CN115936561A - 一种物流车轨迹运行异常监测方法 - Google Patents

一种物流车轨迹运行异常监测方法 Download PDF

Info

Publication number
CN115936561A
CN115936561A CN202211448634.4A CN202211448634A CN115936561A CN 115936561 A CN115936561 A CN 115936561A CN 202211448634 A CN202211448634 A CN 202211448634A CN 115936561 A CN115936561 A CN 115936561A
Authority
CN
China
Prior art keywords
logistics
track
logistics vehicle
cloud platform
monitoring
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
Application number
CN202211448634.4A
Other languages
English (en)
Inventor
张飞
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.)
Guangzhou Yunda Supply Chain Management Co ltd
Original Assignee
Guangzhou Yunda Supply Chain Management 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 Guangzhou Yunda Supply Chain Management Co ltd filed Critical Guangzhou Yunda Supply Chain Management Co ltd
Priority to CN202211448634.4A priority Critical patent/CN115936561A/zh
Publication of CN115936561A publication Critical patent/CN115936561A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种物流车轨迹运行异常监测方法，涉及5G技术和人工智能技术领域，构建物流车轨迹运行监测云平台，并将物流车采集的物流信息和定位的初始地址通讯传输至物流车轨迹运行监测云平台内；根据传输至物流车轨迹运行监测测云平台内的物流信息和初始地址，生成最优轨迹，对物流车运行轨迹进行监测；对出现运行轨迹监测异常的物流车进行监测；利用人工智能技术提高算法的运行速度，从而提高物流车轨迹运行监测云平台对物流车运行轨迹异常监测的效率。

Description

一种物流车轨迹运行异常监测方法
技术领域
本发明涉及5G技术和人工智能技术领域，具体是一种物流车轨迹运行异常监测方法。
背景技术
目前GPS定位、传感器网络、无线通信等技术变得日臻成熟越来越多的轨迹数据被收集和存储在数据库。因此，对于异常轨迹的监测也已开始引起一些研究人员的兴趣。对于传统异常点监测，国内外已有很多文献对此进行了研究。常用监测方法主要有四类:基于统计的方法、基于距离的方法、基于偏差的方法、基于密度的方法；
但是现有技术对于物流车轨迹的监测存在局限性，算法运行时间过长使得监测不及时，物流车监测效率低，导致不能及时处理物流车运行是遇到的问题。
发明内容
本发明的目的在于提供一种物流车轨迹运行异常监测方法。
本发明的目的可以通过以下技术方案实现：一种物流车轨迹运行异常监测方法，包括以下步骤：
S1：构建物流车轨迹运行监测云平台，并将物流车采集的物流信息和初始地址通讯传输至物流车轨迹运行监测云平台内；
S2：根据传输至物流车轨迹运行监测云平台内的物流信息和初始地址，生成最优轨迹，并对物流车运行轨迹进行监测；
S3：对出现运行轨迹监测异常的物流车进行监测。
进一步的，物流车轨迹运行监测云平台的构建过程包括：
利用5G技术和人工智能技术构建物流车轨迹运行监测云平台；所述物流车轨迹运行监测云平台内设置管理中心和若干模块，且每个模块之间通信连接管理中心。
进一步的，物流车采集物流信息的过程包括：
物流车内设置有扫码单元、信息处理单元以及定位单元；
物流车通过扫码单元对快递进行扫码，获得物流信息；
所获得的物流信息包括寄件人、收件人、寄件人手机号、收件人手机号、寄件地址以及收件地址；
定位单元定位物流车当前地址称为初始地址；
将所获得的物流信息和初始地址通讯传输至物流车轨迹运行监测云平台内。
进一步的，物流车轨迹运行监测云平台生成物流车最优轨迹的过程包括：
设置园区地图；
将园区地图划为若干个子区域，将每个子区域的中心点标记为节点；
设置由待考察节点组成的openlist表和由已考察节点组成的closelist表；
将初始地址定义为父节点，路径完全确定，移入closelist表中；
设置与父节点相关联的八个子节点；
将子节点放入openlist表中成为待考察节点；
将总移动代价作为路径优劣判断依据，计算总移动代价；
将横向和纵向移动一个节点的移动代价定义为m；
对当前openlist表中子节点的移动代价进行计算，选出最小移动代价节点，并将其标记为已考察节点，将已考察节点移到closelist表中，并将其作为新的父节点，更新openlist表，循环以上过程，直到达到收货地址，当遍历到收货地址，并且将收货地址加到closelist表中时，完成路径搜索，获得最优路径；
物流车轨迹运行监测云平台将所获得的最优路径通讯传输至物流车，物流车根据所传输的最优路径开始运行。
进一步的，物流车轨迹运行监测云平台对物流车运行轨迹监测的过程包括：
设置P和K，且P和K都大于0；
将物流车实际运行轨迹称为目标轨迹，最优路径为参考轨迹；
设置水平参考线，并将水平参考线分解为若干个等长为L的参考线段，根据所获得的参考线段将监测的物流车目标轨迹划分成若干个目标轨迹线段，通过参考线段将参考轨迹划分为若干个参考轨迹线段，并对每一个参考轨迹线段建立一个R-tree索引，每个参考轨迹线段的长度为D，通过D得到R-tree的索引半径W；
