CN114511193A - 对订单和车辆轨迹风险的预警方法、装置、介质和设备 - Google Patents
对订单和车辆轨迹风险的预警方法、装置、介质和设备 Download PDFInfo
- Publication number
- CN114511193A CN114511193A CN202210011073.5A CN202210011073A CN114511193A CN 114511193 A CN114511193 A CN 114511193A CN 202210011073 A CN202210011073 A CN 202210011073A CN 114511193 A CN114511193 A CN 114511193A
- Authority
- CN
- China
- Prior art keywords
- real
- time
- vehicle
- data
- driver
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- 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]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Emergency Management (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种对订单和车辆轨迹风险的预警方法，包括订单运输过程中，采集司机端APP实时GPS数据、历史导航数据信息和车辆的车载终端实时GPS数据，并对历史导航数据信息进行处理，得到目标线路信息；将车载终端实时GPS数据、司机端APP实时GPS数据和所述目标线路信息合并，得到所述订单运输过程中的实时流数据；根据实时流数据，判断在订单运输过程中是否出现了风险事件，风险事件包括车辆轨迹偏离所述目标线路信息中的目标线路、司机端APP偏离车辆轨迹、车载终端的GPS信号丢失和司机端APP的GPS信号丢失。本发明实现了对司机以及货车可能遇到风险及时预警，防范了风险的发生。本发明还涉及一种对订单和车辆轨迹风险的预警装置、一种存储介质和设备。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及对订单和车辆轨迹风险的预警方法、装置、介质和设备。
背景技术
网络货运平台掌握大量的运单、司机、车辆及轨迹资源信息，同时，近年来，我国的大货车事故率逐年上升。各种因素导致运单、司机以及车辆的安全受到影响，如何对可能到来的风险提前预警是目前亟需解决的技术问题。
发明内容
本发明所要解决的技术问题是针对现有技术的不足，提供对订单和车辆轨迹风险的预警方法、装置、介质和设备。
本发明解决上述技术问题的技术方案如下：
一种对订单和车辆轨迹风险的预警方法，包括：
订单运输过程中，采集司机端APP实时GPS数据、历史导航数据信息和车辆的车载终端实时GPS数据，并对所述历史导航数据信息进行处理，得到目标线路信息；
将所述车载终端实时GPS数据、所述司机端APP实时GPS数据和所述目标线路信息合并，得到所述订单运输过程中的实时流数据；
根据所述实时流数据，判断在所述订单运输过程中是否出现了风险事件，所述风险事件包括车辆轨迹偏离所述目标线路信息中的目标线路、司机端APP偏离车辆轨迹、车载终端的GPS信号丢失和司机端APP的GPS信号丢失。
本方法发明的有益效果是：提出了一种对订单和车辆轨迹风险的预警方法，包括订单运输过程中，采集司机端APP实时GPS数据、历史导航数据信息和车辆的车载终端实时GPS数据，并对所述历史导航数据信息进行处理，得到目标线路信息；将所述车载终端实时GPS数据、所述司机端APP实时GPS数据和所述目标线路信息合并，得到所述订单运输过程中的实时流数据；根据所述实时流数据，判断在所述订单运输过程中是否出现了风险事件，所述风险事件包括车辆轨迹偏离所述目标线路信息中的目标线路司机端APP偏离车辆轨迹、车载终端的GPS信号丢失和司机端APP的GPS信号丢失。本发明实现了对司机以及货车可能遇到风险及时预警，防范了风险的发生。
进一步地，所述对所述历史导航数据信息进行处理，得到目标线路信息，具体包括：
通过将订单数据中的订单ID与订单表关联，得到所述订单的发货地和收货地，根据所述订单的发货地和收货地，查询所述历史导航数据信息，得到以所述发货地作为起点和所述收货地作为终点的历史导航线路；
获取每一条所述历史导航线路中所包括的道路名称，将出现次数最多的所述道路名称作为常走导航道路，对所述常走导航道路进行拼接，得到所述目标线路信息。
进一步地，所述将所述车载终端实时GPS数据、所述司机端APP实时GPS数据和所述目标线路信息合并，得到所述订单运输过程中的实时流数据，具体包括：
