CN114971196A - 车型选择方法、装置、设备及存储介质 - Google Patents
车型选择方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114971196A CN114971196A CN202210466116.9A CN202210466116A CN114971196A CN 114971196 A CN114971196 A CN 114971196A CN 202210466116 A CN202210466116 A CN 202210466116A CN 114971196 A CN114971196 A CN 114971196A
- Authority
- CN
- China
- Prior art keywords
- information
- vehicle
- vehicle type
- transportation
- transport
- 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
- 238000010187 selection method Methods 0.000 title claims abstract description 26
- 238000004088 simulation Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims description 32
- 239000000446 fuel Substances 0.000 claims description 26
- 238000005265 energy consumption Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 15
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 14
- 229910052799 carbon Inorganic materials 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 11
- 239000002699 waste material Substances 0.000 abstract description 4
- 239000003921 oil Substances 0.000 description 20
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000000295 fuel oil Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000009466 transformation 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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
-
- 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
- G06Q30/0283—Price estimation or determination
- G06Q30/0284—Time or distance, e.g. usage of parking meters or taximeters
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及智能物流技术领域，尤其涉及一种车型选择方法、装置、设备及存储介质。本发明通过货物运输请求确定起始位置与目标位置以确定目标轨迹信息，以减少运输路线对于运输成本的影响，再通过不同车型在该目标轨迹上的路况仿真，获得对应的运输成本信息，以选择合适的目标运输车型，避免了现有技术不能最大化利用车型与运输路线，运输成本较高，会造成资源浪费的技术问题。
Description
技术领域
本发明涉及智能物流技术领域，尤其涉及一种车型选择方法、装置、设备及存储介质。
背景技术
在传统物流运输行业，在货物运输时，物流公司只能通过客户提供的货物信息选派空闲的车辆，在实际货物运输过程中，通过不同车型与不同路线进行货物运输对于运输成本会存在区别，不能最大化利用车型与运输路线，运输成本较高，会造成资源浪费。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种车型选择方法、装置、设备及存储介质，旨在解决现有技术中车型不匹配货物，导致不能最大化利用车辆运输的空间与效率，造成资源浪费的技术问题。
为实现上述目的，本发明提供了一种车型选择方法，所述方法包括以下步骤：
在接收到货物运输请求时，根据所述货物运输请求确定起始位置与目标位置；
根据所述起始位置与所述目标位置确定目标轨迹信息；
基于所述目标轨迹信息与待选择运输车辆进行路况仿真，获得运输成本信息；
根据所述运输成本信息与所述待选择运输车辆通过预设车型选择模型进行运输车型选择，获得目标运输车型。
可选地，所述运输成本信息包括：运输时间成本与运输成本；
所述基于所述目标轨迹信息与待选择运输车辆进行路况仿真，获得运输成本信息，包括：
获取待选择运输车辆的车辆类型，并基于所述目标轨迹信息确定行驶路程信息；
根据所述车辆类型、所述行驶路程信息以及所述待选择运输车辆进行路况仿真，获得运输时间成本；
基于所述车辆类型获取所述待选择运输车辆的车辆耗能信息，并根据所述行驶路程信息与所述车辆耗能信息确定运输成本。
可选地，所述基于所述车辆类型获取所述待选择运输车辆的车辆耗能信息，并根据所述行驶路程信息与所述车辆耗能信息确定运输成本，包括：
在所述车辆类型为燃油汽车时，获取所述待选择运输车辆的油耗信息；
根据所述油耗信息与所述行驶路程信息确定第一运输成本；
在所述车辆类型为新能源汽车时，获取所述待选择运输车辆的耗电信息；
根据所述耗电信息与所述行驶路程信息确定第二运输成本。
可选地，所述在所述车辆类型为燃油汽车时，获取所述待选择运输车辆的油耗信息之后，还包括：
根据所述油耗信息与所述行驶路程信息确定总碳排放强度；
根据所述总碳排放强度生成油耗权重影响因子；
所述根据所述油耗信息与所述行驶路程信息确定第一运输成本，包括：
根据所述油耗信息、所述油耗权重影响因子以及所述行驶路程信息确定第一运输成本。
可选地，所述基于所述目标轨迹信息与待选择运输车辆进行路况仿真，获得运输成本信息之前，包括：
根据所述货物运输请求确定待运输货物的基础信息；
获取初始运输车辆信息，并根据所述基础信息对所述初始运输车辆信息进行筛选，获得待选择运输车辆。
可选地，所述获取初始运输车辆信息，并根据所述基础信息对所述初始运输车辆信息进行筛选，获得待选择运输车辆，包括：
获取待选择运输车辆信息；
对所述待选择运输车辆信息进行预处理，获得车辆有效信息；
根据所述基础信息与所述车辆有效信息对所述初始运输车辆信息进行筛选，获得待选择运输车辆。
可选地，所述根据所述起始位置与所述目标位置确定目标轨迹信息，包括：
根据所述起始位置与所述目标位置确定多个初始轨迹信息；
分别对所述多个初始轨迹信息进行轨迹分析，并根据分析结果对所述多个初始轨迹信息进行轨迹预处理，获得目标轨迹信息。
此外，为实现上述目的，本发明还提出一种车型选择装置，所述车型选择装置包括：
信息获取模块，用于在接收到货物运输请求时，根据所述货物运输请求确定起始位置与目标位置；
轨迹确定模块，用于根据所述起始位置与所述目标位置确定目标轨迹信息；
路况仿真模块，用于基于所述目标轨迹信息与待选择运输车辆进行路况仿真，获得运输成本信息；
车型选择模块，用于根据所述运输成本信息与所述待选择运输车辆通过预设车型选择模型进行运输车型选择，获得目标运输车型。
此外，为实现上述目的，本发明还提出一种车型选择设备，所述车型选择设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车型选择程序，所述车型选择程序配置为实现如上文所述的车型选择方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有车型选择程序，所述车型选择程序被处理器执行时实现如上文所述的车型选择方法的步骤。
本发明公开了在接收到货物运输请求时，根据所述货物运输请求确定起始位置与目标位置；根据所述起始位置与所述目标位置确定目标轨迹信息；基于所述目标轨迹信息与待选择运输车辆进行路况仿真，获得运输成本信息；根据所述运输成本信息与所述待选择运输车辆通过预设车型选择模型进行运输车型选择，获得目标运输车型，与现有技术相比，本发明通过货物运输请求确定起始位置与目标位置以确定目标轨迹信息，以减少运输路线对于运输成本的影响，再通过不同车型在该目标轨迹上的路况仿真，获得对应的运输成本信息，以选择合适的目标运输车型，避免了现有技术不能最大化利用车型与运输路线，运输成本较高，会造成资源浪费的技术问题。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的车型选择设备的结构示意图；
图2为本发明车型选择方法第一实施例的流程示意图；
图3为本发明车型选择方法第二实施例的流程示意图；
图4为本发明车型选择方法第三实施例的流程示意图；
图5为本发明车型选择装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的车型选择设备结构示意图。
如图1所示，该车型选择设备可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对车型选择设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车型选择程序。
在图1所示的车型选择设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明车型选择设备中的处理器1001、存储器1005可以设置在车型选择设备中，所述车型选择设备通过处理器1001调用存储器1005中存储的车型选择程序，并执行本发明实施例提供的车型选择方法。
本发明实施例提供了一种车型选择方法，参照图2，图2为本发明一种车型选择方法第一实施例的流程示意图。
