CN113159594A - 液化天然气运输车的调度方法及装置 - Google Patents
液化天然气运输车的调度方法及装置 Download PDFInfo
- Publication number
- CN113159594A CN113159594A CN202110464903.5A CN202110464903A CN113159594A CN 113159594 A CN113159594 A CN 113159594A CN 202110464903 A CN202110464903 A CN 202110464903A CN 113159594 A CN113159594 A CN 113159594A
- Authority
- CN
- China
- Prior art keywords
- data
- longitude
- liquid receiving
- discharging
- latitude
- 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
- 239000003949 liquefied natural gas Substances 0.000 title claims abstract description 185
- 238000000034 method Methods 0.000 title claims abstract description 79
- 239000007788 liquid Substances 0.000 claims abstract description 243
- 238000007599 discharging Methods 0.000 claims abstract description 187
- 230000006399 behavior Effects 0.000 claims description 45
- 238000004422 calculation algorithm Methods 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 22
- 238000003066 decision tree Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 9
- 238000013145 classification model Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 37
- 238000004458 analytical method Methods 0.000 description 30
- 230000006870 function Effects 0.000 description 22
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 16
- 238000004891 communication Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 238000007418 data mining Methods 0.000 description 13
- 238000007637 random forest analysis Methods 0.000 description 12
- 238000000605 extraction Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 239000000969 carrier Substances 0.000 description 8
- 239000003345 natural gas Substances 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 7
- 230000002776 aggregation Effects 0.000 description 5
- 238000004220 aggregation Methods 0.000 description 5
- 239000000872 buffer Substances 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000013523 data management Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 238000004445 quantitative analysis Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000011990 functional testing Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000007474 system interaction Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material 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
- 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
-
- 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
- G06F16/2477—Temporal data queries
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Water Supply & Treatment (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种液化天然气运输车的调度方法及装置,涉及人工智能技术领域,包括:获取多个液化天然气运输车对应的运行轨迹数据集;根据所述运行轨迹数据集,得到多个停留点经纬度数据;应用所有停留点经纬度数据进行聚类,得到多个停留热点经纬度数据;应用所有停留热点经纬度数据进行分类,得到多个接卸液点经纬度数据;根据所述运行轨迹数据集和各个接卸液点经纬度数据,确定接卸液行为数据,以根据该接卸液行为数据,完成液化天然气运输车的调度。本申请能够提高液化天然气运输车调度的有效性,进而能够满足不同地区对液化天然气的需求。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种液化天然气运输车的调度方法及装置。
背景技术
近几年,政府对于低油价的刺激和低碳环保的观念深入人心,液化天然气(Liquefied Natural Gas,简称LNG)进口规模不断扩大,《BP世界能源展望(2019年版)》预计液化天然气将在2020年末超过管道天然气,2040年液化天然气供应将占天然气总需求量的15%以上。供气灵活性强的资源—液化天然气,显然已经成为解决城市管网供气高峰负荷和事故调峰的有效手段。随着液化天然气需求量的不断扩大,对液化天然气企业带来了巨大的挑战。
