CN117094631B - 一种基于物联网的货物运输管理方法及系统 - Google Patents
一种基于物联网的货物运输管理方法及系统 Download PDFInfo
- Publication number
- CN117094631B CN117094631B CN202311358951.1A CN202311358951A CN117094631B CN 117094631 B CN117094631 B CN 117094631B CN 202311358951 A CN202311358951 A CN 202311358951A CN 117094631 B CN117094631 B CN 117094631B
- Authority
- CN
- China
- Prior art keywords
- transportation
- cargo transportation
- traffic flow
- cargo
- vehicle
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 47
- 230000000007 visual effect Effects 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000005516 engineering process Methods 0.000 claims abstract description 11
- 238000013439 planning Methods 0.000 claims description 36
- 238000012544 monitoring process Methods 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000004088 simulation Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000001360 synchronised effect Effects 0.000 claims description 8
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 241000179577 Cellia Species 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000006698 induction Effects 0.000 claims description 3
- 238000012384 transportation and delivery Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012800 visualization 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于物联网的货物运输管理方法及系统，涉及货物运输管理技术领域，该货物运输管理方法包括以下步骤：根据货物规模判定所需的运输车辆数目和类型，并制定运输路线规划；利用物联网平台追踪货物运输车辆的行驶位置和运输进度，并创建与行驶位置实时同步连接的可视化界面；利用3D电子地图技术并联合路网信息，计算货物运输的最优路径；利用建立的CTM模型模拟最优路径中的交通流量，预测货物运输的最短到达时间；利用车辆调度算法制定货物运输车辆调度策略；通过物联网平台持续监测货物运输过程中的风险因素。本发明通过车辆调度算法能够合理安排货物运输车辆的行程和任务分配，充分利用车辆资源。
Description
技术领域
本发明涉及货物运输管理技术领域，具体来说，涉及一种基于物联网的货物运输管理方法及系统。
背景技术
货物运输是指将货物从一个地点运送到另一个地点的过程，货物运输是物流管理中的关键环节，涉及到货物的装载、运输、卸载和交付等各个环节，货物运输的两大核心内容：一个是快捷、准确、节约的配送服务；一个是安全、可靠的货物运输与结算。随着人们生活水平的提高，越来越多的人喜欢利用通信设备进行购物和支付，随之而来的衍生出多种物流形式的货物配送，例如快递、货物运输、外卖配送、工厂仓库货物堆放等等。
货物运输管理是指对货物运输过程进行规划、组织、控制和协调的管理活动，它涵盖了从货物出库到交付的整个运输过程，包括物流规划、路线选择、装载和卸载、运输资源管理、运输安全、运输成本控制等方面。货物运输管理的目标是实现高效、安全、准时、成本控制的货物运输，通过科学合理的运输管理，可以提高运输效率、降低运输成本、保障货物安全，并提供良好的客户服务。
在现有的货物运输管理中由于车辆运输途中会存在多种运输路线，若选择不合理的路线可能会增加运输成本，较长的运输距离和时间意味着更多的燃料消耗、人力资源和运输设备的使用，从而增加了企业的运营成本，同时选择不合理的运输路线会使得货物可能需要经过更长的路程，经历更多的中转或停留，从而延误交货时间，进而降低运输效率。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题，本发明提出一种基于物联网的货物运输管理方法及系统，以克服现有相关技术所存在的上述技术问题。
为此，本发明采用的具体技术方案如下：
根据本发明的一个方面，提供了一种基于物联网的货物运输管理方法，该货物运输管理方法包括以下步骤：
S1、接收并分析货物运输订单，根据货物规模判定所需的运输车辆数目和类型，并制定运输路线规划；
S2、利用物联网平台追踪货物运输车辆的行驶位置和运输进度，并创建与行驶位置实时同步连接的可视化界面；
S3、利用3D电子地图技术并联合路网信息，计算货物运输的最优路径，并将最优路径嵌入至可视化界面中；
S4、利用建立的CTM模型模拟最优路径中的交通流量，预测货物运输的最短到达时间，并基于交通流量调整运输路线规划；
S5、利用车辆调度算法制定货物运输车辆调度策略，并将车辆调度策略与调整后的运输路线规划相集成；
S6、通过物联网平台持续监测货物运输过程中的风险因素，实时生成预警并实施管控措施。
进一步地，所述利用物联网平台追踪货物运输车辆的行驶位置和运输进度，并创建与行驶位置实时同步连接的可视化界面包括以下步骤：
S21、在每辆货物运输车辆上安装传感器设备，实时监测货物运输车辆的位置和运输进度，并将监测数据上传至物联网平台中；
S22、确定可视化界面的设计要求和功能需求，所述功能需求包括显示货物运输车辆位置及交互操作功能；
S23、利用开源地图库获取3D电子地图显示数据，并开发界面前端代码构建可视化界面的布局和样式；
S24、利用地图API将3D电子地图显示数据嵌入到可视化界面中，并设置相匹配的地图视野和初始位置；
S25、在可视化界面中添加货物运输车辆的图标，并将图标表示货物运输车辆的位置；
S26、将采集到的监测数据与图标相关联，实现货物运输车辆的行驶位置和运输进度与可视化界面的实时同步更新；
S27、设置事件监听器，以预设的时间间隔及特定事件触发更新货物运输车辆的实时位置。
进一步地，所述利用3D电子地图技术并联合路网信息，计算货物运输的最优路径，并将最优路径嵌入至可视化界面中包括以下步骤：
S31、获取3D电子地图显示数据和路网信息，包括地理坐标、道路拓扑结构、道路长度及道路限速；
S32、将路网信息与3D电子地图显示数据进行整合，建立路网的三维拓扑结构；
S33、利用栅格化最短路径算法并结合实际运输需求和限制条件，计算货物运输的最优路径；
S34、将计算得到的最优路径传输至可视化界面中，确保最优路径与可视化界面中货物运输车辆的行驶位置保持同步。
进一步地，所述利用栅格化最短路径算法并结合实际运输需求和限制条件，计算货物运输的最优路径包括以下步骤：
S331、在路网的三维拓扑结构中检索网络拓扑层，并在网络拓扑层中标记货物运输起点；
S332、标记货物运输起点的累积路径距离，并将其传输至结点路径距离数组PathDis中；
S333、将路径距离数组PathDis中的第一个结点作为当前结点，并在路径距离数组PathDis中对当前结点进行搜索，若路径距离数组PathDis搜索结果为空，则表示无相邻路径，反之，则表示路径距离数组PathDis中存在可达的相邻路径，将当前结点作为货物运输终点并执行步骤S336；
S334、定位当前结点并按八邻域搜索相邻通道，若搜索到相邻通道，则执行步骤S335，若未搜索到相邻通道，则从路径距离数组PathDis中除去当前结点后，重新按照距离的升序对路径距离数组PathDis进行排序；
S335、记录运输路段的权重，若初次搜索到当前结点，则直接将其加入路径距离数组PathDis中，若再次搜索到当前结点，则将新的路径距离与原路径距离进行比较，取较小的路径距离，并返回步骤S333；
S336、将较小的路径距离作为最优路径距离，按照连通关系回溯，搜索相邻最优路径距离的单元直至回溯到起点，得到货物运输的最短路径。
进一步地，所述利用建立的CTM模型模拟最优路径中的交通流量，预测货物运输的最短到达时间，并基于交通流量调整运输路线规划包括以下步骤：
S41、采用Vissim交通仿真软件作为交通流的仿真平台，生成仿真路段的交通流，并监测各个元胞的交通流数据；
S42、利用Matlab软件建立CTM模型，并根据最优路径中路段入处的交通流参数，预测各时刻各元胞内的交通流状态；
S43、将获得的元胞监测数据作为依据，对CTM模型预测的各时刻各元胞内的交通流数据进行可靠性评价；
S44、结合最短路径和各时刻各元胞内的交通流状态的预测结果，计算出货物运输在各元胞上的通过时间，并累加得到货物运输的最短到达时间；
S45、将货物运输的最短路径、各时刻各元胞内的交通流状态及货物的最短到达时间进行多源信息整合，并对运输路线规划进行调整。
进一步地，所述利用Matlab软件建立CTM模型，并根据最优路径中路段入处的交通流参数，预测各时刻各元胞内的交通流状态包括以下步骤：
S421、利用Vissim交通仿真软件建立城市道路模型，并获取最优路径中路段入口处的交通流参数；
S422、在城市道路模型中建立元胞，并在各元胞端点设置虚拟感应线圈，监测各元胞的交通流；
S423、利用Vissim交通仿真软件模拟不同饱和度条件下，路段上交通流的运行情况；
S424、将路段入口处各步长的交通流流入率传输至由Matlab软件的CTM模型中，并利用CTM模型模拟估计各时长各元胞内的交通流量；
S425、根据Vissim交通仿真软件提供路段上交通流的原始数据，对各时长各元胞内的交通流量的模拟估计结果进行评估。
进一步地，所述利用车辆调度算法制定货物运输车辆调度策略，并将车辆调度策略与调整后的运输路线规划相集成包括以下步骤：
S51、将调整后的运输路线规划作为车辆调度的基础，结合车辆调度算法制定车辆调度策略；
S52、根据车辆调度策略安排货物运输车辆的行驶路线和时间表，确保在规定时间内完成货物运输任务；
S53、根据货物运输过程中的突发情况，实时调整车辆调度策略和行驶路线。
进一步地，所述将调整后的运输路线规划作为车辆调度的基础，结合车辆调度算法制定车辆调度策略中包括以下步骤：
S511、确定调整后的运输路线规划中具有代表性的影响因素，并建立货物运输任务的影响因素集；
S512、根据货物运输任务的优先级，确定各个影响因素的评语集和评价标度，所述货物运输任务的优先级的顺序为预留期紧急性、任务重要性、剩余执行时间及完成任务关联复杂性；
S513、综合考虑各个影响因素的重要性，并得出影响因素集所对应的权重向量集；
S514、构造影响因素集的模糊评判矩阵，并计算模糊评判矩阵的评判矩阵和权重向量的水平截集；
S515、将评判矩阵中的各元素乘以所对应的影响权重，得到模糊评判矩阵；
S516、模糊评判矩阵计算货物运输任务的优先级，并对优先级结果进行排序；
S517、优先执行其优先级最大的货物运输任务，在该货物运输执行的过程中，若有新的货物运输任务到达，则计算其优先级，并插入到货物运输任务队列合适的位置，参与下一次的货物运输任务调度。
进一步地，所述CTM模型的表达式为：
；
；
式中，表示t时刻时元胞i内的车辆数；
表示t到t+1时刻内从元胞i-1进入元胞i中的车辆数；
表示t时刻的最大流量；
表示t时刻元胞i出现的最大车辆数；
表示交通流量的度量。
根据本发明的另一个方面，还提供了一种基于物联网的货物运输管理系统，该系统包括订单接收模块、行驶位置追踪模块、最优路径计算模块、交通流量计算模块、运输车辆调度模块及预警管控模块；
所述订单接收模块与所述行驶位置追踪模块连接，所述行驶位置追踪模块与所述最优路径计算模块连接，所述最优路径计算模块与所述交通流量计算模块连接，所述交通流量计算模块与所述运输车辆调度模块连接，所述运输车辆调度模块与所述预警管控模块连接；
所述订单接收模块，用于接收并分析货物运输订单，根据货物规模判定所需的运输车辆数目和类型，并制定运输路线规划；
所述行驶位置追踪模块，用于利用物联网平台追踪货物运输车辆的行驶位置和运输进度，并创建与行驶位置实时同步连接的可视化界面；
所述最优路径计算模块，用于利用3D电子地图技术并联合路网信息，计算货物运输的最优路径，并将最优路径嵌入至可视化界面中；
所述交通流量计算模块，用于利用建立的CTM模型模拟最优路径中的交通流量，预测货物运输的最短到达时间，并基于交通流量调整运输路线规划；
所述运输车辆调度模块，用于利用车辆调度算法制定运输车辆调度策略，并将车辆调度策略与调整后的运输路线规划相集成；
所述预警管控模块，用于通过物联网平台持续监测货物运输过程中的风险因素，实时生成预警并实施管控措施。
本发明的有益效果为：
1、本发明通过创建用于显示运输车辆位置的可视化界面，并实时同步连接采集到的车辆位置信息，管理人员可以实时监控和追踪运输车辆的位置，了解车辆的实时动态，从而有助于提高货物运输的可视性和透明度，及时发现和解决潜在问题，同时管理人员可以根据车辆的实时位置和运输进程做出相应的调度和决策，进而及时发现异常情况，减少货物丢失和延误的风险。
2、本发明通过CTM模型模拟交通流量，可以准确地预测道路段的交通状况，从而在最优路径规划中考虑交通拥堵、道路限速等因素，选择最佳的路径，避开拥堵区域，缩短货物运输的时间准确性，并通过最优路径预测货物运输的最短到达时间，可以提供更准确的到达时间估计，有助于货物接收方和其他相关方提前做好准备，提高货物运输的可靠性和准时性。
3、本发明通过车辆调度算法能够合理安排货物运输车辆的行程和任务分配，充分利用车辆资源，便于对货物运输车辆的管理，并且将车辆调度策略与调整后的运输路线规划相集成，不仅能够避免车辆之间的重复行驶和空载运输并且能够确保车辆按照最优路径进行行驶，避免不必要的绕路和重复行程，提高车辆利用率和运输效率，同时能够提供更准确的货物运输时间表，减少运输时间的不确定性，提高货物运输的可靠性和准时性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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是根据本发明实施例的一种基于物联网的货物运输管理方法的流程图；
图2是根据本发明实施例的一种基于物联网的货物运输管理系统的原理框图。
图中：
1、订单接收模块；2、行驶位置追踪模块；3、最优路径计算模块；4、交通流量计算模块；5、运输车辆调度模块；6、预警管控模块。
具体实施方式
为进一步说明各实施例，本发明提供有附图，这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
根据本发明的实施例，提供了一种基于物联网的货物运输管理方法及系统。
现结合附图和具体实施方式对本发明进一步说明，如图1所示，根据本发明实施例的基于物联网的货物运输管理方法，该货物运输管理方法包括以下步骤：
S1、接收并分析货物运输订单，根据货物规模判定所需的运输车辆数目和类型，并制定运输路线规划。
具体的，将货物运输订单接收到物联网平台中进行分析，分析订单中的货物规模、重量、体积、运输要求等信息，根据订单的分析结果和运输需求，判断所需的运输车辆数目和类型。考虑货物的规模、重量、体积以及运输的距离和时间等因素，确定适合的车辆类型，如货车、集装箱卡车、拖车等。同时，根据货物数量和车辆的装载能力，计算所需的车辆数目，根据订单的目的地和货物运输要求，制定初步的运输路线规划。
S2、利用物联网平台追踪货物运输车辆的行驶位置和运输进度，并创建与行驶位置实时同步连接的可视化界面。
其中，所述利用物联网平台追踪货物运输车辆的行驶位置和运输进度，并创建与行驶位置实时同步连接的可视化界面包括以下步骤：
S21、在每辆货物运输车辆上安装传感器设备，实时监测货物运输车辆的位置和运输进度，并将监测数据上传至物联网平台中；
S22、确定可视化界面的设计要求和功能需求，所述功能需求包括显示货物运输车辆位置及交互操作功能；
S23、利用开源地图库获取3D电子地图显示数据，并开发界面前端代码构建可视化界面的布局和样式。
具体的，开源地图库包括但不限于Leaflet、Mapbox GL JS、CartoPy等。
Leaflet：一款轻量级的开源JavaScript地图库，广泛用于创建交互式地图应用程序。
Mapbox GL JS：基于WebGL的开源JavaScript库，用于创建高性能、可交互的地图应用程序。
CartoPy：一个开源的Python地图绘制库，用于创建静态地图和地图可视化。
S24、利用地图API将3D电子地图显示数据嵌入到可视化界面中，并设置相匹配的地图视野和初始位置；
S25、在可视化界面中添加货物运输车辆的图标，并将图标表示货物运输车辆的位置；
S26、将采集到的监测数据与图标相关联，实现货物运输车辆的行驶位置和运输进度与可视化界面的实时同步更新；
S27、设置事件监听器，以预设的时间间隔及特定事件触发更新货物运输车辆的实时位置。
S3、利用3D电子地图技术并联合路网信息，计算货物运输的最优路径，并将最优路径嵌入至可视化界面中。
其中，所述利用3D电子地图技术并联合路网信息，计算货物运输的最优路径，并将最优路径嵌入至可视化界面中包括以下步骤：
S31、获取3D电子地图显示数据和路网信息，包括地理坐标、道路拓扑结构、道路长度及道路限速；
S32、将路网信息与3D电子地图显示数据进行整合，建立路网的三维拓扑结构；
S33、利用栅格化最短路径算法并结合实际运输需求和限制条件，计算货物运输的最优路径。
其中，所述利用栅格化最短路径算法并结合实际运输需求和限制条件，计算货物运输的最优路径包括以下步骤：
S331、在路网的三维拓扑结构中检索网络拓扑层，并在网络拓扑层中标记货物运输起点；
S332、标记货物运输起点的累积路径距离，并将其传输至结点路径距离数组PathDis中。
具体的，结点路径距离数组PathDis是指用于存储图中各个结点之间的路径距离的数组，如果两个结点之间存在路径，则可以使用该数组来记录这两个结点之间的最短路径距离或者其他路径相关的信息。
具体的，PathDis数组是一个二维数组，其大小为n×n，其中n表示图中的结点数目，数组中的每个元素PathDis表示结点i到结点j的路径距离，如果两个结点之间不存在路径，则可以用一个特定的值（如无穷大）表示。
S333、将路径距离数组PathDis中的第一个结点作为当前结点，并在路径距离数组PathDis中对当前结点进行搜索，若路径距离数组PathDis搜索结果为空，则表示无相邻路径，反之，则表示路径距离数组PathDis中存在可达的相邻路径，将当前结点作为货物运输终点并执行步骤S336；
S334、定位当前结点并按八邻域搜索相邻通道，若搜索到相邻通道，则执行步骤S335，若未搜索到相邻通道，则从路径距离数组PathDis中除去当前结点后，重新按照距离的升序对路径距离数组PathDis进行排序；
S335、记录运输路段的权重，若初次搜索到当前结点，则直接将其加入路径距离数组PathDis中，若再次搜索到当前结点，则将新的路径距离与原路径距离进行比较，取较小的路径距离，并返回步骤S333；
S336、将较小的路径距离作为最优路径距离，按照连通关系回溯，搜索相邻最优路径距离的单元直至回溯到起点，得到货物运输的最短路径。
S34、将计算得到的最优路径传输至可视化界面中，确保最优路径与可视化界面中货物运输车辆的行驶位置保持同步。
S4、利用建立的CTM模型模拟最优路径中的交通流量，预测货物运输的最短到达时间，并基于交通流量调整运输路线规划。
其中，所述利用建立的CTM模型模拟最优路径中的交通流量，预测货物运输的最短到达时间，并基于交通流量调整运输路线规划包括以下步骤：
S41、采用Vissim交通仿真软件作为交通流的仿真平台，生成仿真路段的交通流，并监测各个元胞的交通流数据。
具体的，Vissim是一款交通仿真软件，Vissim的主要功能和特点包括以下方面：
交通流模拟：Vissim可以模拟不同交通场景下的车辆行驶、交通信号灯、车辆之间的互动等，提供准确的交通流模拟结果。
路段和交叉口设计：Vissim可以帮助交通工程师进行道路和交叉口的设计和评估，优化交通流动和减少交通拥堵。
交通信号控制：Vissim可以模拟不同的交通信号控制策略，评估不同方案对交通流量和行程时间的影响，帮助优化信号控制方案。
交通仿真分析：通过Vissim的仿真分析，可以评估交通场景下的交通流量、拥堵情况、交通状况等，为交通规划和交通管理提供决策支持。
S42、利用Matlab软件建立CTM模型，并根据最优路径中路段入处的交通流参数，预测各时刻各元胞内的交通流状态。
其中，所述利用Matlab软件建立CTM模型，并根据最优路径中路段入处的交通流参数，预测各时刻各元胞内的交通流状态包括以下步骤：
S421、利用Vissim交通仿真软件建立城市道路模型，并获取最优路径中路段入口处的交通流参数；
S422、在城市道路模型中建立元胞，并在各元胞端点设置虚拟感应线圈，监测各元胞的交通流；
S423、利用Vissim交通仿真软件模拟不同饱和度条件下，路段上交通流的运行情况；
S424、将路段入口处各步长的交通流流入率传输至由Matlab软件的CTM模型中，并利用CTM模型模拟估计各时长各元胞内的交通流量。
具体的，Matlab是一种高级技术计算语言和交互式环境，它是一种用于科学计算、数据可视化、算法开发和模型建立的强大工具。
具体的，CTM是一种元胞传输模型，CTM模型将道路分成若干段，每段称为一个元胞，元胞长度取决于标准车辆在交通畅通条件下在一个时间步长内能行驶的路程，CTM模型对路段进行分段研究，能够充分兼顾交通流的微观特性，关注小群体车辆之间的交通状态传递，对未饱和交通流、饱和乃至过饱和交通流均有良好的描述效果。
其中，所述CTM模型的表达式为：
；
；
式中，表示t时刻时元胞i内的车辆数；
表示t到t+1时刻内从元胞i-1进入元胞i中的车辆数；
表示t到t+1时刻内从元胞i进入元胞i+1中的车辆数；
表示t时刻的最大流量；
表示t时刻元胞i出现的最大车辆数；
表示交通流量的度量。
S425、根据Vissim交通仿真软件提供路段上交通流的原始数据，对各时长各元胞内的交通流量的模拟估计结果进行评估。
S43、将获得的元胞监测数据作为依据，对CTM模型预测的各时刻各元胞内的交通流数据进行可靠性评价；
S44、结合最短路径和各时刻各元胞内的交通流状态的预测结果，计算出货物运输在各元胞上的通过时间，并累加得到货物运输的最短到达时间；
S45、将货物运输的最短路径、各时刻各元胞内的交通流状态及货物的最短到达时间进行多源信息整合，并对运输路线规划进行调整。
S5、利用车辆调度算法制定货物运输车辆调度策略，并将车辆调度策略与调整后的运输路线规划相集成。
其中，所述利用车辆调度算法制定货物运输车辆调度策略，并将车辆调度策略与调整后的运输路线规划相集成包括以下步骤：
S51、将调整后的运输路线规划作为车辆调度的基础，结合车辆调度算法制定车辆调度策略。
其中，所述将调整后的运输路线规划作为车辆调度的基础，结合车辆调度算法制定车辆调度策略中包括以下步骤：
S511、确定调整后的运输路线规划中具有代表性的影响因素，并建立货物运输任务的影响因素集；
S512、根据货物运输任务的优先级，确定各个影响因素的评语集和评价标度，所述货物运输任务的优先级的顺序为预留期紧急性、任务重要性、剩余执行时间及完成任务关联复杂性；
S513、综合考虑各个影响因素的重要性，并得出影响因素集所对应的权重向量集；
S514、构造影响因素集的模糊评判矩阵，并计算模糊评判矩阵的评判矩阵和权重向量的水平截集；
S515、将评判矩阵中的各元素乘以所对应的影响权重，得到模糊评判矩阵；
S516、模糊评判矩阵计算货物运输任务的优先级，并对优先级结果进行排序；
S517、优先执行其优先级最大的货物运输任务，在该货物运输执行的过程中，若有新的货物运输任务到达，则计算其优先级，并插入到货物运输任务队列合适的位置，参与下一次的货物运输任务调度。
S52、根据车辆调度策略安排货物运输车辆的行驶路线和时间表，确保在规定时间内完成货物运输任务；
S53、根据货物运输过程中的突发情况，实时调整车辆调度策略和行驶路线。
具体的，虽然已计算出货物运输的最短路径、各时刻各元胞内的交通流状态以及货物的最短到达时间，但是仅仅计算最短路径和最短到达时间并不能确保货物运输的高效性和顺畅性。利用车辆调度算法制定车辆调度策略的目的是为了更好地管理和安排货物的运输过程，以最大程度地优化车辆的利用，提高运输效率，并满足实际的约束条件和需求，确保货物能够按时、高效地到达目的地。
S6、通过物联网平台持续监测货物运输过程中的风险因素，实时生成预警并实施管控措施。
具体的，将传感器设备连接到物联网平台，确保它们能够实时地将监测到的数据传输到云端，并且可以使用无线通信技术如Wi-Fi、蜂窝网络等实现传感器和物联网平台之间的连接，利用物联网平台提供的数据分析功能，对采集到的数据进行实时分析和处理。
具体的，通过设置预警规则和阈值，当监测到的数据超过或低于预设的安全范围时，即可生成相应的预警信息，一旦生成预警信息，物联网平台可以实时向相关人员发送预警通知，以便他们能够及时采取管控措施，管控措施可能包括调整运输路线、改变运输方式、增加保护措施等。
如图2所示，根据本发明的另一个实施例，还提供了一种基于物联网的货物运输管理系统，该系统包括订单接收模块1、行驶位置追踪模块2、最优路径计算模块3、交通流量计算模块4、运输车辆调度模块5及预警管控模块6；
所述订单接收模块1与所述行驶位置追踪模块2连接，所述行驶位置追踪模块2与所述最优路径计算模块3连接，所述最优路径计算模块3与所述交通流量计算模块4连接，所述交通流量计算模块4与所述运输车辆调度模块5连接，所述运输车辆调度模块5与所述预警管控模块6连接；
所述订单接收模块1，用于接收并分析货物运输订单，根据货物规模判定所需的运输车辆数目和类型，并制定运输路线规划；
所述行驶位置追踪模块2，用于利用物联网平台追踪货物运输车辆的行驶位置和运输进度，并创建与行驶位置实时同步连接的可视化界面；
所述最优路径计算模块3，用于利用3D电子地图技术并联合路网信息，计算货物运输的最优路径，并将最优路径嵌入至可视化界面中；
所述交通流量计算模块4，用于利用建立的CTM模型模拟最优路径中的交通流量，预测货物运输的最短到达时间，并基于交通流量调整运输路线规划；
所述运输车辆调度模块5，用于利用车辆调度算法制定运输车辆调度策略，并将车辆调度策略与调整后的运输路线规划相集成；
所述预警管控模块6，用于通过物联网平台持续监测货物运输过程中的风险因素，实时生成预警并实施管控措施。
综上所述，借助于本发明的上述技术方案，本发明通过创建用于显示运输车辆位置的可视化界面，并实时同步连接采集到的车辆位置信息，管理人员可以实时监控和追踪运输车辆的位置，了解车辆的实时动态，从而有助于提高货物运输的可视性和透明度，及时发现和解决潜在问题，同时管理人员可以根据车辆的实时位置和运输进程做出相应的调度和决策，进而及时发现异常情况，减少货物丢失和延误的风险。
本发明通过CTM模型模拟交通流量，可以准确地预测道路段的交通状况，从而在最优路径规划中考虑交通拥堵、道路限速等因素，选择最佳的路径，避开拥堵区域，缩短货物运输的时间准确性，并通过最优路径预测货物运输的最短到达时间，可以提供更准确的到达时间估计，有助于货物接收方和其他相关方提前做好准备，提高货物运输的可靠性和准时性。
本发明通过车辆调度算法能够合理安排货物运输车辆的行程和任务分配，充分利用车辆资源，便于对货物运输车辆的管理，并且将车辆调度策略与调整后的运输路线规划相集成，不仅能够避免车辆之间的重复行驶和空载运输并且能够确保车辆按照最优路径进行行驶，避免不必要的绕路和重复行程，提高车辆利用率和运输效率，同时能够提供更准确的货物运输时间表，减少运输时间的不确定性，提高货物运输的可靠性和准时性。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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 (3)
1.一种基于物联网的货物运输管理方法，其特征在于，该货物运输管理方法包括以下步骤：
S1、接收并分析货物运输订单，根据货物规模判定所需的运输车辆数目和类型，并制定运输路线规划；
S2、利用物联网平台追踪货物运输车辆的行驶位置和运输进度，并创建与行驶位置实时同步连接的可视化界面；
S3、利用3D电子地图技术并联合路网信息，计算货物运输的最优路径，并将最优路径嵌入至可视化界面中；
S4、利用建立的CTM模型模拟最优路径中的交通流量，预测货物运输的最短到达时间，并基于交通流量调整运输路线规划；
S5、利用车辆调度算法制定货物运输车辆调度策略，并将车辆调度策略与调整后的运输路线规划相集成；
S6、通过物联网平台持续监测货物运输过程中的风险因素，实时生成预警并实施管控措施；
