CN116188235B - 高速公路货运量的时空分布推算方法、装置和电子设备 - Google Patents
高速公路货运量的时空分布推算方法、装置和电子设备 Download PDFInfo
- Publication number
- CN116188235B CN116188235B CN202310208117.8A CN202310208117A CN116188235B CN 116188235 B CN116188235 B CN 116188235B CN 202310208117 A CN202310208117 A CN 202310208117A CN 116188235 B CN116188235 B CN 116188235B
- Authority
- CN
- China
- Prior art keywords
- truck
- freight
- average
- axle
- target
- 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.)
- Active
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 124
- 238000004364 calculation method Methods 0.000 title claims description 25
- 238000005303 weighing Methods 0.000 claims abstract description 89
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000001914 filtration Methods 0.000 claims abstract description 25
- 238000004140 cleaning Methods 0.000 claims description 18
- 238000009499 grossing Methods 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 210000000709 aorta Anatomy 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种高速公路货运量的时空分布推算方法、装置和电子设备,本发明是以预设历史时间段的目标高速公路出入口收费站采集的初始货车称重数据为支撑的,对上述初始货车称重数据进行清洗和汇总,进而采用卡尔曼滤波对各车轴数对应的载重分布进行平滑计算,得到各车轴数货车的平均空车载质量和平均载货量,最后,基于各车轴数货车的平均载货量和目标高速公路出入口收费站统计的目标时间段的货车称重数据计算目标高速公路出入口收费站在目标时间段内的货运量,计算的目标高速公路出入口收费站在目标时间段内的货运量的准确性好,也就是本发明的方法计算的高速公路货运量的时空分布结果的准确性高。
Description
技术领域
本发明涉及数据处理的技术领域,尤其是涉及一种高速公路货运量的时空分布推算方法、装置和电子设备。
背景技术
公路货运量占到全国货运量的七成左右,对社会经济发展极其重要。高速公路作为交通运输中的主动脉,分析高速公路的货运结构具有重要意义。
高速公路不停车系统改造之前,由于出入口信息化水平较低,对货车称重数据没有进行电子化的上传汇总统计,统计方法通常是基于抽样数据进行扩样并预测,但是由于货物运输受季节影响较大,不同时节运送的货物质量差别较大,因此较单一的抽样结果很难反映全路网、长周期的货运特征。
随着高速公路出入口改造工程的不断推进,货车进出收费站全部信息均通过收费站服务器实时推送至地方联网中心,再由联网中心推送至部路网中心进行统一汇总,由于货车进出收费站时,是对车货总重进行称重,而货运量计算时仅需要使用货物质量,因此高速公路整备质量(即空车载质量)推算是重要的一个步骤。许多学者在研究这部分内容时,普遍存在主观思维,通过定义常规的高速公路空车载质量,以推算货运量,少有部分学者会通过研究算法计算路网货车空车质量,但是这些算法均忽略了高速公路货车轴数分布的问题,且主观思维影响较多,研究使用的数据不足以支撑结果的判定。
综上,现有技术统计的高速公路货运量的时空分布结果的准确性差。
发明内容
有鉴于此,本发明的目的在于提供一种高速公路货运量的时空分布推算方法,以缓解现有技术统计的高速公路货运量的时空分布结果的准确性差。
第一方面,本发明实施例提供了一种高速公路货运量的时空分布推算方法,包括:
获取预设历史时间段的目标高速公路出入口收费站采集的初始货车称重数据,并对所述初始货车称重数据进行清洗,得到货车称重数据;
对所述货车称重数据按照车轴数进行汇总,得到各车轴数对应的载重分布,其中,所述载重分布为不同车货总重对应的货车数;
采用卡尔曼滤波对各车轴数对应的载重分布进行平滑计算,得到各车轴数货车的平均空车载质量和平均载货量;
基于所述各车轴数货车的平均载货量和所述目标高速公路出入口收费站统计的目标时间段的货车称重数据计算所述目标高速公路出入口收费站在所述目标时间段内的货运量。
