CN111464613A - 一种车辆载卸货行为识别方法及*** - Google Patents

一种车辆载卸货行为识别方法及*** Download PDF

Info

Publication number
CN111464613A
CN111464613A CN202010234871.5A CN202010234871A CN111464613A CN 111464613 A CN111464613 A CN 111464613A CN 202010234871 A CN202010234871 A CN 202010234871A CN 111464613 A CN111464613 A CN 111464613A
Authority
CN
China
Prior art keywords
vehicle
segment
parking point
driving
message data
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
Application number
CN202010234871.5A
Other languages
English (en)
Inventor
王震坡
龙超华
陈奕昆
周鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute Of Technology New Source Information Technology Co ltd
Original Assignee
Beijing Institute Of Technology New Source Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute Of Technology New Source Information Technology Co ltd filed Critical Beijing Institute Of Technology New Source Information Technology Co ltd
Priority to CN202010234871.5A priority Critical patent/CN111464613A/zh
Publication of CN111464613A publication Critical patent/CN111464613A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • G07C5/085—Registering performance data using electronic data carriers

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种车辆载卸货行为识别方法及***，涉及车辆行驶数据处理领域，主要包括对设定时间段内车辆上传的离线报文数据进行预处理；对预处理后的离线报文数据进行切分筛选，确定车辆的各个行驶片段；根据预处理后的离线报文数据，计算每个行驶片段对应的车辆质量；根据每个行驶片段对应的车辆质量，结合车辆停驻点行为，计算每个行驶片段内停驻点对应的车辆质量；根据每个行驶片段内停驻点对应的车辆质量，识别车辆的载卸货行为。本发明不仅能够提高识别结果的准确性，而且能够工程化。