通过所述车载终端实时GPS数据，得到运输所述订单的车辆ID，将所述车辆ID与所述司机端APP关联，得到所述订单ID；
根据所述车辆ID和所述订单ID，提取所述车载终端实时GPS数据、所述司机端APP实时GPS数据和所述目标线路信息，得到所述实时流数据，所述实时流数据包括所述订单ID、所述车辆ID、所述车辆的实时经纬度位置信息、所述司机的实时经纬度位置信息、所述目标线路中的经纬度信息、所述车辆的实时速度和时间戳。
进一步地，所述根据所述实时流数据，判断在所述订单运输过程中是否出现了风险事件，具体包括：
对所述订单ID执行KeyBy算子得到所述实时流数据；
分别提取所述实时流数据中的所述司机端APP实时GPS数据中的第一时间戳、所述车载终端实时GPS数据中的第二时间戳和所述目标线路中的第三时间戳，并对所述第一时间戳、所述第二时间戳和所述第三时间戳进行位或计算，根据得到的计算结果，判断所述司机端APP实时GPS数据、所述车载终端实时GPS数据和所述目标线路信息是否完整；
若是，则根据球面两点距离公式分别计算当前时刻所述司机端APP所在位置和所述车载终端实时GPS数据所指示位置的第一实时距离，以及所述车载终端实时GPS数据所指示位置和基于所述目标线路所指示位置的第二实时距离；
根据所述第一时间戳、所述第二时间戳和所述实时速度，得到所述车载终端和所述司机端APP的第一理论距离；
根据所述第一时间戳、所述第三时间戳和所述实时速度，得到所述车载终端和当前时刻当车辆沿所述目标线路行驶时的位置的第二理论距离；
当所述第一实时距离和所述第二理论距离的差大于第一预设阈值时，则判定所述司机端APP偏离车辆轨迹；
当所述第二实时距离和所述第二理论距离的差大于第二预设阈值时，则判定所述车辆轨迹偏离所述目标线路。
进一步地，所述方法还包括：
若所述司机端APP实时GPS数据、所述车载终端实时GPS数据和所述目标线路信息未完整，则获取缺少的数据类型，所述数据类型包括所述司机端APP实时GPS数据、所述车载终端实时GPS数据和所述目标线路信息；
获取所缺少的数据类型的接收到的最近一次数据的时间窗口开始时间和当前窗口时间；
若所述当前窗口时间和所述最近一次数据的时间窗口开始时间的差值大于预设窗口时间时，判断是否获取到以所述当前窗口时间起始的所述缺少的数据类型；
若否，当所述缺少的数据类型是所述车载终端实时GPS数据时，则判定所述车载终端的GPS信号丢失，当所述缺少的数据类型是所述司机端APP实时GPS数据时，则判定所述司机端APP的GPS信号丢失。
进一步地，所述方法还包括：
若获取到以所述当前窗口时间起始的所述缺少的数据类型时，则获取到完整的所述司机端APP实时GPS数据、所述车载终端实时GPS数据和所述目标线路信息；
利用获取到的完整的所述司机端APP实时GPS数据、所述车载终端实时GPS数据和所述目标线路信息，判断是否存在所述车辆轨迹偏离所述目标线路信息中的目标线路以及所述司机端APP偏离车辆轨迹的风险事件。
本发明解决上述技术问题的另一技术方案如下：
一种对订单和车辆轨迹风险的预警装置，包括：
采集模块，用于订单运输过程中，采集司机端APP实时GPS数据、历史导航数据信息和车辆的车载终端实时GPS数据，并对所述历史导航数据信息进行处理，得到目标线路信息；
合并模块，用于将所述车载终端实时GPS数据、所述司机端APP实时GPS数据和所述目标线路信息合并，得到所述订单运输过程中的实时流数据；
判定模块，用于根据所述实时流数据，判断在所述订单运输过程中是否出现了风险事件，所述风险事件包括车辆轨迹偏离所述目标线路信息中的目标线路、司机端APP偏离车辆轨迹、车载终端的GPS信号丢失和司机端APP的GPS信号丢失。
进一步地，一种对订单和车辆轨迹风险的预警装置，包括：
采集模块，用于订单运输过程中，采集司机端APP实时GPS数据、历史导航数据信息和车辆的车载终端实时GPS数据，并对所述历史导航数据信息进行处理，得到目标线路信息；
合并模块，用于将所述车载终端实时GPS数据、所述司机端APP实时GPS数据和所述目标线路信息合并，得到所述订单运输过程中的实时流数据；
判定模块，用于根据所述实时流数据，判断在所述订单运输过程中是否出现了风险事件，所述风险事件包括车辆轨迹偏离所述目标线路信息中的目标线路、司机端APP偏离车辆轨迹、车载终端的GPS信号丢失和司机端APP的GPS信号丢失。
此外，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述技术方案中任一项所述的对订单和车辆轨迹风险的预警方法的步骤。
本发明还提供一种电子设备，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如上述技术方案中任一项所述的对订单和车辆轨迹风险的预警方法的步骤。
本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明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，下面所描述的附图仅仅是本发明的一些实施例，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为本发明实施例所示的一种对订单和车辆轨迹风险的预警方法的流程示意图；
图2为本发明另一实施例所示的一种对订单和车辆轨迹风险的预警装置的模块示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。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的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
如图1所示，本发明实施例所述的一种对订单和车辆轨迹风险的预警方法，包括以下步骤：
110、订单运输过程中，采集司机端APP实时GPS数据、历史导航数据信息和车辆的车载终端实时GPS数据，并对所述历史导航数据信息进行处理，得到目标线路信息。
120、将所述车载终端实时GPS数据、所述司机端APP实时GPS数据和所述目标线路信息合并，得到所述订单运输过程中的实时流数据。
130、根据所述实时流数据，判断在所述订单运输过程中是否出现了风险事件，所述风险事件包括车辆轨迹偏离所述目标线路信息中的目标线路、司机端APP偏离车辆轨迹、车载终端的GPS信号丢失和司机端APP的GPS信号丢失。
基于上述实施例所提出的一种对订单和车辆轨迹风险的预警方法，包括订单运输过程中，采集司机端APP实时GPS数据、历史导航数据信息和车辆的车载终端实时GPS数据，并对所述历史导航数据信息进行处理，得到目标线路信息；将所述车载终端实时GPS数据、所述司机端APP实时GPS数据和所述目标线路信息合并，得到所述订单运输过程中的实时流数据；根据所述实时流数据，判断在所述订单运输过程中是否出现了风险事件，所述风险事件包括车辆轨迹偏离所述目标线路信息中的目标线路司机端APP偏离车辆轨迹、车载终端的GPS信号丢失和司机端APP的GPS信号丢失。本发明实现了对司机以及货车可能遇到风险及时预警，防范了风险的发生。
进一步地，步骤110中对所述历史导航数据信息进行处理，得到目标线路信息，具体包括：
通过将订单数据中的订单ID与订单表关联，得到所述订单的发货地和收货地，根据所述订单的发货地和收货地，查询所述历史导航数据信息，得到以所述发货地作为起点和所述收货地作为终点的历史导航线路。
获取每一条所述历史导航线路中所包括的道路名称，将出现次数最多的所述道路名称作为常走导航道路，对所述常走导航道路进行拼接，得到所述目标线路信息。
进一步地，步骤120中具体包括：
通过所述车载终端实时GPS数据，得到运输所述订单的车辆ID，将所述车辆ID与所述司机端APP关联，得到所述订单ID。
根据所述车辆ID和所述订单ID，提取所述车载终端实时GPS数据、所述司机端APP实时GPS数据和所述目标线路信息，得到所述实时流数据，所述实时流数据包括所述订单ID、所述车辆ID、所述车辆的实时经纬度位置信息、所述司机的实时经纬度位置信息、所述目标线路中的经纬度信息、所述车辆的实时速度和时间戳。
进一步地，步骤130中根据所述实时流数据，判断在所述订单运输过程中是否出现了风险事件，具体包括：
131、对所述订单ID执行KeyBy算子得到所述实时流数据。
132、分别提取所述实时流数据中的所述司机端APP实时GPS数据中的第一时间戳、所述车载终端实时GPS数据中的第二时间戳和所述目标线路中的第三时间戳，并对所述第一时间戳、所述第二时间戳和所述第三时间戳进行位或计算，根据得到的计算结果，判断所述司机端APP实时GPS数据、所述车载终端实时GPS数据和所述目标线路信息是否完整。
133、若是，则根据球面两点距离公式分别计算当前时刻所述司机端APP所在位置和所述车载终端实时GPS数据所指示位置的第一实时距离，以及所述车载终端实时GPS数据所指示位置和基于所述目标线路所指示位置的第二实时距离。
134、根据所述第一时间戳、所述第二时间戳和所述实时速度，得到所述车载终端和所述司机端APP的第一理论距离。
135、根据所述第一时间戳、所述第三时间戳和所述实时速度，得到所述车载终端和当前时刻当车辆沿所述目标线路行驶时的位置的第二理论距离。
136、当所述第一实时距离和所述第二理论距离的差大于第一预设阈值时，则判定司机端APP偏离车辆轨迹。
137、当所述第二实时距离和所述第二理论距离的差大于第二预设阈值时，则判定所述车辆轨迹偏离所述目标线路。
进一步地，还包括步骤138：
若所述司机端APP实时GPS数据、所述车载终端实时GPS数据和所述目标线路信息未完整，则获取缺少的数据类型，所述数据类型包括所述司机端APP实时GPS数据、所述车载终端实时GPS数据和所述目标线路信息.