本实施例中，所述车型选择方法包括以下步骤：
步骤S10：在接收到货物运输请求时，根据所述货物运输请求确定起始位置与目标位置。
需要说明的是，本实施例方法的执行主体可以是具有数据传输、数据处理以及数据采集功能的货物运输设备，例如：电脑、控制计算机以及服务器等，还可以是其他具有相同或者相似功能的电子设备，本实施例对此不做具体限制，在本实施例以及下述实施例中，将会以控制计算机为例进行说明。
值得说明的是，货物运输请求可以是由用户输入至控制计算机中的操作指令，用于申请进行货物运输的操作，其中，货物运输请求中包含有需要运输的货物信息、目的地、起始地以及运输成本等，本实施例对此不做具体限制。
步骤S20：根据所述起始位置与所述目标位置确定目标轨迹信息。
可以理解的是，目标轨迹信息是通过起始位置与目标位置自动生成的运输路线，其中，由于在起始位置与目标位置之间可能存在多个运输路线，还可以针对拥堵路线、颠簸路段以及事故多发路段等进行剔除，以获得最合适的运输路线，记为目标轨迹信息。
步骤S30：基于所述目标轨迹信息与待选择运输车辆进行路况仿真，获得运输成本信息。
应当理解的是，待选择车辆是指可以用于进行货物运输的车辆，其中，在本实施例中，在进行货物运输时，存在多种车型的车辆以供用户进行选择，用于进行货物运输。
应当说明的是，路况仿真过程是指对获得的目标轨迹信息进行不同车型的运输仿真，以获得不同车型在该目标轨迹上的运输成本，以便于后续根据运输成本进行车型选择，提高运输的收益。
在本实施例中，运输成本信息可以包括：运输时间成本、运输资金成本以及运输排放成本等，本实施例对此不做具体限制。
步骤S40：根据所述运输成本信息与所述待选择运输车辆通过预设车型选择模型进行运输车型选择，获得目标运输车型。
可以理解的是，预设车型选择模型用于根据各待选择车辆在目标轨迹信息上的运输成本信息进行车型选择，以获得运输成本较低的车型，用于进行货物运输，从而降低运输成本，提高运输收益。
本实施例公开了在接收到货物运输请求时，根据所述货物运输请求确定起始位置与目标位置；根据所述起始位置与所述目标位置确定目标轨迹信息；基于所述目标轨迹信息与待选择运输车辆进行路况仿真，获得运输成本信息；根据所述运输成本信息与所述待选择运输车辆通过预设车型选择模型进行运输车型选择，获得目标运输车型，本实施例通过货物运输请求确定起始位置与目标位置以确定目标轨迹信息，以减少运输路线对于运输成本的影响，再通过不同车型在该目标轨迹上的路况仿真，获得对应的运输成本信息，以选择合适的目标运输车型，避免了现有技术不能最大化利用车型与运输路线，运输成本较高，会造成资源浪费的技术问题。
参考图3，图3为本发明一种车型选择方法第二实施例的流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S20，包括：
步骤S201：根据所述起始位置与所述目标位置确定多个初始轨迹信息。
需要说明的是，在知晓起始位置与目标位置的前提下，从起始位置到目标位置的路径一般存在多个选择，例如：从北京去上海，可以通过省道，还可以通过京沪高速等，本实施例对此不做具体限制。
在具体实现中，初始轨迹信息是指理论上从起始位置可以到达目标位置的路径，其中，这些初始轨迹信息中可能存在道路施工、道路拥堵以及颠簸等的路径，在进行路况仿真之前，可以先筛选掉这些不适合进行运输的路径，以减少后续路径仿真的工作量，提高工作效率。
步骤S202：分别对所述多个初始轨迹信息进行轨迹分析，并根据分析结果对所述多个初始轨迹信息进行轨迹预处理，获得目标轨迹信息。
值得说明的是，轨迹分析可以是基于已有的道路信息，对获取到的多个初始轨迹信息进行筛选，以剔除交通不便或者无法通行的轨迹。
其中，预处理是指剔除多个初始轨迹信息中存在道路施工、道路拥堵以及颠簸等影响通行的轨迹信息，以获得合适的可顺利通行的轨迹信息，及目标轨迹信息。
在具体实现中，根据起始位置与目标位置确定输入货物运输距离，并获取车辆的轨迹数据，在该原始轨迹数据集中，车辆的轨迹数据由经纬度表示的连续点组成，根据这些点进行坐标变换后估计距离，距离除以时间间隔还可以得到车辆行驶速度。
本实施例公开了根据所述起始位置与所述目标位置确定多个初始轨迹信息；分别对所述多个初始轨迹信息进行轨迹分析，并根据分析结果对所述多个初始轨迹信息进行轨迹预处理，获得目标轨迹信息，本实施例通过在路况仿真之前对车辆的轨迹信息进行筛选，以减少路况仿真的工作量，提高路况仿真的工作效率。
在本实施例中，所述步骤S30，包括：
步骤S301：获取待选择运输车辆的车辆类型，并基于所述目标轨迹信息确定行驶路程信息。
需要说明的是，车辆类型是指车辆的耗能类型，例如：燃油车、油电混合车以及新能源汽车等，本实施例对此不做具体限制。
在具体实现中，由于根据起始位置与目标位置获得的距离是指两者之间的直线距离，但是在实际运输过程中，一般不存在直线到达的路线，因此，为了方便后续计算运输成本信息，可以通过根据目标轨迹信息确定需要行驶的行驶路程信息，从而计算真实的运输成本。
步骤S302：根据所述车辆类型、所述行驶路程信息以及所述待选择运输车辆进行路况仿真，获得运输时间成本。
可以理解的是，运输时间成本是指从起始地至目标地，沿目标轨迹进行移动所耗费的总时间，其中，由于车辆在移动过程中，受到路况或者红绿灯的影响，可能会停一次或者多次，这些停留的时间也将被视为运输时间成本。
在具体实现中，货物运输车辆在一次实际的旅行中可能会停很多次，例如：加油、吃饭、休息以及遇到路况因素造成的交通堵塞等，通过对停留时间的数据统计和对货车司机的调查，选取合适的货车停留的时间阈值T，当货车在出发地A与目的地B之间的停留时间大于时间阈值T时，则确定货车在出发地A与目的地B之间完成了一次有效的出行，根据待运输车辆是否完成一次有效出行，从而确定真实的运输时间成本。
步骤S303：基于所述车辆类型获取所述待选择运输车辆的车辆耗能信息，并根据所述行驶路程信息与所述车辆耗能信息确定运输成本。
应当说明的是，车辆耗能信息根据车辆类型不同，可以分为耗油量或者耗电量，本实施例对此不做具体限制。
在实际操作过程中，根据车辆的百公里油耗或者百公里耗电，结合需要移动的行驶路程信息以及电能价格或者燃油价格可以确定运输耗费的成本。
进一步地，所述步骤S303，包括：
在所述车辆类型为燃油汽车时，获取所述待选择运输车辆的油耗信息；
根据所述油耗信息与所述行驶路程信息确定第一运输成本；
在所述车辆类型为新能源汽车时，获取所述待选择运输车辆的耗电信息；
根据所述耗电信息与所述行驶路程信息确定第二运输成本。
可以理解的是，第一运输成本是指燃油车的运输成本，其中，在所述车辆类型为燃油汽车时，获取所述待选择运输车辆的百公里油耗，根据运输车辆的百公里油耗与行驶路程信息确定燃油车运输成本。
例如：小汽车油耗在8L/100km左右，而汽油的密度大约是0.72kg/L，也就是5.76kg/100km。汽油的能量是43.1MJ/kg，所以算出来小汽车百公里需要耗能248MJ，现暂以8元/L为例则需要64元。
易于理解的是，第二运输成本可以是新能源汽车的运输成本，其中，在所述车辆类型为新能源汽车时，获取所述待选择运输车辆的百公里耗电，在根据运输车辆的百公里耗电与行驶路程信息确定新能源汽车的运输成本。
例如：电动汽车的蓄电池循环效率为90％(释放电能与充电电能之比)左右，而驱动汽车的电机效率η为90％左右(由电能到动能)，那么电动汽车的百公里电耗即为61.7MJ，由于1kW·h＝3.6兆焦，因而可以算出百公里电耗＝61.7/3.6＝17.1kW·h，也就是电动小汽车百公里耗电17度电左右。以一度电0.56元为例，则百公里耗电9.52元。
在具体实现中，考虑到由于燃油车在运行过程中，会存在碳排放，在计算燃油车的运输成本时，还可以结合燃油车的碳排放以控制车辆运输过程中的成本。
进一步地，所述在所述车辆类型为燃油汽车时，获取所述待选择运输车辆的油耗信息之后，还包括：
根据所述油耗信息与所述行驶路程信息确定总碳排放强度；
根据所述总碳排放强度生成油耗权重影响因子；
所述根据所述油耗信息与所述行驶路程信息确定第一运输成本，包括：
根据所述油耗信息、所述油耗权重影响因子以及所述行驶路程信息确定第一运输成本。
需要说明的是，总碳排放强度是指从起始位置延目标轨迹行驶至目标位子之间运输车辆的CO2的排放强度，其中，获取总碳排放强度的公式为：
QAB＝qAB×∑m(pm×EF(CO2)m)
其中，QAB表示出发地A与目的地B之间的城市间货物运输CO2排放强度；pm为m类型车辆所占的比例，EF(CO2)m代表m类型车辆货物运输的CO2平均排放因子。
在具体实现中，总碳排放强度只占燃油车的运输成本一部分，在实际计算燃油车运输时，可以通过将总碳排放强度与对应的友好权重影响因子相乘，以结合油耗成本获得第一运输成本。
本实施例公开了获取待选择运输车辆的车辆类型，并基于所述目标轨迹信息确定行驶路程信息；根据所述车辆类型、所述行驶路程信息以及所述待选择运输车辆进行路况仿真，获得运输时间成本；基于所述车辆类型获取所述待选择运输车辆的车辆耗能信息，并根据所述行驶路程信息与所述车辆耗能信息确定运输成本，本实施例通过根据不同车辆类型对同一目标轨迹进行路况仿真，以获得各类车型的运输时间成本与运输成本，其中，车辆类型可以分为燃油车与新能源汽车，从而分别获得运输成本信息，便于后续基于不同类型车辆对应的运输成本信息，选择合适的车型，提高了车型选择的精确性。
参考图4，图4为本发明一种车型选择方法第三实施例的流程示意图。
基于上述第二实施例，在本实施例中，所述步骤S30之前，还包括：
步骤S210：根据所述货物运输请求确定待运输货物的基础信息。
需要说明的是，为了避免待选择车型无法满足货物装载或者运输的需求，可以在进行路况仿真之前，可以先根据待运输货物的基础信息对可用的车辆进行第一次筛选，以获取可用于进行货物运输的车型，例如：在运输大型家具时，普通的家用轿车无法完成运输任务，需要剔除，同时半挂的承载量运输大型家具会存在大量存余，大量运输空间被浪费，也需要被剔除。
可以理解的是，待运输货物的基础信息可以是待运输货物的尺寸、重量、珍贵程度、是否为易碎品以及是否需要冷藏等，本实施例对此不作具体限制。
步骤S220：获取初始运输车辆信息，并根据所述基础信息对所述初始运输车辆信息进行筛选，获得待选择运输车辆。
需要说明的是，初始运输车辆信息是指可用于进行货物运输的车辆，并对车辆的类型、大小以及新旧程度不做限定。
在具体实现中，根据待运输货物的基础信息对初始运输车辆进行筛选可以是根据货物的尺寸、重量、珍贵程度、是否为易碎品以及是否需要冷藏，选择合适的车辆，例如：面对需要低温运输的货物，需要特殊的冷藏车进行运输，本实施例对此不做具体限制。
进一步地，为了获得真实的车辆数据以进行车辆筛选，所述步骤S220，包括：
获取待选择运输车辆信息；
对所述待选择运输车辆信息进行预处理，获得车辆有效信息；
根据所述基础信息与所述车辆有效信息对所述初始运输车辆信息进行筛选，获得待选择运输车辆。
值得说明的是，对待运输车辆信息进行预处理可以是对去除不确定数据或者提取真实有效数据等，本实施例对此不做具体限制。
在具体实现中，针对待运输货物的基础信息对车辆进行第一次筛选处理，可以从车辆的自身数据，如载重量、货箱尺寸数据中提获得车辆的数据，为了保证从车辆的数据中提取出有效信息，对待运输车辆的数据进行预处理，以获得准确的车辆数据，从而结合货物的基础信息进对比，获得合适的待选择车辆。
本实施例公开了根据所述货物运输请求确定待运输货物的基础信息；获取初始运输车辆信息，并根据所述基础信息对所述初始运输车辆信息进行筛选，获得待选择运输车辆，本实施例通过在路况仿真之前根据待运输货物的基础信息对可选择的车辆进行筛选，以获得可以满足货物运输要求的车辆，减少路况仿真的工作量，提高车型选择的效率。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有车型选择程序，所述车型选择程序被处理器执行时实现如上文所述的车型选择方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再赘述。
参照图5，图5为本发明车型选择装置第一实施例的结构框图。
如图5所示，本发明实施例提出的车型选择装置包括：
信息获取模块10，用于在接收到货物运输请求时，根据所述货物运输请求确定起始位置与目标位置。
轨迹确定模块20，用于根据所述起始位置与所述目标位置确定目标轨迹信息。
路况仿真模块30，用于基于所述目标轨迹信息与待选择运输车辆进行路况仿真，获得运输成本信息。
车型选择模块40，用于根据所述运输成本信息与所述待选择运输车辆通过预设车型选择模型进行运输车型选择，获得目标运输车型。
本实施例公开了在接收到货物运输请求时，根据所述货物运输请求确定起始位置与目标位置；根据所述起始位置与所述目标位置确定目标轨迹信息；基于所述目标轨迹信息与待选择运输车辆进行路况仿真，获得运输成本信息；根据所述运输成本信息与所述待选择运输车辆通过预设车型选择模型进行运输车型选择，获得目标运输车型，本实施例通过货物运输请求确定起始位置与目标位置以确定目标轨迹信息，以减少运输路线对于运输成本的影响，再通过不同车型在该目标轨迹上的路况仿真，获得对应的运输成本信息，以选择合适的目标运输车型，避免了现有技术不能最大化利用车型与运输路线，运输成本较高，会造成资源浪费的技术问题。
在一实施例中，所述路况仿真模块30，还用于获取待选择运输车辆的车辆类型，并基于所述目标轨迹信息确定行驶路程信息；根据所述车辆类型、所述行驶路程信息以及所述待选择运输车辆进行路况仿真，获得运输时间成本；基于所述车辆类型获取所述待选择运输车辆的车辆耗能信息，并根据所述行驶路程信息与所述车辆耗能信息确定运输成本。
在一实施例中，所述路况仿真模块30，还用于在所述车辆类型为燃油汽车时，获取所述待选择运输车辆的油耗信息；根据所述油耗信息与所述行驶路程信息确定第一运输成本；在所述车辆类型为新能源汽车时，获取所述待选择运输车辆的耗电信息；根据所述耗电信息与所述行驶路程信息确定第二运输成本。
在一实施例中，所述路况仿真模块30，还用于根据所述油耗信息与所述行驶路程信息确定总碳排放强度；根据所述总碳排放强度生成油耗权重影响因子；所述根据所述油耗信息与所述行驶路程信息确定第一运输成本，包括：根据所述油耗信息、所述油耗权重影响因子以及所述行驶路程信息确定第一运输成本。
在一实施例中，所述路况仿真模块30，还用于根据所述货物运输请求确定待运输货物的基础信息；获取初始运输车辆信息，并根据所述基础信息对所述初始运输车辆信息进行筛选，获得待选择运输车辆。
在一实施例中，所述路况仿真模块30，还用于获取待选择运输车辆信息；对所述待选择运输车辆信息进行预处理，获得车辆有效信息；根据所述基础信息与所述车辆有效信息对所述初始运输车辆信息进行筛选，获得待选择运输车辆。
在一实施例中，所述轨迹确定模块20，还用于根据所述起始位置与所述目标位置确定多个初始轨迹信息；分别对所述多个初始轨迹信息进行轨迹分析，并根据分析结果对所述多个初始轨迹信息进行轨迹预处理，获得目标轨迹信息。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的车型选择方法，此处不再赘述。
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种车型选择方法，其特征在于，所述车型选择方法包括：
在接收到货物运输请求时，根据所述货物运输请求确定起始位置与目标位置；
根据所述起始位置与所述目标位置确定目标轨迹信息；
基于所述目标轨迹信息与待选择运输车辆进行路况仿真，获得运输成本信息；
根据所述运输成本信息与所述待选择运输车辆通过预设车型选择模型进行运输车型选择，获得目标运输车型。
2.如权利要求1所述的车型选择方法，其特征在于，所述运输成本信息包括：运输时间成本与运输成本；
所述基于所述目标轨迹信息与待选择运输车辆进行路况仿真，获得运输成本信息，包括：
获取待选择运输车辆的车辆类型，并基于所述目标轨迹信息确定行驶路程信息；
根据所述车辆类型、所述行驶路程信息以及所述待选择运输车辆进行路况仿真，获得运输时间成本；
基于所述车辆类型获取所述待选择运输车辆的车辆耗能信息，并根据所述行驶路程信息与所述车辆耗能信息确定运输成本。
3.如权利要求2所述的车型选择方法，其特征在于，所述基于所述车辆类型获取所述待选择运输车辆的车辆耗能信息，并根据所述行驶路程信息与所述车辆耗能信息确定运输成本，包括：
在所述车辆类型为燃油汽车时，获取所述待选择运输车辆的油耗信息；
根据所述油耗信息与所述行驶路程信息确定第一运输成本；
在所述车辆类型为新能源汽车时，获取所述待选择运输车辆的耗电信息；
根据所述耗电信息与所述行驶路程信息确定第二运输成本。
4.如权利要求3所述的车型选择方法，其特征在于，所述在所述车辆类型为燃油汽车时，获取所述待选择运输车辆的油耗信息之后，还包括：
根据所述油耗信息与所述行驶路程信息确定总碳排放强度；
根据所述总碳排放强度生成油耗权重影响因子；
所述根据所述油耗信息与所述行驶路程信息确定第一运输成本，包括：
根据所述油耗信息、所述油耗权重影响因子以及所述行驶路程信息确定第一运输成本。
5.如权利要求1所述的车型选择方法，其特征在于，所述基于所述目标轨迹信息与待选择运输车辆进行路况仿真，获得运输成本信息之前，包括：
根据所述货物运输请求确定待运输货物的基础信息；
获取初始运输车辆信息，并根据所述基础信息对所述初始运输车辆信息进行筛选，获得待选择运输车辆。
6.如权利要求5所述的车型选择方法，其特征在于，所述获取初始运输车辆信息，并根据所述基础信息对所述初始运输车辆信息进行筛选，获得待选择运输车辆，包括：
获取待选择运输车辆信息；
对所述待选择运输车辆信息进行预处理，获得车辆有效信息；
根据所述基础信息与所述车辆有效信息对所述初始运输车辆信息进行筛选，获得待选择运输车辆。
7.如权利要求1至6中任一项所述的车型选择方法，其特征在于，所述根据所述起始位置与所述目标位置确定目标轨迹信息，包括：
根据所述起始位置与所述目标位置确定多个初始轨迹信息；
分别对所述多个初始轨迹信息进行轨迹分析，并根据分析结果对所述多个初始轨迹信息进行轨迹预处理，获得目标轨迹信息。
8.一种车型选择装置，其特征在于，所述车型选择装置包括：
信息获取模块，用于在接收到货物运输请求时，根据所述货物运输请求确定起始位置与目标位置；
轨迹确定模块，用于根据所述起始位置与所述目标位置确定目标轨迹信息；
路况仿真模块，用于基于所述目标轨迹信息与待选择运输车辆进行路况仿真，获得运输成本信息；
车型选择模块，用于根据所述运输成本信息与所述待选择运输车辆通过预设车型选择模型进行运输车型选择，获得目标运输车型。
9.一种车型选择设备，其特征在于，所述车型选择设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车型选择程序，所述车型选择程序配置为实现如权利要求1至7中任一项所述的车型选择方法。
10.一种存储介质，其特征在于，所述存储介质上存储有车型选择程序，所述车型选择程序被处理器执行时实现如权利要求1至7任一项所述的车型选择方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210466116.9A CN114971196A (zh) | 2022-04-29 | 2022-04-29 | 车型选择方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210466116.9A CN114971196A (zh) | 2022-04-29 | 2022-04-29 | 车型选择方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114971196A true CN114971196A (zh) | 2022-08-30 |
Family
ID=82979836
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210466116.9A Pending CN114971196A (zh) | 2022-04-29 | 2022-04-29 | 车型选择方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114971196A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220129840A1 (en) * | 2020-10-26 | 2022-04-28 | Genpact Luxembourg S.À R.L | System And Method For Reinforcement-Learning Based On-Loading Optimization |
| CN117151443A (zh) * | 2023-11-01 | 2023-12-01 | 青岛盈智科技有限公司 | 一种货车运输过程的智能调度系统 |
| CN117474429A (zh) * | 2023-12-27 | 2024-01-30 | 国网浙江省电力有限公司金华供电公司 | 具备碳排测算功能的电力物资智慧可视运输方法及平台 |
| TWI847813B (zh) * | 2023-07-26 | 2024-07-01 | 中華電信股份有限公司 | 用於估計大眾運輸的路線營運的碳排放量的系統和方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107239844A (zh) * | 2016-03-28 | 2017-10-10 | 武汉长江通信智联技术有限公司 | 一种基于Hadoop的石油运输车辆油耗预测方法 |
| JP2019144948A (ja) * | 2018-02-22 | 2019-08-29 | 本田技研工業株式会社 | 車両選択装置および方法 |
| CN111354100A (zh) * | 2020-02-28 | 2020-06-30 | 西南交通大学 | 一种基于轨迹数据的货车油耗关键因子量化分析方法 |
| CN112182745A (zh) * | 2020-09-14 | 2021-01-05 | 北京航空航天大学 | 一种估计列车运行过程中驱动能耗的仿真方法 |
-
2022
- 2022-04-29 CN CN202210466116.9A patent/CN114971196A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107239844A (zh) * | 2016-03-28 | 2017-10-10 | 武汉长江通信智联技术有限公司 | 一种基于Hadoop的石油运输车辆油耗预测方法 |
| JP2019144948A (ja) * | 2018-02-22 | 2019-08-29 | 本田技研工業株式会社 | 車両選択装置および方法 |
| CN111354100A (zh) * | 2020-02-28 | 2020-06-30 | 西南交通大学 | 一种基于轨迹数据的货车油耗关键因子量化分析方法 |
| CN112182745A (zh) * | 2020-09-14 | 2021-01-05 | 北京航空航天大学 | 一种估计列车运行过程中驱动能耗的仿真方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220129840A1 (en) * | 2020-10-26 | 2022-04-28 | Genpact Luxembourg S.À R.L | System And Method For Reinforcement-Learning Based On-Loading Optimization |
| TWI847813B (zh) * | 2023-07-26 | 2024-07-01 | 中華電信股份有限公司 | 用於估計大眾運輸的路線營運的碳排放量的系統和方法 |
| CN117151443A (zh) * | 2023-11-01 | 2023-12-01 | 青岛盈智科技有限公司 | 一种货车运输过程的智能调度系统 |
| CN117474429A (zh) * | 2023-12-27 | 2024-01-30 | 国网浙江省电力有限公司金华供电公司 | 具备碳排测算功能的电力物资智慧可视运输方法及平台 |
| CN117474429B (zh) * | 2023-12-27 | 2024-03-08 | 国网浙江省电力有限公司金华供电公司 | 具备碳排测算功能的电力物资智慧可视运输方法及平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114971196A (zh) | 车型选择方法、装置、设备及存储介质 | |
| Raeesi et al. | The electric vehicle routing problem with time windows and synchronised mobile battery swapping | |
| Iwan et al. | Efficiency of light electric vehicles in last mile deliveries–Szczecin case study | |
| Li et al. | Battery SOC constraint comparison for predictive energy management of plug-in hybrid electric bus | |
| Brandstätter et al. | Overview of optimization problems in electric car-sharing system design and management | |
| James | Two-stage request scheduling for autonomous vehicle logistic system | |
| Van Duin et al. | Towards E (lectric)-urban freight: first promising steps in the electric vehicle revolution | |
| Li et al. | Benefit analysis of shared depot resources for multi-depot vehicle routing problem with fuel consumption | |
| CN109740860B (zh) | 一种充电车辆选取方法 | |
| Li et al. | The use of freight apps in road freight transport for CO 2 reduction | |
| Scholl et al. | E-platooning: Optimizing platoon formation for long-haul transportation with electric commercial vehicles | |
| Nicolaides et al. | An urban charging infrastructure for electric road freight operations: A case study for Cambridge UK | |
| CN106548246A (zh) | 一种电动车辆实时充电推荐方法及其系统 | |
| CN104036333A (zh) | 求解单车场时变关联物流运输车辆路径问题的算法 | |
| Borlaug et al. | Charging needs for electric semi-trailer trucks | |
| Fanti et al. | Electric vehicle fleet relocation management for sharing systems based on incentive mechanism | |
| Carteni et al. | Towards E-mobility: Strengths and weaknesses of electric vehicles | |
| Sanchez et al. | Can autonomy make bicycle-sharing systems more sustainable? An environmental impact analysis | |
| Yang et al. | User-based battery swapping strategy in an electric bike-sharing system | |
| Annema | Policy implications of the potential carbon dioxide (CO2) emission and energy impacts of highly automated vehicles | |
| CN115239067A (zh) | 一种新能源充电桩停车调度方法及系统 | |
| Sumitkumar et al. | Shared autonomous electric vehicle: Towards social economy of energy and mobility from power-transportation nexus perspective | |
| Chen et al. | Coordinated optimization of logistics scheduling and electricity dispatch for electric logistics vehicles considering uncertain electricity prices and renewable generation | |
| Bruzzone et al. | Environmental and energy performance of integrated passenger–freight transport | |
| Alonso-Villar et al. | Electrification potential for heavy-duty vehicles in harsh climate conditions: A case study based technical feasibility assessment |
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: 20220830 |
|
| RJ01 | Rejection of invention patent application after publication |