用R-tree找出的参考轨迹线段的W-领域的参考轨迹线段集，将索引到的参考轨迹线段集进行保存；
用豪斯多付距离对目标轨迹线段与W-领域里的参考轨迹线段的相似性进行判定；
将目标轨迹线段的长度小于W-领域里对应的参考轨迹线段的长度，则判定对应目标轨迹线段与W-领域里对应的参考轨迹线段相似；
将相似的目标轨迹线段的数目记作T，并对目标轨迹线段进行标记；
将R-tree搜索范围内的轨迹线段数目标记为P，获得被标记的目标轨迹线段的占比率，并将目标轨迹线段的占比率记为K，K＝T/P；
设置占比率阈值，K0，当K＜K0时，则目标轨迹线段是异常的，否则就是正常的。
进一步的，物流车轨迹运行监测云平台对运行轨迹异常的物流车进行处理的过程包括：
对运行轨迹异常的物流车进行异常原因分析，并根据分析的原因对物流车进行处理，若是物流车电量不够，则对物流车进行充电，若物流车故障需要对物流车进行修理；
与现有技术相比，本发明的有益效果是：利用人工智能技术对物流车运行轨迹点进行索引搜索其领域内的轨迹线段，对R-tree索引出来的轨迹线段进行异常轨迹的监测,提高算法的运行速度，进而提高物流车轨迹运行监测云平台对物流车运行轨迹异常监测的效率，物流车在运行时遇到的问题得到及时解决；并且计算出了物流轨迹最优路径节省了物流车送货时间。
附图说明
图1为本发明的原理图。
具体实施方式
如图1所示，一种物流车轨迹运行异常监测方法，包括以下步骤：
S1：构建物流车轨迹运行监测云平台，并将物流车采集的物流信息和初始地址通讯传输至物流车轨迹运行监测云平台内；
S2：根据传输至物流车轨迹运行监测云平台内的物流信息和初始地址，生成最优轨迹，并对物流车运行轨迹进行监测；
S3：对物流车运行轨迹监测异常的物流车进行处理。
需要进一步说明的是，在具体实施过程中，物流车轨迹运行监测云平台的构建过程包括：
利用5G技术和人工智能技术构建物流车轨迹运行监测云平台；所述物流车轨迹运行监测云平台内设置管理中心和若干模块，且每个模块之间通信连接管理中心；
需要进一步说明的是，在具体实施过程中，在物流车轨迹运行监测云平台进行监测之前，物流车轨迹运行监测云平台需要获取物流信息，具体过程包括：
物流车可以理解为一辆可以定位的物流派送无人驾驶车辆，并且物流车和物流车轨迹运行监测云平台是通过5G技术进行通讯传输；
物流车内设置有扫码单元、信息处理单元以及定位单元；
物流车通过扫码单元对快递进行扫码，获得物流信息；
需要进一步说明的是，在具体实施过程中，所获得的物流信息包括寄件人、收件人、寄件人手机号、收件人手机号、寄件地址以及收件地址；
定位单元定位物流车当前地址称为初始地址，并将初始地址通讯传输至物流车轨迹运行监测云平台；
将所获得的物流信息通讯传输至物流车轨迹运行监测云平台，并在物流车轨迹运行监测云平台对所获得的物流信息进行保存；
物流车轨迹运行监测云平台通过所获得的物流信息和初始地址计算生成物流车运行最优轨迹，并发送给物流车，物流车通过物流车轨迹运行监测云平台所生成的最优轨迹运行；
需要进一步说明的是，在具体实施过程中，物流车轨迹运行监测云平台生成物流车最优轨迹的过程包括：
设置园区地图；
将园区地图划为若干个子区域，将每个子区域的中心点标记为节点；
设置由待考察节点组成的openlist表和由已考察节点组成的closelist表；
将初始地址定义为父节点，路径完全确定，移入closelist表中；
设置与父节点相关联的八个子节点；
将子节点放入openlist表中成为待考察节点；
将总移动代价作为路径优劣判断依据；
需要进一步说明的是，在具体实施过程中，总移动代价的计算过程包括：
F(n)＝G(n)+H(n)；
其中,F(n)为物流车当前地址n的总移动代价,G(n)为物流车从寄件地址到当前地址n的实际代价，H(n)为物流车从当前地址n到收件地址最优路径的估计代价；
将横向和纵向移动一个节点的移动代价定义为m；
对当前openlist表中子节点的移动代价进行计算，选出最小移动代价节点，并将其标记为已考察节点，将已考察节点移到closelist表中，并将其作为新的父节点，更新openlist表，循环以上过程，直到达到收货地址，当遍历到收货地址，并且将收货地址加到closelist表中时，完成路径搜索，获得最优路径；
物流车轨迹运行监测云平台将所获得的最优路径通讯传输至物流车，物流车根据所传输的最优路径开始运行；
根据R-tree算法对物流车运行轨迹进行监测；
需要说明的是，在具体实施过程中，物流车轨迹运行监测云平台用R-tree算法监测物流车运行轨迹的过程包括：
设置P和K，且P和K都大于0；
将物流车实际运行轨迹称为目标轨迹，最优路径为参考轨迹；
设置水平参考线，并将水平参考线分解为若干个等长为L的参考线段，根据所获得的参考线段将监测的物流车目标轨迹划分成若干个目标轨迹线段，通过参考线段将参考轨迹划分为若干个参考轨迹线段，并对每一个参考轨迹线段建立一个R-tree索引，每个参考轨迹线段的长度为D，通过D得到R-tree的索引半径W；
用R-tree找出的参考轨迹线段的W-领域的参考轨迹线段集，将索引到的参考轨迹线段集进行保存；
需要进一步说明的是，在具体实施过程中，获取R-tree索引半径的过程包括：
当D只有平行距离时，w1＝L+D+1/2*len，当D只有垂直距离时，w2＝√(D2+1/4*(len)2)；
W＝max(w1，w2)；
其中，w1为水平半径，w2为垂直半径，len为目标轨迹线段的长度；
用豪斯多付距离对目标轨迹线段与W-领域里的参考轨迹线段的相似性进行判定；
将目标轨迹线段的长度小于W-领域里对应的参考轨迹线段的长度，则判定对应目标轨迹线段与W-领域里对应的参考轨迹线段相似；
将相似的目标轨迹线段的数目记作T，并对目标轨迹线段进行标记；
将R-tree搜索范围内的轨迹线段数目标记为P，获得被标记的目标轨迹线段的占比率，并将目标轨迹线段的占比率记为K，K＝T/P；
设置占比率阈值，K0，当K＜K0时，则目标轨迹线段是异常的，否则就是正常的；
当监测到异常目标轨迹线段时，物流车轨迹运行监测云平台对物流车发送停止运行指令，并将运行轨迹异常的物流车定位发送给管理人员，管理人员对运行轨迹异常的物流车进行处理；
需要说明的是，在具体实施过程中，对运行轨迹异常的物流车进行处理的过程包括：
对运行轨迹异常的物流车进行异常原因分析，并根据分析的原因对物流车进行处理，若是物流车电量不够，则对物流车进行充电，若物流车故障需要对物流车进行修理；
物流车运行轨迹异常的物流车通过物流车轨迹运行监测云平台对物流车上的快递收件人进行短信通知；
当物流车运行轨迹正常时，物流车轨迹运行监测云平台发送收件的验证码给收件人，收件人通过物流车号找到对应物流车，输入收件验证码至物流车信心处理单元，验证成功即可取件。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (6)

