CN113886374A - 一种基于gps数据和车辆运单计算车辆载货里程的方法 - Google Patents
一种基于gps数据和车辆运单计算车辆载货里程的方法 Download PDFInfo
- Publication number
- CN113886374A CN113886374A CN202111077405.1A CN202111077405A CN113886374A CN 113886374 A CN113886374 A CN 113886374A CN 202111077405 A CN202111077405 A CN 202111077405A CN 113886374 A CN113886374 A CN 113886374A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- waybill
- data
- mileage
- cargo
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Networks & Wireless Communication (AREA)
- Quality & Reliability (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于GPS数据和车辆运单计算车辆载货里程的方法,属于车辆载货里程计算技术领域,用于解决通过GPS数据和车辆运单计算车辆载货里程的技术问题。本发明通过对车辆GPS数据和运单数据进行预处理;形成有效的GPS数据集和运单数据集;并按照日期进行数据划分,统计不同日期下的车辆载货里程和载货行驶时间;对车辆GPS数据和运单数据进行空间匹配,并进行车辆载货里程的测算;最后对测算结果和车辆运单对应的最短路径里程进行对比,判断运单是否正常。本发明基于单车数据实现车辆及载货里程的识别,有效判断运单数据的准确性,减少对传感器及道路监测设备的依赖,为车辆运输调度方案、交通管理提供数据支撑与决策支持。
Description
技术领域
本发明属于车辆载货里程计算技术领域,涉及一种基于GPS数据和车辆运单计算车辆载货里程的方法。
背景技术
车辆载货里程是指车辆运输货物的距离。用于支撑货物运输调查、车辆运行效率评价等,也是确定货车装载货物运输里程的主要依据。目前车辆载货里程的主要获取技术为交通调查,成本较高,长期维护难度大、在车辆中覆盖有限,目前无法获取所有货车的载货里程。
随着互联网技术的飞速发展,以出行个体为载体的交通信息获取方式得到大面积应用,如车载终端导航(GPS)数据、车辆运单数据等,此类数据的特征是包含车辆个体的出行起点、行程重点和车辆轨迹、时间等信息。通过对车辆GPS数据和车辆运单信息的挖掘与分析,能够获得GPS数据和运单数据背后的车辆载货里程信息,为车辆运输调度方案、交通管理提供数据支撑与决策支持。
现有关于车辆载货里程的研究较少,但是存在各种技术方法进行车辆载货状态的研究,如“车辆载货状态识别方法和装置(公告号:CN104915650B)”,通过视频监控与图像识别技术以及物联网的集成,完成对车辆上货品的实时监控,通过截取视频图片与货车无货等标准状态时的图片进行对比,以判断车辆是否载货。
“一种车辆载货状态探测方法(公开号:CN106768237A)”,根据车辆传感器输出信号判断车辆为满载、空载或卸载状态,最后通过车载终端将车辆载货状态发送到车联网平台,进而判定车辆是否处于载货状态。基于视频识别及传感器等相关技术进行载货状态判别的方法需要安装大量的视频设备及传感器等,投入成本和维护成本均较大;另外需要通过视频识别算法或传感器采集数据的相关处理进行识别,对数据计算处理的能力要求较高。
因此,提出一种基于GPS数据和车辆运单计算车辆载货里程的方法,本发明基于车辆GPS数据和运单数据填补载货里程识别的空白,通过对车辆GPS数据和车辆运单信息的挖掘与分析,能够获得GPS数据和运单数据背后的车辆载货里程信息,为车辆运输调度方案、交通管理提供数据支撑与决策支持。
发明内容
本发明的目的是针对现有的技术存在上述问题,提出了一种基于GPS数据和车辆运单计算车辆载货里程的方法,本发明要解决的技术问题是:如何通过GPS数据和车辆运单数据匹配识别车辆载货里程,以支撑货车车辆调度。
本发明的目的可通过下列技术方案来实现:
一种基于GPS数据和车辆运单计算车辆载货里程的方法,包含以下步骤:
1.1删除数据中完全重复的数据,删除相邻点间速度大于120km/h的数据;若相邻两条GPS数据时间差大于60s,则根据等间隔进行经纬度补点;
1.2删除完全重复以及起终点中文地址不完整的运单数据;
1.3将预处理后的车辆GPS数据和运单数据按照日期进行分组,删除仅有任意一类数据的数据集;
步骤2:基于有效运单数据,根据车辆的运单起点、卸货点和运单终点,计算每条运单的最短路径里程Pk,其中k表示第k条运单数据,以运单号码由小到大排序,形成有效运单数据集合P(YO,YC,YD),其中YO表示运单起点的中文地址和经纬度,YC表示运单卸货点的中文地址和经纬度,YD表示运单终点的中文地址和经纬度;
