CN117408598A - 基于动态路网的高速公路大件运输路径快速决策方法 - Google Patents
基于动态路网的高速公路大件运输路径快速决策方法 Download PDFInfo
- Publication number
- CN117408598A CN117408598A CN202311382572.6A CN202311382572A CN117408598A CN 117408598 A CN117408598 A CN 117408598A CN 202311382572 A CN202311382572 A CN 202311382572A CN 117408598 A CN117408598 A CN 117408598A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- expressway
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 230000002596 correlated effect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000004519 manufacturing process 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock 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
- G06Q10/04—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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于动态路网的高速公路大件运输路径快速决策方法，包括：获取用户所提交的大件运输的第一申请信息；基于大件审批许可服务网站上历史数据分析确定各路段的剩余荷载能力；根据剩余荷载能力以及车辆状态信息判断目标车辆是否符合通过标准；当目标车辆不符合通过标准时，则进行路径寻优计算并确定出多条备用路径；循环利用备用路径作为预定运输路径进行多次判断，直至认定第一申请信息通过后输出推荐路线。本发明关联利用了动态的历史审批数据，预测到了动态的高速路网上大件运输之间相互影响、复杂多变的交通环境，有效提高了审批效率的同时优化了大件运输通行许可的服务水平。
Description
技术领域
本发明属于智能交通路径规划技术领域，具体涉及一种基于动态路网的高速公路大件运输路径快速决策方法。
背景技术
智能交通系统（Intelligent Traffic System，简称ITS）又称智能运输系统（Intelligent Transportation System），是将先进的科学技术（信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等）有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。
智能交通系统（ITS）作为一种大范围、全方位覆盖的运输和管理系统，依托于近年来物联网的迅猛发展，将先进的控制、传感、通讯、信息技术与计算机技术高效结合，综合应用于整个交通管理体系。由于其极大地缓解了交通拥堵，有效减少了交通事故的发生，提高了交通系统的安全性，减少了环境污染，因此成为物联网领域中最具代表性的应用。ITS囊括众多分支系统，主要包括出行者信息系统、交通管理系统、公共运输系统、车辆控制和安全系统、停车收费系统、应急管理系统，以及商用车辆运营系统等。各系统之间各司其职、相辅相成，有效改善交通状况。
在智能交通系统的管理之下智能交通路径的规划方法成了智能交通系统中不可缺少的一环，现有的智能交通路径的规划方法总体采用地图辅助软件或者利用最短路径算法规划路径，在此基础上进行空间可通行和安全性验算，提供最优路线。现有的大件运输路径规划技术也是采用相同的一种规划方法，而该规划方法每单申请均要执行一次规划过程，未充分利用历史审批数据，并且难以综合考虑高速公路上复杂多变的交通环境。
发明内容
有鉴于此，本发明的目的在于提供基于动态路网的高速公路大件运输路径快速决策方法，在大件运输路径规划中关联并利用了动态的历史审批数据，实现信息相互映射的同时考虑并预测到了动态的高速路网上大件运输之间相互影响、复杂多变的交通环境，可大幅提高规划的效率以及合理性，规划决策结果在保障大件运输通行安全的前提下提高审批效率，优化大件运输通行许可的服务水平。
为达到上述目的，本发明提供如下技术方案：
本发明所提供的一种基于动态路网的高速公路大件运输路径快速决策方法，包括：
步骤S1、获取用户所提交的大件运输的第一申请信息；
步骤S2、获取大件审批许可服务网站上的历史数据，基于历史数据中审批通过的第二申请信息以及高速路网上各路段的荷载能力信息分析确定各路段的剩余荷载能力；
步骤S3、根据第一申请信息确定所对应目标运输车辆的预定运输路径以及车辆状态信息，并根据预定运输路径确定对应的所有路段各自的剩余荷载能力，根据剩余荷载能力以及车辆状态信息判断目标车辆是否符合通过标准，若符合则认定第一申请信息通过；
步骤S4、当目标车辆不符合通过标准时，则对该路段进行屏蔽后进行路径寻优计算并确定出多条备用路径；
步骤S5、按备用路径的路径总长对其进行路线优劣程度的排序，顺序选择最优的备用路径作为第一申请信息中的预定运输路径并执行步骤S3，直至认定第一申请信息通过后输出对应的预定运输路径作为推荐路线。
进一步的，步骤S2包括：
步骤S21、获取大件审批许可服务网站上的历史数据，并筛选出其中审批通过的第二申请信息以及高速路网上各个路段的荷载能力信息；
步骤S22、根据第二申请信息中的预定运输路径基于对应车辆目前的定位信息以及平均行驶速度计算未来预设的第一时间段内对应车辆的位置预测结果，根据所有车辆的位置预测结果确定高速路网上车辆的分布状态；
步骤S23、根据分布状态以及第二申请信息中对应车辆的车辆状态信息计算高速路网的综合荷载状况，并基于高速路网上各个路段的荷载能力信息计算得到各路段的剩余荷载能力。
进一步的，步骤S23包括:
根据分布状态确定同一时刻高速路网上的所有车辆并将其进行标记；
确定所标记的任意一个车辆i所对应的位置预测结果，设该车辆在预定行驶路线上服从以位置预测结果为/>、预设尺度参数为/>的概率分布，建立高速路网上任意位置点/>上荷载状况的预测模型：
式中，为位置点/>上的荷载状况，/>为该路段上车辆的总数，/>为车辆i的载货重量，/>为预设的荷载计算常数；
利用预测模型计算出所有位置点各自所对应的荷载状况，并统计该时刻高速路网上的综合荷载状况；
根据综合荷载状况以及各路段的荷载能力信息计算得到各路段的剩余荷载能力。
进一步的，步骤S3包括：
步骤S31、根据第一申请信息确定目标运输车辆的预定运输路径以及车辆状态信息；
步骤S32、查找目标运输车辆的历史数据并根据历史数据计算确定目标运输车辆的历史平均行驶速度信息，并基于历史平均行驶速度信息以及预定运输路径预测目标运输车辆在高速上基于时间点变化的位置信息；
步骤S33、根据基于时间点变化的位置信息确定任意时刻目标运输车辆在高速路网上所对应位置路段的剩余荷载能力；
步骤S34、根据剩余荷载能力以及车辆状态信息判断目标车辆是否符合通过标准；
步骤S35、当目标车辆符合通过标准时认定第一申请信息通过。
进一步的，根据剩余荷载能力以及车辆状态信息判断目标车辆是否符合通过标准包括：
根据剩余荷载能力确定对应路段上所允许通过的最大车型轴数、最大车型轴距、最大轴重限制、最大车货宽度以及最大车货高度；
根据车辆状态信息确定目标车辆所对应的车型轴数、车型轴距、车辆轴重、车货宽度以及车货高度；
对比确定目标车辆所对应的车型轴数、车型轴距、车辆轴重、车货宽度以及车货高度是否超出对应路段上所允许通过的最大车型轴数、最大车型轴距、最大轴重限制、最大车货宽度以及最大车货高度；
若均未超出，则符合通过标准，若存在至少一项超出，则不符合通过标准。
进一步的，还包括在第一申请信息通过后将第一申请信息作为第二申请信息保存在大件审批许可服务网站作为历史数据。
本发明至少取得了以下有益效果：
1. 在大件运输路径规划中关联并利用了动态的历史审批数据，实现信息相互映射的同时预测到了动态的高速路网上大件运输之间相互影响、复杂多变的交通环境，可大幅提高规划的效率以及合理性，规划决策结果在保障大件运输通行安全的前提下提高审批效率，优化大件运输通行许可的服务水平。
2. 根据不同时间点高速路网上的车辆分布状态以及车辆状态信息来计算该时间点下高速路网上各个路段的剩余荷载能力，从而最终实现了高速路网上动态变化的剩余荷载能力的预测。
3. 设定科学有效的计算模型对每个时刻所对应的高速路网上每个路段的剩余荷载能力进行预测计算得到计算结果，而将多个时刻对应的计算结果按时间顺序排列则得到高速路网上剩余荷载能力的动态变换结果。
本发明的其他优点、目标和特征将在随后的说明书中进行阐述，并且在某种程度上对本领域技术人员而言是显而易见的，或者本领域技术人员可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：
图1为本发明实施例中基于动态路网的高速公路大件运输路径快速决策方法的流程框图；
图2为本发明实施例中基于动态路网的高速公路大件运输路径快速决策方法的流程判断图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明所提供的基于动态路网的高速公路大件运输路径快速决策方法，参照图1和图2，包括：
步骤S1、获取用户所提交的大件运输的第一申请信息；
步骤S2、获取大件审批许可服务网站上的历史数据，基于历史数据中审批通过的第二申请信息以及高速路网上各路段的荷载能力信息分析确定各路段的剩余荷载能力；
步骤S3、根据第一申请信息确定所对应目标运输车辆的预定运输路径以及车辆状态信息，并根据预定运输路径确定对应的所有路段各自的剩余荷载能力，根据剩余荷载能力以及车辆状态信息判断目标车辆是否符合通过标准，若符合则认定第一申请信息通过；
步骤S4、当目标车辆不符合通过标准时，则对该路段进行屏蔽后进行路径寻优计算并确定出多条备用路径；
步骤S5、按备用路径的路径总长对其进行路线优劣程度的排序，顺序选择最优的备用路径作为第一申请信息中的预定运输路径并执行步骤S3，直至认定第一申请信息通过后输出对应的预定运输路径作为推荐路线。
上述技术方案的工作原理和有益效果为：通过获取用户所提交的大件运输的第一申请信息，根据第一申请信息确定目标车辆的车辆型号、目标车辆上下高速的时间点、车辆载重、车辆轴数及轴距、车辆预计的行驶路线等相关的信息，通过获取大件审批许可服务网站上的历史数据，基于历史数据中审批通过的第二申请信息以及高速路网上各路段的荷载能力信息分析确定各路段的剩余荷载能力，例如根据大件审批许可服务网站上的历史数据确定某一个路段的承重能力，又根据第二申请信息确定该路段上车辆的数量以及各车辆的车辆轴重并进行综合计算，得到该路段上已承载的车辆重量，从而基于该路段的承重能力计算该路段的剩余承重能力；根据第一申请信息确定所对应目标运输车辆的预定运输路径以及车辆状态信息，其中车辆状态信息包括但不限于目标车辆所对应的车型轴数、车型轴距、车辆轴重、车货宽度以及车货高度；并根据预定运输路径确定对应的所有路段各自的剩余荷载能力，从而基于第二申请信息确定高速路网上的交通运输情况，并引入预定运输路径来判定路径上剩余可通行的荷载，其中荷载包括但不限于目标车辆所对应的车型轴数、车型轴距、车辆轴重、车货宽度以及车货高度等，然后根据剩余荷载能力以及车辆状态信息判断目标车辆是否符合通过标准，若符合则认定第一申请信息通过，用户按照第一申请信息中对应的运输要求进行大件运输即可。若目标车辆不符合通过标准时，则对该路段进行屏蔽后采用A*最短路径算法遍历拓扑路网地图中的节点，按照路径总长进行路径寻优计算并确定出多条备用路径。最后按备用路径的路径总长对其进行路线优劣程度的排序，顺序选择最优的备用路径作为第一申请信息中的预定运输路径并执行步骤S3，其中，当执行步骤3以后对于目标车辆不符合标准的，在备选路径中直接找次优的路径来判断车辆是否符合通行要求。直至认定第一申请信息通过后输出对应的预定运输路径作为推荐路线。若出现所有备选路线均无法通过的情况，则最终给出不通过的结果，同时存储到历史记录里面供查阅。本发明实施例在大件运输路径规划中关联并利用了动态的历史审批数据，实现信息相互映射的同时预测到了动态的高速路网上大件运输之间相互影响、复杂多变的交通环境，可大幅提高规划的效率以及合理性，规划决策结果在保障大件运输通行安全的前提下提高审批效率，优化大件运输通行许可的服务水平。
在一个优选实施例中，步骤S2包括：
步骤S21、获取大件审批许可服务网站上的历史数据，并筛选出其中审批通过的第二申请信息以及高速路网上各个路段的荷载能力信息；
步骤S22、根据第二申请信息中的预定运输路径基于对应车辆目前的定位信息以及平均行驶速度计算未来预设的第一时间段内对应车辆的位置预测结果，根据所有车辆的位置预测结果确定高速路网上车辆的分布状态；
步骤S23、根据分布状态以及第二申请信息中对应车辆的车辆状态信息计算高速路网的综合荷载状况，并基于高速路网上各个路段的荷载能力信息计算得到各路段的剩余荷载能力。
上述技术方案的工作原理和有益效果为：获取大件审批许可服务网站上的历史数据，并筛选出其中审批通过的第二申请信息以及高速路网上各个路段的荷载能力信息；根据第二申请信息中的预定运输路径基于对应车辆目前的定位信息以及平均行驶速度计算未来预设的第一时间段内对应车辆的位置预测结果，根据所有车辆的位置预测结果（这里包括大件运输车辆以及其他所有类型车辆的位置预测结果）确定高速路网上车辆的分布状态，从而实现利用当前定位以及平均速度对高速路网上所有车辆的位置分布状态的预测；根据分布状态以及第二申请信息中对应车辆的车辆状态信息计算高速路网的综合荷载状况，例如确定高速路网上车辆聚集路段及桥梁上所承受的总重量以及超过预定轴距的车轴数量等等，对于狭窄路段预设置相对于路段最小宽度的不同轴距下的车轴的最大数量易导致在该狭窄路段产生交通堵塞，基于高速路网上各个路段的荷载能力信息计算得到各路段的剩余荷载能力，从而根据不同时间点高速路网上的车辆分布状态以及车辆状态信息来计算该时间点下高速路网上各个路段的剩余荷载能力，其中所预测计算的剩余荷载能力根据时间的变化不断发生变换，从而最终实现了高速路网上动态变化的剩余荷载能力的预测。
在一个优选实施例中，步骤S23包括:
根据分布状态确定同一时刻高速路网上的所有车辆并将其进行标记；
确定所标记的任意一个车辆i所对应的位置预测结果，设该车辆在预定行驶路线上服从以位置预测结果为/>、预设尺度参数为/>的概率分布，建立高速路网上任意位置点/>上荷载状况的预测模型：
式中，为位置点/>上的荷载状况，/>为该路段上车辆的总数，/>为车辆i的载货重量，/>为预设的荷载计算常数；
利用预测模型计算出所有位置点各自所对应的荷载状况，并统计该时刻高速路网上的综合荷载状况；
根据综合荷载状况以及各路段的荷载能力信息计算得到各路段的剩余荷载能力。
上述技术方案的工作原理和有益效果为：通过所确定的分布状态确定任意时刻高速路网上的所有车辆并将其进行标记，其中所标记的车辆类型包括已申请大件运输的车辆以及其他类型的车辆，从而实现对高速路网上通行环境的准确复现，根据任意车辆的行驶路径信息以及平均速度预测该车辆在自己的预定行驶路径上的定位情况随时间点变换的状况，在此基础之上引入正态分布模型对该定位情况进行模糊预测，例如对于车辆i，预测计算的车辆i在t时刻所对应的位置点，考虑到车辆i因复杂的原因出现速度波动，通过正态分布模型假设其在预定行驶路径上简单符合数学期望为位置点/>、方差为/>的正态分布，其中标准差/>可自行进行调整，可包括设定的标准差常数乘以标准差调整系数，该标准差常数用于普适于该预测模型的所有车辆总的平均预测数据拟合结果计算得到，大部分车辆在正常情况下采用该标准差常数直接作为模型的标准差即可进行位置预测正态分布模型的构建，标准差调整系数则根据所预测目标车辆的历史平均预测数据拟合结果所计算得到的标准差与标准差常数的比值确定，作为适用于该目标车辆计算的标准差调整系数，从而适用于少部分不进行规律行驶的车辆的位置预测正态分布模型的构建，根据所得到的用于预测目标车辆的位置预测正态分布模型的概率密度函数确定该目标车辆在各个位置点出现的概率，最后将高速路网上所有车辆出现在所有位置点的概率进行统计便得到高速路网上所有位置出现车辆的密度情况，哪个位置点的概率总和最大，则代表该位置出现车辆堆积的可能性就会越高，实现对道路状况的宏观统计。值得一提的是，高速路网以网状形式存在，在正常情况下被预测的每个车辆在整个高速路网上只在自身预定的行驶路段上运动，并不会出现在高速路网上其他路段上，所以被预测的目标车辆在自身预定的行驶路段上出现的概率默认为1，即目标车辆在自身预定的行驶路段上各个点位出现概率的积分结果为1，而在其他路段上出现的概率统一默认为0，将整个高速路网上所有点位出现每个车辆的概率进行统计，统计结果可能为某路段上概率总和为0，代表正常情况下该路段在该时刻不会出现车辆，也可能该路段上概率总和为100，代表正常情况下该路段出现车辆的总数量在100左右。该预测结果较之利用平均速度所得到的预测结果更为客观及准确，也更符合数学统计学中存在的客观规律。在此基础之上引入各位置点上各种荷载参数（例如车货一体重量）作为计算该位置点荷载状况的计算因子，对于不同重量的车辆分别授予不同的计算权重，从而计算出该位置点的整体荷载状况。进一步的，对于某个路段，例如对于某段桥梁，利用位置点荷载状况进行积分运算即能够得到路段的整体荷载状况，从而实现利用预测模型计算出所有位置点各自所对应的荷载状况，并统计该时刻高速路网上的综合荷载状况。根据综合荷载状况以及各路段的荷载能力信息通过相减计算得到各路段的剩余荷载能力，其中，路段的剩余荷载能力=路段的荷载能力-该路段的现有荷载。通过以上的计算方案对每个时刻所对应的高速路网上每个路段的剩余荷载能力进行预测计算得到计算结果，而将多个时刻对应的计算结果按时间顺序排列则得到高速路网上剩余荷载能力的动态变换结果，可将其进行图像演示来直观展现高速路网上各路段荷载能力的动态变化情况。
在一个优选实施例中，步骤S3包括：
步骤S31、根据第一申请信息确定目标运输车辆的预定运输路径以及车辆状态信息；
步骤S32、查找目标运输车辆的历史数据并根据历史数据计算确定目标运输车辆的历史平均行驶速度信息，并基于历史平均行驶速度信息以及预定运输路径预测目标运输车辆在高速上基于时间点变化的位置信息；
步骤S33、根据基于时间点变化的位置信息确定任意时刻目标运输车辆在高速路网上所对应位置路段的剩余荷载能力；
步骤S34、根据剩余荷载能力以及车辆状态信息判断目标车辆是否符合通过标准；
步骤S35、当目标车辆符合通过标准时认定第一申请信息通过。
上述技术方案的工作原理和有益效果为：在对第一申请信息的审批过程中，根据第一申请信息确定目标运输车辆的预定运输路径以及车辆状态信息；通过查找目标运输车辆的历史数据并根据历史数据计算确定目标运输车辆的历史平均行驶速度信息，并基于历史平均行驶速度信息以及预定运输路径预测目标运输车辆在高速上基于时间点变化的位置信息；根据基于时间点变化的位置信息确定任意时刻目标运输车辆在高速路网上所对应位置路段的剩余荷载能力，根据剩余荷载能力以及车辆状态信息判断目标车辆是否符合通过标准，并在当目标车辆符合通过标准时认定第一申请信息通过。通过以上判断流程实现对第一申请信息的检验。
在一个优选实施例中，根据剩余荷载能力以及车辆状态信息判断目标车辆是否符合通过标准包括：
根据剩余荷载能力确定对应路段上所允许通过的最大车型轴数、最大车型轴距、最大轴重限制、最大车货宽度以及最大车货高度；
根据车辆状态信息确定目标车辆所对应的车型轴数、车型轴距、车辆轴重、车货宽度以及车货高度；
对比确定目标车辆所对应的车型轴数、车型轴距、车辆轴重、车货宽度以及车货高度是否超出对应路段上所允许通过的最大车型轴数、最大车型轴距、最大轴重限制、最大车货宽度以及最大车货高度；
若均未超出，则符合通过标准，若存在至少一项超出，则不符合通过标准。
上述技术方案的工作原理和有益效果为：根据剩余荷载能力确定对应路段上所允许通过的最大车型轴数、最大车型轴距、最大轴重限制、最大车货宽度以及最大车货高度以及其他限制条件；根据车辆状态信息确定目标车辆所对应的车型轴数、车型轴距、车辆轴重、车货宽度以及车货高度以及其他用于审查的信息；对比确定目标车辆所对应的车型轴数、车型轴距、车辆轴重、车货宽度以及车货高度是否超出对应路段上所允许通过的最大车型轴数、最大车型轴距、最大轴重限制、最大车货宽度以及最大车货高度；若均未超出，则确定符合通过标准，若存在至少一项超出，则确定不符合通过标准。实现对第一申请信息的全方位检验。
在一个优选实施例中，还包括在第一申请信息通过后将第一申请信息作为第二申请信息保存在大件审批许可服务网站作为历史数据。
上述技术方案的工作原理和有益效果为：将本次推荐的线路信息以及车辆状态信息存储至大件审批许可服务网站的数据库，方便修正各路线通行的参数阈值（即剩余荷载能力），方便对通行路线进行新任务的校验，并动态更新拓扑路线图供最短路线算法调用，其中包括但不限于剩余荷载能力、可允许通过的限制标准以及交通顺畅情况所对应的权重等相关用于考虑选择的通行依据。实现对高速路网上路段状况以及权重的动态更新。
最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。
Claims (6)
1.一种基于动态路网的高速公路大件运输路径快速决策方法，其特征在于，包括：
步骤S1、获取用户所提交的大件运输的第一申请信息；
步骤S2、获取大件审批许可服务网站上的历史数据，基于历史数据中审批通过的第二申请信息以及高速路网上各路段的荷载能力信息分析确定各路段的剩余荷载能力；
步骤S3、根据第一申请信息确定所对应目标运输车辆的预定运输路径以及车辆状态信息，并根据预定运输路径确定对应的所有路段各自的剩余荷载能力，根据剩余荷载能力以及车辆状态信息判断目标车辆是否符合通过标准，若符合则认定第一申请信息通过；
步骤S4、当目标车辆不符合通过标准时，则对该路段进行屏蔽后进行路径寻优计算并确定出多条备用路径；
步骤S5、按备用路径的路径总长对其进行路线优劣程度的排序，顺序选择最优的备用路径作为第一申请信息中的预定运输路径并执行步骤S3，直至认定第一申请信息通过后输出对应的预定运输路径作为推荐路线。
2.根据权利要求1所述的基于动态路网的高速公路大件运输路径快速决策方法，其特征在于，所述步骤S2包括：
步骤S21、获取大件审批许可服务网站上的历史数据，并筛选出其中审批通过的第二申请信息以及高速路网上各个路段的荷载能力信息；
步骤S22、根据第二申请信息中的预定运输路径基于对应车辆目前的定位信息以及平均行驶速度计算未来预设的第一时间段内对应车辆的位置预测结果，根据所有车辆的位置预测结果确定高速路网上车辆的分布状态；
步骤S23、根据分布状态以及第二申请信息中对应车辆的车辆状态信息计算高速路网的综合荷载状况，并基于高速路网上各个路段的荷载能力信息计算得到各路段的剩余荷载能力。
3.根据权利要求2所述的基于动态路网的高速公路大件运输路径快速决策方法，其特征在于，所述步骤S23包括:
根据分布状态确定同一时刻高速路网上的所有车辆并将其进行标记；
确定所标记的任意一个车辆i所对应的位置预测结果，设该车辆在预定行驶路线上服从以位置预测结果为/>、预设尺度参数为/>的概率分布，建立高速路网上任意位置点/>上荷载状况的预测模型：
式中，为位置点/>上的荷载状况，/>为该路段上车辆的总数，/>为车辆i的载货重量，/>为预设的荷载计算常数；
利用预测模型计算出所有位置点各自所对应的荷载状况，并统计该时刻高速路网上的综合荷载状况；
根据综合荷载状况以及各路段的荷载能力信息计算得到各路段的剩余荷载能力。
4.根据权利要求1所述的基于动态路网的高速公路大件运输路径快速决策方法，其特征在于，所述步骤S3包括：
步骤S31、根据第一申请信息确定目标运输车辆的预定运输路径以及车辆状态信息；
步骤S32、查找目标运输车辆的历史数据并根据历史数据计算确定目标运输车辆的历史平均行驶速度信息，并基于历史平均行驶速度信息以及预定运输路径预测目标运输车辆在高速上基于时间点变化的位置信息；
步骤S33、根据基于时间点变化的位置信息确定任意时刻目标运输车辆在高速路网上所对应位置路段的剩余荷载能力；
步骤S34、根据剩余荷载能力以及车辆状态信息判断目标车辆是否符合通过标准；
步骤S35、当目标车辆符合通过标准时认定第一申请信息通过。
5.根据权利要求4所述的基于动态路网的高速公路大件运输路径快速决策方法，其特征在于，所述根据剩余荷载能力以及车辆状态信息判断目标车辆是否符合通过标准包括：
根据剩余荷载能力确定对应路段上所允许通过的最大车型轴数、最大车型轴距、最大轴重限制、最大车货宽度以及最大车货高度；
根据车辆状态信息确定目标车辆所对应的车型轴数、车型轴距、车辆轴重、车货宽度以及车货高度；
对比确定目标车辆所对应的车型轴数、车型轴距、车辆轴重、车货宽度以及车货高度是否超出对应路段上所允许通过的最大车型轴数、最大车型轴距、最大轴重限制、最大车货宽度以及最大车货高度；
若均未超出，则符合通过标准，若存在至少一项超出，则不符合通过标准。
6.根据权利要求1所述的基于动态路网的高速公路大件运输路径快速决策方法，其特征在于，还包括在第一申请信息通过后将第一申请信息作为第二申请信息保存在大件审批许可服务网站作为历史数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311382572.6A CN117408598A (zh) | 2023-10-24 | 2023-10-24 | 基于动态路网的高速公路大件运输路径快速决策方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311382572.6A CN117408598A (zh) | 2023-10-24 | 2023-10-24 | 基于动态路网的高速公路大件运输路径快速决策方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117408598A true CN117408598A (zh) | 2024-01-16 |
Family
ID=89486583
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311382572.6A Pending CN117408598A (zh) | 2023-10-24 | 2023-10-24 | 基于动态路网的高速公路大件运输路径快速决策方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117408598A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117689304A (zh) * | 2024-02-04 | 2024-03-12 | 交通运输部规划研究院 | 公路大件运输通行路线确定方法及装置 |
-
2023
- 2023-10-24 CN CN202311382572.6A patent/CN117408598A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117689304A (zh) * | 2024-02-04 | 2024-03-12 | 交通运输部规划研究院 | 公路大件运输通行路线确定方法及装置 |
| CN117689304B (zh) * | 2024-02-04 | 2024-05-31 | 交通运输部规划研究院 | 公路大件运输通行路线确定方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114330868A (zh) | 基于自注意力的个性化增强图卷积网络的客流预测方法 | |
| CN117408598A (zh) | 基于动态路网的高速公路大件运输路径快速决策方法 | |
| Chen et al. | Dyetc: Dynamic electronic toll collection for traffic congestion alleviation | |
| Sadek et al. | A prototype case-based reasoning system for real-time freeway traffic routing | |
| CN115936240B (zh) | 共享单车需求预测与投放调度方法 | |
| US20230063836A1 (en) | Methods for determining restriction schemes in smart cities, internet of things systems, and medium thereof | |
| CN116824861B (zh) | 基于城市大脑平台多维数据的共享单车调度方法和系统 | |
| Ma et al. | A multiobjective route robust optimization model and algorithm for hazmat transportation | |
| Sedehzadeh et al. | Optimization of a multi-modal tree hub location network with transportation energy consumption: A fuzzy approach | |
| CN112950934A (zh) | 一种道路拥堵原因识别方法 | |
| CN116486624A (zh) | 基于时空图卷积神经网络的交通流预测方法及系统 | |
| CN117764340B (zh) | 一种新能源电动汽车充电引导分级调控方法 | |
| Lu et al. | Broken bike recycling planning for sharing bikes system | |
| CN104331746A (zh) | 一种分离式的动态路径优化系统及其方法 | |
| CN117390399A (zh) | 基于深度学习的公路预养护方法、系统、电子设备和介质 | |
| CN118114821A (zh) | 一种基于多模态数据的运输需求预测方法及系统 | |
| Ruta et al. | Diversified gradient boosting ensembles for prediction of the cost of forwarding contracts | |
| CN109409563A (zh) | 一种公交运营车辆实时人数的分析方法、系统和存储介质 | |
| CN116861215A (zh) | 一种特大桥梁上跨分离式立交桥的安全防护方法及系统 | |
| Wen et al. | Hierarchical Sarsa learning based route guidance algorithm | |
| Yang et al. | Forecasting model for urban traffic flow with BP neural network based on genetic algorithm | |
| Rasaizadi et al. | The ensemble learning process for short-term prediction of traffic state on rural roads | |
| Liao et al. | Driver route planning method based on accident risk cost prediction | |
| Jiang et al. | Routing optimization for road administration vehicles with consideration of overloaded truck detour behavior on rural highways | |
| CN114580716A (zh) | 路网养护标准优化方法、设备及计算机可读存储介质 |
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 |