CN112734219A - 一种车辆运输行驶行为分析方法及系统 - Google Patents
一种车辆运输行驶行为分析方法及系统 Download PDFInfo
- Publication number
- CN112734219A CN112734219A CN202110009450.7A CN202110009450A CN112734219A CN 112734219 A CN112734219 A CN 112734219A CN 202110009450 A CN202110009450 A CN 202110009450A CN 112734219 A CN112734219 A CN 112734219A
- Authority
- CN
- China
- Prior art keywords
- track
- vehicle
- matching
- signaling
- waybill
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 59
- 230000011664 signaling Effects 0.000 claims abstract description 180
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000004891 communication Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 62
- 230000008569 process Effects 0.000 claims description 52
- 238000000926 separation method Methods 0.000 claims description 22
- 238000000605 extraction Methods 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 5
- 230000007774 longterm Effects 0.000 claims description 5
- 230000014759 maintenance of location Effects 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 75
- 230000002776 aggregation Effects 0.000 description 9
- 238000004220 aggregation Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012163 sequencing technique Methods 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0833—Tracking
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
一种车辆运输行驶行为分析方法及系统，通过对车辆对象提取出车辆轨迹和信令轨迹；对车辆轨迹和信令轨迹进行抽稀处理；将车辆轨迹和信令轨迹进行轨迹匹配，轨迹匹配的对象包括时间匹配和空间匹配，获得车辆轨迹和信令轨迹的轨迹匹配结果；将车辆轨迹与运单符合度进行匹配；将信令轨迹与运单符合度进行匹配；采用回归模型对匹配结果回归计算，判定车辆轨迹和信令轨迹是否与给定运单业务匹配并给出最终判定结果；根据最终判定结果分析运输行驶行为产出行为分析结果。本发明通过将车辆的定位信息组合成车的轨迹，和司机通信卡的定位信息即信令轨迹数据来匹配；通过时间与空间的双重匹配，来计算出某运单是否按要求，符合规范进行运输。
Description
技术领域
本发明涉及物流运输技术领域，具体涉及一种车辆运输行驶行为分析方法及系统。
背景技术
目前，对于物流运输行业来讲，通常分析运输行驶行为是根据车辆的定位数据，拿到物流运输过程中的运输轨迹，并结合运单要求、运单数据来进行行驶行为分析。审计人员从而判定运输任务运输过程中，是否存在违规运输、不合理营运的情况。
对于货运业务来讲，通常要求在一个运单运输任务中，运输途中人员与车辆不得进行更换，且按照时效完成货运任务。而现有的监控、分析方案通常是通过单一的车辆轨迹进行分析，数据源单一，只能观察出车辆的行驶轨迹，无法判定是否是指定司机与指定车辆一起完成该货运任务，不能保证审计人员给出准确的审计结果。不仅如此，目前的物联网设备通常是采用GPS进行定位，可能会出现精度和准确度不可靠的情况。亟需一种新的车辆运输行驶行为分析技术方案。
发明内容
为此，本发明提供一种车辆运输行驶行为分析方法及系统，以实现车辆运输行驶行为准确全面的分析，解决现有对司机否存在违规运输、不合理营运审计不准确的问题。
为了实现上述目的，本发明提供如下技术方案：第一方面，提供一种车辆运输行驶行为分析方法，包括：
轨迹抽取，对车辆对象提取出车辆轨迹和信令轨迹，所述车辆轨迹根据车辆定位信息确定，所述信令轨迹根据车辆对象的司机通信卡定位信息确定；
轨迹抽稀，对所述车辆轨迹和信令轨迹进行抽稀处理，所述抽稀处理过程减少车辆轨迹和信令轨迹中的轨迹点数量，保持车辆轨迹和信令轨迹的轨迹趋势；
轨迹匹配，将所述车辆轨迹和信令轨迹进行轨迹匹配，所述轨迹匹配的对象包括时间匹配和空间匹配，获得所述车辆轨迹和信令轨迹的轨迹匹配结果；将所述车辆轨迹与运单符合度进行匹配，获得车辆轨迹与运单的第一符合度匹配结果；将所述信令轨迹与运单符合度进行匹配，获得信令轨迹与运单的第二符合度匹配结果；
综合回归计算，采用回归模型对所述轨迹匹配结果、第一符合度匹配结果和第二符合度匹配结果进行回归计算，判定车辆轨迹和信令轨迹是否与给定运单业务匹配并给出最终判定结果；
行为指标分析，根据所述最终判定结果结合所述车辆轨迹和信令轨迹分析运输行驶行为，所述运输行驶行为包括车辆轨迹/信令轨迹与运单业务匹配或不匹配情况下的运输行驶行为指标；
分析结果产出，根据所述运输行驶行为指标、轨迹匹配结果、第一符合度匹配结果和第二符合度匹配结果产出给定运单的运输行驶行为分析结果。
作为车辆运输行驶行为分析方法的优选方案，所述车辆轨迹和信令轨迹的提取方法为时间截取的方式，根据给定运单的开始时间与结束时间，截取同一时间段的车辆轨迹和信令轨迹。
作为车辆运输行驶行为分析方法的优选方案，当所述车辆轨迹和信令轨迹存在脏数据时，对所述脏数据进行清洗，使每个轨迹点保留时间、经度、纬度和速度字段。
作为车辆运输行驶行为分析方法的优选方案，所述抽稀处理的步骤包括：
在车辆轨迹/信令轨迹的曲线首尾两点间虚连一条直线，获得剩余点到该直线的距离；
选则最大者与给定阈值相比较，若大于给定阈值，则离该直线距离最大的点保留，否则将直线两端点间各点舍去；
依据所保留的点，将已知曲线分成两部分处理，迭代操作，仍选距离最大者与给定阈值比较，依次取舍，直到无点可舍去，最后获得满足给定精度限差的曲线点坐标。