获取所缺少的数据类型的接收到的最近一次数据的时间窗口开始时间和当前窗口时间。
若所述当前窗口时间和所述最近一次数据的时间窗口开始时间的差值大于预设窗口时间时，判断是否获取到以所述当前窗口时间起始的所述缺少的数据类型。
若否，当所述缺少的数据类型是所述车载终端实时GPS数据时，则判定所述车载终端的GPS信号丢失，当所述缺少的数据类型是所述司机端APP实时GPS数据时，则判定所述司机端APP的GPS信号丢失。
进一步地，还包括步骤139：
若获取到以所述当前窗口时间起始的所述缺少的数据类型时，则获取到完整的所述司机端APP实时GPS数据、所述车载终端实时GPS数据和所述目标线路信息。
利用获取到的完整的所述司机端APP实时GPS数据、所述车载终端实时GPS数据和所述目标线路信息，判断是否存在所述车辆轨迹偏离所述目标线路信息中的目标线路以及司机端APP偏离车辆轨迹的风险事件。
应理解，通过车载终端实时上传车辆信息至服务器，实时采集司机端APP的GPS数据并存储。离线分析历史该路线其他订单司机所走导航路线。其中，车载终端GPS信息中包括车辆ID、实时GPS经纬度位置信息、车辆速度和时间戳，司机端APP的GPS数据中包括订单ID、司机ID和时间戳。订单数据中包括订单ID、发货地、收货地和时间戳。而司机车辆关系数据中包括司机ID、车辆ID和时间戳。历史线路分析基于MySQL订单信息。
具体采集方法：首先配置flink，设置使用数据event_time，检查点语义为EXACTLY_ONCE，最多保存2个检查点版本，触发检查点时间间隔为60s第一次，之后每次检查点最少间隔10s，检查点超时时间为60s。将数据写入hdfs文件指定hdfs路径及编码器UTF-8，将hdfs文件分桶大小设置为128MB，文件生成滚动时间为60s以及写入超时时间为60s。
车载终端GPS信息采用flink订阅kafka数据，首先定义侧流输出，判断kafka读取到的车载终端GPS数据中是否存在null值数据，存在null值数据，需要将数据存储至侧流中，然后同一存储至HDFS文件系统中心做脏数据存储分析。
司机端APP的GPS数据原始数据存储在mysql，通过flinkcdc进行对mysql的binlog日志订阅收集后判断读取到的数据中是否存在null值数据，存在null值数据，需要将数据存储至侧流中，然后同一存储至HDFS文件系统中心，做脏数据存储分析。
离线分析历史订单导航路线：首先通过订单数据中的订单ID，关联至订单表获取到本地订单线路发货地收货地，作为参数传入flinktableAPI读取hive近一年该线路的所有导航线路，通过经纬度调用地图API获取到每个经纬度对应的道路名称，然后使用flinkSQL以道路名称分组去重后得到每一条导航线路所走的具体道路名称，使用row_number()函数partitionby道路名称得到该线路最常走的导航线路，将结果加载至内存中备用。
车载终端GPS数据通过车辆ID读取司机车辆关系表关联司机ID后，再与订单表通过司机ID关联订单ID，最后将车载终端GPS数据增加订单ID字段，最终车载终端GPS数据格式为订单ID、车辆ID、实时GPS经纬度位置信息、车辆的实时速度和时间戳。
历史订单导航路线tableAPI通过AppendStream将table数据转换为DataStream数据，数据格式为订单ID、常跑路线ID和最常跑路线经纬度，通过DataStream的union算子将三流合并，合并后的流数据格式为订单ID、(车辆ID/司机ID/常跑路线ID)，实时GPS经纬度信息、车辆的实时速度、时间戳、历史最常跑路线经纬度信息以及司机app经纬度信息。将合并后的数据存储至HBASE数据库，用于在数据大屏展示实时车辆、司机、历史导航数据经纬度信息。在创建hbasesink连接时，通过继承低级APIRichSinkFunction并实现其open，close，invoke函数，其中open()close()为实例化一次性执行函数，需要再open函数中创建hbaseConnection连接并获取到HBASEAdmin。进行判断hbase表是否存在，如果存在则立即设置批量写入大小为达到2MB并刷写至HBASE表中，如果没有创建表，那么首先进行hbase的表创建，指定列簇以及预分区个数，然后再设置批量写入大小。在close()函数中进行hbase连接的关闭，invoke()函数中实现具体写入hbase方法：将流数据转换为Object后，mutator.mutate(put)刷写至磁盘，此处在进行一次判断，如果缓存中条数大于500条数据就刷写，或者缓存中数据字节数大于2MB就刷写至hbase数据库。风险判断种类包括车辆轨迹与推荐轨迹距离过大和信息丢失超时未获取到新的数据预警。合并后流数据添加watermark水位线和滚动窗口，通过数据中的时间戳作为event_time，其中watermark的水位具体时间需要通过前期对数据测试预估延迟时间进行合理的设置，暂时先设置为1s的watermark。根据订单ID进行keyBy算子使同一订单的数据在一个window中，通过window算子的apply获取到流中最新的数据，三种GPS数据信息定义同一个bean进行存储，bean字段有订单ID，GPS数据类型，经度、纬度、速度、时间戳。首先初始化时间戳和订单ID写入bean中，根据窗口中的数据iterable，循环迭代器判断ID类型是三种类型中哪种，车辆、司机或历史导航线路，迭代器中的时间戳大于0，因为只有车载终端GPS信息中包括速度(speed)，根据判断的结果具体写入不同的bean中。因为窗口时间考虑可能会出现丢数据的情况，不能窗口开窗时间与数据上传频次时间相同，而是应该比最大的上传频次时间大点，因此在循环封装至bean后，将多个bean封装至ArrayList然后发送至下游操作，每个Windows一个迭代器，窗口关闭迭代器结束。
首先获取到所有窗口中的数据，通过java的位计算。判断数据是否完整。在历史路线中使用a＝a|1；在司机APPGPS信息中：使用a＝a|2；在车载终端GPS数据总：使用a＝a|4；因此最后a的可能值是0至7，a＝0时：代表当前窗口中没有任何数据。a＝1时：代表当前窗口中有历史路线数据、无司机app数据、无车载终端GPS数据。a＝2时：代表当前窗口中无历史路线数据、有司机app数据、无车载终端GPS数据。a＝3时：代表当前窗口中有历史路线数据、有司机app数据、无车载终端GPS数据。a＝4时：代表当前窗口中无历史路线数据、无司机app数据、有车载终端GPS数据。a＝5时：代表当前窗口中有历史路线数据、无司机app数据、有车载终端GPS数据。a＝6时：代表当前窗口中无历史路线数据、有司机app数据、有车载终端GPS数据。a＝7时：代表当前窗口中有历史路线数据、有司机app数据、有车载终端GPS数据。注：位或运算|同为0时为0，否则为1，所以当a＝7时，说明窗口中数据是完整的，计算两个经纬度之间的距离方法：因为在JAVA中的Math类中的cos、sin等方法的参数都是以弧度为单位的，故首先将经度、纬度分别化为弧度d*Math.PI/180.0其中d为经度或者纬度；分别将两个经度转化为弧度、纬度转化为弧度单位，然后根据球面两点距离的公式得出2点之间的距离点A，纬度角β1，经度角α1；点B，纬度角β2，经度角α2。则距离S＝R·arccos[cosβ1cosβ2cos(α1-α2)+sinβ1sinβ2]，其中R为球体半径分别求出司机APP与车载终端GPS的距离，车辆与历史路线的在某一时间点的距离为a1和a2。再根据车辆的速度/3.6*|车载终端GPS的时间戳-司机APP的时间戳|＝理论两点距离值b1车辆的速度/3.6*|车载终端GPS的时间戳-历史线路的时间戳|＝理论两点距离值b2，给定阈值分别比较a1-b1、a2-b2的值如果大于给定阈值，则认为司机APP轨迹、车辆轨迹与推荐轨迹距离过大从而触发预警机制。
对于，GPS信息丢失超过一定阈值未获取到新的数据预警，因为在途中可能会出现过隧道、接打电话、山区信号弱等会导致暂时性丢失轨迹数据点，因此在判断GPS信息丢失时需要考虑如果出现连续多个时间窗口中的数据都同时丢失某一个轨迹的数据才进行预警，而不是一个时间戳口丢失就进行预警。存放历史窗口未丢失数据的bean：订单ID，丢失数据标记、窗口开始时间、未丢失数据。在判断轨迹在某一时刻距离是否过大时，a！＝7时证明有轨迹数据丢失，此时将未丢失的数据通过context.output()存入定义好的侧流中，多窗口拼接完整数据，从存放未丢失数据的侧流中自定义ProcessFunction读取数据，在open函数中，定义ValueStateDescriptor设置状态名称以及状态类型，接着从RuntimeContext()中初始化ValueState。在processElement函数中：从侧流中取出不是完整数据的数据，通过TimeWindow.getWindowStartWithOffset方法获取到当前window的开始时间。判断ValueState中是否有数据，如果没有数据那么将当前窗口开始时间及当前窗口中的数据写入ValueState的重组bean中，重组bean包括字段：当前窗口开始时间，不完整数据的窗口开始时间、不完整数据缺失标记，不完整数据的数据如果当前窗口开始时间-不完整数据窗口开始时间>windowsize(窗口时间)。那么将当前窗口开始时间及当前窗口的数据写入ValueState的重组bean中。如果不完整数据的标记位或当前窗口的数据的标记＝＝7，那么说明ValueState中的数据+当前窗口的数据可以凑齐完整的三条轨迹的数据将凑齐的完整数据发送到下游去，继续判断是否有相同时间两点距离过大预警。如果数据无法补齐那么判断当前窗口的开始时间-不完整数据的窗口开始时间>规定阈值。那么认为数据丢失时间较长，需要进行预警。
如图2所示，一种对订单和车辆轨迹风险的预警装置，包括：
采集模块，用于订单运输过程中，采集司机端APP实时GPS数据、历史导航数据信息和车辆的车载终端实时GPS数据，并对所述历史导航数据信息进行处理，得到目标线路信息；
合并模块，用于将所述车载终端实时GPS数据、所述司机端APP实时GPS数据和所述目标线路信息合并，得到所述订单运输过程中的实时流数据；
判定模块，用于根据所述实时流数据，判断在所述订单运输过程中是否出现了风险事件，所述风险事件包括车辆轨迹偏离所述目标线路信息中的目标线路、司机端APP偏离车辆轨迹、车载终端的GPS信号丢失和司机端APP的GPS信号丢失。
进一步地，一种对订单和车辆轨迹风险的预警装置，包括：
采集模块，用于订单运输过程中，采集司机端APP实时GPS数据、历史导航数据信息和车辆的车载终端实时GPS数据，并对所述历史导航数据信息进行处理，得到目标线路信息；
合并模块，用于将所述车载终端实时GPS数据、所述司机端APP实时GPS数据和所述目标线路信息合并，得到所述订单运输过程中的实时流数据；
判定模块，用于根据所述实时流数据，判断在所述订单运输过程中是否出现了风险事件，所述风险事件包括车辆轨迹偏离所述目标线路信息中的目标线路、司机端APP偏离车辆轨迹、车载终端的GPS信号丢失和司机端APP的GPS信号丢失。
此外，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述技术方案中任一项所述的对订单和车辆轨迹风险的预警方法的步骤。
本发明还提供一种电子设备，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如上述技术方案中任一项所述的对订单和车辆轨迹风险的预警方法的步骤。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种对订单和车辆轨迹风险的预警方法，其特征在于，包括：
订单运输过程中，采集司机端APP实时GPS数据、历史导航数据信息和车辆的车载终端实时GPS数据，并对所述历史导航数据信息进行处理，得到目标线路信息；
将所述车载终端实时GPS数据、所述司机端APP实时GPS数据和所述目标线路信息合并，得到所述订单运输过程中的实时流数据；
根据所述实时流数据，判断在所述订单运输过程中是否出现了风险事件，所述风险事件包括车辆轨迹偏离所述目标线路信息中的目标线路、司机端APP偏离车辆轨迹车载终端的GPS信号丢失和司机端APP的GPS信号丢失。
2.根据权利要求1所述的对订单和车辆轨迹风险的预警方法，其特征在于，所述对所述历史导航数据信息进行处理，得到目标线路信息，具体包括：
通过将订单数据中的订单ID与订单表关联，得到所述订单的发货地和收货地，根据所述订单的发货地和收货地，查询所述历史导航数据信息，得到以所述发货地作为起点和所述收货地作为终点的历史导航线路；
获取每一条所述历史导航线路中所包括的道路名称，将出现次数最多的所述道路名称作为常走导航道路，对所述常走导航道路进行拼接，得到所述目标线路信息。
3.根据权利要求1所述的对订单和车辆轨迹风险的预警方法，其特征在于，所述将所述车载终端实时GPS数据、所述司机端APP实时GPS数据和所述目标线路信息合并，得到所述订单运输过程中的实时流数据，具体包括：
通过所述车载终端实时GPS数据，得到运输所述订单的车辆ID，将所述车辆ID与所述司机端APP关联，得到所述订单ID；
根据所述车辆ID和所述订单ID，提取所述车载终端实时GPS数据、所述司机端APP实时GPS数据和所述目标线路信息，得到所述实时流数据，所述实时流数据包括所述订单ID、所述车辆ID、所述车辆的实时经纬度位置信息、所述司机的实时经纬度位置信息、所述目标线路中的经纬度信息、所述车辆的实时速度和时间戳。
4.根据权利要求1所述的对订单和车辆轨迹风险的预警方法，其特征在于，所述根据所述实时流数据，判断在所述订单运输过程中是否出现了风险事件，具体包括：
对所述订单ID执行KeyBy算子得到所述实时流数据；
分别提取所述实时流数据中的所述司机端APP实时GPS数据中的第一时间戳、所述车载终端实时GPS数据中的第二时间戳和所述目标线路中的第三时间戳，并对所述第一时间戳、所述第二时间戳和所述第三时间戳进行位或计算，根据得到的计算结果，判断所述司机端APP实时GPS数据、所述车载终端实时GPS数据和所述目标线路信息是否完整；
若是，则根据球面两点距离公式分别计算当前时刻所述司机端APP所在位置和所述车载终端实时GPS数据所指示位置的第一实时距离，以及所述车载终端实时GPS数据所指示位置和基于所述目标线路所指示位置的第二实时距离；
根据所述第一时间戳、所述第二时间戳和所述实时速度，得到所述车载终端和所述司机端APP的第一理论距离；
根据所述第一时间戳、所述第三时间戳和所述实时速度，得到所述车载终端和当前时刻当车辆沿所述目标线路行驶时的位置的第二理论距离；
当所述第一实时距离和所述第二理论距离的差大于第一预设阈值时，则判定所述司机端APP偏离车辆轨迹；
当所述第二实时距离和所述第二理论距离的差大于第二预设阈值时，则判定所述车辆轨迹偏离所述目标线路。
5.根据权利要求4所述的对订单和车辆轨迹风险的预警方法，其特征在于，所述方法还包括：
若所述司机端APP实时GPS数据、所述车载终端实时GPS数据和所述目标线路信息未完整，则获取缺少的数据类型，所述数据类型包括所述司机端APP实时GPS数据、所述车载终端实时GPS数据和所述目标线路信息；
获取所缺少的数据类型的接收到的最近一次数据的时间窗口开始时间和当前窗口时间；
若所述当前窗口时间和所述最近一次数据的时间窗口开始时间的差值大于预设窗口时间时，判断是否获取到以所述当前窗口时间起始的所述缺少的数据类型；
若否，当所述缺少的数据类型是所述车载终端实时GPS数据时，则判定所述车载终端的GPS信号丢失，当所述缺少的数据类型是所述司机端APP实时GPS数据时，则判定所述司机端APP的GPS信号丢失。
6.根据权利要求5所述的对订单和车辆轨迹风险的预警方法，其特征在于，所述方法还包括：
若获取到以所述当前窗口时间起始的所述缺少的数据类型时，则获取到完整的所述司机端APP实时GPS数据、所述车载终端实时GPS数据和所述目标线路信息；
利用获取到的完整的所述司机端APP实时GPS数据、所述车载终端实时GPS数据和所述目标线路信息，判断是否存在所述车辆轨迹偏离所述目标线路信息中的目标线路以及所述司机端APP偏离车辆轨迹的风险事件。
7.一种对订单和车辆轨迹风险的预警装置，其特征在于，包括：
采集模块，用于订单运输过程中，采集司机端APP实时GPS数据、历史导航数据信息和车辆的车载终端实时GPS数据，并对所述历史导航数据信息进行处理，得到目标线路信息；
合并模块，用于将所述车载终端实时GPS数据、所述司机端APP实时GPS数据和所述目标线路信息合并，得到所述订单运输过程中的实时流数据；
判定模块，用于根据所述实时流数据，判断在所述订单运输过程中是否出现了风险事件，所述风险事件包括车辆轨迹偏离所述目标线路信息中的目标线路、司机端APP偏离车辆轨迹车载终端的GPS信号丢失和司机端APP的GPS信号丢失。
8.根据权利要求7所述的对订单和车辆轨迹风险的预警装置，其特征在于，所述采集模块，具体用于通过将订单数据中的订单ID与订单表关联，得到所述订单的发货地和收货地，根据所述订单的发货地和收货地，查询所述历史导航数据信息，得到以所述发货地作为起点和所述收货地作为终点的历史导航线路；
获取每一条所述历史导航线路中所包括的道路名称，将出现次数最多的所述道路名称作为常走导航道路，对所述常走导航道路进行拼接，得到所述目标线路信息。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6中任一项所述的对订单和车辆轨迹风险的预警方法的步骤。
10.一种电子设备，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如权利要求1至6中任一项所述的对订单和车辆轨迹风险的预警方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210011073.5A CN114511193A (zh) | 2022-01-06 | 2022-01-06 | 对订单和车辆轨迹风险的预警方法、装置、介质和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210011073.5A CN114511193A (zh) | 2022-01-06 | 2022-01-06 | 对订单和车辆轨迹风险的预警方法、装置、介质和设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114511193A true CN114511193A (zh) | 2022-05-17 |
Family
ID=81548872
