CN112613939A - 一种车辆装卸状态的识别方法、装置、存储介质及终端 - Google Patents
一种车辆装卸状态的识别方法、装置、存储介质及终端 Download PDFInfo
- Publication number
- CN112613939A CN112613939A CN202011467151.XA CN202011467151A CN112613939A CN 112613939 A CN112613939 A CN 112613939A CN 202011467151 A CN202011467151 A CN 202011467151A CN 112613939 A CN112613939 A CN 112613939A
- Authority
- CN
- China
- Prior art keywords
- stop
- point
- points
- identified
- vehicle
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000004931 aggregating effect Effects 0.000 claims abstract description 9
- 238000003032 molecular docking Methods 0.000 claims description 33
- 230000002776 aggregation Effects 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 4
- 239000000284 extract Substances 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Images
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0605—Supply or demand aggregation
-
- 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G06Q50/40—
Abstract
本发明公开了一种车辆装卸状态的识别方法、装置、存储介质及终端,该方法包括:确定待识别车辆,并获取待识别车辆的GPS轨迹点;基于待识别车辆的GPS轨迹点识别待识别车辆的停靠点集合;将待识别车辆的停靠点集合中各停靠点进行聚合,并提取聚合后的停靠点之间的运行数据;其中,运行数据包括运输里程、高速占比以及国道占比;提取物流相关的POI关键字,并基于POI关键字匹配物流相关的POI信息对聚合后的停靠点进行POI绑定;基于运输里程、高速占比、国道占比以及绑定POI的停靠点确定车辆装卸状态。因此,采用本申请实施例,可以实现在装货地自动给货车司机推送匹配的货源信息,同时也可以为货主推荐线路最匹配的货车司机信息,从而提高找车找货效率。
Description
技术领域
本发明涉及数据挖掘技术领域,特别涉及一种车辆装卸状态的识别方法、装置、存储介质及终端。
背景技术
目前物流行业发展的如火如荼,从而诞生了大量的货车,货车作为陆运主力,其承担了很大一部分货物运输量,因此实现高效的货物运输是非常有必要的,在高效实现货物运输时,如何保障为货车司机实现快速找到运输货源,同时为货主快速找到适合的运货车辆是实现高效的货物运输的必要条件。
在现有的技术方案中,在实现高效的货物运输时,主要通过用户主动联系的方式进行货物运输,例如车主确定运输路线后,首先需要联系该路线上的企业,通过打电话的方式逐一询问有无需要运输的货物,同时当货主想将获取运输到某一地点,需要提前联系运输到该地点的车辆,如果车主或货主其中一方联系不到对方,就会导致货物无法运输,从而降低了货物运输效率。
因此,如何找到一种有效的方法,实现高效率找车找货为亟待解决的问题。
发明内容
本申请实施例提供了一种车辆装卸状态的识别方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
第一方面,本申请实施例提供了一种车辆装卸状态的识别方法,方法包括:
确定待识别车辆,并获取待识别车辆的GPS轨迹点;
基于待识别车辆的GPS轨迹点识别待识别车辆的停靠点集合;
将待识别车辆的停靠点集合中各停靠点进行聚合,并提取聚合后的停靠点之间的运行数据;其中,运行数据包括运输里程、高速占比以及国道占比;
提取物流相关的兴趣点(POI)关键字,并基于所述物流相关的POI关键字从预设POI库中匹配物流相关的POI信息对所述聚合后的停靠点进行POI绑定,生成绑定POI的停靠点;
基于所述运输里程、高速占比、国道占比以及所述绑定POI的停靠点确定所述车辆装卸状态。
可选的,基于待识别车辆的GPS轨迹点识别待识别车辆的停靠点集合,包括:
获取待识别车辆的GPS轨迹点指示的上报时刻;
基于上报时刻将待识别车辆的GPS轨迹点升序排列,生成排序后的GPS轨迹点;
基于排序后的GPS轨迹点确定出第一停靠点集合;
获取预先设定的最大半径;
获取第一停靠点集合中各停靠点的经度和纬度;
根据各停靠点的经度和纬度计算第一停靠点集合的中心点;
统计第一停靠点集合中各停靠点到中心点的距离大于最大半径的停靠点;
将大于最大半径的停靠点从第一停靠点集合中剔除,生成第二停靠点集合;其中,第二停靠点集合中停靠点个数小于第一停靠点集合中停靠点个数;
继续执行基于排序后的GPS轨迹点确定出第一停靠点集合的步骤,直到排序后的GPS轨迹点遍历结束后,生成待识别车辆的停靠点集合。
可选的,基于所述排序后的GPS轨迹点确定出第一停靠点集合,包括:
从排序后的GPS轨迹点中的起始位置遍历查找速度为0的GPS轨迹点;
当遍历到速度大于0的GPS轨迹点时或者与上一轨迹点距离大于预设距离的轨迹点时停止遍历,并将遍历的速度为0的GPS轨迹点确定为第一集合的停靠点。
可选的,将待识别车辆的停靠点集合中各停靠点进行聚合,并提取聚合后的停靠点之间的运行数据,包括:
统计待识别车辆的停靠点集合中停靠时长小于5分钟的停靠点,并将统计的停靠时长小于5分钟的停靠点剔除后生成第一目标停靠点集合;
