CN117744907A - 一种货源路线规划方法、装置、电子设备以及存储介质 - Google Patents
一种货源路线规划方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN117744907A CN117744907A CN202410181749.4A CN202410181749A CN117744907A CN 117744907 A CN117744907 A CN 117744907A CN 202410181749 A CN202410181749 A CN 202410181749A CN 117744907 A CN117744907 A CN 117744907A
- Authority
- CN
- China
- Prior art keywords
- transportation
- route
- information
- truck
- attribute
- 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 50
- 238000004458 analytical method Methods 0.000 claims abstract description 61
- 230000008569 process Effects 0.000 claims abstract description 12
- 230000003044 adaptive effect Effects 0.000 claims description 42
- 238000012544 monitoring process Methods 0.000 claims description 30
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 230000005856 abnormality Effects 0.000 claims description 19
- 230000000737 periodic effect Effects 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 15
- 238000004088 simulation Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 230000006978 adaptation Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及路线规划的技术领域,尤其涉及一种货源路线规划方法、装置、电子设备以及存储介质,该方法包括:获取收发地址信息以及货物信息,基于收发地址信息进行路线查找,得到收发路线集合,采集收发路线集合中每一条收发路线所对应的运输环境信息,根据运输环境信息以及货物信息对收发路线集合进行路线规划分析,得到目标运输路线。本申请提高了对货车在运输过程中的运输安全性。
Description
技术领域
本申请涉及路线规划的技术领域,尤其是涉及一种货源路线规划方法、装置、电子设备以及存储介质。
背景技术
随着科技不断发展,数据融合分析逐渐成为各个领域的重要工具,物流运输行业也不例外。在过去,物流运输主要靠人工规划路线与调度,但这种方法效率低、容易出错,不适应现代高速、高效的物流运输需求。因此,智能化的货运路线规划应运而生,且发展迅速。
现有的货运线路规划方法大多只是根据交通情况对货运路程进行优化,减小货运路程或者防止拥堵,但是其对于货车在实际道路运输过程中存在的风险分析不足,导致货运线路的安全风险较高,货运效率不佳。
发明内容
为了解决上述中的至少一项技术问题,本申请提供一种货源路线规划方法、装置、设备和介质。
第一方面,本申请提供一种货源路线规划方法,采用如下的技术方案:
获取收发地址信息以及货物信息,所述收发地址信息为货物运输接收地址信息以及货物运输发送地址信息;
基于所述收发地址信息进行路线查找,得到收发路线集合;
采集所述收发路线集合中每一条收发路线所对应的运输环境信息,所述运输环境信息用于表示货源运输车辆在不同收发路线行驶过程中所经过的行驶场景信息;
根据所述运输环境信息以及所述货物信息对所述收发路线集合进行路线规划分析,得到目标运输路线。
在一种可能实现的方式中,所述根据所述运输环境信息以及所述货物信息对所述收发路线集合进行路线规划分析,得到目标运输路线,包括:
根据所述货物信息确定货物装载信息、货物种类信息以及所述货物种类信息所对应的货物重量信息;
采集货车图像信息以及货车数据,并根据所述货车图像信息以及货车数据搭建货车三维模型,所述货车数据用于表征货车本身性能属性数据;
基于所述货物装载信息以及所述货物重量信息对货物进行三维模拟处理,并将处理得到的货物三维模型与所述货车三维模型按照预设比例进行模型结合,得到货车运输模型;
根据所述货物种类信息对所述运输环境信息进行一级规划,得到适配收发路线以及收发路线节点,所述适配收发路线为满足所述货物种类信息运输环境的路线,所述收发路线节点为所述适配收发路线中路线转换的节点;
基于所述运输环境信息、所述适配收发路线以及所述收发路线节点进行路线模拟,得到运输路线模型;
将所述货车运输模型在所述运输路线模型中进行模拟运输分析,得到目标运输路线。
在一种可能实现的方式中,所述将所述货车运输模型在所述运输路线模型中进行模拟运输分析,得到目标运输路线,之前还包括:
获取当前路况信息,所述当前路况信息为所述运输路线模型中不同适配收发路线所对应的路况信息;
判断所述当前路况信息是否存在预设异常路况,若存在,则对所述运输路线模型中的适配收发路线进行二次规划,得到规划后的运输路线模型。
在一种可能实现的方式中,所述将所述货车运输模型在所述运输路线模型中进行模拟运输分析,得到目标运输路线,包括:
将所述货车运输模型按照预定速度范围在所述运输路线模型中进行货源运输模拟,得到与所述运输路线模型中不同适配收发路线所对应的运输时长;
判断所述运输时长是否满足预设时长范围,若不满足,则对所述运输路线模型中的适配收发路线进行三次规划,得到规划后的运输路线模型;
若所述运输时长满足预设时长范围,则判断所述运输路线模型中是否存在预设异常路段,若存在对所述运输路线模型中的预设异常路段进行场景还原,演示所述货车运输模型经过所述预设异常路段时所对应的运输状态;
若所述运输状态不符合预设运输状态时,则对所述运输路线模型中的适配收发路线进行四次规划,得到规划后的运输路线模型;
若所述运输状态符合预设运输状态时,则将不同适配收发路线所对应的运输时长进行比对,并将所述运输时长最短的适配收发路线作为目标运输路线。
在一种可能实现的方式中,所述采集货车图像信息以及货车数据,之后还包括:
获取历史货车数据以及当前货车数据,所述历史货车数据为货车在历史周期时间段内完成不同运输任务后所对应的性能属性数据,所述当前货车数据为所述货车上一次属性测试所得到的性能属性信息;
调取所述历史货车数据中的第一属性信息以及第二属性信息;
对所述第一属性信息以及所述第二属性信息进行分析比对,得到第一匹配属性数据值以及第二匹配属性数据值;
分别对所述第一匹配属性数据值以及所述第二匹配属性数据值进行数据规划分析,得到所述货车在不同行驶环境下性能属性的数据周期性变化;
根据所述当前货车数据以及数据周期性变化对货车数据进行推演,得到货车比对数据;
将所述货车比对数据与所述货车数据进行比对,确定两者在同一时间点的数据比对差值是否超过预设比对差值,若超过,则生成数据异常信息,所述数据异常信息中包括监测设备异常以及数据准确性异常。
在一种可能实现的方式中,所述对所述第一属性信息以及所述第二属性信息进行分析比对,得到第一匹配属性数据值以及第二匹配属性数据值,包括:
基于所述第一属性信息确定第一属性种类以及与所述第一属性种类所对应的第一属性数据值,所述第一属性种类用于表示所述货车在首次应用于不同行驶路线后自身所具备的不同性能属性种类,所述第一属性数据值用于表示所述货车在首次应用于不同行驶路线后自身所具备的不同性能属性种类所对应的属性数据值;
基于所述第二属性信息确定第二属性种类以及与所述第二属性种类相对应的第二属性数据值,所述第二属性种类用于表示所述货车在非首次应用于不同行驶路线后自身所具备的不同性能属性种类,所述第二属性数据值用于表示所述货车在非首次应用于不同行驶路线后自身所具备的不同性能属性种类所对应的属性数据值;
将所述第一属性种类以及第二属性种类进行交集匹配,筛选出第一属性种类中与所述第二属性种类相同的匹配属性种类;
基于所述第一属性种类与所述第一属性数据值之间的对应关系以及所述第二属性种类与所述第二属性数据值之间的对应关系,确定与所述匹配属性种类相对应的第一匹配属性数据值以及第二匹配属性数据值,所述第一匹配属性数据值为第一属性数据值中的数据值,所述第二匹配属性数据值为第二属性数据之中的数据值。
在一种可能实现的方式中,所述分别对所述第一匹配属性数据值以及所述第二匹配属性数据值进行数据规划分析,得到所述货车在不同行驶环境下性能属性的数据周期性变化,包括:
将所述匹配属性种类以及所述第一匹配属性数据值按照测试时间点以及不同行驶路线进行数据规划,得到第一监测数据;
将所述匹配属性种类以及所述第二匹配属性数据值按照测试时间点以及不同行驶路线进行数据规划,得到第二监测数据;
对所述第一监测数据以及所述第二监测数据进行周期性监测,得到所述货车在不同行驶环境下性能属性的数据周期性变化。
第二方面,本申请提供一种货源路线规划装置,采用如下的技术方案:
一种货源路线规划装置,包括:
信息获取模块,用于获取收发地址信息以及货物信息,所述收发地址信息为货物运输接收地址信息以及货物运输发送地址信息;
路线查找模块,用于基于所述收发地址信息进行路线查找,得到收发路线集合;
信息采集模块,用于采集所述收发路线集合中每一条收发路线所对应的运输环境信息,所述运输环境信息用于表示货源运输车辆在不同收发路线行驶过程中所经过的行驶场景信息;
路线分析模块,用于根据所述运输环境信息以及所述货物信息对所述收发路线集合进行路线规划分析,得到目标运输路线。
在一种可能的实现方式中,所述路线分析模块在根据所述运输环境信息以及所述货物信息对所述收发路线集合进行路线规划分析,得到目标运输路线时,具体用于:
根据所述货物信息确定货物装载信息、货物种类信息以及所述货物种类信息所对应的货物重量信息;
采集货车图像信息以及货车数据,并根据所述货车图像信息以及货车数据搭建货车三维模型,所述货车数据用于表征货车本身性能属性数据;
基于所述货物装载信息以及所述货物重量信息对货物进行三维模拟处理,并将处理得到的货物三维模型与所述货车三维模型按照预设比例进行模型结合,得到货车运输模型;
根据所述货物种类信息对所述运输环境信息进行一级规划,得到适配收发路线以及收发路线节点,所述适配收发路线为满足所述货物种类信息运输环境的路线,所述收发路线节点为所述适配收发路线中路线转换的节点;
基于所述运输环境信息、所述适配收发路线以及所述收发路线节点进行路线模拟,得到运输路线模型;
将所述货车运输模型在所述运输路线模型中进行模拟运输分析,得到目标运输路线。
在另一种可能的实现方式中,所述装置还包括:路况获取模块以及路况判断模块,其中,
所述路况获取模块,用于获取当前路况信息,所述当前路况信息为所述运输路线模型中不同适配收发路线所对应的路况信息;
所述路况判断模块,用于判断所述当前路况信息是否存在预设异常路况,若存在,则对所述运输路线模型中的适配收发路线进行二次规划,得到规划后的运输路线模型。
在另一种可能的实现方式中,所述路线分析模块在将所述货车运输模型在所述运输路线模型中进行模拟运输分析,得到目标运输路线时,具体用于:
将所述货车运输模型按照预定速度范围在所述运输路线模型中进行货源运输模拟,得到与所述运输路线模型中不同适配收发路线所对应的运输时长;
判断所述运输时长是否满足预设时长范围,若不满足,则对所述运输路线模型中的适配收发路线进行三次规划,得到规划后的运输路线模型;
若所述运输时长满足预设时长范围,则判断所述运输路线模型中是否存在预设异常路段,若存在对所述运输路线模型中的预设异常路段进行场景还原,演示所述货车运输模型经过所述预设异常路段时所对应的运输状态;
若所述运输状态不符合预设运输状态时,则对所述运输路线模型中的适配收发路线进行四次规划,得到规划后的运输路线模型;
若所述运输状态符合预设运输状态时,则将不同适配收发路线所对应的运输时长进行比对,并将所述运输时长最短的适配收发路线作为目标运输路线。
在另一种可能的实现方式中,所述装置还包括:数据获取模块、信息调取模块、信息分析模块、属性分析模块、数据推演模块以及数据比对模块,其中,
所述数据获取模块,用于获取历史货车数据以及当前货车数据,所述历史货车数据为货车在历史周期时间段内完成不同运输任务后所对应的性能属性数据,所述当前货车数据为所述货车上一次属性测试所得到的性能属性信息;
所述信息调取模块,用于调取所述历史货车数据中的第一属性信息以及第二属性信息;
所述信息分析模块,用于对所述第一属性信息以及所述第二属性信息进行分析比对,得到第一匹配属性数据值以及第二匹配属性数据值;
所述属性分析模块,用于分别对所述第一匹配属性数据值以及所述第二匹配属性数据值进行数据规划分析,得到所述货车在不同行驶环境下性能属性的数据周期性变化;
所述数据推演模块,用于根据所述当前货车数据以及数据周期性变化对货车数据进行推演,得到货车比对数据;
所述数据比对模块,用于将所述货车比对数据与所述货车数据进行比对,确定两者在同一时间点的数据比对差值是否超过预设比对差值,若超过,则生成数据异常信息,所述数据异常信息中包括监测设备异常以及数据准确性异常。
在另一种可能的实现方式中,所述信息分析模块在对所述第一属性信息以及所述第二属性信息进行分析比对,得到第一匹配属性数据值以及第二匹配属性数据值时,具体用于:
基于所述第一属性信息确定第一属性种类以及与所述第一属性种类所对应的第一属性数据值,所述第一属性种类用于表示所述货车在首次应用于不同行驶路线后自身所具备的不同性能属性种类,所述第一属性数据值用于表示所述货车在首次应用于不同行驶路线后自身所具备的不同性能属性种类所对应的属性数据值;
基于所述第二属性信息确定第二属性种类以及与所述第二属性种类相对应的第二属性数据值,所述第二属性种类用于表示所述货车在非首次应用于不同行驶路线后自身所具备的不同性能属性种类,所述第二属性数据值用于表示所述货车在非首次应用于不同行驶路线后自身所具备的不同性能属性种类所对应的属性数据值;
将所述第一属性种类以及第二属性种类进行交集匹配,筛选出第一属性种类中与所述第二属性种类相同的匹配属性种类;
基于所述第一属性种类与所述第一属性数据值之间的对应关系以及所述第二属性种类与所述第二属性数据值之间的对应关系,确定与所述匹配属性种类相对应的第一匹配属性数据值以及第二匹配属性数据值,所述第一匹配属性数据值为第一属性数据值中的数据值,所述第二匹配属性数据值为第二属性数据之中的数据值。
在另一种可能的实现方式中,所述属性分析模块在分别对所述第一匹配属性数据值以及所述第二匹配属性数据值进行数据规划分析,得到所述货车在不同行驶环境下性能属性的数据周期性变化时,具体用于:
将所述匹配属性种类以及所述第一匹配属性数据值按照测试时间点以及不同行驶路线进行数据规划,得到第一监测数据;
将所述匹配属性种类以及所述第二匹配属性数据值按照测试时间点以及不同行驶路线进行数据规划,得到第二监测数据;
对所述第一监测数据以及所述第二监测数据进行周期性监测,得到所述货车在不同行驶环境下性能属性的数据周期性变化。
第三面,本申请提供一种电子设备,采用如下的技术方案:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行如第一方面任一项所述的一种货源路线规划方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令所述计算机执行如第一方面任一项所述货源路线规划方法。
综上所述,本申请包括以下至少一种有益技术效果:
在对货源货车进行运输路线规划时,通过获取收发地址以及货物信息确定能够满足运输条件的所有收发路线,并将所有收发路线进行集成,得到对应的收发路线集合,然后分别采集收发路线集合中每一条收发路线所对应的运输环境信息,以便于提高对每一条收发路线的行驶场景了解度,确定货车在实际道路运输过程中由于行驶场景环境所存在的风险度,然后根据运输环境信息以及货物信息对收发路线集合进行路线规划分析,查找出收发路线集合中符合当前货物信息的运输环境信息所对应的目标运输路线,从而提高货源货车在运输过程中的安全性。
附图说明
图1为本申请实施例提供的一种货源路线规划方法的流程示意图。
图2为本申请实施例提供的一种货源路线规划装置的结构示意图。
图3为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
以下结合附图1-3对本申请作进一步详细说明。
本具体实施例仅仅是对本申请的解释,其并不是对本申请的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种货源路线规划方法的方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制,如图1所示,该方法包括:
步骤S10、获取收发地址信息以及货物信息。
其中,收发地址信息为货物运输接收地址信息以及货物运输发送地址信息。
步骤S11、基于收发地址信息进行路线查找,得到收发路线集合。
在本申请实施例中,将收发地址信息转换为地理坐标(经纬度)。这是路径规划的关键步骤,因为地图和导航系统通常使用坐标进行操作。然后选择一个地图服务(如GoogleMaps、Bing Maps或OpenStreetMap)来获取详细的地图信息和路径规划工具。接着使用所选地图服务的API或其它工具,基于起点和终点的坐标,查找可能的路线。这通常涉及到使用算法如Dijkstra算法或A*算法,这些算法可以找到从起点到终点的所有组合路线。由于实际交通状况(如交通拥堵)可能会有所不同。因此,收发路线集合包括基于不同交通状况或考虑不同因素(如是否需要避开收费道路)的多条路线。同时根据实时交通信息或用户反馈,持续更新和优化路线建议,确保为用户提供最新和最相关的路线建议。
步骤S12、采集收发路线集合中每一条收发路线所对应的运输环境信息。
其中,运输环境信息用于表示货源运输车辆在不同收发路线行驶过程中所经过的行驶场景信息。
对于本申请实施例,运输环境信息包括:道路类型、交通状况、天气情况、是否经过特定区域(如隧道、桥梁)。根据所需要的环境信息,确定合适的数据来源。集成或开发适当的数据采集工具,这些工具集成到现有物流管理系统或车辆追踪系统中,用于收集运输过程中的实时环境数据。通过GPS、传感器或其他技术手段,实时收集运输过程中的环境数据。这些数据可以包括车辆的位置、速度、天气状况、道路状况等。然后对收集到的实时数据进行处理和分析,提取出与收发路线相关的环境信息。对数据的处理分析包括:数据清洗、格式转换和进一步的分类与标记。将处理后的环境信息与对应的收发路线进行整合,存储在数据库或数据仓库中。确保这些信息与路线集合相关联,以便后续分析和利用。另外,由于环境信息是动态变化的,因此需要定期去实时更新这些数据,并持续优化数据采集和处理流程,以确保数据的时效性和准确性。
步骤S13、根据运输环境信息以及货物信息对收发路线集合进行路线规划分析,得到目标运输路线。
具体地,根据货物信息确定货物装载信息、货物种类信息以及货物种类信息所对应的货物重量信息,然后采集货车图像信息以及货车数据,并根据货车图像信息以及货车数据搭建货车三维模型。然后基于货物装载信息以及货物重量信息对货物进行三维模拟处理,并将处理得到的货物三维模型与货车三维模型按照预设比例进行模型结合,得到货车运输模型,然后根据货物种类信息对运输环境信息进行一级规划,得到适配收发路线以及收发路线节点。其中,适配收发路线为满足货物种类信息运输环境的路线,收发路线节点为适配收发路线中路线转换的节点。然后基于运输环境信息、适配收发路线以及收发路线节点进行路线模拟,得到运输路线模型,将货车运输模型在运输路线模型中进行模拟运输分析,得到目标运输路线。
在本申请实施例中,通过计算机视觉技术,从货车图像信息中提取货车的主要特征,例如车轮、车厢以及车头等部分的形状和位置信息,然后基于货车图像信息以及上述所提取的特征,采用三维重建算法或软件(如Blender、3DS Max等)构建货车的三维模型,并根据货车数据(如车辆尺寸、结构等),对三维模型进行进一步的优化和调整,确保模型与实际货车的一致性和准确性。然后将货车数据与三维模型进行融合调整,得到最终的货车三维模型,其中,货车数据为货车本身性能属性数据,包括:车胎气压、载重量、制动性能等。
对于本申请实施例,货车数据是通过预先安装于货车内的传感器监测得到的数据,因此在进行货车运输时,要确保每一个传感器工作正常。
基于上述实施例,在对货源货车进行运输路线规划时,通过获取收发地址以及货物信息确定能够满足运输条件的所有收发路线,并将所有收发路线进行集成,得到对应的收发路线集合,然后分别采集收发路线集合中每一条收发路线所对应的运输环境信息,以便于提高对每一条收发路线的行驶场景了解度,确定货车在实际道路运输过程中由于行驶场景环境所存在的风险度,然后根据运输环境信息以及货物信息对收发路线集合进行路线规划分析,查找出收发路线集合中符合当前货物信息的运输环境信息所对应的目标运输路线,从而提高货源货车在运输过程中的安全性。
进一步,在本申请实施例中,将货车运输模型在运输路线模型中进行模拟运输分析,得到目标运输路线,之前还包括:获取当前路况信息,当前路况信息为运输路线模型中不同适配收发路线所对应的路况信息,判断当前路况信息是否存在预设异常路况,若存在,则对运输路线模型中的适配收发路线进行二次规划,得到规划后的运输路线模型。
对于本申请实施例,预设异常路况包括:坑洼路段、障碍物路段、陡坡路段等等。通过将运输路线模型中的适配收发路线进行二次规划,剔除掉包含预设异常路况的路段,从而得到规划后的运输路线模型。
在本申请实施例一种可能实现的方式中,将货车运输模型在运输路线模型中进行模拟运输分析,得到目标运输路线,包括:将货车运输模型按照预定速度范围在运输路线模型中进行货源运输模拟,得到与运输路线模型中不同适配收发路线所对应的运输时长,判断运输时长是否满足预设时长范围,若不满足,则对运输路线模型中的适配收发路线进行三次规划,得到规划后的运输路线模型,若运输时长满足预设时长范围,则判断运输路线模型中是否存在预设异常路段,若存在对运输路线模型中的预设异常路段进行场景还原,演示货车运输模型经过预设异常路段时所对应的运输状态,若运输状态不符合预设运输状态时,则对运输路线模型中的适配收发路线进行四次规划,得到规划后的运输路线模型,若运输状态符合预设运输状态时,则将不同适配收发路线所对应的运输时长进行比对,并将运输时长最短的适配收发路线作为目标运输路线。
根据上述内容可知,货车数据的由来是基于预先安装于货车内的传感器来的,由于随着传感器的应用,其本身的监测精度也会逐渐降低,为了确保当前货车数据的精准性,在本申请实施例一种可能实现的方式中,采集货车图像信息以及货车数据,之后还包括:获取历史货车数据以及当前货车数据,历史货车数据为货车在历史周期时间段内完成不同运输任务后所对应的性能属性数据,当前货车数据为货车上一次属性测试所得到的性能属性信息,调取历史货车数据中的第一属性信息以及第二属性信息,对第一属性信息以及第二属性信息进行分析比对,得到第一匹配属性数据值以及第二匹配属性数据值,分别对第一匹配属性数据值以及第二匹配属性数据值进行数据规划分析,得到货车在不同行驶环境下性能属性的数据周期性变化,根据当前货车数据以及数据周期性变化对货车数据进行推演,得到货车比对数据,将货车比对数据与货车数据进行比对,确定两者在同一时间点的数据比对差值是否超过预设比对差值,若超过,则生成数据异常信息,数据异常信息中包括监测设备异常以及数据准确性异常。
具体的,对第一属性信息以及第二属性信息进行分析比对,得到第一匹配属性数据值以及第二匹配属性数据值,包括:基于第一属性信息确定第一属性种类以及与第一属性种类所对应的第一属性数据值,第一属性种类用于表示货车在首次应用于不同行驶路线后自身所具备的不同性能属性种类,第一属性数据值用于表示货车在首次应用于不同行驶路线后自身所具备的不同性能属性种类所对应的属性数据值,基于第二属性信息确定第二属性种类以及与第二属性种类相对应的第二属性数据值,第二属性种类用于表示货车在非首次应用于不同行驶路线后自身所具备的不同性能属性种类,第二属性数据值用于表示货车在非首次应用于不同行驶路线后自身所具备的不同性能属性种类所对应的属性数据值,将第一属性种类以及第二属性种类进行交集匹配,筛选出第一属性种类中与第二属性种类相同的匹配属性种类,基于第一属性种类与第一属性数据值之间的对应关系以及第二属性种类与第二属性数据值之间的对应关系,确定与匹配属性种类相对应的第一匹配属性数据值以及第二匹配属性数据值,第一匹配属性数据值为第一属性数据值中的数据值,第二匹配属性数据值为第二属性数据之中的数据值。
具体地,分别对第一匹配属性数据值以及第二匹配属性数据值进行数据规划分析,得到货车在不同行驶环境下性能属性的数据周期性变化,包括:将匹配属性种类以及第一匹配属性数据值按照测试时间点以及不同行驶路线进行数据规划,得到第一监测数据,将匹配属性种类以及第二匹配属性数据值按照测试时间点以及不同行驶路线进行数据规划,得到第二监测数据,对第一监测数据以及第二监测数据进行周期性监测,得到货车在不同行驶环境下性能属性的数据周期性变化。
下面对本申请实施例提供的一种货源路线规划装置进行介绍,下文描述的货源路线规划装置与上文描述的货源路线规划方法可相互对应参照,请参考图2,图2是本申请实施例提供的一种货源路线规划装置20的结构示意图,包括:
信息获取模块21,用于获取收发地址信息以及货物信息,收发地址信息为货物运输接收地址信息以及货物运输发送地址信息;
路线查找模块22,用于基于收发地址信息进行路线查找,得到收发路线集合;
信息采集模块23,用于采集收发路线集合中每一条收发路线所对应的运输环境信息,运输环境信息用于表示货源运输车辆在不同收发路线行驶过程中所经过的行驶场景信息;
路线分析模块24,用于根据运输环境信息以及货物信息对收发路线集合进行路线规划分析,得到目标运输路线。
本申请实施例中的一种可能的实现方式,路线分析模块24在根据运输环境信息以及货物信息对收发路线集合进行路线规划分析,得到目标运输路线时,具体用于:
根据货物信息确定货物装载信息、货物种类信息以及货物种类信息所对应的货物重量信息;
采集货车图像信息以及货车数据,并根据货车图像信息以及货车数据搭建货车三维模型,货车数据用于表征货车本身性能属性数据;
基于货物装载信息以及货物重量信息对货物进行三维模拟处理,并将处理得到的货物三维模型与货车三维模型按照预设比例进行模型结合,得到货车运输模型;
根据货物种类信息对运输环境信息进行一级规划,得到适配收发路线以及收发路线节点,适配收发路线为满足货物种类信息运输环境的路线,收发路线节点为适配收发路线中路线转换的节点;
基于运输环境信息、适配收发路线以及收发路线节点进行路线模拟,得到运输路线模型;
将货车运输模型在运输路线模型中进行模拟运输分析,得到目标运输路线。
本申请实施例中的另一种可能的实现方式,装置20还包括:路况获取模块以及路况判断模块,其中,
路况获取模块,用于获取当前路况信息,当前路况信息为运输路线模型中不同适配收发路线所对应的路况信息;
路况判断模块,用于判断当前路况信息是否存在预设异常路况,若存在,则对运输路线模型中的适配收发路线进行二次规划,得到规划后的运输路线模型。
本申请实施例中的另一种可能的实现方式,路线分析模块24在将货车运输模型在运输路线模型中进行模拟运输分析,得到目标运输路线时,具体用于:
将货车运输模型按照预定速度范围在运输路线模型中进行货源运输模拟,得到与运输路线模型中不同适配收发路线所对应的运输时长;
判断运输时长是否满足预设时长范围,若不满足,则对运输路线模型中的适配收发路线进行三次规划,得到规划后的运输路线模型;
若运输时长满足预设时长范围,则判断运输路线模型中是否存在预设异常路段,若存在对运输路线模型中的预设异常路段进行场景还原,演示货车运输模型经过预设异常路段时所对应的运输状态;
若运输状态不符合预设运输状态时,则对运输路线模型中的适配收发路线进行四次规划,得到规划后的运输路线模型;
若运输状态符合预设运输状态时,则将不同适配收发路线所对应的运输时长进行比对,并将运输时长最短的适配收发路线作为目标运输路线。
本申请实施例中的另一种可能的实现方式,装置20还包括:数据获取模块、信息调取模块、信息分析模块、属性分析模块、数据推演模块以及数据比对模块,其中,
数据获取模块,用于获取历史货车数据以及当前货车数据,历史货车数据为货车在历史周期时间段内完成不同运输任务后所对应的性能属性数据,当前货车数据为货车上一次属性测试所得到的性能属性信息;
信息调取模块,用于调取历史货车数据中的第一属性信息以及第二属性信息;
信息分析模块,用于对第一属性信息以及第二属性信息进行分析比对,得到第一匹配属性数据值以及第二匹配属性数据值;
属性分析模块,用于分别对第一匹配属性数据值以及第二匹配属性数据值进行数据规划分析,得到货车在不同行驶环境下性能属性的数据周期性变化;
数据推演模块,用于根据当前货车数据以及数据周期性变化对货车数据进行推演,得到货车比对数据;
数据比对模块,用于将货车比对数据与货车数据进行比对,确定两者在同一时间点的数据比对差值是否超过预设比对差值,若超过,则生成数据异常信息,数据异常信息中包括监测设备异常以及数据准确性异常。
本申请实施例中的另一种可能的实现方式,信息分析模块在对第一属性信息以及第二属性信息进行分析比对,得到第一匹配属性数据值以及第二匹配属性数据值时,具体用于:
基于第一属性信息确定第一属性种类以及与第一属性种类所对应的第一属性数据值,第一属性种类用于表示货车在首次应用于不同行驶路线后自身所具备的不同性能属性种类,第一属性数据值用于表示货车在首次应用于不同行驶路线后自身所具备的不同性能属性种类所对应的属性数据值;
基于第二属性信息确定第二属性种类以及与第二属性种类相对应的第二属性数据值,第二属性种类用于表示货车在非首次应用于不同行驶路线后自身所具备的不同性能属性种类,第二属性数据值用于表示货车在非首次应用于不同行驶路线后自身所具备的不同性能属性种类所对应的属性数据值;
将第一属性种类以及第二属性种类进行交集匹配,筛选出第一属性种类中与第二属性种类相同的匹配属性种类;
基于第一属性种类与第一属性数据值之间的对应关系以及第二属性种类与第二属性数据值之间的对应关系,确定与匹配属性种类相对应的第一匹配属性数据值以及第二匹配属性数据值,第一匹配属性数据值为第一属性数据值中的数据值,第二匹配属性数据值为第二属性数据之中的数据值。
本申请实施例中的另一种可能的实现方式,属性分析模块在分别对第一匹配属性数据值以及第二匹配属性数据值进行数据规划分析,得到货车在不同行驶环境下性能属性的数据周期性变化时,具体用于:
将匹配属性种类以及第一匹配属性数据值按照测试时间点以及不同行驶路线进行数据规划,得到第一监测数据;
将匹配属性种类以及第二匹配属性数据值按照测试时间点以及不同行驶路线进行数据规划,得到第二监测数据;
对第一监测数据以及第二监测数据进行周期性监测,得到货车在不同行驶环境下性能属性的数据周期性变化。
下面对本申请实施例提供的一种电子设备进行介绍,下文描述的电子设备与上文描述的货源路线规划方法可相互对应参照。
本申请实施例提供了一种电子设备,如图3所示,图3为本申请实施例提供的一种电子设备的结构示意图,图3所示的电子设备300包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备300还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(CentralProcessingUnit,中央处理器),通用处理器,DSP(DigitalSignalProcessor,数据信号处理器),ASIC(ApplicationSpecificIntegratedCircuit,专用集成电路),FPGA(FieldProgrammableGateArray,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请实施例公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(PeripheralComponentInterconnect,外设部件互连标准)总线或EISA(ExtendedIndustryStandardArchitecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器303可以是ROM(ReadOnlyMemory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(RandomAccessMemory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(ElectricallyErasableProgrammableReadOnlyMemory,电可擦可编程只读存储器)、CD-ROM(CompactDiscReadOnlyMemory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请实施例方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
下面对本申请实施例提供的一种计算机可读存储介质进行介绍,下文描述的计算机可读存储介质与上文描述的方法可相互对应参照。
本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上货源路线规划方法的步骤。
由于计算机可读存储介质部分的实施例与方法部分的实施例相互对应,因此计算机可读存储介质部分的实施例请参见方法部分的实施例的描述。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种货源路线规划方法,其特征在于,包括:
获取收发地址信息以及货物信息,所述收发地址信息为货物运输接收地址信息以及货物运输发送地址信息;
基于所述收发地址信息进行路线查找,得到收发路线集合;
采集所述收发路线集合中每一条收发路线所对应的运输环境信息,所述运输环境信息用于表示货源运输车辆在不同收发路线行驶过程中所经过的行驶场景信息;
根据所述运输环境信息以及所述货物信息对所述收发路线集合进行路线规划分析,得到目标运输路线。
2.根据权利要求1所述的一种货源路线规划方法,其特征在于,所述根据所述运输环境信息以及所述货物信息对所述收发路线集合进行路线规划分析,得到目标运输路线,包括:
根据所述货物信息确定货物装载信息、货物种类信息以及所述货物种类信息所对应的货物重量信息;
采集货车图像信息以及货车数据,并根据所述货车图像信息以及货车数据搭建货车三维模型,所述货车数据用于表征货车本身性能属性数据;
基于所述货物装载信息以及所述货物重量信息对货物进行三维模拟处理,并将处理得到的货物三维模型与所述货车三维模型按照预设比例进行模型结合,得到货车运输模型;
根据所述货物种类信息对所述运输环境信息进行一级规划,得到适配收发路线以及收发路线节点,所述适配收发路线为满足所述货物种类信息运输环境的路线,所述收发路线节点为所述适配收发路线中路线转换的节点;
基于所述运输环境信息、所述适配收发路线以及所述收发路线节点进行路线模拟,得到运输路线模型;
将所述货车运输模型在所述运输路线模型中进行模拟运输分析,得到目标运输路线。
3.根据权利要求2所述的一种货源路线规划方法,其特征在于,所述将所述货车运输模型在所述运输路线模型中进行模拟运输分析,得到目标运输路线,之前还包括:
获取当前路况信息,所述当前路况信息为所述运输路线模型中不同适配收发路线所对应的路况信息;
判断所述当前路况信息是否存在预设异常路况,若存在,则对所述运输路线模型中的适配收发路线进行二次规划,得到规划后的运输路线模型。
4.根据权利要求2所述的一种货源路线规划方法,其特征在于,所述将所述货车运输模型在所述运输路线模型中进行模拟运输分析,得到目标运输路线,包括:
将所述货车运输模型按照预定速度范围在所述运输路线模型中进行货源运输模拟,得到与所述运输路线模型中不同适配收发路线所对应的运输时长;
判断所述运输时长是否满足预设时长范围,若不满足,则对所述运输路线模型中的适配收发路线进行三次规划,得到规划后的运输路线模型;
若所述运输时长满足预设时长范围,则判断所述运输路线模型中是否存在预设异常路段,若存在对所述运输路线模型中的预设异常路段进行场景还原,演示所述货车运输模型经过所述预设异常路段时所对应的运输状态;
若所述运输状态不符合预设运输状态时,则对所述运输路线模型中的适配收发路线进行四次规划,得到规划后的运输路线模型;
若所述运输状态符合预设运输状态时,则将不同适配收发路线所对应的运输时长进行比对,并将所述运输时长最短的适配收发路线作为目标运输路线。
5.根据权利要求4所述的一种货源路线规划方法,其特征在于,所述采集货车图像信息以及货车数据,之后还包括:
获取历史货车数据以及当前货车数据,所述历史货车数据为货车在历史周期时间段内完成不同运输任务后所对应的性能属性数据,所述当前货车数据为所述货车上一次属性测试所得到的性能属性信息;
调取所述历史货车数据中的第一属性信息以及第二属性信息;
对所述第一属性信息以及所述第二属性信息进行分析比对,得到第一匹配属性数据值以及第二匹配属性数据值;
分别对所述第一匹配属性数据值以及所述第二匹配属性数据值进行数据规划分析,得到所述货车在不同行驶环境下性能属性的数据周期性变化;
根据所述当前货车数据以及数据周期性变化对货车数据进行推演,得到货车比对数据;
将所述货车比对数据与所述货车数据进行比对,确定两者在同一时间点的数据比对差值是否超过预设比对差值,若超过,则生成数据异常信息,所述数据异常信息中包括监测设备异常以及数据准确性异常。
6.根据权利要求5所述的一种货源路线规划方法,其特征在于,所述对所述第一属性信息以及所述第二属性信息进行分析比对,得到第一匹配属性数据值以及第二匹配属性数据值,包括:
基于所述第一属性信息确定第一属性种类以及与所述第一属性种类所对应的第一属性数据值,所述第一属性种类用于表示所述货车在首次应用于不同行驶路线后自身所具备的不同性能属性种类,所述第一属性数据值用于表示所述货车在首次应用于不同行驶路线后自身所具备的不同性能属性种类所对应的属性数据值;
基于所述第二属性信息确定第二属性种类以及与所述第二属性种类相对应的第二属性数据值,所述第二属性种类用于表示所述货车在非首次应用于不同行驶路线后自身所具备的不同性能属性种类,所述第二属性数据值用于表示所述货车在非首次应用于不同行驶路线后自身所具备的不同性能属性种类所对应的属性数据值;
将所述第一属性种类以及第二属性种类进行交集匹配,筛选出第一属性种类中与所述第二属性种类相同的匹配属性种类;
基于所述第一属性种类与所述第一属性数据值之间的对应关系以及所述第二属性种类与所述第二属性数据值之间的对应关系,确定与所述匹配属性种类相对应的第一匹配属性数据值以及第二匹配属性数据值,所述第一匹配属性数据值为第一属性数据值中的数据值,所述第二匹配属性数据值为第二属性数据之中的数据值。
7.根据权利要求6所述的一种货源路线规划方法,其特征在于,所述分别对所述第一匹配属性数据值以及所述第二匹配属性数据值进行数据规划分析,得到所述货车在不同行驶环境下性能属性的数据周期性变化,包括:
将所述匹配属性种类以及所述第一匹配属性数据值按照测试时间点以及不同行驶路线进行数据规划,得到第一监测数据;
将所述匹配属性种类以及所述第二匹配属性数据值按照测试时间点以及不同行驶路线进行数据规划,得到第二监测数据;
对所述第一监测数据以及所述第二监测数据进行周期性监测,得到所述货车在不同行驶环境下性能属性的数据周期性变化。
8.一种货源路线规划装置,其特征在于,包括:
信息获取模块,用于获取收发地址信息以及货物信息,所述收发地址信息为货物运输接收地址信息以及货物运输发送地址信息;
路线查找模块,用于基于所述收发地址信息进行路线查找,得到收发路线集合;
信息采集模块,用于采集所述收发路线集合中每一条收发路线所对应的运输环境信息,所述运输环境信息用于表示货源运输车辆在不同收发路线行驶过程中所经过的行驶场景信息;
路线分析模块,用于根据所述运输环境信息以及所述货物信息对所述收发路线集合进行路线规划分析,得到目标运输路线。
9.一种电子设备,其特征在于,包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1至7任一项所述的一种货源路线规划方法。
10.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至7中任一项所述的一种货源路线规划方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410181749.4A CN117744907B (zh) | 2024-02-19 | 2024-02-19 | 一种货源路线规划方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410181749.4A CN117744907B (zh) | 2024-02-19 | 2024-02-19 | 一种货源路线规划方法、装置、电子设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117744907A true CN117744907A (zh) | 2024-03-22 |
CN117744907B CN117744907B (zh) | 2024-04-26 |
Family
ID=90253028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410181749.4A Active CN117744907B (zh) | 2024-02-19 | 2024-02-19 | 一种货源路线规划方法、装置、电子设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117744907B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160148440A1 (en) * | 2014-11-22 | 2016-05-26 | TrueLite Trace, Inc. | Real-Time Cargo Condition Management System and Method Based on Remote Real-Time Vehicle OBD Monitoring |
CN109816151A (zh) * | 2018-12-29 | 2019-05-28 | 天津五八到家科技有限公司 | 运输路线规划、重现方法、服务器及存储介质 |
WO2020139324A1 (en) * | 2018-12-26 | 2020-07-02 | Didi Research America, Llc | Systems and methods for safe route planning for a vehicle |
CN111762229A (zh) * | 2020-06-10 | 2020-10-13 | 李林卿 | 一种铁路危险货物运输全生命周期监管方法 |
CN113525987A (zh) * | 2021-07-29 | 2021-10-22 | 华清科盛(北京)信息技术有限公司 | 一种基于物联网技术的轻量级物流货物分拣运送方法、装置及电子设备 |
CN116167596A (zh) * | 2023-04-25 | 2023-05-26 | 深圳市宏大供应链服务有限公司 | 一种基于大数据的配送路径分析方法及系统 |
CN116520351A (zh) * | 2023-05-05 | 2023-08-01 | 成都铁路科创有限责任公司 | 一种列车状态监测方法、系统、存储介质及终端 |
CN116611594A (zh) * | 2023-04-07 | 2023-08-18 | 中南大学 | 同时取送货车辆路径与三维货物平衡装载的耦合优化方法 |
CN116934200A (zh) * | 2023-07-25 | 2023-10-24 | 广东鲸广物流科技有限公司 | 一种基于大数据的物流运输监管系统和方法 |
CN116957459A (zh) * | 2023-08-03 | 2023-10-27 | 江苏运满满信息科技有限公司 | 基于货运场景的智能匹配方法、系统、设备及存储介质 |
WO2023236872A1 (zh) * | 2022-06-09 | 2023-12-14 | 劢微机器人(深圳)有限公司 | 基于雷达和相机融合的卸货方法、检测装置及存储介质 |
-
2024
- 2024-02-19 CN CN202410181749.4A patent/CN117744907B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160148440A1 (en) * | 2014-11-22 | 2016-05-26 | TrueLite Trace, Inc. | Real-Time Cargo Condition Management System and Method Based on Remote Real-Time Vehicle OBD Monitoring |
WO2020139324A1 (en) * | 2018-12-26 | 2020-07-02 | Didi Research America, Llc | Systems and methods for safe route planning for a vehicle |
CN109816151A (zh) * | 2018-12-29 | 2019-05-28 | 天津五八到家科技有限公司 | 运输路线规划、重现方法、服务器及存储介质 |
CN111762229A (zh) * | 2020-06-10 | 2020-10-13 | 李林卿 | 一种铁路危险货物运输全生命周期监管方法 |
CN113525987A (zh) * | 2021-07-29 | 2021-10-22 | 华清科盛(北京)信息技术有限公司 | 一种基于物联网技术的轻量级物流货物分拣运送方法、装置及电子设备 |
WO2023236872A1 (zh) * | 2022-06-09 | 2023-12-14 | 劢微机器人(深圳)有限公司 | 基于雷达和相机融合的卸货方法、检测装置及存储介质 |
CN116611594A (zh) * | 2023-04-07 | 2023-08-18 | 中南大学 | 同时取送货车辆路径与三维货物平衡装载的耦合优化方法 |
CN116167596A (zh) * | 2023-04-25 | 2023-05-26 | 深圳市宏大供应链服务有限公司 | 一种基于大数据的配送路径分析方法及系统 |
CN116520351A (zh) * | 2023-05-05 | 2023-08-01 | 成都铁路科创有限责任公司 | 一种列车状态监测方法、系统、存储介质及终端 |
CN116934200A (zh) * | 2023-07-25 | 2023-10-24 | 广东鲸广物流科技有限公司 | 一种基于大数据的物流运输监管系统和方法 |
CN116957459A (zh) * | 2023-08-03 | 2023-10-27 | 江苏运满满信息科技有限公司 | 基于货运场景的智能匹配方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117744907B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110914777B (zh) | 用于自主车辆的高清地图以及路线存储管理系统 | |
CN107624190A (zh) | 用于加速路线搜索的系统和方法 | |
CN113268678A (zh) | 一种车辆停靠点的语义挖掘方法、装置、存储介质及终端 | |
CN111831766A (zh) | 兴趣点搜索方法、可读存储介质和电子设备 | |
CN112200336A (zh) | 一种车辆行驶路径规划的方法和装置 | |
CN113222492A (zh) | 一种车辆行驶线路类型的判别方法、装置、存储介质及终端 | |
CN113284337B (zh) | 基于车辆轨迹多维数据的od矩阵计算方法及装置 | |
CN110502601B (zh) | 查找仓库的方法和装置 | |
CN117744907B (zh) | 一种货源路线规划方法、装置、电子设备以及存储介质 | |
CN108827329B (zh) | 城市导航方法、系统、设备及存储介质 | |
CN116542591A (zh) | 一种考虑不确定条件的多式联运路径优化方法 | |
CN113282638B (zh) | 一种城建用车识别方法和装置 | |
JP2021009027A (ja) | 経路出力装置、方法、及びプログラム | |
US20150106392A1 (en) | Planar graph generation device and method | |
CN115907580A (zh) | 城配物流的运输监控方法、装置、设备及存储介质 | |
CN109506666A (zh) | 车辆还车区域推荐方法与装置 | |
CN113624245B (zh) | 导航方法及装置、计算机存储介质、电子设备 | |
JP7239053B2 (ja) | 生成装置、生成方法及び生成プログラム | |
CN114202272A (zh) | 一种基于电子围栏的车货匹配方法、装置、存储介质及终端 | |
CN113987312A (zh) | 货运汽车装卸货停靠点的推荐方法、设备及存储介质 | |
CN114821515A (zh) | 一种道路积存物信息的确定方法和装置 | |
Dong et al. | A heuristics based global navigation satellite system data reduction algorithm integrated with map-matching | |
CN116167679B (zh) | 基于物联网的低损耗运输方法、装置、设备及存储介质 | |
US20190145783A1 (en) | Method, device and system for wrong-way driver detection | |
US20240175704A1 (en) | Method, apparatus, and computer program product for intelligent gap placement within mobility data using junctions inferred by features of the mobility data |
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 |