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210011073.5A Pending CN114511193A (zh) | 2022-01-06 | 2022-01-06 | 对订单和车辆轨迹风险的预警方法、装置、介质和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114511193A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117029851A (zh) * | 2023-07-31 | 2023-11-10 | 赛马物联科技(宁夏)有限公司 | 一种货运车辆驾驶辅助系统及方法 |
| CN117455344A (zh) * | 2023-10-25 | 2024-01-26 | 上海钢联物流股份有限公司 | 物流轨迹的采集校验方法及系统 |
-
2022
- 2022-01-06 CN CN202210011073.5A patent/CN114511193A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117029851A (zh) * | 2023-07-31 | 2023-11-10 | 赛马物联科技(宁夏)有限公司 | 一种货运车辆驾驶辅助系统及方法 |
| CN117455344A (zh) * | 2023-10-25 | 2024-01-26 | 上海钢联物流股份有限公司 | 物流轨迹的采集校验方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114511193A (zh) | 对订单和车辆轨迹风险的预警方法、装置、介质和设备 | |
| CN102881057B (zh) | 基于iOBD的车辆管理系统及其车辆管理方法 | |
| CN107767661B (zh) | 车辆实时跟踪系统 | |
| CN112734242B (zh) | 一种车辆运行轨迹数据的可用度分析方法、装置、存储介质及终端 | |
| CN111765904B (zh) | 自动驾驶车辆的测试方法、装置、电子设备和介质 | |
| CN114296105B (zh) | 一种定位故障原因确定方法、装置、设备以及存储介质 | |
| CN113538946A (zh) | 一种基于分布式的高速公路突发情况预警系统、方法 | |
| CN107089209A (zh) | 一种用于计算电动汽车续驶里程的方法和装置 | |
| CN114140300A (zh) | 基于gps数据识别车辆停靠点方法、装置、存储介质及终端 | |
| CN111476501B (zh) | 装卸工程车的工作量计量方法、装置、设备及介质 | |
| CN112633812A (zh) | 货运车辆的轨迹分段方法、装置、设备及存储介质 | |
| CN111930874A (zh) | 一种数据采集方法及电子设备 | |
| CN111694034A (zh) | 一种基于北斗导航定位的河湖长制水情巡查系统 | |
| CN114061587B (zh) | 一种轨迹信息处理方法、装置、电子设备及存储介质 | |
| CN104908694A (zh) | 用于行驶轨迹鉴定的系统及其数据采集装置 | |
| CN116184459A (zh) | 一种定位信号补偿方法、系统、电子设备和可读存储介质 | |
| US9569448B2 (en) | Operating techniques for a storage network system | |
| CN113422829A (zh) | 客运车辆告警方法、告警装置、计算机存储介质及终端 | |
| CN114387812A (zh) | 一种垃圾收运监控方法、装置、设备和存储介质 | |
| CN114199274A (zh) | 一种车辆行程确定方法、装置、设备及可读存储介质 | |
| CN113962107A (zh) | 对行驶路段仿真的方法、装置、电子设备及存储介质 | |
| CN111798672A (zh) | 道路气象信息监测管理系统 | |
| CN110808941B (zh) | 一种车辆行驶控制方法及装置 | |
| CN114898236B (zh) | 一种基于无人机的渣土车监测方法、系统及云平台 | |
| CN113194408B (zh) | 检测北斗信号覆盖盲区的方法、装置、设备及存储介质 |
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 |