CN112945163A - 一种基于蚁群算法的货物位置偏移检测方法 - Google Patents
一种基于蚁群算法的货物位置偏移检测方法 Download PDFInfo
- Publication number
- CN112945163A CN112945163A CN202110104983.3A CN202110104983A CN112945163A CN 112945163 A CN112945163 A CN 112945163A CN 202110104983 A CN202110104983 A CN 202110104983A CN 112945163 A CN112945163 A CN 112945163A
- Authority
- CN
- China
- Prior art keywords
- path
- ant colony
- colony algorithm
- optimal path
- position deviation
- 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
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于蚁群算法的货物位置偏移检测方法,包括以下步骤:货车行驶前,在货车车厢中放置货物及检测设备;进行初始路径检测并获取标准路径;货车行驶,定时进行路径检测并获取当前的全局最优路径;设定比较阈值,将当前的全局最优路径与标准路径比较;记录比较结果并判断是否告警。上述技术方案通过蚁群算法,利用栅格法对车厢环境进行建模,存在一条最优路径,当货物在运输过程中发生左右的移动后,其路径构成会发生变换,最优路径也会发生变化,当最优路径变化超过一定阈值后进行告警,从而实现运输过程中货物移动的监测。
Description
技术领域
本发明涉及货物位置识别技术领域,尤其涉及一种基于蚁群算法的货物位置偏移检测方法。
背景技术
公路运输是交通运输系统的主要组成部分,主要承担中短程陆地货物运输,采用的运输工具主要是汽车。和铁路、水路运输相比,公路运输的优点在于路网密度更大,分布面广,公路运输车辆可以“无处不到、无时不有”,在时间方面机动性也比较大,车辆可随时调度、装运、各环节之间的衔接时间较短。
有资料显示,货物运输服务质量的高低一方面在于货运车辆的到达及时率,在途信息通畅也是体现服务质量,提升服务体验的重要手段;另一方面,货物在途安全性、降低运输破损率也是提升服务质量的重要方面。
对于运输汽车、大型装饰品等不规则的大型货物时,无法实现货物之间紧密堆放,仅靠固定带实现大型货物的固定存在安全隐患,而在货物运输在途处于信息空窗期,货物受道路运输振动而发生货损情况难以实时掌握和跟踪追溯,因此针对此类情形下的货物位置偏移检测显得非常重要。
中国专利文献CN105043326B公开了一种“城际高速公路运输货物位移实时检测装置”。采用了直线位移传感器检测货物相对位移,由一个检测托架和若干个受测托架组成,每个物流托盘中间货垛安装检测托架,其他货垛一一对应分别安装受测托架,每次启运之前,物流托盘上每个货垛位移传感器安装完毕,先采集一次位移数据,作为各货垛之间初始位移值;在运输途中,定期检测货垛之间位移值,作为在途运输货物受振指标。上述技术方案需要专属托架进行数据采集实现货物位移检测,成本高,且安装回收不便。
发明内容
本发明主要解决原有的技术方案技术需要专属工具,成本高,且安装回收不便的问题,提供一种基于蚁群算法的货物位置偏移检测方法,通过蚁群算法,以车内的货物作为障碍物,货物之间的空隙为路径,以多条路径构建车内货物的位置模型,存在一条最优路径,当货物在运输过程中发生左右的移动后,其路径构成会发生变换,最优路径也会发生变化,当最优路径变化超过一定阈值后进行告警,从而实现运输过程中货物移动的监测。
本发明的上述技术问题主要是通过下述技术方案得以解决的:本发明包括以下步骤:
(1)货车行驶前,在货车车厢中放置货物及检测设备;
(2)进行初始路径检测并获取标准路径;
(3)货车行驶,定时进行路径检测并获取当前的全局最优路径;
(4)设定比较阈值,将当前的全局最优路径与标准路径比较;
(5)记录比较结果并判断是否告警。
作为优选,所述的步骤检测设备包括超声换能器、信号处理模块、数据处理模块、告警模块和通信模块,所述超声换能器分别安装车厢左右两侧中心位置,所述通信模块与监控管理云平台无线连接。
作为优选,所述的步骤2具体包括:
(2.1)利用超声换能器采集车厢内数据;
(2.2)通过信号处理模块构建车厢内部成像图;
(2.3)利用栅格法对车厢环境进行建模;
(2.4)初始化蚁群算法基本参数,并使蚁群初始化在起始节点处;
(2.5)每只蚂蚁根据转移概率选择下一节点直到满足结束条件;
(2.6)记录所有数字蚂蚁遍历的行进路径An并选出最优路径;
(2.7)调整并迭代直到最大迭代次数,得到全局最优路径A0。
作为优选,所述的步骤2.3建模包括设置起始节点、目标节点和障碍物栅格。
作为优选,所述的步骤2.5中的结束条件包括数字蚂蚁到达目标节点时和数字蚂蚁无路可走时。将无路可走的数字蚂蚁的行进路径剔除,减小计算量,提高效率。
作为优选,所述的步骤2.6中选取最优路径时应用拐点较少原则。每轮迭代完成后,计算当次迭代所产生的最优路径中的拐点个数,比较当次迭代所产生的最优路径长度与现有最优路径长度,如果相同,则选择拐点较少的路径;如果不同,则选择路径长度较短的路径。
作为优选,所述的步骤2.7中调整具体包括对当次迭代的所有可行路径应用预先排序规则,选取出较优路径,对较优路径上的信息素挥发系数进行自适应调整。
作为优选,所述的步骤2中的标准路径为初始迭代的最优路径A0。将货车行驶前车厢内标准的货物安放状态作为标准,获得的初始迭代的最优路径A0视为标准路径。
作为优选,所述的步骤3根据货车运输时间设定间隔时间,按照间隔时间定时进行路径检测,从而获取最优路径B0、C0、D0……。记录每次路径检测的结果并分析,统计位移频繁出现的位置及原因,实现车厢货物放置优化。
作为优选,所述的步骤5记录当前迭代的最优路径与标准路径的比较结果,若路径重合度小于等于90%,则判定货物位置产生明显偏移,进行告警。
本发明的有益效果是:通过蚁群算法,以车内的货物作为障碍物,货物之间的空隙为路径,以多条路径构建车内货物的位置模型,存在一条最优路径,当货物在运输过程中发生左右的移动后,其路径构成会发生变换,最优路径也会发生变化,当最优路径变化超过一定阈值后进行告警,从而实现运输过程中货物移动的监测。
附图说明
图1是本发明的一种流程图。
图2是本发明的一种原理连接结构图。
图3是本发明的一种俯视图。
图中1超声换能器,2信号处理模块,3数据处理模块,4告警模块,5通信模块,6监控管理云平台。
具体实施方式
下面通过实施例,对本发明的技术方案作进一步具体的说明。
实施例:本实施例的一种基于蚁群算法的货物位置偏移检测方法,包括以下步骤:
(1)货车行驶前,在货车车厢中放置货物及检测设备。检测设备包括超声换能器1、信号处理模块2、数据处理模块3、告警模块4和通信模块5,所述超声换能器1分别安装车厢左右两侧中心位置,所述通信模块5与监控管理云平台6无线连接。用户能够通过手机或PC端登录监控管理云平台进行运输过程监测,并统计运输过程中的故障从而实现对运输过程的优化。
(2)进行初始路径检测并获取标准路径,具体包括:
(2.1)利用超声换能器发射超声波并进行声电转换采集车厢内数据;
(2.2)通过信号处理模块构建车厢内部成像图;
(2.3)利用栅格法对车厢环境进行建模。栅格法是地图建模的一种方法,栅格法实质上是将车厢的工作环境进行单元分割,将其用大小相等的方块表示出来。建立的模型中标记起始节点、目标节点和障碍物栅格。在货物装厢完成后,在车厢内部靠近车头方向的一角设置目标节点,在目标节点的对角位置设置起始节点,以车内的货物作为障碍物,货物之间的空隙为路径,在每条路径的交汇处设置节点。
(2.4)采用蚁群算法对已经建立的车厢模型模拟路径运算,初始化蚁群算法基本参数,并使蚁群初始化在起始节点处;
(2.5)每只蚂蚁根据转移概率选择下一节点直到满足结束条件,数据处理模块从起始节点模拟蚂蚁开始遍历,直到满足结束条件。模拟的蚂蚁会在初始节点处自由选择未经过的下一节点,不断前进,直到到达在目标节点或者无法继续前进后停止移动。
(2.6)记录所有数字蚂蚁遍历的行进路径An并选出最优路径。记录所有到达目标节点的数字蚂蚁的行进路径An,将因为无法前进后停止移动的行进路程剔除。
(2.7)调整并迭代直到最大迭代次数,得到全局最优路径A0。一次迭代后对当次迭代的所有可行路径应用预先排序规则,选取出较优路径,对较优路径上的信息素挥发系数进行自适应调整,继续进行迭代。计算各轮迭代的最优路径长度,得到全局最优路径A0。将全局最优路径A0视为标准路径。将货车行驶前车厢内标准的货物安放状态作为标准,则获得的初始迭代的最优路径A0视为标准路径。比较当次迭代所产生的最优路径长度与现有最优路径长度,如果相同,则选择拐点较少的路径;如果不同,则选择路径长度较短的路径。
(3)货车行驶,定时进行路径检测并获取当前的全局最优路径,具体包括:
(3.1)利用超声换能器发射超声波并进行声电转换采集车厢内数据。
(3.2)通过信号处理模块构建新的车厢内部成像图。
(3.3)利用栅格法对新的车厢环境进行建模,在车厢内部靠近车头方向的一角设置目标节点,在目标节点的对角位置设置起始节点,以车内的货物作为障碍物,货物之间的空隙为路径,在每条路径的交汇处设置节点,对于路径宽度小于一定数值时,判定为此路不通。
(3.4)采用蚁群算法对已经建立的车厢模型模拟路径运算,初始化蚁群算法基本参数,并使蚁群初始化在起始节点处;
(3.5)每只蚂蚁根据转移概率选择下一节点直到满足结束条件,数据处理模块从起始节点模拟蚂蚁开始遍历,直到满足结束条件。模拟的蚂蚁会在初始节点处自由选择未经过的下一节点,不断前进,直到到达在目标节点或者无法继续前进后停止移动。
(3.6)记录所有数字蚂蚁的行进路径Bn,n=1,2,3……,Cn,n=1,2,3……,Dn,n=1,2,3……,记录所有到达目标节点的数字蚂蚁的行进路径,将因为无法前进后停止移动的行进路程剔除。
(3.7)调整并迭代直到最大迭代次数,获取最优路径B0、C0、D0……。选取最优路径时应用拐点较少原则,每轮迭代完成后,计算当次迭代所产生的最优路径中的拐点个数,比较当次迭代所产生的最优路径长度与现有最优路径长度,如果相同,则选择拐点较少的路径;如果不同,则选择路径长度较短的路径。记录每次路径检测的结果并分析,统计位移频繁出现的位置及原因,实现车厢货物放置优化。
(4)设定比较阈值,将当前的全局最优路径与标准路径比较;设定提示阈值为95%,设定告警阈值为90%,将获取的最优路径B0、C0、D0……首先与提示阈值比较,若到达提示阈值则再次与告警阈值进行比较,将两次比较的结果都记录到数据终端。
(5)记录比较结果并判断是否告警。记录当前迭代的最优路径与标准路径的比较结果,若路径重合度小于等于95%,即达到提示阈值,则发出货物可能位移的提示。若路径重合度小于等于90%,即达到告警阈值,则判定货物位置产生明显偏移,进行告警。同时将当前迭代的最优路径与上一次迭代的最优路径比较,若两次最优路径的路径重合度小于等于90%,即达到告警阈值,则判定货物固定产生晃动,进行告警。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了蚁群算法、路径检测等术语,但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质;把它们解释成任何一种附加的限制都是与本发明精神相违背的。
Claims (10)
1.一种基于蚁群算法的货物位置偏移检测方法,其特征在于,包括以下步骤:
(1)货车行驶前,在货车车厢中放置货物及检测设备;
(2)进行初始路径检测并获取标准路径;
(3)货车行驶,定时进行路径检测并获取当前的全局最优路径;
(4)设定比较阈值,将当前的全局最优路径与标准路径比较;
(5)记录比较结果并判断是否告警。
2.根据权利要求1所述的一种基于蚁群算法的货物位置偏移检测方法,其特征在于,所述步骤1检测设备包括超声换能器、信号处理模块、数据处理模块、告警模块和通信模块,所述超声换能器分别安装车厢左右两侧中心位置,所述通信模块与监控管理云平台无线连接。
3.根据权利要求1所述的一种基于蚁群算法的货物位置偏移检测方法,其特征在于,所述步骤2具体包括:
(2.1)利用超声换能器采集车厢内数据;
(2.2)通过信号处理模块构建车厢内部成像图;
(2.3)利用栅格法对车厢环境进行建模;
(2.4)初始化蚁群算法基本参数,并使蚁群初始化在起始节点处;
(2.5)每只蚂蚁根据转移概率选择下一节点直到满足结束条件;
(2.6)记录所有数字蚂蚁遍历的行进路径An并选出最优路径;
(2.7)调整并迭代直到最大迭代次数,得到全局最优路径A0。
4.根据权利要求3所述的一种基于蚁群算法的货物位置偏移检测方法,其特征在于,所述步骤2.3建模包括设置起始节点、目标节点和障碍物栅格。
5.根据权利要求3所述的一种基于蚁群算法的货物位置偏移检测方法,其特征在于,所述步骤2.5中的结束条件包括数字蚂蚁到达目标节点时和数字蚂蚁无路可走时。
6.根据权利要求3所述的一种基于蚁群算法的货物位置偏移检测方法,其特征在于,所述步骤2.6中选取最优路径时应用拐点较少原则。
7.根据权利要求3所述的一种基于蚁群算法的货物位置偏移检测方法,其特征在于,所述步骤2.7中调整具体包括对当次迭代的所有可行路径应用预先排序规则,选取出较优路径,对较优路径上的信息素挥发系数进行自适应调整。
8.根据权利要求3所述的一种基于蚁群算法的货物位置偏移检测方法,其特征在于,所述步骤2中的标准路径为初始迭代的全局最优路径A0。
9.根据权利要求1所述的一种基于蚁群算法的货物位置偏移检测方法,其特征在于,所述步骤3根据货车运输时间设定间隔时间,按照间隔时间定时进行路径检测,从而获取最优路径B0、C0、D0……。
10.根据权利要求1所述的一种基于蚁群算法的货物位置偏移检测方法,其特征在于,所述步骤5记录当前迭代的最优路径与标准路径的比较结果,若路径重合度小于等于90%,则判定货物位置产生明显偏移,进行告警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110104983.3A CN112945163B (zh) | 2021-01-26 | 2021-01-26 | 一种基于蚁群算法的货物位置偏移检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110104983.3A CN112945163B (zh) | 2021-01-26 | 2021-01-26 | 一种基于蚁群算法的货物位置偏移检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112945163A true CN112945163A (zh) | 2021-06-11 |
CN112945163B CN112945163B (zh) | 2022-11-15 |
Family
ID=76237119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110104983.3A Active CN112945163B (zh) | 2021-01-26 | 2021-01-26 | 一种基于蚁群算法的货物位置偏移检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112945163B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2178035A1 (de) * | 2008-10-17 | 2010-04-21 | Contronix GmbH | Verfahren und Anordnung zur Leerraummessung für Lager- oder Transporträume |
CN105157814A (zh) * | 2015-06-29 | 2015-12-16 | 浙江工商大学 | 一种道路运输托盘货物非接触检测装置 |
CN106127433A (zh) * | 2016-06-23 | 2016-11-16 | 郑州航空工业管理学院 | 一种物流货运货物定位装置 |
CN108267742A (zh) * | 2018-04-17 | 2018-07-10 | 北京交通大学 | 一种运输途中货物装载加固状态实时监测系统 |
CN110333714A (zh) * | 2019-04-09 | 2019-10-15 | 武汉理工大学 | 一种无人驾驶汽车路径规划方法和装置 |
CN111479216A (zh) * | 2020-04-10 | 2020-07-31 | 北京航空航天大学 | 基于uwb定位的无人机货物运送方法 |
-
2021
- 2021-01-26 CN CN202110104983.3A patent/CN112945163B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2178035A1 (de) * | 2008-10-17 | 2010-04-21 | Contronix GmbH | Verfahren und Anordnung zur Leerraummessung für Lager- oder Transporträume |
CN105157814A (zh) * | 2015-06-29 | 2015-12-16 | 浙江工商大学 | 一种道路运输托盘货物非接触检测装置 |
CN106127433A (zh) * | 2016-06-23 | 2016-11-16 | 郑州航空工业管理学院 | 一种物流货运货物定位装置 |
CN108267742A (zh) * | 2018-04-17 | 2018-07-10 | 北京交通大学 | 一种运输途中货物装载加固状态实时监测系统 |
CN110333714A (zh) * | 2019-04-09 | 2019-10-15 | 武汉理工大学 | 一种无人驾驶汽车路径规划方法和装置 |
CN111479216A (zh) * | 2020-04-10 | 2020-07-31 | 北京航空航天大学 | 基于uwb定位的无人机货物运送方法 |
Non-Patent Citations (2)
Title |
---|
林智崧: "《基于混合蚁群算法的箱装农产品单车装载研究》", 《包装工程》 * |
桂黎红: "《面向多点卸货的箱柜类货物的装箱策略研究》", 《包装工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112945163B (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gunter et al. | Are commercially implemented adaptive cruise control systems string stable? | |
JP6875330B2 (ja) | ビークルの自律動作能力の構成 | |
CN110415516B (zh) | 基于图卷积神经网络的城市交通流预测方法及介质 | |
Wang et al. | Developing a distributed consensus-based cooperative adaptive cruise control system for heterogeneous vehicles with predecessor following topology | |
CN108304782A (zh) | 生成用于训练和验证检测模型的模拟传感器数据 | |
CN104200687B (zh) | 一种驾驶员速度控制行为监测装置及监测方法 | |
CN103500503A (zh) | 一种基于众包模式的精准路况分析方法及系统 | |
CN104715630A (zh) | 一种到站时间预测系统与方法 | |
CN109214422A (zh) | 基于dcgan的停车数据修补方法、装置、设备及存储介质 | |
KR102190054B1 (ko) | 다중 정보 엔트로피의 비교를 통한 차량 내 외부 데이터 침입 탐지 장치 및 그 동작 방법 | |
CN107111938A (zh) | 用于确定拥堵末端位置的服务器、系统和方法 | |
CN112819185A (zh) | 一种网约车拒载监测方法、装置及系统 | |
KR101925988B1 (ko) | 탄소배출량 저감을 이행하기 위한 딥러닝을 활용한 차량의 에너지 소모량 산출 방법 | |
CN112945163B (zh) | 一种基于蚁群算法的货物位置偏移检测方法 | |
Emami et al. | A neural network algorithm for queue length estimation based on the concept of k-leader connected vehicles | |
US20230184563A1 (en) | Connected vehicle-based road surface quality determination | |
CN104412063A (zh) | 拟声产生系统及地图数据库 | |
CN109739234B (zh) | 一种基于gps轨迹数据的车辆实时图像追踪方法 | |
CN111460866A (zh) | 车道线检测及驾驶控制方法、装置和电子设备 | |
EP3812990A1 (en) | Method and system for shipping container loading and unloading estimation | |
CN111222767A (zh) | 一种粮食物流过程质量安全风险评估方法及系统 | |
CN115879844A (zh) | 实际承运人合规性监测方法、装置、电子设备及存储介质 | |
CN112101677A (zh) | 一种公共交通出行路径规划方法、装置、设备及存储介质 | |
CN112131697B (zh) | 一种智能集卡的仿真测试方法、装置及平台 | |
US11886193B1 (en) | Methods and apparatus for using scene-based metrics to gate readiness of autonomous systems |
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 |