所述利用3D电子地图技术并联合路网信息，计算货物运输的最优路径，并将最优路径嵌入至可视化界面中包括以下步骤：
S31、获取3D电子地图显示数据和路网信息，包括地理坐标、道路拓扑结构、道路长度及道路限速；
S32、将路网信息与3D电子地图显示数据进行整合，建立路网的三维拓扑结构；
S33、利用栅格化最短路径算法并结合实际运输需求和限制条件，计算货物运输的最优路径；
S34、将计算得到的最优路径传输至可视化界面中，确保最优路径与可视化界面中货物运输车辆的行驶位置保持同步；
所述利用栅格化最短路径算法并结合实际运输需求和限制条件，计算货物运输的最优路径包括以下步骤：
S331、在路网的三维拓扑结构中检索网络拓扑层，并在网络拓扑层中标记货物运输起点；
S332、标记货物运输起点的累积路径距离，并将其传输至结点路径距离数组PathDis中；
S333、将路径距离数组PathDis中的第一个结点作为当前结点，并在路径距离数组PathDis中对当前结点进行搜索，若路径距离数组PathDis搜索结果为空，则表示无相邻路径，反之，则表示路径距离数组PathDis中存在可达的相邻路径，将当前结点作为货物运输终点并执行步骤S336；
S334、定位当前结点并按八邻域搜索相邻通道，若搜索到相邻通道，则执行步骤S335，若未搜索到相邻通道，则从路径距离数组PathDis中除去当前结点后，重新按照距离的升序对路径距离数组PathDis进行排序；
S335、记录运输路段的权重，若初次搜索到当前结点，则直接将其加入路径距离数组PathDis中，若再次搜索到当前结点，则将新的路径距离与原路径距离进行比较，取较小的路径距离，并返回步骤S333；
S336、将较小的路径距离作为最优路径距离，按照连通关系回溯，搜索相邻最优路径距离的单元直至回溯到起点，得到货物运输的最短路径；
所述利用建立的CTM模型模拟最优路径中的交通流量，预测货物运输的最短到达时间，并基于交通流量调整运输路线规划包括以下步骤：
S41、采用Vissim交通仿真软件作为交通流的仿真平台，生成仿真路段的交通流，并监测各个元胞的交通流数据；
S42、利用Matlab软件建立CTM模型，并根据最优路径中路段入处的交通流参数，预测各时刻各元胞内的交通流状态；
S43、将获得的元胞监测数据作为依据，对CTM模型预测的各时刻各元胞内的交通流数据进行可靠性评价；
S44、结合最短路径和各时刻各元胞内的交通流状态的预测结果，计算出货物运输在各元胞上的通过时间，并累加得到货物运输的最短到达时间；
S45、将货物运输的最短路径、各时刻各元胞内的交通流状态及货物的最短到达时间进行多源信息整合，并对运输路线规划进行调整；
所述利用Matlab软件建立CTM模型，并根据最优路径中路段入处的交通流参数，预测各时刻各元胞内的交通流状态包括以下步骤：
S421、利用Vissim交通仿真软件建立城市道路模型，并获取最优路径中路段入口处的交通流参数；
S422、在城市道路模型中建立元胞，并在各元胞端点设置虚拟感应线圈，监测各元胞的交通流；
S423、利用Vissim交通仿真软件模拟不同饱和度条件下，路段上交通流的运行情况；
S424、将路段入口处各步长的交通流流入率传输至由Matlab软件的CTM模型中，并利用CTM模型模拟估计各时长各元胞内的交通流量；
S425、根据Vissim交通仿真软件提供路段上交通流的原始数据，对各时长各元胞内的交通流量的模拟估计结果进行评估；
所述利用车辆调度算法制定货物运输车辆调度策略，并将车辆调度策略与调整后的运输路线规划相集成包括以下步骤：
S51、将调整后的运输路线规划作为车辆调度的基础，结合车辆调度算法制定车辆调度策略；
S52、根据车辆调度策略安排货物运输车辆的行驶路线和时间表，确保在规定时间内完成货物运输任务；
S53、根据货物运输过程中的突发情况，实时调整车辆调度策略和行驶路线；
所述将调整后的运输路线规划作为车辆调度的基础，结合车辆调度算法制定车辆调度策略中包括以下步骤：
S511、确定调整后的运输路线规划中具有代表性的影响因素，并建立货物运输任务的影响因素集；
S512、根据货物运输任务的优先级，确定各个影响因素的评语集和评价标度，所述货物运输任务的优先级的顺序为预留期紧急性、任务重要性、剩余执行时间及完成任务关联复杂性；
S513、综合考虑各个影响因素的重要性，并得出影响因素集所对应的权重向量集；
S514、构造影响因素集的模糊评判矩阵，并计算模糊评判矩阵的评判矩阵和权重向量的水平截集；
S515、将评判矩阵中的各元素乘以所对应的影响权重，得到模糊评判矩阵；
S516、模糊评判矩阵计算货物运输任务的优先级，并对优先级结果进行排序；
S517、优先执行其优先级最大的货物运输任务，在该货物运输执行的过程中，若有新的货物运输任务到达，则计算其优先级，并插入到货物运输任务队列合适的位置，参与下一次的货物运输任务调度；
所述CTM模型的表达式为：
;
;
式中，表示t时刻时元胞i内的车辆数；
表示t到t+1时刻内从元胞i-1进入元胞i中的车辆数；
表示t时刻的最大流量；
表示t时刻元胞i出现的最大车辆数；
表示交通流量的度量。
2.根据权利要求1所述的一种基于物联网的货物运输管理方法，其特征在于，所述利用物联网平台追踪货物运输车辆的行驶位置和运输进度，并创建与行驶位置实时同步连接的可视化界面包括以下步骤：
S21、在每辆货物运输车辆上安装传感器设备，实时监测货物运输车辆的位置和运输进度，并将监测数据上传至物联网平台中；
S22、确定可视化界面的设计要求和功能需求，所述功能需求包括显示货物运输车辆位置及交互操作功能；
S23、利用开源地图库获取3D电子地图显示数据，并开发界面前端代码构建可视化界面的布局和样式；
S24、利用地图API将3D电子地图显示数据嵌入到可视化界面中，并设置相匹配的地图视野和初始位置；
S25、在可视化界面中添加货物运输车辆的图标，并将图标表示货物运输车辆的位置；
S26、将采集到的监测数据与图标相关联，实现货物运输车辆的行驶位置和运输进度与可视化界面的实时同步更新；