4.1在车辆有效数据集和数据集合P(YO,YC,YD),按照顺序将车辆各运单起点YO、卸货点YC和终点YD与车辆GPS数据进行对比,若距离小于500m,则在对应的车辆GPS数据后标记为YX,含运单起点、卸货点或终点;若距离大于500m,则在对应的车辆GPS数据后标记为0;对匹配运单数据后的车辆GPS数据进行优化调整,若list[i]=0,list[i―1]和list[i+1]=Yx,则调整list[i]=Yx;若list[i:i+n]=Yx持续时间小于等于5min,则调整list[i:i+n]=0,若list[i:i+n]=Yx持续时间大于5min,则不做调整;
Lj=∑k=06371004*SQRT(POWER(COS(Lati*PI()/180)*(Loni+1*PI()/180―(Loni*PI()/180),1)+PO;
在进行运单数据处理时,基于有效运单数据,统计运单的日期、车牌号、运单号、起点、卸货点和终点等信息,并进行最短路径的搜索,获取车辆运单的最短路径里程。
在进行GPS数据处理时,GPS数据统计中包含车辆ID、时间、车辆累计里程和车辆位置的中文地址和经纬度等信息,并增加【是否为停留点】、【停留点名称】、【运单号】和【车牌号】等信息,根据车辆GPS数据与运单数据之间的距离和停留时间判定,对各列进行赋值,其中【是否为停留点】中的1为运单起点、2为运单终点、3为运单卸货点,0为车辆运行点,并将运单起终点、运单号和车牌号进行赋值。
与现有技术相比,本基于GPS数据和车辆运单计算车辆载货里程的方法具有以下优点:
本发明通过车辆GPS数据和车辆运单有效解决车辆载货里程识别的问题,利用数据挖掘和分析的手段有效识别车辆的载货里程,能够降低因加装传感器带来的成本;本技术相比现有技术可减少道路监测设备的依赖,基于单车数据实现车辆及载货里程的识别,能够有效识别运单数据的准确性,为车辆运输调度方案、交通管理提供数据支撑与决策支持。
附图说明
图1是本发明的操作步骤示意图;
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
本实施例提供了一种基于GPS数据和车辆运单计算车辆载货里程的方法,包含以下步骤:
1.1删除数据中完全重复的数据,删除相邻点间速度大于120km/h的数据;若相邻两条GPS数据时间差大于60s,则根据等间隔进行经纬度补点;
1.2删除完全重复以及起终点中文地址不完整的运单数据;
1.3将预处理后的车辆GPS数据和运单数据按照日期进行分组,删除仅有任意一类数据的数据集;
步骤2:基于有效运单数据,根据车辆的运单起点、卸货点和运单终点,计算每条运单的最短路径里程Pk,其中k表示第k条运单数据,以运单号码由小到大排序,形成有效运单数据集合P(YO,YC,YD),其中YO表示运单起点的中文地址和经纬度,YC表示运单卸货点的中文地址和经纬度,YD表示运单终点的中文地址和经纬度;
4.1在车辆有效数据集和数据集合P(YO,YC,YD),按照顺序将车辆各运单起点YO、卸货点YC和终点YD与车辆GPS数据进行对比,若距离小于500m,则在对应的车辆GPS数据后标记为YX,含运单起点、卸货点或终点;若距离大于500m,则在对应的车辆GPS数据后标记为0;对匹配运单数据后的车辆GPS数据进行优化调整,若list[i]=0,list[i―1]和list[i+1]=Yx,则调整list[i]=Yx;若list[i:i+n]=Yx持续时间小于等于5min,则调整list[i:i+n]=0,若list[i:i+n]=Yx持续时间大于5min,则不做调整;
Lj=∑k=06371004*SQRT(POWER(COS(Lati*PI()/180)*(Loni+1*PI()/180―(Loni*PI()/180),1)+PO; (公式1)
在进行运单数据处理时,基于有效运单数据,统计运单的日期、车牌号、运单号、起点、卸货点和终点等信息,并进行最短路径的搜索,获取车辆运单的最短路径里程。
在进行GPS数据处理时,GPS数据统计中包含车辆ID、时间、车辆累计里程和车辆位置的中文地址和经纬度等信息,并增加【是否为停留点】、【停留点名称】、【运单号】和【车牌号】等信息,根据车辆GPS数据与运单数据之间的距离和停留时间判定,对各列进行赋值,其中【是否为停留点】中的1为运单起点、2为运单终点、3为运单卸货点,0为车辆运行点,并将运单起终点、运单号和车牌号进行赋值。
以下结合具体实施例,采用本发明方法,基于GPS数据和车辆运单计算车辆载货里程。
具体地,以某公司运输车辆,车牌号为京AA126xx为例,采用本发明方法进行载货里程计算,包含以下步骤:
步骤2:基于有效运单数据,整理运单的起点YO、卸货点Yc和终点YD,并进行最短路径的搜索,获取车辆每条运单的最短路径里程Pk,其中k表示第k条运单数据,以运单号码由小到大排序,形成有效运单数据集合P(YO,YC,YD);统计表如表1所示,表1为车辆运单数据字段;
表1车辆运单数据字段
步骤3:本例中按照日期进行数据划分,标记为T,如2021-03-01等,统计不同日期下的车辆载货里程和载货行驶时间;车辆j在某日期内的载货里程用集合R表示,标记为(Pj,Lj,Tj),其中Pj为车辆运单对应的载货最短路径里程,Lj为载货里程,Tj为载货行驶时间;
步骤4:抽取车辆京AA126xx的运单数据和GPS数据,进行车辆载货里程的测算。
在进行GPS数据处理时,在车辆GPS数据统计表中增加【是否为停留点】、【停留点名称】、【运单号】、【车牌号】四列,根据车辆GPS数据与运单数据之间的距离和停留时间判定,对各列进行赋值,其中【是否为停留点】中的1为运单起点、2为运单终点、3为运单卸货点,0为车辆运行点,并将运单起终点、运单号和车牌号进行赋值;如表2所示,表2为车辆GPS数据重要字段;
表2车辆GPS数据重要字段
根据停留信息匹配结果,对每一个停留点进行迭代分析,通过判定其前后点位是否为停留点,对其属性进行检验。如第125行GPS数据,通过距离和停留时间判定为车辆运行点,但其相邻的前后GPS点均为车辆停留点,因此该条数据优化后其【是否为停留点】的属性将由0优化为1。
步骤5:对车辆载货里程测算结果与车辆运单对应的最短路径里程进行对比,其相对误差为2%,在可接受范围内,因此,车辆载货里程识别正常,该运单判定为正常订单。
本发明通过车辆GPS数据和车辆运单有效解决车辆载货里程识别的问题,利用数据挖掘和分析的手段有效识别车辆的载货里程,能够降低因加装传感器带来的成本;本技术相比现有技术可减少道路监测设备的依赖,基于单车数据实现车辆及载货里程的识别,能够有效识别运单数据的准确性,为车辆运输调度方案、交通管理提供数据支撑与决策支持。
上面对本专利的较佳实施方式作了详细说明,但是本专利并不限于上述实施方式,在本领域的普通技术人员所具备的知识范围内,还可以在不脱离本专利宗旨的前提下做出各种变化。
Claims (4)
1.一种基于GPS数据和车辆运单计算车辆载货里程的方法,其特征在于,包含以下步骤,
步骤二:基于有效运单数据,根据车辆的运单起点、卸货点和运单终点,计算每条运单的最短路径里程Pk,其中k表示第k条运单数据,以运单号码由小到大排序,形成有效运单数据集合P(YO,YC,YD),其中YO表示运单起点的中文地址和经纬度,YC表示运单卸货点的中文地址和经纬度,YD表示运单终点的中文地址和经纬度;
在车辆有效数据集和数据集合P(YO,YC,YD),按照顺序将车辆各运单起点YO、卸货点YC和终点YD与车辆GPS数据进行对比,若距离小于500m,则在对应的车辆GPS数据后标记为YX,含运单起点、卸货点或终点;若距离大于500m,则在对应的车辆GPS数据后标记为0;对匹配运单数据后的车辆GPS数据进行优化调整,若list[i]=0,list[i―1]和list[i+1]=Yx,则调整list[i]=Yx;若list[i:i+n]=Yx持续时间小于等于5min,则调整list[i:i+n]=0,若list[i:i+n]=Yx持续时间大于5min,则不做调整;
Lj=
∑k=06371004*SQRT(POWER(COS(Lati*PI()/180)*(Loni+1*PI()/180―(Loni*PI()/180),1)+PO;
2.根据权利要求1所述的一种基于GPS数据和车辆运单计算车辆载货里程的方法,其特征在于,所述步骤一中,对车辆GPS数据和运单数据进行预处理的规则如下,
一、删除数据中完全重复的数据,删除相邻点间速度大于120km/h的数据;若相邻两条GPS数据时间差大于60s,则根据等间隔进行经纬度补点;
二、删除完全重复以及起终点中文地址不完整的运单数据;
三、将预处理后的车辆GPS数据和运单数据按照日期进行分组,删除仅有任意一类数据的数据集。
3.根据权利要求2所述的一种基于GPS数据和车辆运单计算车辆载货里程的方法,其特征在于,所述步骤二中,在进行运单数据处理时,基于有效运单数据,统计运单的日期、车牌号、运单号、起点、卸货点和终点等信息,并进行最短路径的搜索,获取车辆运单的最短路径里程。
4.根据权利要求1-3任一项所述的一种基于GPS数据和车辆运单计算车辆载货里程的方法,其特征在于,在进行GPS数据处理时,GPS数据统计中包含车辆ID、时间、车辆累计里程和车辆位置的中文地址和经纬度等信息,并增加【是否为停留点】、【停留点名称】、【运单号】和【车牌号】等信息,根据车辆GPS数据与运单数据之间的距离和停留时间判定,对各列进行赋值,其中【是否为停留点】中的1为运单起点、2为运单终点、3为运单卸货点,0为车辆运行点,并将运单起终点、运单号和车牌号进行赋值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111077405.1A CN113886374A (zh) | 2021-09-14 | 2021-09-14 | 一种基于gps数据和车辆运单计算车辆载货里程的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111077405.1A CN113886374A (zh) | 2021-09-14 | 2021-09-14 | 一种基于gps数据和车辆运单计算车辆载货里程的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113886374A true CN113886374A (zh) | 2022-01-04 |
Family
ID=79009072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111077405.1A Pending CN113886374A (zh) | 2021-09-14 | 2021-09-14 | 一种基于gps数据和车辆运单计算车辆载货里程的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113886374A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114359846A (zh) * | 2022-01-12 | 2022-04-15 | 广东建采网科技有限公司 | 基于大数据的建筑材料运输车非正常卸货行为的识别方法 |
CN114756539A (zh) * | 2022-04-22 | 2022-07-15 | 神彩科技股份有限公司 | 运单数据校对系统、方法、计算机设备、存储介质 |
-
2021
- 2021-09-14 CN CN202111077405.1A patent/CN113886374A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114359846A (zh) * | 2022-01-12 | 2022-04-15 | 广东建采网科技有限公司 | 基于大数据的建筑材料运输车非正常卸货行为的识别方法 |
CN114756539A (zh) * | 2022-04-22 | 2022-07-15 | 神彩科技股份有限公司 | 运单数据校对系统、方法、计算机设备、存储介质 |
CN114756539B (zh) * | 2022-04-22 | 2023-03-31 | 神彩科技股份有限公司 | 运单数据校对系统、方法、计算机设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113886374A (zh) | 一种基于gps数据和车辆运单计算车辆载货里程的方法 | |
CN105259304B (zh) | 一种车辆尾气污染物在线监测系统和方法 | |
CN109903558B (zh) | 一种道路桥梁车辆荷载监控系统及监控方法 | |
CN109649396B (zh) | 一种营运车辆驾驶员安全性检测方法 | |
CN107784381A (zh) | 一种判断出租车绕路和计价异常的方法及装置 | |
CN108763643B (zh) | 一种地区机动车排放因子计算方法 | |
CN111340674B (zh) | 一种交通运力承运意图辨识方法 | |
CN114613151B (zh) | 一种货车od确定方法、系统、设备及存储介质 | |
CN113263993B (zh) | 故障预警方法、装置、通信设备及存储介质 | |
CN106530713A (zh) | 基于道路安全运输预警监控系统的货运etc | |
CN105044278A (zh) | 汽车碳排放检测方法及装置 | |
CN112561344A (zh) | 基于ai视频分析的多源数据的道路危险货物运输动态分析与评价方法 | |
CN114742413A (zh) | 城市交通碳排放量监测系统及方法 | |
JP2009230740A (ja) | 二酸化炭素排出量計測システム | |
CN109145401B (zh) | 一种计算机动车排放清单的方法、系统及终端设备 | |
CN113223294B (zh) | 基于社会车辆大数据的高速公路汽车衡期间核查方法 | |
CN110514254B (zh) | 单车排放量检测方法及其检测系统 | |
CN113808414A (zh) | 道路荷载确定方法、装置及存储介质 | |
Salihu et al. | Effect of road slope on driving cycle parameters of urban roads | |
CN113157774A (zh) | 一种车辆载货及承重监测方法及系统 | |
CN115424448A (zh) | 一种基于交通出行数据的交通碳排放量评估方法与系统 | |
CN114897468A (zh) | 一种基于物联网的物流货物运输跟踪系统 | |
CN112163807A (zh) | 一种省域在地公路货物运输量的统计方法 | |
CN114742685A (zh) | 一种基于等效密度和大数据分析的绿色通道货物检测方法 | |
CN113643451B (zh) | 一种离线状态下的网约车车机接单、计费系统 |
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 |