-
题名面向特征增强的危险品运单深度分析方法
- 1
-
-
作者
陈邦举
罗义凯
陈磊磊
伍翰廷
项昌乐
-
机构
北京理工大学
-
出处
《交通运输系统工程与信息》
2025年第4期306-316,共11页
-
基金
国家自然科学基金(72371035)
陕西省自然科学基础研究计划项目(2020JM-237)。
-
文摘
我国危险货物运输的运单常由运输企业在运输前填写报备,其起讫点位置及时间不精确,在运输管理方面发挥作用有限。为提升危险品运单质量,本文提出一种应用危险品运输车辆轨迹数据的深度学习方法。针对车辆实时定位数据常有缺失,难以精准定位的问题,构建考虑多头自注意力机制的轨迹插补模型,以补全缺失轨迹;结合危险品运输特征,设计融合自适应机制和阈值规则的双层聚类算法识别车辆起讫点时间和经纬度信息;运单的精确起讫点名称可根据文本识别模型从聚类中心点周边兴趣点中筛选识别,从而实现对运单的增强。应用广东省液化天然气运输车数据测试所提出方法,结果表明:轨迹插补模型在不同缺失率下的平均绝对误差和平均绝对百分比误差值分别为2.34~3.33和6.05~7.74,均小于对比模型;危险品货运起讫点时间和位置识别的准确率为98.35%;文本识别模型对具体兴趣点的识别准确率达92.83%。本文构建方法可实现对预填运单关键字段的高精度反演与校正,从而对危险品运输安全管理提供重要的理论依据和实践指导。
-
关键词
公路运输
危险品运单增强
起讫点识别
轨迹插补
双层聚类算法
文本识别
-
Keywords
highway transportation
enhancement of hazardous goods waybill
identification of origin and destination
trajectory imputation
dual-layer clustering algorithm
text recognition
-
分类号
U491.6
[交通运输工程]
-
