CN117236779A - 一种大型数据库的数据运输评估方法 - Google Patents
一种大型数据库的数据运输评估方法 Download PDFInfo
- Publication number
- CN117236779A CN117236779A CN202311297146.2A CN202311297146A CN117236779A CN 117236779 A CN117236779 A CN 117236779A CN 202311297146 A CN202311297146 A CN 202311297146A CN 117236779 A CN117236779 A CN 117236779A
- Authority
- CN
- China
- Prior art keywords
- index
- preselected
- transportation
- route
- indexes
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000013441 quality evaluation Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 5
- 230000035945 sensitivity Effects 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种大型数据库的数据运输评估方法,包括以下步骤:从历史数据库采集历史运输方案,根据历史运输方案查找影响运输质量的影响因素;对影响因素进行处理建立评估指标体系以及运输质量评定标准;对预选运输路线与历史运输路线的重合度选择多条参照路线;根据多条参照路线的指标完成度推测预选运输路线的指标完成度;根据运输质量评定标准对预选方案进行评估,获取评估报告。本发明将影响运输质量的影响因素指标化,以构建评价指标体系和运输质量评价标准,最后从指标的角度综合分析预选运输路线,做出评估报告,该评估方法以历史数据为基准,可以对预选运输路线进行较为全面的评估,从而缩小评估结果与实际结果的偏差。
Description
技术领域
本发明涉及数据评估领域,具体涉及一种大型数据库的数据运输评估方法。
背景技术
大型数据库中储存有大量的信息资源,如果将这些数据进行转移,一般考虑线上传输,但是线上传输速度较慢,当大量数据需要进行传输时,将会消耗大量的时间;为了提高数据转移的效率,目前一般使用客车拉硬盘的方式将对硬盘进行转移,从而对数据进行转移,且转移速度快,效率高;为了保障硬盘转移的安全性和高效性,一般需要制定转移策略,并对策略进行评估,以提高数据转移的质量。
现有的评估方式考虑的因素单一,导致评估结果与实际结果之间存在明显偏差,为了降低该偏差,因此,提出一种大型数据库的数据运输评估方法。
发明内容
本发明所要解决的技术问题在于:如何解决现有的评估方式考虑的因素单一,导致评估结果与实际结果之间存在明显偏差的问题,提供了一种大型数据库的数据运输评估方法。
本发明是通过以下技术方案解决上述技术问题的,本发明包括以下步骤:
S1、从历史数据库采集历史运输方案,根据历史运输方案查找影响运输质量的影响因素;
S2、对影响因素进行处理建立评估指标体系以及运输质量评定标准;
S3、设置预选运输路线与历史运输路线,对预选运输路线与历史运输路线的重合度选择多条参照路线;
S4、根据多条参照路线的指标完成度推测预选运输路线的指标完成度;
S5、根据运输质量评定标准对预选方案进行评估,获取评估报告;
S6:之后导出评估报告。
优选的,所述S2具体为:
S21、调取历史运输方案,分析影响运输质量的待评估指标;
S22、计算待评估指标在历史数据中的完成比率G;
S23、当完成比率G≥预设权重H时,则该预评估指标为运输质量的重要影响因素,为预选指标,将其列入评估指标体系;
S24、随机抽取多组历史运输方案,统计每组历史运输方案的总方案个数A1,再统计每组历史运输方案中预选指标的完成个数B1;
S25、计算预选指标的完成度Q,具体过程为:
当完成度Q≥预设阈值C1时,则该指标在运输行业中为特级考虑因素,则定义为一级指标;
当预设阈值C1>完成度Q≥预设阈值C2时,则该指标在运输行业中为重要考虑因素,则定义为二级指标;
当完成度Q<预设阈值C2时,则该指标在运输行业中为一般考虑因素,则定义为三级指标;
S26、根据指标完成的达标率E来评定运输质量,具体过程为:
先根据第一规则赋予不同级别指标对应的指标值,所述第一规则为2R2=R1+R3,其中R1为一级指标值,R2为二级指标值,R3为三级指标值;
再计算达标率E,具体计算过程为:
其中,x为一级指标完成的个数,y为二级指标完成的个数,z为三级指标完成的个数,R总为总指标值;
根据达标率E在预设参考系中的位置评估运输质量。
优选的,所述S25还包括如下步骤:
S251、以天为单位至少调取一周内的历史运输方案;
S252、分别计算每天中每个预选指标在连续时间段内的完成度Q;
S253、分别计算每个时间段每个预选指标的平均完成度Q;
S254、分别制作每个预选指标在有一天中的时间变化曲线;
S255、分别计算每个指标的单位时间变化率ΔS1和统计时段的平均变化率ΔS2;
S255、计算预算指标的稳定性J,具体计算过程如下:
其中,TΔS1为单位时间变化率ΔS1大于统计时段的平均变化率ΔS2时所占的总时间,TΔS2为单位时间变化率ΔS1小于等于统计时段的平均变化率ΔS2时所占的总时间;
当稳定性J≤预设阈值I时,则该预选指标的时间变化曲线稳定,预选指标对环境变化的敏感程度低,预选指标分级准确,则保持该预选指标分级;
当稳定性J>预设阈值I时,则该预选指标的时间变化曲线变化幅度大且不稳定,预选指标对环境变化的敏感程度高,无法预测该预选指标对运输质量的影响程度,则该指标在运输行业中为特级考虑因素,将该指标重新划分为一级指标。
优选的,所述S25还包括如下步骤:
S2501、调取历史运输方案,统计特殊日期各预选指标的完成数量L1和非特殊日期各预选指标的完成数量L2;
S2502、计算特殊日期对各预选指标的影响程度K,具体计算过程为:
K=(L2-L1)/L2
当影响程度K≤预设阈值M时,则特殊日期对该预选指标的影响程度低,预选指标对特殊日期的敏感程度低,预选指标分级准确,则保持该预选指标分级;
当影响程度K>预设阈值M时,则特殊日期对该预选指标的影响程度高,预选指标对特殊日期的敏感程度高,预选指标在特殊日期期间不稳定,无法预测该预选指标对运输质量的影响程度,则在特殊日期期间将该指标重新划分为一级指标。
优选的,所述S25还包括如下步骤:
从多个预选指标中筛选出二级指标和三级指标;
根据用户指定要求对二级指标和三级指标中的部分预选指标进行标注;
将标注的预选指标直接划分成一级指标。
优选的,所述S3具体为:
调取历史运输路线,并将历史运输路线与预选运输路线进行比较;
计算历史路线与预选路线之间的重合度,具体为:
统计历史运输路线与预选路线之间共同路线的长度;
计算共同长度占历史运输路线总长度的比重,记为重合度P;
当重合度P≥预设阈值U时,则历史运输路线与预选运输路线的重合度高,则选定为参照路线。
优选的,所述S3还包括如下步骤:
调取历史运输方案,计算预选方案中每个时段的平均速度V1;
根据平均时速V1计算每条参照路线的平均时耗T1;
再分别调取每条参照路线的实际时耗T2;
计算参照路线的时耗差异程度f;具体计算过程为:
当时耗差异程度f≥预设阈值W时,则参照路线出现异常行驶情况,将影响参照路线的准确性,将该参照路线取消。
优选的,所述S3还包括如下步骤:
调取参照路线,统计载具类型;将载具类型与预选载具类型差异过大的参照路线去除;
优选的,所述S4具体为:
分别筛选出多条参照路线中完成的多个预选指标;分别计算多个预选指标在多条参照路线中完成的权重,当权重大于预设值时,可将该预设指标认定为预选运输方案可完成的指标,从而确定预选方案的指标完成度。
优选的,所述S5具体为:
先分别筛选出预选方案中一级指标完成的个数、二级指标完成的个数与三级指标完成的个数;
再根据完成比率G确定预选方案总指标个数;
最后计算预选方案的达标率E,并根据达标率E来评定预选方案的运输质量。
本发明相比现有技术具有以下优点:该大型数据库的数据运输评估方法,将影响运输质量的影响因素指标化,并根据历史数据中的运输方案,构建评价指标体系和运输质量评价标准,最后在历史数据中选择多条与预选运输路线近似的运输路线作为预选运输路线,从指标的角度综合分析预选运输路线,最后做出评估报告,该评估方法以历史数据为基准,可以对预选运输路线进行较为全面的评估,可以提升评估的准确性,从而缩小评估结果与实际结果的偏差,让该***更加值得推广使用。
附图说明
图1是本发明的整体结构图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本实施例提供一种技术方案:一种大型数据库的数据运输评估方法,包括以下步骤:
S1、从历史数据库采集历史运输方案,根据历史运输方案查找影响运输质量的影响因素;
S2、对影响因素进行处理建立评估指标体系以及运输质量评定标准;
需要说明的是,影响因素的处理过程为:提取影响因数,并对影响因素进行归类。
S3、设置预选运输路线与历史运输路线,对预选运输路线与历史运输路线的重合度选择多条参照路线;
S4、根据多条参照路线的指标完成度推测预选运输路线的指标完成度;
S5、根据运输质量评定标准对预选方案进行评估,获取评估报告;
S6:之后导出评估报告。
该评估方法将影响运输质量的影响因素指标化,并根据历史数据中的运输方案,构建评价指标体系和运输质量评价标准,最后在历史数据中选择多条与预选运输路线近似的运输路线作为预选运输路线,从指标的角度综合分析预选运输路线,最后做出评估报告,该评估方法以历史数据为基准,可以对预选运输路线进行较为全面的评估,可以提升评估的准确性,从而缩小评估结果与实际结果的偏差,让该***更加值得推广使用。
其中,S2具体为:
S21、调取历史运输方案,分析影响运输质量的待评估指标;
需要说明的是,S21具体为:先导入影响因素的分类表,该分类表由相关技术人员根据大量历史运输方案总结而成,再调取历史运输方案,并确定影响运输质量的影响因素,再对影响因数进行分类,形成待评估指标。
评估指标包括天气指标、时耗指标、运输速度指标、运输数量指标、载运载重指标等具有影响运输质量的能力的因素。
S22、计算待评估指标在历史数据中的完成比率G;
S23、当完成比率G≥预设权重H时,则该预评估指标为运输质量的重要影响因素,为预选指标,将其列入评估指标体系;
S24、随机抽取多组历史运输方案,统计每组历史运输方案的总方案个数A1,再统计每组历史运输方案中预选指标的完成个数B1;
S25、计算预选指标的完成度Q,具体过程为:
当完成度Q≥预设阈值C1时,则该指标在运输行业中为特级考虑因素,则定义为一级指标;
当预设阈值C1>完成度Q≥预设阈值C2时,则该指标在运输行业中为重要考虑因素,则定义为二级指标;
当完成度Q<预设阈值C2时,则该指标在运输行业中为一般考虑因素,则定义为三级指标;
S26、根据指标完成的达标率E来评定运输质量,具体过程为:
先根据第一规则赋予不同级别指标对应的指标值,第一规则为2R2=R1+R3,其中R1为一级指标值,R2为二级指标值,R3为三级指标值;
再计算达标率E,具体计算过程为:
其中,x为一级指标完成的个数,y为二级指标完成的个数,z为三级指标完成的个数,R总为总指标值;
根据达标率E在预设参考系中的位置评估运输质量。
该部分是建立评估指标体系的优选方案,同时对各个指标进行分级和量化,进而可以得出具体的评价结果,使该评估结果更加的清楚直观。
进一步的,S25还包括如下步骤:
S251、以天为单位至少调取一周内的历史运输方案;
S252、分别计算每天中每个预选指标在连续时间段内的完成度Q;
S253、分别计算每个时间段每个预选指标的平均完成度Q;
S254、分别制作每个预选指标在有一天中的时间变化曲线;
S255、分别计算每个指标的单位时间变化率ΔS1和统计时段的平均变化率ΔS2;
S255、计算预算指标的稳定性J,具体计算过程如下:
其中,TΔS1为单位时间变化率ΔS1大于统计时段的平均变化率ΔS2时所占的总时间,TΔS2为单位时间变化率ΔS1小于等于统计时段的平均变化率ΔS2时所占的总时间;
当稳定性J≤预设阈值I时,则该预选指标的时间变化曲线稳定,预选指标对环境变化的敏感程度低,预选指标分级准确,则保持该预选指标分级;
当稳定性J>预设阈值I时,则该预选指标的时间变化曲线变化幅度大且不稳定,预选指标对环境变化的敏感程度高,无法预测该预选指标对运输质量的影响程度,则该指标在运输行业中为特级考虑因素,将该指标重新划分为一级指标。
建立各个指标随时间的变化曲线,分析各个指标随着时间变化时对环境的敏感程度,当指标数据变化过程时,说明该指标受不同时间段的环境影响程度较大,需要进行监测,可以提升指标分级的科学性,同时也可以提升评价报告的准确性。
再进一步的,S25还包括如下步骤:
S2501、调取历史运输方案,统计特殊日期各预选指标的完成数量L1和非特殊日期各预选指标的完成数量L2;
S2502、计算特殊日期对各预选指标的影响程度K,具体计算过程为:
K=(L2-L1)/L2
当影响程度K≤预设阈值M时,则特殊日期对该预选指标的影响程度低,预选指标对特殊日期的敏感程度低,预选指标分级准确,则保持该预选指标分级;
当影响程度K>预设阈值M时,则特殊日期对该预选指标的影响程度高,预选指标对特殊日期的敏感程度高,预选指标在特殊日期期间不稳定,无法预测该预选指标对运输质量的影响程度,则在特殊日期期间将该指标重新划分为一级指标。
该部分考虑特殊日期对评价指标的影响,特殊日期包括节假日、周末等,再特殊日期里由于交通路段人流量的增加,会对评估指标中的时耗、运输速度等指标造成影响,因此将这些对特殊日期影响较为敏感的指标升为一级指标,重点关注,可以提升评估结果的准确性。
再进一步的,S25还包括如下步骤:
从多个预选指标中筛选出二级指标和三级指标;
根据用户指定要求对二级指标和三级指标中的部分预选指标进行标注;
将标注的预选指标直接划分成一级指标。
根据用户需求,着重监控这些指标,将完成用户指定目标为基础,可以提升运输的服务质量。
其中,S3具体为:
调取历史运输路线,并将历史运输路线与预选运输路线进行比较;
计算历史路线与预选路线之间的重合度,具体为:
统计历史运输路线与预选路线之间共同路线的长度;
计算共同长度占历史运输路线总长度的比重,记为重合度P;
当重合度P≥预设阈值U时,则历史运输路线与预选运输路线的重合度高,则选定为参照路线。
先选择与预选运输路线相似的历史运输路线,以已经完成的历史路线作为参照去预测预选运输路线的完成情况,进而进行综合评价,从而提升评估报告的准确性。
进一步的,S3还包括如下步骤:
调取历史运输方案,计算预选方案中每个时段的平均速度V1;
根据平均时速V1计算每条参照路线的平均时耗T1;
再分别调取每条参照路线的实际时耗T2;
计算参照路线的时耗差异程度f;具体计算过程为:
当时耗差异程度f≥预设阈值W时,则参照路线出现异常行驶情况,将影响参照路线的准确性,将该参照路线取消。
筛选出参照路线中偏差较大的路线,将其去除,避免评估报告与实际情况偏差较大。
再进一步的,S3还包括如下步骤:
调取参照路线,统计载具类型;将载具类型与预选载具类型差异过大的参照路线去除。
需要说明的是,可以调取参照路线中载具的型号与预选运输路线中的载具型号进行对比,当载具载重再10%以外时,说明载具相差较大,不具有代表性,可能影响评估报告结果,需要去除。
其中,S4具体为:
分别筛选出多条参照路线中完成的多个预选指标;分别计算多个预选指标在多条参照路线中完成的权重,当权重大于预设值时,可将该预设指标认定为预选运输方案可完成的指标,从而确定预选方案的指标完成度。
其中,S5具体为:
先分别筛选出预选方案中一级指标完成的个数、二级指标完成的个数与三级指标完成的个数;
再根据完成比率G确定预选方案总指标个数;
最后计算预选方案的达标率E,并根据达标率E来评定预选方案的运输质量。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”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必须针对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一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种大型数据库的数据运输评估方法,其特征在于,包括以下步骤:
S1、从历史数据库采集历史运输方案,根据历史运输方案查找影响运输质量的影响因素;
S2、对影响因素进行处理建立评估指标体系以及运输质量评定标准;
S3、设置预选运输路线与历史运输路线,对预选运输路线与历史运输路线的重合度选择多条参照路线;
S4、根据多条参照路线的指标完成度推测预选运输路线的指标完成度;
S5、根据运输质量评定标准对预选方案进行评估,获取评估报告;
S6:之后导出评估报告。
2.根据权利要求1所述的一种大型数据库的数据运输评估方法,其特征在于:所述S2具体为:
S21、调取历史运输方案,分析影响运输质量的待评估指标;
S22、计算待评估指标在历史数据中的完成比率G;
S23、当完成比率G≥预设权重H时,则该预评估指标为运输质量的重要影响因素,为预选指标,将其列入评估指标体系;
S24、随机抽取多组历史运输方案,统计每组历史运输方案的总方案个数A1,再统计每组历史运输方案中预选指标的完成个数B1;
S25、计算预选指标的完成度Q,具体过程为:
当完成度Q≥预设阈值C1时,则该指标在运输行业中为特级考虑因素,则定义为一级指标;
当预设阈值C1>完成度Q≥预设阈值C2时,则该指标在运输行业中为重要考虑因素,则定义为二级指标;
当完成度Q<预设阈值C2时,则该指标在运输行业中为一般考虑因素,则定义为三级指标;
S26、根据指标完成的达标率E来评定运输质量,具体过程为:
先根据第一规则赋予不同级别指标对应的指标值,所述第一规则为2R2=R1+R3,其中R1为一级指标值,R2为二级指标值,R3为三级指标值;
再计算达标率E,具体计算过程为:
其中,x为一级指标完成的个数,y为二级指标完成的个数,z为三级指标完成的个数,R总为总指标值;
根据达标率E在预设参考系中的位置评估运输质量。
3.根据权利要求2所述的一种大型数据库的数据运输评估方法,其特征在于:所述S25还包括如下步骤:
S251、以天为单位至少调取一周内的历史运输方案;
S252、分别计算每天中每个预选指标在连续时间段内的完成度Q;
S253、分别计算每个时间段每个预选指标的平均完成度Q;
S254、分别制作每个预选指标在有一天中的时间变化曲线;
S255、分别计算每个指标的单位时间变化率ΔS1和统计时段的平均变化率ΔS2;
S255、计算预算指标的稳定性J,具体计算过程如下:
其中,TΔS1为单位时间变化率ΔS1大于统计时段的平均变化率ΔS2时所占的总时间,TΔS2为单位时间变化率ΔS1小于等于统计时段的平均变化率ΔS2时所占的总时间;
当稳定性J≤预设阈值I时,则该预选指标的时间变化曲线稳定,预选指标对环境变化的敏感程度低,预选指标分级准确,则保持该预选指标分级;
当稳定性J>预设阈值I时,则该预选指标的时间变化曲线变化幅度大且不稳定,预选指标对环境变化的敏感程度高,无法预测该预选指标对运输质量的影响程度,则该指标在运输行业中为特级考虑因素,将该指标重新划分为一级指标。
4.根据权利要求3所述的一种大型数据库的数据运输评估方法,其特征在于:所述S25还包括如下步骤:
S2501、调取历史运输方案,统计特殊日期各预选指标的完成数量L1和非特殊日期各预选指标的完成数量L2;
S2502、计算特殊日期对各预选指标的影响程度K,具体计算过程为:
K=(L2-L1)/L2
当影响程度K≤预设阈值M时,则特殊日期对该预选指标的影响程度低,预选指标对特殊日期的敏感程度低,预选指标分级准确,则保持该预选指标分级;
当影响程度K>预设阈值M时,则特殊日期对该预选指标的影响程度高,预选指标对特殊日期的敏感程度高,预选指标在特殊日期期间不稳定,无法预测该预选指标对运输质量的影响程度,则在特殊日期期间将该指标重新划分为一级指标。
5.根据权利要求4所述的一种大型数据库的数据运输评估方法,其特征在于:所述S25还包括如下步骤:
从多个预选指标中筛选出二级指标和三级指标;
根据用户指定要求对二级指标和三级指标中的部分预选指标进行标注;
将标注的预选指标直接划分成一级指标。
6.根据权利要求1所述的一种大型数据库的数据运输评估方法,其特征在于:所述S3具体为:
调取历史运输路线,并将历史运输路线与预选运输路线进行比较;
计算历史路线与预选路线之间的重合度,具体为:
统计历史运输路线与预选路线之间共同路线的长度;
计算共同长度占历史运输路线总长度的比重,记为重合度P;
当重合度P≥预设阈值U时,则历史运输路线与预选运输路线的重合度高,则选定为参照路线。
7.根据权利要求6所述的一种大型数据库的数据运输评估方法,其特征在于:所述S3还包括如下步骤:
调取历史运输方案,计算预选方案中每个时段的平均速度V1;
根据平均时速V1计算每条参照路线的平均时耗T1;
再分别调取每条参照路线的实际时耗T2;
计算参照路线的时耗差异程度f;具体计算过程为:
当时耗差异程度f≥预设阈值W时,则参照路线出现异常行驶情况,将影响参照路线的准确性,将该参照路线取消。
8.根据权利要求7所述的一种大型数据库的数据运输评估方法,其特征在于:所述S3还包括如下步骤:
调取参照路线,统计载具类型;将载具类型与预选载具类型差异过大的参照路线去除。
9.根据权利要求2所述的一种大型数据库的数据运输评估方法,其特征在于:所述S4具体为:
分别筛选出多条参照路线中完成的多个预选指标;分别计算多个预选指标在多条参照路线中完成的权重,当权重大于预设值时,可将该预设指标认定为预选运输方案可完成的指标,从而确定预选方案的指标完成度。
10.根据权利要求2所述的一种大型数据库的数据运输评估方法,其特征在于:所述S5具体为:
先分别筛选出预选方案中一级指标完成的个数、二级指标完成的个数与三级指标完成的个数;
再根据完成比率G确定预选方案总指标个数;
最后计算预选方案的达标率E,并根据达标率E来评定预选方案的运输质量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311297146.2A CN117236779B (zh) | 2023-10-09 | 2023-10-09 | 一种大型数据库的数据运输评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311297146.2A CN117236779B (zh) | 2023-10-09 | 2023-10-09 | 一种大型数据库的数据运输评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117236779A true CN117236779A (zh) | 2023-12-15 |
CN117236779B CN117236779B (zh) | 2024-06-28 |
Family
ID=89091013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311297146.2A Active CN117236779B (zh) | 2023-10-09 | 2023-10-09 | 一种大型数据库的数据运输评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117236779B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004245609A (ja) * | 2003-02-10 | 2004-09-02 | Alpine Electronics Inc | 仮想車両を利用したルート評価システムおよび方法、ナビゲーション装置 |
WO2010098887A1 (en) * | 2009-02-27 | 2010-09-02 | Telecommunication Systems, Inc. | Historical data based navigational routing |
CN104077493A (zh) * | 2014-07-12 | 2014-10-01 | 东北电力大学 | 一种电力继电保护***状态评估指标体系的构建方法 |
WO2014173592A1 (de) * | 2013-04-26 | 2014-10-30 | Robert Bosch Gmbh | Verfahren und vorrichtung zum auswählen einer route zum befahren durch ein fahrzeug |
CN109883437A (zh) * | 2019-03-04 | 2019-06-14 | 长沙理工大学 | 一种出行路线推荐方法、装置及其*** |
CN112734274A (zh) * | 2021-01-20 | 2021-04-30 | 国家电网公司华中分部 | 一种低碳电网运营主导影响因素挖掘及综合评估方法 |
CN113050643A (zh) * | 2021-03-19 | 2021-06-29 | 京东鲲鹏(江苏)科技有限公司 | 无人车路径规划方法、装置、电子设备和计算机可读介质 |
WO2021169110A1 (zh) * | 2020-02-28 | 2021-09-02 | 平安国际智慧城市科技股份有限公司 | 运输路线生成方法、装置、计算机设备和存储介质 |
CN113988557A (zh) * | 2021-10-20 | 2022-01-28 | 国网江苏省电力有限公司电力科学研究院 | 一种电网企业的投资绩效评价指标体系的构建方法及装置 |
CN114066050A (zh) * | 2021-11-15 | 2022-02-18 | 用友网络科技股份有限公司 | 产品指标的预测方法、预测装置和可读存储介质 |
CN114154804A (zh) * | 2021-11-09 | 2022-03-08 | 南方电网深圳数字电网研究院有限公司 | 数字化管控指标方法及装置 |
CN114483258A (zh) * | 2022-02-11 | 2022-05-13 | 中国第一汽车股份有限公司 | 行驶数据的处理方法、处理装置和处理器 |
CN114912076A (zh) * | 2022-05-24 | 2022-08-16 | 合肥综合性国家科学中心能源研究院(安徽省能源实验室) | 正交试验方法、装置、电子设备及计算机可读存储介质 |
WO2022227129A1 (zh) * | 2021-04-27 | 2022-11-03 | 山东交通学院 | 一种危化品道路运输风险评估方法及*** |
CN115953901A (zh) * | 2023-02-16 | 2023-04-11 | 北京超图信息技术有限公司 | 一种动态路线的行车安全评估方法及*** |
-
2023
- 2023-10-09 CN CN202311297146.2A patent/CN117236779B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004245609A (ja) * | 2003-02-10 | 2004-09-02 | Alpine Electronics Inc | 仮想車両を利用したルート評価システムおよび方法、ナビゲーション装置 |
WO2010098887A1 (en) * | 2009-02-27 | 2010-09-02 | Telecommunication Systems, Inc. | Historical data based navigational routing |
WO2014173592A1 (de) * | 2013-04-26 | 2014-10-30 | Robert Bosch Gmbh | Verfahren und vorrichtung zum auswählen einer route zum befahren durch ein fahrzeug |
CN104077493A (zh) * | 2014-07-12 | 2014-10-01 | 东北电力大学 | 一种电力继电保护***状态评估指标体系的构建方法 |
CN109883437A (zh) * | 2019-03-04 | 2019-06-14 | 长沙理工大学 | 一种出行路线推荐方法、装置及其*** |
WO2021169110A1 (zh) * | 2020-02-28 | 2021-09-02 | 平安国际智慧城市科技股份有限公司 | 运输路线生成方法、装置、计算机设备和存储介质 |
CN112734274A (zh) * | 2021-01-20 | 2021-04-30 | 国家电网公司华中分部 | 一种低碳电网运营主导影响因素挖掘及综合评估方法 |
CN113050643A (zh) * | 2021-03-19 | 2021-06-29 | 京东鲲鹏(江苏)科技有限公司 | 无人车路径规划方法、装置、电子设备和计算机可读介质 |
WO2022227129A1 (zh) * | 2021-04-27 | 2022-11-03 | 山东交通学院 | 一种危化品道路运输风险评估方法及*** |
CN113988557A (zh) * | 2021-10-20 | 2022-01-28 | 国网江苏省电力有限公司电力科学研究院 | 一种电网企业的投资绩效评价指标体系的构建方法及装置 |
CN114154804A (zh) * | 2021-11-09 | 2022-03-08 | 南方电网深圳数字电网研究院有限公司 | 数字化管控指标方法及装置 |
CN114066050A (zh) * | 2021-11-15 | 2022-02-18 | 用友网络科技股份有限公司 | 产品指标的预测方法、预测装置和可读存储介质 |
CN114483258A (zh) * | 2022-02-11 | 2022-05-13 | 中国第一汽车股份有限公司 | 行驶数据的处理方法、处理装置和处理器 |
CN114912076A (zh) * | 2022-05-24 | 2022-08-16 | 合肥综合性国家科学中心能源研究院(安徽省能源实验室) | 正交试验方法、装置、电子设备及计算机可读存储介质 |
CN115953901A (zh) * | 2023-02-16 | 2023-04-11 | 北京超图信息技术有限公司 | 一种动态路线的行车安全评估方法及*** |
Non-Patent Citations (3)
Title |
---|
朱秋敏: "中心城自行车绿道选线指标评价体系构建", 城市住宅, no. 05, 25 May 2020 (2020-05-25), pages 179 - 180 * |
谢海莹: "基于典型经验路径库的路径规划算法", 交通运输研究, vol. 2, no. 01, 30 March 2016 (2016-03-30), pages 17 - 22 * |
郭常莲 等: "《农业投资项目后评价的理论与实践》", 31 August 2002, pages: 182 * |
Also Published As
Publication number | Publication date |
---|---|
CN117236779B (zh) | 2024-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104751288B (zh) | 一种钢卷分段多维在线质量判定***及其方法 | |
CN110634292B (zh) | 一种基于路阻性能函数的行程时间可靠性估计方法 | |
CA2381569A1 (en) | Method of forecasting future orders in parts inventory management | |
CN110718057B (zh) | 路网运行状态评价方法、装置、电子设备及介质 | |
CN108345987B (zh) | 一种道路基础设施建设项目影响评价决策支持***及方法 | |
CN113159374B (zh) | 一种数据驱动的城市交通流速模式识别与实时预测预警方法 | |
CN111125286A (zh) | 基于交通大数据的智慧公路综合管理平台 | |
CN111815141A (zh) | 获取互通式立交运行风险评估模型的方法及风险评估方法 | |
CN114022000A (zh) | 基于模糊综合评价的车辆道路运输风险评估方法及*** | |
CN109785625B (zh) | 一种城市路网运行状态的“红绿”区域识别和评价方法 | |
CN117236779B (zh) | 一种大型数据库的数据运输评估方法 | |
Zou et al. | Examining the impact of adverse weather on travel time reliability of urban corridors in Shanghai | |
CN116681197B (zh) | 一种基于大数据的物流线路搜索方法及*** | |
CN116384807A (zh) | 基于模糊综合评价模型的航路网络拥挤态势评估方法 | |
CN110120154B (zh) | 大规模路网下利用检测器数据的交通路况预测方法 | |
CN116934200A (zh) | 一种基于大数据的物流运输监管***和方法 | |
CN109523788B (zh) | 一种路段运行效果评价方法 | |
CN115497306A (zh) | 一种基于gis数据的速度区间权重计算方法 | |
Ni et al. | Load factors of less-than-truckload delivery tours: An analysis with operation data | |
CN114462898A (zh) | 基于地理信息的公路规划管理方法及*** | |
CN112330516A (zh) | 一种生成公路路面维修计划的方法和装置 | |
CN112348644B (zh) | 一种通过建立单调正相关过滤网的异常物流订单检测方法 | |
CN117291492B (zh) | 一种基于边缘协同的货物进出口路线规划***和方法 | |
CN117951596A (zh) | 用于路面养护智能决策方法及***、控制器和控制方法 | |
Zhulin et al. | The real-time assessment of freeway traffic state based on variation coefficient method |
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 |