-
公开(公告)号：CN113033893B
公开(公告)日：2023-04-18
申请号：CN202110307763.0
申请日：2021-03-23
申请人： 同济大学 , 上海国际港务(集团)股份有限公司
IPC分类号： G06Q10/04 , G06F30/27 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06F18/214
摘要： 本发明一种自动化集装箱码头自动导引车行车时间预测方法，涉及一种神经网络和深度学习算法，可以有效地对自动化集装箱码头中自动导引车的行车时间进行准确预测，属于人工智能及控制技术领域，其特征在于：步骤1：主路径编码；步骤2：路径级特征编码；步骤3：环境路径筛选；步骤4：环境路径编码；步骤5：冲突判定；步骤6：计算预测时间与真实时间误差；步骤7：更新训练样本和神经网络；步骤8：行车时间预测。利用神经网络模型对行驶路径进行编码，有效解决自动化集装箱码头自动导引车的行车时间预测问题，具有更高的行车时间预测准确度。
-
公开(公告)号：CN118627663A
公开(公告)日：2024-09-10
申请号：CN202410663520.4
申请日：2024-05-27
申请人： 上海海勃物流软件有限公司 , 上海国际港务(集团)股份有限公司 , 同济大学
摘要： 本发明公开了一种车辆多模态轨迹预测方法、系统、设备及存储介质，所述车辆多模态轨迹预测方法包括以下步骤：获取车辆轨迹和车道数据，使用注意力模型提取轨迹特征和车道特征，构建多尺度超图处理轨迹特征得到交互特征，将交互特征传递给车道特征并构建车辆未来行驶路线的全局概率网络图，通过全局概率网络图对车辆轨迹进行预测。使用路测感知单元获取高精度的车辆轨迹数据和车道数据，便于特征的提取与计算；通过多尺度超图对车辆之间的相互作用进行建模，实现了车辆之间相互作用的量化计算和可解释性表达；引入全局概率网络图表征车辆驾驶的不确定性，结合采用算法、轨迹解码器得到预测的多条车辆轨迹，实现准确、多模态的车辆轨迹预测。
-
公开(公告)号：CN113139022A
公开(公告)日：2021-07-20
申请号：CN202110489086.9
申请日：2021-04-29
申请人： 同济大学 , 上海国际港务(集团)股份有限公司
IPC分类号： G06F16/28 , G06F16/215 , G06Q10/08
摘要： 本发明属于企业数据管理领域，提出一种基于混合规则的企业物流数据按需融合方法，步骤如下：收集企业中的结构化数据源；根据企业业务内容定义业务概念图谱；为每个概念定义用于实例化的混合规则；用户按需创建数据融合任务，定义目标概念集合以及及融合的数据范围；根据数据融合任务，构造规则队列，并采用相应规则引擎进行实例化；用户访问融合后的业务实例图谱。本发明采用映射加推理加计算的混合规则，获取业务过程中未被存储的中间状态或间接信息，具有一定灵活性，同时还支持按需制定融合任务，反映特定目标场景的业务过程。
-
公开(公告)号：CN113139022B
公开(公告)日：2022-09-13
申请号：CN202110489086.9
申请日：2021-04-29
申请人： 同济大学 , 上海国际港务(集团)股份有限公司
IPC分类号： G06F16/28 , G06F16/215 , G06Q10/08
摘要： 本发明属于企业数据管理领域，提出一种基于混合规则的企业物流数据按需融合方法，步骤如下：收集企业中的结构化数据源；根据企业业务内容定义业务概念图谱；为每个概念定义用于实例化的混合规则；用户按需创建数据融合任务，定义目标概念集合以及及融合的数据范围；根据数据融合任务，构造规则队列，并采用相应规则引擎进行实例化；用户访问融合后的业务实例图谱。本发明采用映射加推理加计算的混合规则，获取业务过程中未被存储的中间状态或间接信息，具有一定灵活性，同时还支持按需制定融合任务，反映特定目标场景的业务过程。
-
公开(公告)号：CN113486926A
公开(公告)日：2021-10-08
申请号：CN202110636004.9
申请日：2021-06-08
申请人： 同济大学 , 上海国际港务(集团)股份有限公司
摘要： 本发明提出一种自动化码头设备异常检测系统。包括设备数据采集模块、设备特征选择模块、设备异常检测分析模块，其中：所述设备数据采集模块，布设于码头设备，用于积累和形成目标设备的异常检测数据集D；所述设备特征选择模块，从设备数据采集模块选定的大量候选特征中进一步选择，生成待验证的候选设备特征子集si；所述设备异常检测分析模块，基于设备数据采集模型形成的目标设备异常检测数据集D和设备特征选择模块生成的设备特征子集si，训练预定义的异常检测模型M，并通过验证模型效果，对设备特征子集si作出评价。更快地为异常检测目标找到合适的设备特征，提高异常检测的准确率。
-
公开(公告)号：CN118644177A
公开(公告)日：2024-09-13
申请号：CN202410753852.1
申请日：2024-06-12
申请人： 上海国际港务(集团)股份有限公司 , 同济大学
IPC分类号： G06Q10/0835 , G06Q10/0631 , G06Q50/40
摘要： 本发明公开了一种港口集装箱运输管控方法，包括以下步骤：获取原始运输数据；根据原始运输数据分析集装箱运输态势，生成当前运行态势指标，并预测未来运行态势指标；根据原始运输数据构建任务派单算法；根据任务派单算法，结合当前运行态势指标和未来运行态势指标，获得任务派单结果；根据任务派单结果进行集装箱运输管控；将相关数据、指标和结果进行可视化显示。本发明提供的技术方案，通过实时监控和分析港口情况，通过改进后的匹配算法将待运输的集装箱指派给合适的集卡，能够有效联结港口各方数据，实现全港集装箱卡车运输全流程运行状态、车辆和集装箱匹配的自动化判别，从而提高港口集装箱的运输效率和管理者的信息化、智能化监管能力。
-
公开(公告)号：CN118075261A
公开(公告)日：2024-05-24
申请号：CN202311754580.9
申请日：2023-12-19
申请人： 同济大学 , 上海国际港务(集团)股份有限公司
摘要： 本发明涉及轻量级异构分布式并行任务的协同处理方法、系统、介质，包括如下步骤：接收数据处理任务请求，生成组播地址并广播至各计算节点，基于各计算节点的反馈生成参与组播的计算节点列表；基于待处理数据中相邻两关键帧之间的帧数量以及参与组播的计算节点数量，为所述计算节点列表中的计算节点分配需要处理的相对于关键帧的偏移帧号，建立计算节点‑偏移帧号的映射关系；接收待处理数据，并组播至所述计算节点列表中的计算节点；从计算节点接收数据处理结果，基于所述映射关系合并得到最终处理结果。与现有技术相比，本发明具有优化突发需求的实时处理能力等优点。
-
公开(公告)号：CN113486926B
公开(公告)日：2022-09-13
申请号：CN202110636004.9
申请日：2021-06-08
申请人： 同济大学 , 上海国际港务(集团)股份有限公司
摘要： 本发明提出一种自动化码头设备异常检测系统。包括设备数据采集模块、设备特征选择模块、设备异常检测分析模块，其中：所述设备数据采集模块，布设于码头设备，用于积累和形成目标设备的异常检测数据集D；所述设备特征选择模块，从设备数据采集模块选定的大量候选特征中进一步选择，生成待验证的候选设备特征子集si；所述设备异常检测分析模块，基于设备数据采集模型形成的目标设备异常检测数据集D和设备特征选择模块生成的设备特征子集si，训练预定义的异常检测模型M，并通过验证模型效果，对设备特征子集si作出评价。更快地为异常检测目标找到合适的设备特征，提高异常检测的准确率。
-
公开(公告)号：CN113033893A
公开(公告)日：2021-06-25
申请号：CN202110307763.0
申请日：2021-03-23
申请人： 同济大学 , 上海国际港务(集团)股份有限公司
摘要： 本发明一种自动化集装箱码头自动导引车行车时间预测方法，涉及一种神经网络和深度学习算法，可以有效地对自动化集装箱码头中自动导引车的行车时间进行准确预测，属于人工智能及控制技术领域，其特征在于：步骤1：主路径编码；步骤2：路径级特征编码；步骤3：环境路径筛选；步骤4：环境路径编码；步骤5：冲突判定；步骤6：计算预测时间与真实时间误差；步骤7：更新训练样本和神经网络；步骤8：行车时间预测。利用神经网络模型对行驶路径进行编码，有效解决自动化集装箱码头自动导引车的行车时间预测问题，具有更高的行车时间预测准确度。
-
公开(公告)号：CN115293443B
公开(公告)日：2024-03-22
申请号：CN202210983801.9
申请日：2022-08-17
申请人： 上海国际港务(集团)股份有限公司 , 哪吒港航智慧科技(上海)有限公司
IPC分类号： G06Q10/04 , G06Q10/063 , G06Q10/10 , G06F17/18
摘要： 本说明书实施例提供一种桥吊作业时间的预测方法，应用于集装箱码头，包括如下步骤：获取桥吊的历史作业船舶的第一作业数据和本次作业船舶的第二作业数据，第二作业数据至少包括枚举数据且设定有对应枚举应答集，使用枚举应答集中的自定义值代替枚举数据，得到处理后的第二作业数据；根据获取的桥吊的作业时间、第一作业数据和处理后的第二作业数据，以最小化桥吊的预测作业时间为目标，建立多元线性回归模型，并根据多元线性回归模型和处理后的当前作业数据预测桥吊的作业时间。通过使用历史的和当前的作业数据，以及采用枚举的方式描述特定的作业数据，使得数据采集更加全面，能够更加准确地预测桥吊的装卸作业完成时间。
-
-
-
-
-
-
-
-
-
搜索结果
18 条记录 (耗时 0.038 秒)