-
公开(公告)号：CN116522211A
公开(公告)日：2023-08-01
申请号：CN202310805635.8
申请日：2023-07-03
Applicant: 亿海蓝(北京)数据技术股份公司 , 大连海事大学
IPC: G06F18/24 , G06F17/11 , G06F18/10 , G06F18/20 , G06F18/214
Abstract: 本发明涉及船舶工程技术领域，提出了一种船舶油耗可解释性灰箱估计方法、装置和可读存储介质，船舶油耗可解释性灰箱估计方法包括：获取船舶航行过程中的多个航行参数类型；建立船舶的油耗与多个航行参数类型之间的第一估计模型；采集多个航行参数类型对应的历史航行参数；根据历史航行参数对预设模型进行训练，生成第二估计模型；根据第一估计模型和第二估计模型对船舶的油耗进行估计。
-
公开(公告)号：CN119721458A
公开(公告)日：2025-03-28
申请号：CN202411766486.X
申请日：2024-12-04
Applicant: 大连海事大学 , 亿海蓝(北京)数据技术股份公司
IPC: G06Q10/063 , G06Q10/04 , G06Q30/0202 , G06Q50/40
Abstract: 本申请提供了一种班轮运输航行决策方法及系统、可读存储介质，班轮运输航行决策方法包括：获取航线数据、港口位置和ECA区域划分，根据航线数据、港口位置和ECA区域划分构建班轮运输服务网络总运营成本最小化模型，生成总目标函数；根据ε外逼近估计法，通过多个分段线性函数之和表示总目标函数中的燃油消耗成本；基于班轮运输服务网络总运营成本最小化模型、燃油消耗成本和初始港口组合计算班轮运输服务网络总运营成本，对比得到总运营成本最小的目标下航行决策最优解，航行决策最优解包括船舶部署最优解、船期设计最优解和航速优化决策最优解。通过本申请的技术方案，能够对班轮运输航行进行优化，能更灵活地应对变化的市场需求，节约运营成本。
-
公开(公告)号：CN119761012A
公开(公告)日：2025-04-04
申请号：CN202411836350.1
申请日：2024-12-13
Applicant: 大连海事大学 , 亿海蓝(北京)数据技术股份公司
IPC: G06F30/20 , G06N3/126 , G06F111/06
Abstract: 本申请提供了一种集装箱班轮联合优化方法及系统、可读存储介质，集装箱班轮联合优化方法包括：基于异构船队部署数量、航速数据和燃料加注数据构建联合优化模型，联合优化模型包括双目标混合整数非线性规划模型；根据ε‑约束方法求解联合优化模型，得到第一求解结果；根据定制化的多目标遗传算法求解联合优化模型，得到第二求解结果；基于第二求解结果和模糊决策法计算目标函数隶属度，根据决策者的偏好对目标函数隶属度的解集进行排序，得到优化决策，优化决策包括船队部署决策、航速确定决策与燃料加注决策。通过本申请的技术方案，能够优化集装箱班轮船队部署决策、航速确定决策与燃料加注决策，实现低碳化运营。
-
公开(公告)号：CN116522211B
公开(公告)日：2024-02-02
申请号：CN202310805635.8
申请日：2023-07-03
Applicant: 亿海蓝(北京)数据技术股份公司 , 大连海事大学
IPC: G06F18/24 , G06F17/11 , G06F18/10 , G06F18/20 , G06F18/214
Abstract: 本发明涉及船舶工程技术领域，提出了一种船舶油耗可解释性灰箱估计方法、装置和可读存储介质，船舶油耗可解释性灰箱估计方法包括：获取船舶航行过程中的多个航行参数类型；建立船舶的油耗与多个航行参数类型之间的第一估计模型；采集多个航行参数类型对应的历史航行参数；根据历史航行参数对预设模型进行训练，生成第二估计模型；根据第一估计模型和第二估计模型对船舶的油耗进行估计。
-
公开(公告)号：CN115905770A
公开(公告)日：2023-04-04
申请号：CN202211337491.X
申请日：2022-10-28
Applicant: 大连海事大学 , 亿海蓝(北京)数据技术股份公司
IPC: G06F17/10
Abstract: 本发明公开了一种基于AIS数据的船舶污染排放量轨迹测算方法，其包括：获取船舶AIS数据和船舶档案数据；对船舶AIS数据进行清洗；融合清洗后的船舶AIS数据与船舶档案数据，并对照船舶排放表获得船舶的排放因子；获取船舶航行轨迹，利用线性插值法对船舶航行轨迹进行修正，使船舶航行轨迹变为平滑的轨迹曲线；利用船舶档案数据与排放因子获得船舶总排放量；结合船舶总排放量和修正后的船舶航行轨迹，获得船舶排放量轨迹热力图，即船舶污染排放量轨迹。本发明以AIS数据为基础，融合AIS下的船舶静动态信息与船舶档案数据下的主辅机字段，同时在计算模型上引入船舶污染排放因子信息，计算结果准确性更高。
-
Patent Agency Ranking
公开(公告)号：CN113298403B
公开(公告)日：2023-11-07
申请号：CN202110620070.7
申请日：2021-06-03
Applicant: 大连海事大学
IPC: G06Q10/0631 , G06Q10/083
Abstract: 本发明公开了一种基于转运时间窗同步的公铁水联运调度方法，通过多式联运经营人根据运输需求生成运单，实行全程“一单制”，基于离散时间优化法，构建以集装箱实际到达目的地时间与货主要求到达目的地时间差异最小化为目标、以转运时间窗同步为约束的公铁水联运调度优化模型，以此优化结果为基准，各运输环节据以提前制定运输与作业计划，同时记录联运调度全过程各环节货物信息，生成公铁水全过程数据信息流，该方法实现了既满足各运输端各自时间窗要求，又从整体上考虑了全过程的时间窗约束，同时以箱号等信息串联起整体运输过程，实现联运模式下的预调配与全过程的信息共享，降低运输成本的同时提高整体运输效率。
-
公开(公告)号：CN113536996B
公开(公告)日：2022-04-15
申请号：CN202110735986.7
申请日：2021-06-30
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于大量真实人群运动视频的人群运动仿真方法，包括五个步骤，将视频分帧并保存成连续高清图像，生成每张图像的人群密度图，对每张密度图中的每个个体精准定位，得到每个个体的精确位置；将每个个体在不同图像中的位置关联起来，形成一条完整的运动轨迹，并提取运动轨迹数据；量化运动轨迹数据，定义训练数据、数据标签，计算数据相关性；搭建深度卷积神经网络，输入运动轨迹数据进行训练，以学习人群运动行为；在二维空间随机放置多个模拟个体，测试深度卷积神经网络的预测效果，调整参数进行仿真，并绘制人群运动轨迹。本发明能够实时计算人群的位置，进而模拟出人群运动轨迹，具有较高的仿真精准度和普适性。
-
公开(公告)号：CN115311447A
公开(公告)日：2022-11-08
申请号：CN202210922982.4
申请日：2022-08-02
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于深度卷积神经网络的指针式仪表示数识别方法，包括获取图片训练集及图片测试集，将图片训练集输入至深度卷积神经网络训练获得仪表定位神经网络，训练图片为有人工标记区域的原始图片，对训练图片分析处理获得优化目标图片，优化目标图片包括图像尺寸相同及图像的旋转中心相同；将优化目标图片进行标记获得最终标记图片，基于深度卷积神经网络对最终标记图片训练获得仪表识别神经网络，将图片测试集的测试图片导入仪表识别神经网络进行校验。本发明解决了传统图像处理方法对于复杂环境下的指针式仪表识别的数值准确率并不高，且当施工环境差及图像质量较低时，传统指针式仪表读数方式和图像处理的精度和效率都大幅降低的问题。
-
公开(公告)号：CN118966526B
公开(公告)日：2025-05-06
申请号：CN202410959329.4
申请日：2024-07-17
Applicant: 大连海事大学
IPC: G06Q10/063 , G06Q10/0637 , G06Q10/083 , G06Q10/047 , G06N3/126
Abstract: 本发明公开了一种粮食装载方式与运输路径联合优化方法，包括：获取粮食运输从始发地到目的地的正常运输时间、运输合理损耗，运输过程中的运输参数、运输成本参数，碳排成本参数和损耗成本参数，根据运输参数构建运输决策变量，根据四种参数和运输决策变量构建实际运输总成本最小的运输目标函数和约束条件；将四种参数，运输决策变量、目标函数和约束条件整合得到粮食运输数学模型，根据约束条件，使用改进遗传算法求解数学模型，得到最佳运输路径；本发明在运输时长、运输品质、运输费用等方面的差异化需求响应更加精准，考虑到不同的装载方式、运输方式和更多的损耗成本，在确定粮食运输路径时得到的结果更好，更节省资源。
-
公开(公告)号：CN116029624B
公开(公告)日：2024-02-06
申请号：CN202210861935.3
申请日：2022-07-21
Applicant: 大连海事大学
IPC: G06Q10/083 , G06Q10/0833 , G06F18/23213 , G06F18/211 , G06F18/25
Abstract: 本发明公开了一种融合货车轨迹和POI数据的货源地识别方法，包括以下步骤:获取货车运行轨迹数据，所述货车运行轨迹数据进行数据预处理获得特征数据集合，所述特征数据集合包括某一地点经停的车辆数、某一地点车辆的平均速度以及某一地点车辆的平均停留时间，所述特征数据集合通过数据分析获得车辆经过点位特征集，所述车辆经过点位特征集进行筛选获得货主普遍特征集，根据货主普遍特征集统计分析获得所需货主地理位置信息。本方法基于货车轨迹数据的分析，可以得到货车的行驶轨迹规律，从而发现这些货车服务的货主信息和服务规律，解决了不能大范围的进行货车出行端点识别以及出行端点准确率低的问题，以便于企业更好的进行后续的服务和管理。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.035 seconds)
