CN117408482A - 一种基于运输大数据的时效与成本双因子控制调度系统 - Google Patents
一种基于运输大数据的时效与成本双因子控制调度系统 Download PDFInfo
- Publication number
- CN117408482A CN117408482A CN202311441845.XA CN202311441845A CN117408482A CN 117408482 A CN117408482 A CN 117408482A CN 202311441845 A CN202311441845 A CN 202311441845A CN 117408482 A CN117408482 A CN 117408482A
- Authority
- CN
- China
- Prior art keywords
- data
- driving
- transportation
- driver
- road section
- 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
Links
- 230000032683 aging Effects 0.000 title claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 51
- 238000007405 data analysis Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000012937 correction Methods 0.000 claims description 22
- 230000006399 behavior Effects 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000036541 health Effects 0.000 claims description 5
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004399 eye closure Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/06—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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及运输调度技术领域,尤其为一种基于运输大数据的时效与成本双因子控制调度系统,包括采集端、大数据分析模型和云端数据库,大数据分析模型包括数据采集整理、报错纠正模块、行车数据特征分析模块、数据计算分析模块和路线生成模块,云端数据库包括运输线路建模、路段数据记录、车辆数据、驾驶员数据和行车记录档案。本发明,结合运输的历史数据,更精准地计算出运输线路上各路段的运输时效与成本,并结合驾驶员路段数据记录、车辆数据、驾驶员数据计算优选的运输线路及车辆、驾驶员的调度,提供费用最低、时效最快、综合最优等差异化运输方案,降低运输成本,减轻运输调度的难度。
Description
技术领域
本发明涉及运输调度技术领域,具体为一种基于运输大数据的时效与成本双因子控制调度系统。
背景技术
随着互联网的发展,物流行业也发展得非常迅速。在大规模物流运输市场环境下,如何低成本完成运输调度,成为至关重要的问题。
现有的运输调度方式存在如下问题:
单驾、双驾和三驾等运输模式的运输时效与成本差异较大,市面上主流的调度方法并未针对这三种模式进行针对性匹配调度,只是根据经验与资源来分配任务;
全程高速、半程高速、全程国道的运输时效与成本差异较大,市面上主流的线路规划均以匀速不休息运输来预计时长,与实际偏差较大,无法提供准确参考值以供决策;
市面上的货车路径规划在偏远地区采集情况较差,依赖第三方更新时效性太差,货运业务的自有运输数据都非常丰富,但未加以利用;
因此,针对上述问题提出一种基于运输大数据的时效与成本双因子控制调度系统。
发明内容
本发明的目的在于提供一种基于运输大数据的时效与成本双因子控制调度系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于运输大数据的时效与成本双因子控制调度系统,包括:
