CN111739286B - 一种基于车辆速度状态的行程分析方法及装置 - Google Patents

Abstract

一种基于车辆速度状态的行程分析方法及装置，方法包括基于大数据实时计算，实时分布式监控每辆车的仪表盘速度状态，并记录最新状态；当车辆在仪表盘速度状态从0KM/h的状态到变更为大于0KM/h的状态的时间间隔超过时间t0时，基于车辆当前时刻的仪表盘速度和最新状态库中存储的最新的仪表盘速度进行行程切分；若行程切分后的结果为开启新行程，则根据行程聚合条件，将当前行程状态与新行程状态进行状态比较，对满足行程聚合条件的行程，进行行程聚合。本发明仅通过速度状态作为行程分析关键条件，并能够有效生成车辆行程数据，实现了对车辆行程的大规模准实时自动化切分分析，相比于现有的行程分析，可大大节省计算成本，提高行程分析效率和准确性。

Description

一种基于车辆速度状态的行程分析方法及装置

技术领域

本发明涉及车联网大数据处理领域，具体涉及一种基于车辆速度状态的行程分析方法及装置。

背景技术

随着车辆网联化速度的加快，单车采集的频率、信号量都在不断增加，每天即使是单车也会产生相当大的数据量，多车则更加。如何对这海量数据进行有效的分析，是对我们的一个考验，假如单纯的依赖服务器的扩展来满足海量分析，虽然可以满足分析需求，但是会带来成本的剧增同时还会降低分析效率，因此我们需要对车辆的海量数据按行程进行降维，即减少整体的数据量，又方便进行各种数据分析，例如：驾驶行为分析、运营统计分析、频繁轨迹分析等。

车联网大数据环境下，对行车数据的分析和挖掘显得尤为重要，车辆数据行程分析作为数据分析和挖掘的一个基础，可以有效减少分析数据量，降低行车数据的分析和挖掘的难度及成本，提高分析和挖掘的效率。

发明内容

鉴于现有技术中存在的技术缺陷和技术弊端，本发明实施例提供克服上述问题或者至少部分地解决上述问题的一种，具体方案如下：

作为本发明的第一方面，提供一种基于车辆速度状态的行程分析方法，所述方法包括：

步骤1，基于大数据实时计算，实时分布式监控每辆车的仪表盘速度状态，并记录最新状态；

步骤2，当车辆在仪表盘速度状态从0KM/h的状态到变更为大于0KM/h的状态的时间间隔超过时间t0时，进行行程切分；

步骤3，若行程切分后的结果为开启新行程，则根据行程聚合条件，将当前行程状态与新行程状态进行状态比较，对满足行程聚合条件的行程，进行行程聚合；

其中，进行行程切分具体为：基于车辆当前时刻的仪表盘速度和最新状态库中存储的最新的仪表盘速度进行行程切分；

其中，所述最新状态库中存储当前时刻的前一时刻的速度状态，并在步骤2所述的行程切分后，用车辆当前实时速度状态替换最新状态库中存储的最新的速度状态。

进一步地，步骤2具体包括：

若车辆当前时刻的速度状态和最新状态库中存储的最新的速度状态均为启动状态，则判断车辆当前时刻的行程与最新状态库中存储的最新的速度状态对应的行程为同一行程，且车辆当前行驶中；

若车辆当前时刻的速度状态为停止状态，存储的最新的速度状态为启动状态，则判断车辆当前时刻的行程与最新状态库中存储的最新的速度状态对应的行程为同一行程，且车辆停止，当前行程结束；

若车辆当前时刻的速度状态为启动状态，存储的最新的速度状态为停止状态，则判断车辆当前时刻的行程与最新状态库中存储的最新的速度状态对应的行程为不同行程，车辆开启新行程。

进一步地，所述方法还包括：根据行程的行程里程是否小于预设里程，为行程增加有效或无效状态标签，具体为：

若连续行驶里程小于预设里程，为该行程增加行程无效状态标签，对应行程为无效行程；

若连续行驶里程大于等于预设里程，为该行程增加行程有效状态标签，对应行程为有效行程。

进一步地，步骤3中的行程聚合条件具体包括：

计算新行程与当前行程的时间间隔；

如果时间间隔小于第一预设时间t1，则认为两段行程为同一行程，进行行程聚合；

如果时间间隔大于等于第一预设时间t1且小于第二预设时间t2，则查看当前行程是否为无效行程，若为无效行程，则认为两段行程为同一行程，进行行程聚合；

如果时间间隔大于等于第二预设时间t2且小于第三预设时间t3，并且当前行程为无效行程，这时，若新行程的开始点和当前行程的终点的距离在预设距离内，则判定两段行程为同一行程，进行行程聚合。

进一步地，行程聚合具体包括：

将当前行程状态标记为未结束；

将新行程的最新时间、里程以及油耗状态量更新到当前行程；

将当前行驶设置为最新行程。

作为本发明的第二方面，提供一种基于车辆速度状态的行程分析装置，所述装置包括：速度状态监控模块、行程切分模块、行程聚合模块以及最新状态库；

所述速度状态监控模块用于基于大数据实时计算，实时分布式监控每辆车的仪表盘速度状态，并记录最新状态；

所述行程切分模块用于若车辆在仪表盘速度状态从0KM/h的状态到变更为大于0KM/h的状态的时间间隔超过时间t0时，进行行程切分，否则进行行程数据统计操作；

所述行程聚合模块用于在行程切分后的结果为开启新行程时，根据行程聚合条件，将当前行程状态与新行程状态进行状态比较，对满足行程聚合条件的行程，进行行程聚合；

所述最新状态库用于存储当前时刻的前一时刻的速度状态，并在所述行程切分后，用车辆当前实时速度状态替换最新状态库中存储的最新的速度状态；

其中，进行行程切分具体为：基于车辆当前时刻的仪表盘速度和最新状态库中存储的最新的仪表盘速度进行行程切分。

进一步地，所述行程切分模块进行行程切分具体为：

若车辆当前时刻的速度状态和最新状态库中存储的最新的速度状态均为0KM/h，则判断车辆当前时刻的行程与最新状态库中存储的最新的速度状态对应的行程为同一行程，且车辆当前行驶中；

若车辆当前时刻的速度状态和最新状态库中存储的最新的速度状态均为0KM/h，且该速度状态持续时长超过时间t0，则判断车辆行程结束，车辆未开启新行程；

若车辆当前时刻的速度状态为大于0KM/h且持续时长超过时间t0，存储的最新的速度状态为0KM/h，则判断车辆当前时刻的行程与最新状态库中存储的最新的速度状态对应的行程为不同行程，车辆开启新行程。

进一步地，所述装置还包括行程结果判断模块；所述行程结果判断模块用于根据行程的行程里程是否小于预设里程，为行程增加有效或无效状态标签，具体为：

若连续行驶里程小于预设里程，为该行程增加行程无效状态标签，对应行程为无效行程；

若连续行驶里程大于等于预设里程，为该行程增加行程有效状态标签，对应行程为有效行程。

进一步地，所述行程聚合条件具体为：

计算新行程与当前行程的时间间隔；

如果时间间隔小于第一预设时间t1，则认为两段行程为同一行程，进行行程聚合；

如果时间间隔大于等于第一预设时间t1且小于第二预设时间t2，则查看当前行程是否为无效行程，若为无效行程，则认为两段行程为同一行程，进行行程聚合；

如果时间间隔大于等于第二预设时间t2且小于第三预设时间t3，并且当前行程为无效行程，这时，若新行程的开始点和当前行程的终点的距离在预设距离内，则判定两段行程为同一行程，进行行程聚合。

进一步地，当满足行程聚合条件时，所述行程聚合模块进行行程聚合具体为：

将当前行程状态标记为未结束；

将新行程的最新时间、里程以及油耗状态量更新到当前行程；

将当前行驶设置为最新行程。

本发明具有以下有益效果：

相比于现有技术中通过海量数据进行车辆的行程分析计算，本发明仅通过仪表盘的速度状态作为行程分析关键条件，并能够有效生成车辆行程数据，实现了对车辆行程的大规模准实时自动化切分分析，相比于现有的行程分析，可大大节省计算成本，提高行程分析效率和准确性。

附图说明

图1为本发明实施例提供的一种基于车辆速度状态的行程分析方法的流程示意图。

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，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它实施例，都属于本发明保护的范围。

自2015年起，工信部就开始布局，陆续在全国各地建立智能网联汽车和智慧交通应用示范区，促进自动驾驶和车联网技术产业的发展。随着车联网的发展，车辆数据呈爆炸式增长，如何在海量车辆数据中分析挖掘出有价值的东西成为各大车厂及车联网公司的挑战。

车辆行程分析作为车辆数据价值挖掘的基础之一，实现了对车辆行驶数据按行驶规律切分，可为车辆的行驶规律、驾驶行为、频繁线路、集散地、用户画像等分析预测提供数据基础，降低分析复杂度，提升分析效率，为此，本发明提供一种基于车辆速度状态的行程分析方法即装置。

如图1所示，作为本发明的第一实施例，提供一种基于车辆速度状态的行程分析方法，所述方法包括：

步骤1，基于大数据实时计算，实时分布式监控每辆车的仪表盘速度状态，并记录最新状态；

步骤2，若车辆在仪表盘速度状态从0KM/h的状态到变更为大于0KM/h的状态的时间间隔超过时间t0时，进行行程切分，否则进行行程数据统计操作；

步骤3，若行程切分后的结果为开启新行程，则根据行程聚合条件，将当前行程状态与新行程状态进行状态比较，对满足行程聚合条件的行程，进行行程聚合；

其中，进行行程切分具体为：基于车辆当前时刻的仪表盘速度和最新状态库中存储的最新的仪表盘速度进行行程切分；

其中，所述最新状态库中存储当前时刻的前一时刻的速度状态，并在步骤2所述的行程切分后，用车辆当前实时速度状态替换最新状态库中存储的最新的速度状态；

其中，速度状态包括但不限于对应车辆的唯一编号、采集时间、速度状态、里程、油耗以及车辆的地理坐标信息等。

本发明仅通过速度状态作为行程分析关键条件，并能够有效生成车辆行程数据，实现了对车辆行程的大规模准实时自动化切分分析，相比于现有的行程分析，可大大节省计算成本，提高行程分析效率和准确性。

优选地，步骤2具体包括：

若车辆当前时刻的速度状态和最新状态库中存储的最新的速度状态均为0KM/h，则判断车辆当前时刻的行程与最新状态库中存储的最新的速度状态对应的行程为同一行程，且车辆当前行驶中；

若车辆当前时刻的速度状态和最新状态库中存储的最新的速度状态均为0KM/h，且该速度状态持续时长超过时间t0，则判断车辆行程结束，车辆未开启新行程；

若车辆当前时刻的速度状态为大于0KM/h且持续时长超过时间t0，存储的最新的速度状态为0KM/h，则判断车辆当前时刻的行程与最新状态库中存储的最新的速度状态对应的行程为不同行程，车辆开启新行程。

优选地，所述方法还包括：根据行程的行程里程是否小于预设里程，为行程增加有效或无效状态标签，具体为：

若连续行驶里程小于预设里程，为该行程增加行程无效状态标签，对应行程为无效行程；

若连续行驶里程大于等于预设里程，为该行程增加行程有效状态标签，对应行程为有效行程。

优选地，步骤3中的行程聚合条件具体包括：

计算新行程与当前行程的时间间隔；

如果时间间隔小于第一预设时间t1，则认为两段行程为同一行程，进行行程聚合；

如果时间间隔大于等于第一预设时间t1且小于第二预设时间t2，则查看当前行程是否为无效行程，若为无效行程，则认为两段行程为同一行程，进行行程聚合；

如果时间间隔大于等于第二预设时间t2且小于第三预设时间t3，并且当前行程为无效行程，这时，若新行程的开始点和当前行程的终点的距离在预设距离内，则判定两段行程为同一行程，进行行程聚合。

具体地，计算新行程与当前行程的时间间隔，如果时间间隔3分钟内，则认为两段行程为同一行程，进行行程聚合。

若时间间隔大于3分钟但是在10分钟以内，则查看当前程的是否为无效行程，若为无效行程，则认为两段行程为同一行程，进行行程聚合。

若时间间隔大于10分钟但是在30分钟以内，并且当前行程为无效行程，这时若新行程的开始点和当前行程的终点的距离在1公里范围内，则认为两段行程为同一行程，进行行程聚合作。

优选地，行程聚合具体包括：

将当前行程状态标记为未结束；

将新行程的最新时间、里程以及油耗状态量更新到当前行程；

将当前行驶设置为最新行程。

本发明公开一种基于大数据实时计算及车辆速度状态的行程分析方法，首先，基于车辆能够获取到的各种运行信号，设计了一套用于车辆行驶数据的行程分析体系，切分的关键数据条件有：车辆速度状态以及数据采集时间；其次，实时监控车辆速度状态及行驶数据，实时动态实现车辆行程数据统计及切分。再其次，在行程切分后且开启了新行程时，分析新行程分析开始时间、开始位置以及与上一段行程时间间隔、结束点的距离以及上一段行程的行驶距离，综合判断两段行程是可以合并，降低误切率；最终，在行程结束时，修改行程状态为结束，再分析其里程，将行驶里程不足1公里的行程，贴上无效行程标签(可作为行程合并的条件之一)，再进行持久化。本发明能够有效生成车辆行程数据，与现有技术相比，本发明采用了大数据实时计算分析技术，实现了对车辆行程的大规模准实时自动化切分分析，同时使用车辆的速度状态作为行程分析关键条件，比使用速度作为行程切分条件更为准确。

作为本发明的第二实施例，提供一种基于车辆速度状态的行程分析装置，所述装置包括：速度状态监控模块、行程切分模块、行程聚合模块以及最新状态库；

所述速度状态监控模块用于基于大数据实时计算，实时分布式监控每辆车的仪表盘速度状态，并记录最新状态；

所述行程切分模块用于若车辆在仪表盘速度状态从0KM/h的状态到变更为大于0KM/h的状态的时间间隔超过时间t0时，进行行程切分，否则进行行程数据统计操作；

所述行程聚合模块用于在行程切分后的结果为开启新行程时，根据行程聚合条件，将当前行程状态与新行程状态进行状态比较，对满足行程聚合条件的行程，进行行程聚合；

所述最新状态库用于存储当前时刻的前一时刻的速度状态，并在所述行程切分后，用车辆当前实时速度状态替换最新状态库中存储的最新的速度状态

其中，进行行程切分具体为：基于车辆当前时刻的仪表盘速度和最新状态库中存储的最新的仪表盘速度进行行程切分。

相比于现有技术中通过海量数据进行车辆的行程分析计算，本发明仅通过速度状态作为行程分析关键条件，并能够有效生成车辆行程数据，实现了对车辆行程的大规模准实时自动化切分分析，相比于现有的行程分析，可大大节省计算成本，提高行程分析效率和准确性。

优选地，所述行程切分模块进行行程切分具体为：

若车辆当前时刻的速度状态和最新状态库中存储的最新的速度状态均为0KM/h，则判断车辆当前时刻的行程与最新状态库中存储的最新的速度状态对应的行程为同一行程，且车辆当前行驶中；

若车辆当前时刻的速度状态和最新状态库中存储的最新的速度状态均为0KM/h，且该速度状态持续时长超过时间t0，则判断车辆行程结束，车辆未开启新行程；

若车辆当前时刻的速度状态为大于0KM/h且持续时长超过时间t0，存储的最新的速度状态为0KM/h，则判断车辆当前时刻的行程与最新状态库中存储的最新的速度状态对应的行程为不同行程，车辆开启新行程。

优选地，所述装置还包括行程结果判断模块；所述行程结果判断模块用于根据行程的行程里程是否小于预设里程，为行程增加有效或无效状态标签，具体为：

若连续行驶里程小于预设里程，为该行程增加行程无效状态标签，对应行程为无效行程；

若连续行驶里程大于等于预设里程，为该行程增加行程有效状态标签，对应行程为有效行程。

上述实施例中，所述预设里程优选设置为1公里，例如，连续行驶里程不小于1公里的行程，标记为有效行程；连续行驶里程小于1公里的行程，标记为无效行程。

优选地，所述行程聚合条件具体为：

计算新行程与当前行程的时间间隔；

如果时间间隔小于第一预设时间t1，则认为两段行程为同一行程，进行行程聚合；

如果时间间隔大于等于第一预设时间t1且小于第二预设时间t2，则查看当前行程是否为无效行程，若为无效行程，则认为两段行程为同一行程，进行行程聚合；

如果时间间隔大于等于第二预设时间t2且小于第三预设时间t3，并且当前行程为无效行程，这时，若新行程的开始点和当前行程的终点的距离在预设距离内，则判定两段行程为同一行程，进行行程聚合。

上述实施例中，所述第一预设时间t1优选设置为3分钟，第二预设时间t2优选设置为10分钟，第三预设时间t3优选设置为30分钟，计算新行程与当前行程的时间间隔，如果时间间隔3分钟内，则认为两段行程为同一行程，进行行程聚合；若时间间隔大于3分钟但是在10分钟以内，则查看当前程的是否为无效行程，若为无效行程，则认为两段行程为同一行程，进行行程聚合；若时间间隔大于10分钟但是在30分钟以内，并且当前行程为无效行程，这时若新行程的开始点和当前行程的终点的距离在1公里范围内，则认为两段行程为同一行程，进行行程聚合作。

优选地，当满足行程聚合条件时，所述行程聚合模块进行行程聚合具体为：

将当前行程状态标记为未结束；

将新行程的最新时间、里程以及油耗状态量更新到当前行程；

将当前行驶设置为最新行程。

本发明，将车辆速度实时数据推送到消息队列，用作实时计算的数据缓冲，实时大数据计算从消息队列中拉取车辆速度数据，并按车辆并行处理，根据拉取的数据中的车辆速度启停状态判断当前车辆速度状态，根据车辆编号从最新状态库中查询存储的截止当前数据前的最新车辆速度状态，根据当前数据状态和存储的最新状态联合判断是否开启新行程，判断结果为未开启新行程，则从消息队列中继续拉取车辆速度数据，判断结果为开启新行程，则根据当前行程和新行程状态，判断是否可以聚合，判断为不可聚合，则更新行程库中的当前行程状态为结束，并插入新行程且标记为当前行程，判断为可聚合，则更新行程库中的当前行程为未结束，无论判断结果怎样，始终更新车辆的最新速度状态为当前数据状态，无论判断结果怎样，均会再次回到前面从消息队列中继续拉取车辆速度数据。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于车辆速度状态的行程分析方法，其特征在于，所述方法包括：

步骤1，基于大数据实时计算，实时分布式监控每辆车的仪表盘速度状态，并记录最新状态；

步骤2，若车辆在仪表盘速度状态从0KM/h的状态到变更为大于0KM/h的状态的时间间隔超过时间t0时，进行行程切分，否则进行行程数据统计操作；

步骤3，若行程切分后的结果为开启新行程，则根据行程聚合条件，将当前行程状态与新行程状态进行状态比较，对满足行程聚合条件的行程，进行行程聚合；

其中，进行行程切分具体为：基于车辆当前时刻的仪表盘速度和最新状态库中存储的最新的仪表盘速度进行行程切分；

其中，所述最新状态库中存储当前时刻的前一时刻的速度状态，并在步骤2所述的行程切分后，用车辆当前实时速度状态替换最新状态库中存储的最新的速度状态；

步骤2还包括：

若车辆当前时刻的速度状态和最新状态库中存储的最新的速度状态均为0KM/h，则判断车辆当前时刻的行程与最新状态库中存储的最新的速度状态对应的行程为同一行程；

若车辆当前时刻的速度状态和最新状态库中存储的最新的速度状态均为0KM/h，且该速度状态持续时长超过时间t0，则判断车辆行程结束，车辆未开启新行程；

若车辆当前时刻的速度状态为大于0KM/h且持续时长超过时间t0，存储的最新的速度状态为0KM/h，则判断车辆当前时刻的行程与最新状态库中存储的最新的速度状态对应的行程为不同行程，车辆开启新行程。

2.根据权利要求1所述的基于车辆速度状态的行程分析方法，其特征在于，所述方法还包括：根据行程的行程里程是否小于预设里程，为行程增加有效或无效状态标签，具体为：

若连续行驶里程小于预设里程，为该行程增加行程无效状态标签，对应行程为无效行程；

若连续行驶里程大于等于预设里程，为该行程增加行程有效状态标签，对应行程为有效行程。

3.根据权利要求1所述的基于车辆速度状态的行程分析方法，其特征在于，步骤3中的行程聚合条件具体包括：

计算新行程与当前行程的时间间隔；

如果时间间隔小于第一预设时间t1，则认为两段行程为同一行程，进行行程聚合；

如果时间间隔大于等于第一预设时间t1且小于第二预设时间t2，则查看当前行程是否为无效行程，若为无效行程，则认为两段行程为同一行程，进行行程聚合；

如果时间间隔大于等于第二预设时间t2且小于第三预设时间t3，并且当前行程为无效行程，这时，若新行程的开始点和当前行程的终点的距离在预设距离内，则判定两段行程为同一行程，进行行程聚合。

4.根据权利要求1所述的基于车辆速度状态的行程分析方法，其特征在于，行程聚合具体包括：

将当前行程状态标记为未结束；

将新行程的最新时间、里程以及油耗状态量更新到当前行程；

将当前行驶设置为最新行程。

5.一种基于车辆速度状态的行程分析装置，其特征在于，所述装置包括：速度状态监控模块、行程切分模块、行程聚合模块以及最新状态库；

所述速度状态监控模块用于基于大数据实时计算，实时分布式监控每辆车的仪表盘速度状态，并记录最新状态；

所述行程切分模块用于若车辆在仪表盘速度状态从0KM/h的状态到变更为大于0KM/h的状态的时间间隔超过时间t0时，进行行程切分，否则进行行程数据统计操作；

所述行程聚合模块用于在行程切分后的结果为开启新行程时，根据行程聚合条件，将当前行程状态与新行程状态进行状态比较，对满足行程聚合条件的行程，进行行程聚合；

所述最新状态库用于存储当前时刻的前一时刻的速度状态，并在所述行程切分后，用车辆当前实时速度状态替换最新状态库中存储的最新的速度状态

其中，进行行程切分具体为：基于车辆当前时刻的仪表盘速度和最新状态库中存储的最新的仪表盘速度进行行程切分；

所述行程切分模块进行行程切分包括：

若车辆当前时刻的速度状态和最新状态库中存储的最新的速度状态均为0KM/h，则判断车辆当前时刻的行程与最新状态库中存储的最新的速度状态对应的行程为同一行程，且车辆当前行驶中；

若车辆当前时刻的速度状态和最新状态库中存储的最新的速度状态均为0KM/h，且该速度状态持续时长超过时间t0，则判断车辆行程结束，车辆未开启新行程；

若车辆当前时刻的速度状态为大于0KM/h且持续时长超过时间t0，存储的最新的速度状态为0KM/h，则判断车辆当前时刻的行程与最新状态库中存储的最新的速度状态对应的行程为不同行程，车辆开启新行程。

6.根据权利要求5所述的基于车辆速度状态的行程分析装置，其特征在于，所述装置还包括行程结果判断模块；所述行程结果判断模块用于根据行程的行程里程是否小于预设里程，为行程增加有效或无效状态标签，具体为：

若连续行驶里程小于预设里程，为该行程增加行程无效状态标签，对应行程为无效行程；

若连续行驶里程大于等于预设里程，为该行程增加行程有效状态标签，对应行程为有效行程。

7.根据权利要求5所述的基于车辆速度状态的行程分析装置，其特征在于，所述行程聚合条件具体为：

计算新行程与当前行程的时间间隔；

如果时间间隔小于第一预设时间t1，则认为两段行程为同一行程，进行行程聚合；

如果时间间隔大于等于第一预设时间t1且小于第二预设时间t2，则查看当前行程是否为无效行程，若为无效行程，则认为两段行程为同一行程，进行行程聚合；

如果时间间隔大于等于第二预设时间t2且小于第三预设时间t3，并且当前行程为无效行程，这时，若新行程的开始点和当前行程的终点的距离在预设距离内，则判定两段行程为同一行程，进行行程聚合。

8.根据权利要求5所述的基于车辆速度状态的行程分析装置，其特征在于，当满足行程聚合条件时，所述行程聚合模块进行行程聚合具体为：

将当前行程状态标记为未结束；

将新行程的最新时间、里程以及油耗状态量更新到当前行程；

将当前行驶设置为最新行程。