Description

一种车辆载卸货行为识别方法及***
技术领域
本发明涉及车辆行驶数据处理领域，特别是涉及一种车辆载卸货行为识别方法及***。
背景技术
车辆实时质量计算和载卸货行为的识别对判断车辆超载及车辆运输属性具有重要意义，能有效指导环保、公安、交通等监管部门查处超载车辆并发现区域重点用车企业，辅助监管工作的开展。
现有车辆实时质量计算所需参数过多，包括：道路坡度、车辆迎风面积、空气阻力系数等参数，且这些参数并不是固定不变，而是随着道路以及天气的变化而变化，除了计算过程复杂以外，计算结果的准确性也因为复杂的参数要求难以保证；并且在大数据的基础上，过多的不确定参数导致此方法难以工程化。
发明内容
本发明的目的是提供一种车辆载卸货行为识别方法及***，不仅能够提高识别结果的准确性，而且能够工程化。
为实现上述目的，本发明提供了如下方案：
一种车辆载卸货行为识别方法，包括：
对设定时间段内车辆上传的离线报文数据进行预处理；所述离线报文数据包括多个字段，分别为车辆唯一识别码、时间、行驶速度片段、最大扭矩输出比例和转速；
对预处理后的离线报文数据进行切分筛选，确定车辆的各个行驶片段；
根据所述预处理后的离线报文数据，计算每个所述行驶片段对应的车辆质量；
根据每个所述行驶片段以及每个所述行驶片段对应的车辆质量，结合车辆停驻点行为，计算每个停驻点对应的车辆质量；
根据每个所述停驻点对应的车辆质量，识别车辆的载卸货行为。
可选的，所述对设定时间段内车辆上传的离线报文数据进行预处理，具体包括：
对所述离线报文数据进行异常值检查处理、缺失值删除处理、时间跨度确定处理以及数据单位一致性处理。
可选的，所述对预处理后的离线报文数据进行切分筛选，确定车辆的各个行驶片段，具体包括：
根据所述预处理后的离线报文数据中的行驶速度片段，切分出车辆的各个加速行驶片段；
根据设定约束条件对各个所述加速行驶片段进行筛选，确定车辆的各个行驶片段；所述设定约束条件包括加速开始速度、加速结束速度以及加速时间。
可选的，所述根据所述预处理后的离线报文数据，计算每个所述行驶片段对应的车辆质量，具体包括：
根据公式
Figure BDA0002430644490000021
计算每个所述行驶片段对应的车辆质量；
式中，P表示功率，R表示扭矩，N表示转速，T表示行驶片段的时间，v1表示行驶片段的初始速度，v2表示行驶片段的结束速度，M表示质量；其中，所述扭矩为最大扭矩输出比例与车辆额定扭矩的积。
可选的，所述根据每个所述行驶片段以及每个所述行驶片段对应的车辆质量，结合车辆停驻点行为，计算每个停驻点对应的车辆质量，具体包括：
根据每个所述行驶片段，结合车辆停驻点行为，确定停驻点信息；所述车辆停驻点行为是速度为0且位移小于10米的行为；所述停驻点信息包括停驻时间、停驻位置和停驻时长；
根据上一个停驻点与当前停驻点之间的所述行驶片段对应的车辆质量，计算当前停驻点对应的车辆质量，进而得到每个停驻点对应的车辆质量。
一种车辆载卸货行为识别***，包括：
预处理模块，用于对设定时间段内车辆上传的离线报文数据进行预处理；所述离线报文数据包括多个字段，分别为车辆唯一识别码、时间、行驶速度片段、最大扭矩输出比例和转速；
行驶片段确定模块，用于对预处理后的离线报文数据进行切分筛选，确定车辆的各个行驶片段；
第一车辆质量计算模块，用于根据所述预处理后的离线报文数据，计算每个所述行驶片段对应的车辆质量；
第二车辆质量计算模块，用于根据每个所述行驶片段以及每个所述行驶片段对应的车辆质量，结合车辆停驻点行为，计算每个停驻点对应的车辆质量；
识别模块，用于根据每个所述停驻点对应的车辆质量，识别车辆的载卸货行为。
可选的，所述预处理模块，具体包括：
预处理单元，用于对所述离线报文数据进行异常值检查处理、缺失值删除处理、时间跨度确定处理以及数据单位一致性处理。
可选的，所述行驶片段确定模块，具体包括：
切分单元，用于根据所述预处理后的离线报文数据中的行驶速度片段，切分出车辆的各个加速行驶片段；
行驶片段确定单元，用于根据设定约束条件对各个所述加速行驶片段进行筛选，确定车辆的各个行驶片段；所述设定约束条件包括加速开始速度、加速结束速度以及加速时间。
可选的，所述第一车辆质量计算模块，具体包括：
第一车辆质量计算单元，用于根据公式P＝R*N和
Figure BDA0002430644490000031
计算每个所述行驶片段对应的车辆质量；
式中，P表示功率，R表示扭矩，N表示转速，T表示行驶片段的时间，v1表示行驶片段的初始速度，v2表示行驶片段的结束速度，M表示质量；其中，所述扭矩为最大扭矩输出比例与车辆额定扭矩的积。
可选的，所述第二车辆质量计算模块，具体包括：
停驻点信息确定单元，用于根据每个所述行驶片段，结合车辆停驻点行为，确定停驻点信息；所述车辆停驻点行为是速度为0且位移小于10米的行为；所述停驻点信息包括停驻时间、停驻位置和停驻时长；
第二车辆质量计算单元，用于根据上一个停驻点与当前停驻点之间的所述行驶片段对应的车辆质量，计算当前停驻点对应的车辆质量，进而得到每个停驻点对应的车辆质量。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种车辆载卸货行为识别方法及***，基于动能定理对车辆上传的离线报文数据进行实时计算，不依赖其他外部数据，准确性高，计算简单且时效性高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种车辆载卸货行为识别方法的流程示意图；
图2为本发明一种车辆载卸货行为识别***的结构示意图。
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种车辆载卸货行为识别方法及***，不仅能够提高识别结果的准确性，而且能够工程化。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明主要基于车辆的离线报文数据(该离线数据遵循协议GB17691)，利用Spark框架，对车辆质量进行计算，并根据车辆质量的变化识别载卸货行为。
如图1所示，本发明提供了一种车辆载卸货行为识别方法，具体步骤如下。
步骤101：对设定时间段内车辆上传的离线报文数据进行预处理；所述离线报文数据包括多个字段，分别为车辆唯一识别码、时间、行驶速度片段、最大扭矩输出比例和转速。具体为：
对所述离线报文数据进行异常值检查处理、缺失值删除处理、时间跨度确定处理以及数据单位一致性处理。
步骤102：对预处理后的离线报文数据进行切分筛选，确定车辆的各个行驶片段。具体为：
根据所述预处理后的离线报文数据中的行驶速度片段，切分出车辆的各个加速行驶片段，即根据速度变化，切分出车辆各个加速的行驶片段。
根据设定约束条件对各个所述加速行驶片段进行筛选，确定最终的车辆的各个行驶片段；所述设定约束条件包括加速开始速度、加速结束速度以及加速时间。
步骤103：根据所述预处理后的离线报文数据，计算每个所述行驶片段对应的车辆质量。具体为：
根据公式P＝R*N和
Figure BDA0002430644490000051
计算每个所述行驶片段对应的车辆质量。
其中，P表示功率，R表示扭矩，N表示转速，T表示行驶片段的时间，v1表示行驶片段的初始速度，v2表示行驶片段的结束速度，M表示质量；所述扭矩为最大扭矩输出比例与车辆额定扭矩的积。
步骤104：根据每个所述行驶片段以及每个所述行驶片段对应的车辆质量，结合车辆停驻点行为，计算每个停驻点对应的车辆质量。具体为：
根据每个所述行驶片段，结合车辆停驻点行为，确定停驻点信息；所述停驻点信息包括停驻时间、停驻位置和停驻时长。
根据上一个停驻点与当前停驻点之间的所述行驶片段对应的车辆质量，计算当前停驻点对应的车辆质量，进而得到每个停驻点对应的车辆质量。
其中，车辆停驻点行为简单的来讲就是将速度为0且位移小于10米的行为视为驻停行为，驻停行为之间的位移小于50米的点视为同一驻停位置。
在计算当前停驻点对应的车辆质量时，是将上一个停驻点与当前停驻点之间的所有行驶片段对应的车辆质量取中位数作为该停驻点的最终车辆质量。
步骤105：根据根据每个所述停驻点对应的车辆质量，识别车辆的载卸货行为。具体为：
若停驻点前后对应的车辆质量无明显差别则确定车辆无载卸货行为，反之，若停驻点前后对应的车辆质量有明显差别则确定车辆有载卸货行为。
如图2所示，本发明还提供了一种车辆载卸货行为识别***，包括：
预处理模块201，用于对设定时间段内车辆上传的离线报文数据进行预处理；所述离线报文数据包括多个字段，分别为车辆唯一识别码、时间、行驶速度片段、最大扭矩输出比例和转速；具体包括：
预处理单元，用于对所述离线报文数据进行异常值检查处理、缺失值删除处理、时间跨度确定处理以及数据单位一致性处理。
行驶片段确定模块202，用于对预处理后的离线报文数据进行切分筛选，确定车辆的各个行驶片段；具体包括：
切分单元，用于根据所述预处理后的离线报文数据中的行驶速度片段，切分出车辆的各个加速行驶片段。
行驶片段确定单元，用于根据设定约束条件对各个所述加速行驶片段进行筛选，确定车辆的各个行驶片段；所述设定约束条件包括加速开始速度、加速结束速度以及加速时间。
第一车辆质量计算模块203，用于根据所述预处理后的离线报文数据，计算每个所述行驶片段对应的车辆质量；具体包括：
第一车辆质量计算单元，用于根据公式P＝R*N和
Figure BDA0002430644490000061
计算每个所述行驶片段对应的车辆质量。
式中，P表示功率，R表示扭矩，N表示转速，T表示行驶片段的时间，v1表示行驶片段的初始速度，v2表示行驶片段的结束速度，M表示质量；其中，所述扭矩为最大扭矩输出比例与车辆额定扭矩的积。
第二车辆质量计算模块204，用于根据每个所述行驶片段以及每个所述行驶片段对应的车辆质量，结合车辆停驻点行为，计算每个停驻点对应的车辆质量。具体包括：
停驻点信息确定单元，用于根据每个所述行驶片段，结合车辆停驻点行为，确定停驻点信息；所述车辆停驻点行为是速度为0且位移小于10米的行为；所述停驻点信息包括停驻时间、停驻位置和停驻时长。
第二车辆质量计算单元，用于根据上一个停驻点与当前停驻点之间的所述行驶片段对应的车辆质量，计算当前停驻点对应的车辆质量，进而得到每个停驻点对应的车辆质量。
识别模块205，用于根据每个所述停驻点对应的车辆质量，识别车辆的载卸货行为。
相对于现有技术，本发明计算简洁，效率高，时效性高，准确性高。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种车辆载卸货行为识别方法，其特征在于，包括：
对设定时间段内车辆上传的离线报文数据进行预处理；所述离线报文数据包括多个字段，分别为车辆唯一识别码、时间、行驶速度片段、最大扭矩输出比例和转速；
对预处理后的离线报文数据进行切分筛选，确定车辆的各个行驶片段；
根据所述预处理后的离线报文数据，计算每个所述行驶片段对应的车辆质量；
根据每个所述行驶片段以及每个所述行驶片段对应的车辆质量，结合车辆停驻点行为，计算每个停驻点对应的车辆质量；
根据每个所述停驻点对应的车辆质量，识别车辆的载卸货行为。
2.根据权利要求1所述的一种车辆载卸货行为识别方法，其特征在于，所述对设定时间段内车辆上传的离线报文数据进行预处理，具体包括：
对所述离线报文数据进行异常值检查处理、缺失值删除处理、时间跨度确定处理以及数据单位一致性处理。
3.根据权利要求1所述的一种车辆载卸货行为识别方法，其特征在于，所述对预处理后的离线报文数据进行切分筛选，确定车辆的各个行驶片段，具体包括：
根据所述预处理后的离线报文数据中的行驶速度片段，切分出车辆的各个加速行驶片段；
根据设定约束条件对各个所述加速行驶片段进行筛选，确定车辆的各个行驶片段；所述设定约束条件包括加速开始速度、加速结束速度以及加速时间。
4.根据权利要求1所述的一种车辆载卸货行为识别方法，其特征在于，所述根据所述预处理后的离线报文数据，计算每个所述行驶片段对应的车辆质量，具体包括：
根据公式P＝R*N和
Figure FDA0002430644480000011
计算每个所述行驶片段对应的车辆质量；
式中，P表示功率，R表示扭矩，N表示转速，T表示行驶片段的时间，v1表示行驶片段的初始速度，v2表示行驶片段的结束速度，M表示质量；其中，所述扭矩为最大扭矩输出比例与车辆额定扭矩的积。
5.根据权利要求1所述的一种车辆载卸货行为识别方法，其特征在于，所述根据每个所述行驶片段以及每个所述行驶片段对应的车辆质量，结合车辆停驻点行为，计算每个停驻点对应的车辆质量，具体包括：
根据每个所述行驶片段，结合车辆停驻点行为，确定停驻点信息；所述车辆停驻点行为是速度为0且位移小于10米的行为；所述停驻点信息包括停驻时间、停驻位置和停驻时长；
根据上一个停驻点与当前停驻点之间的所述行驶片段对应的车辆质量，计算当前停驻点对应的车辆质量，进而得到每个停驻点对应的车辆质量。
6.一种车辆载卸货行为识别***，其特征在于，包括：
预处理模块，用于对设定时间段内车辆上传的离线报文数据进行预处理；所述离线报文数据包括多个字段，分别为车辆唯一识别码、时间、行驶速度片段、最大扭矩输出比例和转速；
行驶片段确定模块，用于对预处理后的离线报文数据进行切分筛选，确定车辆的各个行驶片段；
第一车辆质量计算模块，用于根据所述预处理后的离线报文数据，计算每个所述行驶片段对应的车辆质量；
第二车辆质量计算模块，用于根据每个所述行驶片段以及每个所述行驶片段对应的车辆质量，结合车辆停驻点行为，计算每个停驻点对应的车辆质量；
识别模块，用于根据每个所述停驻点对应的车辆质量，识别车辆的载卸货行为。
7.根据权利要求6所述的一种车辆载卸货行为识别***，其特征在于，所述预处理模块，具体包括：
预处理单元，用于对所述离线报文数据进行异常值检查处理、缺失值删除处理、时间跨度确定处理以及数据单位一致性处理。
8.根据权利要求6所述的一种车辆载卸货行为识别***，其特征在于，所述行驶片段确定模块，具体包括：
切分单元，用于根据所述预处理后的离线报文数据中的行驶速度片段，切分出车辆的各个加速行驶片段；
行驶片段确定单元，用于根据设定约束条件对各个所述加速行驶片段进行筛选，确定车辆的各个行驶片段；所述设定约束条件包括加速开始速度、加速结束速度以及加速时间。
9.根据权利要求6所述的一种车辆载卸货行为识别***，其特征在于，所述第一车辆质量计算模块，具体包括：
第一车辆质量计算单元，用于根据公式P＝R*N和
Figure FDA0002430644480000031
计算每个所述行驶片段对应的车辆质量；
式中，P表示功率，R表示扭矩，N表示转速，T表示行驶片段的时间，v1表示行驶片段的初始速度，v2表示行驶片段的结束速度，M表示质量；其中，所述扭矩为最大扭矩输出比例与车辆额定扭矩的积。
10.根据权利要求6所述的一种车辆载卸货行为识别***，其特征在于，所述第二车辆质量计算模块，具体包括：
停驻点信息确定单元，用于根据每个所述行驶片段，结合车辆停驻点行为，确定停驻点信息；所述车辆停驻点行为是速度为0且位移小于10米的行为；所述停驻点信息包括停驻时间、停驻位置和停驻时长；
第二车辆质量计算单元，用于根据上一个停驻点与当前停驻点之间的所述行驶片段对应的车辆质量，计算当前停驻点对应的车辆质量，进而得到每个停驻点对应的车辆质量。
CN202010234871.5A 2020-03-30 2020-03-30 一种车辆载卸货行为识别方法及*** Pending CN111464613A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010234871.5A CN111464613A (zh) 2020-03-30 2020-03-30 一种车辆载卸货行为识别方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010234871.5A CN111464613A (zh) 2020-03-30 2020-03-30 一种车辆载卸货行为识别方法及***

Publications (1)

Publication Number Publication Date
CN111464613A true CN111464613A (zh) 2020-07-28

Family

ID=71680135

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010234871.5A Pending CN111464613A (zh) 2020-03-30 2020-03-30 一种车辆载卸货行为识别方法及***

Country Status (1)

Country Link
CN (1) CN111464613A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113538072A (zh) * 2021-09-16 2021-10-22 深圳市城市交通规划设计研究中心股份有限公司 一种货运车辆的出行链智能识别方法、装置及电子设备
CN114359846A (zh) * 2022-01-12 2022-04-15 广东建采网科技有限公司 基于大数据的建筑材料运输车非正常卸货行为的识别方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107067722A (zh) * 2017-04-24 2017-08-18 中国汽车技术研究中心 一种新的车辆行驶工况构建方法
CN107273520A (zh) * 2017-06-22 2017-10-20 北京理工大学 一种基于货车监控数据的装卸货地点识别方法
CN107588843A (zh) * 2017-07-19 2018-01-16 北汽福田汽车股份有限公司 车辆载重识别方法、***及车辆
CN108860011A (zh) * 2018-04-17 2018-11-23 北京理工大学 一种车辆超载识别方法及***
CN110334986A (zh) * 2019-06-20 2019-10-15 吉旗物联科技（上海）有限公司 基于货物量方的车辆装卸点识别方法及装置
CN110853336A (zh) * 2019-11-20 2020-02-28 吉旗物联科技（上海）有限公司 一种基于车载称重技术的商砼车流向管控方案

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107067722A (zh) * 2017-04-24 2017-08-18 中国汽车技术研究中心 一种新的车辆行驶工况构建方法
CN107273520A (zh) * 2017-06-22 2017-10-20 北京理工大学 一种基于货车监控数据的装卸货地点识别方法
CN107588843A (zh) * 2017-07-19 2018-01-16 北汽福田汽车股份有限公司 车辆载重识别方法、***及车辆
CN108860011A (zh) * 2018-04-17 2018-11-23 北京理工大学 一种车辆超载识别方法及***
CN110334986A (zh) * 2019-06-20 2019-10-15 吉旗物联科技（上海）有限公司 基于货物量方的车辆装卸点识别方法及装置
CN110853336A (zh) * 2019-11-20 2020-02-28 吉旗物联科技（上海）有限公司 一种基于车载称重技术的商砼车流向管控方案

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113538072A (zh) * 2021-09-16 2021-10-22 深圳市城市交通规划设计研究中心股份有限公司 一种货运车辆的出行链智能识别方法、装置及电子设备
CN114359846A (zh) * 2022-01-12 2022-04-15 广东建采网科技有限公司 基于大数据的建筑材料运输车非正常卸货行为的识别方法

Similar Documents

Publication Publication Date Title
CN107220469B (zh) 一种风机状态估计的方法及***
CN111464613A (zh) 一种车辆载卸货行为识别方法及***
CN109489584B (zh) 一种基于3d技术的隧道限界检测***及隧道限界识别方法
CN104809878A (zh) 利用公交车gps数据检测城市道路交通异常状态的方法
CN100466010C (zh) 异类交通信息实时融合方法
CN114954494B (zh) 一种重型商用车辆载重快速估计方法
CN115171385A (zh) 一种基于毫米波雷达和视频联动交通事件检测***
CN110599791A (zh) 信息监控方法、装置和设备
CN115631625A (zh) 一种基于大数据平台的智慧矿山管控***
CN113158141B (zh) 基于大数据的新能源汽车超载检测方法
CN117238112A (zh) 一种桥梁结构健康监测预警的方法及相关设备
CN112907734B (zh) 基于虚拟crh380a模型和深度学习的teds故障检测方法
CN113987927A (zh) 一种商用车车载质量检测方法
CN117649632A (zh) 基于多源交通数据的高速公路事件识别方法及识别装置
CN115116224B (zh) 一种边缘端数据采集传输***及方法
CN113888866B (zh) 一种具有多级预警功能的道路车辆管理***
CN114582083B (zh) 一种隧道监控多传感器数据融合火灾预警方法
CN107622667B (zh) 一种变造车牌号码检测方法及***
CN114359846A (zh) 基于大数据的建筑材料运输车非正常卸货行为的识别方法
CN113362630A (zh) 一种智慧城市建设道路交通信号设备故障分析处理方法、***及计算机存储介质
CN107218180A (zh) 一种基于振动加速度测量的风力发电机组传动***故障报警方法
CN113487141A (zh) 一种多源信息聚类融合的轴承状态评估方法
CN111126528B (zh) 参考标签生成方法、***和碰撞标签质量评估方法和***
CN114750765B (zh) 一种车辆的路谱数据确定方法、装置、设备、介质及产品
CN117818710A (zh) 一种列车控制方法、装置、设备以及存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200728