统计第一目标停靠点集合中相邻停靠点之间距离小于800米的停靠点,并将统计的小于800米的停靠点合并后生成第二目标停靠点集合;
统计第二目标停靠点集合中停靠时长小于20分钟的停靠集合,并将统计的停靠时长小于20分钟的停靠集合剔除后生成第三目标停靠点集合;
将第三目标停靠点集合确定为聚合后的停靠点,并提取聚合后的停靠点之间的运行数据。
其中,第三停靠点集合中停靠点个数小于第二目标停靠点集合中停靠点个数,所述第二目标停靠点集合中停靠点个数小于所述第一目标停靠点集合中停靠点个数。
可选的,提取聚合后的停靠点之间的运行数据,包括:
匹配所述第三目标停靠点集合所在预设范围内的路段数据;其中,所述第三目标停靠点集合中包含不同时段的停靠点子集合;
获取所述不同时段的停靠点子集合中多个起始时刻的停靠点;
获取所述不同时段的停靠点子集合中多个结束时刻的停靠点;
从所述预设范围内的路段数据中匹配所述多个起始时刻的停靠点与所述多个结束时刻的停靠点之间的运输里程、高速占比以及国道占比。
可选的,提取物流相关的兴趣点(POI)关键字,并基于所述物流相关的POI关键字从预设POI库中匹配物流相关的POI信息对所述聚合后的停靠点进行POI绑定,生成绑定POI的停靠点,包括:
提取物流相关的兴趣点(POI)关键字,并基于所述物流相关的POI关键字从预设POI库中匹配物流相关的POI信息;
将所述第三目标集合点和所述POI信息逐一绑定,生成绑定兴趣点的停靠点。
可选的,基于所述运输里程、高速占比、国道占比以及所述绑定POI的停靠点确定所述车辆装卸状态,包括:
从绑定兴趣点的停靠点中随机获取目标待识别停靠点;
当目标待识别停靠点绑定的兴趣点为物流属性时,确定目标待识别停靠点为物流停靠;否则
当目标待识别停靠点绑定的兴趣点为休息属性时,确定目标待识别停靠点为休息停靠;否则
当目标待识别停靠点绑定的兴趣点不包含物流属性且停靠在匹配的路段数据上时,确定目标待识别停靠点为路边临时停靠;
当目标待识别停靠点为物流停靠时,确定目标待识别停靠点为装卸点;以及
当目标待识别停靠点与上一个物流属性的停靠点之间的距离大于第一预设距离阈值时,确定所述目标待识别停靠点为卸货点且所述上一个物流属性的停靠点为装货点;以及
当目标待识别停靠点与下一个物流属性的停靠点之间的距离小于第二预设距离阈值时,确定目标待识别停靠点为装货点。
第二方面,本申请实施例提供了一种车辆装卸状态的识别装置,装置包括:
GPS轨迹点获取模块,用于确定待识别车辆,并获取待识别车辆的GPS轨迹点;
停靠点集合识别模块,用于基于待识别车辆的GPS轨迹点识别待识别车辆的停靠点集合;
停靠点聚合模块,用于将待识别车辆的停靠点集合中各停靠点进行聚合,并提取聚合后的停靠点之间的运行数据;其中,运行数据包括运输里程、高速占比以及国道占比;
兴趣点绑定模块,用于提取物流相关的兴趣点(POI)关键字,并基于所述物流相关的POI关键字从预设POI库中匹配物流相关的POI信息对所述聚合后的停靠点进行POI绑定,生成绑定POI的停靠点;
装卸状态确定模块,用于基于所述运输里程、高速占比、国道占比以及所述绑定POI的停靠点确定所述车辆装卸状态。
第三方面,本申请实施例提供一种计算机存储介质,计算机存储介质存储有多条指令,指令适于由处理器加载并执行上述的方法步骤。
第四方面,本申请实施例提供一种终端,可包括:处理器和存储器;其中,存储器存储有计算机程序,计算机程序适于由处理器加载并执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果:
在本申请实施例中,车辆装卸状态的识别装置首先确定待识别车辆,并获取待识别车辆的GPS轨迹点,然后基于待识别车辆的GPS轨迹点识别待识别车辆的停靠点集合,再将待识别车辆的停靠点集合中各停靠点进行聚合,并提取聚合后的停靠点之间的运行数据,其中运行数据包括运输里程、高速占比以及国道占比,再提取物流相关的兴趣点(POI)关键字,并基于所述物流相关的POI关键字从预设POI库中匹配物流相关的POI信息对所述聚合后的停靠点进行POI绑定,生成绑定POI的停靠点,最后基于所述运输里程、高速占比、国道占比以及所述绑定POI的停靠点确定所述车辆装卸状态。因此,采用本申请实施例,由于本申请基于货车GPS轨迹计算停靠点,然后结合地理信息系统得到停靠点的兴趣点来判别货车的装卸,识别方法简单高效,从而可以实现在装货地自动给货车司机推送匹配的货源信息,同时也可以为货主推荐线路最匹配的货车司机信息,从而提高找车找货效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是本申请实施例提供的一种车辆装卸状态的识别方法的流程示意图;
图2是本申请实施例提供的一种利用车辆装卸状态的识别过程的过程示意框图;
图3是本申请实施例提供的一种车辆装卸状态的识别装置的装置示意图;
图4是本申请实施例提供的一种终端示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。
应当明确,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作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。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的系统和方法的例子。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
到目前为止,在现有的技术方案中,在实现高效的货物运输时,主要通过用户主动联系的方式进行货物运输,例如车主确定运输路线后,首先需要联系该路线上的企业,通过打电话的方式逐一询问有无需要运输的货物,同时当货主想将获取运输到某一地点,需要提前联系运输到该地点的车辆,如果车主或货主其中一方联系不到对方,就会导致货物无法运输,从而降低了货物运输效率。为此,本申请提供了一种车辆装卸状态的识别方法、装置、存储介质及终端,以解决上述相关技术问题中存在的问题。本申请提供的技术方案中,由于本申请基于货车GPS轨迹计算停靠点,然后结合地理信息系统得到停靠点的兴趣点来判别货车的装卸,识别方法简单高效,从而可以实现在装货地自动给货车司机推送匹配的货源信息,同时也可以为货主推荐线路最匹配的货车司机信息,从而提高找车找货效率,下面采用示例性的实施例进行详细说明。
下面将结合附图1-附图2,对本申请实施例提供的车辆装卸状态的识别方法进行详细介绍。该方法可依赖于计算机程序实现,可运行于基于冯诺依曼体系的车辆装卸状态的识别装置上。该计算机程序可集成在应用中,也可作为独立的工具类应用运行。
请参见图1,为本申请实施例提供了一种车辆装卸状态的识别方法的流程示意图。如图1所示,本申请实施例的方法可以包括以下步骤:
S101,确定待识别车辆,并获取待识别车辆的GPS轨迹点;
其中,GPS轨迹点是部署在车辆上的GPS(GlobalPositioning System,全球定位系统)设备实时上报的车辆位置数据;
通常,GPS设备在实时上报时,上报的时间间隔可以根据实际情况进行设定,本申请优选时间间隔为10S。
在本申请实施例中,通过挖掘车辆历史轨迹,基于货车停靠点挖掘其背后的装卸语义信息,还原货车在哪儿装货在哪儿卸货,分析得到货车的常跑线路和区域,进而实现在装货地自动给货车司机推送匹配的货源信息,为货主推荐线路最匹配的货车司机信息,提高找车找货效率。
在一种可能的实现方式中,当挖掘车辆历史轨迹数据时,首先确定出需要识别的车辆,然后从GPS轨迹点数据中心获取该车辆在一段时间内上报的GPS轨迹点。其中,该GPS轨迹点携带上报的时刻以及该时刻车辆的运行速度。
需要说明的是,本申请除了采用车辆安装GPS设备实时上报车辆的轨迹数据之外,还可以是由北斗设备定位车辆轨迹并进行上报。
S102,基于待识别车辆的GPS轨迹点识别待识别车辆的停靠点集合;
其中,停靠点集合为车辆停下来的GPS轨迹点,例如停在路上、服务区、停车场、加油站、公司、厂矿区域、物流园区等GPS轨迹点。
通常,安装在车辆的GPS设备根据预先设定的GPS轨迹上报周期实时上报车辆的轨迹信息,该轨迹信息包括经纬度位置点、所处位置点的车辆速度以及时刻。例如,车辆在2020年12月9日13:41:59进行上报GPS轨迹,预设时间为10秒上报一次,此时刻车辆速度为0,说明车辆停靠在某一位置,然后再过10秒进行上报,此时刻车辆速度还是为0,一直到2020年12月9日14:45:54时上报的速度点为1KM/小时,说明车辆在该处停靠了一个小时,此时同一位置上报的多个GPS轨迹点都为0。
在一种可能的实现方式中,在根据步骤S101获取到待识别车辆的GPS轨迹点之后,需要根据该GPS轨迹点识别待识别车辆的停靠点集合,在进行识别时,首先解析获取的GPS轨迹点获取待识别车辆的每个GSP轨迹点的上报时间,根据上报的时间将每个GSP轨迹点按照时间顺序进行升序排序,生成排序后的GPS轨迹点,生成的排序后的GPS轨迹点方便从起始时刻的轨迹点进行逐个识别,因此可以基于排序后的GPS轨迹点确定出第一停靠点集合,再获取预先设定的最大半径,并获取第一集合中每个停靠点的经度和纬度,然后根据每个停靠点的经度和纬度计算出第一停靠点集合的中心点。
例如,在计算中心点时,比如第一集合的停靠点有5个,分别为P1-P5,可计算到中心点的经度=(P1经度+P2经度+P3经度+P4经度+P5经度)/5,中心点的纬度=(P1经度+P2经度+P3经度+P4经度+P5经度)/5。
在计算出最大半径和中心点的经纬度后,统计第一停靠点集合中各停靠点到中心点的距离大于最大半径的停靠点,并将大于最大半径的停靠点从第一停靠点集合中剔除,生成第二停靠点集合;其中,第二停靠点集合中停靠点个数小于第一停靠点集合中停靠点个数。例如最大半径为500,如果p5到中心点p的距离大于500米,就把p5丢掉,从而得到停靠点为P1-P4。
进一步地,继续执行基于排序后的GPS轨迹点确定出第一停靠点集合的步骤,直到排序后的GPS轨迹点遍历结束后,生成待识别车辆的停靠点集合。
具体的,在基于排序后的GPS轨迹点确定出第一停靠点集合时,首先从排序后的GPS轨迹点中的起始位置遍历查找速度为0的GPS轨迹点,当遍历到速度大于0的GPS轨迹点时或者与上一轨迹点距离大于预设距离的轨迹点时停止遍历,并将遍历的速度为0的GPS轨迹点确定为第一集合的停靠点。
需要说明的是,步骤S102中停靠点遍历时根据中心点和最大半径进行停靠点筛选是对小停靠做一定范围的聚合(例如一次装卸可能会挪车导致小范围多个停靠),可以减少步骤S103中停靠点聚类的数量。
S103,将待识别车辆的停靠点集合中各停靠点进行聚合,并提取聚合后的停靠点之间的运行数据;其中,运行数据包括运输里程、高速占比以及国道占比;
在一种可能的实现方式中,在基于步骤S102得到待识别车辆的停靠点集合后,该停靠点集合中包括多个可删除的停靠点,可删除的停靠点例如小于5分钟的停靠点,小于五分钟的停靠点不可能发生装卸,因此需要删除,将删除后的剩余的停靠点确定为最终的停靠点,并获取最终的停靠点之间的运行数据。
具体的,在进行聚合时,首先统计待识别车辆的停靠点集合中停靠时长小于5分钟的停靠点,并将统计的停靠时长小于5分钟的停靠点剔除后生成第一目标停靠点集合,然后统计第一目标停靠点集合中相邻停靠点之间距离小于800米的停靠点,并将统计的小于800米的停靠点合并后生成第二目标停靠点集合,再统计第二目标停靠点集合中停靠时长小于20分钟的停靠集合,并将统计的停靠时长小于20分钟的停靠集合剔除后生成第三目标停靠点集合,最后将第三目标停靠点集合确定为聚合后的停靠点,并提取聚合后的停靠点之间的运行数据。其中,第三停靠点集合中停靠点个数小于第二目标停靠点集合中停靠点个数,所述第二目标停靠点集合中停靠点个数小于所述第一目标停靠点集合中停靠点个数。
具体的,在获取最终的停靠点之间的运行数据时,首先匹配所述第三目标停靠点集合所在预设范围内的路段数据,其中,所述第三目标停靠点集合中包含不同时段的停靠点子集合;获取所述不同时段的停靠点子集合中多个起始时刻的停靠点;获取所述不同时段的停靠点子集合中多个结束时刻的停靠点;从所述预设范围内的路段数据中匹配所述多个起始时刻的停靠点与所述多个结束时刻的停靠点之间的运输里程、高速占比以及国道占比。
例如,第三目标停靠点集合中有两个不同时间段的聚合后的停靠集合F1,F2,F1中有五个停靠点(p1~p5),F2中有是哪个停靠点(p1~p3),运行数据求的是F1中p5停靠结束时间到F2中p1停靠开始时间的运行数据。
为了描述方便,下边进行举例说明,例如根据步骤S102确定出待识别车辆的停靠点集合后,首先去除停靠<5min的停靠点(5min以内不可能发生装卸),对剩余停靠点做路网匹配:求该点距离最近的道路ID及等级(30m以内),然后合并直线距离<800m的相邻停靠点,形成停靠聚合集合,最后去除停靠时长<20min停靠集合,对相邻停靠集合之间的运行数据做特征提取,例如特征提取时通过匹配路段数据求当前停靠前后1、3、5、12小时的运输里程、高速占比、国道占比。
S104,提取物流相关的兴趣点(POI)关键字,并基于所述物流相关的POI关键字从预设POI库中匹配物流相关的POI信息对所述聚合后的停靠点进行POI绑定,生成绑定POI的停靠点;
在一种可能的实现方式中,在针对聚合后的停靠点进行兴趣点(POI)绑定时,首先根据运输里程、高速占比以及国道占比搜索聚合后的停靠点附近存在的企业属性,然后提取物流相关的兴趣点(POI)关键字,并基于所述物流相关的POI关键字从预设POI库中匹配物流相关的POI信息,最后将所述第三目标集合点和所述POI信息逐一绑定,生成绑定兴趣点的停靠点。
S105,基于所述运输里程、高速占比、国道占比以及所述绑定POI的停靠点确定所述车辆装卸状态。
在一种可能的实现方式中,基于步骤S104可将最终聚类后的停靠点绑定兴趣点(POI),在绑定完成后,需要根据绑定的兴趣点确定车辆的装卸状态,首先从绑定兴趣点的停靠点中随机获取目标待识别停靠点,当目标待识别停靠点绑定的兴趣点为物流属性时,确定目标待识别停靠点为物流停靠,或者当目标待识别停靠点绑定的兴趣点为休息属性时,确定目标待识别停靠点为休息停靠,或者当目标待识别停靠点绑定的兴趣点不包含物流属性且停靠在匹配的路段数据上时,确定目标待识别停靠点为路边临时停靠。
当目标待识别停靠点为物流停靠时,确定目标待识别停靠点为装卸点,以及当目标待识别停靠点与上一个物流属性的停靠点之间的距离大于第一预设距离阈值时,确定目标待识别停靠点为卸货点,以及当目标待识别停靠点与下一个物流属性的停靠点之间的距离小于第二预设距离阈值时,确定目标待识别停靠点为装货点。
为了描述方便,进行举例说明,结合匹配的路段如果聚类后的停靠点集合中每个停靠点周围300米有“物流”相关的POI(公司/厂矿园区/物流园等名字包含物流相关属性如工业园、钢铁、化工等)则该停靠集合为物流停靠。如果附近POI不包含“物流”属性,包含“休息”属性(服务区/停车场等)或停靠时长>24h或停靠时长<24h夜间占比>80%(22:00~06:00期间停留时长占8小时比例>80%)或不在路上但前后1h高速占比>98%,该点为休息停靠。如果附近POI列表不包含“物流”属性,停靠点在高速上、国道上(通过路网匹配算法,通过多个点匹配偏移路<30m都算在路上),为路边停靠。
例如图2所示,图2是本申请实施例提供的一种车辆停靠状态识别过程的过程框图,首先开始时确定待识别车辆并获取待识别车辆的GPS轨迹信息,然后从轨迹信息中进行停靠识别得到多个停靠点,再对多个停靠点进行聚类得到聚类后的停靠点,根据聚类后的停靠点进行路网匹配,并为聚类后的停靠点绑定POI类型,再判断绑定POI类型的停靠点是否包含物流属性,若包含“物流”属性,判定该点为装卸点;若该次停靠与上次非休息/路边停靠运行距离>200km,则该点为卸货点;若该次停靠与下次非休息/路边停靠运行距离>200km,则该点为装货点。
若不包含物流属性,判断是否包含休息属性,如果是,则确定为休息,如果不是,则判断是否停靠在路边,如果是则停靠在路边,若不是则结束流程。
采用本申请实施例,可以提高找车找货效率,例如分析某车A发现该车近3个月常跑聊城和天津,在聊城装货到天津港卸货,共跑17趟,有一票聊城鲁西化工厂拉化肥到天津的货需要找车,刚好车辆再鲁西附近,联系该司机,司机有意向拉货,推送给货主进行谈价运输。
在本申请实施例中,车辆装卸状态的识别装置首先确定待识别车辆,并获取待识别车辆的GPS轨迹点,然后基于待识别车辆的GPS轨迹点识别待识别车辆的停靠点集合,再将待识别车辆的停靠点集合中各停靠点进行聚合,并提取聚合后的停靠点之间的运行数据,其中运行数据包括运输里程、高速占比以及国道占比,再提取物流相关的兴趣点(POI)关键字,并基于所述物流相关的POI关键字从预设POI库中匹配物流相关的POI信息对所述聚合后的停靠点进行POI绑定,生成绑定POI的停靠点,最后基于所述运输里程、高速占比、国道占比以及所述绑定POI的停靠点确定所述车辆装卸状态。因此,采用本申请实施例,由于本申请基于货车GPS轨迹计算停靠点,然后结合地理信息系统得到停靠点的兴趣点来判别货车的装卸,识别方法简单高效,从而可以实现在装货地自动给货车司机推送匹配的货源信息,同时也可以为货主推荐线路最匹配的货车司机信息,从而提高找车找货效率。
下述为本发明装置实施例,可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明方法实施例。
请参见图3,其示出了本发明一个示例性实施例提供的车辆装卸状态的识别装置的结构示意图。该车辆装卸状态的识别装置可以通过软件、硬件或者两者的结合实现成为智能机器人的全部或一部分。该装置1包括GPS轨迹点获取模块10、停靠点集合识别模块20、停靠点聚合模块30、兴趣点绑定模块40、装卸状态确定模块50。
GPS轨迹点获取模块10,用于确定待识别车辆,并获取待识别车辆的GPS轨迹点;
停靠点集合识别模块20,用于基于待识别车辆的GPS轨迹点识别待识别车辆的停靠点集合;
停靠点聚合模块30,用于将待识别车辆的停靠点集合中各停靠点进行聚合,并提取聚合后的停靠点之间的运行数据;其中,运行数据包括运输里程、高速占比以及国道占比;
兴趣点绑定模块40,用于提取物流相关的兴趣点(POI)关键字,并基于所述物流相关的POI关键字从预设POI库中匹配物流相关的POI信息对所述聚合后的停靠点进行POI绑定,生成绑定POI的停靠点;
装卸状态确定模块50,用于基于所述运输里程、高速占比、国道占比以及所述绑定POI的停靠点确定所述车辆装卸状态。
需要说明的是,上述实施例提供的车辆装卸状态的识别装置在执行车辆装卸状态的识别方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的车辆装卸状态的识别装置与车辆装卸状态的识别方法实施例属于同一构思,其体现实现过程详见方法实施例,这里不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请实施例中,车辆装卸状态的识别装置首先确定待识别车辆,并获取待识别车辆的GPS轨迹点,然后基于待识别车辆的GPS轨迹点识别待识别车辆的停靠点集合,再将待识别车辆的停靠点集合中各停靠点进行聚合,并提取聚合后的停靠点之间的运行数据,其中运行数据包括运输里程、高速占比以及国道占比,再提取物流相关的兴趣点(POI)关键字,并基于所述物流相关的POI关键字从预设POI库中匹配物流相关的POI信息对所述聚合后的停靠点进行POI绑定,生成绑定POI的停靠点,最后基于所述运输里程、高速占比、国道占比以及所述绑定POI的停靠点确定所述车辆装卸状态。因此,采用本申请实施例,由于本申请基于货车GPS轨迹计算停靠点,然后结合地理信息系统得到停靠点的兴趣点来判别货车的装卸,识别方法简单高效,从而可以实现在装货地自动给货车司机推送匹配的货源信息,同时也可以为货主推荐线路最匹配的货车司机信息,从而提高找车找货效率。
本发明还提供一种计算机可读介质,其上存储有程序指令,该程序指令被处理器执行时实现上述各个方法实施例提供的车辆装卸状态的识别方法。
本发明还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各个方法实施例的车辆装卸状态的识别方法。
请参见图4,为本申请实施例提供了一种终端的结构示意图。如图4所示,终端1000可以包括:至少一个处理器1001,至少一个网络接口1004,用户接口1003,存储器1005,至少一个通信总线1002。
其中,通信总线1002用于实现这些组件之间的连接通信。
其中,用户接口1003可以包括显示屏(Display)、摄像头(Camera),可选用户接口1003还可以包括标准的有线接口、无线接口。
其中,网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个电子设备1000内的各个部分,通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集,以及调用存储在存储器1005内的数据,执行电子设备1000的各种功能和处理数据。可选的,处理器1001可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(Central Processing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器1001中,单独通过一块芯片进行实现。
其中,存储器1005可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选的,该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图4所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车辆装卸状态的识别应用程序。
在图4所示的终端1000中,用户接口1003主要用于为用户提供输入的接口,获取用户输入的数据;而处理器1001可以用于调用存储器1005中存储的车辆装卸状态的识别应用程序,并具体执行以下操作:
确定待识别车辆,并获取待识别车辆的GPS轨迹点;
基于待识别车辆的GPS轨迹点识别待识别车辆的停靠点集合;
将待识别车辆的停靠点集合中各停靠点进行聚合,并提取聚合后的停靠点之间的运行数据;其中,运行数据包括运输里程、高速占比以及国道占比;
提取物流相关的兴趣点(POI)关键字,并基于所述物流相关的POI关键字从预设POI库中匹配物流相关的POI信息对所述聚合后的停靠点进行POI绑定,生成绑定POI的停靠点;
基于所述运输里程、高速占比、国道占比以及所述绑定POI的停靠点确定所述车辆装卸状态。
在一个实施例中,处理器1001在执行基于待识别车辆的GPS轨迹点识别待识别车辆的停靠点集合时,具体执行以下操作:
获取待识别车辆的GPS轨迹点指示的上报时刻;
基于上报时刻将待识别车辆的GPS轨迹点升序排列,生成排序后的GPS轨迹点;
基于排序后的GPS轨迹点确定出第一停靠点集合;
获取预先设定的最大半径;
获取第一停靠点集合中各停靠点的经度和纬度;
根据各停靠点的经度和纬度计算第一停靠点集合的中心点;
统计第一停靠点集合中各停靠点到中心点的距离大于最大半径的停靠点;
将大于最大半径的停靠点从第一停靠点集合中剔除,生成第二停靠点集合;其中,第二停靠点集合中停靠点个数小于第一停靠点集合中停靠点个数;
继续执行基于排序后的GPS轨迹点确定出第一停靠点集合的步骤,直到排序后的GPS轨迹点遍历结束后,生成待识别车辆的停靠点集合。
在一个实施例中,处理器1001在执行基于排序后的GPS轨迹点确定出第一集合的停靠点时,具体执行以下操作:
从排序后的GPS轨迹点中的起始位置遍历查找速度为0的GPS轨迹点;
当遍历到速度大于0的GPS轨迹点时或者与上一轨迹点距离大于预设距离的轨迹点时停止遍历,并将遍历的速度为0的GPS轨迹点确定为第一集合的停靠点。
在一个实施例中,处理器1001在执行将待识别车辆的停靠点集合中各停靠点进行聚合,并提取聚合后的停靠点之间的运行数据时,具体执行以下操作:
统计待识别车辆的停靠点集合中停靠时长小于5分钟的停靠点,并将统计的停靠时长小于5分钟的停靠点剔除后生成第一目标停靠点集合;
统计第一目标停靠点集合中相邻停靠点之间距离小于800米的停靠点,并将统计的小于800米的停靠点合并后生成第二目标停靠点集合;
统计第二目标停靠点集合中停靠时长小于20分钟的停靠集合,并将统计的停靠时长小于20分钟的停靠集合剔除后生成第三目标停靠点集合;
将第三目标停靠点集合确定为聚合后的停靠点,并提取聚合后的停靠点之间的运行数据。
其中,第三停靠点集合中停靠点个数小于第二目标停靠点集合中停靠点个数,所述第二目标停靠点集合中停靠点个数小于所述第一目标停靠点集合中停靠点个数。
在一个实施例中,处理器1001在执行提取聚合后的停靠点之间的运行数据时,具体执行以下操作:
匹配所述第三目标停靠点集合所在预设范围内的路段数据;其中,所述第三目标停靠点集合中包含不同时段的停靠点子集合;
获取所述不同时段的停靠点子集合中多个起始时刻的停靠点;
获取所述不同时段的停靠点子集合中多个结束时刻的停靠点;
从所述预设范围内的路段数据中匹配所述多个起始时刻的停靠点与所述多个结束时刻的停靠点之间的运输里程、高速占比以及国道占比。
在一个实施例中,处理器1001在执行提取物流相关的兴趣点(POI)关键字,并基于所述物流相关的POI关键字从预设POI库中匹配物流相关的POI信息对所述聚合后的停靠点进行POI绑定,生成绑定POI的停靠点时,具体执行以下操作:
提取物流相关的兴趣点(POI)关键字,并基于所述物流相关的POI关键字从预设POI库中匹配物流相关的POI信息;
将所述第三目标集合点和所述POI信息逐一绑定,生成绑定兴趣点的停靠点。
在一个实施例中,处理器1001在执行基于所述运输里程、高速占比、国道占比以及所述绑定POI的停靠点确定所述车辆装卸状态时,具体执行以下操作:
从绑定兴趣点的停靠点中随机获取目标待识别停靠点;
当目标待识别停靠点绑定的兴趣点为物流属性时,确定目标待识别停靠点为物流停靠;或者
当目标待识别停靠点绑定的兴趣点为休息属性时,确定目标待识别停靠点为休息停靠;或者
当目标待识别停靠点绑定的兴趣点不包含物流属性且停靠在匹配的路段数据上时,确定目标待识别停靠点为路边临时停靠;
当目标待识别停靠点为物流停靠时,确定目标待识别停靠点为装卸点;以及
当目标待识别停靠点与上一个物流属性的停靠点之间的距离大于第一预设距离阈值时,确定所述目标待识别停靠点为卸货点且所述上一个物流属性的停靠点为装货点;以及
当目标待识别停靠点与下一个物流属性的停靠点之间的距离小于第二预设距离阈值时,确定目标待识别停靠点为装货点。
在本申请实施例中,车辆装卸状态的识别装置首先确定待识别车辆,并获取待识别车辆的GPS轨迹点,然后基于待识别车辆的GPS轨迹点识别待识别车辆的停靠点集合,再将待识别车辆的停靠点集合中各停靠点进行聚合,并提取聚合后的停靠点之间的运行数据,其中运行数据包括运输里程、高速占比以及国道占比,再提取物流相关的兴趣点(POI)关键字,并基于所述物流相关的POI关键字从预设POI库中匹配物流相关的POI信息对所述聚合后的停靠点进行POI绑定,生成绑定POI的停靠点,最后基于所述运输里程、高速占比、国道占比以及所述绑定POI的停靠点确定所述车辆装卸状态。因此,采用本申请实施例,由于本申请基于货车GPS轨迹计算停靠点,然后结合地理信息系统得到停靠点的兴趣点来判别货车的装卸,识别方法简单高效,从而可以实现在装货地自动给货车司机推送匹配的货源信息,同时也可以为货主推荐线路最匹配的货车司机信息,从而提高找车找货效率。
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,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,的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (10)
1.一种车辆装卸状态的识别方法,其特征在于,所述方法包括:
确定待识别车辆,并获取所述待识别车辆的GPS轨迹点;
基于所述待识别车辆的GPS轨迹点识别所述待识别车辆的停靠点集合;
将所述待识别车辆的停靠点集合中各停靠点进行聚合,并提取所述聚合后的停靠点之间的运行数据;其中,所述运行数据包括运输里程、高速占比以及国道占比;
获取物流相关的兴趣点(POI)关键字,并基于所述物流相关的POI关键字从预设POI库中匹配物流相关的POI信息对所述聚合后的停靠点进行POI绑定,生成绑定POI的停靠点;
基于所述运输里程、高速占比、国道占比以及所述绑定POI的停靠点确定所述车辆装卸状态。
2.根据权利要求1所述的方法,其特征在于,所述基于所述待识别车辆的GPS轨迹点识别所述待识别车辆的停靠点集合,包括:
获取所述待识别车辆的GPS轨迹点指示的上报时刻;
基于所述上报时刻将所述待识别车辆的GPS轨迹点升序排列,生成排序后的GPS轨迹点;
基于所述排序后的GPS轨迹点确定出第一停靠点集合;
获取预先设定的最大半径;
获取所述第一停靠点集合中各停靠点的经度和纬度;
根据所述各停靠点的经度和纬度计算所述第一停靠点集合的中心点;
统计所述第一停靠点集合中各停靠点到所述中心点的距离大于所述最大半径的停靠点;
将所述大于所述最大半径的停靠点从所述第一停靠点集合中剔除,生成第二停靠点集合;其中,所述第二停靠点集合中停靠点个数小于所述第一停靠点集合中停靠点个数;
继续执行所述基于所述排序后的GPS轨迹点确定出第一停靠点集合的步骤,直到所述排序后的GPS轨迹点遍历结束后,生成待识别车辆的停靠点集合。
3.根据权利要求2所述的方法,其特征在于,所述基于所述排序后的GPS轨迹点确定出第一停靠点集合,包括:
从所述排序后的GPS轨迹点中的起始位置遍历查找速度为0的GPS轨迹点;
当遍历到速度大于0的GPS轨迹点时或者与上一轨迹点距离大于预设距离的轨迹点时停止遍历,并将所述遍历的速度为0的GPS轨迹点确定为第一集合的停靠点。
4.根据权利要求1所述的方法,其特征在于,所述将所述待识别车辆的停靠点集合中各停靠点进行聚合,并提取所述聚合后的停靠点之间的运行数据,包括:
统计所述待识别车辆的停靠点集合中停靠时长小于5分钟的停靠点,并将所述统计的停靠时长小于5分钟的停靠点剔除后生成第一目标停靠点集合;
统计所述第一目标停靠点集合中相邻停靠点之间距离小于800米的停靠点,并将所述统计的小于800米的停靠点合并后生成第二目标停靠点集合;
统计所述第二目标停靠点集合中停靠时长小于20分钟的停靠集合,并将所述统计的停靠时长小于20分钟的停靠集合剔除后生成第三目标停靠点集合;
将所述第三目标停靠点集合确定为聚合后的停靠点,并提取所述聚合后的停靠点之间的运行数据。
其中,所述第三停靠点集合中停靠点个数小于所述第二目标停靠点集合中停靠点个数,所述第二目标停靠点集合中停靠点个数小于所述第一目标停靠点集合中停靠点个数。
5.根据权利要求4所述的方法,其特征在于,所述提取所述聚合后的停靠点之间的运行数据,包括:
匹配所述第三目标停靠点集合所在预设范围内的路段数据;其中,所述第三目标停靠点集合中包含不同时段的停靠点子集合;
获取所述不同时段的停靠点子集合中多个起始时刻的停靠点;
获取所述不同时段的停靠点子集合中多个结束时刻的停靠点;
从所述预设范围内的路段数据中匹配所述多个起始时刻的停靠点与所述多个结束时刻的停靠点之间的运输里程、高速占比以及国道占比。
6.根据权利要求1所述的方法,其特征在于,所述提取物流相关的兴趣点(POI)关键字,并基于所述物流相关的POI关键字从预设POI库中匹配物流相关的POI信息对所述聚合后的停靠点进行POI绑定,生成绑定POI的停靠点,包括:
提取物流相关的兴趣点(POI)关键字,并基于所述物流相关的POI关键字从预设POI库中匹配物流相关的POI信息;
将所述第三目标集合点和所述POI信息逐一绑定,生成绑定兴趣点的停靠点。
7.根据权利要求1所述的方法,其特征在于,所述基于所述运输里程、高速占比、国道占比以及所述绑定POI的停靠点确定所述车辆装卸状态,包括:
从所述绑定兴趣点的停靠点中随机获取目标待识别停靠点;
当所述目标待识别停靠点绑定的兴趣点为物流属性时,确定所述目标待识别停靠点为物流停靠;否则
当所述目标待识别停靠点绑定的兴趣点为休息属性时,确定所述目标待识别停靠点为休息停靠;否则
当所述目标待识别停靠点绑定的兴趣点不包含物流属性且停靠在所述匹配的路段数据上时,确定所述目标待识别停靠点为路边临时停靠;
当所述目标待识别停靠点为物流停靠时,确定所述目标待识别停靠点为装卸点;以及
当所述目标待识别停靠点与上一个物流属性的停靠点之间的距离大于第一预设距离阈值时,确定所述目标待识别停靠点为卸货点且所述上一个物流属性的停靠点为装货点;以及
当所述目标待识别停靠点与下一个物流属性的停靠点之间的距离小于第二预设距离阈值时,确定所述目标待识别停靠点为装货点。
8.一种车辆装卸状态的识别装置,其特征在于,所述装置包括:
GPS轨迹点获取模块,用于确定待识别车辆,并获取所述待识别车辆的GPS轨迹点;
停靠点集合识别模块,用于基于所述待识别车辆的GPS轨迹点识别所述待识别车辆的停靠点集合;
停靠点聚合模块,用于将所述待识别车辆的停靠点集合中各停靠点进行聚合,并提取所述聚合后的停靠点之间的运行数据;其中,所述运行数据包括运输里程、高速占比以及国道占比;
兴趣点绑定模块,用于提取物流相关的兴趣点(POI)关键字,并基于所述物流相关的POI关键字从预设POI库中匹配物流相关的POI信息对所述聚合后的停靠点进行POI绑定,生成绑定POI的停靠点;
装卸状态确定模块,用于基于所述运输里程、高速占比、国道占比以及所述绑定POI的停靠点确定所述车辆装卸状态。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1-7任意一项的方法步骤。
10.一种终端,其特征在于,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1-7任意一项的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011467151.XA CN112613939A (zh) | 2020-12-14 | 2020-12-14 | 一种车辆装卸状态的识别方法、装置、存储介质及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011467151.XA CN112613939A (zh) | 2020-12-14 | 2020-12-14 | 一种车辆装卸状态的识别方法、装置、存储介质及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112613939A true CN112613939A (zh) | 2021-04-06 |
Family
ID=75234034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011467151.XA Pending CN112613939A (zh) | 2020-12-14 | 2020-12-14 | 一种车辆装卸状态的识别方法、装置、存储介质及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112613939A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113327078A (zh) * | 2021-05-08 | 2021-08-31 | 北京中交兴路信息科技有限公司 | 基于lstm算法的货车装卸车停靠类型判断方法、系统及介质 |
CN113642961A (zh) * | 2021-08-13 | 2021-11-12 | 京东科技信息技术有限公司 | 货物搬运过程中的监控方法及装置 |
CN114220191A (zh) * | 2021-12-13 | 2022-03-22 | 平安国际融资租赁有限公司 | 行车状态识别方法、装置、计算机设备及可读存储介质 |
CN114461933A (zh) * | 2021-12-27 | 2022-05-10 | 北京中交兴路信息科技有限公司 | 基于周边搜索的车辆推荐方法、装置、设备及存储介质 |
CN116029624A (zh) * | 2022-07-21 | 2023-04-28 | 大连海事大学 | 一种融合货车轨迹和poi数据的货源地识别方法 |
CN117292541A (zh) * | 2023-08-14 | 2023-12-26 | 陕西天行健车联网信息技术有限公司 | 一种运输趟次统计分析方法、装置、设备和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108182558A (zh) * | 2017-12-04 | 2018-06-19 | 北京中交兴路信息科技有限公司 | 一种基于统计特征的运距计算方法及装置 |
CN110428085A (zh) * | 2019-06-14 | 2019-11-08 | 上海中旖能源科技有限公司 | 一种基于车辆停车点数据的液化天然气用气点分析方法 |
CN111060153A (zh) * | 2019-12-23 | 2020-04-24 | 北京中交兴路车联网科技有限公司 | 货车载货状态的检测方法、装置及存储介质 |
-
2020
- 2020-12-14 CN CN202011467151.XA patent/CN112613939A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108182558A (zh) * | 2017-12-04 | 2018-06-19 | 北京中交兴路信息科技有限公司 | 一种基于统计特征的运距计算方法及装置 |
CN110428085A (zh) * | 2019-06-14 | 2019-11-08 | 上海中旖能源科技有限公司 | 一种基于车辆停车点数据的液化天然气用气点分析方法 |
CN111060153A (zh) * | 2019-12-23 | 2020-04-24 | 北京中交兴路车联网科技有限公司 | 货车载货状态的检测方法、装置及存储介质 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113327078A (zh) * | 2021-05-08 | 2021-08-31 | 北京中交兴路信息科技有限公司 | 基于lstm算法的货车装卸车停靠类型判断方法、系统及介质 |
CN113642961A (zh) * | 2021-08-13 | 2021-11-12 | 京东科技信息技术有限公司 | 货物搬运过程中的监控方法及装置 |
CN113642961B (zh) * | 2021-08-13 | 2024-04-16 | 京东科技信息技术有限公司 | 货物搬运过程中的监控方法及装置 |
CN114220191A (zh) * | 2021-12-13 | 2022-03-22 | 平安国际融资租赁有限公司 | 行车状态识别方法、装置、计算机设备及可读存储介质 |
CN114220191B (zh) * | 2021-12-13 | 2023-11-21 | 平安国际融资租赁有限公司 | 行车状态识别方法、装置、计算机设备及可读存储介质 |
CN114461933A (zh) * | 2021-12-27 | 2022-05-10 | 北京中交兴路信息科技有限公司 | 基于周边搜索的车辆推荐方法、装置、设备及存储介质 |
CN116029624A (zh) * | 2022-07-21 | 2023-04-28 | 大连海事大学 | 一种融合货车轨迹和poi数据的货源地识别方法 |
CN116029624B (zh) * | 2022-07-21 | 2024-02-06 | 大连海事大学 | 一种融合货车轨迹和poi数据的货源地识别方法 |
CN117292541A (zh) * | 2023-08-14 | 2023-12-26 | 陕西天行健车联网信息技术有限公司 | 一种运输趟次统计分析方法、装置、设备和介质 |
CN117292541B (zh) * | 2023-08-14 | 2024-03-19 | 陕西天行健车联网信息技术有限公司 | 一种运输趟次统计分析方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112613939A (zh) | 一种车辆装卸状态的识别方法、装置、存储介质及终端 | |
US11514276B2 (en) | System and method for detecting and classifying recurrent stops of a vehicle fleet | |
CN112687125B (zh) | 一种公路上违规停车后的预警方法、装置、存储介质及终端 | |
CN113838284A (zh) | 一种事故高发路段上的车辆预警方法、装置、存储介质及终端 | |
CN111046049B (zh) | 一种货车gps轨迹数据压缩方法 | |
CN112598192B (zh) | 一种车辆进入物流园区的预测方法、装置、存储介质及终端 | |
CN113222492B (zh) | 一种车辆行驶线路类型的判别方法、装置、存储介质及终端 | |
CN108932255B (zh) | 一种车辆综合能力分析方法及装置 | |
CN112447041A (zh) | 识别车辆的营运行为的方法、装置及计算设备 | |
CN112700201A (zh) | 货源推荐方法、电子设备和存储介质 | |
CN113870554B (zh) | 一种车辆安全监测方法、装置、存储介质及终端 | |
CN115409308A (zh) | 一种基于tms运输管理的智能调度系统 | |
CN110502601B (zh) | 查找仓库的方法和装置 | |
CN116664025A (zh) | 装卸货位置点生成方法、装置及设备 | |
CN112770264B (zh) | 物流干线的干线走廊识别方法与系统 | |
CN113838283B (zh) | 一种车辆的位置状态标记方法、装置、存储介质及终端 | |
CN115907580A (zh) | 城配物流的运输监控方法、装置、设备及存储介质 | |
CN114677231A (zh) | 货运险次单的反欺诈识别方法、装置、存储介质及终端 | |
CN114202272A (zh) | 一种基于电子围栏的车货匹配方法、装置、存储介质及终端 | |
CN114822070A (zh) | 停车场状态确定方法及电子设备 | |
CN114220263B (zh) | 一种货运车辆通行时长确定方法、装置、存储介质及终端 | |
CN114461933B (zh) | 基于周边搜索的车辆推荐方法、装置、设备及存储介质 | |
JP7302260B2 (ja) | 運行実績分析プログラム、運行実績分析方法および運行実績分析システム | |
CN113821735B (zh) | 识别非法加油站点的方法、装置、设备及存储介质 | |
CN115511411A (zh) | 一种临时货运订单分配方法、装置、存储介质及终端 |
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 |