CN116882865B - 一种基于生鲜配送的智能物流装车系统及装车方法 - Google Patents
一种基于生鲜配送的智能物流装车系统及装车方法 Download PDFInfo
- Publication number
- CN116882865B CN116882865B CN202310885430.5A CN202310885430A CN116882865B CN 116882865 B CN116882865 B CN 116882865B CN 202310885430 A CN202310885430 A CN 202310885430A CN 116882865 B CN116882865 B CN 116882865B
- Authority
- CN
- China
- Prior art keywords
- logistics
- route
- time
- vehicle
- distribution
- 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 117
- 238000011068 loading method Methods 0.000 title claims abstract description 114
- 238000004458 analytical method Methods 0.000 claims abstract description 78
- 238000012384 transportation and delivery Methods 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000009432 framing Methods 0.000 claims abstract description 46
- 238000007726 management method Methods 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000013439 planning Methods 0.000 claims abstract description 13
- 206010039203 Road traffic accident Diseases 0.000 claims description 26
- 238000012423 maintenance Methods 0.000 claims description 17
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 12
- 229910052760 oxygen Inorganic materials 0.000 claims description 12
- 239000001301 oxygen Substances 0.000 claims description 12
- 238000011084 recovery Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 5
- 230000003139 buffering effect Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000012937 correction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000001105 regulatory effect Effects 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于生鲜物流监管技术领域,具体是一种基于生鲜配送的智能物流装车系统及装车方法,其中,智能物流装车系统包括服务器、物流路线规划模块、物流车辆决策模块、智能装框结算模块、装车码放实时监管模块以及物流管理终端;本发明通过分析以确定生鲜配送的物流路线和物流车辆,有助于保证生鲜配送过程的安全性,提升生鲜配送效率并降低配送成本,且基于所选定的物流筐规格和对应物流车辆的车厢空间大小以确定对应物流车辆的装框量,并基于物流路线距离、装框量和对应规格物流筐的单框运价以确定物流配送费用,方便进行物流车辆中物流筐码放数量和物流配送费用的自动准确计算并反馈,实现对生鲜装车过程的有效监管。
Description
技术领域
本发明涉及生鲜物流监管技术领域,具体是一种基于生鲜配送的智能物流装车系统及装车方法。
背景技术
生鲜物流配送是指对生鲜产品进行的物流配送活动,旨在将新鲜、易腐烂的商品从生产地运输到指定销售商地点,生鲜物流配送需要考虑到运输、储存、包装、搬运等多个环节,因此相对于其他类型的物流配送更为复杂,且为了保证生鲜产品的质量和安全,生鲜物流配送需要遵守严格的规范和标准;
目前在进行生鲜配送时,难以进行物流运输路径的合理规划并自动确定最优的物流路线,不利于保证配送效率和运输安全,以及无法进行生鲜配送所需物流车辆的合理选择以进一步保证运输安全和产品安全,且在进行生鲜装车时不能准确反馈对应物流车辆的物流筐装载数量和车费,不利于进行生鲜装车过程的有效监管;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的在于提供一种基于生鲜配送的智能物流装车系统及装车方法,解决了现有技术难以自动确定生鲜配送的最优物流路线和物流车辆,不利于保证运输安全和产品安全,且在进行生鲜装车时不能准确反馈对应物流车辆的物流筐装载数量和车费,生鲜装车过程难以得到有效监管的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于生鲜配送的智能物流装车系统,包括服务器、物流路线规划模块、物流车辆决策模块、智能装框结算模块、装车码放实时监管模块以及物流管理终端;物流路线规划模块获取到当次生鲜配送的所有配送路线,将所有配送路线进行分析以得到对应配送路线的路线匹配系数,基于路线匹配系数的数值大小以确定生鲜配送的物流路线,将物流路线经服务器发送至智能状况结算模块和物流管理终端;物流车辆决策模块获取到所有空闲车辆,将空闲车辆进行分析以获取到所有合格车辆,将合格车辆经服务器发送至物流管理终端,物流管理人员从合格车辆中选择进行当次生鲜配送的物流车辆,将所有物流车辆经服务器发送至智能装框结算模块和物流管理终端;
服务器中存储有物流筐的标准规格以及对应规格物流筐的单框运价,生鲜配送的物流管理人员通过物流管理终端输入所选定的物流筐并发送至服务器,服务器将对应物流筐的标准规格以及单框运价发送至智能装框结算模块;智能装框结算模块基于所选定的物流筐规格和对应物流车辆的车厢空间大小以确定对应物流车辆的装框量,并基于物流路线距离、装框量和对应规格物流筐的单框运价以确定物流配送费用,将对应物流车辆的装框量和物流配送费用经服务器发送至物流管理终端;
且在确定物流车辆后,物流管理人员安排装车人员进行生鲜装车,在生鲜装车过程中,装车码放实时监管模块将对应物流车辆的车厢内部划分为若干个与所选定物流筐相对应的矩形区域,装车人员对每个矩形区域进行物流筐的依次装载,对装载过程进行实时监控以获取到每次装载过程的物流筐位置偏离数据,将物流筐位置偏离数据与对应预设物流筐位置偏离数据阈值进行数值比较,若物流筐位置偏离数据超过预设物流筐位置偏离数据阈值,则生成装载预警信号并发出相应预警以提醒装车人员,且在对应物流车辆的装车结束后,对物流筐的装载数量与预设装载数量阈值进行比较,若装载数量小于预设装载数量阈值,则判定装载数量不合格,生成装载异常信号并将装载异常信号经服务器发送至物流管理终端。
进一步的,物流路线规划模块的具体运行过程包括:
采集到生鲜配送的生鲜装车位置和卸货位置,基于生鲜装车位置和卸货位置获取到若干条配送路线,将对应配送路线标记为i,i={1,2,…,n},n表示配送路线数量且n为大于1的正整数;将配送路线i分割为若干个子路线,获取到配送路线i对应子路线的所有行驶车辆在该子路线的平均停车时长,以及所有行驶车辆在该子路线的平均通行总时长,将平均通行总时长减去平均停车时长以得到平均运动总时长,将对应子路线的路径距离除以平均运动总时长以得到平均行驶车速;将平均停车时长和平均行驶车速与预设平均平车时长阈值和预设平均行驶车速阈值分别进行数值比较,若平均停车时长超过预设平均停车时长阈值或平均行驶车速未超过预设平均行驶车速阈值,则判断对应子路线通行效率低,若平均停车时长未超过预设平均停车时长阈值且平均行驶车速超过预设平均行驶车速阈值,则判断对应子路线通行效率快;
在判断配送路线i对应子路线通行效率快时,通过历史交通事故评估判断分析以判断对应子路线的通行风险大或通行风险小;在判断配送路线i对应子路线的通行效率低或通行风险大时,将对应子路线标记为非推荐路线,将配送路线i中所有非推荐路线的路径距离进行求和计算以得到非推荐距离值,以及获取到配送路线i路线总距离值,将非推荐距离值与路线总距离值进行比值计算获取到非推荐距占值,将配送路线i的非推荐距占值与路线总距离值进行数值计算得到路线匹配系数;按照路线匹配系数的数值由大大小将所有配送路线进行排序,将位于末位的配送路线标记为物流路线。
进一步的,历史交通事故评估判断分析的具体分析过程如下:
获取到对应子路线的交通事故发生次数以及每次交通事故和发生时刻和通行恢复时刻,将对应交通事故的发生时刻和通行恢复时刻进行时间差计算以得到通行恢复影响时长;将通行恢复影响时长与预设通行恢复影响时长阈值进行数值比较,若通行恢复影响时长超过预设通行恢复影响时长阈值,则判断对应交通事故影响大并将对应交通事故标记为一级事故;
将一级事故的发生次数与交通事故发生次数进行比值计算获取到一级事故比,将一级事故比与交通事故发生次数进行数值计算获取到路线再析值;将对应子路线的路线再析值与预设路线再析阈值进行数值比较,若路线再析值超过预设路线再析阈值,则判断对应子路线通行风险大,若路线再析值未超过预设路线再析阈值,则判断对应子路线通行风险小。
进一步的,物流车辆决策模块的具体运行过程包括:
获取到所有空闲车辆,将对应空闲车辆标记为分析车辆u,u={1,2,…,k},k表示空闲车辆数量且k为大于1的正整数;采集到分析车辆u当前距离报废日期的间隔时长,若距离报废日期的间隔时长未超过预设间隔时长阈值,则判断分析车辆u为不合格车辆;若距离报废日期的间隔时长超过预设间隔时长阈值,则获取到分析车辆u的相邻上次保养间隔时长和单位时间的故障发生次数,若相邻上次保养间隔时长超过对应预设保养间隔时长阈值或故障发生次数超过预设故障发生次数阈值,则判断分析车辆u为不合格车辆;
若相邻上次保养间隔时长未超过对应预设保养间隔时长阈值且故障发生次数未超过预设故障发生次数阈值,则采集到分析车辆u的行驶总里程和超载荷行驶时长,以及获取到单位时间内分析车辆u在行驶过程中振动数据超过对应预设振动数据阈值的时长并标记为超振时长,且从服务器调取分析车辆u的环调预警系数;将环调预警系数、行驶总里程、超载荷行驶时长和超振时长进行归一化计算得到车辆决策系数,将车辆决策系数与预设车辆决策系数阈值进行数值比较,若车辆决策系数未超过预设车辆决策系数,则将分析车辆u标记为合格车辆。
