CN117689298A - 一种基于北斗导航的物流运输信息化管理方法及系统 - Google Patents
一种基于北斗导航的物流运输信息化管理方法及系统 Download PDFInfo
- Publication number
- CN117689298A CN117689298A CN202410146903.4A CN202410146903A CN117689298A CN 117689298 A CN117689298 A CN 117689298A CN 202410146903 A CN202410146903 A CN 202410146903A CN 117689298 A CN117689298 A CN 117689298A
- Authority
- CN
- China
- Prior art keywords
- time
- traffic jam
- arrival
- logistics
- transportation
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 54
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000011800 void material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于北斗导航的物流运输信息化管理方法及系统,属于专门适用于监督的数据处理系统领域,本发明基于历史堵车数据信息,代入堵车时间预测网络构建策略中构建道路堵车时间预测网络,基于构建的道路堵车时间预测网络和物流运输车辆的运输速度预估物流运输车辆到达运输终点的时间,将物流运输车辆到达运输终点的时间与到达的标准时间进行对比,基于历史堵车数据对物流运输车辆行驶过程中的实时堵车时间进行快速预估,进而对车辆到达时间进行快速准确预测,实现基于北斗导航的物流运输信息化管理,提高物流运输的效率和服务质量。
Description
技术领域
本发明属于专门适用于监督的数据处理系统技术领域,具体的说是一种基于北斗导航的物流运输信息化管理方法及系统。
背景技术
利用各种数据管理、分析工具和数据挖掘算法可以从中挖掘出城市道路交通变化规律,如物流运输车辆行程时间变化规律、停靠站时间变化规律、受信号灯影响延误时间分布规律、堵车规律以及道路状态变化规律等,利用这些规律可以更加方便、及时、有效地改善城市道路交通状况。如何利用充分发挥这些数据的优势和作用,准确预测物流运输车辆因拥堵而造成的延误时间大小,目前还缺乏有效的研究。
例如在公开号为CN108898344A的中国专利中公开一种基于信息化管理的物流运输系统及方法,包括内部办公单元、运输管理单元、客户管理单元、财务结算管理单元、运营统计分析单元和信息查询单元;管理员通过用户名及密码的方式登入系统内部办公单元,并对系统内部用户信息进行查询、修改和删减;再输入密码进入主控模块,根据需求对物流信息进行管理;用户则通过用户名及密码方式登入个人用户界面,并对个人货物运输信息进行查询跟踪。本发明的研发设计使得物流信息管理清晰化,透明化,便于操作,易于管理,通过功能模块的优化组合实现不同的管理细节,使管理过程实现最大程度的自动化与信息化,并能自动对人工操作环节进行复查,使物流信息管理系统出错率降至最低。
同时例如在公开号为CN114154933A的中国专利中公开了一种信息化物流管理系统,属于危险品物流系统相关领域。一种信息化物流管理系统,包括物流运输管理模块和产品检查模块;物流运输管理模块包括车辆运行管理单元和车辆装载容器监测单元,车辆运行管理单元设于物流运输车辆内,车辆装载容器监测单元设于物流运输车辆的装载容器内;物流运输管理模块用于监测处于运输时的车辆与装载容器状态,产品检查模块用于产品入库时对产品进行检查;本方案设置了物流运输管理模块和产品检查模块,其中物流运输管理模块对应车辆在物流运输时的监测管理,主要为对车辆装载容器的监测管理与对车辆运行状态的运输管理。
以上专利均存在本背景技术提出的问题:现有技术无法基于历史堵车数据对物流运输车辆行驶过程中的实时堵车时间进行快速预估,进而无法对车辆到达时间进行快速准确预测,为了解决这些问题,本申请设计了一种基于北斗导航的物流运输信息化管理方法及系统。
发明内容
针对现有技术的不足,本发明提出了一种基于北斗导航的物流运输信息化管理方法及系统。
为实现上述目的,本发明提供如下技术方案:
一种基于北斗导航的物流运输信息化管理方法,其包括以下具体步骤:
S1、在物流运输车辆上安装北斗导航设备,实时获取物流运输车辆的位置数据,同时获取路线前进道路的历史堵车数据信息;
S2、基于历史堵车数据信息,代入堵车时间预测网络构建策略中构建道路堵车时间预测网络;
S3、基于构建的道路堵车时间预测网络和物流运输车辆的运输速度预估物流运输车辆到达运输终点的时间;
S4、将物流运输车辆到达运输终点的时间与到达的标准时间进行对比,若物流运输车辆到达运输终点的时间早于到达的标准时间,则发布按时到达命令,若物流运输车辆到达运输终点的时间晚于到达的标准时间,则发布迟到命令。
具体的,所述S1包括以下具体步骤:
S11、在物流运输车辆上安装北斗导航设备,北斗导航设备实时获取物流运输车辆的位置数据,并向物流平台反馈物流运输车的位置,同时获取物流运输车辆位置至运输终点的路径信息;
S12、获取物流运输车辆位置至运输终点的路径信息的历史各个设定时间段的堵车数据信息,所述堵车数据信息为路径上各个时间段的堵车时间信息;
S13、从各个路径的历史各个设定时间段的堵车数据信息中获取前三个设定时间段的堵车时间、前一周到达时刻对应的设定时间的堵车时间、当天的每个设定时间段的堵车时间。
具体的,所述S2的堵车时间预测网络构建策略的具体步骤如下:
S21、获取物流运输车辆以道路允许行驶速度到达指定堵车路段的时间段,设为到达时间段,获取到达时间段的堵车路段的前三个设定时间段的堵车时间、前一周到达时刻对应的设定时间的堵车时间、当天的每个设定时间段的堵车时间;
S22、获取前三个设定时间段的堵车时间,代入前周期平均堵车时间计算公式中计算前周期平均堵车时间,前周期平均堵车时间计算公式为:,其中,/>为前i个设定时间段的堵车时间,其中q的含义为之前设定时间段;
S23、获取前一周到达时刻对应的设定时间的堵车时间,将前一周到达时刻对应的设定时间的堵车时间代入上周平均堵车时间计算公式中计算上周平均堵车时间,其中,上周平均堵车时间计算公式为:,其中,z为上周的时间段数量,为上周第j个时间段的堵车时间,其中a的含义为上周。
具体的,所述S2的堵车时间预测网络构建策略还包括如下具体步骤:
S24、获取当天的每个设定时间段的堵车时间,将当天的每个设定时间段的堵车时间代入当天平均堵车时间计算公式中计算当天平均堵车时间,其中,当天平均堵车时间计算公式为:,其中,C为当天设定时间段的个数,/>为当天第c个时间段的堵车时间,其中b的含义为当天;
S25、获取计算得到的前周期平均堵车时间、上周平均堵车时间和当天平均堵车时间代入抵达时间堵车时间预测公式中进行抵达时间堵车时间的预测,其中,抵达时间堵车时间预测公式为:,其中,/>为前周期占比系数,/>为上周占比系数,为当天占比系数,其中,/>,在此需要说明的是,这里的/>、/>和/>的取值方式为:取2000组前周期平均堵车时间、上周平均堵车时间、当天平均堵车时间和本时间段的堵车时间数据,将前周期平均堵车时间、上周平均堵车时间、当天平均堵车时间代入抵达时间堵车时间预测公式中进行抵达时间堵车时间的预测,然后将抵达时间堵车时间和本时间段真实的堵车时间数据代入拟合软件中,输出符合判断准确率的最优/>、/>和/>的取值。
具体的,所述S3的具体内容包括以下具体步骤:
S31、获取路线各个前进道路的历史堵车数据信息和物流运输车辆到达每个前进道路的时间导入道路堵车时间预测网络中进行路线各个前进道路的道路堵车时间的预测,分别标记为:,其中,/>为第w个前进道路的道路堵车时间,W为前进道路的个数;
S32、将获得的预测的各个前进道路的道路堵车时间代入到达运输终点的时间计算公式中,,其中,/>为起始时间对应的时刻,/>为车辆的行驶时间。
具体的,所述S4包括以下具体步骤:
S41、将物流运输车辆到达运输终点的时间与到达的标准时间进行对比,若物流运输车辆到达运输终点的时间早于到达的标准时间,则向车辆驾驶人员和物流平台发布按时到达命令;
S42、若物流运输车辆到达运输终点的时间晚于到达的标准时间,则向车辆驾驶人员和物流平台发布迟到命令,并提醒物流平台进行迟到报警。
具体的,一种基于北斗导航的物流运输信息化管理系统,其基于上述一种基于北斗导航的物流运输信息化管理方法实现,其具体包括:数据获取模块、道路堵车时间预测网络构建模块、到达时间预估模块、时间比较模块和控制模块,所述数据获取模块用于在物流运输车辆上安装北斗导航设备,实时获取物流运输车辆的位置数据,同时获取路线前进道路的历史堵车数据信息,所述道路堵车时间预测网络构建模块用于基于历史堵车数据信息,代入堵车时间预测网络构建策略中构建道路堵车时间预测网络,所述到达时间预估模块用于基于构建的道路堵车时间预测网络和物流运输车辆的运输速度预估物流运输车辆到达运输终点的时间。
具体的,所述时间比较模块用于将物流运输车辆到达运输终点的时间与到达的标准时间进行对比,若物流运输车辆到达运输终点的时间早于到达的标准时间,则发布按时到达命令,若物流运输车辆到达运输终点的时间晚于到达的标准时间,则发布迟到命令。
具体的,所述控制模块用于控制数据获取模块、道路堵车时间预测网络构建模块、到达时间预估模块和时间比较模块的运行。
具体的,一种电子设备,包括:处理器和存储器,其中,所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,执行上述的一种基于北斗导航的物流运输信息化管理方法。
具体的,一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行如上述的一种基于北斗导航的物流运输信息化管理方法。
与现有技术相比,本发明的有益效果是:
本发明在物流运输车辆上安装北斗导航设备,实时获取物流运输车辆的位置数据,同时获取路线前进道路的历史堵车数据信息,基于历史堵车数据信息,代入堵车时间预测网络构建策略中构建道路堵车时间预测网络,基于构建的道路堵车时间预测网络和物流运输车辆的运输速度预估物流运输车辆到达运输终点的时间,将物流运输车辆到达运输终点的时间与到达的标准时间进行对比,基于历史堵车数据对物流运输车辆行驶过程中的实时堵车时间进行快速预估,进而对车辆到达时间进行快速准确预测,实现基于北斗导航的物流运输信息化管理,提高物流运输的效率和服务质量。
附图说明
图1为本发明一种基于北斗导航的物流运输信息化管理方法流程示意图;
图2为本发明一种基于北斗导航的物流运输信息化管理方法S1步具体流程示意图;
图3为本发明一种基于北斗导航的物流运输信息化管理方法S2步具体流程示意图;
图4为本发明一种基于北斗导航的物流运输信息化管理系统构架示意图。
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,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。
实施例1
请参阅图1-图3,本发明提供的一种实施例:一种基于北斗导航的物流运输信息化管理方法,其包括以下具体步骤:
S1、在物流运输车辆上安装北斗导航设备,实时获取物流运输车辆的位置数据,同时获取路线前进道路的历史堵车数据信息;
S2、基于历史堵车数据信息,代入堵车时间预测网络构建策略中构建道路堵车时间预测网络;
S3、基于构建的道路堵车时间预测网络和物流运输车辆的运输速度预估物流运输车辆到达运输终点的时间;
S4、将物流运输车辆到达运输终点的时间与到达的标准时间进行对比,若物流运输车辆到达运输终点的时间早于到达的标准时间,则发布按时到达命令,若物流运输车辆到达运输终点的时间晚于到达的标准时间,则发布迟到命令;
在本实施例中,S1包括以下具体步骤:
S11、在物流运输车辆上安装北斗导航设备,北斗导航设备实时获取物流运输车辆的位置数据,并向物流平台反馈物流运输车的位置,同时获取物流运输车辆位置至运输终点的路径信息;
S12、获取物流运输车辆位置至运输终点的路径信息的历史各个设定时间段的堵车数据信息,堵车数据信息为路径上各个时间段的堵车时间信息;
S13、从各个路径的历史各个设定时间段的堵车数据信息中获取前三个设定时间段的堵车时间、前一周到达时刻对应的设定时间的堵车时间、当天的每个设定时间段的堵车时间;
以下是一个C语言代码,用于从历史堵车数据中获取前三个设定时间段的堵车时间、前一周到达时刻对应的设定时间的堵车时间以及当天的每个设定时间段的堵车时间,请注意,此代码仅作为示例,需要根据实际数据格式进行调整。
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#define MAX_TIME_PERIODS 10
#define DAY_SECONDS 86400
typedef struct {
int hour;
int minute;
int second;
} Time;
typedef struct {
Time periods[MAX_TIME_PERIODS];
int num_periods;
} TrafficData;
int compare_times(const void *a, const void *b) {
Time *ta = (Time *)a;
Time *tb = (Time *)b;
if (ta->hour == tb->hour) {
if (ta->minute == tb->minute) {
if (ta->second < tb->second) {
return -1;
} else {
return 1;
}
} else {
return ta->minute - tb->minute;
}
} else {
return ta->hour - tb->hour;
}
}
int main() {
TrafficData data;
data.num_periods = 0;
// 读取历史堵车数据,此处省略读取代码
// 假设已经读取了以下数据:
// periods[0] = {23, 59, 59}
// periods[1] = {0, 0, 0}
// periods[2] = {1, 30, 0}
qsort(data.periods, data.num_periods, sizeof(Time), compare_times);
int prev_three_times[MAX_TIME_PERIODS];
memset(prev_three_times, 0, sizeof(prev_three_times));
int i;
for (i = 0; i < data.num_periods && i < MAX_TIME_PERIODS; i++) {
prev_three_times[i] = data.periods[i].hour * 3600 +data.periods[i].minute * 60 + data.periods[i].second;
}
printf("前三个设定时间段堵车时间:");
for (i = 0; i < MAX_TIME_PERIODS; i++) {
printf("%d ", prev_three_times[i]);
}
printf("\n");
Time today_times[MAX_TIME_PERIODS];
memset(today_times, 0, sizeof(today_times));
int j;
for (j = 0; j < data.num_periods; j++) {
if (data.periods[j].hour >= 0 && data.periods[j].hour < 24) {
today_times[j] = data.periods[j];
} else {
break;
}
}
printf("当天每个设定时间段堵车时间:");
for (j = 0; j < MAX_TIME_PERIODS; j++) {
printf("%d ", today_times[j].hour * 3600 + today_times[j].minute * 60 + today_times[j].second);
}
printf("\n");
Time week_time;
week_time.hour = 0;
week_time.minute = 0;
week_time.second = 0;
printf("前一周到达时刻对应的设定时间的堵车时间:%d\n", week_time.hour * 3600 + week_time.minute * 60 + week_time.second);
return 0;
}
这个代码首先定义了一个‘TrafficData’结构体,用于存储历史堵车数据,然后,使用‘qsort’函数对堵车数据进行排序;
在本实施例中,S2的堵车时间预测网络构建策略的具体步骤如下:
S21、获取物流运输车辆以道路允许行驶速度到达指定堵车路段的时间段,设为到达时间段,获取到达时间段的堵车路段的前三个设定时间段的堵车时间、前一周到达时刻对应的设定时间的堵车时间、当天的每个设定时间段的堵车时间;
S22、获取前三个设定时间段的堵车时间,代入前周期平均堵车时间计算公式中计算前周期平均堵车时间,前周期平均堵车时间计算公式为:,其中,/>为前i个设定时间段的堵车时间,其中q的含义为之前设定时间段;
S23、获取前一周到达时刻对应的设定时间的堵车时间,将前一周到达时刻对应的设定时间的堵车时间代入上周平均堵车时间计算公式中计算上周平均堵车时间,其中,上周平均堵车时间计算公式为:,其中,z为上周的时间段数量,/>为上周第j个时间段的堵车时间,其中a的含义为上周。
在本实施例中,S2的堵车时间预测网络构建策略还包括如下具体步骤:
S24、获取当天的每个设定时间段的堵车时间,将当天的每个设定时间段的堵车时间代入当天平均堵车时间计算公式中计算当天平均堵车时间,其中,当天平均堵车时间计算公式为:,其中,C为当天设定时间段的个数,/>为当天第c个时间段的堵车时间,其中b的含义为当天;
S25、获取计算得到的前周期平均堵车时间、上周平均堵车时间和当天平均堵车时间代入抵达时间堵车时间预测公式中进行抵达时间堵车时间的预测,其中,抵达时间堵车时间预测公式为:,其中,/>为前周期占比系数,/>为上周占比系数,/>为当天占比系数,其中,/>,在此需要说明的是,这里的/>、/>和/>的取值方式为:取2000组前周期平均堵车时间、上周平均堵车时间、当天平均堵车时间和本时间段的堵车时间数据,将前周期平均堵车时间、上周平均堵车时间、当天平均堵车时间代入抵达时间堵车时间预测公式中进行抵达时间堵车时间的预测,然后将抵达时间堵车时间和本时间段真实的堵车时间数据代入拟合软件中,输出符合判断准确率的最优/>、/>和/>的取值;
在本实施例中,S3的具体内容包括以下具体步骤:
S31、获取路线各个前进道路的历史堵车数据信息和物流运输车辆到达每个前进道路的时间导入道路堵车时间预测网络中进行路线各个前进道路的道路堵车时间的预测,分别标记为:,其中,/>为第w个前进道路的道路堵车时间,W为前进道路的个数;
S32、将获得的预测的各个前进道路的道路堵车时间代入到达运输终点的时间计算公式中,,其中,/>为起始时间对应的时刻,/>为车辆的行驶时间;
在本实施例中,S4包括以下具体步骤:
S41、将物流运输车辆到达运输终点的时间与到达的标准时间进行对比,若物流运输车辆到达运输终点的时间早于到达的标准时间,则向车辆驾驶人员和物流平台发布按时到达命令;
S42、若物流运输车辆到达运输终点的时间晚于到达的标准时间,则向车辆驾驶人员和物流平台发布迟到命令,并提醒物流平台进行迟到报警。
通过本实施例能够实现:在物流运输车辆上安装北斗导航设备,实时获取物流运输车辆的位置数据,同时获取路线前进道路的历史堵车数据信息,基于历史堵车数据信息,代入堵车时间预测网络构建策略中构建道路堵车时间预测网络,基于构建的道路堵车时间预测网络和物流运输车辆的运输速度预估物流运输车辆到达运输终点的时间,将物流运输车辆到达运输终点的时间与到达的标准时间进行对比,基于历史堵车数据对物流运输车辆行驶过程中的实时堵车时间进行快速预估,进而对车辆到达时间进行快速准确预测,实现基于北斗导航的物流运输信息化管理,提高物流运输的效率和服务质量。
实施例2
如图4所示,一种基于北斗导航的物流运输信息化管理系统,其基于上述一种基于北斗导航的物流运输信息化管理方法实现,其具体包括:数据获取模块、道路堵车时间预测网络构建模块、到达时间预估模块、时间比较模块和控制模块,数据获取模块用于在物流运输车辆上安装北斗导航设备,实时获取物流运输车辆的位置数据,同时获取路线前进道路的历史堵车数据信息,道路堵车时间预测网络构建模块用于基于历史堵车数据信息,代入堵车时间预测网络构建策略中构建道路堵车时间预测网络,到达时间预估模块用于基于构建的道路堵车时间预测网络和物流运输车辆的运输速度预估物流运输车辆到达运输终点的时间;
在本实施例中,时间比较模块用于将物流运输车辆到达运输终点的时间与到达的标准时间进行对比,若物流运输车辆到达运输终点的时间早于到达的标准时间,则发布按时到达命令,若物流运输车辆到达运输终点的时间晚于到达的标准时间,则发布迟到命令,控制模块用于控制数据获取模块、道路堵车时间预测网络构建模块、到达时间预估模块和时间比较模块的运行。
实施例3
本实施例提供一种电子设备,包括:处理器和存储器,其中,存储器中存储有可供处理器调用的计算机程序;
处理器通过调用存储器中存储的计算机程序,执行上述的一种基于北斗导航的物流运输信息化管理方法。
该电子设备可因配置或性能不同而产生比较大的差异,能够包括一个或一个以上的处理器(Central Processing Units,CPU)和一个或一个以上的存储器,其中,该存储器中存储有至少一条计算机程序,该计算机程序由该处理器加载并执行以实现上述方法实施例提供的一种基于北斗导航的物流运输信息化管理方法。该电子设备还能够包括其他用于实现设备功能的部件,例如,该电子设备还能够具有有线或无线网络接口以及输入输出接口等部件,以便进行数据的输入输出。本实施例在此不做赘述。
实施例4
本实施例提出一种计算机可读存储介质,其上存储有可擦写的计算机程序;
当计算机程序在计算机设备上运行时,使得计算机设备执行上述的一种基于北斗导航的物流运输信息化管理方法。
例如,计算机可读存储介质能够是只读存储器(Read-Only Memory,简称:ROM)、随机存取存储器(Random Access Memory,简称:RAM)、只读光盘(Compact Disc Read-OnlyMemory,简称:CD-ROM)、磁带、软盘和光数据存储设备等。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
应理解,根据A确定B并不意味着仅仅根据A确定B,还能够根据A和/或其它信息确定B。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行计算机指令或计算机程序时,全部或部分地产生按照本发明实施例的流程或功能。计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或/和无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到,结合本发明中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
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,可做很多的修改和变化。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 (11)
1.一种基于北斗导航的物流运输信息化管理方法,其特征在于,其包括以下具体步骤:
S1、在物流运输车辆上安装北斗导航设备,实时获取物流运输车辆的位置数据,同时获取路线前进道路的历史堵车数据信息;
S2、基于历史堵车数据信息,代入堵车时间预测网络构建策略中构建道路堵车时间预测网络;
S3、基于构建的道路堵车时间预测网络和物流运输车辆的运输速度预估物流运输车辆到达运输终点的时间;
S4、将物流运输车辆到达运输终点的时间与到达的标准时间进行对比,若物流运输车辆到达运输终点的时间早于到达的标准时间,则发布按时到达命令,若物流运输车辆到达运输终点的时间晚于到达的标准时间,则发布迟到命令。
2.如权利要求1所述的一种基于北斗导航的物流运输信息化管理方法,其特征在于,所述S1包括以下具体步骤:
S11、在物流运输车辆上安装北斗导航设备,北斗导航设备实时获取物流运输车辆的位置数据,并向物流平台反馈物流运输车的位置,同时获取物流运输车辆位置至运输终点的路径信息;
S12、获取物流运输车辆位置至运输终点的路径信息的历史各个设定时间段的堵车数据信息,所述堵车数据信息为路径上各个时间段的堵车时间信息;
S13、从各个路径的历史各个设定时间段的堵车数据信息中获取前三个设定时间段的堵车时间、前一周到达时刻对应的设定时间的堵车时间、当天的每个设定时间段的堵车时间。
3.如权利要求2所述的一种基于北斗导航的物流运输信息化管理方法,其特征在于,所述S2的堵车时间预测网络构建策略的具体步骤如下:
S21、获取物流运输车辆以道路允许行驶速度到达指定堵车路段的时间段,设为到达时间段,获取到达时间段的堵车路段的前三个设定时间段的堵车时间、前一周到达时刻对应的设定时间的堵车时间、当天的每个设定时间段的堵车时间;
S22、获取前三个设定时间段的堵车时间,代入前周期平均堵车时间计算公式中计算前周期平均堵车时间,前周期平均堵车时间计算公式为:,其中,/>为前i个设定时间段的堵车时间,其中q的含义为之前设定时间段;
S23、获取前一周到达时刻对应的设定时间的堵车时间,将前一周到达时刻对应的设定时间的堵车时间代入上周平均堵车时间计算公式中计算上周平均堵车时间,其中,上周平均堵车时间计算公式为:,其中,z为上周的时间段数量,/>为上周第j个时间段的堵车时间,其中a的含义为上周。
4.如权利要求3所述的一种基于北斗导航的物流运输信息化管理方法,其特征在于,所述S2的堵车时间预测网络构建策略还包括如下具体步骤:
S24、获取当天的每个设定时间段的堵车时间,将当天的每个设定时间段的堵车时间代入当天平均堵车时间计算公式中计算当天平均堵车时间,其中,当天平均堵车时间计算公式为:,其中,C为当天设定时间段的个数,/>为当天第c个时间段的堵车时间,其中b的含义为当天;
S25、获取计算得到的前周期平均堵车时间、上周平均堵车时间和当天平均堵车时间代入抵达时间堵车时间预测公式中进行抵达时间堵车时间的预测,其中,抵达时间堵车时间预测公式为:,其中,/>为前周期占比系数,/>为上周占比系数,/>为当天占比系数,其中,/>。
5.如权利要求4所述的一种基于北斗导航的物流运输信息化管理方法,其特征在于,所述S3的具体内容包括以下具体步骤:
S31、获取路线各个前进道路的历史堵车数据信息和物流运输车辆到达每个前进道路的时间导入道路堵车时间预测网络中进行路线各个前进道路的道路堵车时间的预测,分别标记为:,其中,/>为第w个前进道路的道路堵车时间,W为前进道路的个数;
S32、将获得的预测的各个前进道路的道路堵车时间代入到达运输终点的时间计算公式中,,其中,/>为起始时间对应的时刻,/>为车辆的行驶时间。
6.如权利要求5所述的一种基于北斗导航的物流运输信息化管理方法,其特征在于,所述S4包括以下具体步骤:
S41、将物流运输车辆到达运输终点的时间与到达的标准时间进行对比,若物流运输车辆到达运输终点的时间早于到达的标准时间,则向车辆驾驶人员和物流平台发布按时到达命令;
S42、若物流运输车辆到达运输终点的时间晚于到达的标准时间,则向车辆驾驶人员和物流平台发布迟到命令,并提醒物流平台进行迟到报警。
7.一种基于北斗导航的物流运输信息化管理系统,其基于如权利要求1-6任一项的所述一种基于北斗导航的物流运输信息化管理方法实现,其特征在于,其具体包括:数据获取模块、道路堵车时间预测网络构建模块、到达时间预估模块、时间比较模块和控制模块,所述数据获取模块用于在物流运输车辆上安装北斗导航设备,实时获取物流运输车辆的位置数据,同时获取路线前进道路的历史堵车数据信息,所述道路堵车时间预测网络构建模块用于基于历史堵车数据信息,代入堵车时间预测网络构建策略中构建道路堵车时间预测网络,所述到达时间预估模块用于基于构建的道路堵车时间预测网络和物流运输车辆的运输速度预估物流运输车辆到达运输终点的时间。
8.如权利要求7中所述的一种基于北斗导航的物流运输信息化管理系统,其特征在于,所述时间比较模块用于将物流运输车辆到达运输终点的时间与到达的标准时间进行对比,若物流运输车辆到达运输终点的时间早于到达的标准时间,则发布按时到达命令,若物流运输车辆到达运输终点的时间晚于到达的标准时间,则发布迟到命令。
9.如权利要求8中所述的一种基于北斗导航的物流运输信息化管理系统,其特征在于,所述控制模块用于控制数据获取模块、道路堵车时间预测网络构建模块、到达时间预估模块和时间比较模块的运行。
10.一种电子设备,其特征在于,包括:处理器和存储器,其中,所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,执行权利要求1-6任一项所述的一种基于北斗导航的物流运输信息化管理方法。
11.一种计算机可读存储介质,其特征在于:储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1-6任一项所述的一种基于北斗导航的物流运输信息化管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410146903.4A CN117689298B (zh) | 2024-02-02 | 2024-02-02 | 一种基于北斗导航的物流运输信息化管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410146903.4A CN117689298B (zh) | 2024-02-02 | 2024-02-02 | 一种基于北斗导航的物流运输信息化管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117689298A true CN117689298A (zh) | 2024-03-12 |
CN117689298B CN117689298B (zh) | 2024-05-03 |
Family
ID=90128549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410146903.4A Active CN117689298B (zh) | 2024-02-02 | 2024-02-02 | 一种基于北斗导航的物流运输信息化管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117689298B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102346964A (zh) * | 2010-08-05 | 2012-02-08 | 王学鹰 | 道路交通网络区域拥堵实时预测与智能管理系统 |
CN104157142A (zh) * | 2014-08-27 | 2014-11-19 | 河海大学 | 一种基于浮动车数据的城市路径行程时间预测方法 |
CN104933860A (zh) * | 2015-05-20 | 2015-09-23 | 重庆大学 | 基于gps数据的公交车堵车延误时间预测方法 |
CN106323321A (zh) * | 2016-10-21 | 2017-01-11 | 思建科技有限公司 | 一种车辆导航实时修正方法及系统 |
CN116524719A (zh) * | 2023-05-22 | 2023-08-01 | 浪潮智慧科技有限公司 | 一种道路拥堵预测方法、设备及介质 |
CN117079457A (zh) * | 2023-08-07 | 2023-11-17 | 华中科技大学 | 一种基于gps数据的交通拥堵预测方法 |
-
2024
- 2024-02-02 CN CN202410146903.4A patent/CN117689298B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102346964A (zh) * | 2010-08-05 | 2012-02-08 | 王学鹰 | 道路交通网络区域拥堵实时预测与智能管理系统 |
CN104157142A (zh) * | 2014-08-27 | 2014-11-19 | 河海大学 | 一种基于浮动车数据的城市路径行程时间预测方法 |
CN104933860A (zh) * | 2015-05-20 | 2015-09-23 | 重庆大学 | 基于gps数据的公交车堵车延误时间预测方法 |
CN106323321A (zh) * | 2016-10-21 | 2017-01-11 | 思建科技有限公司 | 一种车辆导航实时修正方法及系统 |
CN116524719A (zh) * | 2023-05-22 | 2023-08-01 | 浪潮智慧科技有限公司 | 一种道路拥堵预测方法、设备及介质 |
CN117079457A (zh) * | 2023-08-07 | 2023-11-17 | 华中科技大学 | 一种基于gps数据的交通拥堵预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117689298B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10636294B1 (en) | Computer system and method for state prediction of a traffic system | |
Chen et al. | Managing truck arrivals with time windows to alleviate gate congestion at container terminals | |
CN109034481B (zh) | 一种基于约束规划的带时间窗车辆路径问题建模及优化方法 | |
WO2018068605A1 (zh) | 行程时间预测方法、装置及服务器 | |
US20150120600A1 (en) | Time and location based delivery optimization | |
US11092448B2 (en) | System and method for determining routing by learned selective optimization | |
AU2015205949A1 (en) | Data flow control order generating apparatus and sensor managing apparatus | |
JP6939911B2 (ja) | 適応的に車両を制御する方法及び装置 | |
CN110718057B (zh) | 路网运行状态评价方法、装置、电子设备及介质 | |
CN112434854B (zh) | 智慧环卫管理方法、装置、计算机设备及可读介质 | |
CN111582590B (zh) | 一种调度预测方法、装置、设备及存储介质 | |
CN109493449B (zh) | 一种基于货车gps轨迹数据和高速交易数据的货车载货状态估计方法 | |
CN116843071B (zh) | 一种用于智慧港口的运输网络运行指数预测方法及装置 | |
CN117217380A (zh) | 停车场空余停车位预测方法、装置、电子设备及存储介质 | |
CN117689298B (zh) | 一种基于北斗导航的物流运输信息化管理方法及系统 | |
CN113838303B (zh) | 停车场推荐方法、装置、电子设备及存储介质 | |
CN111667083B (zh) | 网约车预估价确定方法和装置 | |
WO2023221623A1 (zh) | 针对动力电池回收的管理方法以及管理平台 | |
GB2584862A (en) | System and method for populating a database with occupancy data of parking facilities | |
CN115907591A (zh) | 一种海洋云仓污染物运输车辆异常行为预警方法和系统 | |
CN115188192A (zh) | 一种基于行程预测的自动控制泊车系统及方法 | |
CN114372759A (zh) | 一种垃圾收运车最佳卸料口排队管理方法和系统 | |
Dong et al. | [Retracted] Signal Parameters Estimation and Optimization Using Mobile Navigation Data | |
CN118036846A (zh) | 一种基于轨迹数据分析的网约车路径规划方法及系统 | |
CN114399344B (zh) | 数据处理方法和数据处理装置 |
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 |