CN117576636A - 一种物流运输过程监控方法及系统 - Google Patents
一种物流运输过程监控方法及系统 Download PDFInfo
- Publication number
- CN117576636A CN117576636A CN202410065677.7A CN202410065677A CN117576636A CN 117576636 A CN117576636 A CN 117576636A CN 202410065677 A CN202410065677 A CN 202410065677A CN 117576636 A CN117576636 A CN 117576636A
- Authority
- CN
- China
- Prior art keywords
- target vehicle
- determining
- track
- weather
- acquiring
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000008569 process Effects 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 title claims abstract description 35
- 239000002699 waste material Substances 0.000 claims abstract description 52
- 230000002159 abnormal effect Effects 0.000 claims abstract description 36
- 230000008859 change Effects 0.000 claims description 55
- 230000005856 abnormality Effects 0.000 claims description 13
- 238000012502 risk assessment Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 239000013598 vector Substances 0.000 description 23
- 239000011159 matrix material Substances 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 238000012795 verification Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 239000002920 hazardous waste Substances 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 231100000614 poison Toxicity 0.000 description 2
- 239000003440 toxic substance Substances 0.000 description 2
- 231100000419 toxicity Toxicity 0.000 description 2
- 230000001988 toxicity Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06Q10/0833—Tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/48—Matching video sequences
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Multimedia (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种物流运输过程监控方法及系统,涉及物联网技术领域,包括:S01,基于预设条件,获取目标车辆的出入库的图像信息;S02,根据目标车辆的运输轨迹,实时获取目标车辆在不同站点的图像信息;S03,当目标车辆对应的图像信息出现异常时,实时获取目标车辆的图像识别结果,基于图像识别结果,对目标车辆的移动轨迹进行核实,确定目标轨迹上存在的异常点;S04,基于异常点的识别情况,确定目标车辆运输时危险物品的具体状况;能够提高废弃物运输时的安全性。
Description
技术领域
本发明涉及物联网技术领域,尤其涉及一种物流运输过程监控方法及系统。
背景技术
现有的危废处置中,着重关注与废弃物“出入场”时的状况,缺少对废弃物转移过程中的监控,而废弃物在出入处理厂前后信息可能存在较大出入;同时废弃物监控手段单一,以危废自身数据作为全流程数据,难以满足现有危废处置监测系统的需求;并且现有的转移运输单点、单时间片段的监测,缺少全流程覆盖监测。
如中国专利公开号CN113421044A公开了一种基于物联网的危废运输监控方法、装置及计算机设备,其中方法包括:基于预设特征标识提取目标危废的车辆运输信息,并根据所述车辆运输信息生成危废运输轨迹;根据所述危废运输轨迹确定所述目标危废的运输状态,并在监测到运输状态异常时生成异常提示信息;接收信息核验指令,并响应于所述信息核验指令,对运输状态异常的目标危废进行信息核验,生成信息核验结果。
但是,在对物流运输过程中的数据监控方法较为单一,仅识别物流中位置的变化情况,基于车辆位置对物流运输过程进行检验,容易忽略运输时对应物品在运输时摆放位置的变化,导致运输时容易产生运输物件损害。
发明内容
本申请实施例通过提供一种物流运输过程监控方法及系统,解决了现有技术中不能根据废弃物位置调整运输路径的问题,提高了运输时的安全性。
本申请实施例提供了一种物流运输过程监控方法,包括:S01,基于预设条件,获取目标车辆的出入库的图像信息;
S02,根据目标车辆的运输轨迹,实时获取目标车辆在不同站点的图像信息;
S03,当目标车辆对应的图像信息出现异常时,实时获取目标车辆的图像识别结果,基于图像识别结果,对目标车辆的移动轨迹进行核实,确定目标轨迹上存在的异常点;
S04,基于异常点的识别情况,确定目标车辆运输时危险物品的具体状况。
一种物流运输过程监控系统,包括:传感识别模块,用于获取目标车辆移动时相关的传感数据,确定传感数据发生变化时对应的位置点;
路线生成模块,用于根据获取的传感数据和危险物品的状态参数,调整目标车辆的移动轨迹;
图像识别模块,用于识别目标车辆在行驶中,不同运动状态下车辆的传感数据,并核对不同状态下目标车辆的外观比对情况。
运输检验模块,用于确定当前运输过程中,在不同天气特征下,对应危险物品的状态参数,以确定当前移动轨迹对运输危险物品的影响。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过实时获取目标车辆的出入库图像信息、运输轨迹中的图像信息,以及对应的传感数据,实现了对物流运输过程的全面实时监控;同时合并处理目标车辆在移动站点的图像信息,系统能够追踪废弃物的位置变化和废弃物之间的距离,进而分析废弃物之间的关联,识别图像信息中的物品移位、缺失等异常情况,并确定异常的具体位置和原因。
通过获取目标车辆的第一位置和第二位置,系统能够分析车辆的移动轨迹,并根据风险评估结果调整轨迹;系统能够获取并分析不同天气特征下目标车辆的移动轨迹和传感数据变化,并对比不同天气状况下的运输情况,系统能够核验危险物品的状态,并根据天气变化调整运输指令;根据目标车辆的图像信息和危险物品的状态参数,智能地规划和调整目标移动路径,这确保了即使在复杂多变的运输环境中,也能够选择最优路径进行物流运输,当遇到未知天气类型时,系统能够预测可能的移动轨迹,并分析多个轨迹的存在概率和重合率,还增强了系统对未知天气条件的适应性,提高了运输的可靠性和稳定性。
附图说明
图1为一种物流运输过程监控方法的实施例一的流程示意图;
图2为一种物流运输过程监控方法的实施例二的流程示意图;
图3为一种物流运输过程监控方法的实施例三的流程示意图;
图4为一种物流运输过程监控方法的实施例四的流程示意图;
图5为一种物流运输过程监控系统的系统示意图。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本申请进行更全面的描述;附图中给出了本发明的较佳实施方式,但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施方式;相反地,提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。
需要说明的是,本文所使用的术语“垂直”、“水平”、“上”、“下”、“左”、“右”以及类似的表述只是为了说明的目的,并不表示是唯一的实施方式。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同;本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是旨在于限制本发明;本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
为了确定在运输时,相应危险物品与车辆之间的关系,在进行运输时获取对应的入库和出库图像,基于入库和出库图像确定危险物品的初始设置位置,之后对危险物品在每个运输站点的移动情况,确定当前车辆运输的危险物品的具体状况,从而预测是否发生漏排和偷排的情况。
如图1所示,本申请一种物流运输过程监控方法包括:
S01,基于预设条件,获取目标车辆的出入库的图像信息;其中出入库的图像信息包括基于入库和出库时,对应危险物品摆放在车辆内的位置,以及车辆内多个危险物之间的距离;
S02,根据目标车辆的运输轨迹,实时获取目标车辆在不同站点的图像信息;
S03,当目标车辆对应的图像信息出现异常时,实时获取目标车辆的图像识别结果,基于图像识别结果,对目标车辆的移动轨迹进行核实,确定目标轨迹上存在的异常点。
S04,基于异常点的识别情况,确定目标车辆运输时危险物品的具体状况。
在本实施例的应用场景中,需要进行处理的废弃物通过打包封装并防止在一定的装置内,从而将不同类型的废弃物区分开来,在对废弃物进行运输时,首先将其出入库相关的图像进行处理,从而识别废弃物是否摆放在应该放置的位置,同时对已经放置完成的废弃物进行记录,记录其在不同站点的显示状况,从而可以及时发现运输时的泄露或者废弃物出现的其他一些不正常的现象,并对这些现象出现的点进行识别,发现出现这些现象的原因,从而能够起到一定预防,提高运输时的安全。
优选的,步骤S02还包括,基于目标车辆运输轨迹,将目标车辆在相应移动站点对应的图像信息进行合并处理,确定图像中废弃物的位置变化情况,并基于不同废弃物的变化情况,确定每个废弃物之间的距离,当废弃物之间的距离超过预设阈值时,获取对应废弃物的标签,基于废弃物的标签,确定废弃物之间的关联。此时监控废弃物之间的距离,防止部分废弃物距离过近时发生其他变化。
优选的,步骤S03还包括,对图像识别的处理方式包括:检查目标车辆的图像信息是否出现物品移位、缺失,确定图像信息中出现异常的目标图像区域,比较连续站点内目标图像区域内的像素点变化情况,基于对像素点的识别结果,确定目标图像区域出现异常的具体位置和原因;基于目标图像区域出现异常的具体的位置,将相邻的站点设置为目标轨迹的异常点。
优选的,步骤S04还包括,对识别的异常点进行详细分析,确定出现的异常类型、严重程度;利用图像识别技术,对异常进行初步分类,如物品移位、包装破损、液体泄漏等。
获取异常点对应的图像信息,确定异常类型的特征和图像的细节信息,以判断异常点的严重程度。
异常的严重程度通常与物品的性质(如毒性、易燃性等)和异常类型(如泄漏、破损等)有关。例如,高毒性物质的微小泄漏可能比低毒性物质的大规模泄漏更为严重。
根据异常类型和严重程度,以及废弃物的性质,确定废弃物存在的潜在风险。
集合废弃物的潜在风险和危险评估,确定当前废弃物的具体状况,如轻微泄露、严重破损等。
通过实时获取目标车辆的出入库图像信息、运输轨迹中的图像信息,以及对应的传感数据,实现了对物流运输过程的全面实时监控。
当图像信息出现异常时,系统能够立即发出预警,并对异常进行核实和定位,从而快速响应和处理潜在问题。
实施例二
为了提高运输危险物品的安全性,对于不同的危险物品设置不同的装置进行存放,并根据装置测量到的传感数据,来确定当前危险物品的状况,从而可以预防出现的负面事件。
具体的,如图2所示,还包括:
S11,获取目标车辆对应控制装置的传感数据,基于传感数据,确定目标车辆对应的第一位置;第一位置用于确定出现传感器的数据明显变化的位置,根据这个位置上的具体信息,知道当前运输时可能会出现疏漏的点,从而可以预防出现的泄露事件。
优选的,确定异常发生的时间点和车辆位置;根据对应的异常类型确定发生位置异常时,传感数据的变化情况,当传感数据变化较大时,获取传感数据对应的数据变化高峰;基于数据变化高峰确定相应的异常位置点,并提取异常位置点对应的特征信息,输出为第一特征。
传感数据收集:从目标车辆的控制装置(如GPS、IMU、轮速传感器等)中获取实时传感数据;传感数据可能包括位置、速度、加速度、方向等信息;对收集到的原始传感数据进行清洗和预处理,去除噪声和异常值;使用卡尔曼滤波对数据进行平滑处理,提高数据的准确性;利用处理后的传感数据,结合车辆动力学模型和地图信息,确定目标车辆的精确位置,即第一位置。
对于检测的位置点,其中数据明显变化的位置点表示了运输过程中存在的异常情况,如出现急刹车、急转弯、或者废弃物因为振动而产生的偏移情况,此时对应的位置点会被标记为第一位置,将第一位置的移动轨迹进行确定,方便后续对相应位置的变化进行处理。
S12,基于目标车辆的第一位置,获取每个第一位置的变化轨迹。
采集连续个第一位置,将第一位置组成一个位置序列,根据第一位置的位置序列,确定第一位置在目标车辆移动轨迹上的变化情况,并将每个第一位置的坐标点进行连接,组合为第一位置的变化轨迹。
S13,基于第一位置的变化轨迹,提取与目标车辆最相关的第二位置;其中第二位置用于表示当前目标车辆最容易出现一定风险的位置点。
根据获取到的第一位置的变化轨迹,可以知道第一位置在相对目标车辆移动轨迹时的变化情况,获取每个第一位置与目标车辆移动轨迹之间的相关性,输出为第一变量;第一变量根据第一位置的变化轨迹,来识别出出轨迹中的特征点,如急转弯、频繁停车、速度突变等信息。
其次,获取每个第一位置之间的相关性,根据每个第一位置之间的距离,获取第二变量;第二变量用于获取第一位置在相对的坐标点上的相关性,以及相应位置距离之间的相关性。
对获取到的第一变量和第二变量进行风险评估,确定第一变量与第二变量中对应的相似性,并将相似性最高的点作为输出的第二位置;第二位置用于表示当前运输过程中潜在的风险点,或者需要特别关注的位置。
优选的,根据车辆类型、载货性质、运输路线,确定第二位置的权重分布。
对于设置的权重因子包括车辆类型(例如:卡车、罐车、危险品运输车等);载货性质(例如:易燃、易爆、有毒、腐蚀性、重量、体积等);运输路线特点(例如:道路类型、交通流量、道路条件、事故历史等)。
将车辆类型、载货性质和运输路线作为决策准则,构建一个3x3的判断矩阵,其中每个元素表示对应行准则相对于列准则的重要性;对于每个判断矩阵,计算判断矩阵的最大特征值及对应的特征向量。
将判断矩阵的每一列归一化;将归一化后的每一列相加;将相加后的向量再归一化,得到判断矩阵对应的权重向量;将最大的权重向量输出为判断矩阵的最大特征向量。
由于判断矩阵可能存在不一致性(即A比B重要,B比C重要,但C又比A重要),因此需要进行一致性检验。这通过计算一致性指标(CI)和查找对应的随机一致性指标(RI)来实现,然后计算一致性比率(CR)。如果CR小于0.1,通常认为判断矩阵的一致性是可以接受的。
CI的计算公式为:CI=(λmax-n)/(n-1),其中λmax是判断矩阵的最大特征值,n是判断矩阵的阶数。
CR的计算公式为:CR=CI/RI,其中RI是随机一致性指标,其值根据矩阵阶数n从标准表中查找。
如果还需要考虑方案层,例如不同的运输路线或风险点,则需要为每个方案构建相对于每个准则的判断矩阵,并重复计算方案层对于每个准则的权重;最后,通过将这些权重与准则层对于目标层的权重相乘,可以得到方案层对于目标层的综合权重。
对于综合权重评分可以表示为:
总评分=(W_v×S_v+W_c×S_c+W_r×S_r)
其中,(W_v,W_c,W_r)是权重因子,满足(0≤W_v,W_c,W_r≤1)且(W_v+W_c+W_r=1);(S_v,S_c,S_r) 是与每个权重因子相对应的评分。
例如,对于运输危险品的车辆,急转弯和坡道起伏较大的路段可能被认为是高风险的第二位置;提取出的第二位置代表了目标车辆在运输过程中最容易出现风险的位置点;通过重点关注这些高风险点,可以优化运输路线、加强安全措施或提供驾驶员培训,从而降低运输过程中发生事故的可能性。
S14,基于第一位置与第二位置的分布情况,调整目标车辆的移动轨迹。
综合分析第一位置和第二位置在地图上的分布,识别出第一位置与第二位置之间的密集区域、孤立点以及第一位置与第二位置之间的相对关系;
对于第一位置与第二位置之间的密集区域的处理方式包括:对当前密集区域中对应的第一位置、第二位置对应位置点的类别和位置进行识别,确定每个位置点的类别数据和位置分布关系,基于每个位置点根据移动轨迹的变化情况,确定每个位置点出现的位置和每个新增的位置点之间的连续关系,并整合位置点的实时增加情况,确定密集区域中位置点的重叠关系;分析密集区域内各点的风险级别和类型,评估这些风险点同时存在的综合影响;根据风险累积评估的结果,对密集区域内的风险点进行优先级排序,确定哪些点需要首先处理或给予更多关注;规划绕开整个密集区域的行驶路径,以减少潜在风险。这需要考虑替代路径的可行性、距离、时间等因素;如果无法完全绕开密集区域,应提前通过车载系统向驾驶员发出警示,提醒他们即将进入高风险区域,并提供相应的风险缓解建议。
对于第一位置与第二位置之间的孤立点的处理方式包括:将远离密集区域的风险点,设置为单独的孤立点,分析孤立点的风险级别和对运输过程的具体影响;根据孤立点的特性,制定针对性的处理策略。例如,如果是一个临时交通管制点,可以调整运输时间以避免管制时段。
基于第一位置和第二位置之间密集区域和孤立点之间的距离,确定第一位置与第二位置之间的相关性;评估当前移动轨迹与高风险区域的交集程度,以及是否存在可以绕开这些区域的替代路径;如果存在多个可行的替代路径,基于路径长度、行驶时间、道路条件等因素对它们进行综合评估;根据评估结果,生成针对目标车辆的移动轨迹调整建议;在运输过程中持续监测车辆位置和状态,根据实际情况进行必要的轨迹调整。
通过调整目标车辆的移动轨迹,可以尽量避免或减少经过高风险区域,从而降低运输过程中发生事故的概率;实时反馈和调整机制确保了运输过程的灵活性和安全性,能够快速响应不断变化的道路和交通状况。
优选的,对于移动轨迹的优化,还有根据车辆内设置传感器接收到的振动数据,确定废弃物受振动的影响,并基于相应振动情况,调整对废弃物的管控。
基于车辆内设置的控制装置确定当前危险物品的移动情况,当危险物品移动出较大的移动时,获取对应的振动参数,实时监测危险物品的移动情况;这些控制装置可以安装在车辆的不同位置,以确保全方位地捕捉危险物品的动态。获取车辆内废弃物的移动阈值,移动阈值为超过一定距离或速度的变化阈值;移动阈值根据危险物品的性质、包装方式以及运输过程中的安全要求来设定。
当监测到危险物品发生较大移动时,立即触发控制装置记录并获取相应的振动参数;振动参数可能包括振动频率、振幅、持续时间等,这些数据对于分析振动对危险物品的影响至关重要;将获取到的振动参数与正常情况下的基准数据进行比较,分析数据变化的模式和趋势;利用数据分析算法来识别异常振动事件,并评估其对危险物品安全性的影响;根据数据变化分析的结果,及时调整运输过程中的管控措施,如减速、重新固定危险物品、改变路线等。
通过实时监测危险物品的移动情况和获取振动参数,能够及时发现并应对可能导致安全事故的风险因素;基于数据分析的管控处理提升策略有助于提高运输过程的安全性和效率,减少因振动引起的危险物品损坏或泄漏等事件的发生。
实施例三
在确定移动的路线后,基于对当前天气状况确定当前天气对移动路径的影响情况,以确定不同天气下使用的控制装置是否能准确检测到危险物品的移动、振动、泄露等,从而提高在运输时不同天气状况的适应状况。
具体的,如图3所示,还包括:
S21,基于目标车辆的移动轨迹,获取目标车辆对应的天气特征;
根据车辆的移动轨迹,确定轨迹点对应的地理位置和时间戳,获取相应的历史天气数据;天气数据可能包括温度、湿度、风速、风向、降水量、能见度等。通过获取不同轨迹点对应的位置,可以知道车辆在实际移动过程中对应天气数据的变化,从而可以知道相应的受天气影响的问题;轨迹点的设置基于在调整移动轨迹后,选择的移动轨迹上存在的第一位置的位置点作为获取天气特征对应的轨迹点。
分析获取的天气数据,识别出移动轨迹上每个点或每个时间段的主要天气特征;天气特征可能包括晴天、雨天、雪天、雾天、风力等级等。基于每个轨迹点上的天气数据,构建移动轨迹上对应的天气特征向量;遍历每个轨迹点对应预设的天气数据,并执行以下构建处理:
确定当前轨迹点对应的第一参考位置,并获取当前两个第一参考位置的当前预设的天气数据;
基于预设的天气数据,确定两个第一参考位置之间的第一偏差数据;基于第一偏差数据构建天气特征向量;可选的,天气特征向量还包括,基于所述的天气特征向量,获取第一历史天气向量,基于第一历史天气向量和天气特征向量,确定至少一个历史时刻,并确定当前历史时刻内的第一历史天气向量与天气特征向量之间需满足相应的相似条件。
相似条件包括,所述的第一历史天气向量与天气特征向量在连续时刻内,连续变化的特征值相同,且多次特征值变化的时刻不同;所述第一历史天气向量与天气特征向量在同一时刻内的变化值不同。
第一参考位置指的是当前轨迹点所对应的地理位置或其他相关位置信息,于检索或计算与该位置相关的天气数据或其他参数;第一偏差数据指在两个第一参考位置之间观测到的天气数据的差异,这些数据差异可以用于构建天气特征向量;意义历史天气向量指的是从历史天气数据中提取的与当前天气特征向量相对应或相似的天气状况向量。
优选的,天气特征向量还包括基于预设的天气数据,获取候选轨迹点对应的第二偏差数据,基于第一偏差数据与第二偏差数据的关联,确定输出的天气特征向量;第二偏差数据用于确定候选路线上对应的天气状况,从而对当前形式路线进行比较,从而选择出更为适合的路线。
通过计算两个第一参考位置之间的第一偏差数据,并构建天气特征向量,系统能够识别出不同位置间的天气模式差异;有助于更好地理解天气系统的空间分布和演变,并将相应的变化与对应的路线进行结合起来,从而可以实现对相应运输的废弃物的状况进一步识别。
S22,获取不同天气特征下,移动轨迹的变化,并基于移动轨迹的变化,确定传感数据的不同。
对比不同分类下天气特征对应移动轨迹,确定将初始的天气特征分类作为第一分类结果;
基于第一分类结果,预测第一分类结果对应的移动轨迹;当第一分类结果对应的天气为未知天气类型时,获取第一分类结果对应第一移动轨迹的分布概率,并确定第一分类结果是否存在第二移动轨迹,此时的第二移动轨迹为当前天气状况下,可以行驶的第二种路线;且第二移动轨迹至少存在两个;当存在第二移动轨迹时,确定第一移动轨迹和第二移动轨迹之间的距离,确定第一移动轨迹和第二移动轨迹是否能同时存在,若能同时存在,确定第一移动轨迹与第二移动轨迹之间的重合率,基于相应的重合率,确定第一移动轨迹与第二移动轨迹的变化。
当第一分类结果对应的天气为正常天气类型时,基于第一分类结果,确定第一分类结果对应的第一移动轨迹,基于第一移动轨迹中轨迹点对应传感数据的变化,确定移动轨迹的变化。
基于移动轨迹,对相应的传感数据进行识别,确定车辆的运动状态下,传感数据在运动状态时的变化,从目标车辆的控制装置中收集在不同天气条件下的传感数据;传感数据包括车辆速度、加速度、制动压力、轮胎抓地力等。将不同天气特征下的传感数据进行对比,识别出因天气变化引起的传感数据差异。这些差异可能反映了车辆在不同天气条件下的行驶性能和稳定性变化。
通过分析移动轨迹的变化和传感数据的差异,可以深入了解天气条件对车辆行驶性能和运输安全的具体影响;这有助于制定更精确的运输策略和安全措施,以应对不同天气条件下的挑战。
S23,基于传感数据的不同,核验运输情况下的危险物品,并确定运输执行指令。
利用安装在车辆上的传感器,确定目标车辆在不同的运动状态下,危险物品的状态参数;实时监测危险物品的状态参数,如温度、压力、液位等。
将危险物品的状态参数与预设的安全范围进行对比,识别出潜在的异常情况。
提取出异常情况对应的传感数据和状态参数,结合当前异常状况的天气特征,对监测到的异常情况进行核验;如果确认存在安全隐患,立即触发相应的应急处理机制,如减速停车、启动紧急制冷系统等。
根据核验结果和应急处理需求,确定针对危险物品的具体执行指令;将执行指令传输给车辆控制系统或驾驶员,确保指令的及时执行和运输安全的维护。
通过实时监测危险物品状态并根据传感数据差异进行核验与处理,可以及时发现并应对运输过程中的安全隐患;这有助于降低事故发生的概率,保障危险物品运输的安全性和可靠性。
实施例四
优选的,在确定天气对当前运输的影响后,基于天气的状态确定天气对移动的预测影响,基于对应的天气确定每个站点的图像变化情况,以识别危险物品在流程中的变化,从而最终实现在不同影响下,最合适的移动运输路径。
具体的,如图4所示,对于目标车辆的处理方式还包括:
S31,确定每个天气状况下,各个站点目标车辆对应的图像信息的变化情况。
在运输路线的关键位置(如交叉口、事故多发点、服务区等)设置图像采集设备,如摄像头,确保这些设备能够捕捉到足够清晰且实时的图像信息,包括道路状况、交通情况、天气影响等,利用已有的气象数据或天气API,对图像采集时的天气状况进行分类,如晴天、雨天、雪天、雾天等,确保每个天气状况都有相应的图像数据以供分析,对每个天气状况下各个站点的图像信息进行对比分析,识别出因天气变化引起的图像特征变化,这些特征可能包括能见度降低、道路湿滑、积水、交通拥堵等。
利用图像处理技术来自动或半自动地检测这些变化,确定不同状况下,目标车辆的外部结构的相应状态,从而可以对目标车辆运输时的状态进行识别,识别目标车辆是否发生泄漏,结构损坏等情况,及时对目标车辆进行监控识别,减少运输时产生的运输风险。
S32,基于目标车辆的图像信息的变化情况,获取危险物品对应的状态参数。
结合获取的目标车辆的变化情况,确定目标车辆在不同的外观情况下,危险物品到的状态参数的对应数值,从而可以根据图像识别中当前车辆的具体情况,提前预防可能发生的事故,或者对相应产生的问题识别后,及时做出相应方案,提高对车辆运输风险的处理效率。
S33,根据目标车辆对应的图像信息和危险物品的状态参数,调整目标移动路径。
对相应的图像信息根据不同对车辆的识别情况进行聚类,输出第二分类结果,第二分类结果用于表明将状态参数作为输入变量,将不同的图像进行聚类,聚类后的图像用于确定目标车辆不同的外观下是否存在危险物品泄漏、车辆破损等带来的其他风险。
基于第二分类结果,确定第二分类结果对应的状态参数;
获取第二分类结果中每个分类之间的相关性,根据第二分类结果对应的相关性,结合图像信息变化的分析结果,评估不同路径在不同天气条件下的风险水平;考虑因素可能包括道路可见性、路面条件、交通状况以及已知的或预测的天气变化趋势。
根据风险评估结果,筛选出相对安全且高效的备选路径,从备选路径中选择一条最优路径作为新的目标移动路径;这个选择可以基于多种标准,如行驶时间、距离、燃油消耗以及整体安全风险等,利用路径规划算法来找到最优路径。
将调整后的目标移动路径实时传达给驾驶员或通过车载系统自动执行,在运输过程中持续监测图像信息和天气状况的变化,并根据需要动态更新路径,确保驾驶员或车辆控制系统能够及时响应并适应这些变化,以保障运输的安全和效率。
通过基于图像信息变化情况来调整目标移动路径,可以实时避开因恶劣天气或其他事件导致的危险区域或交通拥堵点,这不仅提高了运输的灵活性和响应速度,还有助于减少潜在的安全风险和经济损失。
通过获取危险物品的状态参数与图像信息结合处理,能够及时识别车辆的外观以及相应行驶状况发生变化时,及时确认当前运输的危险物品状态,减少出现的危险物品泄露等状况,及时预防物流运输出现的风险,提高运输的安全,同时对第二分类结果对应的相关性进行处理,能够识别到不同状态参数与图像信息之间的关联,提高对风险预测的管理。
实施例五
优选的,为了确定当前运输过程中能够对相应的废弃物进行监控,如图5所示,本发明还提供一种物流运输过程监控系统,包括:
传感识别模块,用于获取目标车辆移动时相关的传感数据,确定传感数据发生变化时对应的位置点;
路线生成模块,用于根据获取的传感数据和危险物品的状态参数,调整目标车辆的移动轨迹;
图像识别模块,用于识别目标车辆在行驶中,不同运动状态下车辆的传感数据,并核对不同状态下目标车辆的外观比对情况;
运输检验模块,用于确定当前运输过程中,在不同天气特征下,对应危险物品的状态参数,以确定当前移动轨迹对运输危险物品的影响。
以上所述仅为本发明的优选实施方式,并不用于限制本发明,对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明精神和原则内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种物流运输过程监控方法,其特征在于,包括:S01,基于预设条件,获取目标车辆的出入库的图像信息;
S02,根据目标车辆的运输轨迹,实时获取目标车辆在不同站点的图像信息;
S03,当目标车辆对应的图像信息出现异常时,实时获取目标车辆的图像识别结果,基于图像识别结果,对目标车辆的移动轨迹进行核实,确定目标轨迹上存在的异常点;
S04,基于异常点的识别情况,确定目标车辆运输时危险物品的具体状况。
2.如权利要求1所述的一种物流运输过程监控方法,其特征在于,步骤S02还包括,基于目标车辆运输轨迹,将目标车辆在相应移动站点对应的图像信息进行合并处理,确定图像中废弃物的位置变化情况,并基于不同废弃物的变化情况,确定每个废弃物之间的距离,当废弃物之间的距离超过预设阈值时,获取对应废弃物的标签,基于废弃物的标签,确定废弃物之间的关联。
3.如权利要求1所述的一种物流运输过程监控方法,其特征在于,步骤S03还包括,检查目标车辆的图像信息是否出现物品移位、缺失,确定图像信息中出现异常的目标图像区域,比较连续站点内目标图像区域内的像素点变化情况,基于对像素点的识别结果,确定目标图像区域出现异常的具体位置和原因;基于目标图像区域出现异常的具体的位置,将相邻的站点设置为目标轨迹的异常点。
4.如权利要求1所述的一种物流运输过程监控方法,其特征在于,步骤S04还包括,对识别的异常点进行详细分析,确定出现的异常类型、严重程度;利用图像识别技术,对异常进行初步分类,获取异常点对应的图像信息,确定异常类型的特征和图像的细节信息,以判断异常点的严重程度;根据异常类型和严重程度以及废弃物的性质,确定废弃物存在的潜在风险。
5.如权利要求1所述的一种物流运输过程监控方法,其特征在于,还包括S11,获取目标车辆对应控制装置的传感数据,基于传感数据,确定目标车辆对应的第一位置;第一位置用于确定出现传感器的数据明显变化的位置;
S12,基于目标车辆的第一位置,获取每个第一位置的变化轨迹;
S13,基于第一位置的变化轨迹,提取与目标车辆最相关的第二位置;其中第二位置用于表示当前目标车辆最容易出现风险的位置点;
S14,基于第一位置与第二位置的分布情况,调整目标车辆的移动轨迹。
6.如权利要求1所述的一种物流运输过程监控方法,其特征在于,还包括S21,基于目标车辆的移动轨迹,获取目标车辆对应的天气特征;
S22,获取不同天气特征下,移动轨迹的变化,并基于移动轨迹的变化,确定传感数据的不同;
S23,基于传感数据的不同,核验运输情况下的危险物品,并确定运输执行指令。
7.如权利要求1所述的一种物流运输过程监控方法,其特征在于,还包括S31,确定每个天气状况下,各个站点目标车辆对应的图像信息的变化情况;
S32,基于目标车辆的图像信息的变化情况,获取危险物品对应的状态参数;
S33,根据目标车辆对应的图像信息和危险物品的状态参数,调整目标移动路径。
8.如权利要求6所述的一种物流运输过程监控方法,其特征在于,步骤S22还包括,对比不同分类下天气特征对应移动轨迹,确定将初始的天气特征分类作为第一分类结果;
基于第一分类结果,预测第一分类结果对应的移动轨迹;当第一分类结果对应的天气为未知天气类型时,获取第一分类结果对应第一移动轨迹的分布概率,并确定第一分类结果是否存在第二移动轨迹,且第二移动轨迹至少存在两个;当存在第二移动轨迹时,确定第一移动轨迹和第二移动轨迹之间的距离,确定第一移动轨迹和第二移动轨迹是否能同时存在,若能同时存在,确定第一移动轨迹与第二移动轨迹之间的重合率,基于相应的重合率,确定第一移动轨迹与第二移动轨迹的变化;
当第一分类结果对应的天气为正常天气类型时,基于第一分类结果,确定第一分类结果对应的第一移动轨迹,基于第一移动轨迹中轨迹点对应传感数据的变化,确定移动轨迹的变化。
9.如权利要求7所述的一种物流运输过程监控方法,其特征在于,步骤S33还包括,对相应的图像信息根据不同对车辆的识别情况进行聚类,输出第二分类结果,基于第二分类结果,确定第二分类结果对应的状态参数;获取第二分类结果中每个分类之间的相关性,根据第二分类结果对应的相关性,结合图像信息变化的分析结果,评估不同路径在不同天气条件下的风险水平;根据风险评估结果,筛选备选路径,从备选路径中选择一条最优路径作为新的目标移动路径。
10.一种物流运输过程监控系统,其特征在于,包括:传感识别模块,用于获取目标车辆移动时相关的传感数据,确定传感数据发生变化时对应的位置点;
路线生成模块,用于根据获取的传感数据和危险物品的状态参数,调整目标车辆的移动轨迹;
图像识别模块,用于识别目标车辆在行驶中,不同运动状态下车辆的传感数据,并核对不同状态下目标车辆的外观比对情况;
运输检验模块,用于确定当前运输过程中,在不同天气特征下,对应危险物品的状态参数,以确定当前移动轨迹对运输危险物品的影响。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410065677.7A CN117576636B (zh) | 2024-01-17 | 2024-01-17 | 一种物流运输过程监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410065677.7A CN117576636B (zh) | 2024-01-17 | 2024-01-17 | 一种物流运输过程监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117576636A true CN117576636A (zh) | 2024-02-20 |
CN117576636B CN117576636B (zh) | 2024-05-03 |
Family
ID=89888596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410065677.7A Active CN117576636B (zh) | 2024-01-17 | 2024-01-17 | 一种物流运输过程监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117576636B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109270913A (zh) * | 2018-11-23 | 2019-01-25 | 深圳市富联芯微科技有限公司 | 一种用于车辆货物运输的监控终端及系统 |
CN111324123A (zh) * | 2020-03-03 | 2020-06-23 | 沈素兰 | 一种危险废液处理运输控制方法 |
CN113421044A (zh) * | 2021-06-30 | 2021-09-21 | 平安国际智慧城市科技股份有限公司 | 基于物联网的危废运输监控方法、装置及计算机设备 |
CN114446006A (zh) * | 2022-01-21 | 2022-05-06 | 东莞致远物流有限公司 | 一种基于5g时代轨迹监测的危险品运输监控方法及系统 |
-
2024
- 2024-01-17 CN CN202410065677.7A patent/CN117576636B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109270913A (zh) * | 2018-11-23 | 2019-01-25 | 深圳市富联芯微科技有限公司 | 一种用于车辆货物运输的监控终端及系统 |
CN111324123A (zh) * | 2020-03-03 | 2020-06-23 | 沈素兰 | 一种危险废液处理运输控制方法 |
CN113421044A (zh) * | 2021-06-30 | 2021-09-21 | 平安国际智慧城市科技股份有限公司 | 基于物联网的危废运输监控方法、装置及计算机设备 |
CN114446006A (zh) * | 2022-01-21 | 2022-05-06 | 东莞致远物流有限公司 | 一种基于5g时代轨迹监测的危险品运输监控方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117576636B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103150907B (zh) | 一种基于高速公路运营安全的移动监控和预警系统及方法 | |
CN110077398B (zh) | 一种用于智能驾驶的危险处理方法 | |
US11138884B2 (en) | Accident prediction and consequence mitigation calculus | |
CN106448267B (zh) | 基于车联网的道路交通事故链阻断系统 | |
CN108614262A (zh) | 一种车辆前方目标物检测方法及系统 | |
CN114387785A (zh) | 一种基于智慧公路的安全管控方法、系统及可存储介质 | |
CN108932255A (zh) | 一种车辆综合能力分析方法及装置 | |
JP3502156B2 (ja) | 交通監視システム | |
CN112633557A (zh) | 一种基于大数据的道路安全预警方法、装置、电子设备及存储介质 | |
CN115782905A (zh) | 一种自动驾驶车辆驾驶安全度量化系统 | |
CN108327712A (zh) | 挡风玻璃石块撞击响应 | |
KR102453688B1 (ko) | 교통사고의 잠재적 위험도 평가 시스템 및 그 방법 | |
CN117576636B (zh) | 一种物流运输过程监控方法及系统 | |
CN115273474B (zh) | 一种基于人工智能的rpa巡检机器人巡检管理系统 | |
CN116882755A (zh) | 一种基于车载Tbox数据预测货车运输路线偷油风险的方法 | |
CN114724356B (zh) | 基于气象数据整合的gis高速公路事故预警的方法及系统 | |
CN116631187A (zh) | 一种案件现场勘查信息智能采集分析系统 | |
CN113256014B (zh) | 一种5g通信工程智能检测系统 | |
CN114333331B (zh) | 一种多车道桥梁车辆通行信息与车重识别方法及系统 | |
Kaur et al. | RFID based Intelligent Transport System with RSU Communication for Emergency Vehicles in Urbanization | |
SB et al. | Real-time pothole detection using YOLOv5 algorithm: a feasible approach for intelligent transportation systems | |
CN114684197A (zh) | 避障场景的检测方法、装置、设备及存储介质 | |
WO2024069674A1 (ja) | 除雪支援システム、除雪支援方法および記録媒体 | |
RU2774261C1 (ru) | Способ управления движением транспортных средств с системами помощи водителю в среде "интеллектуальная транспортная система - транспортное средство - водитель" | |
CN116520856B (zh) | 基于igv智慧导航的码头运输车定量安全避让系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |