物流运输车队的异常情况控制方法及装置制造方法及图纸

本发明专利技术涉及车辆控制领域，揭露一种物流运输车队的异常情况控制方法及装置，所述方法包括：基于第一数据包与第二数据包，计算物流运输车的数据包接收时刻；根据数据包接收时刻，构建物流运输车的数据检测周期；计算物流运输车的车轮转速，基于车轮转速与人员图像，判别物流运输车是否处于交通迟缓状态；利用接收光强计算挡风玻璃上的水滴密集度，基于水滴密集度，识别物流运输车的周围雨量，利用周围雨量对物流运输车进行第一车速控制，得到物流运输车的第一车速控制结果；利用接收光强计算物流运输车的周围暗黑度，计算物流运输车的周围物体与物流运输车之间的物体

【技术实现步骤摘要】
物流运输车队的异常情况控制方法及装置


[0001]本专利技术涉及车辆控制领域，尤其涉及一种物流运输车队的异常情况控制方法及装置。

技术介绍

[0002]在当前日益高速度发展的物流运输产业发展出现了大量的运输车队，它们承担着很多企业物资的配送任务，然而，在这个过程中，由于各种原因(如交通堵塞、天气突变、意外事故等)可能会导致一些意外情况的发生，这些情况如果不及时处理的话，就会影响物流供应链的正常运转，给企业带来损失。
[0003]目前，有一些车队管理系统可以用于监测车队的实时位置和运输情况，帮助管理员进行整个车队的调度安排，但当车队出现异常情况时，需要相关人员迅速介入并解决问题，此时，采取集中式的人工干预方式，往往效率较低，还容易出现漏报现象，导致问题得不到及时解决，从而影响物流的整体运营效率。因此，物流运输车队的异常情况控制效率较低。

技术实现思路

[0004]为了解决上述问题，本专利技术提供了一种物流运输车队的异常情况控制方法及装置，可以提高物流运输车队的异常情况控制效率。
[0005]第一方面，本专利技术提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物流运输车队的异常情况控制方法，其特征在于，所述方法包括：在从云端向物流运输车发送第一数据包之后，接收所述物流运输车返回所述云端的第二数据包，基于所述第一数据包与所述第二数据包，计算所述物流运输车的数据包接收时刻；根据所述数据包接收时刻，构建所述物流运输车的数据检测周期，并利用所述数据检测周期判别所述物流运输车是否存在通信异常；在所述物流运输车存在所述通信异常时，计算所述物流运输车的车轮转速，并采集所述物流运输车的人员图像，基于所述车轮转速与所述人员图像，判别所述物流运输车是否处于交通迟缓状态；在所述物流运输车处于所述交通迟缓状态时，采集所述物流运输车的挡风玻璃上的接收光强，利用所述接收光强计算所述挡风玻璃上的水滴密集度，基于所述水滴密集度，识别所述物流运输车的周围雨量，在所述周围雨量处于雨量异常状态时，利用所述周围雨量对所述物流运输车进行第一车速控制，得到所述物流运输车的第一车速控制结果；利用所述接收光强计算所述物流运输车的周围暗黑度，利用所述周围暗黑度对所述物流运输车进行第二车速控制，得到所述物流运输车的第二车速控制结果，计算所述物流运输车的周围物体与所述物流运输车之间的物体
‑
车辆距离，基于所述物体
‑
车辆距离，对所述物流运输车进行第三车速控制，得到所述物流运输车的第三车速控制结果；基于所述第一车速控制结果、所述第二车速控制及所述第三车速控制结果，确定所述物流运输车的车辆异常控制结果。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一数据包与所述第二数据包，利用下述公式计算所述物流运输车的数据包接收时刻，包括：基于所述第一数据包与所述第二数据包，利用下述公式计算所述物流运输车的数据包接收时刻：其中，t1表示所述数据包接收时刻，u0表示发送所述第一数据包的起始点，即所述云端的位置，u1表示发送所述第二数据包的起始点，即所述物流运输车的位置，t0表示接收所述第二数据包的时刻，v表示所述第二数据包的传输速度。3.根据权利要求1所述的方法，其特征在于，所述根据所述数据包接收时刻，构建所述物流运输车的数据检测周期，包括：确定所述物流运输车的异常检测间隔；基于所述异常检测间隔，利用下述公式计算所述物流运输车的数据检测周期：其中，T
’
表示所述数据检测周期，t2表示发送所述第一数据包的起始时间，u1表示发送所述第二数据包的起始点，v0表示所述物流运输车的车速，l1表示所述物流运输车发送所述第二数据包之后行驶的距离，θ1表示所述物流运输车发送所述第二数据包之后行驶偏转方向。
4.根据权利要求1所述的方法，其特征在于，所述计算所述物流运输车的车轮转速，包括：利用下述公式计算所述物流运输车的车轮平均周期：其中，T表示所述车轮平均周期，n表示所述物流运输车的车轮的完整周期的总数，t
n
表示车轮的第n个完整周期的时长，t2表示车轮的第2个完整周期的时长，t1表示车轮的第1个完整周期的时长；基于所述车轮平均周期，利用下述公式计算所述物流运输车的车轮转速：其中，V表示所述物流运输车的车轮转速，T表示所述车轮平均周期，p表示圆周率，r表示车轮半径。5.根据权利要求1所述的方法，其特征在于，所述基于所述车轮转速与所述人员图像，判别所述物流运输车是否处于交通迟缓状态，包括：在所述车轮转速小于预设转速时，从所述人员图像中提取人脸图像；对所述人脸图像进行特征提取，得到提取特征，其中，所述提取特征包括双眉特征、眼部特征、嘴巴特征，其中，利用下述公式对所述人脸图像进行特征提取，得到提取特征：x1＝C3(C2(C1(x0)))其中，x1表示所述提取特征，x0表示所述人脸图像，C1表示人脸情绪识别模型即CNN模型中的第一层卷积层，所述第一层卷积层包括32个大小为3*3*1的卷积核，C2表示人脸情绪识别模型即CNN模型中的第二层卷积层，所述第二层卷积层包括32个大小为3*3*32的卷积核，C3表示人脸情绪识别模型即CNN模型中的第三层卷积层，所述第三层卷积层包括64个大小为3*3*32的卷积核；基于所述提取特征，利用下述公式计算所述物流运输车的驾驶员的开车情绪概率：y＝F(MAX POOL(x1))其中，y表示所述开车情绪概率，MAX POOL表示人脸情绪识别模型即CNN模型中的最大池化层，x1表示所述提取特征，F表示人脸情绪识别模型即CNN模型中的全连接层；利用所述开车情绪概率识别所述物流运输车的驾驶员的开车情绪；利用所述开车情绪及所述车轮转速小于所述预设转速的时长，判别所述物流运输车是否处于交通迟缓状态。6.根据权利要求1所述的方法，其特征在于，所述利用所述接收光强计算所述挡风玻璃上的水滴密集度，包括：利用下述公式计算所述挡风玻璃上的...

【专利技术属性】
技术研发人员：方俊，李伟斌，郑莉，付建伟，舒培，翁灿坡，程春嫣，高晗，
申请(专利权)人：小推车科技集团有限公司，
类型：发明
国别省市：