CN115938080A - 一种网络货运运营异常预警的方法 - Google Patents

一种网络货运运营异常预警的方法 Download PDF

Info

Publication number
CN115938080A
CN115938080A CN202211331604.5A CN202211331604A CN115938080A CN 115938080 A CN115938080 A CN 115938080A CN 202211331604 A CN202211331604 A CN 202211331604A CN 115938080 A CN115938080 A CN 115938080A
Authority
CN
China
Prior art keywords
vehicle
speed
suspected
point
area
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
CN202211331604.5A
Other languages
English (en)
Inventor
李光辉
刘存
高青松
周翔
叶波
李健
张宏伟
谷翔
文超
温鸿
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 Gongsheng Zhongfu Supply Chain Technology Research Institute Co ltd
Original Assignee
Anhui Gongsheng Zhongfu Supply Chain Technology Research Institute 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 Gongsheng Zhongfu Supply Chain Technology Research Institute Co ltd filed Critical Anhui Gongsheng Zhongfu Supply Chain Technology Research Institute Co ltd
Priority to CN202211331604.5A priority Critical patent/CN115938080A/zh
Publication of CN115938080A publication Critical patent/CN115938080A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种网络货运运营异常预警的方法,包括下列步骤:步骤一、接收车辆上报的GPS坐标,初步判断车辆状态;步骤二、进行位置点的预处理;步骤三、对位置数据进行抽稀;步骤四、计算位置的车辆瞬时速度;步骤五、进行低速下车辆的状态识别;步骤六、基于确定的车辆状态对车辆进行监控和预警。本发明能有效利用满足低速条件的位置点在距离和时间上的特点,以抽稀后较少的位置点快速可靠地识别出车辆状态,并减少位置点的误差对识别监控结果的影响,提高监控的可靠性。

Description

一种网络货运运营异常预警的方法
技术领域
本发明属于网络货运系统技术领域,具体涉及一种网络货运运营异常预警的方法。
背景技术
网络货运依托互联网平台整合配置运输资源,以承运人身份与托运人签订运输服务合同、承担承运人责任,委托实际承运人完成运输服务的物流平台。网络货运平台,需要有一套网络货运系统,包含信息发布、线上交易、全程监控、金融支付、咨询投诉、在线评价、查询统计、数据调取等功能,其中全程监控是对运输地点、轨迹、状态进行动态监控,记录含有时间和地理位置信息的实时行驶轨迹数据;对承运过程能够预警提示、对违规行为提醒。全程监控中网络货运的异常预警需要判断车辆状态是否异常,需要根据车辆实时位置提前把车辆状态预处理,帮助预警模块快速判断运单状态是否正常。
网络货运的异常预警,主要包含资质类、运输类、资金类和成本类四类异常类型,其中运输类即对物流运输过程的监控预警,常见的异常情况包括车辆位置丢失、车辆位置异常以及车辆行驶的状态异常。如何保证及时正确地发现这些异常情况并进行预警是现有监控方法的重点之一。
而物流运输过程中,当车辆停车或低速行驶时,存在上报的位置点非常接近的特点,加之卫星定位上报位置也存在一定偏差,如果按车辆正常行驶状态进行位置数据采集并按正常流程进行车辆状态的识别判断,不仅在较短路程内由于定位上的位置点较多导致计算量较大,而且由于位置点彼此接近,误差影响较大,获得的车辆状态的识别结果也不可靠,具有较大的错误概率,因此网络货运系统需要新的监控方法以较小的计算量在这些状态下准确识别车辆状态,增加监控的实时性,同时要正确快捷地识别车辆状态,减少对车辆位置和异常情况识别错误的几率。
发明内容
本发明的目的是提供网络货运运营异常预警的方法用于解决现有技术中由于采集的位置点彼此距离较近并且定位上报位置存在误差,货运运输过程中对低速和停留状态下的车辆状态、位置和异常情况识别效果差,并需要较多计算量和时间的技术问题。
所述的一种网络货运运营异常预警的方法,包括下列步骤:
步骤一、接收车辆上报的GPS坐标,初步判断车辆状态;
步骤二、进行位置点的预处理;
步骤三、对位置数据进行抽稀;
步骤四、计算位置的车辆瞬时速度;
步骤五、进行低速下车辆的状态识别;
步骤六、基于确定的车辆状态对车辆进行监控和预警。
优选的,所述步骤一中,如果已上线的车辆在预设时间内无位置,默认车辆状态丢失;新上线车辆在无位置信息之前默认状态未知。
优选的,所述步骤二中,根据线性插值方法,把丢失点前两个点和丢失后两个点,通过向量计算交叉点,进行补全GPS经纬度;
根据已知的GPS坐标A(lat1,lon1)与B(latk,lonk),要计算[lat1,latk]区间内lati处缺失的GPS数据loni,i=2,3...k-1,计算公式如公式1、公式2所示;
Figure BDA0003912292500000021
Figure BDA0003912292500000022
优选的,所述步骤四中,每次接收车辆的最新位置,会把当前位置点压入对列栈,如果队列存在3条数据,则开始预判当前位置点的瞬时速度,队列栈存在点p1、p2、p3,那么当前位置点的瞬时速度V=Distance(p1~p3)/Time(p1~p3),Distance(p1~p3)即p1到p3的路程距离,Time(p1~p3)即p1到p3的时间间隔。
优选的,所述步骤五中,将车辆瞬时速度与设定的的低速标准值比较,如果高于低速标准值,则默认该位置点车辆状态为正常,如果满足低速标准,则把当前车辆瞬时速度作为该位置点的瞬时速度并将位置点压入有效停留点队列,位置点成为疑似停留点,多个连续的疑似停留点构成疑似停留区域;
通过疑似停留点的瞬时速度计算疑似停留区域的瞬时速度,一个疑似停留区域的瞬时速度、距离、时间满足标准停车条件,则判定该区域内车辆状态为停车,不满足标准停车条件但满足低速条件,则该疑似停留区域内车辆状态为低速;如果上述情况均不满足,则其中疑似停留点之间存在车辆掉线,存在车辆掉线的区域内车辆状态为丢失。
优选的,所述步骤五中,根据有效停留点队列判断车辆具体状态的判断流程如下:
新建疑似停留点队列,从有效停留点队列做栈循环取位置点,如果疑似停留点队列中没有位置点则将所取的位置点压入疑似停留点队列,否则计算该位置点到疑似停留点队列第一个点的距离和时间间隔,只有距离小于距离标准且时间间隔小于时间间隔标准的位置点才被压入疑似停留点队列;此过程每压入一个位置点,则计算一次该疑似停留区域的瞬时速度;
满足上述条件后再判断该疑似停留区域的瞬时速度是否满足不大于停车速度标准的停车条件,如果满足则该疑似停留区域确定为长时间停留区域,对长时间停留区域中的位置点进行坐标均值化计算,获得的一个均值化点作为该长时间停留区域的停留区坐标点提取,实现停留区域位置点的抽稀;
疑似停留区域若不满足停车条件则判断该疑似停留区域的瞬时速度是否满足低速条件,即疑似停留区域的瞬时速度在停车速度标准到低速标准值之间,若满足则该疑似停留区域为低速区域,车辆状态为低速。
优选的,所述步骤六中,根据不同状态下车辆位置、速度、停留时间等信息判断运输过程是否存在事先定义的异常情况,判断出现异常情况后分别生成该异常的短信、微信、站内消息,并对应通过微信通道、短信通信、站内消息通道把异常信息推送到对应终端。
本发明具有以下优点:本方法能有效利用满足低速条件的位置点在距离和时间上的特点,以抽稀后较少的位置点快速可靠地识别出长时间停留区域并将低速区域与停留区域区别开,而对长时间停留区域本方法又能进一步将相关区域抽稀为具体的停留区坐标点,对后续的监控而言进一步减少了计算量地同时也通过各位置点的均值化减少了该区域内位置点的误差对监控判断结果的影响。这样本方法能相比现有技术更加快捷和可靠。
本方法还能在初步识别车辆的丢失状态时对丢失的位置数据进行补全,提高对数据处理识别的可靠性,并通过位置点的数据抽稀在进行具体地车辆速度计算和状态识别前减少需要处理的数据量,大大提高了后续车辆状态识别的效率,增强了本方法监控的实时性。
附图说明
图1为本发明一种网络货运运营异常预警的方法中确定车辆状态的流程图。
图2为本发明一种网络货运运营异常预警的方法中对数据进行分类处理的示意图。
图3为本发明中关于线性插值补全位置数据的示意图。
图4为本发明中计算位置点瞬时速度的示意图
具体实施方式
下面对照附图,通过对实施例的描述,对本发明具体实施方式作进一步详细的说明,以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和伸入的理解。
如图1-4所示,本发明提供了一种网络货运运营异常预警的方法,包括下列步骤。
步骤一、接收车辆上报的GPS坐标,初步判断车辆状态。
接收位置点的GPS坐标后通过位置比对计算,初步判断车辆状态。评估位置数据有效性,北斗定位频率10秒/次,基站定位频率30秒/次;预判系统接收到车辆位置(经度、纬度、时间、省市区、详细地址、车牌号),如果已上线的车辆30分钟无位置,默认车辆状态丢失;新上线车辆在无位置信息之前默认状态未知。
步骤二、进行位置点的预处理,做位置数据补全。
在实际车辆行驶中,存在部分位置丢点情况,系统按照数据流失逻辑,根据线性插值方法,把丢失点前两个点和丢失后两个点,通过向量计算交叉点,进行补全GPS经纬度,时间按照两天平均处理。此外对于定位数据存在数据漂移的,通过SG滤波去噪。
其中,线性插值是一种低时间复杂度的数据处理方法,该方法使用一次多项式作为插值函数。按照线性插值的定义,根据已知的GPS坐标A(lat1,lon1)与B(latk,lonk),要计算[lat1,latk]区间内lati处缺失的GPS数据loni,i=2,3...k-1,计算公式如公式1、公式2所示。
Figure BDA0003912292500000041
Figure BDA0003912292500000051
步骤三、对位置数据进行抽稀。
车辆停车或低速行驶时,加之上报位置的偏差,存在上报的位置点非常接近,为了减少运算量,本方法在正式处理前需要数据抽稀,按照时间、距离标准参数抽稀处理。通过抽稀处理减少了后续对车辆状态识别时所需的计算量,提高了车辆状态识别的实时性,而对正常状态下车辆的定位监控则既可以利用未抽稀前的位置点信息进行监控,也可以利用抽稀后的位置点信息进行监控,具体依据监控要求和抽稀后位置点包含信息是否足够来确定。正常情况下的具体监控流程由于属于本领域现有技术,因此在此不再赘述。
步骤四、计算位置的车辆瞬时速度。
低速情况下的三个状态的判断是根据车辆速度与标准值比较得出的。每次接收车辆的最新位置,会把当前位置点压入对列栈(FIFO),如果队列存在3条数据,则开始预判当前位置点的瞬时速度,假如存在点p1、p2、p3,那么当前位置点的瞬时速度V=Distance(p1~p3)/Time(p1~p3),Distance(p1~p3)即p1到p3的路程距离,Time(p1~p3)即p1到p3的时间间隔。如果瞬时速度V大于设定的低速标准值则判定为车辆发正常行驶,停止执行后续步骤,以常规方法对上报位置点的GPS坐标进行处理并进行车辆监控。该步骤让系统能较可靠地区分低速行驶状态,为之后的具体状态识别提供了速度信息的判断基础。
步骤五、进行低速下车辆的状态识别。
将车辆瞬时速度与设定的的低速标准值比较,如果车速高于低速标准值,则默认该位置点车辆状态为正常并清空队列,如果满足低速标准,则把当前速度作为该位置点的瞬时速度并将位置点压入有效停留点队列(FIFO),位置点成为疑似停留点,多个连续的疑似停留点构成疑似停留区域。当疑似停留区域中每压入一个值,就开始计算一次对应的疑似停留区域的瞬时速度,该瞬时速度为疑似停留区域内各疑似停留点的瞬时速度的均值。如果一个疑似停留区域的瞬时速度、距离、时间满足标准停车条件,则判定该区域内车辆状态为停车,不满足标准停车条件且速度低于低速标准值则该区域内车辆状态为低速,如果上述情况均不满足,则其中疑似停留点之间存在缺少位置点即车辆掉线,当车辆掉线的时间大于设定的掉线时间标准,该区域的车辆状态为丢失。
本步骤中根据有效停留点队列判断车辆具体状态的判断流程如下。
新建疑似停留点队列,从有效停留点队列做栈循环取位置点,如果疑似停留点队列中没有位置点则将所取的位置点压入疑似停留点队列,否则计算该位置点到疑似停留点队列第一个点的距离和时间间隔,只有距离小于距离标准且时间间隔小于时间间隔标准的位置点才被压入疑似停留点队列。本实施例中距离标准为500米,时间间隔标准为10分钟。栈循环结束得到若干疑似停留点队列,即多个疑似停留区域,此过程每压入一个位置点,则计算一次该疑似停留区域的瞬时速度。位置点无法压入时结束该轮栈循环取位置点,下次从有效停留点队列取点时从未压入的位置点开始进行栈循环取位置点。
满足上述条件后再判断该疑似停留区域的瞬时速度是否满足不大于停车速度标准的停车条件,如果满足则该疑似停留区域确定为长时间停留区域,对长时间停留区域中的位置点进行坐标均值化计算,获得的一个均值化点作为该长时间停留区域的停留区坐标点提取,实现停留区域位置点的抽稀。
疑似停留区域若不满足停车条件则判断该疑似停留区域的瞬时速度是否满足低速条件,即疑似停留区域的瞬时速度在停车速度标准到低速标准值之间,若满足则该疑似停留区域为低速区域,车辆状态为低速,之后根据区域内经过步骤三抽稀处理后的位置点进行监控处理。
若相邻位置点之间无法满足相邻位置点间距离小于距离标准或相邻位置点问时间间隔小于时间间隔标准,即疑似停留区域中缺少位置点,则无法均值化计算出该疑似停留区域的瞬时速度,同时不满足前述的停车条件和低速条件,表明该疑似停留区域中存在车辆掉线,该区域的车辆状态为丢失。
通过步骤五的具体流程,本方法能有效利用满足低速条件的位置点在距离和时间上的特点,以抽稀后较少的位置点快速可靠地识别出长时间停留区域并将低速区域与停留区域区别开,而对长时间停留区域本方法又能进一步将相关区域抽稀为具体的停留区坐标点,对后续的监控而言进一步减少了计算量地同时也通过各位置点的均值化减少了该区域内位置点的误差。
步骤六、基于确定的车辆状态对车辆进行监控和预警。
运输类异常包含对车辆位置的预处理,这部分内容是监控预警的一部分,本方法在之前通过接收车辆上报的GPS坐标,然后通过位置比对,把车辆位置归类为停车、低速、正常、丢失五种类型。车辆状态的预处理中,使用了线性插值方法解决位置丢失的情况,使用了疑似停留区判断车辆低速还是停车,速度正常不属于上述情况的情况就默认车辆是正常行驶状态。
而在本步骤中,按照项目授权中的定义,根据不同状态下车辆位置、速度、停留时间等信息判断运输过程是否存在事先定义的异常情况,如车辆位置丢失、车辆位置异常以及车辆停留位置异常等异常情况。判断出现异常情况后分别生成该异常的短信、微信、站内消息,并对应通过微信通道、短信通信、WebSocket站内消息通道,把包含异常名称、异常类型、发生时间、车辆号、车辆位置等异常信息推送到对应终端。
用户接收异常预警消息后进行处理。托运人、司机、平台客服均可能是异常消息的推送目标用户,该用户接到推送的消息,根据消息的短链接引导进入异常详情。根据异常详情,用户进行处理并反馈处理意见,或转办当前事件给到其他人员处理。本方法中,接收异常预警消息的模块支持快速跳转至账单、运单、项目等模块,进入成本、收入、车辆的异常处置管理。
上面结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的发明构思和技术方案进行的各种非实质性的改进,或未经改进将本发明构思和技术方案直接应用于其它场合的,均在本发明保护范围之内。

Claims (7)

1.一种网络货运运营异常预警的方法,其特征在于:包括下列步骤:
步骤一、接收车辆上报的GPS坐标,初步判断车辆状态;
步骤二、进行位置点的预处理;
步骤三、对位置数据进行抽稀;
步骤四、计算位置的车辆瞬时速度;
步骤五、进行低速下车辆的状态识别;
步骤六、基于确定的车辆状态对车辆进行监控和预警。
2.根据权利要求1所述的一种网络货运运营异常预警的方法,其特征在于:所述步骤一中,如果已上线的车辆在预设时间内无位置,默认车辆状态丢失;新上线车辆在无位置信息之前默认状态未知。
3.根据权利要求1所述的一种网络货运运营异常预警的方法,其特征在于:所述步骤二中,根据线性插值方法,把丢失点前两个点和丢失后两个点,通过向量计算交叉点,进行补全GPS经纬度;
根据已知的GPS坐标A(lat1,lon1)与B(latk,lonk),要计算[lat1,latk]区间内lati处缺失的GPS数据loni,i=2,3...k-1,计算公式如公式1、公式2所示;
Figure FDA0003912292490000011
Figure FDA0003912292490000012
4.根据权利要求1所述的一种网络货运运营异常预警的方法,其特征在于:所述步骤四中,每次接收车辆的最新位置,会把当前位置点压入对列栈,如果队列存在3条数据,则开始预判当前位置点的瞬时速度,队列栈存在点p1、p2、p3,那么当前位置点的瞬时速度V=Distance(p1~p3)/Time(p1~p3),Distance(p1~p3)即p1到p3的路程距离,Time(p1~p3)即p1到p3的时间间隔。
5.根据权利要求1所述的一种网络货运运营异常预警的方法,其特征在于:所述步骤五中,将车辆瞬时速度与设定的的低速标准值比较,如果高于低速标准值,则默认该位置点车辆状态为正常,如果满足低速标准,则把当前车辆瞬时速度作为该位置点的瞬时速度并将位置点压入有效停留点队列,位置点成为疑似停留点,多个连续的疑似停留点构成疑似停留区域;
通过疑似停留点的瞬时速度计算疑似停留区域的瞬时速度,一个疑似停留区域的瞬时速度、距离、时间满足标准停车条件,则判定该区域内车辆状态为停车,不满足标准停车条件但满足低速条件,则该疑似停留区域内车辆状态为低速;如果上述情况均不满足,则其中疑似停留点之间存在车辆掉线,存在车辆掉线的区域内车辆状态为丢失。
6.根据权利要求5所述的一种网络货运运营异常预警的方法,其特征在于:所述步骤五中,根据有效停留点队列判断车辆具体状态的判断流程如下:
新建疑似停留点队列,从有效停留点队列做栈循环取位置点,如果疑似停留点队列中没有位置点则将所取的位置点压入疑似停留点队列,否则计算该位置点到疑似停留点队列第一个点的距离和时间间隔,只有距离小于距离标准且时间间隔小于时间间隔标准的位置点才被压入疑似停留点队列;此过程每压入一个位置点,则计算一次该疑似停留区域的瞬时速度;
满足上述条件后再判断该疑似停留区域的瞬时速度是否满足不大于停车速度标准的停车条件,如果满足则该疑似停留区域确定为长时间停留区域,对长时间停留区域中的位置点进行坐标均值化计算,获得的一个均值化点作为该长时间停留区域的停留区坐标点提取,实现停留区域位置点的抽稀;
疑似停留区域若不满足停车条件则判断该疑似停留区域的瞬时速度是否满足低速条件,即疑似停留区域的瞬时速度在停车速度标准到低速标准值之间,若满足则该疑似停留区域为低速区域,车辆状态为低速。
7.根据权利要求1所述的一种网络货运运营异常预警的方法,其特征在于:所述步骤六中,根据不同状态下车辆位置、速度、停留时间等信息判断运输过程是否存在事先定义的异常情况,判断出现异常情况后分别生成该异常的短信、微信、站内消息,并对应通过微信通道、短信通信、站内消息通道把异常信息推送到对应终端。
CN202211331604.5A 2022-10-27 2022-10-27 一种网络货运运营异常预警的方法 Pending CN115938080A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211331604.5A CN115938080A (zh) 2022-10-27 2022-10-27 一种网络货运运营异常预警的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211331604.5A CN115938080A (zh) 2022-10-27 2022-10-27 一种网络货运运营异常预警的方法

Publications (1)

Publication Number Publication Date
CN115938080A true CN115938080A (zh) 2023-04-07

Family

ID=86647915

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211331604.5A Pending CN115938080A (zh) 2022-10-27 2022-10-27 一种网络货运运营异常预警的方法

Country Status (1)

Country Link
CN (1) CN115938080A (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1991009375A1 (en) * 1989-12-11 1991-06-27 Caterpillar Inc. Integrated vehicle positioning and navigation system, apparatus and method
JPH08339480A (ja) * 1995-06-12 1996-12-24 Toyoda Gosei Co Ltd フェンダマーカ表示装置
JP2006193014A (ja) * 2005-01-12 2006-07-27 Toyota Motor Corp 駐車支援装置
JP2010151625A (ja) * 2008-12-25 2010-07-08 Toyota Infotechnology Center Co Ltd 情報提供装置
KR101176123B1 (ko) * 2011-08-30 2012-08-28 (주)아이엠시티 스마트기술을 이용한 지능형 주정차위반 단속알림시스템
EP2766238A2 (en) * 2011-10-14 2014-08-20 Polaris Industries Inc. Electronic controller for a cvt ratio
CN108399743A (zh) * 2018-02-07 2018-08-14 武汉理工大学 一种基于gps数据的高速公路车辆异常行为检测方法
CN108802776A (zh) * 2018-07-02 2018-11-13 武汉蓝泰源信息技术有限公司 基于异常点剔除及轨迹压缩算法的公交gps纠偏方法
CN110749319A (zh) * 2018-12-19 2020-02-04 北京嘀嘀无限科技发展有限公司 一种路线偏移检测的方法、装置和电子设备
CN111340427A (zh) * 2020-03-02 2020-06-26 西南交通大学 一种基于轨迹数据的货车运行状态识别方法
CN112734219A (zh) * 2021-01-05 2021-04-30 中交智运有限公司 一种车辆运输行驶行为分析方法及系统
CN113011815A (zh) * 2021-03-11 2021-06-22 深圳市城市交通规划设计研究中心股份有限公司 一种货车停靠点提取方法和出行特征确定方法、装置
CN113838282A (zh) * 2021-07-16 2021-12-24 北京航空航天大学 基于北斗定位的车辆异常行为检测方法
CN113838227A (zh) * 2021-10-13 2021-12-24 中化现代农业有限公司 一种车辆异常停留监控方法及系统
CN113888840A (zh) * 2021-09-26 2022-01-04 中原大易科技有限公司 监测网络货运司机运输行为的方法、装置及电子设备

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1991009375A1 (en) * 1989-12-11 1991-06-27 Caterpillar Inc. Integrated vehicle positioning and navigation system, apparatus and method
JPH08339480A (ja) * 1995-06-12 1996-12-24 Toyoda Gosei Co Ltd フェンダマーカ表示装置
JP2006193014A (ja) * 2005-01-12 2006-07-27 Toyota Motor Corp 駐車支援装置
JP2010151625A (ja) * 2008-12-25 2010-07-08 Toyota Infotechnology Center Co Ltd 情報提供装置
KR101176123B1 (ko) * 2011-08-30 2012-08-28 (주)아이엠시티 스마트기술을 이용한 지능형 주정차위반 단속알림시스템
EP2766238A2 (en) * 2011-10-14 2014-08-20 Polaris Industries Inc. Electronic controller for a cvt ratio
CN108399743A (zh) * 2018-02-07 2018-08-14 武汉理工大学 一种基于gps数据的高速公路车辆异常行为检测方法
CN108802776A (zh) * 2018-07-02 2018-11-13 武汉蓝泰源信息技术有限公司 基于异常点剔除及轨迹压缩算法的公交gps纠偏方法
CN110749319A (zh) * 2018-12-19 2020-02-04 北京嘀嘀无限科技发展有限公司 一种路线偏移检测的方法、装置和电子设备
CN111340427A (zh) * 2020-03-02 2020-06-26 西南交通大学 一种基于轨迹数据的货车运行状态识别方法
CN112734219A (zh) * 2021-01-05 2021-04-30 中交智运有限公司 一种车辆运输行驶行为分析方法及系统
CN113011815A (zh) * 2021-03-11 2021-06-22 深圳市城市交通规划设计研究中心股份有限公司 一种货车停靠点提取方法和出行特征确定方法、装置
CN113838282A (zh) * 2021-07-16 2021-12-24 北京航空航天大学 基于北斗定位的车辆异常行为检测方法
CN113888840A (zh) * 2021-09-26 2022-01-04 中原大易科技有限公司 监测网络货运司机运输行为的方法、装置及电子设备
CN113838227A (zh) * 2021-10-13 2021-12-24 中化现代农业有限公司 一种车辆异常停留监控方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
姜桂艳: "基于出租车GPS数据的路段平均速度估计模型", 《西南交通大学学报》, vol. 46, no. 4, 31 August 2011 (2011-08-31), pages 638 - 644 *
杨龙海: "基于GPS 数据的高速公路车辆异常行为检测", 《重庆交通大学学报( 自然科学版)》, vol. 37, no. 5, 31 May 2018 (2018-05-31), pages 97 - 103 *

Similar Documents

Publication Publication Date Title
US11948405B2 (en) Providing autonomous vehicle maintenance
US11669911B1 (en) Automated accident detection, fault attribution, and claims processing
US10417713B1 (en) Determining whether a vehicle is parked for automated accident detection, fault attribution, and claims processing
CN110246030B (zh) 多方联动的贷后风险管理方法、终端、装置及存储介质
CN108053075B (zh) 一种报废车辆预测方法及系统
CN113838227B (zh) 一种车辆异常停留监控方法及系统
CN112837556A (zh) 车辆位置信息监控处理方法和装置
CN111241597A (zh) 一种基于区块链的在途货物状态监测系统、装置及方法
CN115938080A (zh) 一种网络货运运营异常预警的方法
CN113673815A (zh) 基于车辆数据处理的矿车调度方法及装置
CN106780002B (zh) 汽车库存融资审计监控管理系统及方法
CN112668974A (zh) 一种车况信息获取方法和装置
CN111612372A (zh) 一种基于运营状况的商用车违约风险预警方法
CN115294771B (zh) 路侧设备的监控方法和装置、电子设备和存储介质
CN114579550A (zh) 一种网约车司机出车时长的数据指标确定方法
CN115439265A (zh) 一种保险行业智能赔付异常交易风险控制系统
Makarova et al. Improving the reliability of autonomous vehicles in a branded service system using big data
CN114897468A (zh) 一种基于物联网的物流货物运输跟踪系统
CN112860766A (zh) 一种公交运行车次认定方法及装置
CN113422829A (zh) 客运车辆告警方法、告警装置、计算机存储介质及终端
CN114926066A (zh) 基于过程因子高效的抽检决策方法及系统
CN112308699B (zh) 保理业务数据审核方法、系统、设备及存储介质
CN116976605B (zh) 一种基于大数据的数据运营系统
CN114666256B (zh) 灰度测试方法、装置、设备、介质
CN116187894A (zh) 一种无船承运业务规范化识别的方法

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