进一步的,服务器与车辆环调检测分析模块通信连接,车辆环调检测分析模块以当前时间为环调追溯结束时刻向前追溯并设定时长为L1的环调追溯时段,获取到环调追溯时段对应分析车辆u在生鲜配送行驶过程中车厢环境调控信息,车厢环境调控信息包括每次环境调控的环调时长和指令缓冲时长,将环调时长和指令缓冲时长与预设环调时长阈值和预设指令缓冲时长阈值分别进行数值比较;
若环调时长超过预设环调时长阈值或指令缓冲时长超过预设指令缓冲时长阈值,则将对应环境调控标记为非优级调控;采集到分析车辆u在环调追溯时段进行生鲜配送的环境调控总次数,将非优级调控的次数与环境调控总次数进行比值计算以得到非优级调控比,将非优级调控比与非优级调控的次数进行数值计算得到环调预警系数;将对应分析车辆u的环调预警系数发送至服务器进行存储。
进一步的,环调时长和指令缓冲时长的分析获取方法如下:
分析车辆u在生鲜配送行驶过程中,实时采集到对应车厢内部的温度、湿度和氧气浓度,将车厢配送适宜温度范围的最大值和最小值进行求和计算并取均值以得到车厢配送适宜温度数据,同理获取到车厢配送适宜湿度数据和车厢配送适宜氧浓数据;将车厢内部的温度与车厢配送适宜温度数据进行差值计算获取到车厢配送温差值,同理获取到车厢配送湿差值和车厢配送氧差值;将车厢配送温差值、车厢配送湿差值和车厢配送氧差值进行数值计算以得到对应时刻的实时环调紧急系数;
将实时环调紧急系数与预设实时环调紧急系数阈值进行数值比较,若实时环调紧急系数超过预设实时环调紧急系数阈值,则判断对应时刻分析车辆u需要及时进行车厢环境调控并生成相应环调指令;将生成环调指令的时刻标记为环调反馈时刻,将分析车辆u的车厢内部开始进行调控的时刻标记为环调行动时刻,将车厢内部恢复为适宜状态的时刻标记为环调结束时刻,将环调行动时刻减去环调反馈时刻以得到当次环境调控的指令缓冲时长,将环调结束时刻减去环调行动时刻以得到当次环境调控的环调时长。
进一步的,本发明还提出了一种基于生鲜配送的智能物流装车方法,包括以下步骤:
步骤一、获取到当次生鲜配送的所有配送路线,将所有配送路线进行分析以确定生鲜配送的物流路线,将物流路线发送至智能状况结算模块;
步骤二、获取到所有空闲车辆,将空闲车辆进行分析以获取到所有合格车辆,物流管理人员从合格车辆中选择当次生鲜配送的物流车辆,将所有物流车辆发送至智能装框结算模块;
步骤三、智能装框结算模块基于所选定的物流筐规格和对应物流车辆的车厢空间大小以确定对应物流车辆的装框量,并基于物流路线距离、装框量和对应规格物流筐的单框运价以确定物流配送费用,将对应物流车辆的装框量和物流配送费用发送至物流管理终端;
步骤四、将对应物流车辆的车厢内部划分为若干个与所选定物流筐相对应的矩形区域,装车人员对每个矩形区域进行物流筐的依次装载,对装载过程进行实时监控以判断每次装载偏离状况,且在对应物流车辆的装车结束后判定装载数量是否合格。
与现有技术相比,本发明的有益效果是:
1、本发明中,通过物流路线规划模块将当次生鲜配送的所有配送路线进行分析,以确定生鲜配送的物流路线,在提升生鲜配送物流效率的同时降低物流成本,并有助于保证生鲜配送过程的安全性;车辆环调检测分析模块基于对应空闲车辆在历史生鲜配送行驶过程中的车厢环境调控信息并通过分析,以得到其环调预警系数,将对应空闲车辆的环调预警系数经服务器发送至物流车辆决策模块以作为数据支撑,物流车辆决策模块将所有空闲车辆进行分析以筛选出所有合格车辆,实现对物流车辆的合理选择,提升车辆选择的精准性和选择效率,有助于进一步保证生鲜配送过程的安全性;
2、本发明中,通过智能装框结算模块基于物流管理人员所选定的物流筐规格和对应物流车辆的车厢空间大小以确定对应物流车辆的装框量,并基于物流路线距离、装框量和对应规格物流筐的单框运价以确定物流配送费用,方便进行物流车辆中物流筐码放数量和物流配送费用的自动准确计算并反馈;装车码放实时监管模块将对应物流车辆的车厢内部划分为若干个与所选定物流筐相对应的矩形区域,并对装载过程进行实时监控以判断每次装载偏离状况,且在对应物流车辆的装车结束后判定装载数量是否合格,实现物流筐位置的及时校正,方便及时根据需要进行对应物流车辆的重新摆放,装载过程更加快速高效且准确。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明;
图1为本发明的整体系统框图;
图2为本发明中服务器、车辆环调检测分析模块和物流车辆决策模块的通信框图;
图3为本发明的方法流程图。
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。
实施例一:如图1-2所示,本发明提出的一种基于生鲜配送的智能物流装车系统,包括服务器、物流路线规划模块、物流车辆决策模块、智能装框结算模块、装车码放实时监管模块以及物流管理终端,且服务器与物流路线规划模块、物流车辆决策模块、智能装框结算模块、装车码放实时监管模块以及物流管理终端均通信连接;
物流路线规划模块获取到当次生鲜配送的所有配送路线,将所有配送路线进行分析以得到对应配送路线的路线匹配系数,基于路线匹配系数的数值大小以确定生鲜配送的物流路线,在提升生鲜配送物流效率的同时降低物流成本,并有助于保证生鲜配送过程的安全性;将物流路线经服务器发送至智能状况结算模块和物流管理终端;具体分析过程如下:
采集到生鲜配送的生鲜装车位置和卸货位置,基于生鲜装车位置和卸货位置获取到若干条配送路线,将对应配送路线标记为i,i={1,2,…,n},n表示配送路线数量且n为大于1的正整数;将配送路线i分割为若干个子路线,获取到配送路线i对应子路线的所有行驶车辆在该子路线的平均停车时长,各路线的路径距离相同,以及所有行驶车辆在该子路线的平均通行总时长,将平均通行总时长减去平均停车时长以得到平均运动总时长,将对应子路线的路径距离除以平均运动总时长以得到平均行驶车速;需要说明的是,平均停车时长的数值越大、平均行驶车速的数值越小,则表明对应子路线的历史通行越不顺畅;
将平均停车时长和平均行驶车速与预设平均平车时长阈值和预设平均行驶车速阈值分别进行数值比较,若平均停车时长超过预设平均停车时长阈值或平均行驶车速未超过预设平均行驶车速阈值,则判断对应子路线通行效率低,若平均停车时长未超过预设平均停车时长阈值且平均行驶车速超过预设平均行驶车速阈值,则判断对应子路线通行效率快;
在判断配送路线i对应子路线通行效率快时,通过历史交通事故评估判断分析以判断对应子路线的通行风险大或通行风险小,具体为:获取到对应子路线的交通事故发生次数以及每次交通事故和发生时刻和通行恢复时刻,将对应交通事故的发生时刻和通行恢复时刻进行时间差计算以得到通行恢复影响时长;将通行恢复影响时长与预设通行恢复影响时长阈值进行数值比较,若通行恢复影响时长超过预设通行恢复影响时长阈值,则判断对应交通事故影响大并将对应交通事故标记为一级事故;
将一级事故的发生次数与交通事故发生次数进行比值计算获取到一级事故比,通过公式XZi=a1*YGi+a2*SFi将一级事故比YGi与交通事故发生次数SFi进行数值计算获取到路线再析值XZi;其中,a1、a2为预设权重系数,a1>a2>0;并且,路线再析值XZi的数值越大,表明对应子路线的通行安全风险越大;将对应子路线的路线再析值XZi与预设路线再析阈值进行数值比较,若路线再析值XZi超过预设路线再析阈值,则判断对应子路线通行风险大;若路线再析值XZi未超过预设路线再析阈值,则判断对应子路线通行风险小;
在判断配送路线i对应子路线的通行效率低或通行风险大时,将对应子路线标记为非推荐路线,将配送路线i中所有非推荐路线的路径距离进行求和计算以得到非推荐距离值,以及获取到配送路线i路线总距离值,将非推荐距离值与路线总距离值进行比值计算获取到非推荐距占值,通过公式LPi=b1*FTi+b2*LZi将配送路线i的非推荐距占值FTi与路线总距离值LZi进行数值计算得到路线匹配系数LPi;其中,b1、b2为预设权重系数,b1>b2>0;并且,路线匹配系数LPi的数值越大,表明对应配送线路i越适合进行当次的生鲜配送;按照路线匹配系数的数值由大大小将所有配送路线进行排序,将位于末位的配送路线标记为物流路线。
物流车辆决策模块获取到所有空闲车辆,将空闲车辆进行分析以获取到所有合格车辆,将合格车辆经服务器发送至物流管理终端,物流管理人员从合格车辆中选择进行当次生鲜配送的物流车辆,将所有物流车辆经服务器发送至智能装框结算模块和物流管理终端,实现对物流车辆的合理选择,提升车辆选择的精准性和选择效率,以及有助于进一步保证生鲜配送过程的安全性;物流车辆决策模块的具体运行过程如下:
获取到所有空闲车辆,将对应空闲车辆标记为分析车辆u,u={1,2,…,k},k表示空闲车辆数量且k为大于1的正整数;采集到分析车辆u当前距离报废日期的间隔时长,当前距离报废日期的间隔时长的数值越小,表明对应空闲车辆u的车辆状态越差,越容易出现安全事故和车辆故障;将距离报废日期的间隔时长与对应的预设间隔时长阈值进行数值比较,若距离报废日期的间隔时长未超过预设间隔时长阈值,则判断分析车辆u为不合格车辆;
若距离报废日期的间隔时长超过预设间隔时长阈值,则获取到分析车辆u的相邻上次保养间隔时长和单位时间的故障发生次数,将相邻上次保养间隔时长和故障发生次数与对应的预设保养间隔时长阈值和预设故障发生次数阈值分别进行数值比较,若相邻上次保养间隔时长超过对应预设保养间隔时长阈值或故障发生次数超过预设故障发生次数阈值,则判断分析车辆u为不合格车辆;
若相邻上次保养间隔时长未超过对应预设保养间隔时长阈值且故障发生次数未超过预设故障发生次数阈值,则采集到分析车辆u的行驶总里程和超载荷行驶时长,超载荷行驶时长是表示分析车辆u在历史运行过程中实际载重超过对应额定载重的行驶时长;以及获取到单位时间内分析车辆u在行驶过程中振动数据超过对应预设振动数据阈值的时长并标记为超振时长,且从服务器调取分析车辆u的环调预警系数;
通过公式将环调预警系数HYu、行驶总里程XLu、超载荷行驶时长CZu和超振时长CSu进行归一化计算得到车辆决策系数CJu,其中,e1、e2、e3、e4为预设比例系数,e1>e3>e4>e2>0;并且,车辆决策系数CJu的数值越大,表明分析车辆u的车辆状况整体而言越差;将车辆决策系数CJu与预设车辆决策系数阈值进行数值比较,若车辆决策系数CJu未超过预设车辆决策系数,则将分析车辆u标记为合格车辆;若车辆决策系数CJu超过预设车辆决策系数,则将分析车辆u标记为不合格车辆。
进一步而言,服务器与车辆环调检测分析模块通信连接,车辆环调检测分析模块以当前时间为环调追溯结束时刻向前追溯并设定时长为L1的环调追溯时段,优选的,L1为30天;获取到环调追溯时段对应分析车辆u在生鲜配送行驶过程中车厢环境调控信息,车厢环境调控信息包括每次环境调控的环调时长和指令缓冲时长,环调时长和指令缓冲时长的分析获取方法如下:
分析车辆u在生鲜配送行驶过程中,实时采集到对应车厢内部的温度、湿度和氧气浓度,将车厢配送适宜温度范围的最大值和最小值进行求和计算并取均值以得到车厢配送适宜温度数据,同理获取到车厢配送适宜湿度数据和车厢配送适宜氧浓数据;将车厢内部的温度与车厢配送适宜温度数据进行差值计算获取到车厢配送温差值,同理获取到车厢配送湿差值和车厢配送氧差值;通过公式HJu=td1*PWu+td2*PSu+td3*PYu将车厢配送温差值PWu、车厢配送湿差值PSu和车厢配送氧差值PYu进行数值计算以得到对应时刻的实时环调紧急系数HJu;其中,td1、td2、td3为预设权重系数,td1、td2、td3的取值均大于零;并且,实时环调紧急系数HJu的数值越大,表明对应时刻车厢内部环境越不利于生鲜的储存配送,越需要及时进行调控;
将实时环调紧急系数HJu与预设实时环调紧急系数阈值进行数值比较,若实时环调紧急系数HJu超过预设实时环调紧急系数阈值,则判断对应时刻分析车辆u需要及时进行车厢环境调控并生成相应环调指令;将生成环调指令的时刻标记为环调反馈时刻,将分析车辆u的车厢内部开始进行调控的时刻标记为环调行动时刻,将车厢内部恢复为适宜状态的时刻标记为环调结束时刻,将环调行动时刻减去环调反馈时刻以得到当次环境调控的指令缓冲时长,将环调结束时刻减去环调行动时刻以得到当次环境调控的环调时长;需要说明的是,对应车厢内部调控过程的指令缓冲时长的数值越小且环调时长的数值越小,表明当次车厢环境调控操作越迅速及时,对生鲜配送储存造成的不利影响越小;
将环调时长和指令缓冲时长与预设环调时长阈值和预设指令缓冲时长阈值分别进行数值比较;若环调时长超过预设环调时长阈值或指令缓冲时长超过预设指令缓冲时长阈值,表明对应调控过程的调控状况较差,则将对应环境调控标记为非优级调控;采集到分析车辆u在环调追溯时段进行生鲜配送的环境调控总次数,将非优级调控的次数与环境调控总次数进行比值计算以得到非优级调控比,通过公式HYu=ct1*FTu+ct2*FCu将非优级调控比FTu与非优级调控的次数FCu进行数值计算得到环调预警系数HYu;其中,ct1、ct2为预设权重系数,ct1>ct2>0;并且,环调预警系数HYu的数值越大,表明对应分析车辆u的车厢环境调控的反应效率越慢,调控效率也越慢,不利于进行生鲜配送,将对应分析车辆u的环调预警系数发送至服务器进行存储。
服务器中存储有物流筐的标准规格以及对应规格物流筐的单框运价,生鲜配送的物流管理人员通过物流管理终端输入所选定的物流筐并发送至服务器,服务器将对应物流筐的标准规格以及单框运价发送至智能装框结算模块;智能装框结算模块基于所选定的物流筐规格和对应物流车辆的车厢空间大小以确定对应物流车辆的装框量,并基于物流路线距离、装框量和对应规格物流筐的单框运价以确定物流配送费用,方便进行物流车辆中物流筐码放数量和物流配送费用的自动准确计算并反馈,智能化程度高,将对应物流车辆的装框量和物流配送费用经服务器发送至物流管理终端;且在确定物流车辆后,物流管理人员安排装车人员进行生鲜装车;
在生鲜装车过程中,装车码放实时监管模块将对应物流车辆的车厢内部划分为若干个与所选定物流筐相对应的矩形区域,装车人员对每个矩形区域进行物流筐的依次装载,对装载过程进行实时监控以获取到每次装载过程的物流筐位置偏离数据,将物流筐位置偏离数据与对应预设物流筐位置偏离数据阈值进行数值比较,若物流筐位置偏离数据超过预设物流筐位置偏离数据阈值,则生成装载预警信号并发出相应预警以提醒装车人员,以便装车人员及时进行相应位置调整,实现物流筐位置的及时校正,装载过程更加快速高效且准确,且在对应物流车辆的装车结束后,对物流筐的装载数量与预设装载数量阈值进行比较,若装载数量小于预设装载数量阈值,则判定装载数量不合格,生成装载异常信号并将装载异常信号经服务器发送至物流管理终端,以便及时根据需要进行对应物流车辆的重新摆放。
实施例二:如图3所示,本实施例与实施例1的区别在于,本发明提出的一种基于生鲜配送的智能物流装车方法,包括以下步骤:
步骤一、获取到当次生鲜配送的所有配送路线,将所有配送路线进行分析以确定生鲜配送的物流路线,将物流路线发送至智能状况结算模块;
步骤二、获取到所有空闲车辆,将空闲车辆进行分析以获取到所有合格车辆,物流管理人员从合格车辆中选择当次生鲜配送的物流车辆,将所有物流车辆发送至智能装框结算模块;
步骤三、智能装框结算模块基于所选定的物流筐规格和对应物流车辆的车厢空间大小以确定对应物流车辆的装框量,并基于物流路线距离、装框量和对应规格物流筐的单框运价以确定物流配送费用,将对应物流车辆的装框量和物流配送费用发送至物流管理终端;
步骤四、将对应物流车辆的车厢内部划分为若干个与所选定物流筐相对应的矩形区域,装车人员对每个矩形区域进行物流筐的依次装载,对装载过程进行实时监控以判断每次装载偏离状况,且在对应物流车辆的装车结束后判定装载数量是否合格。
本发明的工作原理:使用时,通过物流路线规划模块将当次生鲜配送的所有配送路线进行分析,以确定生鲜配送的物流路线,在提升生鲜配送物流效率的同时降低物流成本,并有助于保证生鲜配送过程的安全性;车辆环调检测分析模块基于对应空闲车辆在历史生鲜配送行驶过程中的车厢环境调控信息并通过分析,以得到其环调预警系数,将对应空闲车辆的环调预警系数经服务器发送至物流车辆决策模块以作为数据支撑,物流车辆决策模块将所有空闲车辆进行分析以筛选出所有合格车辆,实现对物流车辆的合理选择,提升车辆选择的精准性和选择效率,有助于进一步保证生鲜配送过程的安全性;智能装框结算模块基于物流管理人员所选定的物流筐规格和对应物流车辆的车厢空间大小以确定对应物流车辆的装框量,并基于物流路线距离、装框量和对应规格物流筐的单框运价以确定物流配送费用,方便进行物流车辆中物流筐码放数量和物流配送费用的自动准确计算并反馈;装车码放实时监管模块将对应物流车辆的车厢内部划分为若干个与所选定物流筐相对应的矩形区域,装车人员对每个矩形区域进行物流筐的依次装载,对装载过程进行实时监控以判断每次装载偏离状况,且在对应物流车辆的装车结束后判定装载数量是否合格,实现物流筐位置的及时校正,方便及时根据需要进行对应物流车辆的重新摆放,装载过程更加快速高效且准确。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (2)
1.一种基于生鲜配送的智能物流装车系统,其特征在于,包括服务器、物流路线规划模块、物流车辆决策模块、智能装框结算模块、装车码放实时监管模块以及物流管理终端;物流路线规划模块获取到当次生鲜配送的所有配送路线,将所有配送路线进行分析以得到对应配送路线的路线匹配系数,基于路线匹配系数的数值大小以确定生鲜配送的物流路线,将物流路线经服务器发送至智能状况结算模块和物流管理终端;物流车辆决策模块获取到所有空闲车辆,将空闲车辆进行分析以获取到所有合格车辆,将合格车辆经服务器发送至物流管理终端,物流管理人员从合格车辆中选择进行当次生鲜配送的物流车辆,将所有物流车辆经服务器发送至智能装框结算模块和物流管理终端;
服务器中存储有物流筐的标准规格以及对应规格物流筐的单框运价,生鲜配送的物流管理人员通过物流管理终端输入所选定的物流筐并发送至服务器,服务器将对应物流筐的标准规格以及单框运价发送至智能装框结算模块;智能装框结算模块基于所选定的物流筐规格和对应物流车辆的车厢空间大小以确定对应物流车辆的装框量,并基于物流路线距离、装框量和对应规格物流筐的单框运价以确定物流配送费用,将对应物流车辆的装框量和物流配送费用经服务器发送至物流管理终端;
且在确定物流车辆后,物流管理人员安排装车人员进行生鲜装车,在生鲜装车过程中,装车码放实时监管模块将对应物流车辆的车厢内部划分为若干个与所选定物流筐相对应的矩形区域,装车人员对每个矩形区域进行物流筐的依次装载,对装载过程进行实时监控以获取到每次装载过程的物流筐位置偏离数据,若物流筐位置偏离数据超过预设物流筐位置偏离数据阈值,则生成装载预警信号并发出相应预警以提醒装车人员,且在对应物流车辆的装车结束后,若装载数量小于预设装载数量阈值,则判定装载数量不合格,生成装载异常信号并将装载异常信号经服务器发送至物流管理终端;
物流路线规划模块的具体运行过程包括:
采集到生鲜配送的生鲜装车位置和卸货位置,基于生鲜装车位置和卸货位置获取到若干条配送路线,将对应配送路线标记为i,i={1,2,…,n},n表示配送路线数量且n为大于1的正整数;将配送路线i分割为若干个子路线,获取到配送路线i对应子路线的所有行驶车辆在该子路线的平均停车时长,以及所有行驶车辆在该子路线的平均通行总时长,将平均通行总时长减去平均停车时长以得到平均运动总时长,将对应子路线的路径距离除以平均运动总时长以得到平均行驶车速;若平均停车时长超过预设平均停车时长阈值或平均行驶车速未超过预设平均行驶车速阈值,则判断对应子路线通行效率低;若平均停车时长未超过预设平均停车时长阈值且平均行驶车速超过预设平均行驶车速阈值,则判断对应子路线通行效率快;
在判断配送路线i对应子路线通行效率快时,通过历史交通事故评估判断分析以判断对应子路线的通行风险大或通行风险小;在判断配送路线i对应子路线的通行效率低或通行风险大时,将对应子路线标记为非推荐路线,将配送路线i中所有非推荐路线的路径距离进行求和计算以得到非推荐距离值,以及获取到配送路线i路线总距离值,将非推荐距离值与路线总距离值进行比值计算获取到非推荐距占值,将配送路线i的非推荐距占值与路线总距离值进行数值计算得到路线匹配系数;按照路线匹配系数的数值由大到小将所有配送路线进行排序,将位于末位的配送路线标记为物流路线;
历史交通事故评估判断分析的具体分析过程如下:
获取到对应子路线的交通事故发生次数以及每次交通事故和发生时刻和通行恢复时刻,将对应交通事故的发生时刻和通行恢复时刻进行时间差计算以得到通行恢复影响时长;若通行恢复影响时长超过预设通行恢复影响时长阈值,则判断对应交通事故影响大并将对应交通事故标记为一级事故,将一级事故的发生次数与交通事故发生次数进行比值计算获取到一级事故比,将一级事故比与交通事故发生次数进行数值计算获取到路线再析值;若路线再析值超过预设路线再析阈值,则判断对应子路线通行风险大,若路线再析值未超过预设路线再析阈值,则判断对应子路线通行风险小;
物流车辆决策模块的具体运行过程包括:
获取到所有空闲车辆,将对应空闲车辆标记为分析车辆u,u={1,2,…,k},k表示空闲车辆数量且k为大于1的正整数;采集到分析车辆u当前距离报废日期的间隔时长,若距离报废日期的间隔时长未超过对应预设间隔时长阈值,则判断分析车辆u为不合格车辆;若距离报废日期的间隔时长超过对应预设间隔时长阈值,则获取到分析车辆u的相邻上次保养间隔时长和单位时间的故障发生次数,若相邻上次保养间隔时长超过对应预设保养间隔时长阈值或故障发生次数超过预设故障发生次数阈值,则判断分析车辆u为不合格车辆;
若相邻上次保养间隔时长未超过对应预设保养间隔时长阈值且故障发生次数未超过预设故障发生次数阈值,则采集到分析车辆u的行驶总里程和超载荷行驶时长,以及获取到单位时间内分析车辆u在行驶过程中振动数据超过对应预设振动数据阈值的时长并标记为超振时长,且从服务器调取分析车辆u的环调预警系数;将环调预警系数、行驶总里程、超载荷行驶时长和超振时长进行归一化计算得到车辆决策系数;若车辆决策系数未超过预设车辆决策系数,则将分析车辆u标记为合格车辆;
服务器与车辆环调检测分析模块通信连接,车辆环调检测分析模块以当前时间为环调追溯结束时刻向前追溯并设定时长为L1的环调追溯时段,获取到环调追溯时段对应分析车辆u在生鲜配送行驶过程中车厢环境调控信息,车厢环境调控信息包括每次环境调控的环调时长和指令缓冲时长;
若环调时长超过预设环调时长阈值或指令缓冲时长超过预设指令缓冲时长阈值,则将对应环境调控标记为非优级调控;采集到分析车辆u在环调追溯时段进行生鲜配送的环境调控总次数,将非优级调控的次数与环境调控总次数进行比值计算以得到非优级调控比,将非优级调控比与非优级调控的次数进行数值计算得到环调预警系数;将对应分析车辆u的环调预警系数发送至服务器进行存储;
环调时长和指令缓冲时长的分析获取方法如下:
分析车辆u在生鲜配送行驶过程中,实时采集到对应车厢内部的温度、湿度和氧气浓度,将车厢配送适宜温度范围的最大值和最小值进行求和计算并取均值以得到车厢配送适宜温度数据,同理获取到车厢配送适宜湿度数据和车厢配送适宜氧浓数据;将车厢内部的温度与车厢配送适宜温度数据进行差值计算获取到车厢配送温差值,同理获取到车厢配送湿差值和车厢配送氧差值;将车厢配送温差值、车厢配送湿差值和车厢配送氧差值进行数值计算以得到对应时刻的实时环调紧急系数;
将实时环调紧急系数与预设实时环调紧急系数阈值进行数值比较,若实时环调紧急系数超过预设实时环调紧急系数阈值,则判断对应时刻分析车辆u需要及时进行车厢环境调控并生成相应环调指令;将生成环调指令的时刻标记为环调反馈时刻,将分析车辆u的车厢内部开始进行调控的时刻标记为环调行动时刻,将车厢内部恢复为适宜状态的时刻标记为环调结束时刻,将环调行动时刻减去环调反馈时刻以得到当次环境调控的指令缓冲时长,将环调结束时刻减去环调行动时刻以得到当次环境调控的环调时长。
2.一种如权利要求1所述基于生鲜配送的智能物流装车系统的智能物流装车方法,其特征在于,该智能物流装车方法包括以下步骤:
步骤一、获取到当次生鲜配送的所有配送路线,将所有配送路线进行分析以确定生鲜配送的物流路线,将物流路线发送至智能状况结算模块;
步骤二、获取到所有空闲车辆,将空闲车辆进行分析以获取到所有合格车辆,物流管理人员从合格车辆中选择当次生鲜配送的物流车辆,将所有物流车辆发送至智能装框结算模块;
步骤三、智能装框结算模块基于所选定的物流筐规格和对应物流车辆的车厢空间大小以确定对应物流车辆的装框量,并基于物流路线距离、装框量和对应规格物流筐的单框运价以确定物流配送费用,将对应物流车辆的装框量和物流配送费用发送至物流管理终端;
步骤四、将对应物流车辆的车厢内部划分为若干个与所选定物流筐相对应的矩形区域,装车人员对每个矩形区域进行物流筐的依次装载,对装载过程进行实时监控以判断每次装载偏离状况,且在对应物流车辆的装车结束后判定装载数量是否合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310885430.5A CN116882865B (zh) | 2023-07-18 | 2023-07-18 | 一种基于生鲜配送的智能物流装车系统及装车方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310885430.5A CN116882865B (zh) | 2023-07-18 | 2023-07-18 | 一种基于生鲜配送的智能物流装车系统及装车方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116882865A CN116882865A (zh) | 2023-10-13 |
CN116882865B true CN116882865B (zh) | 2024-01-26 |
Family
ID=88265868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310885430.5A Active CN116882865B (zh) | 2023-07-18 | 2023-07-18 | 一种基于生鲜配送的智能物流装车系统及装车方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116882865B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117745170B (zh) * | 2024-02-20 | 2024-04-30 | 中国标准化研究院 | 一种在途物流的生鲜农产品运输质量监测系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112508485A (zh) * | 2020-12-11 | 2021-03-16 | 湖北物资流通技术研究所(湖北物资流通生产力促进中心) | 物流车厢装卸位可视化管理系统及方法 |
CN113793105A (zh) * | 2021-09-26 | 2021-12-14 | 浙江通运保安全生产科技有限公司 | 一种基于大数据的专用车辆运行监管系统 |
CN114581020A (zh) * | 2022-04-28 | 2022-06-03 | 深圳市运无忧网络科技有限公司 | 一种智能物流管理方法和系统 |
CN114626790A (zh) * | 2022-03-25 | 2022-06-14 | 浙江工贸职业技术学院 | 一种基于物联网的城市绿色配送交易系统 |
JP2023017689A (ja) * | 2021-07-26 | 2023-02-07 | 株式会社ユーネットランス | 物流の効率化、及び最適化評価システム |
CN116070984A (zh) * | 2023-04-06 | 2023-05-05 | 成都运荔枝科技有限公司 | 一种基于数据分析的冷链物流车辆的运输评估系统 |
CN116341772A (zh) * | 2023-05-31 | 2023-06-27 | 未来机器人(深圳)有限公司 | 库位规划方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120100601A (ko) * | 2011-03-04 | 2012-09-12 | 주식회사 한국무역정보통신 | 스마트 물류네트워크의 최적화시스템 |
-
2023
- 2023-07-18 CN CN202310885430.5A patent/CN116882865B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112508485A (zh) * | 2020-12-11 | 2021-03-16 | 湖北物资流通技术研究所(湖北物资流通生产力促进中心) | 物流车厢装卸位可视化管理系统及方法 |
JP2023017689A (ja) * | 2021-07-26 | 2023-02-07 | 株式会社ユーネットランス | 物流の効率化、及び最適化評価システム |
CN113793105A (zh) * | 2021-09-26 | 2021-12-14 | 浙江通运保安全生产科技有限公司 | 一种基于大数据的专用车辆运行监管系统 |
CN114626790A (zh) * | 2022-03-25 | 2022-06-14 | 浙江工贸职业技术学院 | 一种基于物联网的城市绿色配送交易系统 |
CN114581020A (zh) * | 2022-04-28 | 2022-06-03 | 深圳市运无忧网络科技有限公司 | 一种智能物流管理方法和系统 |
CN116070984A (zh) * | 2023-04-06 | 2023-05-05 | 成都运荔枝科技有限公司 | 一种基于数据分析的冷链物流车辆的运输评估系统 |
CN116341772A (zh) * | 2023-05-31 | 2023-06-27 | 未来机器人(深圳)有限公司 | 库位规划方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116882865A (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116882865B (zh) | 一种基于生鲜配送的智能物流装车系统及装车方法 | |
CN116452099B (zh) | 一种基于大数据的冷链食品运输智能管理系统 | |
CN108681830B (zh) | 一种变电站巡视智能作业动态指挥方法及系统 | |
CN112884325A (zh) | 一种客站设备应用分析及健康状况评价方法及系统 | |
CN113313453B (zh) | 一种基于互联网的防水涂料货运管理系统 | |
CN111381166A (zh) | 一种监测电池状态的方法及系统 | |
CN110501160B (zh) | 列车轴承故障预警方法、装置、系统和存储介质 | |
CN116579619B (zh) | 一种货运运单的风控方法和系统 | |
CN107271829A (zh) | 一种配电设备运行状态分析方法及装置 | |
CN111415026A (zh) | 无人设备调度装置、系统和方法 | |
CN115375234A (zh) | 基于gnss的运输车辆运行轨迹规划方法 | |
CN114022000A (zh) | 基于模糊综合评价的车辆道路运输风险评估方法及系统 | |
CN112390127A (zh) | 基于健康度模型的自动扶梯预防性维修策略生成方法 | |
CN112308332A (zh) | 轨道交通平行推演系统及方法 | |
CN114972639A (zh) | 一种适用于智慧园区的火情监测系统 | |
CN115762169A (zh) | 一种环卫车无人驾驶的智能控制系统及方法 | |
CN111339933A (zh) | 基于深度学习的变电站安全监控方法及装置 | |
CN110310009A (zh) | 一种电网调度运行风险告警与全景评估方法 | |
CN117611038A (zh) | 一种基于物联网的智能冷链运输实时管控系统 | |
CN117132183A (zh) | 基于大数据分析的物流供应链配送智能化监测系统 | |
EP4113095A1 (en) | Wear state prediction method, wear state prediction device and wear state prediction program | |
CN113781820B (zh) | 一种机场特种车辆保障航班效率的分析方法 | |
CN116258381A (zh) | 运行指挥工作的量化评价方法和装置 | |
CN114819845A (zh) | 基于大数据的秸秆车辆协同调度系统 | |
CN113570202A (zh) | 一种放射性物品运输管理的平台、系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |