CN114037392A - 基于车辆轨迹的智能调度距离矩阵生成方法和装置 - Google Patents
基于车辆轨迹的智能调度距离矩阵生成方法和装置 Download PDFInfo
- Publication number
- CN114037392A CN114037392A CN202111496003.5A CN202111496003A CN114037392A CN 114037392 A CN114037392 A CN 114037392A CN 202111496003 A CN202111496003 A CN 202111496003A CN 114037392 A CN114037392 A CN 114037392A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- running
- stations
- track
- matching
- 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
- 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
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- 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
- G06Q10/06313—Resource planning in a project environment
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开一种基于车辆轨迹的智能调度距离矩阵生成方法和装置,该方法和装置基于车辆轨迹数据及站点信息分析所有站点到站点间的诸如运行里程和运行时长等车辆运行信息,并将其作为路径规划的OD矩阵的元素,实现OD矩阵的生成,本申请可有效克服采用欧式距离生成OD矩阵的方式存在的误差大的缺陷,且无需使用地图导航,从而克服了已有技术在生成OD矩阵时存在的技术问题。
Description
技术领域
本申请属于车辆路径规划技术领域,尤其涉及一种基于车辆轨迹的智能调度距离矩阵生成方法和装置。
背景技术
物流车辆路径规划(Vehicle Routing Problem,VRP)问题是供应链、运筹与管理科学研究领域最复杂的问题之一。在新零售场景中,小时级配送的实时订单迅猛增长,给寻求仓配最优路径带来巨大挑战,问题本身是对于一系列装货点和卸货点,组织适当的行车线路,使货车有序地通过它们,在满足货物量、装卸货时间窗口、车辆容量限制、行驶里程限制、运行时长限制等约束条件下,达到总里程、费用最少等目标。对于整个路径规划来说,生成所有点之间的距离及时效矩阵是数据准备工作最重要的一步。
生成距离矩阵的方式有多种,第一种是采用欧式距离,时效根据速度阈值换算,此种方式所得距离矩阵误差很大,对于中长途运输(200km以上)尚可一用,但对于城市配送,站点之间的距离较小的情况就完全不可用;第二种是使用地图导航,对于两两站点通过高德/百度驾车导航,得到里程、时长形成OD(Origin-Destination,出发地-目的地/到达地)矩阵,此种方式最大的问题是成本太高,例如1000个站点的情况下,则导航需要100w次,1w站点时则需调用导航1亿次,免费的地图接口服务已经完全无法支撑,且效率很低。
因此,针对路径规划的OD矩阵生成问题,提出一种新的解决方法以克服已有技术存在的技术问题于本领域来说非常必要。
发明内容
有鉴于此,本申请提供一种基于车辆轨迹的智能调度距离矩阵生成方法和装置,用于克服已有技术在生成OD矩阵时存在的技术问题。
具体技术方案如下:
一种基于车辆轨迹的智能调度距离矩阵生成方法,包括:
获取车辆运行轨迹数据及站点信息;
基于获得的车辆运行轨迹数据及站点信息,对车辆运行轨迹与站点进行匹配处理,得到车辆运行轨迹与站点的匹配结果;
根据所述匹配结果,提取两两站点中每两个站点对应的车辆运行信息集;两个站点对应的车辆运行信息集包括所述两个站点之间的各条车辆运行轨迹分别对应的车辆运行信息;
根据每两个站点对应的车辆运行信息集,分别确定每两个站点所属OD段对应的统计运行信息。
根据各OD段对应的统计运行信息,生成路径规划的OD矩阵,以便路径优化引擎基于所述OD矩阵进行车辆路径优化。
可选的,所述获取车辆运行轨迹数据及站点信息,包括:
至少获取车辆标识及车辆运行轨迹上各轨迹点对应的位置及时间信息;
获取各站点的站点标识及位置信息。
可选的,所述基于获得的车辆运行轨迹数据及站点信息,对车辆运行轨迹与站点进行匹配处理,得到车辆运行轨迹与站点的匹配结果,包括:
为车辆运行轨迹上的各轨迹点分别匹配最邻近且未超出预设距离阈值的站点,得到车辆运行轨迹上各轨迹点匹配相应站点或未匹配到站点的匹配结果。
可选的,所述根据所述匹配结果,提取两两站点中每两个站点对应的车辆运行信息集,包括:
去除车辆运行轨迹上未匹配到站点的轨迹点;
根据车辆运行轨迹上各轨迹点的位置及时间信息,对同一车辆的数据计算保留的各轨迹点对应的时间连续的两个站点间的运行时长与运行里程;
将每一车辆的运行轨迹对应的时间连续的两个站点组成一个OD段,并汇总同一OD段之间的各车辆运行轨迹分别对应的运行时长与运行里程,得到同一OD段的两个站点对应的车辆运行信息集。
可选的,所述根据每两个站点对应的车辆运行信息集,分别确定每两个站点所属OD段对应的统计运行信息,包括:
对OD段对应的车辆运行信息集中的各运行时长进行平均处理以及各运行里程进行平均处理,得到平均时长和平均里程,作为所述OD段的运行时长和运行里程;
所述根据各OD段对应的统计运行信息,生成路径规划的OD矩阵,包括:
将各OD段的运行时长和运行里程,转化成不同站点间的OD矩阵。
一种基于车辆轨迹的智能调度距离矩阵生成装置,包括:
获取模块,用于获取车辆运行轨迹数据及站点信息;
匹配模块,用于基于获得的车辆运行轨迹数据及站点信息,对车辆运行轨迹与站点进行匹配处理,得到车辆运行轨迹与站点的匹配结果;
提取模块,用于根据所述匹配结果,提取两两站点中每两个站点对应的车辆运行信息集;两个站点对应的车辆运行信息集包括所述两个站点之间的各条车辆运行轨迹分别对应的车辆运行信息;
确定模块,用于根据每两个站点对应的车辆运行信息集,分别确定每两个站点所属OD段对应的统计运行信息。
生成模块,用于根据各OD段对应的统计运行信息,生成路径规划的OD矩阵,以便路径优化引擎基于所述OD矩阵进行车辆路径优化。
可选的,所述获取模块,具体用于:
至少获取车辆标识及车辆运行轨迹上各轨迹点对应的位置及时间信息;
获取各站点的站点标识及位置信息。
可选的,所述匹配模块,具体用于:
为车辆运行轨迹上的各轨迹点分别匹配最邻近且未超出预设距离阈值的站点,得到车辆运行轨迹上各轨迹点匹配相应站点或未匹配到站点的匹配结果。
可选的,所述提取模块,具体用于:
去除车辆运行轨迹上未匹配到站点的轨迹点;
根据车辆运行轨迹上各轨迹点的位置及时间信息,对同一车辆的数据计算保留的各轨迹点对应的时间连续的两个站点间的运行时长与运行里程;
将每一车辆的运行轨迹对应的时间连续的两个站点组成一个OD段,并汇总同一OD段之间的各车辆运行轨迹分别对应的运行时长与运行里程,得到同一OD段的两个站点对应的车辆运行信息集。
可选的,所述确定模块,具体用于:对OD段对应的车辆运行信息集中的各运行时长进行平均处理以及各运行里程进行平均处理,得到平均时长和平均里程,作为所述的OD段的运行时长和运行里程;
所述生成模块,具体用于:将各OD段的运行时长和运行里程,转化成不同站点间的OD矩阵。
从上述技术方案可以看出,本申请公开的基于车辆轨迹的智能调度距离矩阵生成方法和装置,基于车辆轨迹数据及站点信息分析所有站点到站点间的诸如运行里程和运行时长等车辆运行信息,并将其作为路径规划的OD矩阵的元素,实现OD矩阵的生成,本申请可有效克服采用欧式距离生成OD矩阵的方式存在的误差大的缺陷,且无需使用地图导航,从而克服了已有技术在生成OD矩阵时存在的技术问题。
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为本申请提供的基于车辆轨迹的智能调度距离矩阵生成方法流程图;
图2为本申请提供的生成OD矩阵的技术实现逻辑图;
图3为本申请提供的基于车辆轨迹的智能调度距离矩阵生成装置的结构示意图。
具体实施方式
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。
本申请提供一种基于车辆轨迹的智能调度距离矩阵生成方法和装置,通过基于车辆轨迹数据及站点信息分析所有站点到站点间的诸如运行里程和运行时长等车辆运行信息,并将其作为路径规划的OD矩阵的元素,实现OD矩阵的生成,以此克服已有技术在生成OD矩阵时存在的技术问题。
首先将本申请实施例涉及的专用名词、英文缩略词等作出以下说明:
表1
本申请提供的基于车辆轨迹的智能调度距离矩阵生成方法的处理流程,如图1所示,具体包括:
步骤101、获取车辆运行轨迹数据及站点信息。
该步骤为数据准备步骤,用于为后续处理提供数据基础。
所获取的车辆运行轨迹数据,至少包括车辆标识及车辆运行轨迹上各轨迹点对应的位置及时间信息,除此之外,可选的,所获取的车辆运行轨迹数据还可以包括车辆运行轨迹上各轨迹点的速度信息。
其中,车辆标识可以是但不限于车辆编号,轨迹点对应的位置信息、时间信息可以但不限于分别是轨迹点对应的经维度信息、GPS(Global Positioning System,全球定位系统)时间。
以下通过表2提供获取的车辆运行轨迹数据的一个示例:
表2
所获取的站点信息至少包括站点标识及站点的位置信息,其中,站点标识可以是但不限于站点编号,站点的位置信息包括但不限于站点对应的经纬度信息。
以下通过表3提供获取的站点信息的一个示例:
表3
步骤102、基于获得的车辆运行轨迹数据及站点信息,对车辆运行轨迹与站点进行匹配处理,得到车辆运行轨迹与站点的匹配结果。
在获得车辆运行轨迹数据及站点信息后,本步骤进一步为车辆运行轨迹上的各轨迹点分别匹配最邻近且未超出预设距离阈值的站点,得到车辆运行轨迹上各轨迹点匹配相应站点或未匹配到站点的匹配结果。
上述距离阈值的取值大小可根据实际情况进行灵活设定或调整,例如根据实际情况将该距离阈值设置为100m等,本实施例对其具体取值不作限定。
步骤103、根据上述匹配结果,提取两两站点中每两个站点对应的车辆运行信息集;两个站点对应的车辆运行信息集包括两个站点之间的各条车辆运行轨迹分别对应的车辆运行信息。
具体的,首先去除车辆运行轨迹上未匹配到站点的轨迹点,然后根据车辆运行轨迹上各轨迹点的位置及时间信息,对同一车辆的数据计算保留的各轨迹点对应的时间连续的两个站点间的运行时长与运行里程,在此基础上,将每一车辆的运行轨迹对应的时间连续的两个站点组成一个OD段,并汇总同一OD段之间的各车辆运行轨迹分别对应的运行时长与运行里程,得到同一OD段的两个站点对应的车辆运行信息集。
针对上文表2与表3的数据示例,对同一车辆的数据计算时间连续的两个站点之间的运行时长与运行里程的结果具体如下:
表4
在表4基础上,进一步将每一车辆的运行轨迹对应的时间连续的两个站点组成一个OD段的结果如下:
表5
在组成OD段的基础上,对上一步结果按照OD段进行汇总,具体汇总同一OD段之间的各车辆运行轨迹分别对应的运行时长与运行里程,得到同一OD段的两个站点对应的车辆运行信息集。
步骤104、根据每两个站点对应的车辆运行信息集,分别确定每两个站点所属OD段对应的统计运行信息。
之后,对OD段对应的车辆运行信息集中的各运行时长进行平均处理以及各运行里程进行平均处理,得到平均时长和平均里程,作为所述OD段的运行时长和运行里程。
优选的,实施中在执行上述平均处理之前,结合参见图2,先执行数据清洗处理,去除同一OD段对应的车辆运行信息集中的异常数据,如去除运行时长、运行里程任意一个不在其平均值加减1倍标准差(mean±sd)范围内的OD段数据,也即,将同一OD段中运行时长、运行里程严重偏离均值的OD段数据作为异常数据。
在此基础上,进一步针对同一OD段对应的车辆运行信息集中的剩余数据计算其平均时长、平均里程,并分别将计算得到的平均时长、平均里程作为本OD段的运行时长、运行里程(也即本OD段对应的统计运行信息)。
步骤105、根据各OD段对应的统计运行信息,生成路径规划的OD矩阵,以便路径优化引擎基于生成的OD矩阵进行车辆路径优化。
最终,将各OD段的运行时长和运行里程,转化成不同站点间的OD矩阵。针对上述各表提供的数据示例,转化所得的OD矩阵具体如下:
表6
后续,可将生成的OD矩阵带入路径优化引擎使用,以便于路径优化引擎基于该OD矩阵进行车辆路径优化,通过基于生成的OD矩阵进行车辆路径优化,组织适当的行车线路,使货车等车辆有序地通过它们,在满足货物量、装卸货时间窗口、车辆容量限制、行驶里程限制、运行时长限制等约束条件下,达到总里程、费用最少等目标。
从上述技术方案可以看出,本申请实施例的方法,基于车辆轨迹数据及站点信息分析所有站点到站点间的诸如运行里程和运行时长等车辆运行信息,并将其作为路径规划的OD矩阵的元素,实现OD矩阵的生成,本申请可有效克服采用欧式距离生成OD矩阵的方式存在的误差大的缺陷,且无需使用地图导航,从而克服了已有技术在生成OD矩阵时存在的技术问题。
对应于上述的方法,本申请实施例还公开一种基于车辆轨迹的智能调度距离矩阵生成装置,如图3所示,该装置包括:
获取模块301,用于获取车辆运行轨迹数据及站点信息;
匹配模块302,用于基于获得的车辆运行轨迹数据及站点信息,对车辆运行轨迹与站点进行匹配处理,得到车辆运行轨迹与站点的匹配结果;
提取模块303,用于根据所述匹配结果,提取两两站点中每两个站点对应的车辆运行信息集;两个站点对应的车辆运行信息集包括所述两个站点之间的各条车辆运行轨迹分别对应的车辆运行信息;
确定模块304,用于根据每两个站点对应的车辆运行信息集,分别确定每两个站点所属OD段对应的统计运行信息。
生成模块305,用于根据各OD段对应的统计运行信息,生成路径规划的OD矩阵,以便路径优化引擎基于所述OD矩阵进行车辆路径优化。
在一实施方式中,获取模块301,具体用于:
至少获取车辆标识及车辆运行轨迹上各轨迹点对应的位置及时间信息;
获取各站点的站点标识及位置信息。
在一实施方式中,匹配模块302,具体用于:为车辆运行轨迹上的各轨迹点分别匹配最邻近且未超出预设距离阈值的站点,得到车辆运行轨迹上各轨迹点匹配相应站点或未匹配到站点的匹配结果。
在一实施方式中,提取模块303,具体用于:
去除车辆运行轨迹上未匹配到站点的轨迹点;
根据车辆运行轨迹上各轨迹点的位置及时间信息,对同一车辆的数据计算保留的各轨迹点对应的时间连续的两个站点间的运行时长与运行里程;
将每一车辆的运行轨迹对应的时间连续的两个站点组成一个OD段,并汇总同一OD段之间的各车辆运行轨迹分别对应的运行时长与运行里程,得到同一OD段的两个站点对应的车辆运行信息集。
在一实施方式中,确定模块304,具体用于:对OD段对应的车辆运行信息集中的各运行时长进行平均处理以及各运行里程进行平均处理,得到平均时长和平均里程,作为所述的OD段的运行时长和运行里程;
生成模块305,具体用于:将各OD段的运行时长和运行里程,转化成不同站点间的OD矩阵。
对于本申请实施例公开的基于车辆轨迹的智能调度距离矩阵生成装置而言,由于其与上文方法实施例公开的基于车辆轨迹的智能调度距离矩阵生成方法相对应,所以描述的比较简单,相关相似之处请参见上文相应方法实施例的说明即可,此处不再详述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于车辆轨迹的智能调度距离矩阵生成方法,其特征在于,包括:
获取车辆运行轨迹数据及站点信息;
基于获得的车辆运行轨迹数据及站点信息,对车辆运行轨迹与站点进行匹配处理,得到车辆运行轨迹与站点的匹配结果;
根据所述匹配结果,提取两两站点中每两个站点对应的车辆运行信息集;两个站点对应的车辆运行信息集包括所述两个站点之间的各条车辆运行轨迹分别对应的车辆运行信息;
根据每两个站点对应的车辆运行信息集,分别确定每两个站点所属OD段对应的统计运行信息;
根据各OD段对应的统计运行信息,生成路径规划的OD矩阵,以便路径优化引擎基于所述OD矩阵进行车辆路径优化。
2.根据权利要求1所述的方法,其特征在于,所述获取车辆运行轨迹数据及站点信息,包括:
至少获取车辆标识及车辆运行轨迹上各轨迹点对应的位置及时间信息;
获取各站点的站点标识及位置信息。
3.根据权利要求2所述的方法,其特征在于,所述基于获得的车辆运行轨迹数据及站点信息,对车辆运行轨迹与站点进行匹配处理,得到车辆运行轨迹与站点的匹配结果,包括:
为车辆运行轨迹上的各轨迹点分别匹配最邻近且未超出预设距离阈值的站点,得到车辆运行轨迹上各轨迹点匹配相应站点或未匹配到站点的匹配结果。
4.根据权利要求3所述的方法,其特征在于,所述根据所述匹配结果,提取两两站点中每两个站点对应的车辆运行信息集,包括:
去除车辆运行轨迹上未匹配到站点的轨迹点;
根据车辆运行轨迹上各轨迹点的位置及时间信息,对同一车辆的数据计算保留的各轨迹点对应的时间连续的两个站点间的运行时长与运行里程;
将每一车辆的运行轨迹对应的时间连续的两个站点组成一个OD段,并汇总同一OD段之间的各车辆运行轨迹分别对应的运行时长与运行里程,得到同一OD段的两个站点对应的车辆运行信息集。
5.根据权利要求4所述的方法,其特征在于,所述根据每两个站点对应的车辆运行信息集,分别确定每两个站点所属OD段对应的统计运行信息,包括:
对OD段对应的车辆运行信息集中的各运行时长进行平均处理以及各运行里程进行平均处理,得到平均时长和平均里程,作为所述OD段的运行时长和运行里程;
所述根据各OD段对应的统计运行信息,生成路径规划的OD矩阵,包括:
将各OD段的运行时长和运行里程,转化成不同站点间的OD矩阵。
6.一种基于车辆轨迹的智能调度距离矩阵生成装置,其特征在于,包括:
获取模块,用于获取车辆运行轨迹数据及站点信息;
匹配模块,用于基于获得的车辆运行轨迹数据及站点信息,对车辆运行轨迹与站点进行匹配处理,得到车辆运行轨迹与站点的匹配结果;
提取模块,用于根据所述匹配结果,提取两两站点中每两个站点对应的车辆运行信息集;两个站点对应的车辆运行信息集包括所述两个站点之间的各条车辆运行轨迹分别对应的车辆运行信息;
确定模块,用于根据每两个站点对应的车辆运行信息集,分别确定每两个站点所属OD段对应的统计运行信息;
生成模块,用于根据各OD段对应的统计运行信息,生成路径规划的OD矩阵,以便路径优化引擎基于所述OD矩阵进行车辆路径优化。
7.根据权利要求6所述的装置,其特征在于,所述获取模块,具体用于:
至少获取车辆标识及车辆运行轨迹上各轨迹点对应的位置及时间信息;
获取各站点的站点标识及位置信息。
8.根据权利要求7所述的装置,其特征在于,所述匹配模块,具体用于:
为车辆运行轨迹上的各轨迹点分别匹配最邻近且未超出预设距离阈值的站点,得到车辆运行轨迹上各轨迹点匹配相应站点或未匹配到站点的匹配结果。
9.根据权利要求8所述的装置,其特征在于,所述提取模块,具体用于:
去除车辆运行轨迹上未匹配到站点的轨迹点;
根据车辆运行轨迹上各轨迹点的位置及时间信息,对同一车辆的数据计算保留的各轨迹点对应的时间连续的两个站点间的运行时长与运行里程;
将每一车辆的运行轨迹对应的时间连续的两个站点组成一个OD段,并汇总同一OD段之间的各车辆运行轨迹分别对应的运行时长与运行里程,得到同一OD段的两个站点对应的车辆运行信息集。
10.根据权利要求9所述的装置,其特征在于:
所述确定模块,具体用于:对OD段对应的车辆运行信息集中的各运行时长进行平均处理以及各运行里程进行平均处理,得到平均时长和平均里程,作为所述的OD段的运行时长和运行里程;
所述生成模块,具体用于:将各OD段的运行时长和运行里程,转化成不同站点间的OD矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111496003.5A CN114037392A (zh) | 2021-12-08 | 2021-12-08 | 基于车辆轨迹的智能调度距离矩阵生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111496003.5A CN114037392A (zh) | 2021-12-08 | 2021-12-08 | 基于车辆轨迹的智能调度距离矩阵生成方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114037392A true CN114037392A (zh) | 2022-02-11 |
Family
ID=80140171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111496003.5A Pending CN114037392A (zh) | 2021-12-08 | 2021-12-08 | 基于车辆轨迹的智能调度距离矩阵生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114037392A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115907266A (zh) * | 2023-03-02 | 2023-04-04 | 杭州半云科技有限公司 | 基于客流出行特征的定制公交线路规划方法 |
-
2021
- 2021-12-08 CN CN202111496003.5A patent/CN114037392A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115907266A (zh) * | 2023-03-02 | 2023-04-04 | 杭州半云科技有限公司 | 基于客流出行特征的定制公交线路规划方法 |
CN115907266B (zh) * | 2023-03-02 | 2023-06-13 | 杭州半云科技有限公司 | 基于客流出行特征的定制公交线路规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111862659B (zh) | 一种gps轨迹数据匹配和补全的方法 | |
CN112270460B (zh) | 一种基于多源数据的超重货车货源站点识别方法 | |
CN108519094B (zh) | 局部路径规划方法及云处理端 | |
CN103035123B (zh) | 一种交通轨迹数据中异常数据获取方法及系统 | |
CN105608505A (zh) | 一种基于手机信令数据的居民轨道交通出行方式识别方法 | |
CN104766473A (zh) | 基于多模式公交数据匹配的公共交通出行特征提取方法 | |
CN113553482B (zh) | 停留点识别和出行链构建系统、算法、设备及存储介质 | |
CN110942198A (zh) | 一种用于轨道交通运营的乘客路径识别方法和系统 | |
CN112686466B (zh) | 地铁乘客的路径确认方法及装置 | |
CN111143440B (zh) | 基于车辆轨迹的车辆停靠行为确定方法、确定系统及存储介质 | |
CN102663895A (zh) | 集装箱码头集卡交通阻塞提示系统及实现方法 | |
CN108090722A (zh) | 一种基于gps的物流网络站点识别设备与识别方法 | |
CN107545318B (zh) | 公交线路优先级确定、公交换乘线路排序方法及装置 | |
CN103632541B (zh) | 交通事件路链检测与数据填补方法 | |
CN114037392A (zh) | 基于车辆轨迹的智能调度距离矩阵生成方法和装置 | |
CN102867406B (zh) | 一种应用车辆探测资料的交通路网生成方法 | |
CN114866969A (zh) | 基于手机信令大数据的地铁清分清算方法与系统 | |
CN110913345B (zh) | 一种基于手机信令数据的断面客流计算方法 | |
CN104978859A (zh) | 一种计算城市任意区域公交线网密度的方法 | |
CN105303245A (zh) | 交通分析系统以及交通分析方法 | |
CN112770264B (zh) | 物流干线的干线走廊识别方法与系统 | |
CN112732778B (zh) | 基于手机信令的交通枢纽客流流向识别方法、计算机系统、服务器与存储介质 | |
Terelius et al. | An efficiency measure for road transportation networks with application to two case studies | |
CN115841765A (zh) | 车辆位置盲区监控方法、装置、电子设备及可读存储介质 | |
CN105352523A (zh) | 智能路线生成方法和装置 |
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 |