作为车辆运输行驶行为分析方法的优选方案，所述车辆轨迹和信令轨迹进行轨迹匹配的步骤包括：
确定基准轨迹与匹配轨迹，将所述车辆轨迹作为基准轨迹，将所述信令轨迹作为匹配轨迹；
遍历基准轨迹的每一个点记作Pi，遍历Pi时再次遍历匹配轨迹的每一个点记作Pj；
时间匹配，比较Pi与Pj的时间间隔，a)当二者时间间隔小于等于给定时间间隔参数时，则进行空间匹配；b)否则算该两点不匹配，匹配轨迹进行下一个循环，即Pi与Pj+1进行匹配；
空间匹配，比较Pi与Pj的地球表面积距离，通过地球表面积距离公式计算二者的距离，当其距离小于等于给定距离参数时，则判定两点匹配；
匹配统计点数加1，j的值加1，即下次匹配由Pi+1与Pj+1进行匹配；直到基准轨迹遍历完成；
计算匹配结果，匹配率＝匹配统计点数/基准轨迹点数。
作为车辆运输行驶行为分析方法的优选方案，所述车辆轨迹与运单符合度进行匹配的步骤包括：
取车辆轨迹的起始时间半个小时内的轨迹点与结束时间前半个小时内的轨迹点，以及获取运单信息中的发货地点、目标地点对应的经纬度；
将起始轨迹点集合依次与发货地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条车辆轨迹的起点与运单的起点是匹配的；
将终止轨迹点集合依次与目标地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条车辆轨迹的终点与运单的终点是匹配的。
作为车辆运输行驶行为分析方法的优选方案，所述信令轨迹与运单符合度进行匹配的步骤包括：
取信令轨迹的起始时间半个小时内的轨迹点与结束时间前半个小时内的轨迹点，以及获取运单信息中的发货地点、目标地点对应的经纬度；
将起始轨迹点集合依次与发货地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条信令轨迹的起点与运单的起点是匹配的；
将终止轨迹点集合依次与目标地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条信令轨迹的终点与运单的终点是匹配的。
作为车辆运输行驶行为分析方法的优选方案，车辆轨迹/信令轨迹与运单业务匹配情况下的运输行驶行为指标包括：指定司机的常跑路线、热门路线、货运需求的热淡季、热门货运省市区、长途跨省运输数量、省内运输数量、指定司机/车辆平均里程/总里程、指定司机行驶时段习惯、经常跑长途/短途的司机数量、指定司机每次驾驶平均间隔时间、指定运输过程中的平均速度、指定运输过程中是否出现拥堵情况、拥堵平均时长与次数、指定运输过程中是否存在长期停车现象、滞留平均时长与次数、指定运输过程中是否出现急加速、急减速、超速情况及次数、指定运输过程中是否出现疲劳驾驶及次数、指定运输过程中的行驶里程和匹配达标的数据量中的一个或多个。
作为车辆运输行驶行为分析方法的优选方案，车辆轨迹/信令轨迹与运单业务不匹配情况下的运输行驶行为指标包括：人车轨迹分离的时长、人车轨迹分离后人的情况、人车轨迹分离后车的情况、人与车最远分离距离和匹配不达标的数据量中的一个或多个。
第二方面，本发明提供一种车辆运输行驶行为分析系统，包括：
轨迹抽取模块，用于对车辆对象提取出车辆轨迹和信令轨迹，所述车辆轨迹根据车辆定位信息确定，所述信令轨迹根据车辆对象的司机通信卡定位信息确定；
轨迹抽稀模块，用于对所述车辆轨迹和信令轨迹进行抽稀处理，所述抽稀处理过程减少车辆轨迹和信令轨迹中的轨迹点数量，保持车辆轨迹和信令轨迹的轨迹趋势；
轨迹匹配模块，用于将所述车辆轨迹和信令轨迹进行轨迹匹配，所述轨迹匹配的对象包括时间匹配和空间匹配，获得所述车辆轨迹和信令轨迹的轨迹匹配结果；还用于将所述车辆轨迹与运单符合度进行匹配，获得车辆轨迹与运单的第一符合度匹配结果；还用于将所述信令轨迹与运单符合度进行匹配，获得信令轨迹与运单的第二符合度匹配结果；
综合回归模块，用于采用回归模型对所述轨迹匹配结果、第一符合度匹配结果和第二符合度匹配结果进行回归计算，判定车辆轨迹和信令轨迹是否与给定运单业务匹配并给出最终判定结果；
行为指标分析模块，用于根据所述最终判定结果结合所述车辆轨迹和信令轨迹分析运输行驶行为，所述运输行驶行为包括车辆轨迹/信令轨迹与运单业务匹配或不匹配情况下的运输行驶行为指标；
分析结果产出模块，用于根据所述运输行驶行为指标、轨迹匹配结果、第一符合度匹配结果和第二符合度匹配结果产出给定运单的运输行驶行为分析结果。
进一步的，所述车辆轨迹和信令轨迹的提取方法为时间截取的方式，根据给定运单的开始时间与结束时间，截取同一时间段的车辆轨迹和信令轨迹。
进一步的，当所述车辆轨迹和信令轨迹存在脏数据时，对所述脏数据进行清洗，使每个轨迹点保留时间、经度、纬度和速度字段。
进一步的，所述抽稀处理的步骤包括：
在车辆轨迹/信令轨迹的曲线首尾两点间虚连一条直线，获得剩余点到该直线的距离；
选则最大者与给定阈值相比较，若大于给定阈值，则离该直线距离最大的点保留，否则将直线两端点间各点舍去；
依据所保留的点，将已知曲线分成两部分处理，迭代操作，仍选距离最大者与给定阈值比较，依次取舍，直到无点可舍去，最后获得满足给定精度限差的曲线点坐标。
进一步的，所述车辆轨迹和信令轨迹进行轨迹匹配的步骤包括：
确定基准轨迹与匹配轨迹，将所述车辆轨迹作为基准轨迹，将所述信令轨迹作为匹配轨迹；
遍历基准轨迹的每一个点记作Pi，遍历Pi时再次遍历匹配轨迹的每一个点记作Pj；
时间匹配，比较Pi与Pj的时间间隔，a)当二者时间间隔小于等于给定时间间隔参数时，则进行空间匹配；b)否则算该两点不匹配，匹配轨迹进行下一个循环，即Pi与Pj+1进行匹配；
空间匹配，比较Pi与Pj的地球表面积距离，通过地球表面积距离公式计算二者的距离，当其距离小于等于给定距离参数时，则判定两点匹配；
匹配统计点数加1，j的值加1，即下次匹配由Pi+1与Pj+1进行匹配；直到基准轨迹遍历完成；
计算匹配结果，匹配率＝匹配统计点数/基准轨迹点数。
进一步的，所述车辆轨迹与运单符合度进行匹配的步骤包括：
取车辆轨迹的起始时间半个小时内的轨迹点与结束时间前半个小时内的轨迹点，以及获取运单信息中的发货地点、目标地点对应的经纬度；
将起始轨迹点集合依次与发货地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条车辆轨迹的起点与运单的起点是匹配的；
将终止轨迹点集合依次与目标地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条车辆轨迹的终点与运单的终点是匹配的。
进一步的，所述信令轨迹与运单符合度进行匹配的步骤包括：
取信令轨迹的起始时间半个小时内的轨迹点与结束时间前半个小时内的轨迹点，以及获取运单信息中的发货地点、目标地点对应的经纬度；
将起始轨迹点集合依次与发货地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条信令轨迹的起点与运单的起点是匹配的；
将终止轨迹点集合依次与目标地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条信令轨迹的终点与运单的终点是匹配的。
进一步的，车辆轨迹/信令轨迹与运单业务匹配情况下的运输行驶行为指标包括：指定司机的常跑路线、热门路线、货运需求的热淡季、热门货运省市区、长途跨省运输数量、省内运输数量、指定司机/车辆平均里程/总里程、指定司机行驶时段习惯、经常跑长途/短途的司机数量、指定司机每次驾驶平均间隔时间、指定运输过程中的平均速度、指定运输过程中是否出现拥堵情况、拥堵平均时长与次数、指定运输过程中是否存在长期停车现象、滞留平均时长与次数、指定运输过程中是否出现急加速、急减速、超速情况及次数、指定运输过程中是否出现疲劳驾驶及次数、指定运输过程中的行驶里程和匹配达标的数据量中的一个或多个。
进一步的，车辆轨迹/信令轨迹与运单业务不匹配情况下的运输行驶行为指标包括：人车轨迹分离的时长、人车轨迹分离后人的情况、人车轨迹分离后车的情况、人与车最远分离距离和匹配不达标的数据量中的一个或多个。
本发明具有如下优点：通过对车辆对象提取出车辆轨迹和信令轨迹，车辆轨迹根据车辆定位信息确定，信令轨迹根据车辆对象的司机通信卡定位信息确定；对车辆轨迹和信令轨迹进行抽稀处理，抽稀处理过程减少车辆轨迹和信令轨迹中的轨迹点数量，保持车辆轨迹和信令轨迹的轨迹趋势；将车辆轨迹和信令轨迹进行轨迹匹配，轨迹匹配的对象包括时间匹配和空间匹配，获得车辆轨迹和信令轨迹的轨迹匹配结果；将车辆轨迹与运单符合度进行匹配，获得车辆轨迹与运单的第一符合度匹配结果；将信令轨迹与运单符合度进行匹配，获得信令轨迹与运单的第二符合度匹配结果；采用回归模型对轨迹匹配结果、第一符合度匹配结果和第二符合度匹配结果进行回归计算，判定车辆轨迹和信令轨迹是否与给定运单业务匹配并给出最终判定结果；根据最终判定结果结合车辆轨迹和信令轨迹分析运输行驶行为，运输行驶行为包括车辆轨迹/信令轨迹与运单业务匹配或不匹配情况下的运输行驶行为指标；根据运输行驶行为指标、轨迹匹配结果、第一符合度匹配结果和第二符合度匹配结果产出给定运单的运输行驶行为分析结果。本发明通过将车辆的定位信息，优选北斗定位数据，组合成车的轨迹，和司机通信卡的定位信息即信令轨迹数据来进行匹配；通过时间与空间的双重匹配，来计算出某运单是否按要求，符合规范进行运输；同时，根据匹配的结果以及轨迹数据进一步分析，来产出在货运过程中的行驶行为，供审计人员来评定和参考；本发明产生的匹配结果具有较强的数据依据和说服力；可以获得更多、更可靠的运输形式行为分析指标；通过对接北斗定位，数据精度和准确度均有提升。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式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示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施例中提供的一种车辆运输行驶行为分析方法流程图；
图2为本发明实施例中提供的一种车辆运输行驶行为分析过程抽稀处理示意图；
图3为本发明实施例中提供的一种车辆运输行驶行为分析过程车辆轨迹和信令轨迹匹配示意图；
图4为本发明实施例中提供的一种车辆运输行驶行为分析过程车辆轨迹/信令轨迹与运单匹配示意图；
图5为本发明实施例中提供的一种车辆运输行驶行为分析系统示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例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。
实施例1
参见图1，提供一种车辆运输行驶行为分析方法，包括：
S1：轨迹抽取，对车辆对象提取出车辆轨迹和信令轨迹，所述车辆轨迹根据车辆定位信息确定，所述信令轨迹根据车辆对象的司机通信卡定位信息确定；
S2：轨迹抽稀，对所述车辆轨迹和信令轨迹进行抽稀处理，所述抽稀处理过程减少车辆轨迹和信令轨迹中的轨迹点数量，保持车辆轨迹和信令轨迹的轨迹趋势；
S3：轨迹匹配，将所述车辆轨迹和信令轨迹进行轨迹匹配，所述轨迹匹配的对象包括时间匹配和空间匹配，获得所述车辆轨迹和信令轨迹的轨迹匹配结果；将所述车辆轨迹与运单符合度进行匹配，获得车辆轨迹与运单的第一符合度匹配结果；将所述信令轨迹与运单符合度进行匹配，获得信令轨迹与运单的第二符合度匹配结果；
S4：综合回归计算，采用回归模型对所述轨迹匹配结果、第一符合度匹配结果和第二符合度匹配结果进行回归计算，判定车辆轨迹和信令轨迹是否与给定运单业务匹配并给出最终判定结果；
S5：行为指标分析，根据所述最终判定结果结合所述车辆轨迹和信令轨迹分析运输行驶行为，所述运输行驶行为包括车辆轨迹/信令轨迹与运单业务匹配或不匹配情况下的运输行驶行为指标；
S6：分析结果产出，根据所述运输行驶行为指标、轨迹匹配结果、第一符合度匹配结果和第二符合度匹配结果产出给定运单的运输行驶行为分析结果。
本实施例中，所述车辆轨迹和信令轨迹的提取方法为时间截取的方式，根据给定运单的开始时间与结束时间，截取同一时间段的车辆轨迹和信令轨迹。
具体的，轨迹是由若干个轨迹点组成，而轨迹点可以抽象为最基本的三个要素：时间、经度、纬度。轨迹点是有所属的，属于某辆车或某个人，也就是分为车辆轨迹和信令轨迹。因此，需要提取出车辆轨迹和信令轨迹。提取的依据是通过时间截取的方式，也就是物流运单中要求的开始时间与结束时间。根据物流运单中的开始时间与结束时间，来截取同一时间段的车辆轨迹和信令轨迹，这样保证匹配的轨迹数据集是时间对齐的，不会出现其它时间的轨迹点数据。
本实施例中，当所述车辆轨迹和信令轨迹存在脏数据时，对所述脏数据进行清洗，使每个轨迹点保留时间、经度、纬度和速度字段。
具体的，在轨迹存储中可能会有一些其它的数据，需要清洗掉，比如所属省市区、地址描述等无用信息，以及清洗掉脏数据，数据值为空，或者不符合常规的值等等。每个轨迹点只需要保留最基本的字段：时间、经度、纬度、速度。同时，将所有的轨迹点坐标系转换为统一的坐标系，否则在匹配过程中，会出现较大的误差，影响最终结果。轨迹时间则统一转换为时间戳形式。
本实施例中，对于车辆轨迹和信令轨迹，需要进行抽稀处理。在车辆轨迹和信令轨迹存储中，通常一条车辆轨迹或信令轨迹的轨迹点数量是非常庞大的，这取决于原始轨迹的采集间隔。因此，需要对清洗后的数据进行抽稀，减少该条轨迹的点数。
具体的，所述抽稀处理的步骤包括：
辅助参见图2中的A，在车辆轨迹/信令轨迹的曲线首尾两点间虚连一条直线，获得剩余点到该直线的距离；
选则最大者与给定阈值相比较，若大于给定阈值，则离该直线距离最大的点保留，否则将直线两端点间各点舍去；辅助参见图2中的B，第4点保留；
依据所保留的点，将已知曲线分成两部分处理，迭代操作，仍选距离最大者与给定阈值比较，依次取舍，直到无点可舍去，最后获得满足给定精度限差的曲线点坐标。如图2中的C和D，依次保留第6点、第7点，舍去其他点,即完成轨迹的化简。