传统的人为平均分配方式已不能满足各个地区对液化天然气的需求。如何有效分配液化天然气,满足不同地区的需求,是目前液化天然气企业面临的新的难题。
发明内容
针对现有技术中的问题,本申请提出了一种液化天然气运输车的调度方法及装置,能够提高液化天然气运输车调度的有效性,进而能够满足不同地区对液化天然气的需求。
为了解决上述技术问题,本申请提供以下技术方案:
第一方面,本申请提供一种液化天然气运输车的调度方法,包括:
获取多个液化天然气运输车对应的运行轨迹数据集;
根据所述运行轨迹数据集,得到多个停留点经纬度数据;
应用所有停留点经纬度数据进行聚类,得到多个停留热点经纬度数据;
应用所有停留热点经纬度数据进行分类,得到多个接卸液点经纬度数据;
根据所述运行轨迹数据集和各个接卸液点经纬度数据,确定接卸液行为数据,以根据该接卸液行为数据,完成液化天然气运输车的调度。
进一步地,所述运行轨迹数据集包括:多个液化天然气运输车各自对应的运行轨迹数据,每个运行轨迹数据包括:多个轨迹点各自的经纬度数据和时间戳;
相对应的,所述根据所述运行轨迹数据集,得到多个停留点经纬度数据,包括:
若根据所述运行轨迹数据集,确定同一液化天然气运输车存在对应多个时间戳并且该时间戳连续的轨迹点,则将该轨迹点作为运输车停留点,将该运输车停留点对应的经纬度数据作为所述停留点经纬度数据。
进一步地,所述应用所有停留点经纬度数据进行聚类,得到多个停留热点经纬度数据,包括:
应用ST-DBSCAN聚类算法和所述停留点经纬度数据,得到停留热点经纬度数据。
进一步地,所述应用所有停留热点经纬度数据进行分类,得到多个接卸液点经纬度数据,包括:
根据预设的分类模型和所述停留热点经纬度数据,得到接卸液点经纬度数据;所述预设的分类模型为预先训练得到的决策树模型。
进一步地,所述接卸液行为数据包括:每个接卸液点对应的接卸液次数;
相对应的,所述根据所述运行轨迹数据集和各个接卸液点经纬度数据,确定接卸液行为数据,以根据该接卸液行为数据,完成液化天然气运输车的调度,包括:
获取每个接卸液点经纬度数据在所述运行轨迹数据集中出现的次数,作为每个接卸液点的接卸液次数;
根据预设的接卸液次数和计划发车数量之间的对应关系表和每个接卸液点对应的接卸液次数,确定每个接卸液点对应的计划发车数量。
进一步地,所述接卸液行为数据包括:每个接卸液点对应的平均接卸液时长;
相对应的,所述根据所述运行轨迹数据集和各个接卸液点经纬度数据,确定接卸液行为数据,以根据该接卸液行为数据,完成液化天然气运输车的调度,包括:
根据每个接卸液点经纬度数据在所述运行轨迹数据集中对应的时间戳,得到每个接卸液点对应的平均接卸液时长;
根据预设的接卸液时长和计划发车数量之间的对应关系表和每个接卸液点对应的平均接卸液时长,确定每个接卸液点对应的计划发车数量。
进一步地,所述运行轨迹数据集包括:多个液化天然气运输车各自对应的运行轨迹数据,每个运行轨迹数据包括:车辆标识、多个轨迹点各自的经纬度数据和时间戳;
相对应的,所述根据所述运行轨迹数据集,得到多个停留点经纬度数据,包括:
删除车辆标识相同并且时间戳相同的运行轨迹数据;
删除经纬度数据为空的运行轨迹数据;
应用中值滤波法处理运行轨迹数据中的噪声点;
根据处理后的运行轨迹数据,得到停留点经纬度数据。
第二方面,本申请提供一种液化天然气运输车的调度装置,包括:
获取模块,用于获取多个液化天然气运输车对应的运行轨迹数据集;
确定停留点模块,用于根据所述运行轨迹数据集,得到多个停留点经纬度数据;
聚类模块,用于应用所有停留点经纬度数据进行聚类,得到多个停留热点经纬度数据;
分类模块,用于应用所有停留热点经纬度数据进行分类,得到多个接卸液点经纬度数据;
确定接卸液行为模块,用于根据所述运行轨迹数据集和各个接卸液点经纬度数据,确定接卸液行为数据,以根据该接卸液行为数据,完成液化天然气运输车的调度。
第三方面,本申请提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的液化天然气运输车的调度方法。
第四方面,本申请一种计算机可读存储介质,其上存储有计算机指令,所述指令被执行时实现所述的液化天然气运输车的调度方法。
由上述技术方案可知,本申请提供一种液化天然气运输车的调度方法及装置。其中,该方法包括:获取多个液化天然气运输车对应的运行轨迹数据集;根据所述运行轨迹数据集,得到多个停留点经纬度数据;应用所有停留点经纬度数据进行聚类,得到多个停留热点经纬度数据;应用所有停留热点经纬度数据进行分类,得到多个接卸液点经纬度数据;根据所述运行轨迹数据集和各个接卸液点经纬度数据,确定接卸液行为数据,以根据该接卸液行为数据,完成液化天然气运输车的调度,能够提高液化天然气运输车调度的有效性,进而能够满足不同地区对液化天然气的需求;具体地,能够实现液化天然气运输车调度的定量分析,能够提高调度的准确性,进而能够最大程度地保证液化天然气公司的经济效益,提高液化天然气销售量。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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是本申请实施例中液化天然气运输车的调度方法的流程示意图;
图2是本申请另一实施例中液化天然气运输车的调度方法的流程示意图;
图3是本申请应用实例中液化天然气运输车的调度方法的流程示意图;
图4是本申请应用实例中系统管理员、分析决策员和数据聚合人员角色的权限示意图;
图5是本申请具体应用实例中液化天然气运输车的调度方法的逻辑示意图;
图6是本申请实施例中液化天然气运输车的调度装置的结构示意图;
图7是本申请应用实例中液化天然气运输车的调度装置的分层示意图;
图8为本申请实施例的电子设备的系统构成示意框图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
伴随着无线通讯、数据挖掘以及全球定位系统(Global Positioning System,GPS)等技术的飞速发展,人们对于移动对象轨迹数据的获取以及信息处理能力日益增强,越来越多的学者开始通过研究轨迹数据来解决实际问题。在智能交通、环境监测等研究领域中,关于海量轨迹数据的研究得到了广泛应用。GPS能够有效提供车辆定位、行驶路线监控等功能,通过GPS采集的轨迹数据中隐藏着丰富的信息,能够反映出车辆行驶状况以及交通热点区域。交通热点是指移动对象频繁经过的路段或停留的区域,包含了极为丰富的信息,能够反映日常活动中车辆行驶中对某一区域的重点关注。例如可以通过研究轨迹的热点停留区域,从而对停留区域做出分析与预测,对于城市规划、交通管理、企业管理等方面的决策起到了重要作用。
液化天然气运输车作为天然气企业重要的运输工具,其GPS数据能够实时动态地获取液化天然气运输车的轨迹数据,研究如何从海量液化天然气运输车的GPS轨迹数据中挖掘隐藏的信息,从中发现哪些地方是卸液热点区域和路径,提取出不同接卸液点对于液化天然气的需求情况,能够为天然气公司合理有效的分配车辆提供理论依据,能够提高天然气公司接卸液效率,减少人工成本,进而能够提高经济效益。
