CN108133345B - 一种基于货车海量轨迹数据判断回程车的方法及系统 - Google Patents

Abstract

本发明提供了一种基于货车海量轨迹数据判断回程车的方法及系统，包括：基于货车海量历史行驶轨迹数据统计出常跑路线；以常跑路线为基础数据，结合货车实时上报GPS数据，判断货车是回程车的概率。判断货车停靠区域是否为已记录的停靠点，计算该停靠点在该目的地城市的所有停靠点中停靠次数的比例，作为回程车概率。本发明能够判断所有车辆是否为回程车的概率，既提高了货运供求关系满足度，既便于货主寻找合适的回程车，也便于货车寻找拉货业务。另外，由于不需要按照特定的匹配设备，节省了人力物力成本。

Description

一种基于货车海量轨迹数据判断回程车的方法及系统

技术领域

本发明涉及一种计算机技术领域，尤其是涉及一种基于货车海量轨迹数据和车辆动态数据判断回程车的方法及系统。

背景技术

随着互联网科技技术的飞速发展，基于地理位置的服务与产品也越来越多，各类政企单位、特别是有大量车辆资源的物流行业为提升自身管理水平与工作效率，都有利用基于位置数据的信息化系统对车辆资源进行管理的需求，而车辆的运行轨迹数据的应用又是其中必不可少的部分。

车辆的运行轨迹数据是指车辆实际运行过程中由车载智能终端采集并上传的GPS地理位置数据，同时也包含了车辆的瞬时状态信息数据。通常车载终端采集上传GPS数据的频率都是秒级的，假设每秒采集上传一条GPS数据，每辆车一个小时就有3600条数据，一天按8小时计算就有28800条数据。

现有技术对回程车判断，通常采用在货车上安装回程调配装置，通过回程调配装置，提前预设好目的地信息，当货车到达目的地后，与装置预设好信息比对，判断此刻车辆是否属于回程车状态，从而进行货物匹配，提高装载率。这样的方法必须已知到达地的信息，才可预设好到达目的地信息，必须是在操作人员可控的范围内车辆才能实现判断回程车。如此，现有技术面临着增加货车司机成本，增加额外的管控人员的问题，并且需要对货车提前预设到达地信息，不能适应货车随时改变到达地信息的现状，也不能及时响应，而只能预设安装调配装置。

发明内容

为解决以上问题，本发明根据现有所有货车都装有卫星定位装置，并且能获取每辆货车历史和实时行驶轨迹信息的情况，可通过车辆历史轨迹计算大本营城市、常跑路线及停靠区域，再加上车辆实时行车动态轨迹数据，可判断货车停靠时，其状态是否属于回程车状态的概率。此方法不需要安装特定的匹配装置，同时能够判断货车到达目的地，是否为回程车的概率。

具体的，本发明提供了一种基于货车海量轨迹数据判断回程车的方法，包括：

基于货车海量历史行驶轨迹数据统计出常跑路线；

以常跑路线为基础数据，结合货车实时上报GPS数据，判断货车是回程车的概率。

优选的，所述常跑路线包括起始点和目的地城市，所述起始点是基于货车海量历史行驶轨迹数据统计出的大本营城市，而目的地城市是单个货车的单个常跑路线中与所述大本营城市直线距离最远的城市。

优选的，所述大本营城市为货车停靠次数最多和/或停靠时间最长的城市。

优选的，所述基于货车海量历史行驶轨迹数据统计出常跑路线，包括以下步骤：

清洗货车轨迹数据，除去错误轨迹点；

匹配货车行驶轨迹点与省、城市区域，将轨迹点关联到所属省份、城市区域；

通过货车行驶轨迹点、GPS速度计算行驶过程中途径停靠点；

去除中途兴趣点；

统计停靠时间和停靠次数，得到大本营城市；

统计目的地城市，记录停靠点；

对货车海量轨迹数据进行统计分析，记录常跑路线，并对上述目的地城市内的停靠点进行聚合记录，统计每个停靠点的停靠次数。

优选的，所述以常跑路线为基础数据，结合货车实时上报GPS数据，判断货车是回程车的概率，包括以下步骤：

初始化常跑路线、大本营、目的地索引数据；

根据货车动态实时位置数据，计算货车停靠城市；

判断停靠城市是否为常跑路线的目的地城市；

判断货车停靠区域是否为已记录的停靠点，计算该停靠点在该目的地城市的所有停靠点中停靠次数的比例，作为回程车概率。

根据本发明的另一个方面，本发明还提供了一种基于货车海量轨迹数据判断回程车的系统，包括顺序连接的如下模块：

统计模块，用于基于货车海量历史行驶轨迹数据统计出常跑路线；

判断模块，用于以常跑路线为基础数据，结合货车实时上报GPS数据，判断货车是回程车的概率。

优选的，所述统计模块包括顺序连接的以下单元：

清洗单元，用于清洗货车轨迹数据，除去错误轨迹点；

关联单元，用于匹配货车行驶轨迹点与省、城市区域，将轨迹点关联到所属省份、城市区域；

停靠点计算单元，用于通过货车行驶轨迹点、GPS速度计算行驶过程中途径停靠点；

去除单元，用于去除中途兴趣点；

大本营统计单元，用于统计停靠时间和停靠次数，得到大本营城市；

目的地停靠统计单元，用于统计目的地城市，记录停靠点；

停靠次数统计单元，用于对货车海量轨迹数据进行统计分析，记录常跑路线，并对上述目的地城市内的停靠点进行聚合记录，统计每个停靠点的停靠次数。

优选的，所述判断模块包括顺序连接的以下单元：

初始化单元，用于初始化常跑路线、大本营、目的地索引数据；

实时计算单元，用于根据货车动态实时位置数据，计算货车停靠城市；

位置判断单元，用于判断停靠城市是否为常跑路线的目的地城市；

概率计算单元，用于判断货车停靠区域是否为已记录的停靠点，计算该停靠点在该目的地城市的所有停靠点中停靠次数的比例，作为回程车概率。

与现有技术相比，本发明公开的是一种基于车辆历史行驶轨迹数据和实时行驶数据，判断车辆是否为回程车的概率。在现在社会上所有车辆安装有卫星定位装置的情况下，能够判断所有车辆是否为回程车的概率，既提高了货运供求关系满足度，既便于货主寻找合适的回程车，也便于货车寻找拉货业务。另外，由于不需要按照特定的匹配设备，节省了人力物力成本。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本发明基于货车海量轨迹数据判断回程车的方法的总体流程图；

图2为本发明基于货车海量历史行驶轨迹数据统计出车辆常跑路线的流程示意图；

图3示出了本发明行驶动态数据结合常跑路线判断车辆是否为回程车的流程示意图；

图4为本发明基于货车海量轨迹数据判断回程车的系统的结构图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施方式。虽然附图中显示了本发明的示例性实施方式，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

本发明基于车辆历史行驶轨迹数据及车辆实时行驶动态数据，判断车辆在到达某目的地时，是否属于回程车状态。

如图1所示，本发明首先提供一种基于货车海量轨迹数据判断回程车的方法，包括如下步骤：

S1、基于货车海量历史行驶轨迹数据统计出常跑路线。

所述常跑路线包括起始点和目的地。基于货车海量历史行驶轨迹数据统计大本营城市作为每条常跑路线的起始点，而目的地是单个货车的单个常跑路线中与所述大本营城市直线距离最远的城市。在目的地城市可能包含多个卸货地点。每个货车可能会在多个卸货地点中的一个或多个卸货。当货车到达目的地的最后一个卸货地点后，即可认为其处于回程状态。记录每个卸货地点的坐标(经纬度)。以大本营城市为起始城市，统计出常跑路线。

S2、以常跑路线为基础数据，结合货车实时上报GPS数据，判断车辆是回程车的概率。

当车辆到达目的地后，基于历史数据，其可能前往一个或者多个卸货地点卸货。而其会前往哪个地点卸货往往事先无法得知。但是本发明根据海量历史轨迹数据，可以统计其前往每个卸货地点的概率。例如，北京发往上海的货车M，在上海有A、B、C三个卸货地点，统计其历史数据发现其有时仅在A卸货后就返回北京，也有时其在A卸货后又前往B卸货。那么前一种情况时，到达A后就处于回程车状态，而后一种情况则是在到达B后才处于回程车状态。依次类比，可以根据历史经验数据统计出海量数据中货车M在卸货地点ABC的处于回程车概率，例如分别为50％、30％、20％，那么结合实时定位数据，可以发现货车M例如位于卸货地点B，这时即可判断M是回程车的概率为30％。再依次类比，我们可以统计出每个货车在卸货地点B是回程车的概率。对这些概率进行排序，选取回程车概率最高的货车N。

寻找到回程车概率最高的货车N后，作为货物位于卸货地点B附近的货主X，即可联系货车N进行后续的拉货业务(因为此时N已经卸货，处于空车状态)，将货主X的货物拉回北京。如果经联系实际上货车N此次并不前往B卸货，则选取回程车概率第二高的车辆继续联系，依次类推。如此，一方面货主不必漫无目的的联系货车，可以根据概率提高效率；另一方面货车也可以在卸货后，在回程时继续拉货获得收入。如此，提高了回程车和货主的匹配度，既有利于减少货车的回程空跑现象，也利于位于目的地城市的货主快速找到回程车辆拉货。

也就是说，在车辆行驶过程中，货车上安装的车机，实时上传GPS车辆行驶动态数据，依据动态数据判断车辆是否离开大本营城市，如果离开大本营城市，则依据车辆行驶动态数据，实时计算车辆所在城市，判断车辆是否是目的地城市，如果是则判断位于该目的地的哪个卸货地点，继而基于历史数据判断车辆属于回程车的概率。

如图2所示，本发明基于货车海量历史行驶轨迹数据统计出车辆常跑路线的步骤S1，进一步包括如下步骤：

S11、清洗货车轨迹数据，除去错误轨迹点；

S12、通过货车行驶轨迹点与省、城市区域匹配，将轨迹点关联到所属省份、城市区域；

S13、通过货车行驶轨迹点、GPS速度计算行驶过程中途径停靠点；

S14、去除中途兴趣点。与地图POI(Point of Interest，兴趣点)数据高速服务区、道路、加油站、收费站匹配，去除POI数据所属停靠，减少货车中途城市。原因是在某POI城市中途停靠，并非本发明的目标城市(常跑路线的起始点或目的地)。

S15、统计停靠时间和停靠次数，得到大本营城市。所述大本营城市为货车停靠次数最多和/或停靠时间最长的城市。如果停靠次数和停靠时间都相同，则随机选择一个作为大本营城市。

S16、统计目的地城市，记录停靠点。计算以大本营为中心城市，从大本营出发行驶，到达一个停靠点城市，判断在该城市的停靠时长(如果有多个停靠点则累加)，停靠时长超过两个小时就列为目的城市，而停靠时长小于两个小时仅作为中途城市。以目的地城市作为出发城市，又回到大本营城市，记录为回程车。在目的地城市停靠时，记录停靠时坐标点(纬度、经度)，该停靠点往往是卸货地点。在目的地城市，如果存在多个停靠点，则记录多个停靠点。

S17、对货车所有历史行驶轨迹统计分析，会有同一条路线多次行驶，如果超过设定次数则记为常跑路线。对常跑路线中的目的地城市内的停靠点进行聚合记录，统计每个停靠点停靠次数。

如下常跑路线有如下记录：

北京－上海：停靠点1，停靠点2，停靠点3；

北京－上海：停靠点1，停靠点3，停靠点4；

聚合合并后记录如下：

北京－上海：停靠点1(2次)，停靠点2(1次)，停靠点3(2次)，停靠点4(1次)。

附图3示出了本发明行驶动态数据结合常跑路线判断车辆是否为回程车的步骤S2，进一步包括如下步骤：

S21、初始化常跑路线、大本营、目的地索引数据。

S22、根据货车动态实时位置数据，计算货车停靠城市。

S23、判断停靠城市是否为常跑路线的目的地城市，如果不是，回到S22，如果是则进入步骤S24。

S24、判断货车停靠区域是否为S16中记录的停靠点(GPS误差半径例如为100米内即可)。如果目的地城市中停靠点有多个，通过实时计算之前历史轨迹数据中该停靠点在所有停靠点中停靠次数的比例，作为回程车概率。

值得注意的是，本发明基于的货车海量轨迹数据，一般每月更新一次，可以通过免费的公知数据平台获取，也可以由一些付费平台获取。因此，不同时间计算出的回程车概率可能不同，而且随时实时情况及时更新，因此依据本发明计算回程车概率也就更加及时、准确、可靠性强。

根据本发明的另一个方面，本发明还提供了一种基于货车海量轨迹数据判断回程车的系统100，包括顺序连接的如下模块：

统计模块110，用于基于货车海量历史行驶轨迹数据统计出常跑路线；所述统计模块110包括顺序连接的以下单元：清洗单元，用于清洗货车轨迹数据，除去错误轨迹点；关联单元，用于匹配货车行驶轨迹点与省、城市区域，将轨迹点关联到所属省份、城市区域；停靠点计算单元，用于通过货车行驶轨迹点、GPS速度计算行驶过程中途径停靠点；去除单元，用于去除中途兴趣点；大本营统计单元，用于统计停靠时间和停靠次数，得到大本营城市；目的地停靠统计单元，用于统计目的地城市，记录停靠点；停靠次数统计单元，用于对货车海量轨迹数据进行统计分析，记录常跑路线，并对上述目的地城市内的停靠点进行聚合记录，统计每个停靠点的停靠次数。

判断模块120，用于以常跑路线为基础数据，结合货车实时上报GPS数据，判断货车是回程车的概率。所述判断模块包括顺序连接的以下单元：初始化单元，用于初始化常跑路线、大本营、目的地索引数据；实时计算单元，用于根据货车动态实时位置数据，计算货车停靠城市；位置判断单元，用于判断停靠城市是否为常跑路线的目的地城市；概率计算单元，用于判断货车停靠区域是否为已记录的停靠点，计算该停靠点在该目的地城市的所有停靠点中停靠次数的比例，作为回程车概率。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (2)

1.一种基于货车海量轨迹数据判断回程车的方法，其特征在于，包括：

基于货车海量历史行驶轨迹数据统计出常跑路线，所述常跑路线包括起始点和目的地城市，所述起始点是基于货车海量历史行驶轨迹数据统计出的大本营城市，所述大本营城市为货车停靠次数最多和/或停靠时间最长的城市，而目的地城市是单个货车的单个常跑路线中与所述大本营城市直线距离最远的城市，包括以下步骤：

清洗货车轨迹数据，除去错误轨迹点；

匹配货车行驶轨迹点与省、城市区域，将轨迹点关联到所属省份、城市区域；

通过货车行驶轨迹点、GPS速度计算行驶过程中途径停靠点；

去除中途兴趣点；

统计停靠时间和停靠次数，得到大本营城市；

统计目的地城市，记录停靠点；

对货车海量轨迹数据进行统计分析，记录常跑路线，并对上述目的地城市内的停靠点进行聚合记录，统计每个停靠点的停靠次数；

以常跑路线为基础数据，结合货车实时上报GPS数据，判断货车是回程车的概率，包括以下步骤：

初始化常跑路线、大本营、目的地索引数据；

根据货车动态实时位置数据，计算货车停靠城市；

判断停靠城市是否为常跑路线中的目的地城市；

判断货车停靠区域是否为已记录的停靠点，计算该停靠点在该目的地城市的所有停靠点中停靠次数的比例，作为回程车概率。

2.一种基于货车海量轨迹数据判断回程车的系统，其特征在于，包括顺序连接的如下模块：

统计模块，用于基于货车海量历史行驶轨迹数据统计出常跑路线；所述常跑路线包括起始点和目的地城市，所述起始点是基于货车海量历史行驶轨迹数据统计出的大本营城市，所述大本营城市为货车停靠次数最多和/或停靠时间最长的城市，而目的地城市是单个货车的单个常跑路线中与所述大本营城市直线距离最远的城市，所述统计模块包括顺序连接的以下单元：

清洗单元，用于清洗货车轨迹数据，除去错误轨迹点；

关联单元，用于匹配货车行驶轨迹点与省、城市区域，将轨迹点关联到所属省份、城市区域；

停靠点计算单元，用于通过货车行驶轨迹点、GPS速度计算行驶过程中途径停靠点；

去除单元，用于去除中途兴趣点；

大本营统计单元，用于统计停靠时间和停靠次数，得到大本营城市；

目的地停靠统计单元，用于统计目的地城市，记录停靠点；

停靠次数统计单元，用于对货车海量轨迹数据进行统计分析，记录常跑路线，并对上述目的地城市内的停靠点进行聚合记录，统计每个停靠点的停靠次数；

判断模块，用于以常跑路线为基础数据，结合货车实时上报GPS数据，判断货车是回程车的概率；所述判断模块包括顺序连接的以下单元：

初始化单元，用于初始化常跑路线、大本营、目的地索引数据；

实时计算单元，用于根据货车动态实时位置数据，计算货车停靠城市；

位置判断单元，用于判断停靠城市是否为常跑路线中的目的地城市；

概率计算单元，用于判断货车停靠区域是否为已记录的停靠点，计算该停靠点在该目的地城市的所有停靠点中停靠次数的比例，作为回程车概率。

Images