CN114742685A - 一种基于等效密度和大数据分析的绿色通道货物检测方法 - Google Patents
一种基于等效密度和大数据分析的绿色通道货物检测方法 Download PDFInfo
- Publication number
- CN114742685A CN114742685A CN202210278886.0A CN202210278886A CN114742685A CN 114742685 A CN114742685 A CN 114742685A CN 202210278886 A CN202210278886 A CN 202210278886A CN 114742685 A CN114742685 A CN 114742685A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- green channel
- big data
- data analysis
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 43
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000005303 weighing Methods 0.000 claims description 13
- 230000003068 static effect Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000007689 inspection Methods 0.000 abstract description 2
- 238000005070 sampling Methods 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 abstract 1
- 230000008859 change Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 230000002354 daily effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000005484 gravity Effects 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于等效密度和大数据分析的绿色通道货物检测方法，涉及高速公路收费站货车检测技术领域，该等效密度和大数据分析的绿色通道货物检测方法包括以下步骤：步骤一：“绿色通道”货物密度数据库；步骤二：“绿色通道”数据分析平台；步骤三：车辆轨迹及定位综合信息数据；步骤四：大数据分析；步骤五：出口绿通判定。本发明通过在使用前期采用样本比对和随机抽检的方式进行核对样本，对每次采集的样本的时间、地点、车辆、容积、密度等参数进行汇总，形成决策数据的扩展和修订动态样本，当实际测量数据越来越多时，通过大数据分析，修正数据库中各种农产品的密度等相关数据。
Description
技术领域
本发明涉及高速公路收费站货车检测技术领域，具体涉及一种基于等效密度和大数据分析的绿色通道货物检测方法。
背景技术
绿色通道是指鲜活农产品公路运输绿色通道。绿色通道要求规范装载，一路畅通，对享受绿色通道政策的车辆实行不滞留、不罚款、不卸载，免费通过，通过高速公路绿色通道运输鲜活农产品变得更为安全、畅通、快捷。
针对现有技术存在以下问题：
1、现有等效密度和大数据分析的绿色通道货物检测方法，存在绿色通道车辆通行效率低下的问题；
2、现有等效密度和大数据分析的绿色通道货物检测方法，存在假冒绿色通道车辆现象日趋严重的问题；
3、现有等效密度和大数据分析的绿色通道货物检测方法，存在绿色通道鲜活农产品品种、整车装载率无法准确界定的问题；
4、现有等效密度和大数据分析的绿色通道货物检测方法，存在内外勾结导致逃通行费现象严重的问题。
发明内容
本发明提供一种基于等效密度和大数据分析的绿色通道货物检测方法，其中第一种目的是为了具备提高绿色通道车辆通行效率，解决绿色通道车辆通行效率低下的问题；第二种目的是为了具备降低假冒绿色通道车辆的现象，解决假冒绿色通道车辆现象日趋严重的问题；第三种目的是为了具备便于对绿色通道鲜活农产品品种、整车装载率进行准确界定，解决绿色通道鲜活农产品品种、整车装载率无法准确界定的问题；其中四种目的是为了解决内外勾结导致逃通行费现象严重的问题，以达到避免内外勾结偷逃通行费的效果。
为解决上述技术问题，本发明所采用的技术方案是：
一种基于等效密度和大数据分析的绿色通道货物检测方法，该等效密度和大数据分析的绿色通道货物检测方法包括以下步骤：
步骤一：“绿色通道”货物密度数据库；
步骤二：“绿色通道”数据分析平台；
步骤三：车辆轨迹及定位综合信息数据；
步骤四：大数据分析；
步骤五：出口绿通判定。
本发明技术方案的进一步改进在于：所述步骤一包括以下步骤：
A1、对货物的体积进行进出测量；
A2、对车辆信息进行识别和对车辆总重进行称重。
本发明技术方案的进一步改进在于：所述步骤二包括以下步骤：
B1、对车辆基本信息、行驶轨迹和称重质量进行数据采集；
B2、对车辆基本信息、行驶轨迹和称重质量进行数据监测。
本发明技术方案的进一步改进在于：所述步骤三包括以下步骤：
C1、货运车辆GPS坐标数据动态信息，GPS车载定位获取车辆在行驶过程中的停车点坐标，形成车辆动态行驶轨迹数据集；
C2、货运车辆GPS历史行程轨迹静态数据，借助已有的车辆历史行程轨迹数据，与生成的车辆动态行驶轨迹数据进行比对分析，得出该车辆有效行程轨迹数据；
C3、货运车辆GPS短期行程轨迹静态数据，借助已有的车辆24小时以内的行程轨迹数据，与生成的车辆动态行驶轨迹数据进行比对分析，得出车辆 24小时以内的有效行程轨迹数据；
C4、货运车辆基本信息，借助高速公路入口劝返系统获取车辆牌照、车型、整备质量、轴数等车辆信息；
C5、货运车辆载运货物重量和体积信息，借助高速公路入口劝返系统获取货运车辆重量和体积信息，根据货运车辆基本信息，得到货物的密度信息；
C6、其他辅助信息采集，如公路治超站点的车辆载重信息等。
本发明技术方案的进一步改进在于：所述步骤四包括以下步骤：
D1、水平大数据分析，同一行驶轨迹，同一车辆，在同一天内不同停车点的车辆质量数据对比；
D2、垂直大数据分析，同一行驶轨迹，同一车辆，在不同天内同一停车点的车辆质量数据对比。
本发明技术方案的进一步改进在于：所述步骤五包括以下步骤：根据水平大数据与垂直大数据分析结果，推断出该车是否可走绿色通道。
由于采用了上述技术方案，本发明相对现有技术来说，取得的技术进步是：
1、本发明提供一种基于等效密度和大数据分析的绿色通道货物检测方法，在使用前期采用样本比对和随机抽检的方式进行核对样本，对每次采集的样本的时间、地点、车辆、容积、密度等参数进行汇总，形成决策数据的扩展和修订动态样本，当实际测量数据越来越多时，通过大数据分析，修正数据库中各种农产品的密度等相关数据，当数据出现扰动时，采用鲁棒控制的办法，排除具有问题的数据，达到去伪存真的目的，使数据库越来越准确，实际检测结果越来越接近真实结果，同时，根据“绿色通道”数据分析平台的前端与“绿色通道”收费系统和高速公路入口劝返系统相连，后端与全国道路货运车辆监测平台连接，获取车辆基本信息、货物重量、体积以及GPS 数据等信息，然后通过平台算法进行大数据分析，得出对高速公路“绿色通道”通过车辆装载物的信息判断。
2、本发明提供一种基于等效密度和大数据分析的绿色通道货物检测方法，通过动态GPS轨迹可以得到同一车辆一周内每天停车点坐标，在电子地图上显示一天行程轨迹、一周行程轨迹、一月行程轨迹；通过称重检测点可采集同一车辆一周内每天每个停车点的车辆质量，重点关注出发点质量、绿通进站点质量、绿通出站点质量、目的地质量，随机地质量，将这些停车点的车辆质量记录后形成日动态质量变化图、周动态质量变化图、月动态质量变化图。
3、本发明提供一种基于等效密度和大数据分析的绿色通道货物检测方法，通过水平大数据分析可得出，某一车辆在同一天内不同地点的质量变化情况，根据每次绿通情况可综合形成其日绿通记录，通过垂直大数据分析可得出，某一车辆在不同天内的同一地点处的质量变化情况，根据不同日的绿通情况可形成其周或月定点绿通记录，根据每次绿通结果，结合车辆历史绿通结果，可推断出该车是否可走绿色通道。
附图说明
图1为本发明的总体框架思路框图；
图2为本发明的流程框图；
图3为本发明的样本的初步分类框图；
图4为本发明的“绿色通道”数据分析平台系统构架框图；
图5为本发明的数据采集路径示意图；
图6为本发明的货运车辆x天内的质量数据示意图。
具体实施方式
下面结合实施例对本发明做进一步详细说明：
实施例1
如图1-4所示，本发明提供了一种基于等效密度和大数据分析的绿色通道货物检测方法，该等效密度和大数据分析的绿色通道货物检测方法包括以下步骤：
步骤一：“绿色通道”货物密度数据库；
步骤二：“绿色通道”数据分析平台；
步骤三：车辆轨迹及定位综合信息数据；
步骤四：大数据分析；
步骤五：出口绿通判定。
其中步骤一包括以下步骤：
A1、对货物的体积进行进出测量；
A2、对车辆信息进行识别和对车辆总重进行称重。
本步骤中，由于绿色通道的货物的种类繁多，前期建立样本时，采用原产地进行采集的方法，随机装载货物，进行装载容积的测量，重量和重心的测量；在进行数据建立时，根据货物的含水率、体积对货物进行分类。
其中步骤二包括以下步骤：
B1、对车辆基本信息、行驶轨迹和称重质量进行数据采集；
B2、对车辆基本信息、行驶轨迹和称重质量进行数据监测。
本步骤中，“绿色通道”数据分析平台的前端与“绿色通道”收费系统和高速公路入口劝返系统相连，后端与全国道路货运车辆监测平台连接，获取车辆基本信息、货物重量、体积以及GPS数据等信息，然后通过平台算法进行大数据分析，得出对高速公路“绿色通道”通过车辆装载物的信息判断。“绿色通道”数据分析平台的系统构架，“绿色通道”数据分析平台具有数据采集和大数据分析的功能，其在平台功能中重点及优先级如表1所示。
表1平台功能重点及优先级
其中步骤三包括以下步骤：
C1、货运车辆GPS坐标数据动态信息，GPS车载定位获取车辆在行驶过程中的停车点坐标，形成车辆动态行驶轨迹数据集；
C2、货运车辆GPS历史行程轨迹静态数据，借助已有的车辆历史行程轨迹数据，与生成的车辆动态行驶轨迹数据进行比对分析，得出该车辆有效行程轨迹数据；
C3、货运车辆GPS短期行程轨迹静态数据，借助已有的车辆24小时以内的行程轨迹数据，与生成的车辆动态行驶轨迹数据进行比对分析，得出车辆24小时以内的有效行程轨迹数据；
C4、货运车辆基本信息，借助高速公路入口劝返系统获取车辆牌照、车型、整备质量、轴数等车辆信息；
C5、货运车辆载运货物重量和体积信息，借助高速公路入口劝返系统获取货运车辆重量和体积信息，根据货运车辆基本信息，得到货物的密度信息；
C6、其他辅助信息采集，如公路治超站点的车辆载重信息等。
本步骤中，数据采集主要分两条线，一种是GPS定位信息，一种是称重设备信息，如图5所示。
采集动态GPS坐标集：{(X0，Y0)，(X1，Y1)，(X入，Y入)，(X2，Y2)， (X出，Y出)，(X3，Y3)，(Xn，Yn)}，采集动态称重质量集：{M0，M1，M入， M2，M出，M3，Mn}。
通过动态GPS轨迹可以得到同一车辆一周内每天停车点坐标，在电子地图上显示一天行程轨迹、一周行程轨迹、一月行程轨迹；通过称重检测点可采集同一车辆一周内每天每个停车点的车辆质量，重点关注出发点质量、绿通进站点质量、绿通出站点质量、目的地质量，随机地质量，将这些停车点的车辆质量记录后形成日动态质量变化图、周动态质量变化图、月动态质量变化图。
其中步骤四包括以下步骤：
D1、水平大数据分析，同一行驶轨迹，同一车辆，在同一天内不同停车点的车辆质量数据对比；
D2、垂直大数据分析，同一行驶轨迹，同一车辆，在不同天内同一停车点的车辆质量数据对比。
本步骤中，以x天内的车载重量为例，货运车辆的重量变化如图6所示。
水平大数据分析：如上图：M0&&M1&&M入&&M出&&Mn、M0’&&M1’&&M入’ &&M出’&&Mn’等，通过水平大数据分析可得出，某一车辆在同一天内不同地点的质量变化情况，根据每次绿通情况可综合形成其日绿通记录。
垂直大数据分析：如上图：M0&&M0’&&M0”&&M0”’、M1&&M1’&&M1” &&M1”’等，通过垂直大数据分析可得出，某一车辆在不同天内的同一地点处的质量变化情况，根据不同日的绿通情况可形成其周或月定点绿通记录。
其中步骤五包括以下步骤：根据水平大数据与垂直大数据分析结果，推断出该车是否可走绿色通道。
本步骤中，根据水平大数据与垂直大数据分析结果，可得出一天内车辆的行程轨迹图、质量变化图；一周或一月内行程轨迹图、质量变化图。根据每次绿通结果，结合车辆历史绿通结果，可推断出该车是否可走绿色通道。
