CN110717001B - 基于停车点数据的接货行为分析方法及装置、设备 - Google Patents
基于停车点数据的接货行为分析方法及装置、设备 Download PDFInfo
- Publication number
- CN110717001B CN110717001B CN201910913887.6A CN201910913887A CN110717001B CN 110717001 B CN110717001 B CN 110717001B CN 201910913887 A CN201910913887 A CN 201910913887A CN 110717001 B CN110717001 B CN 110717001B
- Authority
- CN
- China
- Prior art keywords
- data
- filtering
- goods receiving
- parking
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- 238000001914 filtration Methods 0.000 claims abstract description 74
- 230000006399 behavior Effects 0.000 claims abstract description 70
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000003949 liquefied natural gas Substances 0.000 abstract description 25
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 239000003345 natural gas Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000000969 carrier Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003989 repetitive behavior Effects 0.000 description 1
- 208000013406 repetitive behavior Diseases 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
Abstract
本发明实施例公开一种基于停车点数据的接货行为分析方法及装置、设备，其中方法包括如下步骤：长阈值过滤、上游位置匹配、重复行为合并，其中，液化天然气运输车辆停车点数据为输入数据，通过阈值判断步骤过滤掉不符合阈值要求的停车点，输出剩余停车点，通过上游位置匹配步骤，将上游位置数据和停车点数据匹配，将符合阈值范围的停车点进行标记，作为接货停车点，重复行为合并步骤将相同行为的接货停车点进行合并，最终输出车辆接货数据。采用本发明，可以实现智能化分析液化天然气的接货行为，提高分析的效率和正确性。
Description
技术领域
本发明涉及产业数据分析技术领域，尤其涉及一种基于停车点数据的接货行为分析方法及装置、设备。
背景技术
随着国家环保政策的推动，以及人民群众对于环保的要求提升，天然气消费量逐年攀升。2017年，我国全年天然气消费量约2373亿方天然气亿立方米，同比增长15.31％，增量刷新我国天然气消费增量历史记录。
天然气按照其形态分为液化天然气(Liquefied Natural Gas)和压缩天然气(Compressed Natural Gas)，液化天然气主要通过液化天然气槽车来运输，属于危化品范畴中的2类1项(可燃烧气体)。液化天然气运输车辆从上游液化工厂或接收站接货，然后在下游天然气用气终端卸货，全国目前共有液化工厂和接收站200余家。
车辆停车点数据反应了车辆的行为特征，结合车辆停车点数据和地图数据、行业数据，可以判断车辆的接货和卸货行为，从而挖掘液化天然气行业的上游出货和下游消费情况。传统的液化天然气的接货行为需要通过工厂或者站点的统计数据人工分析，工作量较大效率较低，且结果的准确性也有待提升。
发明内容
本发明实施例提供一种基于停车点数据的接货行为分析方法及装置、设备，先根据时长阈值滤除停车点中的非有效停车点，再与上游产业数据中的位置坐标进行匹配确定与上游名称对应的停车点，然后通过去重确定一次准确的接货行为数据，可以实现智能化分析液化天然气的接货行为，提高分析的效率和正确性。
本发明实施例第一方面提供了一种基于停车点数据的接货行为分析方法，可包括：
基于第一时间阈值对所获取的停车点数据进行数据过滤得到第一过滤数据，停车点数据包括车辆id、停车开始时间和停车时长；
基于所获取的上游产业数据对第一过滤数据进行位置匹配确定第一过滤数据中的第二过滤数据，上游产业数据包括产业上游供应点的名称、位置坐标、归属地区和判断阈值，判断阈值为预设距离阈值；
根据两个第二过滤数据之间的时间间隔和第二时间阈值对所确定的所有第二过滤数据进行数据去重，确定一次有效的接货行为及其对应的接货点数据，接货点数据包括车辆id、接货时间和上游名称。
进一步的，上述方法还包括：
根据所获取的车辆轨迹数据分析其中包含的停车点数据，车辆轨迹数据包括车辆id、轨迹时间点和轨迹经纬度。
进一步的，上述基于所获取的上游产业数据对第一过滤数据进行位置匹配确定第一过滤数据中的第二过滤数据，包括：
计算第一过滤数据与对应的上游产业数据中的位置坐标之间的距离；
将小于预设距离阈值的距离对应的第一过滤数据确定为第二过滤数据。
进一步的，上述方法还包括：
采用空间索引的方法依次索引第一过滤数据分别对应的上游产业数据中的位置坐标。
进一步的，上述方法还包括：
当一停车点数据指示的停车时长大于第一时间阈值时，确定该停车点数据为第一过滤数据。
本发明实施例第二方面提供了一种基于停车点数据的接货行为分析装置，可包括：
时长阈值过滤模块，用于基于第一时间阈值对所获取的停车点数据进行数据过滤得到第一过滤数据，停车点数据包括车辆id、停车开始时间和停车时长；
上游位置匹配模块，用于基于所获取的上游产业数据对第一过滤数据进行位置匹配确定第一过滤数据中的第二过滤数据，上游产业数据包括产业上游供应点的名称、位置坐标、归属地区和判断阈值，判断阈值为预设距离阈值；
重复行为合并模块，用于根据两个第二过滤数据之间的时间间隔和第二时间阈值对所确定的所有第二过滤数据进行数据去重，确定一次有效的接货行为及其对应的接货点数据，接货点数据包括车辆id、接货时间和上游名称。
进一步的，上述装置还包括：
轨迹数据分析模块，用于根据所获取的车辆轨迹数据分析其中包含的停车点数据，车辆轨迹数据包括车辆id、轨迹时间点和轨迹经纬度。
进一步的，上述上游位置匹配模块包括：
距离计算单元，用于计算第一过滤数据与对应的上游产业数据中的位置坐标之间的距离；
有效数据确定单元，用于将小于预设距离阈值的距离对应的第一过滤数据确定为第二过滤数据。
进一步的，上述装置还包括：
位置索引模块，用于采用空间索引的方法依次索引第一过滤数据分别对应的上游产业数据中的位置坐标。
进一步的，上述时长阈值过滤模块，具体用于当一停车点数据指示的停车时长大于第一时间阈值时，确定该停车点数据为第一过滤数据。
本发明实施例第三方面提供了一种计算机设备，该设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述方面所述的基于停车点数据的接货行为分析方法。
本发明实施例第四方面提供了一种计算机存储介质，该计算机存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述方面所述的基于停车点数据的接货行为分析方法。
在本发明实施例中，通过时间阈值匹配、上游位置匹配以及重复行为合并，实现了智能化分析液化天然气的接货行为，提高了分析的效率和正确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于停车点数据的接货行为分析方法的流程示意图；
图2是本发明实施例提供的一种基于停车点数据的接货行为分析系统的架构示意图；
图3是本发明实施例提供的一种基于停车点数据的接货行为分析装置的结构示意图；
图4是本发明实施例提供的上游位置匹配模块的结构示意图；
图5是本发明实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含，术语“第一”和“第二”仅是为了区别命名，并不代表数字的大小或者排序。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
需要说明的是，本申请提供的基于停车点数据的接货行为分析方法可以应用于液化天然气产业的接货行为分析的应用场景，也可以应用于类似的燃油等其他能够获取运输车辆行驶轨迹的产业中。
本发明实施例中，基于停车点数据的接货行为分析方法可以应用于计算机设备中，该计算机设备可以是平板电脑、PC(Personal Computer，个人计算机)等终端，也可以是其它具备计算处理能力的电子设备。
如图1所示，基于停车点数据的接货行为分析方法至少可以包括以下几个步骤：
S101，基于第一时间阈值对所获取的停车点数据进行数据过滤得到第一过滤数据。
需要说明的是，液化天然气车辆接货需要一定的时间，可以根据行业经验设定一个时长阈值即第一时间阈值，装置可以基于该阈值对所获取的停车点数据进行过滤，得到第一过滤数据。可以理解的是，上述停车点数据可以包括车辆id、停车开始时间和停车时长。时间过滤就是滤除停车点数据中的停车时长较小(如临时有事停车几分钟)的停车点数据，例如，如通常液化天然气车辆接货都在15分钟以上，以15分钟作为时长阈值，对小于15分钟的停车点数据进行过滤，从而减少了处理的数据量和复杂度。
S102，基于所获取的上游产业数据对第一过滤数据进行位置匹配确定第一过滤数据中的第二过滤数据。
需要说明的是，通过时间过滤虽然可以过滤掉停车时长较小的停车点数据，但也不能保证过滤后剩下的第一过滤数据即留下的停车点数据都对应有接货行为，因为也可能存在车辆损坏停车修理或者在服务器停车休息等较长时间的停车行为。