进一步的,所述初始货车称重数据包括:货车的标识、车轴数、货车类型、车货总重。
进一步的,对所述初始货车称重数据进行清洗,包括:
根据车轴数与标准的车货总重范围的对应关系对所述初始货车称重数据进行清洗,得到所述货车称重数据。
进一步的,采用卡尔曼滤波对各车轴数对应的载重分布进行平滑计算,包括:
采用卡尔曼滤波对各车轴数对应的载重分布进行滤波处理,得到各车轴数对应的滤波后的载重分布;
采用R-T-S固定区间平滑算法对各车轴数对应的滤波后的载重分布进行平滑处理,得到各车轴数对应的平滑后的载重分布;
将所述各车轴数对应的平滑后的载重分布中的第一个货车数最大值对应的车货总重作为对应车轴数货车的平均空车载质量,并根据所述各车轴数对应的载重分布和各车轴数货车的平均空车载质量计算各车轴数货车的平均载货量。
进一步的,根据所述各车轴数对应的载重分布和各车轴数货车的平均空车载质量计算各车轴数货车的平均载货量,包括:
根据平均载货量计算算式计算各车轴数货车的平均载货量,其中,/>表示车轴数为i的货车的平均载货量,Wt表示车轴数为i的货车的车货总重,Wi,0表示车轴数为i的货车的平均空车载质量,Vi,t表示车货总重为Wt的货车数。
进一步的,基于所述各车轴数货车的平均载货量和所述目标高速公路出入口收费站统计的目标时间段的货车称重数据计算所述目标高速公路出入口收费站在所述目标时间段内的货运量,包括:
根据所述目标高速公路出入口收费站统计的目标时间段的货车称重数据确定所述目标高速公路出入口收费站统计的目标时间段的各车轴数货车的货车数;
根据所述各车轴数货车的平均载货量和所述各车轴数货车的货车数计算所述目标高速公路出入口收费站在所述目标时间段内的货运量。
进一步的,根据所述各车轴数货车的平均载货量和所述各车轴数货车的货车数计算所述目标高速公路出入口收费站在所述目标时间段内的货运量,包括:
根据货运量计算算式计算所述目标高速公路出入口收费站在所述目标时间段内的货运量,其中,/>表示所述货运量,/>表示车轴数为i的货车的平均载货量,i表示所述车轴数,Vi,t表示车轴数为i的货车的货车数。
第二方面,本发明实施例还提供了一种高速公路货运量的时空分布推算装置,包括:
获取单元,用于获取预设历史时间段的目标高速公路出入口收费站采集的初始货车称重数据,并对所述初始货车称重数据进行清洗,得到货车称重数据;
汇总单元,用于对所述货车称重数据按照车轴数进行汇总,得到各车轴数对应的载重分布,其中,所述载重分布为不同车货总重对应的货车数;
平滑计算单元,用于采用卡尔曼滤波对各车轴数对应的载重分布进行平滑计算,得到各车轴数货车的平均空车载质量和平均载货量;
计算单元,用于基于所述各车轴数货车的平均载货量和所述目标高速公路出入口收费站统计的目标时间段的货车称重数据计算所述目标高速公路出入口收费站在所述目标时间段内的货运量。
第三方面,本发明实施例还提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有机器可运行指令,所述机器可运行指令在被处理器调用和运行时,所述机器可运行指令促使所述处理器运行上述第一方面任一项所述的方法。
在本发明实施例中,提供了一种高速公路货运量的时空分布推算方法,包括:获取预设历史时间段的目标高速公路出入口收费站采集的初始货车称重数据,并对初始货车称重数据进行清洗,得到货车称重数据;对货车称重数据按照车轴数进行汇总,得到各车轴数对应的载重分布,其中,载重分布为不同车货总重对应的货车数;采用卡尔曼滤波对各车轴数对应的载重分布进行平滑计算,得到各车轴数货车的平均空车载质量和平均载货量;基于各车轴数货车的平均载货量和目标高速公路出入口收费站统计的目标时间段的货车称重数据计算目标高速公路出入口收费站在目标时间段内的货运量。通过上述描述可知,本发明的高速公路货运量的时空分布推算方法是以预设历史时间段的目标高速公路出入口收费站采集的初始货车称重数据为支撑的,对上述初始货车称重数据进行清洗和汇总,进而采用卡尔曼滤波对各车轴数对应的载重分布进行平滑计算,得到各车轴数货车的平均空车载质量和平均载货量,最后,基于各车轴数货车的平均载货量和目标高速公路出入口收费站统计的目标时间段的货车称重数据计算目标高速公路出入口收费站在目标时间段内的货运量,计算的目标高速公路出入口收费站在目标时间段内的货运量的准确性好,也就是本发明的方法计算的高速公路货运量的时空分布结果的准确性高,缓解了现有技术统计的高速公路货运量的时空分布结果的准确性差的技术问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的一种高速公路货运量的时空分布推算方法的流程图;
图2为本发明实施例提供的对各车轴数对应的载重分布进行平滑计算的方法流程图;
图3为本发明实施例提供的车轴数为2对应的平滑后的载重分布的曲线示意图;
图4为本发明实施例提供的车轴数为3对应的平滑后的载重分布的曲线示意图;
图5为本发明实施例提供的车轴数为4对应的平滑后的载重分布的曲线示意图;
图6为本发明实施例提供的车轴数为5对应的平滑后的载重分布的曲线示意图;
图7为本发明实施例提供的车轴数为6对应的平滑后的载重分布的曲线示意图;
图8为本发明实施例提供的一种高速公路货运量的时空分布推算装置的示意图;
图9为本发明实施例提供的一种电子设备的示意图。
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。
现有技术通过定义常规的高速公路空车载质量,以推算货运量,少有部分学者会通过研究算法计算路网货车空车质量,但是这些算法均忽略了高速公路货车轴数分布的问题,且主观思维影响较多,研究使用的数据不足以支撑结果的判定。即现有技术统计的高速公路货运量的时空分布结果的准确性差。
基于此,本发明的高速公路货运量的时空分布推算方法是以预设历史时间段的目标高速公路出入口收费站采集的初始货车称重数据为支撑的,对上述初始货车称重数据进行清洗和汇总,进而采用卡尔曼滤波对各车轴数对应的载重分布进行平滑计算,得到各车轴数货车的平均空车载质量和平均载货量,最后,基于各车轴数货车的平均载货量和目标高速公路出入口收费站统计的目标时间段的货车称重数据计算目标高速公路出入口收费站在目标时间段内的货运量,计算的目标高速公路出入口收费站在目标时间段内的货运量的准确性好,也就是本发明的方法计算的高速公路货运量的时空分布结果的准确性高。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种高速公路货运量的时空分布推算方法进行详细介绍。
实施例一:
根据本发明实施例,提供了一种高速公路货运量的时空分布推算方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种高速公路货运量的时空分布推算方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取预设历史时间段的目标高速公路出入口收费站采集的初始货车称重数据,并对初始货车称重数据进行清洗,得到货车称重数据;
在本发明实施例中,上述预设历史时间段可以为位于下述目标时间段之前的,且与下述目标时间段相邻的历史时间段。
相关文件要求,进入高速公路的货车必须进行称重检测,所以可以获取到预设历史时间段的目标高速公路出入口收费站采集的初始货车称重数据,例如,获取的是山东省全境2021年6月21日至2021年6月27日的高速公路货车入口检测数据,进行分析。
上述初始货车称重数据包括:货车的标识、车轴数、货车类型、车货总重。上述货车的标识包含进收费站的时间、车的OBU的编号、收费站的编号等,单次高速行程唯一。
在得到初始货车称重数据后,对初始货车称重数据进行清洗剔除异常的初始货车称重数据,从而得到货车称重数据,下文中再对清洗的过程进行详细描述,在此不再赘述。
步骤S104,对货车称重数据按照车轴数进行汇总,得到各车轴数对应的载重分布,其中,载重分布为不同车货总重对应的货车数;
具体的,对于车轴数i(i=2,3,4,5,6)的货车,对逐条货车称重数据按0.1吨为最小单元进行整理汇总,统计各车轴数对应的载重分布,即各车轴数对应的不同车货总重Wt与货车数Vi,t之间的对应关系。
步骤S106,采用卡尔曼滤波对各车轴数对应的载重分布进行平滑计算,得到各车轴数货车的平均空车载质量和平均载货量;
步骤S108,基于各车轴数货车的平均载货量和目标高速公路出入口收费站统计的目标时间段的货车称重数据计算目标高速公路出入口收费站在目标时间段内的货运量。
下文中再对上述步骤S106和步骤S108的过程进行介绍,在此不再赘述。
在本发明实施例中,提供了一种高速公路货运量的时空分布推算方法,包括:获取预设历史时间段的目标高速公路出入口收费站采集的初始货车称重数据,并对初始货车称重数据进行清洗,得到货车称重数据;对货车称重数据按照车轴数进行汇总,得到各车轴数对应的载重分布,其中,载重分布为不同车货总重对应的货车数;采用卡尔曼滤波对各车轴数对应的载重分布进行平滑计算,得到各车轴数货车的平均空车载质量和平均载货量;基于各车轴数货车的平均载货量和目标高速公路出入口收费站统计的目标时间段的货车称重数据计算目标高速公路出入口收费站在目标时间段内的货运量。通过上述描述可知,本发明的高速公路货运量的时空分布推算方法是以预设历史时间段的目标高速公路出入口收费站采集的初始货车称重数据为支撑的,对上述初始货车称重数据进行清洗和汇总,进而采用卡尔曼滤波对各车轴数对应的载重分布进行平滑计算,得到各车轴数货车的平均空车载质量和平均载货量,最后,基于各车轴数货车的平均载货量和目标高速公路出入口收费站统计的目标时间段的货车称重数据计算目标高速公路出入口收费站在目标时间段内的货运量,计算的目标高速公路出入口收费站在目标时间段内的货运量的准确性好,也就是本发明的方法计算的高速公路货运量的时空分布结果的准确性高,缓解了现有技术统计的高速公路货运量的时空分布结果的准确性差的技术问题。
上述内容对本发明的高速公路货运量的时空分布推算方法进行了简要介绍,下面对其中涉及到的具体内容进行详细描述。
在本发明的一个可选实施例中,上述步骤S102,对初始货车称重数据进行清洗,具体包括如下步骤:
根据车轴数与标准的车货总重范围的对应关系对初始货车称重数据进行清洗,得到货车称重数据。