综上所述，当货运车辆进入高速公路绿色通道并申报绿通后，现场劝返系统开始进行信息采集并进行密度模型比对，将比对结果输入绿通数据平台，绿通数据平台开始工作，首先检索平台内车辆历史不良记录并传给高速公路入口处，在入口处进行初步判定是否发绿通卡，车辆在高速公路运行过程中，绿通数据平台继续进行GPS数据收集和分析，检索GPS历史数据，通过地点演算绿通车辆概率1；检索GPS短期数据，通过地点演算绿通车辆概率2；检索GPS当前数据，通过地点演算绿通车辆概率3；检索治超平台历史数据，结合轨迹数据计算绿通车辆概率4；检索治超平台当前数据，结合轨迹数据计算绿通车辆概率5。将以上所有计算结果加权评估，计算车辆为绿通车辆的概率，将结果输入到收费系统，收费系统根据设定的概率限值(如限值为80，超过 80则直接放行，低于80就进行检查)，在出口进行是否为绿通车辆的判定，如果是，则通过，如果否，则收费通过。
上文一般性的对本发明做了详尽的描述，但在本发明基础上，可以对之做一些修改或改进，这对于技术领域的一般技术人员是显而易见的。因此，在不脱离本发明思想精神的修改或改进，均在本发明的保护范围之内。
Claims (6)
1.一种基于等效密度和大数据分析的绿色通道货物检测方法，其特征在于：该等效密度和大数据分析的绿色通道货物检测方法包括以下步骤：
步骤一：“绿色通道”货物密度数据库；
步骤二：“绿色通道”数据分析平台；
步骤三：车辆轨迹及定位综合信息数据；
步骤四：大数据分析；
步骤五：出口绿通判定。
2.根据权利要求1所述的一种基于等效密度和大数据分析的绿色通道货物检测方法，其特征在于：所述步骤一包括以下步骤：
A1、对货物的体积进行进出测量；
A2、对车辆信息进行识别和对车辆总重进行称重。
3.根据权利要求1所述的一种基于等效密度和大数据分析的绿色通道货物检测方法，其特征在于：所述步骤二包括以下步骤：
B1、对车辆基本信息、行驶轨迹和称重质量进行数据采集；
B2、对车辆基本信息、行驶轨迹和称重质量进行数据监测。
4.根据权利要求1所述的一种基于等效密度和大数据分析的绿色通道货物检测方法，其特征在于：所述步骤三包括以下步骤：
C1、货运车辆GPS坐标数据动态信息，GPS车载定位获取车辆在行驶过程中的停车点坐标，形成车辆动态行驶轨迹数据集；
C2、货运车辆GPS历史行程轨迹静态数据，借助已有的车辆历史行程轨迹数据，与生成的车辆动态行驶轨迹数据进行比对分析，得出该车辆有效行程轨迹数据；
C3、货运车辆GPS短期行程轨迹静态数据，借助已有的车辆24小时以内的行程轨迹数据，与生成的车辆动态行驶轨迹数据进行比对分析，得出车辆24小时以内的有效行程轨迹数据；
C4、货运车辆基本信息，借助高速公路入口劝返系统获取车辆牌照、车型、整备质量、轴数等车辆信息；
C5、货运车辆载运货物重量和体积信息，借助高速公路入口劝返系统获取货运车辆重量和体积信息，根据货运车辆基本信息，得到货物的密度信息；
C6、其他辅助信息采集，如公路治超站点的车辆载重信息等。
5.根据权利要求1所述的一种基于等效密度和大数据分析的绿色通道货物检测方法，其特征在于：所述步骤四包括以下步骤：
D1、水平大数据分析，同一行驶轨迹，同一车辆，在同一天内不同停车点的车辆质量数据对比；
D2、垂直大数据分析，同一行驶轨迹，同一车辆，在不同天内同一停车点的车辆质量数据对比。
6.根据权利要求5所述的一种基于等效密度和大数据分析的绿色通道货物检测方法，其特征在于：所述步骤五包括以下步骤：根据水平大数据与垂直大数据分析结果，推断出该车是否可走绿色通道。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210278886.0A CN114742685A (zh) | 2022-03-21 | 2022-03-21 | 一种基于等效密度和大数据分析的绿色通道货物检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210278886.0A CN114742685A (zh) | 2022-03-21 | 2022-03-21 | 一种基于等效密度和大数据分析的绿色通道货物检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114742685A true CN114742685A (zh) | 2022-07-12 |
Family
ID=82277394
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210278886.0A Pending CN114742685A (zh) | 2022-03-21 | 2022-03-21 | 一种基于等效密度和大数据分析的绿色通道货物检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114742685A (zh) |
-
2022
- 2022-03-21 CN CN202210278886.0A patent/CN114742685A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102809413B (zh) | 一种车辆动态称重作弊检测方法及装置 | |
| CN112687099B (zh) | 一种超载嫌疑车辆判定方法和装置 | |
| CN108932255B (zh) | 一种车辆综合能力分析方法及装置 | |
| CN112613406A (zh) | 一种基于大数据的商用车多维度运行评估方法 | |
| CN109649396B (zh) | 一种营运车辆驾驶员安全性检测方法 | |
| CN111340674B (zh) | 一种交通运力承运意图辨识方法 | |
| CN115691120A (zh) | 一种基于高速公路流水数据的拥堵识别方法及系统 | |
| CN115691148A (zh) | 一种基于高速公路的智能收费辅助方法、设备及介质 | |
| 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 | |
| CN114613151A (zh) | 一种货车od确定方法、系统、设备及存储介质 | |
| CN114912689A (zh) | 基于地图网格索引和xgboost的超限车辆目的地预测方法及系统 | |
| CN113095387B (zh) | 基于联网车载adas的道路风险识别方法 | |
| CN114169588A (zh) | 一种交通运力的预测方法、装置、设备及存储介质 | |
| Salihu et al. | Effect of road slope on driving cycle parameters of urban roads | |
| CN114742685A (zh) | 一种基于等效密度和大数据分析的绿色通道货物检测方法 | |
| CN116026441A (zh) | 车辆载重量异常检测方法、装置、设备及存储介质 | |
| CN111695767A (zh) | 高速公路路网通行效率评估方法、电子设备、存储介质 | |
| CN113611130B (zh) | 一种本地与过境货车车流量获取方法、系统及存储介质 | |
| CN115641555A (zh) | 一种基于ai视觉的货车超载超限预警方法和系统 | |
| 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 | |
| CN114677231A (zh) | 货运险次单的反欺诈识别方法、装置、存储介质及终端 | |
| Liu et al. | Measurement and evaluation of real-world speed and acceleration activity envelopes for light-duty vehicles | |
| CN117373259B (zh) | 高速公路车辆逃费行为识别方法、装置、设备和存储介质 | |
| CN116226598B (zh) | 一种基于车辆性质及货物属地原则的公路货运量计算方法 | |
| CN115100860B (zh) | 一种基于机器视觉的高速公路可视化监控管理系统 |
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 |