S27、设置事件监听器，以预设的时间间隔及特定事件触发更新货物运输车辆的实时位置。
3.一种基于物联网的货物运输管理系统，用于实现权利要求1-2中任一项所述的基于物联网的货物运输管理方法，其特征在于，该系统包括订单接收模块、行驶位置追踪模块、最优路径计算模块、交通流量计算模块、运输车辆调度模块及预警管控模块；
所述订单接收模块与所述行驶位置追踪模块连接，所述行驶位置追踪模块与所述最优路径计算模块连接，所述最优路径计算模块与所述交通流量计算模块连接，所述交通流量计算模块与所述运输车辆调度模块连接，所述运输车辆调度模块与所述预警管控模块连接；
所述订单接收模块，用于接收并分析货物运输订单，根据货物规模判定所需的运输车辆数目和类型，并制定运输路线规划；
所述行驶位置追踪模块，用于利用物联网平台追踪货物运输车辆的行驶位置和运输进度，并创建与行驶位置实时同步连接的可视化界面；
所述最优路径计算模块，用于利用3D电子地图技术并联合路网信息，计算货物运输的最优路径，并将最优路径嵌入至可视化界面中；
所述交通流量计算模块，用于利用建立的CTM模型模拟最优路径中的交通流量，预测货物运输的最短到达时间，并基于交通流量调整运输路线规划；
所述运输车辆调度模块，用于利用车辆调度算法制定运输车辆调度策略，并将车辆调度策略与调整后的运输路线规划相集成；
所述预警管控模块，用于通过物联网平台持续监测货物运输过程中的风险因素，实时生成预警并实施管控措施。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311358951.1A CN117094631B (zh) | 2023-10-19 | 2023-10-19 | 一种基于物联网的货物运输管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311358951.1A CN117094631B (zh) | 2023-10-19 | 2023-10-19 | 一种基于物联网的货物运输管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117094631A CN117094631A (zh) | 2023-11-21 |
| CN117094631B true CN117094631B (zh) | 2023-12-22 |
Family
ID=88777299
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311358951.1A Active CN117094631B (zh) | 2023-10-19 | 2023-10-19 | 一种基于物联网的货物运输管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117094631B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117474344B (zh) * | 2023-12-28 | 2024-03-22 | 青岛盈智科技有限公司 | 一种货物运输过程的风险评估方法及系统 |
| CN117541026B (zh) * | 2024-01-08 | 2024-03-19 | 保定市宏远顺达物流运输有限公司 | 一种智能物流运输车辆调度方法及系统 |
| CN117649167B (zh) * | 2024-01-25 | 2024-05-10 | 广州拓威天海国际物流有限公司 | 一种基于国际运输的货物订单进度跟踪管理系统 |
| CN118195266A (zh) * | 2024-05-08 | 2024-06-14 | 上海四维数邦数字科技有限公司 | 一种运输车辆实时管理方法、装置、电子设备和存储介质 |
| CN118350737A (zh) * | 2024-05-21 | 2024-07-16 | 青岛地铁集团有限公司 | 一种物资配送的路径优化方法 |
| CN118333360B (zh) * | 2024-06-14 | 2024-10-01 | 万联易达物流科技有限公司 | 基于车货匹配的物流调度方法及系统 |
| CN118586672A (zh) * | 2024-07-31 | 2024-09-03 | 扬州恒基达鑫国际化工仓储有限公司 | 一种智慧物流的物流车运输车路协同管控系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102016004518A1 (de) * | 2016-04-13 | 2017-02-09 | Daimler Ag | Verfahren zur Planung und Ermittlung einer optimalen Transportroute |
| CN111738570A (zh) * | 2020-06-05 | 2020-10-02 | 苏州华易通物流有限公司 | 一种基于互联网的物流管理系统 |
| CN114895690A (zh) * | 2022-06-28 | 2022-08-12 | 济南大学 | 基于动态加权及热力图算法的机器人路径规划方法及系统 |
| CN115719160A (zh) * | 2022-11-04 | 2023-02-28 | 西南交通大学 | 一种基于区块链的国际铁路货物运输质量风险预警方法 |
| CN116451434A (zh) * | 2023-03-09 | 2023-07-18 | 安徽师范大学 | 车路云协同的新能源货车模拟调度方法及设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113486293B (zh) * | 2021-09-08 | 2021-12-03 | 天津港第二集装箱码头有限公司 | 全自动化边装卸集装箱码头的智能水平运输系统及方法 |
-
2023
- 2023-10-19 CN CN202311358951.1A patent/CN117094631B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102016004518A1 (de) * | 2016-04-13 | 2017-02-09 | Daimler Ag | Verfahren zur Planung und Ermittlung einer optimalen Transportroute |
| CN111738570A (zh) * | 2020-06-05 | 2020-10-02 | 苏州华易通物流有限公司 | 一种基于互联网的物流管理系统 |
| CN114895690A (zh) * | 2022-06-28 | 2022-08-12 | 济南大学 | 基于动态加权及热力图算法的机器人路径规划方法及系统 |
| CN115719160A (zh) * | 2022-11-04 | 2023-02-28 | 西南交通大学 | 一种基于区块链的国际铁路货物运输质量风险预警方法 |
| CN116451434A (zh) * | 2023-03-09 | 2023-07-18 | 安徽师范大学 | 车路云协同的新能源货车模拟调度方法及设备 |
Non-Patent Citations (2)
| Title |
|---|
| 多车道交通流理论与应用研究综述;雷旭;李立;李光泽;汪贵平;;长安大学学报(自然科学版)(第04期);第82页-94页 * |
| 雷旭 ; 李立 ; 李光泽 ; 汪贵平 ; .多车道交通流理论与应用研究综述.长安大学学报(自然科学版).2020,(第04期),第82页-94页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117094631A (zh) | 2023-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117094631B (zh) | 一种基于物联网的货物运输管理方法及系统 | |
| Miller-Hooks et al. | Least expected time paths in stochastic, time-varying transportation networks | |
| CN103557870B (zh) | 一种动态轨迹导航方法及云平台 | |
| CN113219933B (zh) | 基于数字孪生预测的露天矿无人驾驶卡车调度系统及方法 | |
| JP5374067B2 (ja) | 交通状態シミュレーション装置及びプログラム | |
| CN109612488B (zh) | 基于大数据微服务的混合出行方式路径规划系统及方法 | |
| Dandl et al. | Microsimulation of an autonomous taxi-system in Munich | |
| CN107545320A (zh) | 一种基于图论的城市轨道交通乘客路径规划方法及系统 | |
| US20030135304A1 (en) | System and method for managing transportation assets | |
| CN102044149A (zh) | 一种基于时变客流的城市公交运营协调方法与装置 | |
| CN102324128A (zh) | 基于ic卡记录的公交站间od客流预测方法及装置 | |
| CN108106622A (zh) | 一种乘车路线规划方法及系统 | |
| CN110852499A (zh) | 回收故障车辆的方法和装置 | |
| CN113326641B (zh) | 路径规划方法、装置、计算机设备及存储介质 | |
| Dogaroglu et al. | Comparison of intelligent parking guidance system and conventional system with regard to capacity utilisation | |
| CN112991743A (zh) | 基于行驶路径的实时交通风险ai预测方法及其系统 | |
| Kammoun et al. | An adaptive vehicle guidance system instigated from ant colony behavior | |
| CN115527369A (zh) | 一种空港枢纽大面积延误条件下的大客流预警与疏散方法 | |
| CN118522154B (zh) | 一种基于北斗导航的车辆指挥管理系统及方法 | |
| JP2020027023A (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
| CN116402420A (zh) | 用于运输车辆的智能网络管理与调度方法及系统 | |
| US11060879B2 (en) | Method, system, and computer program product for generating synthetic demand data of vehicle rides | |
| Jin et al. | Optimal routing of vehicles with communication capabilities in disasters | |
| CN112101677B (zh) | 一种公共交通出行路径规划方法、装置、设备及存储介质 | |
| JP7425680B2 (ja) | ナビゲーション装置、及びナビゲーション方法 |
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 |