本申请根据天然气运输企业的现实需求,将企业需求分为两部分:一是搭建数据仓库平台,存入轨迹数据。二是对轨迹数据进行挖掘分析,为决策提供可靠的数据支持。基于此,提出一种液化天然气运输车的调度方法及装置,主要用于实现以下四部分主要内容:一是对原始轨迹数据进行数据处理,提高数据有效性;二是基于对液化天然气运输车的轨迹数据进行挖掘,找出减少运营成本,提高运输效率的需求;三是为了方便数据分析和存储,保证实时查询效率,将数据挖掘结果数据、企业历史销售数据和液场的信息存储在Hive数据仓库中,通过采用Hive的大数据存储,实现天然气公司有效派遣车辆,提高液化天然气销售量,四是为了便于企业人员查看液化天然气运输车的轨迹信息和液场的分布,提供可视化展示界面;五是对挖掘后的数据进行多维分析,包括:液化天然气需求的预测、液化天然气运输车的智能调度和通过卸液点等待时间的统计分析目前卸液存在的问题,并提出解决方案。
为了实现基于液化天然气运输车的轨迹数据的分析决策,本申请可以进行数据挖掘,本申请提出了一种新的基于密度的聚类算法ST-DBSCAN,它是通过修改DBSCAN算法而构建的。修改后的算法有两个优势:一是能够发现在时空数据上的聚类。二是在聚类时查找噪声对象时存在不同的密度;另外,本申请在ST-DBSCAN算法中引入密度因子,能够为每个类簇分配一个密度因子,它代表类簇密度的程度,当使用时空数据来进行算法聚类时,能够提高聚类的可靠性。
可以采用SpringBoots框架,基于JAVA语言的WEB框架,是一个流程较为扁平的轻量级Web应用,采用B/S架构,采用测试驱动的方式,对装置的每个功能模块进行测试,实现分析阶段的功能测试和非功能测试的目标。
可以采用决策分析算法:人工操作可以对某些核心且不够精确的问题进行定性处理,而计算机操作则可以对数据量巨大,相对精确且定量化的问题进行处理,结合人工操作和计算机的优点,改善其决策性能。通过结合数据仓库,可以对数据进行多层次分析。可以向客户提供更高效准确的信息。
为了提高液化天然气运输车调度的有效性,进而满足不同地区对液化天然气的需求,本申请实施例提供一种液化天然气运输车的调度装置,该装置可以是一服务器或客户端设备,所述客户端设备可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备和智能穿戴设备等。其中,所述智能穿戴设备可以包括智能眼镜、智能手表和智能手环等。
在实际应用中,进行液化天然气运输车的调度的部分可以在如上述内容所述的服务器侧执行,也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力,以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成,所述客户端设备还可以包括处理器。
上述的客户端设备可以具有通信模块(即通信单元),可以与远程的服务器进行通信连接,实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器,其他的实施场景中也可以包括中间平台的服务器,例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备,也可以包括多个服务器组成的服务器集群,或者分布式装置的服务器结构。
所述服务器与所述客户端设备之间可以使用任何合适的网络协议进行通信,包括在本申请提交日尚未开发出的网络协议。所述网络协议例如可以包括TCP/IP协议、UDP/IP协议、HTTP协议、HTTPS协议等。当然,所述网络协议例如还可以包括在上述协议之上使用的RPC协议(Remote Procedure Call Protocol,远程过程调用协议)、REST协议(Representational State Transfer,表述性状态转移协议)等。
需要说明的是,本申请公开的液化天然气运输车的调度方法及装置可用于金融技术领域,也可用于除金融技术领域之外的任意领域,本申请公开的液化天然气运输车的调度方法及装置的应用领域不做限定。
具体通过下述各个实施例进行说明。
为了提高液化天然气运输车调度的有效性,进而满足不同地区对液化天然气的需求,本实施例提供一种执行主体是液化天然气运输车的调度装置的液化天然气运输车的调度方法,该液化天然气运输车的调度装置包括但不限于服务器,如图1所示,该方法具体包含有如下内容:
步骤101:获取多个液化天然气运输车对应的运行轨迹数据集。
具体地,所述运行轨迹数据集为通过液化天然气运输车的全球定位系统(GlobalPositioning System,简称GPS)采集到的运行轨迹数据集;所述运行轨迹数据集包含有:多个液化天然气运输车各自对应的运行轨迹数据;每个液化天然气运输车可以对应一个或多个运行轨迹数据;每个运行轨迹数据可以对应一次接卸液行为;每个运行轨迹数据可以包含有:车辆ID、多个轨迹点各自的经纬度数据和时间戳。
步骤102:根据所述运行轨迹数据集,得到多个停留点经纬度数据。
具体地,所述停留点经纬度数据可以用于表示液化天然气运输车的停留点对应的位置信息。
步骤103:应用所有停留点经纬度数据进行聚类,得到多个停留热点经纬度数据。
具体地,所述停留热点经纬度数据可以用于表示液化天然气运输车的停留热点对应的位置信息。
步骤104:应用所有停留热点经纬度数据进行分类,得到多个接卸液点经纬度数据。
具体地,所述接卸液点经纬度数据可以用于表示通过应用所有停留热点经纬度数据进行分类,得到的接液点和卸液点对应的位置信息。
步骤105:根据所述运行轨迹数据集和各个接卸液点经纬度数据,确定接卸液行为数据,以根据该接卸液行为数据,完成液化天然气运输车的调度。
具体地,所述接卸液行为数据可以包含有:每个接卸液点对应的接卸液次数和/或平均接卸液时长。
由上述描述可知,本实施例提供的液化天然气运输车的调度方法,能够提高液化天然气运输车调度的有效性,进而能够满足不同地区对液化天然气的需求;具体地,能够实现液化天然气运输车调度的定量分析,能够提高调度的准确性,进而能够最大程度地保证液化天然气公司的经济效益,提高液化天然气销售量。
为了进一步提高得到停留点经纬度数据的准确性,在本申请一个实施例中,所述运行轨迹数据集包括:多个液化天然气运输车各自对应的运行轨迹数据,每个运行轨迹数据包括:多个轨迹点各自的经纬度数据和时间戳;相对应的,参见图2,步骤102包括:
步骤201:若根据所述运行轨迹数据集,确定同一液化天然气运输车存在对应多个时间戳并且该时间戳连续的轨迹点,则将该轨迹点作为运输车停留点,将该运输车停留点对应的经纬度数据作为所述停留点经纬度数据。
可以理解的是,若运行轨迹数据中存在多个连续时间戳对应同一经纬度数据,则确定同一液化天然气运输车存在对应多个时间戳并且该时间戳连续的轨迹点;所述时间戳用于表示液化天然气运输车位于轨迹点处的时间点;所述运行轨迹数据中的时间戳可以按照从前往后排序,时间戳连续可以表示在同一运行轨迹数据中的多个时间戳相邻。还可以从所述运行轨迹数据中提取得到车辆ID、时间、停留时间、停留距离和每个簇类的停留点个数。
为了进一步提高得到停留热点经纬度数据的准确性,在本申请一个实施例中,参见图2,步骤103包括:
步骤301:应用ST-DBSCAN聚类算法和所述停留点经纬度数据,得到停留热点经纬度数据。
具体地,基于密度的聚类算法ST-DBSCAN,通过修改DBSCAN算法而构建的,能够发现在时空数据上的聚类,同时,能够在聚类时查找噪声对象时存在不同的密度。进一步地,本实施例提供的ST-DBSCAN聚类算法可以为每个类簇分配一个密度因子,它代表类簇密度的程度。
为了进一步提高得到接卸液点经纬度数据的准确性,在本申请一个实施例中,参见图2,步骤104包括:
步骤401:根据预设的分类模型和所述停留热点经纬度数据,得到接卸液点经纬度数据;所述预设的分类模型为预先训练得到的决策树模型。
其中,所述预设的分类模型可以为应用Grid Search CV探索方法确定最优参数组合的随机森林模型。
为了进一步提高确定得到接卸液次数的准确性,进而提高液化天然气运输车调度的准确性,在本申请一个实施例中,所述接卸液行为数据包括:每个接卸液点对应的接卸液次数;相对应的,参见图2,步骤105包括:
步骤501:获取每个接卸液点经纬度数据在所述运行轨迹数据集中出现的次数,作为每个接卸液点的接卸液次数。
每个接卸液点经纬度数据可以对应一个接液点或卸液点;若一接卸液点经纬度数据在所述运行轨迹数据集的一个运行轨迹数据中并且对应多个时间戳,则可以表示该接卸液点经纬度数据在所述运行轨迹数据集中出现一次。
步骤502:根据预设的接卸液次数和计划发车数量之间的对应关系表和每个接卸液点对应的接卸液次数,确定每个接卸液点对应的计划发车数量。
具体地,所述预设的接卸液次数和计划发车数量之间的对应关系表可根据实际需要进行设置,本申请对此不作限制,可以预先存储在所述液化天然气运输车的调度装置的本地数据库中;可以根据所述计划发车数量和当前发车数量调整增加或减少的发车数量,以完成液化天然气运输车的调度。
为了进一步提高确定得到平均接卸液时长的准确性,进而提高液化天然气运输车调度的准确性,在本申请一个实施例中,所述接卸液行为数据包括:每个接卸液点对应的平均接卸液时长;相对应的,步骤105包括:
步骤601:根据每个接卸液点经纬度数据在所述运行轨迹数据集中对应的时间戳,得到每个接卸液点对应的平均接卸液时长。
所述每个接卸液点对应的平均接卸液时长可以用于表示接卸液点对应的多次接卸液行为各自的接卸液时长的平均值。
举例来说,接卸液点经纬度数据A在运行轨迹数据B中对应多个时间戳,起始时间戳为2021年3月14日13点10分,结束时间戳为2021年3月14日13点25分;因此,接卸液点经纬度数据A在运行轨迹数据B中对应的接卸液时长为15分钟;接卸液点经纬度数据A还可以在运行轨迹数据C、D……中对应多个时间戳,得到在C、D中对应的接卸液时长;将各个接卸液时长的平均值作为接卸液点经纬度数据A对应的接卸液点的平均接卸液时长。
步骤602:根据预设的接卸液时长和计划发车数量之间的对应关系表和每个接卸液点对应的平均接卸液时长,确定每个接卸液点对应的计划发车数量。
具体地,所述预设的接卸液时长和计划发车数量之间的对应关系表可根据实际需要进行设置,本申请对此不作限制,可以预先存储在所述液化天然气运输车的调度装置的本地数据库中;可以从所述预设的接卸液时长和计划发车数量之间的对应关系表中提取接卸液时长为所述平均接卸液时长的对应关系,将该对应关系中的计划发车数量,作为所述平均接卸液时长对应的计划发车数量即所述平均接卸液时长对应的接卸液点的计划发车数量;可以根据所述计划发车数量和当前发车数量调整增加或减少的发车数量,以完成液化天然气运输车的调度。
为了进一步提高得到停留点经纬度数据的准确性和效率,在本申请一个实施例中,所述运行轨迹数据集包括:多个液化天然气运输车各自对应的运行轨迹数据,每个运行轨迹数据包括:车辆标识、多个轨迹点各自的经纬度数据和时间戳;相对应的,步骤102包括:
步骤701:删除车辆标识相同并且时间戳相同的运行轨迹数据。
具体地,车辆标识可以是车牌号,用于区分不同的液化天然气运输车。
步骤702:删除经纬度数据为空的运行轨迹数据。
步骤703:应用中值滤波法处理运行轨迹数据中的噪声点。
具体地,由于GPS信号不稳定,运行轨迹数据中可能会有噪声点,采用中值滤波对噪声点进行处理。
步骤704:根据处理后的运行轨迹数据,得到停留点经纬度数据。
为了进一步说明本方案,本申请提供一种液化天然气运输车的调度方法的应用实例,如图3所示,该方法包含有:用户发起请用装置请求,初始化装置,获取数据,数据清洗和存储,聚类分析、决策树提取接卸液点、LOOP循环提取、可视化展示和分析决策,在决策树提取接卸液点之后还可以进行液化天然气运输车查询;具体描述如下:
1)数据处理:
包括数据清洗,轨迹滤波,数据转换,时间去重和停留点提取等;将数据预处理后的数据存入本地数据库。
(1)数据清洗:将原始轨迹数据文件按车牌号分类存储,同一文件下将时间戳相同的轨迹数据剔除,将时间戳转换成日期,将原始轨迹数据文件中经纬度不准确的或者不在国内的删除,将同一文件下时间戳相同的删除。
(2)轨迹滤波:由于GPS信号不稳定,轨迹数据中可能会有噪声点,采用中值滤波对噪声点进行处理。
(3)停留点提取:从原始轨迹数据文件中先提取出车辆的停留点数据,将行驶部分的轨迹数据剔除,将处理后的数据存入数据库。
2)数据挖掘:
主要完成液场的提取,卸液地区的提取,找出LNG车接卸液的轨迹行为规律。
(1)聚类分析:对停留点数据采用ST-DBSCAN算法聚类,得到停留热点区域,并计算热点区域中心点的经纬度和停留时长等信息。
(2)决策树分析:采取决策树分析,确定聚类结果对应的停留区域具体哪些是接卸液点,根据可视化模块的人工标注的信息,进一步优化决策树算法,最终输出接卸液点数据,将其存储在数据库中,为数据可视化和分析决策提供依据。
(3)LOOP循环提取:利用提取出来的接卸液点数据,从原始轨迹数据文件中提取出LNG车一次接卸液行为数据,存入数据库,为后续LNG筛选和分析决策提供数据支撑。
(4)LNG车筛选:原始轨迹文件中夹杂着非LNG车的轨迹数据,属于无效数据,影响后续分析决策,需要将其剔除。
3)数据管理:
(1)数据仓库(Extract-Transform-Load,简称ETL)作业:ETL过程是该系统的基石。决定这后续查询、挖掘和分析的性能。首先设计作业过程。在获取到资源存储位置信息后获得对应ETL作业的相关信息,之后通过Kettle API对ETL作业进行调度。主要管理操作有作业基本管理,包括对ETL作业的增删改查操作、作业定时管理,针对定时作业的管理和作业日志管理。
(2)元数据管理:涉及到的数据库、表和字段信息进行管理,方便开发人员对这些信息的掌控和把握。也方便对于系统跟着企业部门架构的调整而变化。
4)可视化展示:
将数据挖掘处理后的数据放在数据库中,提供轨迹文件播放,液场显示,卸液点显示,人工标注和LOOP循环展示等功能。
(1)地图匹配:指将行车轨迹的经纬度采样序列与数字地图路网匹配的过程。
(2)轨迹文件播放:用户通过选择车牌号以及时间信息,可以在地图上展示轨迹,用户可直观观察到该车的行驶状况。
(3)接卸点显示:将全国的所有液场和卸液点信息在地图上显示,用户可直观观察各个液场信息。
(4)人工标注:通过随机采样原则,将一部分聚类的停留热点区域在地图上展示出来,通过人为查看真实的地图信息,标注停留点的属性,主要包括有:加油站、停车场、接液点、卸液点、物流中心和堵车点。
(5)LOOP循环显示:将LNG车的一次接液卸液行为(LOOP)循环在地图上显示,用户可直观看到一次接卸液所需花费的时间等信息。
具体地,可以输出一可视化界面,界面左侧包括:卸液次数柱状图和卸液次数折线图,卸液次数柱状图的横坐标表示主要卸液点名称,纵坐标表示卸液次数;卸液次数折线图的横坐标表示月份,纵坐标表示卸液次数。界面右侧包括:终端销售前八名的卸液点进行一个排序,并且将各个卸液点的销售量也显示出来,用户通过鼠标点击即可查看到具体的销售数据。
具体地,还可以输出另一可视化界面,用于对企业存在的问题进行分析描述,界面左侧是对接液点统计,分析液场每个月的产能,将产能排名前八的液场信息展示出来,对于产能量大的液场,可以多排车辆去接液。中间是将卸液等待时间较长的液场信息展示出来,说明这些液场分配的LNG车较多,可以适当减少车辆派遣卸液。界面右侧是对贸易循环时间得占比做一统计说明,根据数据企业决策人员可以清晰看到一次接卸液循环所需要的时间,以及不同时间所占比例。
5)分析决策:
通过对轨迹数据挖掘处理后的数据和已有的销售数据对比分析,提供未来LNG车有效调度、终端销售预测和终端物流分析。
(1)终端销售统计:通过统计LNG车在卸液点的卸液次数,分析终端销售情况,对于卸液次数较多的区域说明销售情况好,对LNG的需求量比其他区域大,这个地方以后可多派遣车辆。
(2)终端卸液等待时间统计:统计终端的卸液等待时间,卸液等待时间较长的区域,说明派遣的液化天然气运输车较多,造成资源浪费,后续为这些区域减少LNG的输送,将LNG车派遣到对LNG需求量较大的预期,增加LNG企业销量。
(3)终端销售预测:对液场的卸液次数进行分析,通过等待时间、卸液次数和车辆来往间隔等维度综合来衡量终端销售利润。
(4)液化天然气运输车调度:根据历史数据,统计LNG一次接卸液需要的时间和行驶距离,对于液场和终端距离较远的区域,尽量不分配LNG车参与接卸液,分配更好的液化天然气运输车调度方式。
按照权限和功能划分,可以将本装置的使用人员划分成三种类型的用户,分别是系统管理员、数据聚合人员和分析决策人员。各位参与人员都有着不同的权限范围,系统管理员拥有本装置的最高权限,能够对数据聚合人员和数据分析决策人员的权限进行分配和管理。其他角色人员各司其职,如有业务需求,需要其他的操作权限,可以向管理员申请,由管理员核准后赋予操作权限。数据聚合人员主要参与数据库管理、元数据管理、日志管理和轨迹数据管理;分析决策人员主要参与轨迹数据处理、数据挖掘结果的查询和参与业务分析决策工作。参见图4,三类角色的具体分工为:
1)系统管理员
系统管理员拥有对用户管理、业务管理以及系统管理和维护的权限;对于用户和角色的管理,系统管理员可以对其进行权限添加和删除等;对于业务的管理,拥有所有操作和管理的权限,包括对本装置进行关系操作的权限;对于系统的管理,拥有对LNG车辆调度系统即上述调度装置进行管理操作的权限;另外,系统维护的管理,是对装置修改和维护等操作是不可缺少的一个权限。
数据聚合人员和分析决策人员的权限修改也需要经过系统管理员的同意后方可修改。系统管理员还需要及时针对用户提出的问题进行解决和处理。
2)数据聚合人员
对于数据聚合人员拥有对本装置日志管理、数据管理和数据库管理的权限;对于日志管理,主要是检查和下载规整日志信息;对于接卸液点管理,接卸液点数据的准确性关系到分析决策的有效性,至关重要,除此之外,还可以对数据库的配置和元数据有一定的管理权限,数据库配置管理的主要内容是对关系数据库管理系统(Relational DatabaseManagement System,简称RDBMS)信息和数据仓库信息进行管理。
3)分析决策人员
分析决策人员是本装置的主要使用人员,拥有数据处理、数据挖掘、分析决策和可视化展示的权限;具体的功能的侧重,取决于用户侧重分析还是决策。分析决策人员可以对RDBMS中的源数据信息进行数据挖掘,进而对相关业务做出决策支持。
具体地,本应用实例提供的液化天然气运输车的调度方法包含有三部分,第一部分是数据预处理,第二部分是接卸液点提取算法,首先采用时空密度聚类算法的提取停留热点,然后通过随机森林算法的提取接卸液点,第三部分是根据算法挖掘的数据和历史销售数据分析决策。其中,第一部分,获得数据并做清洗、处理和存储。第二部分,将各种数据经过模型计算后存储在数据库和热点缓存等数据存储部分中。第三部分,根据所得数据进行分析决策。
算法设计
1)ST-DBSCAN算法
ST-DBSCAN算法思想:从轨迹数据库T(i)的第一点开始。处理完该点后,它将选择T中的下一个点。如果所选对象不属于任何群集(ii),则将调用Retrieve_Neighbors函数(iii)。调用Retrieve_Neighbors(object,Eps1,Eps2)会将距离小于Eps1和Eps2参数的对象返回到所选对象。即Retrieve_Neighbors函数从选定对象中针对Eps1,Eps2和MinPts检索所有密度可达的对象。结果集形成所选对象的Eps邻域。Retrieve_Neigh bours(object,Eps1,Eps2)等于Retrieve_Neighbours(object,Eps1)和Retrieve_Neigh bours(object,Eps2)的交集。如果Eps邻域中的返回点总数小于MinPts输入,则将该对象指定为噪声(iv)。意味着所选点没有足够的邻居来聚类。如果标记的点不是直接达到密度,而是从数据的其他点可以达到密度,则可以稍后更改标记为噪声的点。这发生在群集的边界点。
如果所选点在Eps1和Eps2距离内具有足够的邻居(如果它是核心对象),则将构建一个新的群集(v)。然后,此核心对象的所有直接可达到密度的邻居也都标记为新的群集标签。然后,该算法通过以下方式迭代地从该核心对象中收集密度可达到的对象:使用堆栈(vi)。堆栈对于从直接可达到密度的对象中找到可达到密度的对象是必需的。如果对象未标记为噪声或不在群集中,并且群集的平均值与新出现的值之间的差小于T,则将其放入当前群集(vii)。处理完选定的点后,算法选择T中的下一个点,然后算法继续迭代,直到处理完所有点为止。ST-DBSCAN算法的代码流程如下所示。
算法通过使用Retrieve_Neighbors函数(算法中的第(3)行)搜索任何对象的邻居时,它会同时考虑空间和时间邻域。将对象的非空间值与空间邻居的非空间值以及时间邻居的非空间值进行比较。通过这种方式,当算法应用于除空间和非空间值之外的包含时间值的表时,将数据的非空间,空间和时间特性均用于聚类。如果两个群集C1和C2非常接近,则点p可能同时属于C1和C2。在这种情况下,点p在C1和C2中都必须是边界点。该算法将点p分配给首先发现的集群。本应用实例提出的基于密度的聚类算法ST-DBSCAN,是通过修改DBSCAN算法而构建的,为每个类簇分配一个密度因子,表示类簇密度的程度。当使用时空数据来进行算法聚类时,密度因子的引入很有必要。修改后的算法有两个优势:一是能够发现在时空数据上的聚类,二是在聚类时查找噪声对象时存在不同的密度。
2)决策树算法
为了提取接卸液点坐标,首先构建一个随机森林。随机森林中存储着轨迹数据的接卸液行为习惯,以及从训练数据中得到的每个变量信息熵裂变点。根据随机森林模型的原理分析,使用决策树模型提取接卸液点的过程如下:
(1)随机选取训练样本子集
使用Bootstrap采样方式,从训练样本集S中随机选择n个训练样本子集S1,S2…,Sn,用来构建n棵CART分类树。
(2)构建决策树及随机森林
获取到的LNG轨迹数据中影响提取接卸液点的特征属性有:车辆ID、停留时间、停留点经纬度、停留距离、开始停留时间、停留点附近POI、平均速度、总耗时、总里程和轨迹里程。其中,平均速度、总耗时、总里程和轨迹里程是根据轨迹数据计算出来的,与接卸液点的提取没有关系,为了加快训练速度,先排除这几个不相关的特征属性。
以基尼(Gini)指数最小化准则从训练样本子集中选择最佳分割属性作为节点来建立CART分类树,重复n次即可构建拥有n棵决策树的随机森林,随机森林中决策树的棵数n可以根据预测结果调整。
(3)获取结果候选集
随机森林构建完成后,将测试集中的测试数据:车辆ID、停留点经纬度、停留时间、停留距离、标注的轨迹LOOP循环数据(包括:接液点经纬度、卸液点经纬度、接液时间、接液点距离、卸液时间和卸液点距离)作为输入,得到各决策树提取轨迹数据中的接卸液点的结果候选集合{T1,T2,…,Tn}。
(4)投票决定预测结果
采用相对多数投票来获得提取结果:
本申请使用的数据为天然气企业提供的2017年9月1日至2018年2月28日的液化天然气运输车的轨迹数据集,这些轨迹数据经过数据处理提取出停留点数据,经过ST-DBSCAN算法将停留点数据聚类,聚类后的数据集用于随机森林提取接卸液点数据。数据内容包括:车辆ID、时间、停留点经度、停留点纬度、停留时间、停留距离、每个簇类的停留点个数等。
为了提高模型的准确率,必须要对模型的参数进行调优;采用Grid Search CV探索的方法来寻找随机森林模型的最优参数组合,Grid Search CV的使用非常简单,只要输入需要的参数,就能自动调参并给出最优的结果和参数。通过Grid Search CV调参后最终获得的随机森林接卸液点提取模型参数设置如下表1:
表1
由此提取出来的接卸液点坐标和已知的部分销售数据核验,来验证算法的准确性。首先通过2017年10月1日到2017年12月31日的轨迹数据提取出接液点坐标,其中的液化天然气运输车有4786辆,销售记录有87698条。核验方法是将算法提取到的接卸液行为与销售记录进行比对,若车牌、日期一致则判定为正确,否则判定为接卸液缺失。对缺失的接液行为,提取该车辆当天轨迹数据,若存在液厂周边2公里内的轨迹点,则判定为算法失效,否则判定为数据缺失。
其中10436条未匹配成功,77262条匹配正确,5796条数据轨迹缺失,870条接卸液行为遗漏,正确率为:
77262/(77262+870)=98.89%
数据缺失率为:5796/87698=6.6%
为了进一步说明本方案,本申请提供一种液化天然气运输车的调度方法的应用实例,参见图5,该方法可应用于决策分析系统即上述液化天然气运输车的调度装置,该方法主要包括:数据库管理、ETL作业管理、LNG轨迹数据挖掘、数据处理、可视化展示和决策分析;其中,数据库管理包含有数据库参数的管理;ETL作业管理包括:对ETL过程进行管理和控制。可以根据企业实际数据,对获得的源数据进行抽取、清洗和加载处理。将ETL作业保存到Kettle资源库,可以选择相应的目录读取所存储的作业数据,对其进行一系列管理操作。主要的管理操作有作业启动停止暂停操作、作业定时执行、作业参数修改、作业读取删除、查看作业日志等,待调度装置发出相关作业操作成功的提示以后,ETL作业管理活动结束;LNG轨迹数据挖掘包含有:对参数名称进行数据挖掘;数据处理包含有:应用车牌号、经度和纬度进行停留点提取,将停留点的停留时间、经度和维度存入MySQL数据库以完成存储数据;可视化展示包含有参数名称可视化;决策分析包含有对参数名称进行分析;另外,用户根据成员名、用户名和密码完成用户验证,确定角色的角色名称和角色等级以完成角色管理,确定权限的功能名称和操作名称以完成权限管理,根据权限完成菜单管理,菜单管理包含有根据菜单名称和上一级菜单查看菜单和修改菜单等。
从软件层面来说,为了提高液化天然气运输车调度的有效性,进而满足不同地区对液化天然气的需求,本申请提供一种用于实现所述液化天然气运输车的调度方法中全部或部分内容的液化天然气运输车的调度装置的实施例,参见图6,所述液化天然气运输车的调度装置具体包含有如下内容:
获取模块10,用于获取多个液化天然气运输车对应的运行轨迹数据集;
确定停留点模块20,用于根据所述运行轨迹数据集,得到多个停留点经纬度数据;
聚类模块30,用于应用所有停留点经纬度数据进行聚类,得到多个停留热点经纬度数据;
分类模块40,用于应用所有停留热点经纬度数据进行分类,得到多个接卸液点经纬度数据;
确定接卸液行为模块50,用于根据所述运行轨迹数据集和各个接卸液点经纬度数据,确定接卸液行为数据,以根据该接卸液行为数据,完成液化天然气运输车的调度。
本说明书提供的液化天然气运输车的调度装置的实施例具体可以用于执行上述液化天然气运输车的调度方法的实施例的处理流程,其功能在此不再赘述,可以参照上述液化天然气运输车的调度方法实施例的详细描述。
为了进一步说明本方案,本申请提供一种液化天然气运输车的调度装置的应用实例,参见图7,该装置分为四层,自下向上为:数据采集层、数据源层、中间接口层和应用层,应用层即应用窗口层,具体描述如下:
1)数据采集层主要是通过液化天然气运输车的GPS定位设备采集液化天然气运输车的轨迹数据。
2)数据源层,存储的数据主要分为四部分:第一部分是原始的轨迹数据。第二部分是兴趣点(Point of Interest,简称POI)信息,每个POI包含四方面信息:名称、类别、经纬度和周边信息,周边信息可以包含有:附近的酒店饭店商铺等信息。第三部分是路网信息,第四部分是人工标注的接卸液点信息,主要包括接卸液点的经度、纬度和液场名称。
3)中间接口层,用于将数据源层的各数据聚合起来,并对应用窗口层提供对融合后数据的访问接口。
4)应用窗口层是面向用户的层,根据用户需求开发相应的窗口,是用户的系统交互的场所,主要用于数据可视化、数据挖掘、综合查询和分析决策。
由上述描述可知,本申请提供的液化天然气运输车的调度方法及装置,能够提高液化天然气运输车调度的有效性,进而能够满足不同地区对液化天然气的需求;具体地,能够实现液化天然气运输车调度的定量分析,能够提高调度的准确性,进而能够最大程度地保证液化天然气公司的经济效益,提高液化天然气销售量。
从硬件层面来说,为了提高液化天然气运输车调度的有效性,进而满足不同地区对液化天然气的需求,本申请提供一种用于实现所述液化天然气运输车的调度方法中的全部或部分内容的电子设备的实施例所述电子设备具体包含有如下内容:
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述通信接口用于实现所述液化天然气运输车的调度装置以及用户终端等相关设备之间的信息传输;该电子设备可以是台式计算机、平板电脑及移动终端等,本实施例不限于此。在本实施例中,该电子设备可以参照实施例用于实现所述液化天然气运输车的调度方法的实施例及用于实现所述液化天然气运输车的调度装置的实施例进行实施,其内容被合并于此,重复之处不再赘述。
图8为本申请实施例的电子设备9600的系统构成的示意框图。如图8所示,该电子设备9600可以包括中央处理器9100和存储器9140;存储器9140耦合到中央处理器9100。值得注意的是,该图8是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
在本申请一个或多个实施例中,液化天然气运输车的调度功能可以被集成到中央处理器9100中。其中,中央处理器9100可以被配置为进行如下控制:
步骤101:获取多个液化天然气运输车对应的运行轨迹数据集。
步骤102:根据所述运行轨迹数据集,得到多个停留点经纬度数据。
步骤103:应用所有停留点经纬度数据进行聚类,得到多个停留热点经纬度数据。
步骤104:应用所有停留热点经纬度数据进行分类,得到多个接卸液点经纬度数据。
步骤105:根据所述运行轨迹数据集和各个接卸液点经纬度数据,确定接卸液行为数据,以根据该接卸液行为数据,完成液化天然气运输车的调度。
从上述描述可知,本申请的实施例提供的电子设备,能够提高液化天然气运输车调度的有效性,进而能够满足不同地区对液化天然气的需求。
