CN115375234A - 基于gnss的运输车辆运行轨迹规划方法 - Google Patents

基于gnss的运输车辆运行轨迹规划方法 Download PDF

Info

Publication number
CN115375234A
CN115375234A CN202211024027.5A CN202211024027A CN115375234A CN 115375234 A CN115375234 A CN 115375234A CN 202211024027 A CN202211024027 A CN 202211024027A CN 115375234 A CN115375234 A CN 115375234A
Authority
CN
China
Prior art keywords
transportation
vehicle
transport vehicle
data
transportation route
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.)
Withdrawn
Application number
CN202211024027.5A
Other languages
English (en)
Inventor
郑露
史磊芳
宋志伟
梁治
刘源
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.)
Anhui Cangqing Robot Co ltd
Original Assignee
Anhui Cangqing Robot 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 Anhui Cangqing Robot Co ltd filed Critical Anhui Cangqing Robot Co ltd
Priority to CN202211024027.5A priority Critical patent/CN115375234A/zh
Publication of CN115375234A publication Critical patent/CN115375234A/zh
Withdrawn legal-status Critical Current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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • 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
    • G06Q10/06—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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了基于GNSS的运输车辆运行轨迹规划方法，涉及物流配送技术领域，包括：从物流监控中心获取物流订单数据、各个中转站仓储数据和历史运输路线方案数据；建立指标体系，基于决策树分析法，选择信息增益率最高的运输路线方案作为对应物流订单的最优运输路线方案；以便驾驶员按照最优运输路线执行配送任务，提高配送效率；通过访问气象平台，获取运输途中对应路段的行车环境信息对运输车辆的最大预计车速进行协同分析，供驾驶员参考；获取运输车辆行驶过程中的实时位姿信息，并结合对应的最优运输路线方案对运输车辆的偏离值作出分析；若轨迹偏离，则提醒驾驶员采取措施回归最优运输路线，从而缩短配送时间，有效提高配送效率。

Description

基于GNSS的运输车辆运行轨迹规划方法
技术领域
本发明涉及物流配送技术领域，具体是基于GNSS的运输车辆运行轨迹规划方法。
背景技术
物流配送是指为了满足客户的需求，以最低的成本，通过运输、保管、配送等方式，实现原材料、半成品、成品或相关信息进行由商品的产地到商品的消费地的计划、实施和管理的全过程；现代物流是经济全球化的产物，也是推动经济全球化的重要服务业；
目前，仓储物流的配送过程中通常是人为选择配送路径，而人为选择路径无法智能识别用户的准确需求，并在众多资源当中匹配到最合适的，导致配送效率不高；同时缺乏对车辆运行轨迹的实时监控，导致运输车辆走一些不必要的路径，既浪费了车辆能量，又延长了配送时间；基于以上不足，本发明提供基于GNSS的运输车辆运行轨迹规划方法。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出基于GNSS的运输车辆运行轨迹规划方法。
为实现上述目的，根据本发明的第一方面的实施例提出基于GNSS的运输车辆运行轨迹规划方法，包括如下步骤：
步骤一：从物流监控中心获取物流订单数据、各个中转站仓储数据和历史运输路线方案数据；
步骤二：根据获取到的数据建立指标体系，基于决策树分析法，选择信息增益率最高的运输路线方案作为对应物流订单的最优运输路线方案；
步骤三：当运输车辆离开中转站，通过访问气象平台，获取运输途中对应路段的行车环境信息对运输车辆的最大预计车速进行协同分析，并将分析得到的最大预计车速发送至对应运输车辆终端，供驾驶员参考，
步骤四：获取运输车辆行驶过程中的实时位姿信息，并结合对应的最优运输路线方案对运输车辆的偏离值作出分析；若轨迹偏离，则提醒驾驶员采取措施回归最优运输路线。
进一步地，步骤三中最大预计车速的具体协同分析过程如下：
获取运输车辆的运输路线信息，统计该运输路线途经的各个路段；根据运输车辆的当前位置统计分析该运输车辆途经各个路段的行车时间段；
获取对应路段的最大限速为ZV；通过访问气象平台，获取各行车时间段内对应路段的行车环境信息；行车环境信息包括若干个行车环境因子的最大预计数据，行车环境因子包括路面平整度、降雨量、能见度、风速以及风向；
将各行车环境因子与数据库中存储的对应行车环境因子的安全数据进行对比，将对应的路面平整度差值标记为CZ1，将降雨量差值标记为CZ2、将能见度差值标记为CZ3、将风速差值标记为CZ4；
利用公式YX＝(CZ2×a2+CZ4×a4)/(CZ1×a1+CZ3×a3)计算得到行车影响系数YX，其中a1、a2、a3、a4均为系数因子；利用公式ZY＝ZV×(1-YX×b1)计算得到对应路段的最大预计车速ZY，其中b1为系数因子。
进一步地，步骤四中偏离值的具体分析过程为：
获取运输车辆行驶过程中的实时位姿信息，将运输车辆的实时位置坐标化，记为(Xi，Yi)，将点(Xi，Yi)标记为验证点；
获取对应的最优运输路线中与运输车辆实时位置对应的参考点并标记为(Xi'，Yi')；则验证距离Li＝[(Xi-Xi')2+(Yi-Yi')2]1/2；
获取运输车辆与最优运输路线的偏离角度θ，将运输车辆当前速度标记为Vi，将运输车辆当前加速度标记为VTi；
利用公式PL＝Li×g1+θ×g2+Vi×g3+VTi×g4计算得到运输车辆的偏离值PL，其中g1、g2、g3、g4均为系数因子；将偏离值PL与预设偏离阈值相比较；若PL≥预设偏离阈值，则判定运输车辆发生轨迹偏离，生成偏离预警信号，并将偏离预警信号发送至对应运输车辆终端。
进一步地，参考点的获取准则为：获取最优运输路线中与点(Xi，Yi)若干不重合的对应点，计算对应点与验证点的距离，将距离最小的对应点标记为参考点。
进一步地，其中，所述物流订单数据包括货物名称、货物重量、体积、起运地、目的地、收货人信息、发运时间等货运信息；所述中转站仓储数据包括中转站的位置信息、仓储条件、仓储方式和剩余仓储空间；
进一步地，所述指标体系包括指标因子和样本；所述指标因子包括发货方需求、运输距离、运输时间、运输里程和运输路径，其中发货方需求与物流订单数据关联匹配；运输距离、运输时间和运输里程均与各个中转站仓储数据关联匹配，运输路径与路面交通数据关联匹配，样本包括历史运输路线方案数据。
进一步地，还包括：将各个指标因子分别作为决策树的叶节点，样本作为根节点，分别建立每个物流订单的所有运输路线方案；并基于决策树C4.5算法，计算出每个物流订单的每个运输路线方案中各个节点的发生概率，进一步计算出对应物流订单的每个运输路线方案的信息增益率。
与现有技术相比，本发明的有益效果是：
1、本发明中通过从物流监控中心获取物流订单数据、各个中转站仓储数据和历史运输路线方案数据，根据获取到的数据建立指标体系，基于决策树分析法，将各个指标因子分别作为决策树的叶节点，样本作为根节点，分别建立每个物流订单的所有运输路线方案，选择信息增益率最高的运输路线方案作为该物流订单的最优运输路线方案；以便驾驶员按照最优运输路线执行配送任务，提高配送效率；
2、本发明中当运输车辆离开中转站，通过访问气象平台，获取运输途中对应路段的行车环境信息并结合对应路段的最大限速ZV对运输车辆的最大预计车速进行协同分析，供驾驶员参考，提高行车安全；在运输车辆行驶过程中，获取运输车辆的实时位姿信息，并结合对应的最优运输路线方案对运输车辆的偏离值作出分析，判断运输车辆是否处于规定的路线中，一旦偏离，及时预警，以提醒驾驶员采取措施回归最优运输路线，从而缩短配送时间，有效提高配送效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1为本发明基于GNSS的运输车辆运行轨迹规划方法的原理框图。
具体实施方式
下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。
如图1所示，基于GNSS的运输车辆运行轨迹规划方法，包括：
步骤一：从物流监控中心获取物流订单数据、各个中转站仓储数据和历史运输路线方案数据；
其中，所述物流订单数据包括货物名称、货物重量、体积、起运地、目的地、收货人信息、发运时间等货运信息；所述中转站仓储数据包括中转站的位置信息、仓储条件、仓储方式和剩余仓储空间；
步骤二：根据获取到的数据建立指标体系，基于决策树分析法，计算得到最优运输路线方案；具体包括：
根据获取到的数据建立指标体系；所述指标体系包括指标因子和样本；所述指标因子包括发货方需求、运输距离、运输时间、运输里程和运输路径，其中发货方需求与物流订单数据关联匹配；运输距离、运输时间和运输里程均与各个中转站仓储数据关联匹配，运输路径与路面交通数据关联匹配，样本包括历史运输路线方案数据；
基于决策树分析法，将各个指标因子分别作为决策树的叶节点，样本作为根节点，分别建立每个物流订单的所有运输路线方案，并基于决策树C4.5算法，计算出每个物流订单的每个运输路线方案中各个节点的发生概率，进一步计算出对应物流订单的每个运输路线方案的信息增益率；
选择信息增益率最高的运输路线方案作为该物流订单的最优运输路线方案；然后将最优运输路线方案经物流监控中心发送至对应运输车辆终端，以便驾驶员按照最优运输路线执行配送任务；其中最优运输路线方案包括运输路线信息和中转站信息；
步骤三：当运输车辆离开中转站，通过访问气象平台，获取运输途中对应路段的行车环境信息对运输车辆的最大预计车速进行协同分析，并将分析得到的最大预计车速发送至对应运输车辆终端，供驾驶员参考，提高行车安全；具体协同分析过程如下：
获取运输车辆的运输路线信息，统计该运输路线途经的各个路段；根据运输车辆的当前位置统计分析该运输车辆途经各个路段的行车时间段；
获取对应路段的最大限速为ZV；通过访问气象平台，获取各行车时间段内对应路段的行车环境信息；行车环境信息包括若干个行车环境因子的最大预计数据，行车环境因子包括路面平整度、降雨量、能见度、风速以及风向；
将各行车环境因子与数据库中存储的对应行车环境因子的安全数据进行对比，得到对应行车环境因子的数据差值；将对应的路面平整度差值标记为CZ1，将降雨量差值标记为CZ2、将能见度差值标记为CZ3、将风速差值标记为CZ4；利用公式YX＝(CZ2×a2+CZ4×a4)/(CZ1×a1+CZ3×a3)计算得到行车影响系数YX，其中a1、a2、a3、a4均为系数因子；
利用公式ZY＝ZV×(1-YX×b1)计算得到对应路段的最大预计车速ZY，其中b1为系数因子；
步骤四：获取运输车辆行驶过程中的实时位姿信息，并结合对应的最优运输路线方案对运输车辆的偏离值作出分析，判断运输车辆是否处于规定的路线中，一旦偏离，及时预警，有效提高配送效率；具体分析步骤为：
获取运输车辆行驶过程中的实时位姿信息，所述位姿信息包括位置信息、加速度、速度以及航向角；将运输车辆的实时位置坐标化，记为(Xi，Yi)，将点(Xi，Yi)标记为验证点；
获取对应的最优运输路线中与运输车辆实时位置对应的参考点并标记为(Xi'，Yi')；则验证距离Li＝[(Xi-Xi')2+(Yi-Yi')2]1/2；
其中，参考点的获取准则为：获取最优运输路线中与点(Xi，Yi)若干不重合的对应点，计算对应点与验证点的距离，将距离最小的对应点标记为参考点；
获取运输车辆与最优运输路线的偏离角度θ，具体包括：
获取最优运输路线在参考点处的切线，该切线与运输车辆当前航向角的夹角即为此时运输车辆的偏离角度θ；
将运输车辆当前速度标记为Vi，将运输车辆当前加速度标记为VTi；
将验证距离、偏离角度、速度和加速度进行归一化处理并取其数值，利用公式PL＝Li×g1+θ×g2+Vi×g3+VTi×g4计算得到运输车辆的偏离值PL，其中g1、g2、g3、g4均为系数因子；
将偏离值PL与预设偏离阈值相比较；若PL≥预设偏离阈值，则判定运输车辆发生轨迹偏离，生成偏离预警信号，并将偏离预警信号发送至对应运输车辆终端，所述运输车辆终端接收到偏离预警信号后控制报警器发出警报，并在对应运输车辆的车辆仪表盘图像帧中标识偏离预警信息，以提醒驾驶员运输车辆发生了轨迹偏离，需要采取措施回归最优运输路线，从而缩短配送时间，有效提高配送效率。
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
本发明的工作原理：
基于GNSS的运输车辆运行轨迹规划方法，在工作时，首先从物流监控中心获取物流订单数据、各个中转站仓储数据和历史运输路线方案数据；根据获取到的数据建立指标体系，基于决策树分析法，将各个指标因子分别作为决策树的叶节点，样本作为根节点，分别建立每个物流订单的所有运输路线方案，并基于决策树C4.5算法，选择信息增益率最高的运输路线方案作为该物流订单的最优运输路线方案；以便驾驶员按照最优运输路线执行配送任务，提高配送效率；
当运输车辆离开中转站，通过访问气象平台，获取运输途中对应路段的行车环境信息对运输车辆的最大预计车速进行协同分析，根据运输车辆的当前位置统计分析该运输车辆途经各个路段的行车时间段；获取各行车时间段内对应路段的行车环境信息，计算得到行车影响系数YX，结合对应路段的最大限速ZV，计算得到对应路段的最大预计车速ZY，供驾驶员参考，提高行车安全；在运输车辆行驶过程中，获取多个车辆前方道路图像帧和多个车辆仪表盘图像帧进行整理，得到运输车辆的实时位姿信息，并结合对应的最优运输路线方案对运输车辆的偏离值作出分析，判断运输车辆是否处于规定的路线中，一旦偏离，及时预警，以提醒驾驶员采取措施回归最优运输路线，从而缩短配送时间，有效提高配送效率。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (7)