为避免统计错误，上述装置可以根据所获取的上游产业数据(即液化天然气上游数据)对第一过滤数据进行位置匹配确定第一过滤数据中的第二过滤数据。可以理解的是，上游产业数据可以包括产业上游供应点的名称、位置坐标、归属地区和判断阈值(该判断阈值为预设距离阈值)，装置可以计算第一过滤数据与上游产业数据中的位置坐标之间的距离，然后判断该距离与预设距离阈值之间的关系，确定其是否是在上游液化天然气供货点发生的停车行为。需要说明的是，根据上游的规模和接液臂大小，每个上游都有自己判断阈值，例如一些大的接收站，阈值可达到200米，小的液化工厂，阈值可能只有50米，如果距离计算结果小于判断阈值，则认为该停车点为接货停车点，并标记该停车点的接货上游名称。
优选的，装置可以采用空间索引的方法依次索引第一过滤数据分别对应的上游产业数据中的位置坐标，进一步的，可以计算第一过滤数据与对应的上游产业数据中的位置坐标之间的距离，然后将小于预设距离阈值的距离对应的第一过滤数据确定为第二过滤数据。
S103，根据两个第二过滤数据之间的时间间隔和第二时间阈值对所确定的所有第二过滤数据进行数据去重，确定一次有效的接货行为及其对应的接货点数据。
可以理解的是，一辆液化天然气运输车辆在一次接货行为时，可能在上游液厂和接收站产生多个停车点，因此必须将单次行为所产生的接货停车点进行合并。
具体实现中，装置可以计算连续两个第二过滤数据之间的时间间隔，然后判断该时间间隔是否大于第二时间阈值，若大于则不认为是同一次接货行为，多小于则认为是同一次接货行为，需要将上述连续的两个第二过滤数据合并为一个接货点数据。例如，根据行业经验，通常两次接货行为时间差在8小时以上，可将8小时作为时间阈值，比较两个接货停车点的时间间隔，如果时间间隔在阈值之内，则归并为同一次车辆接货行为，否则则生成两次车辆接货行为。
在本发明实施例中，通过液化天然气运输车辆的停车点数据来识别车辆的接货行为，从一个独特的角度来判断行业供应情况，实现了智能化分析液化天然气的接货行为，提高了分析的效率和正确性。
请参考图2，其示出了本申请基于停车点数据的接货行为分析系统的架构：
由图2可知，该系统具体包括三个单元即时长阈值过滤、上游位置匹配和重复行为合并，其中，在时长阈值过滤中需要对液化天然气运输车辆停车点数据进行初步的过滤，在上游位置匹配中可以对初步过滤后的停车点数据进行二次过滤，最后通过重复行为合并确定真实有效的一次车辆接货行为，输出接货点数据。
需要说明的是，上述系统的各个单元的执行过程可以参见上述方法实施例中的具体描述，此处不再赘述。
在本发明实施例中，通过液化天然气运输车辆的停车点数据来识别车辆的接货行为，从一个独特的角度来判断行业供应情况，实现了智能化分析液化天然气的接货行为，提高了分析的效率和正确性。
下面将结合附图3和附图4，对本发明实施例提供的基于停车点数据的接货行为分析装置进行详细介绍。需要说明的是，附图3和附图4所示的接货行为分析装置，用于执行本发明图1所示实施例的方法，为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明图1所示的实施例。
请参见图3，为本发明实施例提供了一种基于停车点数据的接货行为分析装置的结构示意图。如图3所示，本发明实施例的接货行为分析装置10可以包括：时长阈值过滤模块101、上游位置匹配模块102、重复行为合并模块103、轨迹数据分析模块104和位置索引模块105。其中，上游位置匹配模块102如图4所示，包括距离计算单元1021和有效数据确定单元1022。
轨迹数据分析模块104，用于根据所获取的车辆轨迹数据分析其中包含的停车点数据，车辆轨迹数据包括车辆id、轨迹时间点和轨迹经纬度。
时长阈值过滤模块101，用于基于第一时间阈值对所获取的停车点数据进行数据过滤得到第一过滤数据，停车点数据包括车辆id、停车开始时间和停车时长。
在可选实施例中，时长阈值过滤模块101具体用于当一停车点数据指示的停车时长大于第一时间阈值时，确定该停车点数据为第一过滤数据。
上游位置匹配模块102，用于基于所获取的上游产业数据对第一过滤数据进行位置匹配确定第一过滤数据中的第二过滤数据，上游产业数据包括产业上游供应点的名称、位置坐标、归属地区和判断阈值，判断阈值为预设距离阈值。
在可选实施例中，位置索引模块105，用于采用空间索引的方法依次索引第一过滤数据分别对应的上游产业数据中的位置坐标。
可选的，上游位置匹配模块102可以包括：
距离计算单元1021，用于计算第一过滤数据与对应的上游产业数据中的位置坐标之间的距离。
有效数据确定单元1022，用于将小于预设距离阈值的距离对应的第一过滤数据确定为第二过滤数据。
重复行为合并模块103，用于根据两个第二过滤数据之间的时间间隔和第二时间阈值对所确定的所有第二过滤数据进行数据去重，确定一次有效的接货行为及其对应的接货点数据，接货点数据包括车辆id、接货时间和上游名称。
需要说明的是，本实施例中各模块详细执行过程可以参见上述方法实施例中的描述，此处不再赘述。
在本发明实施例中，通过液化天然气运输车辆的停车点数据来识别车辆的接货行为，从一个独特的角度来判断行业供应情况，实现了智能化分析液化天然气的接货行为，提高了分析的效率和正确性。
本发明实施例还提供了一种计算机存储介质，所述计算机存储介质可以存储有多条指令，所述指令适于由处理器加载并执行如上述图1所示实施例的方法步骤，具体执行过程可以参见图1所示实施例的具体说明，在此不进行赘述。
本申请实施例还提供了一种计算机设备。如图5所示，计算机设备20可以包括：至少一个处理器201，例如CPU，至少一个网络接口204，用户接口203，存储器205，至少一个通信总线202，可选地，还可以包括显示屏206。其中，通信总线202用于实现这些组件之间的连接通信。其中，用户接口203可以包括触摸屏、键盘或鼠标等等。网络接口204可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通过网络接口204可以与服务器建立通信连接。存储器205可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器，存储器205包括本发明实施例中的flash。存储器205可选的还可以是至少一个位于远离前述处理器201的存储系统。如图5所示，作为一种计算机存储介质的存储器205中可以包括操作系统、网络通信模块、用户接口模块以及程序指令。
需要说明的是，网络接口204可以连接接收器、发射器或其他通信模块，其他通信模块可以包括但不限于WiFi模块、蓝牙模块等，可以理解，本发明实施例中计算机设备也可以包括接收器、发射器和其他通信模块等。
处理器201可以用于调用存储器205中存储的程序指令，并使计算机设备20执行以下操作：
基于第一时间阈值对所获取的停车点数据进行数据过滤得到第一过滤数据，停车点数据包括车辆id、停车开始时间和停车时长；
基于所获取的上游产业数据对第一过滤数据进行位置匹配确定第一过滤数据中的第二过滤数据，上游产业数据包括产业上游供应点的名称、位置坐标、归属地区和判断阈值，判断阈值为预设距离阈值；
根据两个第二过滤数据之间的时间间隔和第二时间阈值对所确定的所有第二过滤数据进行数据去重，确定一次有效的接货行为及其对应的接货点数据，接货点数据包括车辆id、接货时间和上游名称。
在一些实施例中，设备20还用于：
根据所获取的车辆轨迹数据分析其中包含的停车点数据，车辆轨迹数据包括车辆id、轨迹时间点和轨迹经纬度。
在一些实施例中，设备20在基于所获取的上游产业数据对第一过滤数据进行位置匹配确定第一过滤数据中的第二过滤数据时，具体用于：
计算第一过滤数据与对应的上游产业数据中的位置坐标之间的距离；
将小于预设距离阈值的距离对应的第一过滤数据确定为第二过滤数据。
在一些实施例中，设备20还用于：
采用空间索引的方法依次索引第一过滤数据分别对应的上游产业数据中的位置坐标。
在一些实施例中，设备20还用于：
当一停车点数据指示的停车时长大于第一时间阈值时，确定该停车点数据为第一过滤数据。
在本发明实施例中，通过液化天然气运输车辆的停车点数据来识别车辆的接货行为，从一个独特的角度来判断行业供应情况，实现了智能化分析液化天然气的接货行为，提高了分析的效率和正确性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (10)
1.一种基于停车点数据的接货行为分析方法，其特征在于，包括：
基于第一时间阈值对所获取的停车点数据进行数据过滤得到第一过滤数据，所述停车点数据包括车辆id、停车开始时间和停车时长；
基于所获取的上游产业数据对所述第一过滤数据进行位置匹配确定第一过滤数据中的第二过滤数据，所述上游产业数据包括产业上游供应点的名称、位置坐标、归属地区和判断阈值，所述判断阈值为预设距离阈值；
根据两个第二过滤数据之间的时间间隔和第二时间阈值对所确定的所有第二过滤数据进行数据去重，确定一次有效的接货行为及其对应的接货点数据，所述接货点数据包括车辆id、接货时间和上游名称；
根据两个第二过滤数据之间的时间间隔和第二时间阈值对所确定的所有第二过滤数据进行数据去重，确定一次有效的接货行为及其对应的接货点数据包括：计算连续两个第二过滤数据之间的时间间隔，然后判断该时间间隔是否大于第二时间阈值，若大于则不认为是同一次接货行为，生成两次车辆接货行为；若小于则认为是同一次接货行为，需要将上述连续的两个第二过滤数据合并为一个接货点数据。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所获取的车辆轨迹数据分析其中包含的停车点数据，所述车辆轨迹数据包括车辆id、轨迹时间点和轨迹经纬度。
3.根据权利要求1所述的方法，其特征在于，所述基于所获取的上游产业数据对所述第一过滤数据进行位置匹配确定第一过滤数据中的第二过滤数据，包括：
计算所述第一过滤数据与对应的上游产业数据中的位置坐标之间的距离；
将小于预设距离阈值的距离对应的第一过滤数据确定为第二过滤数据。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
采用空间索引的方法依次索引所述第一过滤数据分别对应的上游产业数据中的位置坐标。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当一停车点数据指示的停车时长大于所述第一时间阈值时，确定该停车点数据为第一过滤数据。
6.一种基于停车点数据的接货行为分析装置，其特征在于，包括：
时长阈值过滤模块，用于基于第一时间阈值对所获取的停车点数据进行数据过滤得到第一过滤数据，所述停车点数据包括车辆id、停车开始时间和停车时长；
上游位置匹配模块，用于基于所获取的上游产业数据对所述第一过滤数据进行位置匹配确定第一过滤数据中的第二过滤数据，所述上游产业数据包括产业上游供应点的名称、位置坐标、归属地区和判断阈值，所述判断阈值为预设距离阈值；
重复行为合并模块，用于根据两个第二过滤数据之间的时间间隔和第二时间阈值对所确定的所有第二过滤数据进行数据去重，确定一次有效的接货行为及其对应的接货点数据，所述接货点数据包括车辆id、接货时间和上游名称；
根据两个第二过滤数据之间的时间间隔和第二时间阈值对所确定的所有第二过滤数据进行数据去重，确定一次有效的接货行为及其对应的接货点数据包括：计算连续两个第二过滤数据之间的时间间隔，然后判断该时间间隔是否大于第二时间阈值，若大于则不认为是同一次接货行为，生成两次车辆接货行为；若小于则认为是同一次接货行为，需要将上述连续的两个第二过滤数据合并为一个接货点数据。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
轨迹数据分析模块，用于根据所获取的车辆轨迹数据分析其中包含的停车点数据，所述车辆轨迹数据包括车辆id、轨迹时间点和轨迹经纬度。
8.根据权利要求6所述的装置，其特征在于，所述上游位置匹配模块包括：
距离计算单元，用于计算所述第一过滤数据与对应的上游产业数据中的位置坐标之间的距离；
有效数据确定单元，用于将小于预设距离阈值的距离对应的第一过滤数据确定为第二过滤数据。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至5任一项所述的基于停车点数据的接货行为分析方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至5任一项所述的基于停车点数据的接货行为分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910913887.6A CN110717001B (zh) | 2019-09-25 | 2019-09-25 | 基于停车点数据的接货行为分析方法及装置、设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910913887.6A CN110717001B (zh) | 2019-09-25 | 2019-09-25 | 基于停车点数据的接货行为分析方法及装置、设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110717001A CN110717001A (zh) | 2020-01-21 |
| CN110717001B true CN110717001B (zh) | 2020-12-04 |
Family
ID=69210868
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910913887.6A Active CN110717001B (zh) | 2019-09-25 | 2019-09-25 | 基于停车点数据的接货行为分析方法及装置、设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110717001B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111447562B (zh) * | 2020-03-02 | 2021-12-24 | 北京梧桐车联科技有限责任公司 | 车辆行程轨迹分析方法及装置、计算机存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE4040231A1 (de) * | 1990-12-15 | 1992-06-17 | Ostma Maschinenbau Gmbh | Transportanlage fuer stueckgut, insbesondere fuer in schachteln oder in folie verpackte stueckgutteile |
| CN101718982B (zh) * | 2009-11-23 | 2011-11-09 | 周巍 | 装货、运输、卸货管控一体化系统及方法 |
| CN107273520B (zh) * | 2017-06-22 | 2020-05-29 | 北京理工大学 | 一种基于货车监控数据的装卸货地点识别方法 |
| CN108197875A (zh) * | 2018-01-23 | 2018-06-22 | 浙江大仓信息科技股份有限公司 | 一种危化品运输管理系统 |
| CN109460950A (zh) * | 2018-10-19 | 2019-03-12 | 嘉兴亚航信息技术有限公司 | 一种基于大数据的危化品车辆动态分析方法及其系统 |
-
2019
- 2019-09-25 CN CN201910913887.6A patent/CN110717001B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110717001A (zh) | 2020-01-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110413742B (zh) | 简历信息的查重方法、装置、设备及存储介质 | |
| CN112801579A (zh) | 配送任务异常监控方法、装置、计算机设备以及存储介质 | |
| CN113592535B (zh) | 一种广告推荐方法、装置、电子设备和存储介质 | |
| CN111652439B (zh) | 一种派送点派件量的生成方法、装置及计算机系统 | |
| CN110717001B (zh) | 基于停车点数据的接货行为分析方法及装置、设备 | |
| CN103379016A (zh) | 信息提醒方法和装置 | |
| CN110659942A (zh) | 基于车辆轨迹数据的产业供需分析方法及装置、设备 | |
| US20220197294A1 (en) | Method for Shortening Waiting Time for Human-Robot Interaction, Device and Storage Medium | |
| CN107085754B (zh) | 信息输出方法和装置 | |
| CN111291929A (zh) | 基于深度学习的液化天然气接卸液点预测方法及装置 | |
| CN111507541B (zh) | 货量预测模型构建方法、货量测量方法、装置及电子设备 | |
| CN110826947A (zh) | 物流订单的处理方法、装置和车载终端设备 | |
| CN110765226A (zh) | 货主匹配方法、装置、设备和介质 | |
| US20170184488A1 (en) | Facility state analysis device, analysis method for facility state, storage medium, and facility management system | |
| CN107944798A (zh) | 智能配货方法和系统 | |
| CN113449062A (zh) | 轨迹处理方法、装置、电子设备和存储介质 | |
| CN115409222A (zh) | 基于图数据库的运输路由规划方法、装置、设备和介质 | |
| CN112732925A (zh) | 基于图谱的确定投资数据的方法、存储介质及相关设备 | |
| CN110103770B (zh) | 用于检测车载电池性能的方法和装置 | |
| CN110414709A (zh) | 债务风险智能预测方法、装置及计算机可读存储介质 | |
| CN110764745B (zh) | 变量的传输和收集方法、装置及计算机可读存储介质 | |
| CN117408856B (zh) | 污染物溯源方法、装置、存储介质及电子设备 | |
| CN116719863A (zh) | 一种数据展示方法、装置、设备、存储介质及产品 | |
| CN117422210B (zh) | 碳足迹数据计算方法、装置及电子设备 | |
| CN111026571B (zh) | 处理器降频处理方法、装置及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220301 Address after: 201306 C Building, 888 Huanhu West Second Road, Pudong New Area, Shanghai Patentee after: Zhonghaifu Information Technology Co.,Ltd. Address before: 200131 room 8-26, floor 8, building 2, No. 115, futexi 1st Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai Patentee before: Shanghai Zhonghuan Energy Technology Co.,Ltd. |
|
| TR01 | Transfer of patent right |