CN116129628A - 基于云计算的车载平台联动管理系统及方法 - Google Patents

Abstract

本发明公开了基于云计算的车载平台联动管理系统及方法，属于车载平台管理技术领域。本发明基于云计算的车载平台联动管理系统包括数据采集模块、数据处理模块、车辆调度模块、路径预测模块、数据反馈模块；所述数据采集模块输出端与数据处理模块输入端相连；所述数据处理模块输出端与车辆调度模块输入端相连；所述车辆调度模块输出端与路径预测模块输入端相连；所述路径预测模块输出端与数据反馈模块输入端相连；本发明能够对机场行李牵引车辆进行联合调度，减少了人力物力指挥的浪费，增强了车载系统间的联合运作。

Description

基于云计算的车载平台联动管理系统及方法

技术领域

本发明涉及车载平台管理技术领域，具体为基于云计算的车载平台联动管理系统及方法。

背景技术

行李装卸服务是指将旅客的托运行李装上飞机或从飞机上卸载下来的种机场地面保障服务，而行李运输车是民航使用的在机场地面运输旅客托运行李的特种车辆。对于出港航班，用行李运输车将旅客的托运行李从候机楼行李分拣区运输至旅客所乘航班的停机位；对于进港航班,用行李运输车把从飞机上卸载下的旅客托运行李运输至候机楼行李分拣区。机场地面服务保障部门需要在保证航班不延误的前提下，合理地组织、调配行李运输车辆，使得每个航班的行李装卸需求得到满足；

目前云计算技术及其应用是一项十分重要的技术突破，即通过虚拟化的云计算技术实时把握机场运行的状况，充分体现信息化管理的优势，但我国民航机场对行李运输车辆的调度大都还是依靠人工调度，目前国内机场都开始重视信息化建设，陆续引进或自主开发了众多信息子系统，但缺少中国机场所需的营运指挥调度功能，且行李牵引车的利用成本高、利用率低，在车辆资源紧张的情况下非常容易造成服务不及时的航班延误。

发明内容

本发明的目的在于提供基于云计算的车载平台联动管理系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：基于云计算的车载平台联动管理方法，该方法包括以下步骤：

S1、使用摄像对图像、编号以及遥感影像进行采集，将所述编号及其对应图像记为集合H₁、H₂，将采集的数据上传到云端数据中心，在数据中心端进行数据的清洗和标注；

S2、使用车载云处理功能分析，对操作指令进行分析，标记不同车辆状态及所在位置；对正在进行任务的车辆实时共享位置及任务时间信息，并根据车载平台联合进行车辆的调度管理；

S3、针对不同任务终点所在的位置对附近符合车辆进行查找并标记；

S4、根据车载功能层针对不同位置建立虚拟路线并对运动时间进行规划；

S5、对编号及其所对应的图像进行对比查验；使用云计算在平台进行模拟的仿真，验证模拟路线及时间规划的准确性和可靠性，并针对结果对路径安排情况进行反馈并及时进行调整。

在上述技术方案中，在步骤S1-S2中，将遥感影像得到的图像建立网格坐标，以图像对角线的交点为坐标轴原点，建立坐标系；对坐标轴内人员及车辆移动进行统计，将标记点密度高于阈值的地区进行标记，记(a₁，b₁)，(a₂，b₂)，(a₃，b₃)，…，(a_i，b_i)，形成不同的高密度历史流动轨迹曲线；

所述S2的车载联合平台包括系统层，功能层以及决策层；所述系统层用于对空闲平板车位置进行定位分析，并接收周围行李牵引车的任务状态，形成任务分布网；所述功能层用于当接收到任务要求时，处于任务活动范围内的行李牵引车对自身能否执行本次任务进行分析，并与周围车辆进行任务对接；所述决策层用于接收任务后建立虚拟路线并对运动时间进行规划。

进一步的，在步骤S3中，所述车载平台设置在机场行李运输中，所述任务终点所在位置为航站楼，所在位置为终点记为(a_a，b_b)；所述对附近符合车辆进行查找并标记包括如下步骤：

S3-1、设飞机进港的位置为中点，记飞机集合为

行李运送到航站楼所在位置为终点记为(a_a，b_b)；

S3-2、对飞机行李数量及行李重量进行获取，计算所需托运平板车的数量：

其中，n为所需托运平板车的数量；M_i为单个航班乘客额的行李重量；n为乘客数量；m为一辆托运平板车的承重；

S3-3、以飞机进港的位置为圆心，周围500米为半径，对范围内的行李牵引车进行任务下达，范围内的行李牵引车对情况进行分析，根据分析结果将行李牵引车分为优先级A,B,C，选择最适合的行李牵引车位置记为起点，位置记为(a_c，b_d)；所述最适合的行李牵引车为处于优先级A等且距离最近；

所述将行李牵引车分为优先级A,B,C等级的标准为：当空闲行李牵引车处于500米的半径范围内，且拖拽的托运平板车可以承受行李的重量时即为A等；当空闲行李牵引车处于500米的半径范围内，拖拽的托运平板车不足够承受行李的重量但可在附近添加空闲托运平板车时，即为B等；当行李牵引车处于500米的半径范围内，但处于任务状态或其他原因无法进行运输时，即为C等。

在步骤S4中建立虚拟路线及时间规划的步骤如下：

S4-1、由起点到中点形成向量，将该向量分为垂直和水平两条向量分量，即两条运动方向；在规划路径内，需要通过j个选择节点，每个选择节点的选择记为r₁，r₂，r₃，所述r₁，r₂，r₃为不同的运动方向；每两个选择节点之间的运动时间为集合

S4-2、所述牵引车运动时需避开步骤S1中形成的高密度历史流动轨迹曲线，则从起点到终点消耗的时长t_总以及概率P为：

其中，p₀，p₁，…，p_j为选择不同路线的概率；t₀为补偿时间；t^e为搬运行李时间；

由于在运动过程中需要避开步骤S1中形成的高密度历史流动轨迹曲线，所述高密度曲线为机场工作人员或机场工作车辆的固定运动路线，由于行李托运车的起点、中点位置不确定，因此在运动过程中每一步节点的运动方向都可能会发生变化，可能的运动方向有三种，且都会产生相应的概率，不同路径的概率根据历史数据得出；由于在运输过程中会发生各种无法预料的意外，如平板车出现故障或路况问题等，会产生无法预料的浪费时间，因此增加t₀，所述t₀为该过程的补偿值；当无意外发生时，t₀可为0。

基于云计算的车载平台联动管理系统，该系统包括数据采集模块、数据处理模块、车辆调度模块、路径预测模块、数据反馈模块；

所述数据采集模块用于对编号、图像以及遥感影像进行采集，并将数据传输至云端数据中心，在数据中心端进行数据的清洗和标注；所述数据处理模块用于接收数据采集模块的数据库中的数据，并对数据进行分类；所述车辆调度模块用于对阈值范围内所有车辆进行分析，并根据车载平台联合进行车辆的调度管理；所述路径预测模块用于对不同车辆的运输路线进行路径和时间的规划；所述数据反馈模块用于对路径规划模块进行反馈，并及时对路线进行调整；

所述数据采集模块输出端与数据处理模块输入端相连；所述数据处理模块输出端与车辆调度模块输入端相连；所述车辆调度模块输出端与路径预测模块输入端相连；所述路径预测模块输出端与数据反馈模块输入端相连。

在上述技术方案中，所述基于云计算的车载平台联动管理系统在机场行李运输中的应用为：所述数据采集模块包括编号采集单元、图像采集单元、影像采集单元和数据库；

所述编号采集单元用于对托运的行李箱的编号进行采集；所述图像采集单元用于采集不同编号的行李箱托运时的图像；所述影像采集单元用于对机场货运区进行图像的采集；所述数据库用于接收采集的多来源数据。

在上述技术方案中，所述数据处理模块包括数据接收单元和数据处理单元；

所述数据接收单元用于对数据采集模块的数据进行接收；所述数据处理单元用于控制台对接收的数据进行分类处理。

在上述技术方案中，所述车辆调度模块包括车辆数据单元、车辆调度单元以及车载联合单元；

所述车辆数据单元用于对现有行李牵引车辆的状态进行归纳；所述车辆调度单元用于对处于闲置中的行李牵引车辆进行任务的分配，并针对工作结束时间不同的行李牵引车实行按需分配；所述车载联合单元用于实现行李牵引车与数据处理模块以及路径预测模块之间的联合对接。

在上述技术方案中，所述路径预测模块包括路径规划单元、时间规划单元；

所述路径规划单元用于对不同路径的行李牵引车的运行轨迹进行规划；所述时间规划单元用于对不同路径的行李牵引车的运行时间进行规划。

在上述技术方案中，所述数据反馈模块包括编号反馈单元、图像反馈单元以及车辆调度反馈单元；

所述编号反馈单元以及图像反馈单元是在飞机入港后运输行李前对行李编号及对应的图像进行对比，查看行李完整状况；所述车辆调度反馈单元针对机场工作人员对行李牵引车在机场内的运动轨迹及托运时间进行反馈，并针对反馈结果及时进行调整。

与现有技术相比，本发明所达到的有益效果是：本发明能够对机场行李牵引车辆进行联合调度，减少了人力物力指挥的浪费，增强了车载系统间的联合运作，并且能够合理地组织、调配行李运输车辆，使得每个航班的行李装卸需求得到满足。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明基于云计算的车载平台联动管理系统的结构示意图；

图2是本发明基于云计算的车载平台联动管理方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中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他实施例，都属于本发明保护的范围。

请参阅图1-图2，本发明提供技术方案：

基于云计算的车载平台联动管理方法，该方法包括以下步骤：

S1、使用摄像对图像、编号以及遥感影像进行采集，将所述编号及其对应图像记为集合H₁、H₂，将采集的数据上传到云端数据中心，在数据中心端进行数据的清洗和标注；

S2、使用车载云处理功能分析，对操作指令进行分析，标记不同车辆状态及所在位置；对正在进行任务的车辆实时共享位置及任务时间信息，并根据车载平台联合进行车辆的调度管理；

S3、针对不同任务终点所在的位置对附近符合车辆进行查找并标记；

S4、根据车载功能层针对不同位置建立虚拟路线并对运动时间进行规划；

S5、对编号及其所对应的图像进行对比查验；使用云计算在平台进行模拟的仿真，验证模拟路线及时间规划的准确性和可靠性，并针对结果对路径安排情况进行反馈并及时进行调整。

在上述技术方案中，在步骤S1-S2中，将遥感影像得到的图像建立网格坐标，以图像对角线的交点为坐标轴原点，建立坐标系；对坐标轴内人员及车辆移动进行统计，将标记点密度高于阈值的地区进行标记，记(a₁，b₁)，(a₂，b₂)，(a₃，b₃)，…，(a_i，b_i)，形成不同的高密度历史流动轨迹曲线；

所述S2的车载联合平台包括系统层，功能层以及决策层；所述系统层用于对空闲平板车位置进行定位分析，并接收周围行李牵引车的任务状态，形成任务分布网；所述功能层用于当接收到任务要求时，处于任务活动范围内的行李牵引车对自身能否执行本次任务进行分析，并与周围车辆进行任务对接；所述决策层用于接收任务后建立虚拟路线并对运动时间进行规划。

进一步的，在步骤S3中，所述车载平台设置在机场行李运输中，所述任务终点所在位置为航站楼，所在位置为终点记为(a_a，b_b)；所述对附近符合车辆进行查找并标记包括如下步骤：

S3-1、设飞机进港的位置为中点，记飞机集合为

行李运送到航站楼所在位置为终点记为(a_a，b_b)；

S3-2、对飞机行李数量及行李重量进行获取，计算所需托运平板车的数量：

其中，n为所需托运平板车的数量；M_i为单个航班乘客额的行李重量；n为乘客数量；m为一辆托运平板车的承重；

S3-3、以飞机进港的位置为圆心，周围500米为半径，对范围内的行李牵引车进行任务下达，范围内的行李牵引车对情况进行分析，根据分析结果将行李牵引车分为优先级A,B,C，选择最适合的行李牵引车位置记为起点，位置记为(a_c，b_d)；所述最适合的行李牵引车为处于优先级A等且距离最近；

所述将行李牵引车分为优先级A,B,C等级的标准为：当空闲行李牵引车处于500米的半径范围内，且拖拽的托运平板车可以承受行李的重量时即为A等；当空闲行李牵引车处于500米的半径范围内，拖拽的托运平板车不足够承受行李的重量但可在附近添加空闲托运平板车时，即为B等；当行李牵引车处于500米的半径范围内，但处于任务状态或其他原因无法进行运输时，即为C等。

在步骤S4中建立虚拟路线及时间规划的步骤如下：

S4-1、由起点到中点形成向量，将该向量分为垂直和水平两条向量分量，即两条运动方向；在规划路径内，需要通过j个选择节点，每个选择节点的选择记为r₁，r₂，r₃，所述r₁，r₂，r₃为不同的运动方向；每两个选择节点之间的运动时间为集合

S4-2、所述牵引车运动时需避开步骤S1中形成的高密度历史流动轨迹曲线，则从起点到终点消耗的时长t_总以及概率P为：

其中，p₀，p₁，…，p_j为选择不同路线的概率；t₀为补偿时间；t^e为搬运行李时间；由于在运动过程中需要避开步骤S1中形成的高密度历史流动轨迹曲线，且起点、中点位置不确定，因此在运动过程中每一步节点的运动方向都会产生相应的概率，该概率为历史数据得出；由于在运输过程中会发生各种无法预料的意外，所述t₀为该过程的补偿值；当物意外发生时，t₀可为0。

基于云计算的车载平台联动管理系统，该系统包括数据采集模块、数据处理模块、车辆调度模块、路径预测模块、数据反馈模块；

所述数据采集模块用于对编号、图像以及遥感影像进行采集，并将数据传输至云端数据中心，在数据中心端进行数据的清洗和标注；所述数据处理模块用于接收数据采集模块的数据库中的数据，并对数据进行分类；所述车辆调度模块用于对阈值范围内所有车辆进行分析，并根据车载平台联合进行车辆的调度管理；所述路径预测模块用于对不同车辆的运输路线进行路径和时间的规划；所述数据反馈模块用于对路径规划模块进行反馈，并及时对路线进行调整；

所述数据采集模块输出端与数据处理模块输入端相连；所述数据处理模块输出端与车辆调度模块输入端相连；所述车辆调度模块输出端与路径预测模块输入端相连；所述路径预测模块输出端与数据反馈模块输入端相连。

在上述技术方案中，所述基于云计算的车载平台联动管理系统在机场行李运输中的应用为：所述数据采集模块包括编号采集单元、图像采集单元、影像采集单元和数据库；

所述编号采集单元用于对托运的行李箱的编号进行采集；所述图像采集单元用于采集不同编号的行李箱托运时的图像；所述影像采集单元用于对机场货运区进行图像的采集；所述数据库用于接收采集的多来源数据。

在上述技术方案中，所述数据处理模块包括数据接收单元和数据处理单元；

所述数据接收单元用于对数据采集模块的数据进行接收；所诉数据处理单元用于控制台对接收的数据进行分类处理。

在上述技术方案中，所述车辆调度模块包括车辆数据单元、车辆调度单元以及车载联合单元；

所述车辆数据单元用于对现有行李牵引车辆的状态进行归纳；所述车辆调度单元用于对处于闲置中的行李牵引车辆进行任务的分配，并针对工作结束时间不同的行李牵引车实行按需分配；所述车载联合单元用于实现行李牵引车与数据处理模块以及路径预测模块之间的联合对接。

在上述技术方案中，所述路径预测模块包括路径规划单元、时间规划单元；

所述路径规划单元用于对不同路径的行李牵引车的运行轨迹进行规划；所述时间规划单元用于对不同路径的行李牵引车的运行时间进行规划。

在上述技术方案中，所述数据反馈模块包括编号反馈单元、图像反馈单元以及车辆调度反馈单元；

所述编号反馈单元以及图像反馈单元是在飞机入港后运输行李前对行李编号及对应的图像进行对比，查看行李完整状况；所述车辆调度反馈单元针对机场工作人员对行李牵引车在机场内的运动轨迹及托运时间进行反馈，并针对反馈结果及时进行调整。

在本发明的实施例中，设置标记点密度高于阈值的地区进行标记，记为(10，3)，(2，4)，(5，7)，…，(4，3)，形成5条高密度历史流动轨迹曲线；

记飞机CA12344，所在位置为：(14，2)，行李运送到航站楼所在位置为终点记为(18,16)；

设M_i＝{20kg，32kg，12kg，…，22kg}；n＝107；m＝20t，

得出需5个托运平板车；

设最适合的行李牵引车记为起点，位置记为(13，4)；

设需要通过5个选择节点，每个选择节点的选择记为节点连线左侧，节点连线，节点连线右侧，每两个选择节点之间的运动时间为集合T_i＝{3，2,5,5,4}，其中T_i的单位为分钟，补偿时间为0，搬运货物时间为20分钟；

则从起点到终点消耗的时长t_总为：

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于云计算的车载平台联动管理方法，其特征在于，该方法包括以下步骤：

S1、使用摄像对图像、编号以及遥感影像进行采集，将所述编号及其对应图像记为集合H₁、H₂，将采集的数据上传到云端数据中心，在数据中心端进行数据的清洗和标注；

S2、使用车载云处理功能分析，对操作指令进行分析，标记不同车辆状态及所在位置；对正在进行任务的车辆实时共享位置及任务时间信息，并根据车载平台联合进行车辆的调度管理；

S3、针对不同任务终点所在的位置对附近符合车辆进行查找并标记；

S4、根据车载功能层针对不同位置建立虚拟路线并对运动时间进行规划；

S5、对编号及其所对应的图像进行对比查验；使用云计算在平台进行模拟的仿真，验证模拟路线及时间规划的准确性和可靠性，并针对结果对路径安排情况进行反馈并及时进行调整。

2.根据权利要求1所述的基于云计算的车载平台联动管理方法，其特征在于，在步骤S1-S2中，将遥感影像得到的图像建立网格坐标，以图像对角线的交点为坐标轴原点，建立坐标系；对坐标轴内人员及车辆移动进行统计，将标记点密度高于阈值的地区进行标记，记(a₁，b₁)，(a₂，b₂)，(a₃，b₃)，…，(a_i，b_i)，形成不同的高密度历史流动轨迹曲线；

所述S2的车载联合平台包括系统层，功能层以及决策层；所述系统层用于对空闲平板车位置进行定位分析，并接收周围车辆的任务状态形成任务分布网；所述功能层用于当接收到任务要求时，处于任务活动范围内的车辆对自身能否执行本次任务进行分析，并与周围车辆进行任务对接；所述决策层用于接收任务后建立虚拟路线并对运动时间进行规划。

3.根据权利要求1所述的基于云计算的车载平台联动管理方法，其特征在于，在步骤S3中，所述车载平台设置在机场行李运输中，所述任务终点所在位置为航站楼，所在位置为终点记为(a_a，b_b)；所述对附近符合车辆进行查找并标记包括如下步骤：

S3-1、设飞机进港的位置为中点，记飞机集合为

S3-2、对飞机行李数量及行李重量进行获取，计算所需托运平板车的数量：

其中，n为所需托运平板车的数量；M_i为单个航班乘客行李重量；n为乘客数量；m为一辆托运平板车的承重；

S3-3、以飞机进港的位置为圆心，设置半径阈值，对范围内的行李牵引车进行任务下达，范围内的行李牵引车对情况进行分析，根据分析结果将行李牵引车分为优先级A,B,C，选择最适合的行李牵引车位置记为起点，位置记为(a_c，b_d)。

4.根据权利要求3所述的基于云计算的车载平台联动管理方法，其特征在于，在步骤S4中决策层建立虚拟路线并对时间进行规划的步骤如下：

S4-1、由起点到中点形成向量，将该向量分为垂直和水平两条向量分量，即三条运动方向；在规划路径内，需要通过j个选择节点，每个选择节点的选择记为r₁，r₂，r₃，所述r₁，r₂，r₃为不同的运动方向；每两个选择节点之间的运动时间为集合

S4-2、所述牵引车运动时需避开步骤S1中形成的高密度历史流动轨迹曲线，则从起点到终点消耗的时长t_总以及概率P为：

其中，p₀，p₁，…，p_j为选择路线的概率；t₀为补偿时间；t^e为搬运行李时间。

5.基于云计算的车载平台联动管理系统，其特征在于：该系统包括数据采集模块、数据处理模块、车辆调度模块、路径预测模块、数据反馈模块；

所述数据采集模块用于对编号、图像以及遥感影像进行采集，并将数据传输至云端数据中心，在数据中心端进行数据的清洗和标注；所述数据处理模块用于接收数据采集模块的数据库中的数据，并对数据进行分类；所述车辆调度模块用于对阈值范围内所有车辆进行分析，并根据车载平台联合进行车辆的调度管理；所述路径预测模块用于对不同车辆的运输路线进行路径和时间的规划；所述数据反馈模块用于对路径规划模块进行反馈，并及时对路线进行调整；

所述数据采集模块输出端与数据处理模块输入端相连；所述数据处理模块输出端与车辆调度模块输入端相连；所述车辆调度模块输出端与路径预测模块输入端相连；所述路径预测模块输出端与数据反馈模块输入端相连。

6.根据权利要求5所述的基于云计算的车载平台联动管理系统，其特征在于，所述数据采集模块在机场行李运输车中的应用为：所述数据采集模块包括编号采集单元、图像采集单元、影像采集单元和数据库；

所述数据采集模块在机场编号采集单元用于对托运的行李箱的编号进行采集；所述图像采集单元用于采集不同编号的行李箱托运时的图像；所述影像采集单元用于对机场货运区进行图像的采集；所述数据库用于接收采集的多来源数据。

7.根据权利要求6所述的基于云计算的车载平台联动管理系统，其特征在于，所述数据处理模块包括数据接收单元和数据处理单元；

所述数据接收单元用于对数据采集模块的数据进行接收；所述数据处理单元用于控制台对接收的数据进行分类处理。

8.根据权利要求7所述的基于云计算的车载平台联动管理系统，其特征在于，所述车辆调度模块包括车辆数据单元、车辆调度单元以及车载联合单元；

所述车辆数据单元用于对现有行李牵引车辆的状态进行归纳；所述车辆调度单元用于对处于闲置中的行李牵引车辆进行任务的分配，并针对工作结束时间不同的行李牵引车实行按需分配；所述车载联合单元用于实现行李牵引车与数据处理模块以及路径预测模块之间的联合对接。

9.根据权利要求8所述的基于云计算的车载平台联动管理系统，其特征在于，所述路径预测模块包括路径规划单元、时间规划单元；

所述路径规划单元用于对不同路径的行李牵引车的运行轨迹进行规划；所述时间规划单元用于对不同路径的行李牵引车的运行时间进行规划。

10.根据权利要求9所述的基于云计算的车载平台联动管理系统，其特征在于，所述数据反馈模块包括编号反馈单元、图像反馈单元以及车辆调度反馈单元；

所述编号反馈单元以及图像反馈单元是在飞机入港后运输行李前对行李编号及对应的图像进行对比，查看行李完整状况；所述车辆调度反馈单元针对机场工作人员对行李牵引车在机场内的运动轨迹及托运时间进行反馈，并针对反馈结果及时进行调整。

Images