1.基于GNSS的运输车辆运行轨迹规划方法，其特征在于，包括：
步骤一：从物流监控中心获取物流订单数据、各个中转站仓储数据和历史运输路线方案数据；
步骤二：根据获取到的数据建立指标体系，基于决策树分析法，选择信息增益率最高的运输路线方案作为对应物流订单的最优运输路线方案；
步骤三：当运输车辆离开中转站，通过访问气象平台，获取运输途中对应路段的行车环境信息对运输车辆的最大预计车速进行协同分析，并将分析得到的最大预计车速发送至对应运输车辆终端，供驾驶员参考，
步骤四：获取运输车辆行驶过程中的实时位姿信息，并结合对应的最优运输路线方案对运输车辆的偏离值作出分析；若轨迹偏离，则提醒驾驶员采取措施回归最优运输路线。
2.根据权利要求1所述的基于GNSS的运输车辆运行轨迹规划方法，其特征在于，其中，步骤三中最大预计车速的具体协同分析过程如下：
获取运输车辆的运输路线信息，统计该运输路线途经的各个路段；根据运输车辆的当前位置统计分析该运输车辆途经各个路段的行车时间段；
获取对应路段的最大限速为ZV；通过访问气象平台，获取各行车时间段内对应路段的行车环境信息；行车环境信息包括若干个行车环境因子的最大预计数据，行车环境因子包括路面平整度、降雨量、能见度、风速以及风向；
将各行车环境因子与数据库中存储的对应行车环境因子的安全数据进行对比，将对应的路面平整度差值标记为CZ1，将降雨量差值标记为CZ2、将能见度差值标记为CZ3、将风速差值标记为CZ4；
利用公式YX＝(CZ2×a2+CZ4×a4)/(CZ1×a1+CZ3×a3)计算得到行车影响系数YX，其中a1、a2、a3、a4均为系数因子；利用公式ZY＝ZV×(1-YX×b1)计算得到对应路段的最大预计车速ZY，其中b1为系数因子。
3.根据权利要求1所述的基于GNSS的运输车辆运行轨迹规划方法，其特征在于，步骤四中偏离值的具体分析过程为：
获取运输车辆行驶过程中的实时位姿信息，所述位姿信息包括位置信息、加速度、速度以及航向角；将运输车辆的实时位置坐标化，记为(Xi，Yi)，将点(Xi，Yi)标记为验证点；
获取对应的最优运输路线中与运输车辆实时位置对应的参考点并标记为(Xi'，Yi')；则验证距离Li＝[(Xi-Xi')2+(Yi-Yi')2]1/2；
获取运输车辆与最优运输路线的偏离角度θ，将运输车辆当前速度标记为Vi，将运输车辆当前加速度标记为VTi；
利用公式PL＝Li×g1+θ×g2+Vi×g3+VTi×g4计算得到运输车辆的偏离值PL，其中g1、g2、g3、g4均为系数因子；将偏离值PL与预设偏离阈值相比较；若PL≥预设偏离阈值，则判定运输车辆发生轨迹偏离，生成偏离预警信号，并将偏离预警信号发送至对应运输车辆终端。
4.根据权利要求3所述的基于GNSS的运输车辆运行轨迹规划方法，其特征在于，其中，参考点的获取准则为：获取最优运输路线中与点(Xi，Yi)若干不重合的对应点，计算对应点与验证点的距离，将距离最小的对应点标记为参考点。
5.根据权利要求1所述的基于GNSS的运输车辆运行轨迹规划方法，其特征在于，其中，所述物流订单数据包括货物名称、货物重量、体积、起运地、目的地、收货人信息、发运时间等货运信息；所述中转站仓储数据包括中转站的位置信息、仓储条件、仓储方式和剩余仓储空间。
6.根据权利要求5所述的基于GNSS的运输车辆运行轨迹规划方法，其特征在于，所述指标体系包括指标因子和样本；所述指标因子包括发货方需求、运输距离、运输时间、运输里程和运输路径，其中发货方需求与物流订单数据关联匹配；运输距离、运输时间和运输里程均与各个中转站仓储数据关联匹配，运输路径与路面交通数据关联匹配，样本包括历史运输路线方案数据。
7.根据权利要求6所述的基于GNSS的运输车辆运行轨迹规划方法，其特征在于，还包括：基于决策树分析法，将各个指标因子分别作为决策树的叶节点，样本作为根节点，分别建立每个物流订单的所有运输路线方案，并基于决策树C4.5算法，计算出每个物流订单的每个运输路线方案中各个节点的发生概率，进一步计算出对应物流订单的每个运输路线方案的信息增益率。
CN202211024027.5A 2022-08-24 2022-08-24 基于gnss的运输车辆运行轨迹规划方法 Withdrawn CN115375234A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211024027.5A CN115375234A (zh) 2022-08-24 2022-08-24 基于gnss的运输车辆运行轨迹规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211024027.5A CN115375234A (zh) 2022-08-24 2022-08-24 基于gnss的运输车辆运行轨迹规划方法

Publications (1)

Publication Number Publication Date
CN115375234A true CN115375234A (zh) 2022-11-22

Family

ID=84067364

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211024027.5A Withdrawn CN115375234A (zh) 2022-08-24 2022-08-24 基于gnss的运输车辆运行轨迹规划方法

Country Status (1)

Country Link
CN (1) CN115375234A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116341161A (zh) * 2023-05-26 2023-06-27 广州一链通互联网科技有限公司 基于数字孪生的跨境物流运输线路模拟仿真方法及系统
CN116645828A (zh) * 2023-05-26 2023-08-25 赛马物联科技(宁夏)有限公司 一种物流车辆轨迹偏离报警方法及系统
CN116797123A (zh) * 2023-08-28 2023-09-22 深圳市明心数智科技有限公司 一种物流管理与预警方法、系统及介质
CN117010581A (zh) * 2023-09-12 2023-11-07 山东未来网络研究院(紫金山实验室工业互联网创新应用基地) 一种基于工业互联网标识解析的物流路径规划方法和系统

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116341161A (zh) * 2023-05-26 2023-06-27 广州一链通互联网科技有限公司 基于数字孪生的跨境物流运输线路模拟仿真方法及系统
CN116341161B (zh) * 2023-05-26 2023-08-15 广州一链通互联网科技有限公司 基于数字孪生的跨境物流运输线路模拟仿真方法及系统
CN116645828A (zh) * 2023-05-26 2023-08-25 赛马物联科技(宁夏)有限公司 一种物流车辆轨迹偏离报警方法及系统
CN116645828B (zh) * 2023-05-26 2024-04-16 赛马物联科技(宁夏)有限公司 一种物流车辆轨迹偏离报警方法及系统
CN116797123A (zh) * 2023-08-28 2023-09-22 深圳市明心数智科技有限公司 一种物流管理与预警方法、系统及介质
CN116797123B (zh) * 2023-08-28 2024-02-23 深圳市明心数智科技有限公司 一种物流管理与预警方法、系统及介质
CN117010581A (zh) * 2023-09-12 2023-11-07 山东未来网络研究院(紫金山实验室工业互联网创新应用基地) 一种基于工业互联网标识解析的物流路径规划方法和系统
CN117010581B (zh) * 2023-09-12 2024-02-09 山东未来网络研究院(紫金山实验室工业互联网创新应用基地) 一种基于工业互联网标识解析的物流路径规划方法和系统

Similar Documents

Publication Publication Date Title
CN115375234A (zh) 基于gnss的运输车辆运行轨迹规划方法
CN107563566B (zh) 一种基于支持向量机的公交站间运行时间区间预测方法
CN108256714A (zh) 一种基于车联网大数据的行车轨迹实时风险评估模型
US10928277B1 (en) Intelligent telematics system for providing vehicle vocation
CN111465972B (zh) 用于计算交通工具传感器数据的错误概率的系统
CN105869402B (zh) 基于多类型浮动车数据的高速公路路段速度修正方法
Figliozzi et al. Algorithms for studying the impact of travel time reliability along multisegment trucking freight corridors
CN114022000A (zh) 基于模糊综合评价的车辆道路运输风险评估方法及系统
CN115099267A (zh) 一种路面平整度维护方法、系统、检测终端、服务器
CN102622883B (zh) 判定交通事件解除的方法及装置
CN115456520A (zh) 一种基于深度学习的特殊货物运输风险预测与处理方法
CN114264314A (zh) 危险品安全运输管理系统及方法
Proussaloglou et al. Wisconsin passenger and freight statewide model: case study in statewide model validation
CN116934200A (zh) 一种基于大数据的物流运输监管系统和方法
CN109636250B (zh) 一种危险货物卡车生存概率和危险概率的预测方法
CN109670085B (zh) 一种车辆碰撞事故等级的判别方法
CN110796301A (zh) 一种基于ic卡数据的乘客流量预测方法及装置
CN115293606A (zh) 一种无人送货车系统
CN112614345B (zh) 车辆速度的计算方法、装置、设备及存储介质
CN111080202B (zh) 一种面向油量节省的作业车辆的效能管理方法及系统
Yonezawa et al. Random forest based bus operation states classification using vehicle sensor data
CN113919571A (zh) 基于边缘计算的危化品运输保费预估方法
Kim et al. Multiple-step traffic speed forecasting strategy for winter freeway operations
CN111539686A (zh) 基于车辆行驶记录可视化的运输管理监控方法
Smadi et al. Statewide truck transportation planning: Methodology and case study

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20221122