CN115907591A - 一种海洋云仓污染物运输车辆异常行为预警方法和系统 - Google Patents
一种海洋云仓污染物运输车辆异常行为预警方法和系统 Download PDFInfo
- Publication number
- CN115907591A CN115907591A CN202211613506.0A CN202211613506A CN115907591A CN 115907591 A CN115907591 A CN 115907591A CN 202211613506 A CN202211613506 A CN 202211613506A CN 115907591 A CN115907591 A CN 115907591A
- Authority
- CN
- China
- Prior art keywords
- node
- path
- pollutant
- transport vehicle
- priority queue
- 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
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 129
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 129
- 238000000034 method Methods 0.000 title claims abstract description 70
- 206010000117 Abnormal behaviour Diseases 0.000 title claims abstract description 53
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 39
- 230000008569 process Effects 0.000 claims abstract description 35
- 230000008859 change Effects 0.000 claims abstract description 21
- 239000007788 liquid Substances 0.000 claims abstract description 14
- 239000002699 waste material Substances 0.000 claims abstract description 13
- 230000032258 transport Effects 0.000 claims description 85
- 230000006870 function Effects 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 230000006399 behavior Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 2
- 230000001174 ascending effect Effects 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 claims description 2
- 230000014759 maintenance of location Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 230000007704 transition Effects 0.000 claims description 2
- 238000012546 transfer Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 235000013547 stew Nutrition 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种海洋云仓污染物运输车辆异常行为预警方法和系统，属于船舶污染物转运技术领域。规划污染物运输车辆的初始路径，在污染物运输过程中，若地图场景发生变化或者污染物运输车辆未按照规划路径行驶时，采用改进后的路径规划算法进行路径重规划；所述的改进后的路径规划算法对地图节点集中的所有节点添加标签，并且引入节点优先级队列；所述的标签包括三种状态：未被检索、等待更新且已存入节点优先级队列中、已从节点优先级队列中移除。实时获取污染物运输车辆的坐标位置、路径重规划次数、变速过程的滞留时间、废弃物储存箱重量或液位信息，识别污染物运输车辆的违规排放异常行为。
Description
技术领域
本发明涉及船舶污染物转运技术领域，尤其涉及一种海洋云仓污染物运输车辆异常行为预警方法和系统。
背景技术
海洋生态环境治理是一个全球性难题，其中船舶垃圾对海洋环境造成的污染较为严重，对船舶污染物进行收集与转运是一项可以降低海洋环境的污染的方法。目前采用在海洋港口设置海洋云仓来暂时存放海洋污染物，当海洋云仓装满后，需要转运车辆将海洋云仓污染物转运至海洋污染物处置单位。
现有技术在转运车对污染物进行转运的过程中，对于转运车辆的行驶路线一般通过导航软件进行规划，由于海洋云仓污染物运输车辆的行驶路况更为复杂，例如，港口到海洋污染物处置单位之间存在更多的维修路段，不同于城市路况，污染物转运场景的路况更加复杂，因此，路径重规划也会更加频繁，现有的路径规划算法，如D*Lite算法，其在路径重规划过程中的运算量大，响应速度慢，在海洋云仓污染物转运场景下不适用。
此外，现有技术中在转运车对污染物进行转运的过程中不能实时的监控，对于转运车行驶途中污染物违规排放行为不能准确的进行判断；由于行驶道路的路况复杂，对于储存箱内的污染物重量或液位难以准确检测，采集的重量或流量数据偏差较大，只有当车辆停止后静置一段时间才能够采集准确的数据，效率低下，不能实现实时高精度预警。
如何高效率实现污染物转运场景下的路径重规划，并在转运车辆行驶过程中对可能出现的违规排放行为进行准确监控，是本领域亟待解决的问题。
发明内容
针对现有技术的缺陷，本发明公开了一种海洋云仓污染物运输车辆异常行为预警方法和系统，由云平台采用优化后的D*Lite算法对污染物运输车辆的运输路线进行规划，并在车辆行驶过程中，实时监控污染物运输过程中出现的违规排放现象。
为了实现上述目的，本发明的第一个方面，提供了一种海洋云仓污染物运输车辆异常行为预警方法，包括：
获取污染物运输车辆所处区域的地图，将地图网格化，标记起始网格节点和目标网格节点，采用路径规划算法计算从起始网格节点到目标网格节点的最佳路径作为初始规划路径；
污染物运输车辆根据规划路径将污染物转运至污染物处置单位，在污染物运输过程中，若地图场景发生变化或者污染物运输车辆未按照规划路径行驶时，采用改进后的路径规划算法进行路径重规划；所述的改进后的路径规划算法对地图节点集E中的所有节点添加标签，并且引入节点优先级队列P；所述的标签包括三种状态：未被检索、等待更新且已存入节点优先级队列中、已从节点优先级队列中移除；在路径重规划时，首先，将标签状态为未被检索的节点列入节点优先级队列P中，并将列入节点优先级队列P中的节点标签状态更新为等待更新且已存入节点优先级队列中，之后，将节点优先级队列P中的节点依次添加到优先列表Q中，并将节点的标签状态更新为已从节点优先级队列中移除；
实时获取污染物运输车辆的坐标位置、路径变更次数、变速行驶时间、废弃物储存箱重量或液位信息，构建违规排放异常行为判断模型，当污染物运输车辆触发违规排放异常行为时发出预警。
本发明的第二个方面，提供了一种海洋云仓污染物运输车辆异常行为预警系统，包括：
路径初始规划模块，其用于获取污染物运输车辆所处区域的地图，将地图网格化，标记起始网格节点和目标网格节点，采用路径规划算法计算从起始网格节点到目标网格节点的最佳路径作为初始规划路径；
路径重规划化模块，其用于在污染物运输过程中，若地图场景发生变化或者污染物运输车辆未按照规划路径行驶时，采用改进后的路径规划算法进行路径重规划；所述的改进后的路径规划算法对地图节点集E中的所有节点添加标签，并且引入节点优先级队列P；所述的标签包括三种状态：未被检索、等待更新且已存入节点优先级队列中、已从节点优先级队列中移除；在路径重规划时，首先，将标签状态为未被检索的节点列入节点优先级队列P中，并将列入节点优先级队列P中的节点标签状态更新为等待更新且已存入节点优先级队列中，之后，将节点优先级队列P中的节点依次添加到优先列表Q中，并将节点的标签状态更新为已从节点优先级队列中移除；
异常行为判断模块，其用于实时获取污染物运输车辆的坐标位置、路径变更次数、变速行驶时间、废弃物储存箱重量或液位信息，构建违规排放异常行为判断模型，当污染物运输车辆触发违规排放异常行为时发出预警。
本发明的第三个目的，提供了一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器执行所述机器可执行指令以实现上述的一种海洋云仓污染物运输车辆异常行为预警方法。
本发明的第四个目的，提供了一种机器可读存储介质，该机器可读存储介质存储有机器可执行指令，该机器可执行指令在被处理器调用和执行时，用于实现上述的一种海洋云仓污染物运输车辆异常行为预警方法。
与现有技术相比，本发明具有以下有益效果：
(1)本发明由云平台采用优化后的路径规划算法对污染物运输车辆的运输路线进行规划，在路径规划的运算过程中，通过不同运算的状态判断，选用不同的函数计算公式，以适应不同的运算场景，从而提高路径规划模型的应变能力；采用数据标签的方式检验参数状态，减少了模型的运算量，以此降低路径规划模型的响应时间；设计车辆行驶路径偏离规划路径距离的最大容差值，允许车辆行驶过程小范围的绕弯，避免积累多次重规划次数，提高准确率。
(2)本发明在车辆行驶过程中，通过监控车辆的非特殊区域滞留时长、储存箱重量或液位数据、路线重规划次数，判断转运车辆在转运任务过程中是否存在违规排放异常行为，提高预警准确率。
附图说明
图1为本发明实施例示出的一种海洋云仓污染物运输车辆异常行为预警方法的流程示意图；
图2为D*lite算法的示意图；
图3为本发明实施例示出的采用改进后的D*Lite路径规划算法对路径进行重规划的过程示意图；
图4为本发明实施例示出的用于实现海洋云仓污染物运输车辆异常行为预警方法的电子设备终端结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
除非另有定义，本发明所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本发明所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本发明。本发明所使用的术语“或/和”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1为本发明实施例示出的一种海洋云仓污染物运输车辆异常行为预警方法，包括：
S1，获取污染物运输车辆所处区域的地图，将地图网格化，标记起始网格节点和目标网格节点，采用路径规划算法计算从起始网格节点到目标网格节点的最佳路径作为初始规划路径。
本步骤中，海洋污染物一般存储在海洋云仓装备中，置于各港口位置，每一海洋云仓装备可用于存储一种或者多种类型的海洋污染物，其中海洋污染物类型一般包括油污水、废机油、生活污水、固态垃圾等。当海洋云仓装备内存储的某一类型污染物达到一定量时，需要通过污染物运输车辆将其转运至污染物处理单位。
当污染物运输车辆将污染物从海洋云仓处转运至污染物处理单位的路途中，由云平台生成规划路径，初始路径规划可以采用传统的D*lite算法、A*算法、LPA*算法等实现，本实施例中，以D*Lite算法为例规划初始路径。如图2所示，D*lite算法是一种增量启发式的路径搜索算法，适合面对周围环境未知或者周围环境存在动态变化的场景。D*lite算法的原理是：先在给定的地图集中逆向搜索并找到一条最优路径，在其接近目标点的过程中，通过在局部范围的搜索去应对动态障碍点的出现。增量启发式算法的优势在于，各个点的路径搜索已经完成，在遇到障碍点无法继续按照原路径进行逼近时，通过增量搜索的数据在受阻碍的当前位置重新规划出一条最优路径，然后继续前进。
但是，由于环境地图进行更细粒度的栅格化，虽然在足够细粒化的环境地图中可以实现较优的路径解，但会带来更多的规划序列导致执行次数以及重规划次数增多，进而路径规划执行花费时间也会变得更长。
S2，污染物运输车辆根据规划路径将污染物转运至污染物处置单位，在污染物运输过程中，若地图场景发生变化或者污染物运输车辆未按照规划路径行驶时，采用改进后的路径规划算法进行路径重规划。
本实施例中，对步骤S1采用的D*lite算法进行改进，在改进后的D*Lite路径规划算法中，对地图节点集E中的所有节点添加标签，并且引入节点优先级队列P；所述的标签包括三种状态：未被检索、等待更新且已存入节点优先级队列中、已从节点优先级队列中移除；在路径重规划时，首先，将标签状态为未被检索的节点列入节点优先级队列P中，并将列入节点优先级队列P中的节点标签状态更新为等待更新且已存入节点优先级队列中，之后，将节点优先级队列P中的节点依次添加到优先列表Q中，并将节点的标签状态更新为已从节点优先级队列中移除。
相较于传统的D*Lite算法，本发明采用对节点设定标签，通过检验标签状态，判断节点是否存在于优先列表中时，如果遍历整个表，加大了模型运算量，则效率并不是最优的；在路径重规划过程中，采用数据标签的方式检验参数状态，减少了模型的运算量，以此降低路径规划模型的响应时间。
S3，实时判断污染物运输过程中的异常行为：
实时获取污染物运输车辆的坐标位置、路径变更次数、变速行驶时间、废弃物储存箱重量或液位信息，构建违规排放异常行为判断模型，当污染物运输车辆触发违规排放异常行为时发出预警。
本步骤中，对污染物运输车辆的行驶过程进行异常判断，有助于及时了解异常信息，从而避免在污染物运输过程中出现违规排放现象。
针对传统D*Lite路径规划算法存在的路径规划执行花费时间长的问题，在本发明的一项具体实施中，如图3所示，采用改进后的D*Lite路径规划算法对路径进行重规划的过程具体为：
S21，获取污染物运输车辆所处区域的地图，将地图网格化。
S22，将D*Lite路径规划算法中的优先列表Q清空，遍历地图节点集E，计算e节点到目标网格节点的距离估计值F(e)，e∈E。
S23，对地图节点集E中的所有节点添加标签，并且引入节点优先级队列P，所述的标签用于节点优先级队列状态验证；
向节点优先级队列P中添加初始规划路径中的节点集M，将节点优先级队列P中的节点依次添加到优先列表Q中，从优先列表Q中返回Key值，Key值越小的e节点，优先处理，实时更新优先列表Q的排序；
Key值计算公式为：
Key＝[min(F(e),rhs(e))+h(O,e)+km；min(F(e),rhs(e))]
其中，F(e)表示e节点到目标网格节点的距离估计值，rhs(e)表示e节点的rhs值，min(F(e),rhs(e))表示当前e节点到目标节点的行驶距离，h(O,e)表示从起始节点到当前e节点的行驶距离，km表示Key的修饰值。
S24，判断S23返回的e节点的状态，根据节点状态选择相应的函数；
当F(e)＞rhs(e)时，表示e节点处于下降状态，调用UpdateLower(u,e’)函数对e节点的前继节点进行更新，u表示待更新节点，e’表示触发u节点被更新的源节点；
当F(e)＜rhs(e)时，表示e节点处于上升状态，调用UpdateRaise(u)函数对e节点的前继节点进行更新；
本发明在路径规划的运算过程中，通过不同运算的状态判断，选用不同的函数计算公式，以适应不同的运算场景，从而提高路径规划模型的应变能力。
S25，更新u节点；
判断u节点是否为初始规划路径中的节点集M中的节点，若是，使局部一致，继续沿用局部初始规划路径；
若不是，则取u节点的所有后续节点中最小的rhs值作为u节点的rhs值，将更新后的u节点作为新的起始网格节点；
S26，检验u节点的标签状态：
若u节点的标签状态u.tag＝closed，表示u节点已从节点优先级队列中移除；若u.tag＝open，表示u节点等待更新且已存入节点优先级队列中；若u.tag＝new，表示u节点未被检索过，将其列入节点优先级队列中。
S27，计算最短路径；
若F(u)＞rhs(u)，表示边缘代价函数值变低，网格化后的地图上障碍物被清除或者搜索到一条更短的路径；
若F(u)＝rhs(u)，则调用UpdateVert ex(u)函数更新u节点的所有前继节点的Key值；
若F(u)＝∞，则u节点为障碍点，调用UpdateVert ex(u)函数更新u节点的所有前继节点的Key值。
S7，循环S25至S27，直至节点优先级队列u节点中，u.tag＝closed的最小Key值(Key值越小意味着越接近终点)小于u.tag＝new潜在Key值，得到最优路径。
考虑到海洋云仓污染物运输车辆行驶路线的特殊性，当沿着原始规划路线行驶过程中，云平台难以获取实时路况进行准确的判断，通常驾驶员会根据自己的经验绕行，有经验的驾驶员会选择优于规划路径行驶，这种靠驾驶员经验选择的路径不会严重偏离规划路径，其与规划路径的方向应当是同向的。传统的导航系统会苛刻的要求驾驶员沿路径行驶，当出现偏移时直接重规划路径，一方面进行了无效路径规划，浪费计算资源，另一方面，每次发生重规划路径则会在本发明提出的异常行为判断模型中累积路径规划次数而导致异常行为误判。
结合海洋云仓污染物运输车辆的运输场景，在本发明的一项具体实施中，允许车辆行驶过程小范围的绕弯，避免积累多次重规划次数，设置车辆行驶路径偏离规划路径距离的最大容差值l，在最大容差值范围内不触发路径重规划，即上述步骤S24中，判断完步骤S23返回的e节点的状态之后，先计算轨迹偏离路径值，若轨迹偏离路径值大于或者等于偏离距离阈值，则不执行对e节点的前继节点进行更新的步骤，直接进入上述步骤S26，否则，调用相应的函数对e节点的前继节点进行更新，可表示为：
其中，l为偏离距离阈值，是车辆行驶路径偏离规划路径距离的最大容差值；若logic＝0，表示车辆行驶路径已经超出偏离距离，违规排放异常行为判断模型中的路径变更次数判断单元记录违规次数，不进行e节点的前继节点更新步骤；若logic＝1，进入下一步，调用对应状态的函数，对e节点的前继节点进行更新。
本实施例中，获取车辆行驶路径的实时坐标，与规划路径的坐标进行比对，采用以下公式计算所述的轨迹偏离路径值：
其中，
式中，为最小距离的匹配阈值，指的是两点间的距离阈值，例如车辆行驶过程中绕了一个大弯又拐回来，绕弯半径作为距离阈值，可以理解为短暂的；DL,H为轨迹偏离路径值，L为规划路径的轨迹，H为车辆行驶路径的轨迹，l为规划路径的某一时刻的两点(xl1,yl1)、(xl2,yl2)间的长度，h为车辆行驶路径的某一时刻的两点(xh1,yh1)、(xh2,yh2)间的长度，Rest(.)为状态转移，本处涉及的是动态路径；Head(.)为标签；subcost进行的是l,h值的判断，输出结果是0或1。
为了实现对污染物运输车辆运输过程的违规排放异常行为进行监控，及时了解异常信息，提出了一种实时判断污染物运输过程中的异常行为的方法，构建异常行为判断模型I＝[B,K,N]，包括滞留时长判断单元、路径变更次数判断单元和储量判断单元，B、K、N分别对应三个判断单元，下述所提及的用于实现三个判断单元所需的数据均可以通过常规方法获得。
其中，滞留时长判断单元用于判断污染物运输车辆在非特殊区域的变速行驶时间，超出预测时间阈值则可能存在不规范滞留，标记异常。在本发明的一项具体实施中，污染物运输车辆在运输途中会实时记录其平均车速，记为VC，预测车辆的变速行驶时间TC’，表示为：
其中，TC’表示车辆的变速行驶时间预测值，VC表示污染物运输车辆的平均车速，Lc表示污染物运输车辆从平均车速VC到停止的行驶距离，T(.)表示时间阈值，JC、GC、MC、PC、DC分别表示污染物运输车辆的车牌号、污染物运输量、污染物类型、交通实况和天气类型信息。
当污染物运输车辆在行驶途中刹车至车速为0时，获取该车辆从平均车速VC到0的时间，即该车辆的实际变速行驶时间TC；将实际变速行驶时间TC与预测时间TC’进行比对，若TC＞TC’，则该车辆可能存在异常，进一步根据其当前位置坐标判断其是否处于特殊区域，例如拥堵路段、收费站、红绿灯口、高速路休息区等，若其处于特殊区域，则不属于异常，若其未处于特殊区域，则存在不规范滞留行为，标记异常。
本实施例中，滞留时长判断单元可表示如下：
根据式中条件，先判断TC与TC’之间的关系，若TC＞TC’，则logic＝0，表示转运车辆滞留时间可能存在异常；进一步获取车辆的实时定位信息C，判断车辆是否属于特殊区域SC，若不属于，则logic＝0，认定转运车辆不规范滞留，标记异常。
本实施例中，可以采用多元线性回归模型的方法计算时间阈值，例如：
式中，lJC表示因车辆限号绕行的距离与原路线距离的差值，lGC表示车辆装载的污染物重量，lMC表示废弃物类型转运次数，lPC表示因交通堵塞车流量，lDC表示因天气影响车流量，表示各条件下与时间的相关系数，表示常数项，可通过历史数据统计的方式确认各项参数，该过程属于本领域的公式常识，此处不再赘述。
路径变更次数判断单元用于判断污染物运输车辆因未按照规划路径行驶导致的规划路径发生变更的次数，超出变更次数阈值则存在不规范驾驶行为，标记异常。
本实施例中，路径变更次数判断单元可表示如下：
根据式中条件，判断转运车辆的路径变更次数kC与阈值kC’之间的关系，若kC＞kC’，则表示转运车辆未按照系统规划路径行驶次数超出阈值，被判定为不规范驾驶行为，标记异常。
储量判断单元用于判断废弃物储存箱重量或液位信息，低于标准值则可能发生泄漏。
在本发明的一项具体实施中，储量判断需要实时监测污染物运输车辆的废弃物储存箱重量或液位信息，将时间窗口T内的重量或液位信息作为一个数据样本，连续采集N个数据样本后计算每一个数据样本的方差，表示为：
式中，GLi为某一数据样本中的第i个数据，为某一数据样本的均值，n为一个数据样本中的数据量，F(GLC)为数据样本的方差。
由于车辆在行驶过程中，容易产生颠簸，从而导致行驶过程中的重量或流量数据难以准确统计，通过取方差最小minF(GLC)的数据样本的均值作为标准值GL’C。
从第N+1个数据样本开始，实时计算每一个数据样本的均值，若均值小于标准值，则标记异常，提醒驾驶员进行检查，若检查结果为未发生泄漏，则取消标记异常，并将标准值更新为当前数据样本的均值。
本实施例中，储量判断单元可表示如下：
根据式中条件，判断转运车辆的储量GLC与阈值GL’C之间的关系，若GLC＜GLC’，则表示转运车辆存在泄漏情况，标记异常。
本发明中，异常行为判断模型I＝[B,K,N]用于判断转运车行驶途中是否存在污染物违规排放行为，若存在该异常行为，则污染物储量会存在异常，即需满足N＝0；但由于行驶路况存在颠簸和道路维修等情况，为了提高准确率，采用路径变更次数判断单元和滞留时长判断单元共同监督，当满足B＝0或/和K＝0时，则可以认定为车辆出现异常排放污染物的情况。
上述异常行为判断模型可以表示为：因此，当符合其中任一种，触发违规排放异常行为预警。
在本实施例中还提供了一种海洋云仓污染物运输车辆异常行为预警系统，该系统用于实现上述实施例。以下所使用的术语“模块”、“单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能的。
本实施例提供的一种海洋云仓污染物运输车辆异常行为预警系统，包括：
路径初始规划模块，其用于获取污染物运输车辆所处区域的地图，将地图网格化，标记起始网格节点和目标网格节点，采用路径规划算法计算从起始网格节点到目标网格节点的最佳路径作为初始规划路径；
路径重规划化模块，其用于在污染物运输过程中，若地图场景发生变化或者污染物运输车辆未按照规划路径行驶时，采用改进后的路径规划算法进行路径重规划；所述的改进后的路径规划算法对地图节点集E中的所有节点添加标签，并且引入节点优先级队列P；所述的标签包括三种状态：未被检索、等待更新且已存入节点优先级队列中、已从节点优先级队列中移除；在路径重规划时，首先，将标签状态为未被检索的节点列入节点优先级队列P中，并将列入节点优先级队列P中的节点标签状态更新为等待更新且已存入节点优先级队列中，之后，将节点优先级队列P中的节点依次添加到优先列表Q中，并将节点的标签状态更新为已从节点优先级队列中移除；
异常行为判断模块，其用于实时获取污染物运输车辆的坐标位置、路径变更次数、变速行驶时间、废弃物储存箱重量或液位信息，构建违规排放异常行为判断模型，当污染物运输车辆触发违规排放异常行为时发出预警。
对于系统实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可，其余模块的实现方法此处不再赘述。以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本发明的系统的实施例可以应用在任意具备数据处理能力的设备上，该任意具备数据处理能力的设备可以为诸如计算机等设备或装置。系统实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在任意具备数据处理能力的设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。
本发明实施例还提供一种电子设备，包括存储器和处理器；
所述存储器，用于存储计算机程序；
所述处理器，用于当执行所述计算机程序时，实现上述的一种海洋云仓污染物运输车辆异常行为预警方法。
从硬件层面而言，如图4所示，为本实施例提供的一种硬件结构图，除了图4所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中系统所在的任意具备数据处理能力的设备通常根据该任意具备数据处理能力的设备的实际功能，还可以包括其他硬件，对此不再赘述。
本发明实施例还提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现上述的一种海洋云仓污染物运输车辆异常行为预警方法。
所述计算机可读存储介质可以是前述任一实施例所述的任意具备数据处理能力的设备的内部存储单元，例如硬盘或内存。所述计算机可读存储介质也可以是任意具备数据处理能力的设备的外部存储设备，例如所述设备上配备的插接式硬盘、智能存储卡(Smart Media Card，SMC)、SD卡、闪存卡(Flash Card)等。进一步的，所述计算机可读存储介质还可以既包括任意具备数据处理能力的设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述任意具备数据处理能力的设备所需的其他程序和数据，还可以用于暂时地存储已经输出或者将要输出的数据。
显然，以上所述实施例和附图只是本申请的一些例子，对本领域的普通技术人员来说，也可以根据这些附图将本申请适用于其他类似情况，但无需付出创造性劳动。另外，可以理解的是，尽管在此开发过程中所做的工作可能是复杂和漫长的，但是，对于本领域的普通技术人员来说，根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段，不应被视为本申请公开的内容不足。在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种海洋云仓污染物运输车辆异常行为预警方法，其特征在于，包括：
获取污染物运输车辆所处区域的地图，将地图网格化，标记起始网格节点和目标网格节点，采用路径规划算法计算从起始网格节点到目标网格节点的最佳路径作为初始规划路径；
污染物运输车辆根据规划路径将污染物转运至污染物处置单位，在污染物运输过程中，若地图场景发生变化或者污染物运输车辆未按照规划路径行驶时，采用改进后的路径规划算法进行路径重规划；所述的改进后的路径规划算法对地图节点集E中的所有节点添加标签，并且引入节点优先级队列P；所述的标签包括三种状态：未被检索、等待更新且已存入节点优先级队列中、已从节点优先级队列中移除；在路径重规划时，首先，将标签状态为未被检索的节点列入节点优先级队列P中，并将列入节点优先级队列P中的节点标签状态更新为等待更新且已存入节点优先级队列中，之后，将节点优先级队列P中的节点依次添加到优先列表Q中，并将节点的标签状态更新为已从节点优先级队列中移除；
实时获取污染物运输车辆的坐标位置、路径变更次数、变速行驶时间、废弃物储存箱重量或液位信息，构建违规排放异常行为判断模型，当污染物运输车辆触发违规排放异常行为时发出预警。
2.根据权利要求1所述的一种海洋云仓污染物运输车辆异常行为预警方法，其特征在于，所述的采用改进后的路径规划算法进行路径重规划，具体为：
步骤一：获取污染物运输车辆所处区域的地图，将地图网格化；
步骤二：将路径规划算法中的优先列表Q清空，遍历地图节点集E，计算e节点到目标网格节点的距离估计值F(e)，e∈E；
步骤三：对地图节点集E中的所有节点添加标签，并且引入节点优先级队列P，所述的标签用于节点优先级队列状态验证；
向节点优先级队列P中添加初始规划路径中的节点集M，将节点优先级队列P中的节点依次添加到优先列表Q中，从优先列表Q中返回Key值，Key值越小的e节点，优先处理，实时更新优先列表Q的排序；
步骤四：判断步骤三返回的e节点的状态，根据节点状态选择相应的函数；
当F(e)＞rhs(e)时，表示e节点处于下降状态，调用UpdateLower(u,e’)函数对e节点的前继节点进行更新，u表示待更新节点，e’表示触发u节点被更新的源节点；
当F(e)＜rhs(e)时，表示e节点处于上升状态，调用UpdateRaise(u)函数对e节点的前继节点进行更新；
步骤五：更新u节点；
判断u节点是否为初始规划路径中的节点集M中的节点，若是，使局部一致，沿用局部初始规划路径；
若不是，则取u节点的所有后续节点中最小的rhs值作为u节点的rhs值，将更新后的u节点作为新的起始网格节点；
步骤六：检验u节点的标签状态：
若u节点的标签状态u.tag＝closed，表示u节点已从节点优先级队列中移除；若u.tag＝open，表示u节点等待更新且已存入节点优先级队列中；若u.tag＝new，表示u节点未被检索过，将其列入节点优先级队列中；
步骤七：计算最短路径；
若F(u)＞rhs(u)，表示边缘代价函数值变低，网格化后的地图上障碍物被清除或者搜索到一条更短的路径；
若F(u)＝rhs(u)，则调用UpdateVert ex(u)函数更新u节点的所有前继节点的Key值；
若F(u)＝∞，则u节点为障碍点，调用UpdateVert ex(u)函数更新u节点的所有前继节点的Key值；
步骤八：循环步骤五至步骤七，直至节点优先级队列u节点中，u.tag＝closed的最小Key值小于u.tag＝new潜在Key值，得到最优路径。
3.根据权利要求2所述的一种海洋云仓污染物运输车辆异常排放行为预警方法，其特征在于，所述的步骤四中，在判断完步骤三返回的e节点的状态之后，还包括计算轨迹偏离路径值的步骤，若轨迹偏离路径值大于或者等于偏离距离阈值，则不执行对e节点的前继节点进行更新的步骤，直接进入步骤六，否则，调用相应的函数对e节点的前继节点进行更新。
4.根据权利要求3所述的一种海洋云仓污染物运输车辆异常行为预警方法，其特征在于，所述的轨迹偏离路径值的计算公式为：
其中，
式中，
为最小距离的匹配阈值，DL,H为轨迹偏离路径值，L为规划路径的轨迹，H为车辆行驶路径的轨迹，l为规划路径的某一时刻的两点间的长度，h为车辆行驶路径的某一时刻的两点间的长度，Rest(.)为状态转移，Head(.)为标签；subcost为0或1判断结果。
5.根据权利要求1所述的一种海洋云仓污染物运输车辆异常行为预警方法，其特征在于，
所述的异常行为判断模型由滞留时长判断单元、路径变更次数判断单元和储量判断单元，所述的滞留时长判断单元用于判断污染物运输车辆在非特殊区域的变速行驶时间，超出预测时间阈值则标记异常；所述的路径变更次数判断单元用于判断污染物运输车辆因未按照规划路径行驶导致的规划路径发生变更的次数，超出变更次数阈值则标记异常；所述的储量判断单元用于判断废弃物储存箱重量或液位信息，低于标准值则标记异常；当储量判断单元标记异常且滞留时长判断单元、路径变更次数判断单元中的任一个标记异常时，污染物运输车辆触发违规排放异常行为，发出预警。
6.根据权利要求5所述的一种海洋云仓污染物运输车辆异常行为预警方法，其特征在于，所述的储量判断单元的判断过程具体为：
在污染物运输过程中，实时监测污染物运输车辆的废弃物储存箱重量或液位信息，将时间窗口T内的重量或液位信息作为一个数据样本，连续采集N个数据样本后计算每一个数据样本的方差，取方差最小的数据样本的均值作为标准值；
从第N+1个数据样本开始，实时计算每一个数据样本的均值，若均值小于标准值，则标记异常，提醒驾驶员进行检查，若检查结果为未发生泄漏，则取消标记异常并将标准值更新为当前数据样本的均值。
7.根据权利要求5所述的一种海洋云仓污染物运输车辆异常行为预警方法，其特征在于，所述的滞留时长判断单元的判断过程具体为：
预测车辆的变速行驶时间TC’，表示为：
其中，TC’表示车辆的变速行驶时间预测值，VC表示污染物运输车辆的平均车速，Lc表示污染物运输车辆从平均车速VC到停止的行驶距离，T(.)表示时间阈值，JC、GC、MC、PC、DC分别表示污染物运输车辆的车牌号、污染物运输量、污染物类型、交通实况和天气类型信息；
当污染物运输车辆在行驶途中刹车至车速为0时，获取该车辆从平均车速VC到0的时间作为车辆的实际变速行驶时间TC；若TC＞TC’，则根据污染物运输车辆的当前坐标位置，判断污染物运输车辆是否在特殊区域内，若否，则判断污染物运输车辆不规范滞留，标记异常；若是，则此次判断结束，污染物运输车辆正常。
8.一种海洋云仓污染物运输车辆异常行为预警系统，其特征在于，包括：
路径初始规划模块，其用于获取污染物运输车辆所处区域的地图，将地图网格化，标记起始网格节点和目标网格节点，采用路径规划算法计算从起始网格节点到目标网格节点的最佳路径作为初始规划路径；
路径重规划化模块，其用于在污染物运输过程中，若地图场景发生变化或者污染物运输车辆未按照规划路径行驶时，采用改进后的路径规划算法进行路径重规划；所述的改进后的路径规划算法对地图节点集E中的所有节点添加标签，并且引入节点优先级队列P；所述的标签包括三种状态：未被检索、等待更新且已存入节点优先级队列中、已从节点优先级队列中移除；在路径重规划时，首先，将标签状态为未被检索的节点列入节点优先级队列P中，并将列入节点优先级队列P中的节点标签状态更新为等待更新且已存入节点优先级队列中，之后，将节点优先级队列P中的节点依次添加到优先列表Q中，并将节点的标签状态更新为已从节点优先级队列中移除；
异常行为判断模块，其用于实时获取污染物运输车辆的坐标位置、路径变更次数、变速行驶时间、废弃物储存箱重量或液位信息，构建违规排放异常行为判断模型，当污染物运输车辆触发违规排放异常行为时发出预警。
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器执行所述机器可执行指令以实现权利要求1-7任一项所述的一种海洋云仓污染物运输车辆异常行为预警方法。
10.一种机器可读存储介质，其特征在于，该机器可读存储介质存储有机器可执行指令，该机器可执行指令在被处理器调用和执行时，用于实现权利要求1-7任一项所述的一种海洋云仓污染物运输车辆异常行为预警方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211613506.0A CN115907591B (zh) | 2022-12-15 | 一种海洋云仓污染物运输车辆异常行为预警方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211613506.0A CN115907591B (zh) | 2022-12-15 | 一种海洋云仓污染物运输车辆异常行为预警方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115907591A true CN115907591A (zh) | 2023-04-04 |
| CN115907591B CN115907591B (zh) | 2024-07-02 |
Family
ID=
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117198031A (zh) * | 2023-11-03 | 2023-12-08 | 浙江华东岩土勘察设计研究院有限公司 | 一种基于安全包络策略的平台状态监测预警方法 |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1032553A (ja) * | 1996-07-12 | 1998-02-03 | Fujitsu Ltd | Ｓｄｈ伝送方式におけるｐｏｈ終端処理装置及びｐｏｈ終端処理方法並びにポインタ・ｐｏｈ終端処理装置 |
| US6375844B1 (en) * | 2000-08-31 | 2002-04-23 | Robert T. Ehrlich | Method for treatment of animal waste |
| CN104768738A (zh) * | 2012-09-07 | 2015-07-08 | 伊诺瓦伦斯有限公司 | 用于制造眼用装置的系统及方法 |
| CN108875784A (zh) * | 2017-05-15 | 2018-11-23 | 塔塔顾问服务有限公司 | 用于工业中的性能指标的基于数据的优化的方法和系统 |
| US20200064456A1 (en) * | 2015-07-17 | 2020-02-27 | Origin Wireless, Inc. | Method, apparatus, and system for wireless proximity and presence monitoring |
| CN111768615A (zh) * | 2019-03-30 | 2020-10-13 | 英特尔公司 | 具有高清晰度地图的智能交通优化技术 |
| CN111861337A (zh) * | 2020-07-24 | 2020-10-30 | 江苏天长环保科技有限公司 | 监控危险废物运输的方法、装置、存储介质及系统 |
| CN111915245A (zh) * | 2020-06-18 | 2020-11-10 | 北京国基伟业物业管理有限公司 | 物业仓储管理系统 |
| US20200410438A1 (en) * | 2020-09-16 | 2020-12-31 | Cheetah Technologies Inc. | Fill modeling for hybrid last-mile delivery |
| WO2021052451A1 (zh) * | 2019-09-18 | 2021-03-25 | 北京嘀嘀无限科技发展有限公司 | 一种确定预估到达时间的方法和系统 |
| CN113096783A (zh) * | 2021-04-12 | 2021-07-09 | 深圳赛安特技术服务有限公司 | 医疗废物处理方法、装置、设备及存储介质 |
| CN113508066A (zh) * | 2019-03-29 | 2021-10-15 | 英特尔公司 | 自主交通工具系统 |
| US20220004985A1 (en) * | 2020-07-02 | 2022-01-06 | Kpn Innovations, Llc. | Method and system for selection of a path for deliveries |
| CN114219393A (zh) * | 2021-12-02 | 2022-03-22 | 福建钰融科技有限公司 | 废旧化学液车的事故控制方法及相关产品 |
| CN115083167A (zh) * | 2022-08-22 | 2022-09-20 | 深圳市城市公共安全技术研究院有限公司 | 车辆泄漏事故的预警方法、系统、终端设备及介质 |
| CN115187870A (zh) * | 2022-09-13 | 2022-10-14 | 浙江蓝景科技有限公司杭州分公司 | 海洋塑料垃圾材质识别方法、系统、电子设备和存储介质 |
| WO2022227129A1 (zh) * | 2021-04-27 | 2022-11-03 | 山东交通学院 | 一种危化品道路运输风险评估方法及系统 |
| CN115330333A (zh) * | 2022-07-28 | 2022-11-11 | 上海贝菁环保科技有限公司 | 一种危废收运处智慧运营管理系统 |
| CN115423416A (zh) * | 2022-10-12 | 2022-12-02 | 广州市综合交通枢纽有限公司 | 一种跨境物流运输管理系统及其控制方法 |
| CN115456569A (zh) * | 2022-09-01 | 2022-12-09 | 浙江蓝景科技有限公司杭州分公司 | 一种船舶污染物收集转运监控方法及监管机器人和系统 |
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1032553A (ja) * | 1996-07-12 | 1998-02-03 | Fujitsu Ltd | Ｓｄｈ伝送方式におけるｐｏｈ終端処理装置及びｐｏｈ終端処理方法並びにポインタ・ｐｏｈ終端処理装置 |
| US6375844B1 (en) * | 2000-08-31 | 2002-04-23 | Robert T. Ehrlich | Method for treatment of animal waste |
| CN104768738A (zh) * | 2012-09-07 | 2015-07-08 | 伊诺瓦伦斯有限公司 | 用于制造眼用装置的系统及方法 |
| US20200064456A1 (en) * | 2015-07-17 | 2020-02-27 | Origin Wireless, Inc. | Method, apparatus, and system for wireless proximity and presence monitoring |
| CN108875784A (zh) * | 2017-05-15 | 2018-11-23 | 塔塔顾问服务有限公司 | 用于工业中的性能指标的基于数据的优化的方法和系统 |
| CN113508066A (zh) * | 2019-03-29 | 2021-10-15 | 英特尔公司 | 自主交通工具系统 |
| CN111768615A (zh) * | 2019-03-30 | 2020-10-13 | 英特尔公司 | 具有高清晰度地图的智能交通优化技术 |
| WO2021052451A1 (zh) * | 2019-09-18 | 2021-03-25 | 北京嘀嘀无限科技发展有限公司 | 一种确定预估到达时间的方法和系统 |
| CN111915245A (zh) * | 2020-06-18 | 2020-11-10 | 北京国基伟业物业管理有限公司 | 物业仓储管理系统 |
| US20220004985A1 (en) * | 2020-07-02 | 2022-01-06 | Kpn Innovations, Llc. | Method and system for selection of a path for deliveries |
| CN111861337A (zh) * | 2020-07-24 | 2020-10-30 | 江苏天长环保科技有限公司 | 监控危险废物运输的方法、装置、存储介质及系统 |
| US20200410438A1 (en) * | 2020-09-16 | 2020-12-31 | Cheetah Technologies Inc. | Fill modeling for hybrid last-mile delivery |
| CN113096783A (zh) * | 2021-04-12 | 2021-07-09 | 深圳赛安特技术服务有限公司 | 医疗废物处理方法、装置、设备及存储介质 |
| WO2022227129A1 (zh) * | 2021-04-27 | 2022-11-03 | 山东交通学院 | 一种危化品道路运输风险评估方法及系统 |
| CN114219393A (zh) * | 2021-12-02 | 2022-03-22 | 福建钰融科技有限公司 | 废旧化学液车的事故控制方法及相关产品 |
| CN115330333A (zh) * | 2022-07-28 | 2022-11-11 | 上海贝菁环保科技有限公司 | 一种危废收运处智慧运营管理系统 |
| CN115083167A (zh) * | 2022-08-22 | 2022-09-20 | 深圳市城市公共安全技术研究院有限公司 | 车辆泄漏事故的预警方法、系统、终端设备及介质 |
| CN115456569A (zh) * | 2022-09-01 | 2022-12-09 | 浙江蓝景科技有限公司杭州分公司 | 一种船舶污染物收集转运监控方法及监管机器人和系统 |
| CN115187870A (zh) * | 2022-09-13 | 2022-10-14 | 浙江蓝景科技有限公司杭州分公司 | 海洋塑料垃圾材质识别方法、系统、电子设备和存储介质 |
| CN115423416A (zh) * | 2022-10-12 | 2022-12-02 | 广州市综合交通枢纽有限公司 | 一种跨境物流运输管理系统及其控制方法 |
Non-Patent Citations (4)
| Title |
|---|
| 徐彪;霍欢;陈尚也;吴易木;班雷雨;: "基于位置服务的轨迹预测方法", 小型微型计算机系统, no. 06, 15 June 2016 (2016-06-15), pages 1191 - 1196 * |
| 李航等: "基于遗传算法和免疫算法的垃圾清运路径规划——以安阳工学院为例", 《安阳工学院学报》, vol. 21, no. 01, 7 March 2022 (2022-03-07), pages 37 - 42 * |
| 随裕猛: "动态路径规划算法研究及导航软件设计", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, no. 10, 15 October 2015 (2015-10-15), pages 034 - 100 * |
| 随裕猛;陈贤富;刘斌;: "D-star Lite算法及其动态路径规划实验研究", 微型机与应用, no. 07, 10 April 2015 (2015-04-10), pages 16 - 19 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117198031A (zh) * | 2023-11-03 | 2023-12-08 | 浙江华东岩土勘察设计研究院有限公司 | 一种基于安全包络策略的平台状态监测预警方法 |
| CN117198031B (zh) * | 2023-11-03 | 2024-01-26 | 浙江华东岩土勘察设计研究院有限公司 | 一种基于安全包络策略的平台状态监测预警方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114973677A (zh) | 用于确定预计到达时间的方法和设备 | |
| CN110363984B (zh) | 交通流量预测方法和设备 | |
| CN113870570B (zh) | 一种基于etc的路网运行状态方法、系统和存储介质 | |
| CN109544929A (zh) | 一种基于大数据的车辆低碳控制与诱导方法、系统、设备和存储介质 | |
| CN110718057B (zh) | 路网运行状态评价方法、装置、电子设备及介质 | |
| CN104318315A (zh) | 一种城市道路交通污染物排放监控预警系统及方法 | |
| CN109493449B (zh) | 一种基于货车gps轨迹数据和高速交易数据的货车载货状态估计方法 | |
| CN112434854B (zh) | 智慧环卫管理方法、装置、计算机设备及可读介质 | |
| Xu et al. | Time-series prediction with applications to traffic and moving objects databases | |
| CN113345225B (zh) | 基于v2v通信的物流车辆前方道路实时路况的预测方法及系统 | |
| CN108932255B (zh) | 一种车辆综合能力分析方法及装置 | |
| CN111383449A (zh) | 路口通行预估方法、计算机设备和计算机可读存储介质 | |
| CN103017781A (zh) | 用于计算机动车至少一条行驶路线的方法以及机动车导航系统 | |
| CN116311948B (zh) | 基于交通流速度预测和信号灯状态的车辆路径规划方法 | |
| CN112561344A (zh) | 基于ai视频分析的多源数据的道路危险货物运输动态分析与评价方法 | |
| CN104966398A (zh) | 一种施工围挡道路的确认方法及系统 | |
| CN113724497A (zh) | 一种目标道路实时交通流量预测方法和装置 | |
| CN115907591A (zh) | 一种海洋云仓污染物运输车辆异常行为预警方法和系统 | |
| CN115907591B (zh) | 一种海洋云仓污染物运输车辆异常行为预警方法和系统 | |
| Zhao et al. | Truck travel time reliability and prediction in a port drayage network | |
| CN113420942B (zh) | 一种基于深度q学习的环卫车实时路线规划方法 | |
| CN114495505B (zh) | 拥堵路段通过时长的预测方法、装置、介质及服务器 | |
| CN113421434B (zh) | 用于公路治超非现场执法的超限超载率计算方法 | |
| CN111243280B (zh) | 一种实时计算交通状态的指标的方法及装置 | |
| CN112991712B (zh) | 预测交通密度的方法、系统、计算机设备和存储介质 |
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 |