在另一个实施方式中,液化天然气运输车的调度装置可以与中央处理器9100分开配置,例如可以将液化天然气运输车的调度装置配置为与中央处理器9100连接的芯片,通过中央处理器的控制来实现液化天然气运输车的调度功能。
如图8所示,该电子设备9600还可以包括:通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是,电子设备9600也并不是必须要包括图8中所示的所有部件;此外,电子设备9600还可以包括图8中没有示出的部件,可以参考现有技术。
如图8所示,中央处理器9100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中,存储器9140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序,以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器9140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142,该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143,该数据存储部9143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块9110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132,以经由扬声器9131提供音频输出,并接收来自麦克风9132的音频输入,从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器9130还耦合到中央处理器9100,从而使得可以通过麦克风9132能够在本机上录音,且使得可以通过扬声器9131来播放本机上存储的声音。
上述描述可知,本申请的实施例提供的电子设备,能够提高液化天然气运输车调度的有效性,进而能够满足不同地区对液化天然气的需求。
本申请的实施例还提供能够实现上述实施例中的液化天然气运输车的调度方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的液化天然气运输车的调度方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
步骤101:获取多个液化天然气运输车对应的运行轨迹数据集。
步骤102:根据所述运行轨迹数据集,得到多个停留点经纬度数据。
步骤103:应用所有停留点经纬度数据进行聚类,得到多个停留热点经纬度数据。
步骤104:应用所有停留热点经纬度数据进行分类,得到多个接卸液点经纬度数据。
步骤105:根据所述运行轨迹数据集和各个接卸液点经纬度数据,确定接卸液行为数据,以根据该接卸液行为数据,完成液化天然气运输车的调度。
从上述描述可知,本申请实施例提供的计算机可读存储介质,能够提高液化天然气运输车调度的有效性,进而能够满足不同地区对液化天然气的需求。
本申请中上述方法的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见方法实施例的部分说明即可。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本申请中应用了具体实施例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种液化天然气运输车的调度方法,其特征在于,包括:
获取多个液化天然气运输车对应的运行轨迹数据集;
根据所述运行轨迹数据集,得到多个停留点经纬度数据;
应用所有停留点经纬度数据进行聚类,得到多个停留热点经纬度数据;
应用所有停留热点经纬度数据进行分类,得到多个接卸液点经纬度数据;
根据所述运行轨迹数据集和各个接卸液点经纬度数据,确定接卸液行为数据,以根据该接卸液行为数据,完成液化天然气运输车的调度。
2.根据权利要求1所述的液化天然气运输车的调度方法,其特征在于,所述运行轨迹数据集包括:多个液化天然气运输车各自对应的运行轨迹数据,每个运行轨迹数据包括:多个轨迹点各自的经纬度数据和时间戳;
相对应的,所述根据所述运行轨迹数据集,得到多个停留点经纬度数据,包括:
若根据所述运行轨迹数据集,确定同一液化天然气运输车存在对应多个时间戳并且该时间戳连续的轨迹点,则将该轨迹点作为运输车停留点,将该运输车停留点对应的经纬度数据作为所述停留点经纬度数据。
3.根据权利要求1所述的液化天然气运输车的调度方法,其特征在于,所述应用所有停留点经纬度数据进行聚类,得到多个停留热点经纬度数据,包括:
应用ST-DBSCAN聚类算法和所述停留点经纬度数据,得到停留热点经纬度数据。
4.根据权利要求1所述的液化天然气运输车的调度方法,其特征在于,所述应用所有停留热点经纬度数据进行分类,得到多个接卸液点经纬度数据,包括:
根据预设的分类模型和所述停留热点经纬度数据,得到接卸液点经纬度数据;所述预设的分类模型为预先训练得到的决策树模型。
5.根据权利要求1所述的液化天然气运输车的调度方法,其特征在于,所述接卸液行为数据包括:每个接卸液点对应的接卸液次数;
相对应的,所述根据所述运行轨迹数据集和各个接卸液点经纬度数据,确定接卸液行为数据,以根据该接卸液行为数据,完成液化天然气运输车的调度,包括:
获取每个接卸液点经纬度数据在所述运行轨迹数据集中出现的次数,作为每个接卸液点的接卸液次数;
根据预设的接卸液次数和计划发车数量之间的对应关系表和每个接卸液点对应的接卸液次数,确定每个接卸液点对应的计划发车数量。
6.根据权利要求1所述的液化天然气运输车的调度方法,其特征在于,所述接卸液行为数据包括:每个接卸液点对应的平均接卸液时长;
相对应的,所述根据所述运行轨迹数据集和各个接卸液点经纬度数据,确定接卸液行为数据,以根据该接卸液行为数据,完成液化天然气运输车的调度,包括:
根据每个接卸液点经纬度数据在所述运行轨迹数据集中对应的时间戳,得到每个接卸液点对应的平均接卸液时长;
根据预设的接卸液时长和计划发车数量之间的对应关系表和每个接卸液点对应的平均接卸液时长,确定每个接卸液点对应的计划发车数量。
7.根据权利要求1所述的液化天然气运输车的调度方法,其特征在于,所述运行轨迹数据集包括:多个液化天然气运输车各自对应的运行轨迹数据,每个运行轨迹数据包括:车辆标识、多个轨迹点各自的经纬度数据和时间戳;
相对应的,所述根据所述运行轨迹数据集,得到多个停留点经纬度数据,包括:
删除车辆标识相同并且时间戳相同的运行轨迹数据;
删除经纬度数据为空的运行轨迹数据;
应用中值滤波法处理运行轨迹数据中的噪声点;
根据处理后的运行轨迹数据,得到停留点经纬度数据。
8.一种液化天然气运输车的调度装置,其特征在于,包括:
获取模块,用于获取多个液化天然气运输车对应的运行轨迹数据集;
确定停留点模块,用于根据所述运行轨迹数据集,得到多个停留点经纬度数据;
聚类模块,用于应用所有停留点经纬度数据进行聚类,得到多个停留热点经纬度数据;
分类模块,用于应用所有停留热点经纬度数据进行分类,得到多个接卸液点经纬度数据;
确定接卸液行为模块,用于根据所述运行轨迹数据集和各个接卸液点经纬度数据,确定接卸液行为数据,以根据该接卸液行为数据,完成液化天然气运输车的调度。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至7任一项所述的液化天然气运输车的调度方法。
10.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,所述指令被执行时实现权利要求1至7任一项所述的液化天然气运输车的调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110464903.5A CN113159594B (zh) | 2021-04-28 | 2021-04-28 | 液化天然气运输车的调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110464903.5A CN113159594B (zh) | 2021-04-28 | 2021-04-28 | 液化天然气运输车的调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113159594A true CN113159594A (zh) | 2021-07-23 |
CN113159594B CN113159594B (zh) | 2024-03-08 |
Family
ID=76871998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110464903.5A Active CN113159594B (zh) | 2021-04-28 | 2021-04-28 | 液化天然气运输车的调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113159594B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106802614A (zh) * | 2016-11-30 | 2017-06-06 | 上海雷尼威尔技术有限公司 | 基于物联网的lng系统管理系统 |
CN108170793A (zh) * | 2017-12-27 | 2018-06-15 | 厦门市美亚柏科信息股份有限公司 | 基于车辆语义轨迹数据的停留点分析方法及其系统 |
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 |
CN111291929A (zh) * | 2020-01-21 | 2020-06-16 | 上海中旖能源科技有限公司 | 基于深度学习的液化天然气接卸液点预测方法及装置 |
-
2021
- 2021-04-28 CN CN202110464903.5A patent/CN113159594B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106802614A (zh) * | 2016-11-30 | 2017-06-06 | 上海雷尼威尔技术有限公司 | 基于物联网的lng系统管理系统 |
CN108170793A (zh) * | 2017-12-27 | 2018-06-15 | 厦门市美亚柏科信息股份有限公司 | 基于车辆语义轨迹数据的停留点分析方法及其系统 |
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 |
CN111291929A (zh) * | 2020-01-21 | 2020-06-16 | 上海中旖能源科技有限公司 | 基于深度学习的液化天然气接卸液点预测方法及装置 |
Non-Patent Citations (1)
Title |
---|
张明杰,等: "基于加气站槽车调度的模型建立与算法研究", 信息技术, 31 May 2011 (2011-05-31) * |
Also Published As
Publication number | Publication date |
---|---|
CN113159594B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106844372B (zh) | 一种物流信息查询方法和装置 | |
US11966424B2 (en) | Method and apparatus for dividing region, storage medium, and electronic device | |
CN111709613A (zh) | 基于数据统计的任务自动分配方法、装置及计算机设备 | |
CN106875670B (zh) | Spark平台下基于GPS数据的出租车调配方法 | |
CN109684373B (zh) | 基于出行和话单数据分析的重点关系人发现方法 | |
CN107481511A (zh) | 一种计算候选公交站点的方法及系统 | |
CN103955814B (zh) | 计算机中基于数据立方体的物流智能交易数据处理方法 | |
CN103150696A (zh) | 选择目标增值业务潜在客户的方法及装置 | |
CN104991924A (zh) | 用于确定新供应点的地址的方法和装置 | |
CN109087030A (zh) | 实现c2c通用移动众包的方法、通用移动众包服务器及系统 | |
CN111598603A (zh) | 仓库选址方法、装置、设备及存储介质 | |
US20200394581A1 (en) | Non-linear systems and methods for destination selection | |
Shao et al. | Estimating taxi demand-supply level using taxi trajectory data stream | |
CN116437291B (zh) | 一种基于手机信令的文化圈规划方法和系统 | |
CN114429364A (zh) | 业务数据管理方法和装置、存储介质及电子设备 | |
CN112183916A (zh) | 土地储备生命周期管理系统 | |
Askari et al. | Taxi demand prediction using an LSTM-based deep sequence model and points of interest | |
CN106850777B (zh) | 推送信息的方法和装置 | |
CN110012426B (zh) | 消亡poi的确定方法、装置、计算机设备和存储介质 | |
CN117217710A (zh) | 一种虚拟商品与快捷服务的智能化管理方法及系统 | |
CN113159594B (zh) | 液化天然气运输车的调度方法及装置 | |
CN116433053A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN110765226A (zh) | 货主匹配方法、装置、设备和介质 | |
CN113176873B (zh) | 用于信息管理的方法和装置、电子设备、及介质 | |
CN115375237A (zh) | 一种冷链物流智能管理方法、系统、设备和存储介质 |
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 |