利用上述抽稀处理，可以在保持相对少的轨迹点的情况下，最大粒度的还原轨迹情况，最大限度的保留轨迹中的折线、折点，从而保持整体轨迹趋势不被改变。可以在最大限度的保持整体轨迹的情况下，大量减少数据量，从而减少算法模型计算复杂度，提升计算效率，有效利用算力资源。
本实施例中，所述车辆轨迹和信令轨迹进行轨迹匹配的步骤包括：
确定基准轨迹与匹配轨迹，将所述车辆轨迹作为基准轨迹，将所述信令轨迹作为匹配轨迹；由于车辆轨迹相较于信令轨迹精确度更好的特性，通常选用车辆轨迹作为基准轨迹，信令轨迹作为匹配轨迹。
如图3中的E，遍历基准轨迹也就是车辆轨迹的每一个点记作Pi，遍历Pi时再次遍历匹配轨迹也就是信令轨迹的每一个点记作Pj；
时间匹配，比较Pi与Pj的时间间隔，a)当二者时间间隔小于等于给定时间间隔参数时，以5分钟为例，则进行空间匹配；b)否则算该两点不匹配，匹配轨迹进行下一个循环，即Pi与Pj+1进行匹配；
如图3中的F，空间匹配，比较Pi与Pj的地球表面积距离，通过地球表面积距离公式计算二者的距离，当其距离小于等于给定距离参数时，1公里为例，则判定两点匹配；
如图3中的G，匹配统计点数加1，j的值加1，即下次匹配由Pi+1与Pj+1进行匹配；
如图3中的H，重复上述的步骤，直到基准轨迹遍历完成；
计算匹配结果，匹配率＝匹配统计点数/基准轨迹点数。
本实施例中，所述车辆轨迹与运单符合度进行匹配的步骤包括：
如图4中的I，取车辆轨迹的起始时间半个小时内的轨迹点与结束时间前半个小时内的轨迹点，以及获取运单信息中的发货地点、目标地点对应的经纬度；
如图4中的J，将起始轨迹点集合依次与发货地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条车辆轨迹的起点与运单的起点是匹配的；
如图4中的J，将终止轨迹点集合依次与目标地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条车辆轨迹的终点与运单的终点是匹配的。
参见图4，与车辆轨迹与运单符合度进行匹配的步骤相似，所述信令轨迹与运单符合度进行匹配的步骤包括：
取信令轨迹的起始时间半个小时内的轨迹点与结束时间前半个小时内的轨迹点，以及获取运单信息中的发货地点、目标地点对应的经纬度；
将起始轨迹点集合依次与发货地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条信令轨迹的起点与运单的起点是匹配的；
将终止轨迹点集合依次与目标地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条信令轨迹的终点与运单的终点是匹配的。
本实施例中，在完成了轨迹匹配计算后，针对于一条运单业务，目前已经产出了三组匹配结果。车辆轨迹与信令轨迹匹配结果，车辆轨迹与运单匹配结果，信令轨迹与运单匹配结果。
具体的，通过回归模型来进行这三组数据的回归计算，对轨迹是否与该运单业务是否匹配做出最终判定。在回归计算过程，需要准备两个数据集，一个是上述步骤中的轨迹匹配结果，另一个是由人工进行轨迹是否匹配判断出的结果集，这将作为模型的训练集。
根据训练集来对回归模型进行训练，将轨迹匹配结果作为输入，通过调参的方式，来使模型最后达到要求的准确率。通过回归模型来进行综合评定，给出最后的匹配结果，其结果为0到1区间的一个小数，若匹配率大于等于预定阈值，则为匹配，反之不匹配。
本实施例中，当获得匹配结果后，可以判定出该行驶轨迹与运单业务是否匹配，匹配则说明该运单运输过程中按照规范进行运输，否则则可能出现了违规运输、不合理营运的情况。因此，需要根据匹配结果再结合轨迹来进一步分析出运输行驶行为。
具体的，当车辆轨迹/信令轨迹与运单业务匹配情况下，运输行驶行为指标包括：
指定司机的常跑路线：根据匹配的轨迹能够确定出某个运单运输过程中的实际路线，根据司机信息例如身份证号来进行聚合，统计出经常跑的路线；
热门路线：根据匹配的轨迹能够确定出运输路线的起点和终点，通过起点和终点能够定位到具体的省市区，从而得出路线，通过对相同路线的聚合统计，计算出热门路线TOP N；
货运需求的热淡季:根据运单信息中的时间信息，可统计出热门货运需求时间与非热门货运需求时间；
热门货运省市区：根据匹配的轨迹能够确定出运输路线的起点和终点，通过起点和终点能够定位到具体的省市区，通过对这些起点和终点进行聚合排序，可计算出热门的发货地/收货地；
长途跨省运输数量、省内运输数量：根据匹配的轨迹能够确定出运输路线的起点和终点，通过起点和终点能够定位到具体的省市区，若出现跨省，则作为跨省轨迹标记，否则为省内运输。对这些标记进行聚合统计，即可算出长途跨省运输数量和省内运输数量；
指定司机/车辆平均里程/总里程：某段轨迹通过轨迹点与轨迹点之间的地球表面积距离算法，可以计算出整条轨迹的里程，将这个里程与运单信息相绑定，最后通过司机/车辆进行聚合统计，可以计算出平均里程和总里程；
指定司机行驶时段习惯：分析某段轨迹中的轨迹点时长分布，时长分布处于白天较密集，则对于该运单过程中，属于白天运输时长较多，反之则为夜间，若二者差不多，则也需要做出标记。再通过司机信息聚合，来统计出某司机的行驶时段习惯；
经常跑长途/短途的司机数量：这里需要先给出长途、短途对于业务来讲的一个定义，给出定义后，即可通过轨迹里程来标记出是长途还是短途运输。再根据司机信息进行聚合，统计出对应的司机数量；
指定司机每次驾驶平均间隔时间：对某段轨迹中的轨迹点进行依次遍历，若出现速度为0且经纬度没有发生变化的情况则判断为停车，停车到下次车辆定位发生经纬度变化时，可判断启动车辆，对其进行时间统计。从而对整个运输过程中根据此行为的次数做出平均间隔时间的计算；
指定运输过程中的平均速度：对某段轨迹中的轨迹点进行依次遍历，对每一个轨迹点的速度做出平均数统计；
指定运输过程中是否出现拥堵情况、拥堵平均时长与次数：对某段轨迹中的轨迹点进行依次遍历，若出现速度较慢，轨迹点与轨迹点之间距离较近的情况，则判断为拥堵，对轨迹中的拥堵情况进行时长累计与次数统计，从而计算出平均时长与次数；
指定运输过程中是否存在长期停车现象、滞留平均时长与次数：对某段轨迹中的轨迹点进行依次遍历，若出现速度为0且经纬度没有发生变化的情况则判断为停车，对该停车情况进行次数统计与时长计算；
指定运输过程中是否出现急加速、急减速、超速情况及次数：对某段轨迹中的轨迹点进行依次遍历，若出现轨迹点与轨迹点之间的速度间隔较大、且出现递增或递减的情况，则判定为急加速或急减速的情况。超速同理，若某轨迹点的速度不符合道路运输限速要求，则为超速。对上述情况进行次数统计；
指定运输过程中是否出现疲劳驾驶及次数：对某段轨迹中的轨迹点进行依次遍历，连续超过4个小时，轨迹点依旧发生经纬度变化，则为疲劳驾驶，统计该情况的次数；
指定运输过程中的行驶里程：对某段轨迹中的轨迹点进行依次遍历，通过轨迹点与轨迹点之间的地球表面积距离算法，可以计算出整条轨迹的行驶里程。
匹配达标的数据量：对匹配结果为达标的数据进行聚合统计。
本实施例中，车辆轨迹/信令轨迹与运单业务不匹配情况下的运输行驶行为指标包括：
人车轨迹分离的时长：对某段轨迹中的轨迹点进行依次遍历，若人的定位与车的定位距离超过阈值则判定为人车分离，这时开始计算，直到二者距离小于阈值时停止，计算其分离时长；
人车轨迹分离后人的情况：对某段轨迹中的轨迹点进行依次遍历，当出现人车分离后，需要持续统计出人的定位变化情况，看经纬度是否发生变化，变化范围大小，从而计算看是在某地滞留，还是出现较远距离的移动；
人车轨迹分离后车的情况：对某段轨迹中的轨迹点进行依次遍历，当出现人车分离后，需要持续统计出车的定位变化情况，看经纬度是否发生变化，变化范围大小，从而计算看是在某地滞留，还是出现较远距离的移动；
人与车最远分离距离：对某段轨迹中的轨迹点进行依次遍历，当出现人车分离后，对人的定位和车的定位距离做出计算，统计出最远的分离距离；
匹配不达标的数据量：对匹配结果为不达标的数据进行聚合统计。
本实施例中，根据各项分析指标的计算数据，以及轨迹与运单业务的匹配结果，整合产出整体的运输行驶行为分析结果。这一部分通常是将各项数据整合为一个统一的结构性数据进行存储的过程，以供业务系统调用查询。通常会标明该分析结果对应的运单号、运单时间、车辆车牌号、信令手机号、以及各项指标的数据，存储在关系型数据库中。
实施例2
参见图5，本发明提供一种车辆运输行驶行为分析系统，包括：
轨迹抽取模块1，用于对车辆对象提取出车辆轨迹和信令轨迹，所述车辆轨迹根据车辆定位信息确定，所述信令轨迹根据车辆对象的司机通信卡定位信息确定；
轨迹抽稀模块2，用于对所述车辆轨迹和信令轨迹进行抽稀处理，所述抽稀处理过程减少车辆轨迹和信令轨迹中的轨迹点数量，保持车辆轨迹和信令轨迹的轨迹趋势；
轨迹匹配模块3，用于将所述车辆轨迹和信令轨迹进行轨迹匹配，所述轨迹匹配的对象包括时间匹配和空间匹配，获得所述车辆轨迹和信令轨迹的轨迹匹配结果；还用于将所述车辆轨迹与运单符合度进行匹配，获得车辆轨迹与运单的第一符合度匹配结果；还用于将所述信令轨迹与运单符合度进行匹配，获得信令轨迹与运单的第二符合度匹配结果；
综合回归模块4，用于采用回归模型对所述轨迹匹配结果、第一符合度匹配结果和第二符合度匹配结果进行回归计算，判定车辆轨迹和信令轨迹是否与给定运单业务匹配并给出最终判定结果；
行为指标分析模块5，用于根据所述最终判定结果结合所述车辆轨迹和信令轨迹分析运输行驶行为，所述运输行驶行为包括车辆轨迹/信令轨迹与运单业务匹配或不匹配情况下的运输行驶行为指标；
分析结果产出模块6，用于根据所述运输行驶行为指标、轨迹匹配结果、第一符合度匹配结果和第二符合度匹配结果产出给定运单的运输行驶行为分析结果。
具体的，所述车辆轨迹和信令轨迹的提取方法为时间截取的方式，根据给定运单的开始时间与结束时间，截取同一时间段的车辆轨迹和信令轨迹。当所述车辆轨迹和信令轨迹存在脏数据时，对所述脏数据进行清洗，使每个轨迹点保留时间、经度、纬度和速度字段。
具体的，所述抽稀处理的步骤包括：
在车辆轨迹/信令轨迹的曲线首尾两点间虚连一条直线，获得剩余点到该直线的距离；
选则最大者与给定阈值相比较，若大于给定阈值，则离该直线距离最大的点保留，否则将直线两端点间各点舍去；
依据所保留的点，将已知曲线分成两部分处理，迭代操作，仍选距离最大者与给定阈值比较，依次取舍，直到无点可舍去，最后获得满足给定精度限差的曲线点坐标。
具体的，所述车辆轨迹和信令轨迹进行轨迹匹配的步骤包括：
确定基准轨迹与匹配轨迹，将所述车辆轨迹作为基准轨迹，将所述信令轨迹作为匹配轨迹；
遍历基准轨迹的每一个点记作Pi，遍历Pi时再次遍历匹配轨迹的每一个点记作Pj；
时间匹配，比较Pi与Pj的时间间隔，a)当二者时间间隔小于等于给定时间间隔参数时，则进行空间匹配；b)否则算该两点不匹配，匹配轨迹进行下一个循环，即Pi与Pj+1进行匹配；
空间匹配，比较Pi与Pj的地球表面积距离，通过地球表面积距离公式计算二者的距离，当其距离小于等于给定距离参数时，则判定两点匹配；
匹配统计点数加1，j的值加1，即下次匹配由Pi+1与Pj+1进行匹配；直到基准轨迹遍历完成；
计算匹配结果，匹配率＝匹配统计点数/基准轨迹点数。
具体的，所述车辆轨迹与运单符合度进行匹配的步骤包括：
取车辆轨迹的起始时间半个小时内的轨迹点与结束时间前半个小时内的轨迹点，以及获取运单信息中的发货地点、目标地点对应的经纬度；
将起始轨迹点集合依次与发货地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条车辆轨迹的起点与运单的起点是匹配的；
将终止轨迹点集合依次与目标地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条车辆轨迹的终点与运单的终点是匹配的。
具体的，所述信令轨迹与运单符合度进行匹配的步骤包括：
取信令轨迹的起始时间半个小时内的轨迹点与结束时间前半个小时内的轨迹点，以及获取运单信息中的发货地点、目标地点对应的经纬度；
将起始轨迹点集合依次与发货地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条信令轨迹的起点与运单的起点是匹配的；
将终止轨迹点集合依次与目标地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条信令轨迹的终点与运单的终点是匹配的。
具体的，车辆轨迹/信令轨迹与运单业务匹配情况下的运输行驶行为指标包括：指定司机的常跑路线、热门路线、货运需求的热淡季、热门货运省市区、长途跨省运输数量、省内运输数量、指定司机/车辆平均里程/总里程、指定司机行驶时段习惯、经常跑长途/短途的司机数量、指定司机每次驾驶平均间隔时间、指定运输过程中的平均速度、指定运输过程中是否出现拥堵情况、拥堵平均时长与次数、指定运输过程中是否存在长期停车现象、滞留平均时长与次数、指定运输过程中是否出现急加速、急减速、超速情况及次数、指定运输过程中的行驶里程和匹配达标的数据量中的一个或多个。
具体的，车辆轨迹/信令轨迹与运单业务不匹配情况下的运输行驶行为指标包括：人车轨迹分离的时长、人车轨迹分离后人的情况、人车轨迹分离后车的情况、人与车最远分离距离和匹配不达标的数据量中的一个或多个。
本实施例中的车辆运输行驶行为分析系统为对应于实施例1中车辆运输行驶行为分析方法的产品实施，具体实施细节同实施例1，在此不再赘述。
本发明通过对车辆对象提取出车辆轨迹和信令轨迹，车辆轨迹根据车辆定位信息确定，信令轨迹根据车辆对象的司机通信卡定位信息确定；对车辆轨迹和信令轨迹进行抽稀处理，抽稀处理过程减少车辆轨迹和信令轨迹中的轨迹点数量，保持车辆轨迹和信令轨迹的轨迹趋势；将车辆轨迹和信令轨迹进行轨迹匹配，轨迹匹配的对象包括时间匹配和空间匹配，获得车辆轨迹和信令轨迹的轨迹匹配结果；将车辆轨迹与运单符合度进行匹配，获得车辆轨迹与运单的第一符合度匹配结果；将信令轨迹与运单符合度进行匹配，获得信令轨迹与运单的第二符合度匹配结果；采用回归模型对轨迹匹配结果、第一符合度匹配结果和第二符合度匹配结果进行回归计算，判定车辆轨迹和信令轨迹是否与给定运单业务匹配并给出最终判定结果；根据最终判定结果结合车辆轨迹和信令轨迹分析运输行驶行为，运输行驶行为包括车辆轨迹/信令轨迹与运单业务匹配或不匹配情况下的运输行驶行为指标；根据运输行驶行为指标、轨迹匹配结果、第一符合度匹配结果和第二符合度匹配结果产出给定运单的运输行驶行为分析结果。本发明通过将车辆的定位信息，优选北斗定位数据，组合成车的轨迹，和司机通信卡的定位信息即信令轨迹数据来进行匹配；通过时间与空间的双重匹配，来计算出某运单是否按要求，符合规范进行运输；同时，根据匹配的结果以及轨迹数据进一步分析，来产出在货运过程中的行驶行为，供审计人员来评定和参考；本发明产生的匹配结果具有较强的数据依据和说服力；可以获得更多、更可靠的运输形式行为分析指标；通过对接北斗定位，数据精度和准确度均有提升。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (10)
1.一种车辆运输行驶行为分析方法，其特征在于，包括：
轨迹抽取，对车辆对象提取出车辆轨迹和信令轨迹，所述车辆轨迹根据车辆定位信息确定，所述信令轨迹根据车辆对象的司机通信卡定位信息确定；
轨迹抽稀，对所述车辆轨迹和信令轨迹进行抽稀处理，所述抽稀处理过程减少车辆轨迹和信令轨迹中的轨迹点数量，保持车辆轨迹和信令轨迹的轨迹趋势；
轨迹匹配，将所述车辆轨迹和信令轨迹进行轨迹匹配，所述轨迹匹配的对象包括时间匹配和空间匹配，获得所述车辆轨迹和信令轨迹的轨迹匹配结果；将所述车辆轨迹与运单符合度进行匹配，获得车辆轨迹与运单的第一符合度匹配结果；将所述信令轨迹与运单符合度进行匹配，获得信令轨迹与运单的第二符合度匹配结果；
综合回归计算，采用回归模型对所述轨迹匹配结果、第一符合度匹配结果和第二符合度匹配结果进行回归计算，判定车辆轨迹和信令轨迹是否与给定运单业务匹配并给出最终判定结果；
行为指标分析，根据所述最终判定结果结合所述车辆轨迹和信令轨迹分析运输行驶行为，所述运输行驶行为包括车辆轨迹/信令轨迹与运单业务匹配或不匹配情况下的运输行驶行为指标；
分析结果产出，根据所述运输行驶行为指标、轨迹匹配结果、第一符合度匹配结果和第二符合度匹配结果产出给定运单的运输行驶行为分析结果。
2.根据权利要求1所述的一种车辆运输行驶行为分析方法，其特征在于，所述车辆轨迹和信令轨迹的提取方法为时间截取的方式，根据给定运单的开始时间与结束时间，截取同一时间段的车辆轨迹和信令轨迹。
3.根据权利要求1所述的一种车辆运输行驶行为分析方法，其特征在于，当所述车辆轨迹和信令轨迹存在脏数据时，对所述脏数据进行清洗，使每个轨迹点保留时间、经度、纬度和速度字段。
4.根据权利要求1所述的一种车辆运输行驶行为分析方法，其特征在于，所述抽稀处理的步骤包括：
在车辆轨迹/信令轨迹的曲线首尾两点间虚连一条直线，获得剩余点到该直线的距离；
选则最大者与给定阈值相比较，若大于给定阈值，则离该直线距离最大的点保留，否则将直线两端点间各点舍去；
依据所保留的点，将已知曲线分成两部分处理，迭代操作，仍选距离最大者与给定阈值比较，依次取舍，直到无点可舍去，最后获得满足给定精度限差的曲线点坐标。
5.根据权利要求1所述的一种车辆运输行驶行为分析方法，其特征在于，所述车辆轨迹和信令轨迹进行轨迹匹配的步骤包括：
确定基准轨迹与匹配轨迹，将所述车辆轨迹作为基准轨迹，将所述信令轨迹作为匹配轨迹；
遍历基准轨迹的每一个点记作Pi，遍历Pi时再次遍历匹配轨迹的每一个点记作Pj；
时间匹配，比较Pi与Pj的时间间隔，a)当二者时间间隔小于等于给定时间间隔参数时，则进行空间匹配；b)否则算该两点不匹配，匹配轨迹进行下一个循环，即Pi与Pj+1进行匹配；
空间匹配，比较Pi与Pj的地球表面积距离，通过地球表面积距离公式计算二者的距离，当其距离小于等于给定距离参数时，则判定两点匹配；
匹配统计点数加1，j的值加1，即下次匹配由Pi+1与Pj+1进行匹配；直到基准轨迹遍历完成；
计算匹配结果，匹配率＝匹配统计点数/基准轨迹点数。
6.根据权利要求5所述的一种车辆运输行驶行为分析方法，其特征在于，所述车辆轨迹与运单符合度进行匹配的步骤包括：
取车辆轨迹的起始时间半个小时内的轨迹点与结束时间前半个小时内的轨迹点，以及获取运单信息中的发货地点、目标地点对应的经纬度；
将起始轨迹点集合依次与发货地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条车辆轨迹的起点与运单的起点是匹配的；
将终止轨迹点集合依次与目标地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条车辆轨迹的终点与运单的终点是匹配的。
7.根据权利要求6所述的一种车辆运输行驶行为分析方法，其特征在于，所述信令轨迹与运单符合度进行匹配的步骤包括：
取信令轨迹的起始时间半个小时内的轨迹点与结束时间前半个小时内的轨迹点，以及获取运单信息中的发货地点、目标地点对应的经纬度；
将起始轨迹点集合依次与发货地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条信令轨迹的起点与运单的起点是匹配的；
将终止轨迹点集合依次与目标地点经纬度做地球表面积距离计算，若距离小于等于给定的距离参数时，则认定该条信令轨迹的终点与运单的终点是匹配的。
8.根据权利要求1所述的一种车辆运输行驶行为分析方法，其特征在于，车辆轨迹/信令轨迹与运单业务匹配情况下的运输行驶行为指标包括：指定司机的常跑路线、热门路线、货运需求的热淡季、热门货运省市区、长途跨省运输数量、省内运输数量、指定司机/车辆平均里程/总里程、指定司机行驶时段习惯、经常跑长途/短途的司机数量、指定司机每次驾驶平均间隔时间、指定运输过程中的平均速度、指定运输过程中是否出现拥堵情况、拥堵平均时长与次数、指定运输过程中是否存在长期停车现象、滞留平均时长与次数、指定运输过程中是否出现急加速、急减速、超速情况及次数、指定运输过程中是否出现疲劳驾驶及次数、指定运输过程中的行驶里程和匹配达标的数据量中的一个或多个。
9.根据权利要求1所述的一种车辆运输行驶行为分析方法，其特征在于，车辆轨迹/信令轨迹与运单业务不匹配情况下的运输行驶行为指标包括：人车轨迹分离的时长、人车轨迹分离后人的情况、人车轨迹分离后车的情况、人与车最远分离距离和匹配不达标的数据量中的一个或多个。
10.一种车辆运输行驶行为分析系统，其特征在于，包括：
轨迹抽取模块，用于对车辆对象提取出车辆轨迹和信令轨迹，所述车辆轨迹根据车辆定位信息确定，所述信令轨迹根据车辆对象的司机通信卡定位信息确定；
轨迹抽稀模块，用于对所述车辆轨迹和信令轨迹进行抽稀处理，所述抽稀处理过程减少车辆轨迹和信令轨迹中的轨迹点数量，保持车辆轨迹和信令轨迹的轨迹趋势；
轨迹匹配模块，用于将所述车辆轨迹和信令轨迹进行轨迹匹配，所述轨迹匹配的对象包括时间匹配和空间匹配，获得所述车辆轨迹和信令轨迹的轨迹匹配结果；还用于将所述车辆轨迹与运单符合度进行匹配，获得车辆轨迹与运单的第一符合度匹配结果；还用于将所述信令轨迹与运单符合度进行匹配，获得信令轨迹与运单的第二符合度匹配结果；
综合回归模块，用于采用回归模型对所述轨迹匹配结果、第一符合度匹配结果和第二符合度匹配结果进行回归计算，判定车辆轨迹和信令轨迹是否与给定运单业务匹配并给出最终判定结果；
行为指标分析模块，用于根据所述最终判定结果结合所述车辆轨迹和信令轨迹分析运输行驶行为，所述运输行驶行为包括车辆轨迹/信令轨迹与运单业务匹配或不匹配情况下的运输行驶行为指标；
分析结果产出模块，用于根据所述运输行驶行为指标、轨迹匹配结果、第一符合度匹配结果和第二符合度匹配结果产出给定运单的运输行驶行为分析结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110009450.7A CN112734219B (zh) | 2021-01-05 | 2021-01-05 | 一种车辆运输行驶行为分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110009450.7A CN112734219B (zh) | 2021-01-05 | 2021-01-05 | 一种车辆运输行驶行为分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112734219A true CN112734219A (zh) | 2021-04-30 |
| CN112734219B CN112734219B (zh) | 2023-07-21 |
Family
ID=75589492
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110009450.7A Active CN112734219B (zh) | 2021-01-05 | 2021-01-05 | 一种车辆运输行驶行为分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112734219B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113935638A (zh) * | 2021-10-20 | 2022-01-14 | 北京轻舟智航科技有限公司 | 一种基于平面拓扑分析的轨迹决策评估方法 |
| CN114493188A (zh) * | 2022-01-06 | 2022-05-13 | 北京中交兴路信息科技有限公司 | 一种货运接单推荐方法、装置、电子设备和存储介质 |
| CN114529311A (zh) * | 2022-02-16 | 2022-05-24 | 安徽肇立科技有限公司 | 一种基于定位曲线相似性的路线轨迹匹配方法 |
| CN115877343A (zh) * | 2023-02-02 | 2023-03-31 | 中电信数字城市科技有限公司 | 基于雷达目标跟踪的人车匹配方法、装置和电子设备 |
| CN115938080A (zh) * | 2022-10-27 | 2023-04-07 | 安徽共生众服供应链技术研究院有限公司 | 一种网络货运运营异常预警的方法 |
| CN117238141A (zh) * | 2023-11-14 | 2023-12-15 | 交通运输部规划研究院 | 目标车辆的跨区域出行行为识别方法、装置和电子设备 |
| CN118096475A (zh) * | 2024-02-28 | 2024-05-28 | 厦门搜谷信息科技有限公司 | 一种最便捷网约微公交点对点出行方式的构建方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070192111A1 (en) * | 2003-09-12 | 2007-08-16 | Chasen Matthew D | Peer-to-peer network method and system for shipment delivery transactions |
| CN105701346A (zh) * | 2016-01-13 | 2016-06-22 | 北京中交兴路信息科技有限公司 | 一种车辆轨迹抽稀方法及系统 |
| US20170262786A1 (en) * | 2016-03-11 | 2017-09-14 | Route4Me, Inc. | Methods and systems for managing large asset fleets through a virtual reality interface |
| CN107273520A (zh) * | 2017-06-22 | 2017-10-20 | 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 |
| CN110505583A (zh) * | 2019-07-23 | 2019-11-26 | 中山大学 | 一种基于卡口数据与信令数据的轨迹匹配算法 |
| CN111311151A (zh) * | 2020-02-11 | 2020-06-19 | 江苏满运软件科技有限公司 | 物流运输轨迹真实性的检测方法、装置、电子设备、存储介质 |
-
2021
- 2021-01-05 CN CN202110009450.7A patent/CN112734219B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070192111A1 (en) * | 2003-09-12 | 2007-08-16 | Chasen Matthew D | Peer-to-peer network method and system for shipment delivery transactions |
| CN105701346A (zh) * | 2016-01-13 | 2016-06-22 | 北京中交兴路信息科技有限公司 | 一种车辆轨迹抽稀方法及系统 |
| US20170262786A1 (en) * | 2016-03-11 | 2017-09-14 | Route4Me, Inc. | Methods and systems for managing large asset fleets through a virtual reality interface |
| CN107273520A (zh) * | 2017-06-22 | 2017-10-20 | 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 |
| CN110505583A (zh) * | 2019-07-23 | 2019-11-26 | 中山大学 | 一种基于卡口数据与信令数据的轨迹匹配算法 |
| CN111311151A (zh) * | 2020-02-11 | 2020-06-19 | 江苏满运软件科技有限公司 | 物流运输轨迹真实性的检测方法、装置、电子设备、存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| XIN J.HUNT ET.AL: ""Online Data Thinning via Multi-Subspace Tracking"", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
| 佘健夫: ""物流监控系统关键技术研究与实现"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 孙文彬;熊婷;: "历史数据和强化学习相结合的低频轨迹数据匹配算法", 测绘学报 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113935638A (zh) * | 2021-10-20 | 2022-01-14 | 北京轻舟智航科技有限公司 | 一种基于平面拓扑分析的轨迹决策评估方法 |
| CN114493188A (zh) * | 2022-01-06 | 2022-05-13 | 北京中交兴路信息科技有限公司 | 一种货运接单推荐方法、装置、电子设备和存储介质 |
| CN114529311A (zh) * | 2022-02-16 | 2022-05-24 | 安徽肇立科技有限公司 | 一种基于定位曲线相似性的路线轨迹匹配方法 |
| CN115938080A (zh) * | 2022-10-27 | 2023-04-07 | 安徽共生众服供应链技术研究院有限公司 | 一种网络货运运营异常预警的方法 |
| CN115877343A (zh) * | 2023-02-02 | 2023-03-31 | 中电信数字城市科技有限公司 | 基于雷达目标跟踪的人车匹配方法、装置和电子设备 |
| CN117238141A (zh) * | 2023-11-14 | 2023-12-15 | 交通运输部规划研究院 | 目标车辆的跨区域出行行为识别方法、装置和电子设备 |
| CN117238141B (zh) * | 2023-11-14 | 2024-02-02 | 交通运输部规划研究院 | 目标车辆的跨区域出行行为识别方法、装置和电子设备 |
| CN118096475A (zh) * | 2024-02-28 | 2024-05-28 | 厦门搜谷信息科技有限公司 | 一种最便捷网约微公交点对点出行方式的构建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112734219B (zh) | 2023-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112734219A (zh) | 一种车辆运输行驶行为分析方法及系统 | |
| CN108362293B (zh) | 一种基于关键点技术的车辆轨迹匹配方法 | |
| CN104751631B (zh) | 基于gps定位和模糊理论判断出行链交通方式的方法 | |
| CN101587643B (zh) | 一种套牌车的识别方法 | |
| CN112270460A (zh) | 一种基于多源数据的超重货车货源站点识别方法 | |
| CN108848460B (zh) | 基于rfid和gps数据的人车关联方法 | |
| CN106197458A (zh) | 一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法 | |
| CN109389826A (zh) | 一种信号交叉口饱和流率的实时计算方法 | |
| CN107240264B (zh) | 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法 | |
| CN103000025B (zh) | 一种为用户提供乘车参考信息的方法和装置 | |
| CN105096590B (zh) | 交通信息生成方法和交通信息生成设备 | |
| CN107329977B (zh) | 一种基于概率分布的假牌车二次筛选方法 | |
| CN102592446B (zh) | 利用浮动车定位数据计算城际道路旅行时间的方法 | |
| CN109410368B (zh) | 一种基于铁路车号信息计算货车运行里程的方法 | |
| CN104318327A (zh) | 一种车辆轨迹预测分析方法 | |
| WO2023123616A1 (zh) | 一种快速路车辆od位置提取方法及系统 | |
| CN109711276B (zh) | 一种套牌检测方法及装置 | |
| CN103247092A (zh) | 一种基于场景的驾驶行为评价方法 | |
| CN110969861A (zh) | 一种车辆识别方法、装置、设备及计算机存储介质 | |
| CN110766940A (zh) | 道路信号交叉口运行状况评估方法 | |
| CN108665084B (zh) | 一种对驾驶风险的预测方法及系统 | |
| CN103761870A (zh) | 一种公交车负载计量系统 | |
| CN111222898B (zh) | 网约车的计程方法及计算机可读存储介质 | |
| CN109166336B (zh) | 一种基于区块链技术的实时路况信息采集推送方法 | |
| CN111624638A (zh) | 基于大数据系统的行踪追溯及监控报告的生成方法 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220304 Address after: No.13, heiniucheng Road, Hexi District, Tianjin 300210 Applicant after: CCCC Intelligent Transportation Co.,Ltd. Applicant after: CHINA HIGHWAY ENGINEERING CONSULTING Corp. Applicant after: ZHONGZI DATA CO.,LTD. Address before: No.13, heiniucheng Road, Hexi District, Tianjin 300210 Applicant before: CCCC Intelligent Transportation Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |