CN117949976A - 一种运输黄磷的公路运输车实时定位方法及*** - Google Patents
一种运输黄磷的公路运输车实时定位方法及*** Download PDFInfo
- Publication number
- CN117949976A CN117949976A CN202410349947.7A CN202410349947A CN117949976A CN 117949976 A CN117949976 A CN 117949976A CN 202410349947 A CN202410349947 A CN 202410349947A CN 117949976 A CN117949976 A CN 117949976A
- Authority
- CN
- China
- Prior art keywords
- information
- transport vehicle
- positioning
- road transport
- 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
- OBSZRRSYVTXPNB-UHFFFAOYSA-N tetraphosphorus Chemical compound P12P3P1P32 OBSZRRSYVTXPNB-UHFFFAOYSA-N 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 106
- 230000002159 abnormal effect Effects 0.000 claims abstract description 46
- 230000005856 abnormality Effects 0.000 claims abstract description 10
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 126
- 229910052742 iron Inorganic materials 0.000 claims description 63
- 238000004891 communication Methods 0.000 claims description 19
- 230000007613 environmental effect Effects 0.000 claims description 14
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 description 10
- 230000000306 recurrent effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000000383 hazardous chemical Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种运输黄磷的公路运输车实时定位方法及***，涉及运输管理技术领域，其中，该***包括：第一定位模块，用于获取公路运输车的第一定位信息，并上传至云管理平台；状态监测模块，用于获取公路运输车的状态信息；异常判断模块，用于基于公路运输车的状态信息和第一定位信息，确定公路运输车的车辆异常值；第二定位模块，用于在车辆异常值大于预设车辆异常值阈值，获取第二定位信息，并上传至云管理平台，其中，第二定位信息的精度高于第一定位信息，具有提高黄磷的公路运输的安全性的优点。
Description
技术领域
本发明涉及运输管理技术领域，尤其涉及一种运输黄磷的公路运输车实时定位方法及***。
背景技术
危险品运输一直以来就是联系成品油、天然气等危险品生产、经营、储存、使用的桥梁和纽带。近年来，随着化学危险货物运输量逐年增多，道路化学危险货物运输经营业户、运输车辆和从业人员逐年增加，加之危化品企业经营规模小，运输车辆和设施设备老旧，管理混乱，安全投入不足，生产作业条件差，化学危险货物道路运输存在着较大的安全隐患，运输事故时有发生，对社会公共安全构成严重威胁。
黄磷装运主要以桶装运输为主，将黄磷装入封闭的铁桶中，由汽车或火车运输，在运输过程中，由于铁桶相互碰撞，极易造成黄磷泄漏，产生氧化、燃烧，而使运输不安全。现有技术中黄磷的运输过程中，无法实时跟踪到运输黄磷的公路运输车，运输黄磷的公路运输车的具体信息不能及时被管理到，缺乏安全预警能力。
因此，需要提供一种运输黄磷的公路运输车实时定位方法及***，用于提高黄磷的公路运输的安全性。
发明内容
本发明提供了一种运输黄磷的公路运输车实时定位***，包括：第一定位模块，用于获取公路运输车的第一定位信息，并上传至云管理平台；状态监测模块，用于获取所述公路运输车的状态信息；异常判断模块，用于基于所述公路运输车的状态信息和所述第一定位信息，确定所述公路运输车的车辆异常值；第二定位模块，用于在所述车辆异常值大于预设车辆异常值阈值，获取第二定位信息，并上传至云管理平台，其中，所述第二定位信息的精度高于所述第一定位信息。
更进一步地，所述第一定位模块基于GPS定位技术获取所述公路运输车的第一定位信息。
更进一步地，所述状态监测模块包括压力监测单元、振动监测单元、声音监测单元及温度监测单元，其中，所述压力监测单元用于采集所述公路运输车的铁桶的内部的压力信息，所述振动监测单元用于采集所述公路运输车的铁桶的振动信息，所述声音监测单元用于采集所述公路运输车的铁桶的声音信息，所述温度监测单元用于采集所述公路运输车的铁桶的内部的温度信息；所述公路运输车的状态信息包括一个监测周期内的多个时间点的公路运输车的铁桶的内部的压力信息、公路运输车的铁桶的振动信息、公路运输车的铁桶的声音信息及公路运输车的铁桶的内部的温度信息。
更进一步地，所述压力监测单元、振动监测单元、声音监测单元及温度监测单元的采集频率基于所述公路运输车的第一定位信息实时进行调整。
更进一步地，所述异常判断模块基于所述公路运输车的状态信息和所述第一定位信息，确定所述公路运输车的车辆异常值，包括：基于所述一个监测周期内的多个时间点的公路运输车的铁桶的内部的压力信息、公路运输车的铁桶的振动信息、公路运输车的铁桶的声音信息及公路运输车的铁桶的内部的温度信息，确定所述公路运输车的状态异常值；基于所述公路运输车在多个历史运输时间点的第一定位信息及预设运输路径，确定所述公路运输车的轨迹异常值；基于所述公路运输车的状态异常值及所述公路运输车的轨迹异常值，确定所述公路运输车的车辆异常值。
更进一步地，所述预设运输路径通过所述云管理平台生成；所述云管理平台基于以下流程生成所述预设运输路径：基于所述公路运输车的运输起点及运输终点，生成多条候选运输路线；对于每条所述候选运输路线，预测所述候选运输路线在多个未来时间段的路况信息；对于每条所述候选运输路线，获取所述候选运输路线在多个未来时间段的公路运输车运输信息；对于每条所述候选运输路线，确定所述候选运输路线在多个未来时间段的运输安全度信息；对于每条所述候选运输路线，确定所述候选运输路线在多个未来时间段的环境信息；对于每条所述候选运输路线，基于所述候选运输路线在多个未来时间段的路况信息、公路运输车运输信息、运输安全度信息及环境信息，确定所述候选运输路线的匹配值；当存在至少一条所述候选运输路线的匹配值大于第一预设匹配值阈值时，将匹配值大于第一预设匹配值阈值的候选运输路线作为第一目标运输路线，基于每条所述第一目标运输路线的匹配值，生成所述预设运输路径；当不存在至少一条所述候选运输路线的匹配值大于第一预设匹配值阈值时，将匹配值大于第二预设匹配值阈值的候选运输路线作为第二目标运输路线，对所述第二目标运输路线进行融合，生成所述预设运输路径。
更进一步地，所述异常判断模块基于所述一个监测周期内的多个时间点的公路运输车的铁桶的内部的压力信息、公路运输车的铁桶的振动信息、公路运输车的铁桶的声音信息及公路运输车的铁桶的内部的温度信息，确定所述公路运输车的状态异常值，包括：基于所述一个监测周期内的多个时间点的公路运输车的铁桶的内部的压力信息，生成所述公路运输车在所述监测周期内的压力波动参数；基于所述一个监测周期内的多个时间点的公路运输车的铁桶的振动信息，生成所述公路运输车在所述监测周期内的振动波动参数；基于所述一个监测周期内的多个时间点的公路运输车的铁桶的声音信息，生成所述公路运输车在所述监测周期内的声音波动参数；基于所述一个监测周期内的多个时间点的公路运输车的铁桶的内部的温度信息，生成所述公路运输车在所述监测周期内的温度波动参数；基于所述公路运输车在所述监测周期内的压力波动参数、振动波动参数、声音波动参数及温度波动参数，确定所述公路运输车的状态异常值。
更进一步地，所述第二定位模块至少包括短距离通信定位组件及机器视觉定位组件。
更进一步地，所述第二定位模块获取所述第二定位信息，包括：通过短距离通信定位组件基于公路运输车的第一定位信息，获取短距离通信定位信息；通过机器视觉定位组件及所述短距离通信定位信息，获取所述第二定位信息。
本发明提供了一种运输黄磷的公路运输车实时定位方法，包括：获取公路运输车的第一定位信息，并上传至云管理平台；获取所述公路运输车的状态信息；基于所述公路运输车的状态信息和所述第一定位信息，确定所述公路运输车的车辆异常值；在所述车辆异常值大于预设车辆异常值阈值，获取第二定位信息，并上传至云管理平台，其中，所述第二定位信息的精度高于所述第一定位信息。
相比于现有技术，本说明书提供的一种运输黄磷的公路运输车实时定位***，至少具备以下有益效果：
1、先获取公路运输车的第一定位信息，并上传至云管理平台，对公路运输车的位置进行监控，同时，基于公路运输车的状态信息和第一定位信息，对公路运输车是否异常进行评估，在车辆异常值大于预设车辆异常值阈值，获取更高精度的第二定位信息，并上传至云管理平台，为后续的黄磷的公路运输车救援及线下管理提供数据支持，实现了黄磷的公路运输车的状态和位置的同时监控，提高了黄磷的公路运输的安全性；
2、从当前行驶道路的事故发生频率、道路结构参数、环境异常参数及危险品运输参数，四个维度对公路运输车在当前行驶道路是否容易发生异常进行准确且全面的评估，进一步的，根据评估结果，实时进行调整压力监测单元、振动监测单元、声音监测单元及温度监测单元的采集频率，在容易发生异常时，提高对公路运输车状态监控的实时性；
3、从候选运输路线在多个未来时间段的路况信息、公路运输车运输信息、运输安全度信息、环境信息，四个维度，对候选运输路线进行评估，生成更适合本次黄磷运输任务的运输路径，提高本次黄磷运输的安全性；
4、通过短距离通信定位组件与机器视觉定位组件进行结合，实现更高精度的定位。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是本申请一实施例中示出的一种运输黄磷的公路运输车实时定位***的模块图；
图2是本申请一实施例中示出的生成预设运输路径的流程图；
图3是本申请一实施例中示出的确定公路运输车的状态异常值的流程图；
图4是本申请一实施例中示出的一种运输黄磷的公路运输车实时定位方法的流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。
图1是本申请一实施例中示出的一种运输黄磷的公路运输车实时定位***的模块图，如图1所示，一种运输黄磷的公路运输车实时定位***可以包括第一定位模块、状态监测模块、异常判断模块及第二定位模块。
第一定位模块可以用于获取公路运输车的第一定位信息，并上传至云管理平台。
云管理平台可以用于对多个运输危险物品的公路运输车的位置和状态进行信息汇总，实现管理人员远端监控和管理多个运输危险物品的运输工作。
在一些实施例中，第一定位模块可以基于GPS定位技术获取公路运输车的第一定位信息。
状态监测模块可以用于获取公路运输车的状态信息。
在一些实施例中，状态监测模块包括压力监测单元、振动监测单元、声音监测单元及温度监测单元，其中，压力监测单元用于采集公路运输车的铁桶的内部的压力信息，振动监测单元用于采集公路运输车的铁桶的振动信息，声音监测单元用于采集公路运输车的铁桶的声音信息，温度监测单元用于采集公路运输车的铁桶的内部的温度信息。
在一些实施例中，公路运输车的状态信息包括一个监测周期（例如，三分钟、五分钟、10分钟等）内的多个时间点的公路运输车的铁桶的内部的压力信息、公路运输车的铁桶的振动信息、公路运输车的铁桶的声音信息及公路运输车的铁桶的内部的温度信息。
在一些实施例中，压力监测单元、振动监测单元、声音监测单元及温度监测单元的采集频率基于公路运输车的第一定位信息实时进行调整。
具体的，云管理平台可以先根据公路运输车的第一定位信息，确定公路运输车的当前行驶道路，并获取该当前行驶道路的历史事故信息、道路结构信息、当前环境信息及历史危险品运输记录，其中，历史事故信息可以包括发生在目标周期（例如，过去半年、一年等）内该当前行驶道路发生的事故的信息，例如，事故时间、事故车辆类型、事故原因等。道路结构信息可以包括与该当前行驶道路的每个交叉路口的信息，例如，交叉路口的位置、交叉路口的道路数量等。当前环境信息可以包括公路运输车在该当前行驶道路行驶的时间段内的环境信息，例如，环境温度、环境湿度等。历史危险品运输记录可以包括从该当前行驶道路行驶过的运输危险物品的公路运输车在该当前行驶道路行驶过程中的状态信息。再根据该当前行驶道路的历史事故信息、道路结构信息、当前环境信息及历史危险品运输记录，确定该当前行驶道路的道路异常分值，基于该道路异常分值确定压力监测单元、振动监测单元、声音监测单元及温度监测单元在当前行驶道路的采集频率，并将该当前行驶道路的采集频率下发至状态监测模块，状态监测模块根据接收的该当前行驶道路的采集频率，实时进行调整压力监测单元、振动监测单元、声音监测单元及温度监测单元的采集频率。例如，道路异常分值越高，压力监测单元、振动监测单元、声音监测单元及温度监测单元的采集频率越高。
例如，云管理平台可以基于该当前行驶道路的历史事故信息，确定事故发生频率，根据道路结构信息确定该当前行驶道路的道路结构参数，根据当前环境信息确定该当前行驶道路的环境异常参数，根据历史危险品运输记录，确定危险品运输参数，并基于该当前行驶道路的事故发生频率、道路结构参数、环境异常参数及危险品运输参数，确定道路异常分值。
进一步地，基于以下公式确定道路异常分值：
；
；
；
；
；
其中，为第i条行驶道路的道路异常分值，为第i条行驶道路的事故发
生频率，为第i条行驶道路的道路结构参数，为第i条行驶道
路的环境异常参数，为第i条行驶道路的危险品运输参数，、、及均
为预设权重，、、及均为预设参数，为第i条行驶道路在目标周期内发生的事
故的次数，为目标周期的时间长度，为第i条行驶道路的第j个交叉路口的道路数
量，J为第i条行驶道路包括的交叉路口的总数，为公路运输车在第i条行驶道路行驶的时
间段内的环境温度，为预设环境温度，为公路运输车在第i条行驶道路行驶的时
间段内的环境湿度，为预设环境湿度，为第i条行驶道路的第k条历史危
险品运输记录中运输危险物品的公路运输车在第i条行驶道路行驶过程中的车辆异常值，K
为第i条行驶道路的历史危险品运输记录的总数。
可以理解的，从当前行驶道路的事故发生频率、道路结构参数、环境异常参数及危险品运输参数，四个维度对公路运输车在当前行驶道路是否容易发生异常进行准确且全面的评估，进一步的，根据评估结果，实时进行调整压力监测单元、振动监测单元、声音监测单元及温度监测单元的采集频率，在容易发生异常时，提高对公路运输车状态监控的实时性。
异常判断模块可以用于基于公路运输车的状态信息和第一定位信息，确定公路运输车的车辆异常值。
在一些实施例中，异常判断模块基于公路运输车的状态信息和第一定位信息，确定公路运输车的车辆异常值，包括：
基于一个监测周期内的多个时间点的公路运输车的铁桶的内部的压力信息、公路运输车的铁桶的振动信息、公路运输车的铁桶的声音信息及公路运输车的铁桶的内部的温度信息，确定公路运输车的状态异常值；
基于公路运输车在多个历史运输时间点的第一定位信息及预设运输路径，确定公路运输车的轨迹异常值，其中，预设运输路径通过云管理平台生成；
基于公路运输车的状态异常值及公路运输车的轨迹异常值，确定公路运输车的车辆异常值。
具体地，异常判断模块可以对公路运输车的状态异常值及公路运输车的轨迹异常值进行加权求和，确定公路运输车的车辆异常值。
图2是本申请一实施例中示出的生成预设运输路径的流程图，如图2所示，在一些实施例中，云管理平台基于以下流程生成预设运输路径：
基于公路运输车的运输起点及运输终点，生成多条候选运输路线；
对于每条候选运输路线，预测候选运输路线在多个未来时间段的路况信息；
对于每条候选运输路线，获取候选运输路线在多个未来时间段的公路运输车运输信息；
对于每条候选运输路线，确定候选运输路线在多个未来时间段的运输安全度信息；
对于每条候选运输路线，确定候选运输路线在多个未来时间段的环境信息，例如，环境温度信息、环境湿度信息等；
对于每条候选运输路线，基于候选运输路线在多个未来时间段的路况信息、公路运输车运输信息、运输安全度信息及环境信息，确定候选运输路线的匹配值；
当存在至少一条候选运输路线的匹配值大于第一预设匹配值阈值时，将匹配值大于第一预设匹配值阈值的候选运输路线作为第一目标运输路线，基于每条第一目标运输路线的匹配值，生成预设运输路径；
当不存在至少一条候选运输路线的匹配值大于第一预设匹配值阈值时，将匹配值大于第二预设匹配值阈值的候选运输路线作为第二目标运输路线，对第二目标运输路线进行融合，生成预设运输路径。
具体的，云管理平台可以通过路况预测模型，基于候选运输路线的历史路况信息，预测候选运输路线在多个未来时间段的路况信息。其中，路况预测模型可以为人工神经网络(Artificial Neural Network，ANN)模型、循环神经网络(Recurrent Neural Networks，RNN)模型、长短时记忆网络(Long Short-Term Memory，LSTM)模型、双向循环神经网络(BRNN)模型等机器学习模型。
公路运输车运输信息可以包括在多个未来时间段在该候选运输路线运输危险品的公路运输车的数量等。
运输安全度信息可以包括发生在目标周期（例如，过去半年、一年等）内该候选运输路线发生的事故的信息，例如，事故时间、事故车辆类型、事故原因等。
在一些实施例中，云管理平台可以通过匹配值预测模型基于候选运输路线在多个未来时间段的路况信息、公路运输车运输信息、运输安全度信息及环境信息，确定候选运输路线的匹配值，其中，匹配值预测模型可以为人工神经网络(Artificial Neural Network，ANN)模型、循环神经网络(Recurrent Neural Networks，RNN)模型、长短时记忆网络(LongShort-Term Memory，LSTM)模型、双向循环神经网络(BRNN)模型等机器学习模型。候选运输路线的匹配值可以表征候选运输路线适合执行本次黄磷运输任务的可能性，候选运输路线的匹配值越大，该候选运输路线越适合执行本次黄磷运输任务。可以理解的，预测候选运输路线在多个未来时间段的路况越好，候选运输路线的匹配值越大，在多个未来时间段在该候选运输路线运输危险品的公路运输车的数量越少，候选运输路线的匹配值越大，发生在目标周期（例如，过去半年、一年等）内该候选运输路线发生的事故的数量越少，候选运输路线的匹配值越大，候选运输路线在多个未来时间段的环境信息与黄磷对应的最优的运输环境越接近，候选运输路线的匹配值越大。
当存在至少一条候选运输路线的匹配值大于第一预设匹配值阈值时，可以将匹配值最大的第一目标运输路线作为预设运输路径。
当不存在至少一条候选运输路线的匹配值大于第一预设匹配值阈值时，可以对第二目标运输路线进行分段分析，确定第二目标运输路线的每个分段的在多个未来时间段的路况信息、公路运输车运输信息、运输安全度信息及环境信息，确定分段的匹配值，将第二目标运输路线中匹配值大于第二预设匹配值阈值的分段作为目标分段，对多个目标分段进行组合，生成多个候选组合路径，确定公路运输车通过候选组合路径运输黄磷所需的运输时间，将运输时间最短的候选组合路径作为预设运输路径。
可以理解的，从候选运输路线在多个未来时间段的路况信息、公路运输车运输信息、运输安全度信息、环境信息，四个维度，对候选运输路线进行评估，生成更适合本次黄磷运输任务的运输路径，提高本次黄磷运输的安全性。
在一些实施例中，异常判断模块可以根据以下公式基于公路运输车在多个历史运输时间点的第一定位信息及预设运输路径，确定公路运输车的轨迹异常值：
；
其中，为公路运输车的轨迹异常值，为公路运输车在第h
个历史运输时间点的第一定位信息，为预设运输路径中第h个历史运输时间点
的第一定位信息对应的位置信息，为历史运输时间点的总数。
图3是本申请一实施例中示出的确定公路运输车的状态异常值的流程图，如图3所示，在一些实施例中，异常判断模块基于一个监测周期内的多个时间点的公路运输车的铁桶的内部的压力信息、公路运输车的铁桶的振动信息、公路运输车的铁桶的声音信息及公路运输车的铁桶的内部的温度信息，确定公路运输车的状态异常值，包括：
基于一个监测周期内的多个时间点的公路运输车的铁桶的内部的压力信息，生成公路运输车在监测周期内的压力波动参数；
基于一个监测周期内的多个时间点的公路运输车的铁桶的振动信息，生成公路运输车在监测周期内的振动波动参数；
基于一个监测周期内的多个时间点的公路运输车的铁桶的声音信息，生成公路运输车在监测周期内的声音波动参数；
基于一个监测周期内的多个时间点的公路运输车的铁桶的内部的温度信息，生成公路运输车在监测周期内的温度波动参数；
基于公路运输车在监测周期内的压力波动参数、振动波动参数、声音波动参数及温度波动参数，确定公路运输车的状态异常值。
具体地，异常判断模块可以基于以下公式计算压力波动参数：
；
其中，为压力波动参数，为监测周期内的第g个时间点的公
路运输车的铁桶的内部的压力信息，为预设的公路运输车的铁桶的内部的压力，
为监测周期包括的时间点的总数。
振动波动参数、声音波动参数、温度波动参数的计算方式与压力波动参数的计算方式相似，关于振动波动参数、声音波动参数、温度波动参数的计算的更多描述可以参见压力波动参数的计算方式的相关描述，此处不再赘述。
可以理解的，从压力波动、振动波动、声音波动及温度波动，四个维度对公路运输车的状态进行全面且准确地评估。
在一些实施例中，异常判断模块可以对公路运输车在监测周期内的压力波动参数、振动波动参数、声音波动参数及温度波动参数进行加权求和，确定公路运输车的状态异常值。
第二定位模块可以用于在车辆异常值大于预设车辆异常值阈值，获取第二定位信息，并上传至云管理平台，其中，第二定位信息的精度高于第一定位信息。
在一些实施例中，第二定位模块至少包括短距离通信定位组件及机器视觉定位组件。
在一些实施例中，第二定位模块获取第二定位信息，包括：
通过短距离通信定位组件基于公路运输车的第一定位信息，获取短距离通信定位信息；
通过机器视觉定位组件及短距离通信定位信息，获取第二定位信息。
具体的，可以先基于公路运输车的第一定位信息，确定目标短距离通信定位基站，基于公路运输车上的短距离通信定位组件与目标短距离通信定位基站的交互信息，确定短距离通信定位信息，基于短距离通信定位信息，确定目标道路图集，通过机器视觉定位组件获取公路运输车的行驶道路的图像信息，基于公路运输车的行驶道路的图像信息和目标道路图集，确定公路运输车的第二定位信息。
可以理解地，通过短距离通信定位组件与机器视觉定位组件进行结合，实现更高精度的定位。
图4是本申请一实施例中示出的一种运输黄磷的公路运输车实时定位方法的流程图，如图4所示，在一些实施例中，一种运输黄磷的公路运输车实时定位方法可以包括以下流程。
步骤410，获取公路运输车的第一定位信息，并上传至云管理平台。
步骤420，获取公路运输车的状态信息。
步骤430，基于公路运输车的状态信息和第一定位信息，确定公路运输车的车辆异常值。
步骤440，在车辆异常值大于预设车辆异常值阈值，获取第二定位信息，并上传至云管理平台。
其中，第二定位信息的精度高于第一定位信息。
关于一种运输黄磷的公路运输车实时定位方法的更多描述可以参见一种运输黄磷的公路运输车实时定位***的相关描述，此处不再赘述。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种运输黄磷的公路运输车实时定位***，其特征在于，包括：
第一定位模块，用于获取公路运输车的第一定位信息，并上传至云管理平台；
状态监测模块，用于获取所述公路运输车的状态信息；
异常判断模块，用于基于所述公路运输车的状态信息和所述第一定位信息，确定所述公路运输车的车辆异常值；
第二定位模块，用于在所述车辆异常值大于预设车辆异常值阈值，获取第二定位信息，并上传至云管理平台，其中，所述第二定位信息的精度高于所述第一定位信息。
2.根据权利要求1所述的一种运输黄磷的公路运输车实时定位***，其特征在于，所述第一定位模块基于GPS定位技术获取所述公路运输车的第一定位信息。
3.根据权利要求2所述的一种运输黄磷的公路运输车实时定位***，其特征在于，所述状态监测模块包括压力监测单元、振动监测单元、声音监测单元及温度监测单元，其中，所述压力监测单元用于采集所述公路运输车的铁桶的内部的压力信息，所述振动监测单元用于采集所述公路运输车的铁桶的振动信息，所述声音监测单元用于采集所述公路运输车的铁桶的声音信息，所述温度监测单元用于采集所述公路运输车的铁桶的内部的温度信息；
所述公路运输车的状态信息包括一个监测周期内的多个时间点的公路运输车的铁桶的内部的压力信息、公路运输车的铁桶的振动信息、公路运输车的铁桶的声音信息及公路运输车的铁桶的内部的温度信息。
4.根据权利要求3所述的一种运输黄磷的公路运输车实时定位***，其特征在于，所述压力监测单元、振动监测单元、声音监测单元及温度监测单元的采集频率基于所述公路运输车的第一定位信息实时进行调整。
5.根据权利要求3所述的一种运输黄磷的公路运输车实时定位***，其特征在于，所述异常判断模块基于所述公路运输车的状态信息和所述第一定位信息，确定所述公路运输车的车辆异常值，包括：
基于所述一个监测周期内的多个时间点的公路运输车的铁桶的内部的压力信息、公路运输车的铁桶的振动信息、公路运输车的铁桶的声音信息及公路运输车的铁桶的内部的温度信息，确定所述公路运输车的状态异常值；
基于所述公路运输车在多个历史运输时间点的第一定位信息及预设运输路径，确定所述公路运输车的轨迹异常值；
基于所述公路运输车的状态异常值及所述公路运输车的轨迹异常值，确定所述公路运输车的车辆异常值。
6.根据权利要求5所述的一种运输黄磷的公路运输车实时定位***，其特征在于，所述预设运输路径通过所述云管理平台生成；
所述云管理平台基于以下流程生成所述预设运输路径：
基于所述公路运输车的运输起点及运输终点，生成多条候选运输路线；
对于每条所述候选运输路线，预测所述候选运输路线在多个未来时间段的路况信息；
对于每条所述候选运输路线，获取所述候选运输路线在多个未来时间段的公路运输车运输信息；
对于每条所述候选运输路线，确定所述候选运输路线在多个未来时间段的运输安全度信息；
对于每条所述候选运输路线，确定所述候选运输路线在多个未来时间段的环境信息；
对于每条所述候选运输路线，基于所述候选运输路线在多个未来时间段的路况信息、公路运输车运输信息、运输安全度信息及环境信息，确定所述候选运输路线的匹配值；
当存在至少一条所述候选运输路线的匹配值大于第一预设匹配值阈值时，将匹配值大于第一预设匹配值阈值的候选运输路线作为第一目标运输路线，基于每条所述第一目标运输路线的匹配值，生成所述预设运输路径；
当不存在至少一条所述候选运输路线的匹配值大于第一预设匹配值阈值时，将匹配值大于第二预设匹配值阈值的候选运输路线作为第二目标运输路线，对所述第二目标运输路线进行融合，生成所述预设运输路径。
7.根据权利要求5所述的一种运输黄磷的公路运输车实时定位***，其特征在于，所述异常判断模块基于所述一个监测周期内的多个时间点的公路运输车的铁桶的内部的压力信息、公路运输车的铁桶的振动信息、公路运输车的铁桶的声音信息及公路运输车的铁桶的内部的温度信息，确定所述公路运输车的状态异常值，包括：
基于所述一个监测周期内的多个时间点的公路运输车的铁桶的内部的压力信息，生成所述公路运输车在所述监测周期内的压力波动参数；
基于所述一个监测周期内的多个时间点的公路运输车的铁桶的振动信息，生成所述公路运输车在所述监测周期内的振动波动参数；
基于所述一个监测周期内的多个时间点的公路运输车的铁桶的声音信息，生成所述公路运输车在所述监测周期内的声音波动参数；
基于所述一个监测周期内的多个时间点的公路运输车的铁桶的内部的温度信息，生成所述公路运输车在所述监测周期内的温度波动参数；
基于所述公路运输车在所述监测周期内的压力波动参数、振动波动参数、声音波动参数及温度波动参数，确定所述公路运输车的状态异常值。
8.根据权利要求1-7中任意一项所述的一种运输黄磷的公路运输车实时定位***，其特征在于，所述第二定位模块至少包括短距离通信定位组件及机器视觉定位组件。
9.根据权利要求8所述的一种运输黄磷的公路运输车实时定位***，其特征在于，所述第二定位模块获取所述第二定位信息，包括：
通过短距离通信定位组件基于公路运输车的第一定位信息，获取短距离通信定位信息；
通过机器视觉定位组件及所述短距离通信定位信息，获取所述第二定位信息。
10.一种运输黄磷的公路运输车实时定位方法，应用于权利要求1-9中任意一项所述的一种运输黄磷的公路运输车实时定位***，其特征在于，包括：
获取公路运输车的第一定位信息，并上传至云管理平台；
获取所述公路运输车的状态信息；
基于所述公路运输车的状态信息和所述第一定位信息，确定所述公路运输车的车辆异常值；
在所述车辆异常值大于预设车辆异常值阈值，获取第二定位信息，并上传至云管理平台，其中，所述第二定位信息的精度高于所述第一定位信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410349947.7A CN117949976B (zh) | 2024-03-26 | 2024-03-26 | 一种运输黄磷的公路运输车实时定位方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410349947.7A CN117949976B (zh) | 2024-03-26 | 2024-03-26 | 一种运输黄磷的公路运输车实时定位方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117949976A true CN117949976A (zh) | 2024-04-30 |
| CN117949976B CN117949976B (zh) | 2024-06-11 |
Family
ID=90805514
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410349947.7A Active CN117949976B (zh) | 2024-03-26 | 2024-03-26 | 一种运输黄磷的公路运输车实时定位方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117949976B (zh) |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200938808A (en) * | 2008-03-14 | 2009-09-16 | Chunghwa Telecom Co Ltd | Intelligent positioning calibration system method |
| CN102147964A (zh) * | 2010-02-05 | 2011-08-10 | 新光国际航太科技股份有限公司 | 运输工具的载运物品的温度监控管理***及其方法 |
| CN105354992A (zh) * | 2015-11-05 | 2016-02-24 | 青岛中科软件股份有限公司 | 危化品运输全程监控*** |
| US20160238406A1 (en) * | 2015-02-13 | 2016-08-18 | The Burtner Group, LLC | Refrigerated transport container wireless remote tracking and management systems and methods |
| US20170015507A1 (en) * | 2015-07-16 | 2017-01-19 | Samsung Electronics Co., Ltd. | Logistics monitoring system and method of operating the same |
| CN108827274A (zh) * | 2018-04-24 | 2018-11-16 | 骁越科技（青岛）有限公司 | 一种室外型agv导航定位技术与装置 |
| CN209993006U (zh) * | 2019-04-01 | 2020-01-24 | 南京财经大学 | 一种基于物联网的冷链粮食运输追溯*** |
| CN110763277A (zh) * | 2019-11-11 | 2020-02-07 | 李蔚田 | 基于北斗卫星***的实时物流定位监控*** |
| CN112285754A (zh) * | 2020-10-16 | 2021-01-29 | 中冶赛迪上海工程技术有限公司 | 一种车辆多维跟踪定位方法及*** |
| CN112677325A (zh) * | 2021-01-08 | 2021-04-20 | 南京维拓科技股份有限公司 | 商砼运输监控与预警的方法 |
| WO2021195902A1 (zh) * | 2020-03-30 | 2021-10-07 | 华为技术有限公司 | 一种定位置信度的控制方法及装置 |
| US20220073108A1 (en) * | 2020-09-04 | 2022-03-10 | Hyundai Motor Company | Production factory unmanned transfer system and method |
| CN114912879A (zh) * | 2022-06-07 | 2022-08-16 | 公安部第三研究所 | 一种基于全要素管理的危险化学品汽车运输安全监控*** |
| CN115065941A (zh) * | 2022-07-20 | 2022-09-16 | 郑州铁路职业技术学院 | 一种用于物流运输车辆的安全通信装置 |
| CN115392818A (zh) * | 2021-10-19 | 2022-11-25 | 上海闵东国际物流有限公司 | 一种基于gps的货运跟踪的运输管理*** |
| CN116629730A (zh) * | 2023-06-12 | 2023-08-22 | 朱建柏 | 危险废物全过程数字感知智能实时监管*** |
| CN117196450A (zh) * | 2023-08-16 | 2023-12-08 | 成都立创亿联科技有限公司 | 一种基于定位监控的物品管理***和方法 |
| CN117289594A (zh) * | 2023-09-15 | 2023-12-26 | 四川中烟工业有限责任公司 | 基于模式判别的烘丝出***水率控制方法及*** |
| CN117558129A (zh) * | 2023-11-14 | 2024-02-13 | 长沙云软信息技术有限公司 | 一种用于高速公路建设用的智能定位***及方法 |
-
2024
- 2024-03-26 CN CN202410349947.7A patent/CN117949976B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200938808A (en) * | 2008-03-14 | 2009-09-16 | Chunghwa Telecom Co Ltd | Intelligent positioning calibration system method |
| CN102147964A (zh) * | 2010-02-05 | 2011-08-10 | 新光国际航太科技股份有限公司 | 运输工具的载运物品的温度监控管理***及其方法 |
| US20160238406A1 (en) * | 2015-02-13 | 2016-08-18 | The Burtner Group, LLC | Refrigerated transport container wireless remote tracking and management systems and methods |
| US20170015507A1 (en) * | 2015-07-16 | 2017-01-19 | Samsung Electronics Co., Ltd. | Logistics monitoring system and method of operating the same |
| CN105354992A (zh) * | 2015-11-05 | 2016-02-24 | 青岛中科软件股份有限公司 | 危化品运输全程监控*** |
| CN108827274A (zh) * | 2018-04-24 | 2018-11-16 | 骁越科技（青岛）有限公司 | 一种室外型agv导航定位技术与装置 |
| CN209993006U (zh) * | 2019-04-01 | 2020-01-24 | 南京财经大学 | 一种基于物联网的冷链粮食运输追溯*** |
| CN110763277A (zh) * | 2019-11-11 | 2020-02-07 | 李蔚田 | 基于北斗卫星***的实时物流定位监控*** |
| WO2021195902A1 (zh) * | 2020-03-30 | 2021-10-07 | 华为技术有限公司 | 一种定位置信度的控制方法及装置 |
| US20220073108A1 (en) * | 2020-09-04 | 2022-03-10 | Hyundai Motor Company | Production factory unmanned transfer system and method |
| CN112285754A (zh) * | 2020-10-16 | 2021-01-29 | 中冶赛迪上海工程技术有限公司 | 一种车辆多维跟踪定位方法及*** |
| CN112677325A (zh) * | 2021-01-08 | 2021-04-20 | 南京维拓科技股份有限公司 | 商砼运输监控与预警的方法 |
| CN115392818A (zh) * | 2021-10-19 | 2022-11-25 | 上海闵东国际物流有限公司 | 一种基于gps的货运跟踪的运输管理*** |
| CN114912879A (zh) * | 2022-06-07 | 2022-08-16 | 公安部第三研究所 | 一种基于全要素管理的危险化学品汽车运输安全监控*** |
| CN115065941A (zh) * | 2022-07-20 | 2022-09-16 | 郑州铁路职业技术学院 | 一种用于物流运输车辆的安全通信装置 |
| CN116629730A (zh) * | 2023-06-12 | 2023-08-22 | 朱建柏 | 危险废物全过程数字感知智能实时监管*** |
| CN117196450A (zh) * | 2023-08-16 | 2023-12-08 | 成都立创亿联科技有限公司 | 一种基于定位监控的物品管理***和方法 |
| CN117289594A (zh) * | 2023-09-15 | 2023-12-26 | 四川中烟工业有限责任公司 | 基于模式判别的烘丝出***水率控制方法及*** |
| CN117558129A (zh) * | 2023-11-14 | 2024-02-13 | 长沙云软信息技术有限公司 | 一种用于高速公路建设用的智能定位***及方法 |
Non-Patent Citations (3)
| Title |
|---|
| T KAMAKSHI: "Smart Railway Infrastructure: Fusion of IoT, RFID and VANET for Enhanced Safety and Operational Efficiency", 《023 SECOND INTERNATIONAL CONFERENCE ON ADVANCES IN COMPUTATIONAL INTELLIGENCE AND COMMUNICATION (ICACIC)》, 19 February 2024 (2024-02-19), pages 1 - 6 * |
| 杨文韬: "典型危险货物罐式箱铁路运输安全监控技术研究", 《铁道货运》, vol. 38, no. 12, 25 December 2020 (2020-12-25), pages 78 - 83 * |
| 白仁喜: "露天矿无人驾驶运输***安全技术", 《工矿自动化》, vol. 49, no. 2, 15 November 2023 (2023-11-15), pages 165 - 170 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117949976B (zh) | 2024-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hussain et al. | Car e-talk: An IoT-enabled cloud-assisted smart fleet maintenance system | |
| CN108475358B (zh) | 用于评价驾驶员的行程性能的方法和*** | |
| CN108369682B (zh) | 用于评价驾驶员的行程性能的方法和*** | |
| Valera et al. | Driving cycle and road grade on-board predictions for the optimal energy management in EV-PHEVs | |
| CN108431837B (zh) | 用于评价驾驶员的行程性能的方法和*** | |
| CN108475359B (zh) | 用于评价驾驶员的行程性能的方法和*** | |
| Groh et al. | Simulation and its contribution to evaluate highly automated driving functions | |
| WO2020154743A1 (en) | Method, system, and computer program product for autonomous control of dynamical systems | |
| CN108369683B (zh) | 用于评价驾驶员的行程性能的方法和*** | |
| Lakhal et al. | Risk management for intelligent vehicles based on interval analysis of ttc | |
| CN108369681B (zh) | 用于评价驾驶员的行程性能的方法和*** | |
| Golovan et al. | Aspects of forming the information V2I model of the transport vessel | |
| Spiryagin et al. | Vehicle system dynamics in digital twin studies in rail and road domains | |
| Taie et al. | Remote diagnosis, maintenance and prognosis for advanced driver assistance systems using machine learning algorithms | |
| Jia et al. | A microscopic model of vehicle co₂ emissions based on deep learning—A spatiotemporal analysis of taxicabs in Wuhan, China | |
| CN117949976B (zh) | 一种运输黄磷的公路运输车实时定位方法及*** | |
| CN110728309B (zh) | 一种基于铁路信号与北斗定位的行车轨迹聚类方法 | |
| CN108475357B (zh) | 用于评价驾驶员的行程性能的方法和*** | |
| Ye et al. | Deep learning-based queue-aware eco-approach and departure system for plug-in hybrid electric buses at signalized intersections: A simulation study | |
| Teixeira et al. | Assessing traffic-related environmental impacts based on different traffic monitoring applications | |
| CN108413979A (zh) | 新能源汽车充电导航方法 | |
| CN111080202B (zh) | 一种面向油量节省的作业车辆的效能管理方法及*** | |
| Pandolfi et al. | Real-Time Prediction of Fuel Consumption via Recurrent Neural Network (RNN) for Monitoring, Route Planning Optimization and CO2 Reduction of Heavy-Duty Vehicles | |
| Staniek | Using the kalman filter for purposes of road condition assessment | |
| Oswald et al. | Development of an innovation corridor testbed for shared electric connected and automated transportation |
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 |