具体的,对于车轴数为2的货车,其标准的车货总重范围为1吨≤车货总重范围≤20吨;对于车轴数为3的货车,其标准的车货总重范围为5吨≤车货总重范围≤30吨;对于车轴数为4的货车,其标准的车货总重范围为8吨≤车货总重范围≤36吨;对于车轴数为5的货车,其标准的车货总重范围为11吨≤车货总重范围≤45吨;对于车轴数为6的货车,其标准的车货总重范围为12吨≤车货总重范围≤56吨。
根据上述对应关系对初始货车称重数据进行清洗,从而得到货车称重数据。
在本发明的一个可选实施例中,参考图2,上述步骤S106,采用卡尔曼滤波对各车轴数对应的载重分布进行平滑计算,具体包括如下步骤:
步骤S201,采用卡尔曼滤波对各车轴数对应的载重分布进行滤波处理,得到各车轴数对应的滤波后的载重分布;
具体的,动态模型为:vt=At-1vt-1+qt-1;测量模型为:yt=Htvt+rt,其中,vt是t时刻的状态,yt是t时刻的测量向量,At-1是变换矩阵,Ht是测量矩阵,是过程噪声,/>是测量噪声。
步骤S202,采用R-T-S固定区间平滑算法对各车轴数对应的滤波后的载重分布进行平滑处理,得到各车轴数对应的平滑后的载重分布;
具体的,采用R-T-S(Rauch-Tung-Striebel)平滑算法进行固定区间平滑,R-T-S平滑可以总结为以下公式:
其中,mt和Pt由卡尔曼滤波得到,迭代过程由第T条数据开始,且
具体的,高速公路入口处各车轴数对应的平滑后的载重分布如图3至图7所示,图3至图7中示出了车轴数为2-6对应的平滑后的车货总重(横坐标)与货车数(纵坐标,图3至图7中未示出)的曲线示意图。
步骤S203,将各车轴数对应的平滑后的载重分布中的第一个货车数最大值对应的车货总重作为对应车轴数货车的平均空车载质量,并根据各车轴数对应的载重分布和各车轴数货车的平均空车载质量计算各车轴数货车的平均载货量。
具体的,将各车轴数对应的平滑后的载重分布中的第一个货车数最大值对应的车货总重作为对应车轴数货车的平均空车载质量表示将滤波曲线的第一个峰值对应的横坐标作为货车的平均空车载质量(车轴数为2的滤波曲线除外,车轴数为2的滤波曲线是将第二个峰值对应的横坐标作为货车的平均空车载质量,因为车轴数为2的货车在统计时,第一个峰值应该是车轴数为2的面包车,并非本发明中提及的货车,第二个峰值对应的横坐标的值才是车轴数为2的货车的平均空车载质量)。上述过程确定的平均空车载质量更加准确,例如,对于车轴数为3的滤波曲线(如图4所示),最左端的点对应的横坐标的值最小,所以,该横坐标的值应该是空车载质量,但是具有该空车载质量的货车数很少(因为其对应的纵坐标值小),随着横坐标的值的增大,即随着空车载质量的增大,货车数也变大,当达到第一个峰值后,说明具有该峰值对应的横坐标的值(即具有该空车载质量)的货车数最多,所以,将该值作为平均空车载质量最合理,继续随着横坐标的增大,货车数逐渐减少,减少到最小值后,继续随着横坐标的增大,货车数逐渐增大,说明这些值对应的货车是装载着货物的货车,后续的所有值基本都表示装载着货物的货车的载重分布。
具体的,根据各车轴数对应的载重分布和各车轴数货车的平均空车载质量计算各车轴数货车的平均载货量,具体包括如下步骤:
根据平均载货量计算算式计算各车轴数货车的平均载货量,其中,/>表示车轴数为i的货车的平均载货量,Wt表示车轴数为i的货车的车货总重,Wi,0表示车轴数为i的货车的平均空车载质量,Vi,t表示车货总重为Wt的货车数。
根据上述举例中的检测数据(即山东省全境2021年6月21日至2021年6月27日的高速公路货车入口检测数据)计算得到的各车轴数货车的平均空车载质量和平均载货量如下表所示:
车轴数 | 平均空车载质量(吨) | 平均载货量(吨) |
2 | 6.6 | 5.0 |
3 | 10.2 | 7.2 |
4 | 12.7 | 10.8 |
5 | 13.9 | 11.8 |
6 | 15.1 | 24.9 |
在本发明的一个可选实施例中,上述步骤S108,基于各车轴数货车的平均载货量和目标高速公路出入口收费站统计的目标时间段的货车称重数据计算目标高速公路出入口收费站在目标时间段内的货运量,具体包括如下步骤:
(1)根据目标高速公路出入口收费站统计的目标时间段的货车称重数据确定目标高速公路出入口收费站统计的目标时间段的各车轴数货车的货车数;
上述目标时间段可以为任意时间段。
(2)根据各车轴数货车的平均载货量和各车轴数货车的货车数计算目标高速公路出入口收费站在目标时间段内的货运量。
具体的,根据货运量计算算式计算目标高速公路出入口收费站在目标时间段内的货运量,其中,/>表示货运量,/>表示车轴数为i的货车的平均载货量,i表示车轴数,Vi,t表示车轴数为i的货车的货车数。
通过上述数据驱动的方式,便能准确地统计出高速公路各个出入口按时空分布的货运量。
本发明是以数据驱动的方式对高速公路货运量的时空分布进行的计算,从而可以较为准确地统计区域高速公路货运时空分布特征,该方法对于加强区域重载货车监管和政策制定具有重要意义,可为交通行业统计工作节省大量资金,同时可为政策制定、交通规划、公路货运分析、路网研判预警等提供数据支撑,加快产品流通、增强产业优势、调节市场供需等具有重要意义。
实施例二:
本发明实施例还提供了一种高速公路货运量的时空分布推算装置,该高速公路货运量的时空分布推算装置主要用于执行本发明实施例一中所提供的高速公路货运量的时空分布推算方法,以下对本发明实施例提供的高速公路货运量的时空分布推算装置做具体介绍。
图8是根据本发明实施例的一种高速公路货运量的时空分布推算装置的示意图,如图8所示,该装置主要包括:获取单元10、汇总单元20、平滑计算单元30和计算单元40,其中:
获取单元,用于获取预设历史时间段的目标高速公路出入口收费站采集的初始货车称重数据,并对初始货车称重数据进行清洗,得到货车称重数据;
汇总单元,用于对货车称重数据按照车轴数进行汇总,得到各车轴数对应的载重分布,其中,载重分布为不同车货总重对应的货车数;
平滑计算单元,用于采用卡尔曼滤波对各车轴数对应的载重分布进行平滑计算,得到各车轴数货车的平均空车载质量和平均载货量;
计算单元,用于基于各车轴数货车的平均载货量和目标高速公路出入口收费站统计的目标时间段的货车称重数据计算目标高速公路出入口收费站在目标时间段内的货运量。
在本发明实施例中,提供了一种高速公路货运量的时空分布推算装置,包括:获取预设历史时间段的目标高速公路出入口收费站采集的初始货车称重数据,并对初始货车称重数据进行清洗,得到货车称重数据;对货车称重数据按照车轴数进行汇总,得到各车轴数对应的载重分布,其中,载重分布为不同车货总重对应的货车数;采用卡尔曼滤波对各车轴数对应的载重分布进行平滑计算,得到各车轴数货车的平均空车载质量和平均载货量;基于各车轴数货车的平均载货量和目标高速公路出入口收费站统计的目标时间段的货车称重数据计算目标高速公路出入口收费站在目标时间段内的货运量。通过上述描述可知,本发明的高速公路货运量的时空分布推算装置是以预设历史时间段的目标高速公路出入口收费站采集的初始货车称重数据为支撑的,对上述初始货车称重数据进行清洗和汇总,进而采用卡尔曼滤波对各车轴数对应的载重分布进行平滑计算,得到各车轴数货车的平均空车载质量和平均载货量,最后,基于各车轴数货车的平均载货量和目标高速公路出入口收费站统计的目标时间段的货车称重数据计算目标高速公路出入口收费站在目标时间段内的货运量,计算的目标高速公路出入口收费站在目标时间段内的货运量的准确性好,也就是本发明的装置计算的高速公路货运量的时空分布结果的准确性高,缓解了现有技术统计的高速公路货运量的时空分布结果的准确性差的技术问题。
可选地,初始货车称重数据包括:货车的标识、车轴数、货车类型、车货总重。
可选地,获取单元还用于:根据车轴数与标准的车货总重范围的对应关系对初始货车称重数据进行清洗,得到货车称重数据。
可选地,平滑计算单元还用于:采用卡尔曼滤波对各车轴数对应的载重分布进行滤波处理,得到各车轴数对应的滤波后的载重分布;采用R-T-S固定区间平滑算法对各车轴数对应的滤波后的载重分布进行平滑处理,得到各车轴数对应的平滑后的载重分布;将各车轴数对应的平滑后的载重分布中的第一个货车数最大值对应的车货总重作为对应车轴数货车的平均空车载质量,并根据各车轴数对应的载重分布和各车轴数货车的平均空车载质量计算各车轴数货车的平均载货量。
可选地,平滑计算单元还用于:根据平均载货量计算算式 计算各车轴数货车的平均载货量,其中,/>表示车轴数为i的货车的平均载货量,Wt表示车轴数为i的货车的车货总重,Wi,0表示车轴数为i的货车的平均空车载质量,Vi,t表示车货总重为Wt的货车数。
可选地,计算单元还用于:根据目标高速公路出入口收费站统计的目标时间段的货车称重数据确定目标高速公路出入口收费站统计的目标时间段的各车轴数货车的货车数;根据各车轴数货车的平均载货量和各车轴数货车的货车数计算目标高速公路出入口收费站在目标时间段内的货运量。
可选地,计算单元还用于:根据货运量计算算式计算目标高速公路出入口收费站在目标时间段内的货运量,其中,/>表示货运量,/>表示车轴数为i的货车的平均载货量,i表示车轴数,Vi,t表示车轴数为i的货车的货车数。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
如图9所示,本申请实施例提供的一种电子设备600,包括:处理器601、存储器602和总线,所述存储器602存储有所述处理器601可执行的机器可读指令,当电子设备运行时,所述处理器601与所述存储器602之间通过总线通信,所述处理器601执行所述机器可读指令,以执行如上述高速公路货运量的时空分布推算方法的步骤。
具体地,上述存储器602和处理器601能够为通用的存储器和处理器,这里不做具体限定,当处理器601运行存储器602存储的计算机程序时,能够执行上述高速公路货运量的时空分布推算方法。
处理器601可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器601中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器601可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DigitalSignal Processing,简称DSP)、专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器602,处理器601读取存储器602中的信息,结合其硬件完成上述方法的步骤。
对应于上述高速公路货运量的时空分布推算方法,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有机器可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行上述高速公路货运量的时空分布推算方法的步骤。
本申请实施例所提供的高速公路货运量的时空分布推算装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的系统、装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
再例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
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单元来实现本实施例方案的目的。
另外,在本申请提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台电子设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述车辆标记方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的范围。都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种高速公路货运量的时空分布推算方法,其特征在于,包括:
获取预设历史时间段的目标高速公路出入口收费站采集的初始货车称重数据,并对所述初始货车称重数据进行清洗,得到货车称重数据;
对所述货车称重数据按照车轴数进行汇总,得到各车轴数对应的载重分布,其中,所述载重分布为不同车货总重对应的货车数;
采用卡尔曼滤波对各车轴数对应的载重分布进行平滑计算,得到各车轴数货车的平均空车载质量和平均载货量;
基于所述各车轴数货车的平均载货量和所述目标高速公路出入口收费站统计的目标时间段的货车称重数据计算所述目标高速公路出入口收费站在所述目标时间段内的货运量;
其中,采用卡尔曼滤波对各车轴数对应的载重分布进行平滑计算,包括:
采用卡尔曼滤波对各车轴数对应的载重分布进行滤波处理,得到各车轴数对应的滤波后的载重分布;
采用R-T-S固定区间平滑算法对各车轴数对应的滤波后的载重分布进行平滑处理,得到各车轴数对应的平滑后的载重分布;
将所述各车轴数对应的平滑后的载重分布中的第一个货车数最大值对应的车货总重作为对应车轴数货车的平均空车载质量,并根据所述各车轴数对应的载重分布和各车轴数货车的平均空车载质量计算各车轴数货车的平均载货量;
其中,根据所述各车轴数对应的载重分布和各车轴数货车的平均空车载质量计算各车轴数货车的平均载货量,包括:
根据平均载货量计算算式计算各车轴数货车的平均载货量,其中,/>表示车轴数为i的货车的平均载货量,Wt表示车轴数为i的货车的车货总重,Wi,0表示车轴数为i的货车的平均空车载质量,Vi,t表示车货总重为Wt的货车数;
其中,基于所述各车轴数货车的平均载货量和所述目标高速公路出入口收费站统计的目标时间段的货车称重数据计算所述目标高速公路出入口收费站在所述目标时间段内的货运量,包括:
根据所述目标高速公路出入口收费站统计的目标时间段的货车称重数据确定所述目标高速公路出入口收费站统计的目标时间段的各车轴数货车的货车数;
根据所述各车轴数货车的平均载货量和所述各车轴数货车的货车数计算所述目标高速公路出入口收费站在所述目标时间段内的货运量。
2.根据权利要求1所述的时空分布推算方法,其特征在于,所述初始货车称重数据包括:货车的标识、车轴数、货车类型、车货总重。
3.根据权利要求1所述的时空分布推算方法,其特征在于,对所述初始货车称重数据进行清洗,包括:
根据车轴数与标准的车货总重范围的对应关系对所述初始货车称重数据进行清洗,得到所述货车称重数据。
4.根据权利要求1所述的时空分布推算方法,其特征在于,根据所述各车轴数货车的平均载货量和所述各车轴数货车的货车数计算所述目标高速公路出入口收费站在所述目标时间段内的货运量,包括:
根据货运量计算算式计算所述目标高速公路出入口收费站在所述目标时间段内的货运量,其中,/>表示所述货运量,/>表示车轴数为i的货车的平均载货量,i表示所述车轴数,Vi,h表示车轴数为i的货车的货车数。
5.一种高速公路货运量的时空分布推算装置,其特征在于,包括:
获取单元,用于获取预设历史时间段的目标高速公路出入口收费站采集的初始货车称重数据,并对所述初始货车称重数据进行清洗,得到货车称重数据;
汇总单元,用于对所述货车称重数据按照车轴数进行汇总,得到各车轴数对应的载重分布,其中,所述载重分布为不同车货总重对应的货车数;
平滑计算单元,用于采用卡尔曼滤波对各车轴数对应的载重分布进行平滑计算,得到各车轴数货车的平均空车载质量和平均载货量;
计算单元,用于基于所述各车轴数货车的平均载货量和所述目标高速公路出入口收费站统计的目标时间段的货车称重数据计算所述目标高速公路出入口收费站在所述目标时间段内的货运量;
其中,所述平滑计算单元还用于:采用卡尔曼滤波对各车轴数对应的载重分布进行滤波处理,得到各车轴数对应的滤波后的载重分布;采用R-T-S固定区间平滑算法对各车轴数对应的滤波后的载重分布进行平滑处理,得到各车轴数对应的平滑后的载重分布;将所述各车轴数对应的平滑后的载重分布中的第一个货车数最大值对应的车货总重作为对应车轴数货车的平均空车载质量,并根据所述各车轴数对应的载重分布和各车轴数货车的平均空车载质量计算各车轴数货车的平均载货量;
所述平滑计算单元还用于:根据平均载货量计算算式 计算各车轴数货车的平均载货量,其中,/>表示车轴数为i的货车的平均载货量,Wt表示车轴数为i的货车的车货总重,Wi,0表示车轴数为i的货车的平均空车载质量,Vi,t表示车货总重为Wt的货车数;
所述计算单元还用于:根据所述目标高速公路出入口收费站统计的目标时间段的货车称重数据确定所述目标高速公路出入口收费站统计的目标时间段的各车轴数货车的货车数;根据所述各车轴数货车的平均载货量和所述各车轴数货车的货车数计算所述目标高速公路出入口收费站在所述目标时间段内的货运量。
6.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至4中任一项所述的方法的步骤。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有机器可运行指令,所述机器可运行指令在被处理器调用和运行时,所述机器可运行指令促使所述处理器运行上述权利要求1至4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310208117.8A CN116188235B (zh) | 2023-02-27 | 2023-02-27 | 高速公路货运量的时空分布推算方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310208117.8A CN116188235B (zh) | 2023-02-27 | 2023-02-27 | 高速公路货运量的时空分布推算方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116188235A CN116188235A (zh) | 2023-05-30 |
CN116188235B true CN116188235B (zh) | 2023-10-17 |
Family
ID=86450492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310208117.8A Active CN116188235B (zh) | 2023-02-27 | 2023-02-27 | 高速公路货运量的时空分布推算方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116188235B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3991889A (en) * | 1975-04-15 | 1976-11-16 | Cox Robert E | Railway transportating system and apparatus therefor |
CN103229027A (zh) * | 2010-10-18 | 2013-07-31 | Hawes技术株式会社 | 用于测量工作车辆重量的装置和算法 |
CN108846243A (zh) * | 2018-07-09 | 2018-11-20 | 中交铁道设计研究总院有限公司 | 一种重载铁路环形装车站平面基本结构设计 |
CN108921465A (zh) * | 2018-06-11 | 2018-11-30 | 华南理工大学 | 一种公路网货物运输指标自动化统计方法 |
CN110069749A (zh) * | 2019-04-11 | 2019-07-30 | 交通运输部规划研究院 | 货车空载重量估计方法、装置及终端 |
CN110689723A (zh) * | 2019-11-06 | 2020-01-14 | 北京交通大学 | 基于功率分布与车辆自学习的货车超载识别方法 |
CN110807591A (zh) * | 2019-11-04 | 2020-02-18 | 交通运输部规划研究院 | 公路廊道货物运输指标估计方法、装置及终端 |
CN112149918A (zh) * | 2020-10-14 | 2020-12-29 | 华南理工大学 | 一种用于预估高速公路货运量的方法 |
CN114781978A (zh) * | 2022-06-16 | 2022-07-22 | 交通运输部科学研究院 | 道路货物运输量测算方法、装置、终端设备及存储介质 |
-
2023
- 2023-02-27 CN CN202310208117.8A patent/CN116188235B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3991889A (en) * | 1975-04-15 | 1976-11-16 | Cox Robert E | Railway transportating system and apparatus therefor |
CN103229027A (zh) * | 2010-10-18 | 2013-07-31 | Hawes技术株式会社 | 用于测量工作车辆重量的装置和算法 |
CN108921465A (zh) * | 2018-06-11 | 2018-11-30 | 华南理工大学 | 一种公路网货物运输指标自动化统计方法 |
CN108846243A (zh) * | 2018-07-09 | 2018-11-20 | 中交铁道设计研究总院有限公司 | 一种重载铁路环形装车站平面基本结构设计 |
CN110069749A (zh) * | 2019-04-11 | 2019-07-30 | 交通运输部规划研究院 | 货车空载重量估计方法、装置及终端 |
CN110807591A (zh) * | 2019-11-04 | 2020-02-18 | 交通运输部规划研究院 | 公路廊道货物运输指标估计方法、装置及终端 |
CN110689723A (zh) * | 2019-11-06 | 2020-01-14 | 北京交通大学 | 基于功率分布与车辆自学习的货车超载识别方法 |
CN112149918A (zh) * | 2020-10-14 | 2020-12-29 | 华南理工大学 | 一种用于预估高速公路货运量的方法 |
CN114781978A (zh) * | 2022-06-16 | 2022-07-22 | 交通运输部科学研究院 | 道路货物运输量测算方法、装置、终端设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
一种面向公路交通情况调查信息的数据质量控制方法研究;王英平;中国管理信息化;全文 * |
贵州省高速公路货物运输分析研究;任满;工程科技二辑;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116188235A (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103280110B (zh) | 高速公路旅行时间的预测方法及装置 | |
CN111060153B (zh) | 货车载货状态的检测方法、装置及存储介质 | |
CN112356837A (zh) | 车辆载重监测方法、服务器及控制系统 | |
CN111348048B (zh) | 货车超载报警方法、装置、设备及存储介质 | |
CN112766662A (zh) | 确定收费站运营能力的方法、装置、电子设备及介质 | |
CN113313946A (zh) | 一种多车道高速公路客货车协同控制方法、装置和设备 | |
CN113611157A (zh) | 一种高速公路车辆追尾碰撞风险估计方法 | |
CN116188235B (zh) | 高速公路货运量的时空分布推算方法、装置和电子设备 | |
CN109145401B (zh) | 一种计算机动车排放清单的方法、系统及终端设备 | |
CN113724497A (zh) | 一种目标道路实时交通流量预测方法和装置 | |
CN114103987A (zh) | 车辆续航预警方法、装置及电子设备 | |
CN112149918A (zh) | 一种用于预估高速公路货运量的方法 | |
CN115204755B (zh) | 服务区入区率测算方法、装置、电子设备及可读存储介质 | |
CN111612372A (zh) | 一种基于运营状况的商用车违约风险预警方法 | |
CN114419894B (zh) | 一种路内停车泊位设置与使用监测的方法与系统 | |
CN116187877A (zh) | 一种网络货运业务合规性综合建模及监测方法 | |
CN115760187A (zh) | 一种运力成本估算方法、装置、电子设备及存储介质 | |
CN113421434B (zh) | 用于公路治超非现场执法的超限超载率计算方法 | |
CN115587779A (zh) | 一种基于时空动态信息的货物运输价格容错估算方法 | |
CN113139488B (zh) | 训练分割神经网络的方法及装置 | |
CN114863715A (zh) | 停车数据确定方法、装置、电子设备及存储介质 | |
CN114063100A (zh) | 一种基于激光雷达的卡车车斗内矿石体积的计算方法 | |
CN115330578B (zh) | 公路轴载的确定方法、装置、设备和存储介质 | |
CN112729325B (zh) | 线路规划方法、装置、系统、服务器及存储介质 | |
CN113312707B (zh) | 货车状态自适应实时检测方法及其装置 |
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 | ||
GR01 | Patent grant |