同导致的数据标准不统一造成的分析结果不准确的问题。
本实施例中,在获得多个车辆总重后,为了便于统计分析,可将多个车辆总重划分为多个重量区间,例如,若得到的多个车辆总重处于重量10T到20T之间,可以1T为单位进行划分,例如可以划分为[10T,11T),[11T,12T)……[19T,20T]总共10个重量区间。当然,此处仅为举例说明,在实际应用中,可以以更小的单位进行划分从而提高数据的精确度。
本实施例中,在划分得到多个重量区间后,可以获得各个重量区间内的车辆数,也即车辆总重处于各个重量区间的车辆的车辆数。为了便于分析,可以将各个重量区间转换为节点,从而可以得到如图4中所示的以重量区间节点为横坐标、以对应节点的车辆数为纵坐标的折线图。由图4中所示可以看出,大部分车辆总重的不同区间的车辆数有两个大小不同的高峰,其中,第一段的高峰期数据有一个增加,但是幅度不大。在第二段高峰期数据增加迅速,并且达到很高的峰值。此外,在第一个高峰期前半部分,有很多数据基于为0,这部分数据对于计算没有实际意义。
本申请的目的就是需要从上述所划分得到的多个重量区间中筛选出其车辆总重实际上表征的是车辆自重的重量区间。本实施例中,以预设损失函数作为筛选的指标,可选地,可以将多个重量区间划分为多个类区间,若类区间划分合理,则划分的类区间应当能够使预设损失函数在划分得到的多个类区间下满足预设最小化要求。在划分得到多个类区间的基础上,对各个类区间的折线图内的折线图进行分析,从而确定出目标类区间,进而基于目标类区间内的车辆数及车辆总重,即可测算得到车辆自重均值。
本实施例中,基于收费站采集到各个车辆的车辆总重中有些实际上为车辆的自重的思路出发,从而基于实际采集到的车辆总重进行分析,通过有序聚类以及最优分割的方式,从而确定出其中实际表征车辆自重的区间,进而基于该区间内的信息测算得到车辆自重均值。测算得到的结果是符合实际道路运输情况的,避免现有技术中直接从数据库获取车辆出厂信息进而获得车辆自重所存在的不符合实际情况的缺陷。
请参阅图5,本实施例中,上述在基于预设损失函数将多个重量区间划分为多个类区间时,可以通过以下方式实现:
步骤S131,将所述多个重量区间划分为多个类区间,针对每个所述类区间,计算该类区间包含的重量区间中车辆数的均值向量。
步骤S132,根据所述类区间包含的各个重量区间中车辆数以及所述均值向量,计算得到所述类区间对应的区间直径。
步骤S133,计算以所述多个类区间的区间直径构建的预设损失函数在划分得到的多个类区间下的损失函数值,在所述损失函数值满足预设最小化要求时确定划分得到的多个类区间为最终的类区间,否则,重新对所述多个重量区间进行划分直至得到的损失函数值满足所述预设最小化要求为止。
本实施例中,首先初步地将多个重量区间划分为多个类区间,例如,由重量区间转换为对应的节点的有序样本可以表示为X(1),X(2),...,X(n),也即将获取的多个车辆总重划分为n个重量区间,每个重量区间中的车辆数样本可以表征为X(1),X(2),...,X(t),...,X(N),其中,0<t≤N,表征每个重量区间中的车辆数。
假设针对划分得到的某个类区间M,该类区间M包含的车辆数样本有{X(i),X(i+1),...,X(j)},j>i,其中,i表示类区间M是从第i个重量区间开始,到第j个重量区间结束,记为M={i,i+1,...,j}。计算该类区间包含的重量区间的车辆数的均值向量可以按以下公式计算:
在此基础上,再根据该类区间包含的各个重量区间中车辆数以及计算出的均值向量,按以下方式得到该类区间对应的区间直径D(i,j):
本实施例中,类区间的区间直径由该类区间中各重量区间的车辆数与均值向量之间的方差来表征。
在计算时难免会有误差,而真实值与计算值之间的误差即损失,损失越小则模型性能越佳,数据也就越精确,因此,本实施例中,构建的预设损失函数可以基于多个类区间的区间直径进行构建。
例如,利用b(n,k)表示将n个重量区间划分为k个类区间,则各个类区间包含的信息可表示如下:
M1={i1,i1+1,...,i2-1},
M2={i2,i2+1,...,i3-1},
......................
Mk={ik,ik+1,...,n},
其中,分割点为1=i1<i2<i3......<ik<n=ik+1-1(即ik+1=n+1),i1,i2...in分别表示某个类区间在何处进行划分。例如,i1表示第一个类区间在i1重量区间处划分,i2表示第二个类区间在i2重量区间处划分,以此类推,知道分为所需的k个类区间。
预设损失函数则可基于区间直径构建如下:
其中,D(it,it+1-1)表示第t个类区间的区间直径,也就是第t个类区间内其均值向量和其内部各重量区间的真实值的误差平方和。
实施时,预设损失函数L[b(n,k)]的函数值越小表示总的类区间的离差平方和越小,分类是合理的。因此,本实施例的目的即是要得到一个划分结果可以使预设损失函数L[b(n,k)]满足预设最小化要求,所谓的满足预设最小化要求可以是低于设定的预设值,也可以是通过多次划分后比较得到的最小函数值,具体不作限制。
本实施例中,在划分多个类区间后,即可按照上述的计算方式依次计算均值向量、区间直径以及损失函数值,如果计算得到的损失函数值满足预设最小化要求,则表明该次类区间的划分是符合要求的。否则,则可以重新进行类区间的划分再进行计算,直至对应得到的损失函数值满足预设最小化要求为止。
本实施例中,进行类区间的划分过程实质上就是确定类区间的数量以及类区间的分割点的过程。要得到类区间的最优分割点,首先需要在各个类区间的峰值之间限定一个范围,在该范围中选取最优分割点。例如,以划分得到两个类区间为例,则在两个峰值之间确定一个范围n1和n2,即表征分割点在第n1和n2范围内确定。又如,若划分得到三个类区间,则在三个峰值中相邻两个峰值之间确定一个范围,如n1和n2之间,n2和n3之间,在该两个范围内进行分割点确定。
在确定分割点时,可以根据以下的求解最优的最小化条件来执行:
其中,上述第一个公式表征将重量区间划分为两个类区间时,需要找到一个分割点使得该两个类区间的区间直径,即均值向量和真实值之间的离差平方和达到最小,此点即为最优分割点。上述第二个公式表征,将重量区间划分为k个类区间时,先进行两个类区间的最优划分,在满足两个类区间最优的基础上,再在划分的两个类区间的基础上继续划分得到三个类区间。在得到的三个类区间满足最优条件的基础上,进行后续的类区间的划分,直至划分得到k个类区间为止。
本实施例中,以划分两个类区间为例,即在两个类区间的峰值之间限定一定范围n1和n2,使得损失函数达到最小。
首先随机找到分割点i(即第i个重量区间,且n1<i<n2),计算损失函数:
其中,D(i1,i2-1)表示第一个类区间的区间直径,表示第一个类区间的均值向量,同理,D(i2,i3-1)表示第二个类区间的区间直径,表示第二个类区间的均值向量。经过上述计算,若得到的损失函数值满足最小化要求,则可确定分割点i为最优分割点。
本实施例中,在上述将多个重量区间划分为可使预设损失函数满足预设最小化要求的多个类区间后,为了进一步地检验划分的合理性,还可对划分结果进行校验。请参阅图6,在本实施例中,可通过以下方式进行校验。
步骤S210,获得所述多个重量区间对应的多个车辆数的序列,获得所述序列中的突变点。所述突变点为用于将所述多个重量区间划分为多个类区间的分割点。
步骤S220,根据所述突变点前后的重量区间各自对应的车辆数,获得其中车辆数连续变化的、所属相同类别的重量区间的区间数,所述类别为处于所述突变点之前的重量区间,或处于所述突变点之后的重量区间。
步骤S230,根据所述区间数以及所述多个重量区间的总数计算得到校验统计量,根据所述校验统计量判定所述多个类区间的划分是否合理。
本实施例中,将多个重量区间表示为X(1),X(2),...,X(τ),X(τ+1),...,X(n),对应的多个车辆数的序列表示为X(1),X(2),...,X(τ),X(τ+1),...,X(n),获得其中的突变点,即上述的分割点,例如该序列中的点X(τ)。突变点前后分别具有p个值和q个值,即分别有p个重量区间和q个重量区间,其中,n=p+q。
实施时,可以获得位于突变点之前的第一重量区间集,以及位于突变点之后的第二重量区间集,其中,第一重量区间集即为上述的包含p个重量区间的集合,第二重量区间集为上述包含q个重量区间的集合。第一重量区间集和第二重量区间集的分布函数分别为F1(X)和F2(X)。假设F1(X)=F2(X),即突变点前后的两个部分来自同一个总体。
获得第一重量区间集和第二重量区间集中各个重量区间对应的车辆数,然后,将第一重量区间集和第二重量区间集中包含的重量区间按其车辆数进行排序。例如,可按车辆数从小到大的顺序对多个重量区间进行集中排序。
对排序后的重量区间按其所属的类别进行标记,其中,类别包括位于突变点之前的重量区间或者是位于突变点之后的重量区间,也即是属于第一重量区间集还是第二重量区间集。例如,在排序并标记之后,可以表征为1A,2A,3B,...。其中,1、2、3……表示排序后的重量区间的序号,A、B分别表示重量区间所属第一重量区间集或第二重量区间集。
在此基础上,获得其中连续的、相同标记的重量区间的区间数。例如,若某个范围内重量区间的标记均相同,并且该范围内包含的重量区间的个数相较其他的具有连续相同标记的范围内的重量区间的个数是最大的,则可以获得该范围内的重量区间的区间数,可记为y。
实施时,p和q的数值一般较大,例如,当p和q的数值均大于20时,则y值应趋于正太分布,如下所示:
再根据上述得到的区间数以及多个重量区间的总数按如下公式计算得到校验统计量:
本实施例中,可预设一显著性水平α,检测得到的校验值和显著性水平α之间的关系是否满足如下关系:
|u|≥u1-α/2
若满足上述关系,则可认为上述得到的车辆数连续变化、所属相同类别的重量区间并非全部所属相同类别,即拒绝上述的假设,可认定其中的重量区间来自不同的正态总体,即上述得到的分割点是合理的。否则,可接收上述的假设,认定突变点前后的两部分来自同一整体,即分割点的选取是不合理的。
本实施例中,通过以上方式完成类区间的划分、分割点的确定,以及校验分割点划分合理之后,则可以准确地将多个重量区间划分为多个类区间。
其中,统计得到的重量区间中存在一些车辆数占比过低的重量区间,这些重量区间所表征的车辆总重存在异常,为避免这些数据对最后结果造成影响,因此,可将这些重量区间剔除。例如,图4中位于横坐标最左端和最右端的重量区间所转换得到的重量节点,可进行删除。
请参阅图7,在此基础上,在从中多个类区间中确定出目标类区间时,可以通过以下方式实现:
步骤S141,筛选出划分得到的多个类区间中具有区间峰值的类区间。
步骤S142,获得筛选出的类区间中区间峰值最小的类区间,作为目标类区间。
虽然不同区域、不同车辆类型的统计数据会有差别,但是总体趋势是不变的。例如,如图4中所示,其中,基于车辆数统计得到的折线图中一般会有两个比较明显的高峰,一个小高峰和一个大高峰,而其中小高峰所在的范围内的重量区间可表征车辆在空载情况下的重量情况。
因此,本实施例中,可筛选出多个类区间中具有区间峰值的类区间,例如,图4中具有小高峰和大高峰的类区间。然后比较筛选出的类区间中的峰值,将峰值最小的类区间,确定为目标类区间。
在获得目标类区间基础上,请参阅图8,再通过以下方式计算得到车辆自重均值:
步骤S143,获得所述目标类区间包含的重量区间,并获得各所述重量区间对应的车辆总重以及对应的车辆数;
步骤S144,利用各所述重量区间的车辆总重乘以车辆数得到计算结果,并将所述目标类区间包含的重量区间的所有计算结果进行累加,利用累加值除以所述目标类区间包含的车辆数的总值得到车辆自重均值。
本实施例中,获得目标类区间包含的重量区间,也即图4中所示的包含有小高峰的一个类区间中的横坐标,并获得与各个横坐标对应的纵坐标,即各个重量区间的车辆数。利用各个重量区间表征的车辆总重乘以对应的车辆数,即可得到重量区间内所有的车辆的车辆总值的总值。再将目标类区间中所有重量区间的总值进行累加,则可以得到目标类区间中包含的所有车辆的车辆总重的总值。在此基础上,除以目标类区间中包含的所有车辆的车辆数,则可以得到目标类区间中车辆的车辆自重均值。
本实施例中,通过有序聚类及最优分割法的方式,利用实际采集到的车辆总值和车辆数作为样本,从中找到车辆实际上处于空载情况下的区间,从而得到车辆的车辆自重均值。并且,还考虑了所属不同区域、不同车辆类型的车辆的分别统计分析,降低因不同区域、不同车辆构成的差异而导致的误差。
并且,该实现方法,不涉及到相关设备的更新配置,仅需通过后台服务器并设置处理机制即可实现,节约了设备安装有关的成本。改善了现有技术中求取车辆平均自重误差大的问题,能够提高数据质量和相关指标的准确性。
基于同一申请构思,本申请实施例中还提供了与高速公路车辆自重测算方法对应的高速公路车辆自重测算装置200,请参阅图9,由于本申请实施例中的装置解决问题的原理与本申请实施例上述高速公路车辆自重测算方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
请参阅图9,为本申请提供的一种高速公路车辆自重测算装置200的示意图,所述装置包括:获取模块210、第一划分模块220、第二划分模块230和测算模块240。
获取模块210,用于获取历史采集到的多个车辆信息中各所述车辆的车辆总重;
可以理解,该获取模块210可以用于执行上述步骤S110,关于该获取模块210的详细实现方式可以参照上述对步骤S110有关的内容。
第一划分模块220,用于将多个车辆总重划分为多个重量区间,并获得各所述重量区间内对应的车辆数;
可以理解,该第一划分模块220可以用于执行上述步骤S120,关于该第一划分模块220的详细实现方式可以参照上述对步骤S120有关的内容。
第二划分模块230,用于将所述多个重量区间划分为多个类区间,以使预设损失函数在划分得到的多个类区间下满足预设最小化要求;
可以理解,该第二划分模块230可以用于执行上述步骤S130,关于该第二划分模块230的详细实现方式可以参照上述对步骤S130有关的内容。
测算模块240,用于获得划分得到的多个类区间中的目标类区间,根据所述目标类区间中包含的车辆总重测算得到多个车辆的车辆自重均值。
可以理解,该测算模块240可以用于执行上述步骤140,关于该测算模块240的详细实现方式可以参照上述对步骤S140有关的内容。
在一种可能的实现方式中,上述第二划分模块230可以通过以下方式进行类区间的划分:
将所述多个重量区间划分为多个类区间,针对每个所述类区间,计算该类区间包含的重量区间中车辆数的均值向量;
根据所述类区间包含的各个重量区间中车辆数以及所述均值向量,计算得到所述类区间对应的区间直径;
计算以所述多个类区间的区间直径构建的预设损失函数在划分得到的多个类区间下的损失函数值,在所述损失函数值满足预设最小化要求时确定划分得到的多个类区间为最终的类区间,否则,重新对所述多个重量区间进行划分直至得到的损失函数值满足所述预设最小化要求为止。
在一种可能的实现方式中,上述高速公路车辆自重测算装置200还包括校验模块,该校验模块用于:
获得所述多个重量区间对应的多个车辆数的序列,获得所述序列中的突变点;
根据所述突变点前后的重量区间各自对应的车辆数,获得其中车辆数连续变化的、所属相同类别的重量区间的区间数,所述类别为处于所述突变点之前的重量区间,或处于所述突变点之后的重量区间;
根据所述区间数以及所述多个重量区间的总数计算得到校验统计量,根据所述校验统计量判定所述多个类区间的划分是否合理。
在一种可能的实现方式中,上述校验模块用于通过以下方式获得所述区间数:
获得位于所述突变点之前的第一重量区间集,以及位于所述突变点之后的第二重量区间集;
将所述第一重量区间集和所述第二重量区间集中包含的重量区间按其车辆数进行排序;
对排序后的重量区间按其所属的类别进行标记,获得具有连续的、相同标记的重量区间的区间数。
在一种可能的实现方式中,上述测算模块240用于通过以下方式获得目标类区间:
筛选出划分得到的多个类区间中具有区间峰值的类区间;
获得筛选出的类区间中区间峰值最小的类区间,作为目标类区间。
在一种可能的实现方式中,上述测算模块240用于通过以下方式测算得到车辆自重均值:
获得所述目标类区间包含的重量区间,并获得各所述重量区间对应的车辆总重以及对应的车辆数;
利用各所述重量区间的车辆总重乘以车辆数得到计算结果,并将所述目标类区间包含的重量区间的所有计算结果进行累加,利用累加值除以所述目标类区间包含的车辆数的总值得到车辆自重均值。
在一种可能的实现方式中,上述获取模块210可以通过以下方式进行信息获取并处理:
获取历史采集到的多个车辆信息,获得各所述车辆的车辆类型,以及各所述车辆所属的区域;
将所属区域相同以及车辆类型相同的车辆信息划分至同一组车辆信息;
针对每组车辆信息,获得该组车辆信息中各所述车辆的车辆总重。
请参阅图10,本申请实施例还提供了一种电子设备,该电子设备可为上述的服务端110。该电子设备包括:处理器310、存储器320和总线330。所述存储器320存储有所述处理器310可执行的机器可读指令,当电子设备运行时,所述处理器310与所述存储器320之间通过总线330通信,所述机器可读指令被所述处理器310执行时执行如下处理:
一种可能的实施方式中,处理器310执行的指令中,包括如下过程:
获取历史采集到的多个车辆信息中各所述车辆的车辆总重;
将多个车辆总重划分为多个重量区间,并获得各所述重量区间内对应的车辆数;
将所述多个重量区间划分为多个类区间,以使预设损失函数在划分得到的多个类区间下满足预设最小化要求;
获得划分得到的多个类区间中的目标类区间,根据所述目标类区间中包含的车辆总重测算得到多个车辆的车辆自重均值。
关于电子设备运行时,处理器310执行的指令中所涉及的过程,可以参照上述方法实施例中的相关说明,这里不再详述。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器310运行时执行上述高速公路车辆自重测算方法的步骤。
综上所述,本申请提供的高速公路车辆自重测算方法、装置、电子设备和可读存储介质,通过获取历史采集到的各个车辆的车辆总重,将车辆总重划分为多个重量区间,并获得各个重量区间内的车辆数,再将多个重量区间划分为多个类区间,使得预设损失函数在划分得到的多个类区间下满足预设最小化要求。然后从划分得到的多个类区间中获得目标类区间,根据目标类区间中包含的车辆总重测算得到多个车辆的车辆自重均值。本方案中,利用采集到的车辆总重,并采用有序聚类和最优分割的方法,分割出其中能够表征车辆处于空车状态下的目标类区间,进而基于该目标类区间的信息得到车辆自重均值。如此,基于实际采集到的信息测算得到车辆自重均值,符合实际情况下车辆状态,避免直接基于出厂信息得到车辆自重均值存在的与实际情况不符的问题。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种高速公路车辆自重测算方法,其特征在于,所述方法包括:
获取历史采集到的多个车辆信息中各所述车辆的车辆总重;
将多个车辆总重划分为多个重量区间,并获得各所述重量区间内对应的车辆数;
将所述多个重量区间划分为多个类区间,以使预设损失函数在划分得到的多个类区间下满足预设最小化要求;
获得划分得到的多个类区间中的目标类区间,根据所述目标类区间中包含的车辆总重测算得到多个车辆的车辆自重均值。
2.根据权利要求1所述的高速公路车辆自重测算方法,其特征在于,所述将所述多个重量区间划分为多个类区间,以使预设损失函数在划分得到的多个类区间下满足预设最小化要求的步骤,包括:
将所述多个重量区间划分为多个类区间,针对每个所述类区间,计算该类区间包含的重量区间中车辆数的均值向量;
根据所述类区间包含的各个重量区间中车辆数以及所述均值向量,计算得到所述类区间对应的区间直径;
计算以所述多个类区间的区间直径构建的预设损失函数在划分得到的多个类区间下的损失函数值,在所述损失函数值满足预设最小化要求时确定划分得到的多个类区间为最终的类区间,否则,重新对所述多个重量区间进行划分直至得到的损失函数值满足所述预设最小化要求为止。
3.根据权利要求1所述的高速公路车辆自重测算方法,其特征在于,所述将所述多个重量区间划分为多个类区间,以使预设损失函数在划分得到的多个类区间下满足预设最小化要求的步骤之后,所述方法还包括:
获得所述多个重量区间对应的多个车辆数的序列,获得所述序列中的突变点,所述突变点为用于将所述多个重量区间划分为多个类区间的分割点;
根据所述突变点前后的重量区间各自对应的车辆数,获得其中车辆数连续变化的、所属相同类别的重量区间的区间数,所述类别为处于所述突变点之前的重量区间,或处于所述突变点之后的重量区间;
根据所述区间数以及所述多个重量区间的总数计算得到校验统计量,根据所述校验统计量判定所述多个类区间的划分是否合理。
4.根据权利要求3所述的高速公路车辆自重测算方法,其特征在于,所述根据所述突变点前后的重量区间各自对应的车辆数,获得其中车辆数连续变化的、所属相同类别的重量区间的区间数的步骤,包括:
获得位于所述突变点之前的第一重量区间集,以及位于所述突变点之后的第二重量区间集;
将所述第一重量区间集和所述第二重量区间集中包含的重量区间按其车辆数进行排序;
对排序后的重量区间按其所属的类别进行标记,获得具有连续的、相同标记的重量区间的区间数。
5.根据权利要求1所述的高速公路车辆自重测算方法,其特征在于,所述获得划分得到的多个类区间中的目标类区间的步骤,包括:
筛选出划分得到的多个类区间中具有区间峰值的类区间;
获得筛选出的类区间中区间峰值最小的类区间,作为目标类区间。
6.根据权利要求1所述的高速公路车辆自重测算方法,其特征在于,所述根据所述目标类区间中包含的车辆总重测算得到多个车辆的车辆自重均值的步骤,包括:
获得所述目标类区间包含的重量区间,并获得各所述重量区间对应的车辆总重以及对应的车辆数;
利用各所述重量区间的车辆总重乘以车辆数得到计算结果,并将所述目标类区间包含的重量区间的所有计算结果进行累加,利用累加值除以所述目标类区间包含的车辆数的总值得到车辆自重均值。
7.根据权利要求1所述的高速公路车辆自重测算方法,其特征在于,所述获取历史采集到的多个车辆信息中各所述车辆的车辆总重的步骤,包括:
获取历史采集到的多个车辆信息,获得各所述车辆的车辆类型,以及各所述车辆所属的区域;
将所属区域相同以及车辆类型相同的车辆信息划分至同一组车辆信息;
针对每组车辆信息,获得该组车辆信息中各所述车辆的车辆总重。
8.一种高速公路车辆自重测算装置,其特征在于,所述装置包括:
获取模块,用于获取历史采集到的多个车辆信息中各所述车辆的车辆总重;
第一划分模块,用于将多个车辆总重划分为多个重量区间,并获得各所述重量区间内对应的车辆数;
第二划分模块,用于将所述多个重量区间划分为多个类区间,以使预设损失函数在划分得到的多个类区间下满足预设最小化要求;
测算模块,用于获得划分得到的多个类区间中的目标类区间,根据所述目标类区间中包含的车辆总重测算得到多个车辆的车辆自重均值。
9.一种电子设备,其特征在于,包括一个或多个存储介质和一个或多个与存储介质通信的处理器,一个或多个存储介质存储有处理器可执行的机器可执行指令,当电子设备运行时,处理器执行所述机器可执行指令,以执行权利要求1-7中任意一项所述的高速公路车辆自重测算方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有机器可执行指令,所述机器可执行指令被执行时实现权利要求1-7中任意一项所述的高速公路车辆自重测算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011293526.5A CN112396711B (zh) | 2020-11-18 | 2020-11-18 | 高速公路车辆自重测算方法、装置、电子设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011293526.5A CN112396711B (zh) | 2020-11-18 | 2020-11-18 | 高速公路车辆自重测算方法、装置、电子设备和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112396711A true CN112396711A (zh) | 2021-02-23 |
CN112396711B CN112396711B (zh) | 2021-06-08 |
Family
ID=74607375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011293526.5A Active CN112396711B (zh) | 2020-11-18 | 2020-11-18 | 高速公路车辆自重测算方法、装置、电子设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112396711B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102809413A (zh) * | 2012-08-06 | 2012-12-05 | 北京万集科技股份有限公司 | 一种车辆动态称重作弊检测方法及装置 |
CN106845006A (zh) * | 2017-02-15 | 2017-06-13 | 中车株洲电力机车有限公司 | 基于多目标优化的轨道车辆重量重心设计优化方法及系统 |
CN110044451A (zh) * | 2019-04-30 | 2019-07-23 | 湖南行必达网联科技有限公司 | 车辆负载的称重方法、装置及电子设备 |
CN110728772A (zh) * | 2019-10-15 | 2020-01-24 | 西南交通大学 | 一种有轨电车典型行驶工况构建方法 |
CN111504436A (zh) * | 2020-04-17 | 2020-08-07 | 清华大学 | 基于车辆振动数据的车辆载荷及道路路况监测方法及装置 |
CN111583440A (zh) * | 2019-02-19 | 2020-08-25 | 陕西汽车集团有限责任公司 | 一种电动汽车里程动态预估方法 |
US10814815B1 (en) * | 2019-06-11 | 2020-10-27 | Tangerine Innovation Holding Inc. | System for determining occurrence of an automobile accident and characterizing the accident |
-
2020
- 2020-11-18 CN CN202011293526.5A patent/CN112396711B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102809413A (zh) * | 2012-08-06 | 2012-12-05 | 北京万集科技股份有限公司 | 一种车辆动态称重作弊检测方法及装置 |
CN106845006A (zh) * | 2017-02-15 | 2017-06-13 | 中车株洲电力机车有限公司 | 基于多目标优化的轨道车辆重量重心设计优化方法及系统 |
CN111583440A (zh) * | 2019-02-19 | 2020-08-25 | 陕西汽车集团有限责任公司 | 一种电动汽车里程动态预估方法 |
CN110044451A (zh) * | 2019-04-30 | 2019-07-23 | 湖南行必达网联科技有限公司 | 车辆负载的称重方法、装置及电子设备 |
US10814815B1 (en) * | 2019-06-11 | 2020-10-27 | Tangerine Innovation Holding Inc. | System for determining occurrence of an automobile accident and characterizing the accident |
CN110728772A (zh) * | 2019-10-15 | 2020-01-24 | 西南交通大学 | 一种有轨电车典型行驶工况构建方法 |
CN111504436A (zh) * | 2020-04-17 | 2020-08-07 | 清华大学 | 基于车辆振动数据的车辆载荷及道路路况监测方法及装置 |
Non-Patent Citations (4)
Title |
---|
H. LI, G. ZHAO, L. QIN AND Y. YANG: "Design and Optimization of a Hybrid Sensor Network for Traffic Information Acquisition", 《IEEE SENSORS JOURNAL》 * |
JIANDONG CAO: "Research on Urban Intelligent Traffic Monitoring System Based on Video Image Processing", 《INTERNATIONAL JOURNAL OF SIGNAL PROCESSING, IMAGE PROCESSING AND PATTERN RECOGNITION》 * |
陈谊, 李潇潇, 蔡进峰,等: "基于类区间的多维数据可视化方法", 《系统仿真学报》 * |
马兴安: "基于深度学习的车辆精细分类与重识别", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112396711B (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110399364B (zh) | 一种基于多种公路检测器数据的数据融合方法 | |
CN105793678A (zh) | 车辆过载管理系统 | |
CN116245367A (zh) | 基于层次模糊神经网络的危货车运输风险评估方法及系统 | |
CN112396711B (zh) | 高速公路车辆自重测算方法、装置、电子设备和可读存储介质 | |
CN113223294B (zh) | 基于社会车辆大数据的高速公路汽车衡期间核查方法 | |
CN114414023A (zh) | 传感器异常诊断方法及装置、存储介质 | |
CN102709207B (zh) | 质量评估设备、方法和使计算机执行质量评估方法的程序 | |
Yeow et al. | Comparing commercial vehicle fuel consumption models using real-world data under calibration constraints | |
CN113886374A (zh) | 一种基于gps数据和车辆运单计算车辆载货里程的方法 | |
CN111341096B (zh) | 一种基于gps数据的公交运行状态评估方法 | |
CN116092296B (zh) | 交通状态评估方法、装置、电子设备及存储介质 | |
CN111813674A (zh) | 分单业务的压测方法、装置、电子设备及存储介质 | |
CN111612372A (zh) | 一种基于运营状况的商用车违约风险预警方法 | |
CN112419721B (zh) | 高速公路车辆运输关键指标计算方法、装置和电子设备 | |
CN114419894B (zh) | 一种路内停车泊位设置与使用监测的方法与系统 | |
CN111832834B (zh) | 一种机场道面使用性能预测方法、装置和电子设备 | |
CN114648310A (zh) | 供应商的行为数据分析方法、系统及装置 | |
CN110956808B (zh) | 一种基于非全样定位数据的重型货车交通流量预测方法 | |
CN112991134B (zh) | 行车路径还原测算方法、装置和电子设备 | |
CN114418467B (zh) | 一种机场巴士运行质量的确定方法、装置及存储介质 | |
CN117824808A (zh) | 检测设备的状态检测方法和装置、存储介质及电子设备 | |
CN117576919B (zh) | 车辆超载识别系统、方法及电子设备 | |
CN117093829B (zh) | 一种基于车载诊断数据的劣质油品加油点识别方法和系统 | |
CN117053826A (zh) | 一种车辆行驶里程计算方法、装置、存储介质及电子设备 | |
Jin et al. | Inspection Strategy Design of Toll-Free Logistics Vehicle in China Freeway: Case Study in Shaanxi Province |
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 |