1.一种物流车轨迹运行异常监测方法，其特征在于，包括以下步骤：
S1：构建物流车轨迹运行监测云平台，并将物流车采集的物流信息和初始地址通讯传输至物流车轨迹运行监测云平台内；
S2：根据传输至物流车轨迹运行监测云平台内的物流信息和初始地址，生成最优轨迹，并对物流车运行轨迹进行监测；
S3：对出现运行轨迹监测异常的物流车进行监测。
2.根据权利要求1所述的一种物流车轨迹运行异常监测方法，其特征在于，物流车轨迹运行监测云平台的构建过程包括：
利用5G技术和人工智能技术构建物流车轨迹运行监测云平台；所述物流车轨迹运行监测云平台内设置管理中心和若干模块，且每个模块之间通信连接管理中心。
3.根据权利要求2所述的一种物流车轨迹运行异常监测方法，其特征在于，物流车采集物流信息的过程包括：
物流车内设置有扫码单元、信息处理单元以及定位单元；
物流车通过扫码单元对快递进行扫码，获得物流信息；
所获得的物流信息包括寄件人、收件人、寄件人手机号、收件人手机号、寄件地址以及收件地址；
定位单元定位物流车当前地址称为初始地址；
将所获得的物流信息和初始地址通讯传输至物流车轨迹运行监测云平台内。
4.根据权利要求3所述的一种物流车轨迹运行异常监测方法，其特征在于，物流车轨迹运行监测云平台生成物流车最优轨迹的过程包括：
设置园区地图；
将园区地图划为若干个子区域，将每个子区域的中心点标记为节点；
设置由待考察节点组成的openlist表和由已考察节点组成的closelist表；
将初始地址定义为父节点，路径完全确定，移入closelist表中；
设置与父节点相关联的八个子节点；
将子节点放入openlist表中成为待考察节点；
将总移动代价作为路径优劣判断依据，计算总移动代价；
将横向和纵向移动一个节点的移动代价定义为m；
对当前openlist表中子节点的移动代价进行计算，选出最小移动代价节点，并将其标记为已考察节点，将已考察节点移到closelist表中，并将其作为新的父节点，更新openlist表，循环以上过程，直到达到收货地址，当遍历到收货地址，并且将收货地址加到closelist表中时，完成路径搜索，获得最优路径；
物流车轨迹运行监测云平台将所获得的最优路径通讯传输至物流车，物流车根据所传输的最优路径开始运行。
5.根据权利要求4所述的一种物流车轨迹运行异常监测方法，其特征在于，物流车轨迹运行监测云平台对物流车运行轨迹监测的过程包括：
设置P和K，且P和K都大于0；
将物流车实际运行轨迹称为目标轨迹，最优路径为参考轨迹；
设置水平参考线，并将水平参考线分解为若干个等长为L的参考线段，根据所获得的参考线段将监测的物流车目标轨迹划分成若干个目标轨迹线段，通过参考线段将参考轨迹划分为若干个参考轨迹线段，并对每一个参考轨迹线段建立一个R-tree索引，每个参考轨迹线段的长度为D，通过D得到R-tree的索引半径W；
用R-tree找出的参考轨迹线段的W-领域的参考轨迹线段集，将索引到的参考轨迹线段集进行保存；
用豪斯多付距离对目标轨迹线段与W-领域里的参考轨迹线段的相似性进行判定；
将目标轨迹线段的长度小于W-领域里对应的参考轨迹线段的长度，则判定对应目标轨迹线段与W-领域里对应的参考轨迹线段相似；
将相似的目标轨迹线段的数目记作T，并对目标轨迹线段进行标记；
将R-tree搜索范围内的轨迹线段数目标记为P，获得被标记的目标轨迹线段的占比率，并将目标轨迹线段的占比率记为K，K＝T/P；
设置占比率阈值，K0，当K＜K0时，则目标轨迹线段是异常的，否则就是正常的。
6.根据权利要求5所述的一种物流车轨迹运行异常监测方法，其特征在于，物流车轨迹运行监测云平台对运行轨迹异常的物流车进行处理的过程包括：
对运行轨迹异常的物流车进行异常原因分析，并根据分析的原因对物流车进行处理，若是物流车电量不够，则对物流车进行充电，若物流车故障需要对物流车进行修理。
CN202211448634.4A 2022-11-18 2022-11-18 一种物流车轨迹运行异常监测方法 Pending CN115936561A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211448634.4A CN115936561A (zh) 2022-11-18 2022-11-18 一种物流车轨迹运行异常监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211448634.4A CN115936561A (zh) 2022-11-18 2022-11-18 一种物流车轨迹运行异常监测方法

Publications (1)

Publication Number Publication Date
CN115936561A true CN115936561A (zh) 2023-04-07

Family

ID=86549655

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211448634.4A Pending CN115936561A (zh) 2022-11-18 2022-11-18 一种物流车轨迹运行异常监测方法

Country Status (1)

Country Link
CN (1) CN115936561A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117455344A (zh) * 2023-10-25 2024-01-26 上海钢联物流股份有限公司 物流轨迹的采集校验方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105785411A (zh) * 2016-02-24 2016-07-20 重庆邮电大学 一种基于区域划分的异常轨迹检测方法
CN108876258A (zh) * 2018-08-15 2018-11-23 华南理工大学 一种快件运输的科技/工业园区物流车系统及其运行方法
CN109241126A (zh) * 2018-06-29 2019-01-18 武汉理工大学 一种基于r*树索引的时空轨迹聚集模式挖掘算法
CN111144824A (zh) * 2019-12-30 2020-05-12 安徽易商数码科技有限公司 一种基于二段物流的物流管理系统
CN111596610A (zh) * 2020-05-19 2020-08-28 苏州诺达佳自动化技术有限公司 一种具有运行轨迹测控功能的工控机控制系统
US10902337B1 (en) * 2020-04-24 2021-01-26 Jun Tang Method and device of trajectory outlier detection, and storage medium thereof
WO2022083166A1 (zh) * 2020-10-19 2022-04-28 山东交通学院 一种卡口数据缺失下的车辆行车轨迹重建方法及系统
CN114528458A (zh) * 2022-01-04 2022-05-24 上海东普信息科技有限公司 物流轨迹推送方法、装置、设备及存储介质
CN114879687A (zh) * 2022-05-30 2022-08-09 浙江大旗新能源汽车有限公司 一种用于无人物流车的智能控制方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105785411A (zh) * 2016-02-24 2016-07-20 重庆邮电大学 一种基于区域划分的异常轨迹检测方法
CN109241126A (zh) * 2018-06-29 2019-01-18 武汉理工大学 一种基于r*树索引的时空轨迹聚集模式挖掘算法
CN108876258A (zh) * 2018-08-15 2018-11-23 华南理工大学 一种快件运输的科技/工业园区物流车系统及其运行方法
CN111144824A (zh) * 2019-12-30 2020-05-12 安徽易商数码科技有限公司 一种基于二段物流的物流管理系统
US10902337B1 (en) * 2020-04-24 2021-01-26 Jun Tang Method and device of trajectory outlier detection, and storage medium thereof
CN111596610A (zh) * 2020-05-19 2020-08-28 苏州诺达佳自动化技术有限公司 一种具有运行轨迹测控功能的工控机控制系统
WO2022083166A1 (zh) * 2020-10-19 2022-04-28 山东交通学院 一种卡口数据缺失下的车辆行车轨迹重建方法及系统
CN114528458A (zh) * 2022-01-04 2022-05-24 上海东普信息科技有限公司 物流轨迹推送方法、装置、设备及存储介质
CN114879687A (zh) * 2022-05-30 2022-08-09 浙江大旗新能源汽车有限公司 一种用于无人物流车的智能控制方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘良旭;乔少杰;刘宾;乐嘉锦;唐常杰;: "基于R-Tree的高效异常轨迹检测算法", 软件学报, no. 09 *
唐梦梦;吉根林;赵斌;: "利用MapReduce的异常轨迹检测并行算法", 地球信息科学学报, no. 05 *
陈锦阳;刘良旭;宋加涛;王让定;管博;: "基于R-tree的高效异常轨迹检测算法", 计算机应用与软件, no. 10, pages 34 - 37 *
黄添强;余养强;郭躬德;秦小麟;: "半监督的移动对象离群轨迹检测算法", 计算机研究与发展, no. 11 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117455344A (zh) * 2023-10-25 2024-01-26 上海钢联物流股份有限公司 物流轨迹的采集校验方法及系统

Similar Documents

Publication Publication Date Title
CN104596507B (zh) 一种移动终端出行轨迹的确定方法
CN108171993B (zh) 一种基于手机信令大数据的高速公路车辆速度计算方法
CN110213724B (zh) 一种伪基站运动轨迹的识别方法
CN111405585B (zh) 一种基于卷积神经网络的邻区关系预测方法
CN115936561A (zh) 一种物流车轨迹运行异常监测方法
CN107545726B (zh) 一种公交车行驶速度确定方法及装置
CN109635914B (zh) 基于混合智能遗传粒子群的优化极限学习机轨迹预测方法
CN112839320A (zh) 交通信息的传输方法、装置、存储介质和电子设备
CN110460962B (zh) 轨道交通用户识别方法和装置
CN111222375A (zh) 车辆行驶轨迹生成方法、系统及服务器
CN107545318B (zh) 公交线路优先级确定、公交换乘线路排序方法及装置
CN109389848A (zh) 一种基于hash的车联网实时分析系统
CN116029411A (zh) 一种基于物联网的智慧城市区域管理方法和系统
CN116866512A (zh) 一种光伏电站巡检系统及其运行方法
CN114841238A (zh) 一种根据输电线路巡检数据的异常隐患识别系统和方法
CN107221183A (zh) 一种公共交通工具实时报站方法及装置
CN112164223B (zh) 基于云平台的智能交通信息处理方法及装置
CN112770252A (zh) 基于单点相似度的人车关联方法、装置、设备及存储介质
CN107734540B (zh) 无线网络信号范围侦测与展示的系统与方法
CN115601972B (zh) 无人矿山行驶区域的障碍物处理系统
CN116821620A (zh) 一种基于电动自行车充电桩的数据分析方法
CN115915000A (zh) 一种基于环境信息的定位方法及系统
CN115630056A (zh) 一种基于gps轨迹定位的道路巡查量化考核系统及方法
WO2019037707A1 (zh) 一种测量方法和装置
CN114387812A (zh) 一种垃圾收运监控方法、装置、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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20230407