采集端:采集端包括用于采集驾驶员人脸信息及状态的摄像头、对运输车辆实时定位的GPS以及MCU,MCU分别与摄像头、GPS和车载电脑建立通讯连接;
大数据分析模型:大数据分析模型包括数据采集整理、报错纠正模块、行车数据特征分析模块、数据计算分析模块和路线生成模块,其中,数据采集整理接收来自采集端的原始数据,原始数据包括驾驶员人脸信息、驾驶员驾驶习惯记录、行车路线、行车时长、车辆状态;行车数据特征分析模块接收来自数据采集整理的各项数据后,逐一分析,生成针对驾驶员的驾驶行为数据、各路段行车情况数据和收费数据,并将数据同步到云端数据库;
云端数据库:云端数据库包括运输线路建模、路段数据记录、车辆数据、驾驶员数据和行车记录档案,其中,运输线路建模将全部运输路线根据大数据进行整合,生成运输线路模型;路段数据记录接收来自行车数据特征分析模块的各路段行车情况数据和收费数据,按照路段分类统计各路段的路段性质、通过平均时长和通过费用;驾驶员数据接收来自行车数据特征分析模块的驾驶员的驾驶行为数据;
数据计算分析模块根据各起讫地点结合云端数据库的路段数据记录进行分析,生成低收费、路线短、时长短的运输推荐线路,并同步到路线生成模块进行保存;调度中心向路线生成模块输入起讫地点及运输物信息后,路线生成模块调取对应起讫地点的运输推荐线路,同时,调取云端数据库中的车辆数据和驾驶员数据进行车辆匹配和驾驶员匹配,车辆匹配和驾驶员匹配完成后,将运输推荐线路、车辆匹配和驾驶员匹配同步到调度中心;
调度中心:调度中心分别与大数据分析模型和云端数据库建立连接,调度中心接收路线生成模块提供的运输推荐线路、车辆匹配和驾驶员匹配后,进行车辆、驾驶员的调度。
优选的,行车数据特征分析模块需要对驾驶员人脸信息、驾驶员驾驶习惯记录、行车路线、行车时长、车辆状态进行逐一处理分析,其中,驾驶员驾驶习惯记录包括驾驶员的驾驶行为和单次无疲劳驾驶时长,整理后保存至驾驶员数据,行车路线的整理包括将全程的行车路线拆解成多个路段、分析每个路段的性质及收费情况,行车时长的整理包括分析车辆通过每个路段的时长,行车路线和行车时长的整理保存至路段数据记录中,车辆状态分析包括分析车辆的加油情况、行车数据,车辆状态分析后的行车数据保存至车辆数据中。
优选的,路段数据记录接收行车数据特征分析模块的多个路段数据后,按照路段性质、通过时长和通过费用进行分类统计,同一路段的通过时长和通过费用生成均值,为数据计算分析模块提供数据支持。
优选的,采集端采集的原始数据经过数据采集整理后,由行车数据特征分析模块进行分析,当出现单个路段的路段性质、通过时长和通过费用与路段数据记录中记录的数值存在较大差异时,生成报错信息,行车数据特征分析模块将报错信息同步到报错纠正模块,报错纠正模块将对应路段的异常数据同步到调度中心,由调度中心人工纠错,后同步到报错纠正模块,报错纠正模块将人工纠错的信息同步到云端数据库,进行报错信息覆盖修正。
优选的,车辆数据包括车辆健康情况、行车数据、车辆调度情况,车辆调度情况由调度中心更新状态。
优选的,驾驶员数据包括驾驶员信息、驾驶员调度情况、驾驶员的驾驶行为和单次无疲劳驾驶时长,驾驶员调度情况由调度中心更新状态。
优选的,路段数据记录建立在运输线路建模上,报错纠正模块生成报错信息时,运输路线模型上对应路段生成报错标记,数据计算分析模块暂停报错标记路段的路线规划,直至报错信息覆盖修正后重新规划使用。
优选的,行车记录档案包括运输批次,所述运输批次包括运输通过路段、对应运输通过路段的运输时间、对应运输批次的运输货物、对应运输批次的运输驾驶员,其中,运输驾驶员记录方式根据驾驶模式设定,驾驶模式包括单驾、双驾和三驾,驾驶模式的判断由行车数据特征分析模块进行,车辆发车过程中,摄像头不间断对主驾驶位进行拍摄,当主驾驶位驾驶员变化时,识别驾驶员人脸,进行驾驶员识别,参考驾驶员数据判断驾驶员性质,路线生成模块在确定运输推荐线路后,根据运输推荐线路的时长、路况生成驾驶模式推荐,并且根据驾驶模式生成驾驶员匹配。
与现有技术相比,本发明的有益效果是:结合运输的历史数据,更精准地计算出运输线路上各路段的运输时效与成本,并结合驾驶员路段数据记录、车辆数据、驾驶员数据计算优选的运输线路及车辆、驾驶员的调度,提供费用最低、时效最快、综合最优等差异化运输方案,降低运输成本,减轻运输调度的难度。
附图说明
图1为本发明一种基于运输大数据的时效与成本双因子控制调度系统整体结构示意图;
图2为本发明中行车主机结构示意图;
图3为本发明中调度系统的使用流程示意图。
图中:1、行车主机;11、卡槽;12、绑带;2、触控显示屏;3、扩音器;4、摄像头。
具体实施方式
下为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了更好地理解上述技术方案,下面将结合说明书附图以及具体实施方式对上述技术方案进行详细的说明。
实施例:
请参阅图1-3,本实施例提供一种技术方案:
一种基于运输大数据的时效与成本双因子控制调度系统,包括:
采集端:采集端包括用于采集驾驶员人脸信息及状态的摄像头、对运输车辆实时定位的GPS以及MCU,MCU分别与摄像头、GPS和车载电脑建立通讯连接,其中,摄像头主要用于拍摄主驾驶位驾驶员的驾驶画面,由MCU进行视频中信息的提取及分析,为大数据分析模型提供驾驶员人脸识别信息、驾驶员驾驶情况(不安全行为,包括疲劳驾驶、安全带、看手机、抽烟等),GPS主要用于对车辆进行实时定位,并且根据定位信息为大数据分析模型提供运输路线、实时位置、与实时位置匹配的实时时间等,车载电脑为大数据分析模型提供车辆的行驶数据,包括油耗、公里数、车辆健康情况等;
大数据分析模型:大数据分析模型包括数据采集整理、报错纠正模块、行车数据特征分析模块、数据计算分析模块和路线生成模块,其中,数据采集整理接收来自采集端的原始数据,原始数据包括驾驶员人脸信息、驾驶员驾驶习惯记录、行车路线、行车时长、车辆状态;行车数据特征分析模块接收来自数据采集整理的各项数据后,逐一分析,生成针对驾驶员的驾驶行为数据、各路段行车情况数据和收费数据,并将数据同步到云端数据库,其中,数据计算分析模块根据各起讫地点结合云端数据库的路段数据记录进行分析,生成低收费、路线短、时长短的运输推荐线路,并同步到路线生成模块进行保存;调度中心向路线生成模块输入起讫地点及运输物信息后,路线生成模块调取对应起讫地点的运输推荐线路,同时,调取云端数据库中的车辆数据和驾驶员数据进行车辆匹配和驾驶员匹配,车辆匹配和驾驶员匹配完成后,将运输推荐线路、车辆匹配和驾驶员匹配同步到调度中心;行车数据特征分析模块需要对驾驶员人脸信息、驾驶员驾驶习惯记录、行车路线、行车时长、车辆状态进行逐一处理分析,其中,驾驶员驾驶习惯记录包括驾驶员的驾驶行为和单次无疲劳驾驶时长,整理后保存至驾驶员数据,行车路线的整理包括将全程的行车路线拆解成多个路段、分析每个路段的性质及收费情况,行车时长的整理包括分析车辆通过每个路段的时长,行车路线和行车时长的整理保存至路段数据记录中,车辆状态分析包括分析车辆的加油情况、行车数据,车辆状态分析后的行车数据保存至车辆数据中,其中,驾驶员人脸信息在分析过程中,与驾驶员数据对比,匹配驾驶员信息后采集端开始对驾驶员的驶习惯进行记录;驾驶员驾驶习惯记录包括驾驶员驾驶录像、驾驶员动作分析,驾驶员动作分析由MCU内设置的视频图像处理系统进行,视频图像处理系统分析驾驶员动作特征,判断驾驶员驾驶状态(是否疲劳驾驶,判定标准为是否低头、超过2S闭眼);
云端数据库:云端数据库包括运输线路建模、路段数据记录、车辆数据、驾驶员数据和行车记录档案,其中,运输线路建模将全部运输路线根据大数据进行整合,生成运输线路模型;路段数据记录接收来自行车数据特征分析模块的各路段行车情况数据和收费数据,按照路段分类统计各路段的路段性质、通过平均时长和通过费用;驾驶员数据接收来自行车数据特征分析模块的驾驶员的驾驶行为数据;
调度中心:调度中心分别与大数据分析模型和云端数据库建立连接,调度中心接收路线生成模块提供的运输推荐线路、车辆匹配和驾驶员匹配后,进行车辆、驾驶员的调度。
本实施例中,请参阅图1,为了采集各个路段的数据,路段数据记录接收行车数据特征分析模块的多个路段数据后,按照路段性质、通过时长和通过费用进行分类统计,同一路段的通过时长和通过费用生成均值,为数据计算分析模块提供数据支持。
本实施例中,请参阅图1,当运输路线中的某一路段出现故障(塌方、维护等无法通行或限速通行的状态),采集端采集的原始数据经过数据采集整理后,由行车数据特征分析模块进行分析,当出现单个路段的路段性质、通过时长和通过费用与路段数据记录中记录的数值存在较大差异时,生成报错信息,行车数据特征分析模块将报错信息同步到报错纠正模块,报错纠正模块将对应路段的异常数据同步到调度中心,由调度中心人工纠错,后同步到报错纠正模块,报错纠正模块将人工纠错的信息同步到云端数据库,进行报错信息覆盖修正。
本实施例中,为了实现对运输车辆的监管,车辆数据包括车辆健康情况、行车数据、车辆调度情况,其中车辆健康情况包括车辆损伤记录、车辆维修记录、车辆保养情况等,车辆调度情况由调度中心更新状态。
本实施例中,为了实现对驾驶员的管理和调度,驾驶员数据包括驾驶员信息、驾驶员调度情况、驾驶员的驾驶行为和单次无疲劳驾驶时长,驾驶员调度情况由调度中心更新状态。
本实施例中,路段数据记录建立在运输线路建模上,报错纠正模块生成报错信息时,运输路线模型上对应路段生成报错标记,数据计算分析模块暂停报错标记路段的路线规划,直至报错信息覆盖修正后重新规划使用。
本实施例中,行车记录档案包括运输批次,运输批次包括运输通过路段、对应运输通过路段的运输时间、对应运输批次的运输货物、对应运输批次的运输驾驶员,其中,运输驾驶员记录方式根据驾驶模式设定,所述驾驶模式包括单驾、双驾和三驾,驾驶模式的判断由行车数据特征分析模块进行,车辆发车过程中,摄像头不间断对主驾驶位进行拍摄,当主驾驶位驾驶员变化时,识别驾驶员人脸,进行驾驶员识别,参考驾驶员数据判断驾驶员性质,路线生成模块在确定运输推荐线路后,根据运输推荐线路的时长、路况生成驾驶模式推荐,并且根据驾驶模式生成驾驶员匹配。
本实施例中,采集端包括行车主机1,行车主机1背面设置有卡槽11,卡槽11上设置有绑带,用于固定在后视镜上,行车主机1前侧分别设置触控显示屏2、扩音器3和摄像头4,行车主机1内部设置MCU、GPS和无线通讯模块,触控显示屏2、扩音器3、摄像头4、GPS和无线通讯模块分别与MCU连接,其中:
摄像头4用于采集驾驶员的人脸信息,并且对驾驶员的架势动作进行拍摄,并传输到MCU,MCU内置人物动作识别系统,用于判断驾驶员行为动作及是否处于疲劳驾驶,当驾驶员处于疲劳驾驶时,通过扩音器3进行提醒;
进一步,摄像头4不间断对主驾驶位进行拍摄,当主驾驶位驾驶员变化时,识别驾驶员人脸,进行驾驶员识别,参考驾驶员数据判断驾驶员性质,路线生成模块在确定运输推荐线路后,根据运输推荐线路的时长、路况生成驾驶模式推荐,并且根据驾驶模式生成驾驶员匹配;
GPS对车辆位置进行实时定位,检测车辆的运输路线,并根据车辆位移速度进行运输时长、车速的记录;
行车主机1与运输车辆的车载电脑建立通讯连接,用于监控车辆的行车状态。
请参阅图3,基于运输大数据的时效与成本双因子控制调度系统的控制调度方法,包括一下步骤:
步骤一:信息输入,调度中心向路线生成模块输入起讫地点、运输时间和运输货物情况;
步骤二:大数据规划运输线路,数据计算分析模块根据各起讫地点结合云端数据库的路段数据记录进行分析,生成低收费、路线短、时长短的运输推荐线路,并同步到路线生成模块进行保存;
步骤三:大数据分析运输时效与成本,调度中心向路线生成模块输入起讫地点及运输物信息后,路线生成模块调取对应起讫地点的运输推荐线路;
步骤四:生成运输方案,路线生成模块根据运输时间和运输货物情况调取云端数据库中的车辆数据和驾驶员数据进行车辆匹配和驾驶员匹配,车辆匹配和驾驶员匹配完成后,将运输推荐线路、车辆匹配和驾驶员匹配同步到调度中心;
步骤五:调度中心完成对车辆和驾驶员的调度,并将运输推荐线路同步到对应车辆的行车主机,行车主机通过触控显示屏显示,并结合GPS进行实时导航。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于运输大数据的时效与成本双因子控制调度系统,其特征在于:包括:
采集端:所述采集端包括用于采集驾驶员人脸信息及状态的摄像头、对运输车辆实时定位的GPS以及MCU,MCU分别与摄像头、GPS和车载电脑建立通讯连接;
大数据分析模型:所述大数据分析模型包括数据采集整理、报错纠正模块、行车数据特征分析模块、数据计算分析模块和路线生成模块,其中,数据采集整理接收来自采集端的原始数据,原始数据包括驾驶员人脸信息、驾驶员驾驶习惯记录、行车路线、行车时长、车辆状态;行车数据特征分析模块接收来自数据采集整理的各项数据后,逐一分析,生成针对驾驶员的驾驶行为数据、各路段行车情况数据和收费数据,并将数据同步到云端数据库;
云端数据库:所述云端数据库包括运输线路建模、路段数据记录、车辆数据、驾驶员数据和行车记录档案,其中,运输线路建模将全部运输路线根据大数据进行整合,生成运输线路模型;路段数据记录接收来自行车数据特征分析模块的各路段行车情况数据和收费数据,按照路段分类统计各路段的路段性质、通过平均时长和通过费用;驾驶员数据接收来自行车数据特征分析模块的驾驶员的驾驶行为数据;
所述数据计算分析模块根据各起讫地点结合云端数据库的路段数据记录进行分析,生成低收费、路线短、时长短的运输推荐线路,并同步到路线生成模块进行保存;调度中心向路线生成模块输入起讫地点及运输物信息后,路线生成模块调取对应起讫地点的运输推荐线路,同时,调取云端数据库中的车辆数据和驾驶员数据进行车辆匹配和驾驶员匹配,车辆匹配和驾驶员匹配完成后,将运输推荐线路、车辆匹配和驾驶员匹配同步到调度中心;
调度中心:所述调度中心分别与大数据分析模型和云端数据库建立连接,所述调度中心接收路线生成模块提供的运输推荐线路、车辆匹配和驾驶员匹配后,进行车辆、驾驶员的调度。
2.根据权利要求1所述的基于运输大数据的时效与成本双因子控制调度系统,其特征在于:所述行车数据特征分析模块需要对驾驶员人脸信息、驾驶员驾驶习惯记录、行车路线、行车时长、车辆状态进行逐一处理分析,其中,驾驶员驾驶习惯记录包括驾驶员的驾驶行为和单次无疲劳驾驶时长,整理后保存至驾驶员数据,行车路线的整理包括将全程的行车路线拆解成多个路段、分析每个路段的性质及收费情况,行车时长的整理包括分析车辆通过每个路段的时长,行车路线和行车时长的整理保存至路段数据记录中,车辆状态分析包括分析车辆的加油情况、行车数据,车辆状态分析后的行车数据保存至车辆数据中。
3.根据权利要求1所述的基于运输大数据的时效与成本双因子控制调度系统,其特征在于:所述路段数据记录接收行车数据特征分析模块的多个路段数据后,按照路段性质、通过时长和通过费用进行分类统计,同一路段的通过时长和通过费用生成均值,为数据计算分析模块提供数据支持。
4.根据权利要求1所述的基于运输大数据的时效与成本双因子控制调度系统,其特征在于:所述采集端采集的原始数据经过数据采集整理后,由行车数据特征分析模块进行分析,当出现单个路段的路段性质、通过时长和通过费用与路段数据记录中记录的数值存在较大差异时,生成报错信息,行车数据特征分析模块将报错信息同步到报错纠正模块,报错纠正模块将对应路段的异常数据同步到调度中心,由调度中心人工纠错,后同步到报错纠正模块,报错纠正模块将人工纠错的信息同步到云端数据库,进行报错信息覆盖修正。
5.根据权利要求1所述的基于运输大数据的时效与成本双因子控制调度系统,其特征在于:所述车辆数据包括车辆健康情况、行车数据、车辆调度情况,车辆调度情况由调度中心更新状态。
6.根据权利要求1所述的基于运输大数据的时效与成本双因子控制调度系统,其特征在于:所述驾驶员数据包括驾驶员信息、驾驶员调度情况、驾驶员的驾驶行为和单次无疲劳驾驶时长,驾驶员调度情况由调度中心更新状态。
7.根据权利要求1所述的基于运输大数据的时效与成本双因子控制调度系统,其特征在于:所述路段数据记录建立在运输线路建模上,报错纠正模块生成报错信息时,运输路线模型上对应路段生成报错标记,数据计算分析模块暂停报错标记路段的路线规划,直至报错信息覆盖修正后重新规划使用。
8.根据权利要求1所述的基于运输大数据的时效与成本双因子控制调度系统,其特征在于:所述行车记录档案包括运输批次,所述运输批次包括运输通过路段、对应运输通过路段的运输时间、对应运输批次的运输货物、对应运输批次的运输驾驶员,其中,运输驾驶员记录方式根据驾驶模式设定,所述驾驶模式包括单驾、双驾和三驾,驾驶模式的判断由行车数据特征分析模块进行,车辆发车过程中,摄像头不间断对主驾驶位进行拍摄,当主驾驶位驾驶员变化时,识别驾驶员人脸,进行驾驶员识别,参考驾驶员数据判断驾驶员性质,路线生成模块在确定运输推荐线路后,根据运输推荐线路的时长、路况生成驾驶模式推荐,并且根据驾驶模式生成驾驶员匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311441845.XA CN117408482A (zh) | 2023-11-01 | 2023-11-01 | 一种基于运输大数据的时效与成本双因子控制调度系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311441845.XA CN117408482A (zh) | 2023-11-01 | 2023-11-01 | 一种基于运输大数据的时效与成本双因子控制调度系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117408482A true CN117408482A (zh) | 2024-01-16 |
Family
ID=89494126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311441845.XA Pending CN117408482A (zh) | 2023-11-01 | 2023-11-01 | 一种基于运输大数据的时效与成本双因子控制调度系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117408482A (zh) |
-
2023
- 2023-11-01 CN CN202311441845.XA patent/CN117408482A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102622798B (zh) | 一种客流统计分析系统 | |
US11640560B2 (en) | Automated training data quality process | |
CN110458214B (zh) | 驾驶员更换识别方法和装置 | |
CN105913367A (zh) | 基于人脸识别和位置定位的公交客流量检测系统与方法 | |
CN105187790B (zh) | 一种车载终端的工作状态的监控方法、装置和系统 | |
CN110722571B (zh) | 一种基于图像识别的汽车零件装配系统及其方法 | |
JP2018073363A (ja) | 車両稼働データ収集装置、車両稼働データ収集システムおよび車両稼働データ収集方法 | |
CN117275235A (zh) | 一种车辆监控方法及系统 | |
US20220126840A1 (en) | Augmenting transport services using real-time event detection | |
CN111404874A (zh) | 出租车嫌疑车辆甄别分析体系架构 | |
CN205621299U (zh) | 基于视频识别的辅助报站系统及车载终端 | |
CN116935659B (zh) | 一种高速服务区卡口车辆稽核系统及其方法 | |
CN107038857A (zh) | 一种公交数据获取方法及公交数据平台 | |
CN112447042B (zh) | 交通事件侦测系统及方法 | |
CN117408482A (zh) | 一种基于运输大数据的时效与成本双因子控制调度系统 | |
CN117409584A (zh) | 基于碳中和的新型智慧城市交通管理方法和系统 | |
CN115601972B (zh) | 无人矿山行驶区域的障碍物处理系统 | |
CN115116224B (zh) | 一种边缘端数据采集传输系统及方法 | |
US20220284746A1 (en) | Collecting sensor data of vehicles | |
CN113010544B (zh) | 基于ar增强现实的收费稽核方法及系统 | |
CN116071935A (zh) | 一种基于机器学习的交通信号自控制方法 | |
CN115392559A (zh) | 一种基于5g的无人驾驶搬运设备的智能遥控方法 | |
CN115019532A (zh) | 一种基于客运数据的公路安全隐患自动识别与预警系统 | |
CN112766746A (zh) | 交通事故识别方法、装置、电子设备和存储介质 | |
CN116976605B (zh) | 一种基于大数据的数据运营系统 |
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 |