CN116664025A - 装卸货位置点生成方法、装置及设备 - Google Patents

装卸货位置点生成方法、装置及设备 Download PDF

Info

Publication number
CN116664025A
CN116664025A CN202310545073.8A CN202310545073A CN116664025A CN 116664025 A CN116664025 A CN 116664025A CN 202310545073 A CN202310545073 A CN 202310545073A CN 116664025 A CN116664025 A CN 116664025A
Authority
CN
China
Prior art keywords
track
vehicle
point
stay
low
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
Application number
CN202310545073.8A
Other languages
English (en)
Inventor
李芳影
杜利强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Huitongtianxia Iot Technology Co ltd
Original Assignee
Beijing Huitongtianxia Iot Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Huitongtianxia Iot Technology Co ltd filed Critical Beijing Huitongtianxia Iot Technology Co ltd
Priority to CN202310545073.8A priority Critical patent/CN116664025A/zh
Publication of CN116664025A publication Critical patent/CN116664025A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06F18/23—Clustering techniques
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Tourism & Hospitality (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例提供一种装卸货位置点生成方法、装置及设备，涉及货运运输领域。该方法包括：获取预设历史时间段内多个车辆的多个行驶轨迹，并根据每个车辆的行驶轨迹，得到每个车辆的停留点，然后根据多个车辆的所有停留点，从预设地理范围内，确定多个停留区块，最终从多个停留区块中确定多个装卸货位置点。本申请的方法，基于海量的多个车辆的多个行驶轨迹中确定多个车辆的所有停留点，并根据所有停留点确定多个停留区块，从多个停留区块中确定多个装卸货位置点，提高了多个装卸货位置点生成的准确率，并且避免通过人工录入收集装卸货位置点，提高装卸货位置点生成效率，基于生成的装卸货位置点可应用于不同的行业和地区，便于车辆运输。

Description

装卸货位置点生成方法、装置及设备
技术领域
本发明涉及货运运输领域，具体而言，涉及一种装卸货位置点生成方法、装置及设备。
背景技术
近年来，物流运输行业成为人类生产生活中必不可少的一环。随着货运场景的不断扩展，通用的地图数据越来越难以满足货运参与者的应用需求，构建基于货运的物流专业地图成为一个推动物流行业发展的重要动力。装卸货停留位置是物流地图的一个重要组成部分。
目前现有技术，在真实的业务场景中，装卸货位置点的生成主要通过车辆停留点、人工录入收集来获取，但是车辆停留点不一定是装卸货位置点，也可能是停车场或者是高速休息区，若直接将车辆停留点视为装卸货位置点，则生成装卸货位置点的准确率较低，而人工录入需耗费大量人力资源，且更新时效无法保证。
发明内容
本发明的目的在于，针对上述现有技术中的不足，提供一种装卸货位置点生成方法、装置及设备，以便提高多个装卸货位置点生成的准确率和效率。
为实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供了一种装卸货位置点生成方法，包括：
获取预设历史时间段内多个车辆的多个行驶轨迹；
根据每个车辆的行驶轨迹，生成所述每个车辆的停留点；
根据所述多个车辆的所有停留点，从预设地理范围内，确定多个停留区块；
从所述多个停留区块中确定多个装卸货位置点。
在可选的实施方式中，所述根据每个车辆的行驶轨迹，生成所述每个车辆的停留点，包括：
根据所述每个车辆的行驶轨迹中各个轨迹点的特征参数，生成所述每个车辆的行驶轨迹中各个轨迹点的缺失状态标签和低速状态标签；
根据所述每个车辆的行驶轨迹中各个轨迹点的缺失状态标签和低速状态标签，从所述每个车辆的行驶轨迹中，确定所述每个车辆的多个低速轨迹段；
计算所述每个车辆的多个低速轨迹段的行驶里程和持续时间；
根据所述多个低速轨迹段的行驶里程和持续时间，从所述多个低速轨迹段中确定针对所述每个车辆的目标低速轨迹段；
根据所述每个车辆的目标低速轨迹段，生成所述每个车辆的停留点。
在可选的实施方式中，所述根据所述每个车辆的行驶轨迹中各个轨迹点的缺失状态标签和低速状态标签，从所述每个车辆的行驶轨迹中，确定所述每个车辆的多个低速轨迹段，包括：
根据所述每个车辆的行驶轨迹中各个轨迹点的缺失状态标签，以第一目标轨迹点为切分点，对所述每个车辆的行驶轨迹进行切分，得到至少一个轨迹段；其中，所述第一目标轨迹点为所述每个车辆的行驶轨迹中缺失状态标签指示处于缺失状态的轨迹点；
根据每个轨迹段中各个轨迹点的低速状态标签，生成所述每个轨迹段中各个轨迹点的低速状态变化标签；
根据所述每个轨迹段中各个轨迹点的低速状态变化标签，以第二目标轨迹点为切分点，对所述每个轨迹段进行切分，得到针对所述每个轨迹段的至少一个子轨迹段；其中，所述第二目标轨迹点为所述每个轨迹段中低速状态变化标签指示处于低速状态发生变化的轨迹点；
从所述每个车辆的所有子轨迹段中确定针对所述每个车辆的低速子轨迹段；
对所述每个车辆的所有低速子轨迹段中满足预设合并条件的目标低速子轨迹段进行合并，生成所述每个车辆的多个低速轨迹段。
在可选的实施方式中，所述对所述每个车辆的所有低速子轨迹段中满足预设合并条件的目标低速子轨迹段进行合并，生成所述每个车辆的多个低速轨迹段之前，所述方法还包括：
计算所述每个车辆的所有低速子轨迹段中相邻两个子轨迹段的时间间隔和距离间隔；
根据所述相邻两个子轨迹段的时间间隔和距离间隔，从所述每个车辆的所有低速子轨迹段中确定与前一子轨迹段的时间间隔小于或等于预设时间间隔阈值，且，距离间隔小于或等于预设距离间隔阈值的子轨迹段为所述低速轨迹段。
在可选的实施方式中，所述根据所述多个车辆的所有停留点，从预设地理范围内，确定多个停留区块，包括：
从所述预设地理范围内，确定每个停留点所属的地理网格块，得到多个目标地理网格块；
对每个目标地理网格块内的所有停留点进行第一聚类，得到所述每个目标地理网格块对应的块内停留点簇；
对所述多个目标地理网格块对应的块内停留点簇进行第二聚类，得到多个块间停留点簇；
根据所述多个块间停留点簇，生成所述多个停留区块。
在可选的实施方式中，所述对所述多个目标地理网格块对应的块内停留点簇进行第二聚类，得到多个块间停留点簇，包括：
计算所述多个目标地理网格块对应的块内停留点簇的聚类中心点和区域范围；
根据所述块内停留点簇的聚类中心点和区域范围，对所述多个目标地理网格块对应的块内停留点簇进行第二聚类，得到所述多个块间停留点簇；
所述根据所述多个块间停留点簇，生成所述多个停留区块，包括：
计算所述多个块间停留点簇的聚类中心点和区域范围；
根据所述多个块间停留点簇的聚类中心点和区域范围，分别生成所述多个停留区块。
在可选的实施方式中，所述从所述多个停留区块中确定多个装卸货位置点，包括：
根据所述多个停留区块内各停留点的特征，计算所述多个停留区块在
多个类别的特征参数；
根据所述多个停留区块在所述多个类别的特征参数，从所述多个停留区块中确定所述多个类别的特征参数均满足对应条件的多个目标停留区块为所述多个装卸货位置点。
在可选的实施方式中，所述多个类别的特征参数包括：停留属性的特征参数、通用位置点的特征参数、车辆静态属性的特征参数；
所述根据所述多个停留区块在所述多个类别的特征参数，从所述多个停留区块中确定所述多个类别的特征参数均满足对应条件的多个目标停留区块为所述多个装卸货位置点，包括：
从所述多个停留区块中确定所述停留属性的特征参数大于预设停留属性阈值，且，不属于所述通用位置点的特征参数，且，所述车辆静态属性的特征参数小于预设车辆静态属性阈值的多个目标停留区块为所述多个装卸货位置点。
第二方面，本申请实施例还提供了一种装卸货位置点生成装置，包括：
获取模块，用于获取预设历史时间段内多个车辆的多个行驶轨迹；
确定模块，用于根据每个车辆的行驶轨迹，生成所述每个车辆的停留点；
所述确定模块，还用于根据所述多个车辆的所有停留点，从预设地理范围内，确定多个停留区块；
所述确定模块，还用于从所述多个停留区块中确定多个装卸货位置点。
第三方面，本申请实施例还提供了一种计算机设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的程序指令，当计算机设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述程序指令，以执行如第一方面任一所述的装卸货位置点生成方法的步骤。
第四方面，本申请实施例还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如第一方面任一所述的装卸货位置点生成方法的步骤。
本申请的有益效果是：
本申请实施例提供一种装卸货位置点生成方法、装置及设备，包括：获取预设历史时间段内多个车辆的多个行驶轨迹，并根据每个车辆的行驶轨迹，得到每个车辆的停留点，然后根据多个车辆的所有停留点，从预设地理范围内，确定多个停留区块，最终从多个停留区块中确定多个装卸货位置点。本申请的方法，基于海量的多个车辆的多个行驶轨迹中确定多个车辆的所有停留点，并根据所有停留点确定多个停留区块，从多个停留区块中确定多个装卸货位置点，提高多个装卸货位置点生成的准确率，并且避免通过人工录入收集装卸货位置点，提高装卸货位置点生成效率，基于生成的装卸货位置点可应用于不同的行业和地区，便于车辆运输。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的一种装卸货位置点生成方法的流程示意图之一；
图2为本申请实施例提供的一种装卸货位置点生成方法的流程示意图之二；
图3为本申请实施例提供的一种装卸货位置点生成方法的流程示意图之三；
图4为本申请实施例提供的一种装卸货位置点生成方法的流程示意图之四；
图5为本申请实施例提供的一种装卸货位置点生成方法的流程示意图之五；
图6为本申请实施例提供的一种装卸货位置点生成方法的流程示意图之六；
图7为本申请实施例提供的一种装卸货位置点生成方法的流程示意图之七；
图8为本申请实施例提供的一种装卸货位置点生成装置的功能模块示意图；
图9为本申请实施例提供的一种计算机设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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一部分实施例，而不是全部的实施例。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作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。
此外，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在不冲突的情况下，本申请的实施例中的特征可以相互结合。
为了提高车辆运输过程中装卸货位置点的生成效率，本申请实施例提供了一种装卸货位置点生成方法，根据每个车辆的行驶轨迹，得到每个车辆的停留点，从而得到多个车辆的所有停留点，并对多个车辆的所有停留点进行处理，得到多个停留区块，进一步对多个停留区块进行筛选，最终得到多个装卸货位置点，由于进行了进一步的筛选，使得最终得到的装卸货位置点更加准确，同时也提高了装卸货位置点生成效率。
如下结合附图通过具体示例对本申请实施例提供的装卸货位置点生成方法进行详细的解释说明。本申请实施例提供的装卸货位置点生成方法可由预先安装有：预设算法或者检测软件的计算机设备，通过运行算法或者软件实现。计算机设备例如可以为服务器或终端，终端可以为用户计算机。图1为本申请实施例提供的一种装卸货位置点生成方法的流程示意图之一。如图1所示，该方法包括：
S101、获取预设历史时间段内多个车辆的多个行驶轨迹。
在本实施例中，多个车辆的多个行驶轨迹可采用GPS轨迹记录仪对多个车辆的行驶过程进行采集，从而得到一系列的位置点即轨迹点，其中，每个位置点可包括日期、时间、经度、纬度、海拔信息、速度等特征参数。对多个车辆在预设历史时间段的多个行驶轨迹进行获取，用于后续对每个车辆的行驶轨迹进行处理，其中，预设历史时间段可以为5天、10天或者一个月，在此不做限制。
S102、根据每个车辆的行驶轨迹，生成每个车辆的停留点。
具体的，每个车辆的停留点可表示为每个车辆在预设历史时间段进行了一定时间的停留，其中，每个车辆进行一定时间的停留可能是在装卸货位置点进行装卸货、在停车场停车一定时间或者是在收费站停留一定时间，因此，根据每个车辆的行驶轨迹，得到每个车辆的停留点，对最终装卸货位置点的生成确认提供一定的基础。根据每个车辆的行驶轨迹，并对每个车辆的行驶轨迹进行切分处理，从而生成每个车辆的停留点。
S103、根据多个车辆的所有停留点，从预设地理范围内，确定多个停留区块。
根据上述步骤S102得到每个车辆的停留点，遍历每个车辆的停留点，从而可得到多个车辆的所有停留点，从预设地理范围内，根据所有停留点的经纬度确定多个停留区块，其中，停留区块指示为多个车辆在预设历史时间段均进行了一定时间的停留，多个车辆均进行了一定时间的停留，可能是该停留区块为装卸货位置点，因此多个车辆在该停留区块停留了一定时间进行装卸货，也可能是该停留区块为停车场，多个车辆在该停留区块停车了一定时间，因此，根据多个车辆的所有停留点，得到多个停留区块，为最终装卸货位置点的生成确认提供一定的基础。
S104、从多个停留区块中确定多个装卸货位置点。
根据多个装卸货位置点的特征以及多个停留区块中各停留点的特征，从多个停留区块中确定多个装卸货位置点。
综上所述，本申请实施例提供一种装卸货位置点生成方法，包括：获
取预设历史时间段内多个车辆的多个行驶轨迹，并根据每个车辆的行驶轨迹，得到每个车辆的停留点，然后根据多个车辆的所有停留点，从预设地理范围内，确定多个停留区块，最终从多个停留区块中确定多个装卸货位置点。本申请的方法，基于海量的多个车辆的多个行驶轨迹中确定多个车辆的所有停留点，并根据所有停留点确定多个停留区块，从多个停留区块中确定多个装卸货位置点，提高多个装卸货位置点生成的准确率，并且避免通过人工录入收集装卸货位置点，提高装卸货位置点生成效率，基于生成的装卸货位置点可应用于不同的行业和地区，便于车辆运输。
在上述实施例提供的装卸货位置点生成方法的基础上，本申请实施例还提供另一种装卸货位置点生成方法的可能实现方式。图2为本申请实施例提供的一种装卸货位置点生成方法的流程示意图之二。如图2所示，根据每个车辆的行驶轨迹，得到每个车辆的停留点，包括：
S201、根据每个车辆的行驶轨迹中各个轨迹点的特征参数，生成每个车辆的行驶轨迹中各个轨迹点的缺失状态标签和低速状态标签。
在本实施例中，每个车辆的行驶轨迹根据时间戳进行排序，通过各个轨迹点的特征参数用于表征每个车辆在该轨迹点的行驶状态，其中，各个轨迹点的特征参数可包括：时间、经纬度、速度等。
示例的，第i辆车的全部轨迹表示为：GPSi＝[POINTi1，POINTi2，...，POINTik]；
第i辆车的第j个轨迹表示为：POINTij＝[tij，latij，lngij，vij]；
其中，tij代表第i辆车的第j个轨迹的时间，latij代表第i辆车的第j个轨迹的纬度，lngij代表第i辆车的第j个轨迹的经度，vij代表第i辆车的第j个轨迹的速度。
通过比较每个轨迹点与前一个轨迹点的特征参数，生成每个轨迹点的缺失状态标签和低速状态标签，从而得到每个车辆的行驶轨迹中各个轨迹点的缺失状态标签和低速状态标签。
具体的，计算每个轨迹点和前一个轨迹点的时间间隔、距离间隔，判断时间间隔是否大于时间预设阈值以及距离间隔是否大于距离预设阈值，若时间间隔大于时间预设阈值，则该轨迹点的缺失状态标签为“1”，若距离间隔大于距离预设阈值，则该轨迹点的缺失状态标签为“1”，否则，则该轨迹点的缺失状态标签为“0”，其中，缺失状态标签为“1”表示该轨迹点存在轨迹缺失，缺失状态标签为“0”表示该轨迹点的轨迹未缺失，第i辆车的第j个轨迹的缺失状态标签lose_statusij用公式表示如下：
其中，threshtime代表时间预设阈值，threshdis代表距离预设阈值，tij代表第i辆车的第j个轨迹的时间，latij代表第i辆车的第j个轨迹的纬度，lngij代表第i辆车的第j个轨迹的经度，ti(j-1)代表第i辆车的第j-1个轨迹的时间，lati(j-1)代表第i辆车的第j-1个轨迹的纬度，lngi(j-1)代表第i辆车的第j-1个轨迹的经度。
另外，计算每个轨迹点的速度是否小于预设速度阈值，若该轨迹点的速度小于速度预设阈值，则该轨迹点的低速状态标签为“1”表示该轨迹点为低速行驶轨迹点，否则，该轨迹点的低速状态标签为“0”表示该轨迹点非低速行驶轨迹点，第i辆车的第j个轨迹的低速状态标签lowspeed_statusij用公式表示如下：
其中，threshspeed代表速度预设阈值，vij代表第i辆车的第j个轨迹的速度，最后，第i辆车的第j个轨迹可表示为：POINTij＝[tij，latij，lngij，vij，lose_statusij，lowspeed_statusij]，最终生成每个车辆的行驶轨迹中各个轨迹点的缺失状态标签和低速状态标签。
S202、根据每个车辆的行驶轨迹中各个轨迹点的缺失状态标签和低速状态标签，从每个车辆的行驶轨迹中，确定每个车辆的多个低速轨迹段。
具体的，根据每个车辆的行驶轨迹中各个轨迹点的缺失状态标签和低速状态标签，对每个车辆的行驶轨迹进行切分，从而得到每个车辆的多个低速轨迹段。
S203、计算每个车辆的多个低速轨迹段的行驶里程和持续时间。
其中，每个车辆的多个低速轨迹段中包括多个低速轨迹点，而每个低速轨迹点的特征参数中包括了速度、时间、经纬度等，因此，根据多个低速轨迹段的开始轨迹点和结束轨迹点，计算每个车辆的多个低速轨迹段的行驶里程和持续时间，其中，第i辆车的第g个低速轨迹段可表示为Sig＝[start_timeig，end_timeig，avg_speedig，lat_avgig，lng_avgig，run_mertersig，continue_secondsig]，start_timeig表示为第i辆车的第g个低速轨迹段的开始时间，end_timeig表示为第i辆车的第g个低速轨迹段的结束时间，avg_speedig表示为第i辆车的第g个低速轨迹段的平均速度，lat_avgig表示为第i辆车的第g个低速轨迹段的平均经度，lng_avgig表示为第i辆车的第g个低速轨迹段的平均纬度，run_mertersig表示为第i辆车的第g个低速轨迹段的行驶里程，continue_secondsig表示为第i辆车的第g个低速轨迹段的持续时间。
S204、根据多个低速轨迹段的行驶里程和持续时间，从多个低速轨迹段中确定针对每个车辆的目标低速轨迹段。
其中，根据多个低速轨迹段的行驶里程和持续时间与行驶里程预设阈值和持续时间预设阈值的比较，从多个低速轨迹段中筛选确定出针对每个车辆的目标低速轨迹段，具体的，从多个低速轨迹段中筛选出行驶里程小于行驶里程预设阈值且持续时间大于持续时间预设阈值的低速轨迹段，将筛选出的低速轨迹段作为该车辆的目标低速轨迹段。
S205、根据每个车辆的目标低速轨迹段，生成每个车辆的停留点。
由于每个车辆的目标低速轨迹段的行驶里程小于行驶里程预设阈值，则每个车辆的目标低速轨迹段可视为每个车辆的停留点。
本申请实施例提供的方法中，通过根据每个车辆的行驶轨迹中各个轨迹点的特征参数，生成每个车辆的行驶轨迹中各个轨迹点的缺失状态标签和低速状态标签，然后根据每个车辆的行驶轨迹中各个轨迹点的缺失状态标签和低速状态标签，从每个车辆的行驶轨迹中，确定每个车辆的多个低速轨迹段，计算每个车辆的多个低速轨迹段的行驶里程和持续时间，根据多个低速轨迹段的行驶里程和持续时间，从多个低速轨迹段中确定针对每个车辆的目标低速轨迹段，最后根据每个车辆的目标低速轨迹段，生成每个车辆的停留点，基于对每个车辆行驶轨迹的处理，得到每个车辆的多个低速轨迹段，可指示该车辆在低速轨迹段是处于一定时间的低速状态，若行驶里程段而持续时间过长，可指示该车辆在目标低速轨迹段是处于相对静止状态，则可将该目标低速轨迹段作为该车辆的停留点，使得生成每个车辆的停留点更加准确。
本申请实施例还提供另一种装卸货位置点生成方法的可能实现方式。图3为本申请实施例提供的一种装卸货位置点生成方法的流程示意图之三。如图3所示，根据每个车辆的行驶轨迹中各个轨迹点的缺失状态标签和低速状态标签，从每个车辆的行驶轨迹中，确定每个车辆的多个低速轨迹段，包括：
S301、根据每个车辆的行驶轨迹中各个轨迹点的缺失状态标签，以第一目标轨迹点为切分点，对每个车辆的行驶轨迹进行切分，得到至少一个轨迹段。
在本实施例中，第一目标轨迹点为每个车辆的行驶轨迹中缺失状态标签指示处于缺失状态的轨迹点，即该轨迹点的缺失状态标签为“1”，从而将第一目标轨迹点作为每个车辆行驶轨迹的切分点，示例的，将第i辆车的全部轨迹GPSi切分为N(N≥1)个轨迹段，即：GPSi＝[Li1，Li2，...，Lin]，其中：Li1＝[POINTi1，POINTi2，...，POINTia]，Li2＝[POINTi(a+1)，POINTi(a+2)，...，POINTi(a+b)]，其中，切分后的轨迹段分别为Li1，Li2，...，Lin，根据第i辆车的第a个轨迹点作为第一目标轨迹点即切分点，从而得到第一个轨迹段Li1，将第i辆车的第a个轨迹点和第a+b个轨迹点作为第一目标轨迹点即切分点，得到第二个轨迹段Li2，从而可根据第一目标轨迹点对每个车辆的行驶轨迹进行切分，得到至少一个轨迹段。
S302、根据每个轨迹段中各个轨迹点的低速状态标签，生成每个轨迹段中各个轨迹点的低速状态变化标签。
具体的，判读每个轨迹段中所有轨迹点和前一个轨迹点的低速状态标签是否一致，从而生成每个轨迹段中各个轨迹点的低速状态变化标签，若轨迹段中一个轨迹点和前一个轨迹点的低速状态标签一致，则该轨迹点的低速状态变化标签为“1”表示该轨迹点和前一个轨迹点均为低速轨迹点或者均不是低速轨迹点，若轨迹段中一个轨迹点和前一个轨迹点的低速状态标签不一致，则该轨迹点的低速状态变化标签为“0”表示该轨迹点和前一个轨迹点的其中一个轨迹点为低速轨迹点，第i辆车的第j个轨迹的低速状态变化标签lowspeed_changij用公式表示如下：
最后，第i辆车的第j个轨迹可表示为：POINTij＝[tij，latij，lngij，vij，lose_statusij，lowspeed_statusij,lowspeed_changij]，最终生成每个轨迹段中各个轨迹点的低速状态变化标签。
S303、根据每个轨迹段中各个轨迹点的低速状态变化标签，以第二目标轨迹点为切分点，对每个轨迹段进行切分，得到针对所述每个轨迹段的至少一个子轨迹段。
其中，第二目标轨迹点为每个轨迹段中低速状态变化标签指示处于低速状态发生变化的轨迹点，即该轨迹点的低速状态变化标签为“1”，从而将第二目标轨迹点作为每个轨迹段的切分点，示例的，将第i辆车的第n个轨迹段Lin切分为M(M≥1)个子轨迹段，即：GPSi＝[Li1，Li2，...，Lin]，Lin＝[li1，li2，...，lim]。
S304、从每个车辆的所有子轨迹段中确定针对每个车辆的低速子轨迹段。
根据上述步骤S303得到每个轨迹段的至少一个子轨迹段，通过遍历每个车辆的所有轨迹段的子轨迹段，得到每个车辆的所有子轨迹段，示例的，遍历第i辆车的所有轨迹段的子轨迹段，得到第i辆车的E个子轨迹段，即：GPSi＝[li1，li2，...，lie]，li1＝[POINTi1，POINTi2，...，POINTia]。
分别计算所有子轨迹段的平均速度，根据各子轨迹段的平均速度和平均速度预设阈值的比较，从每个车辆的所有子轨迹段中确定针对每个车辆的低速子轨迹段，具体的，从每个车辆的所有子轨迹段中筛选出平均速度小于平均速度预设阈值的子轨迹段，将筛选出的子轨迹段作为该车辆的低速子轨迹段。
其中，由于每个子轨迹段包括多个轨迹点，而每个轨迹点的特征参数中包括了速度、时间、经纬度等，因此，根据每个子轨迹段的开始轨迹点和结束轨迹点，计算每个车辆的多个子轨迹段的平均速度，其中，第i辆车的第e个子轨迹段可表示为Sie＝[start_timeie，end_timeie，lat_avgie，lng_avgie，cntie，speed_avgie]，start_timeie表示为第i辆车的第e个子轨迹段的开始时间，end_timeie表示为第i辆车的第e个子轨迹段的结束时间，lat_avgie表示为第i辆车的第e个子轨迹段的平均经度，lng_avgie表示为第i辆车的第e个子轨迹段的平均纬度，cntie表示为第i辆车的第e个子轨迹段的轨迹点数量，speed_avgie表示为第i辆车的第e个子轨迹段的平均速度。
S305、对每个车辆的所有低速子轨迹段中满足预设合并条件的目标低速子轨迹段进行合并，生成每个车辆的多个低速轨迹段。
根据预设合并条件对每个车辆的所有低速子轨迹段进行合并得到每个车辆的多个低速轨迹段，其中预设合并条件指示为低速子轨迹段中前一个子轨迹段和当前子轨迹段的时间和距离符合预设合并条件，因此，可将两个子轨迹段进行合并。
本申请实施例提供的方法中，根据每个车辆的行驶轨迹中各个轨迹点的缺失状态标签，以第一目标轨迹点为切分点，对每个车辆的行驶轨迹进行切分，得到至少一个轨迹段，根据每个轨迹段中各个轨迹点的低速状态标签，生成每个轨迹段中各个轨迹点的低速状态变化标签，然后根据每个轨迹段中各个轨迹点的低速状态变化标签，以第二目标轨迹点为切分点，对每个轨迹段进行切分，得到针对每个轨迹段的至少一个子轨迹段，从每个车辆的所有子轨迹段中确定针对每个车辆的低速子轨迹段，最后对每个车辆的所有低速子轨迹段中满足预设合并条件的目标低速子轨迹段进行合并，生成每个车辆的多个低速轨迹段。根据第一目标轨迹点和第二目标轨迹点进行切分点，最终得到每个车辆的所有子轨迹段，并对每个车辆的所有子轨迹段进行筛选以及合并得到每个车辆的多个低速轨迹段，从而可以更加准确的得到每个车辆的停留点。
本申请实施例还提供另一种装卸货位置点生成方法的可能实现方式。图4为本申请实施例提供的一种装卸货位置点生成方法的流程示意图之四。如图4所示，对每个车辆的所有低速子轨迹段中满足预设合并条件的目标低速子轨迹段进行合并，生成每个车辆的多个低速轨迹段之前，方法还包括：
S401、计算每个车辆的所有低速子轨迹段中相邻两个子轨迹段的时间间隔和距离间隔。
S402、根据相邻两个子轨迹段的时间间隔和距离间隔，从每个车辆的所有低速子轨迹段中确定与前一子轨迹段的时间间隔小于或等于预设时间间隔阈值，且，距离间隔小于或等于预设距离间隔阈值的子轨迹段为低速轨迹段。
在本实施例中，根据上述步骤S304得到每个车辆的所有低速子轨迹段，通过计算每个车辆的所有低速子轨迹段中相邻两个低速子轨迹段的时间间隔和距离间隔，根据相邻两个低速子轨迹段的时间间隔和距离间隔以及预设时间间隔阈值和预设距离间隔阈值的比较，判断相邻两个低速子轨迹段是否需要合并。
示例的，第i辆车的第e个低速子轨迹段可表示为lie＝[start_timeie，end_timeie，lat_avgie，lng_avgie，cntie，speed_avgie，dis_deltaie，time_deltaie，is_mergeie]。
time_deltaie＝start_timeie-end_timei(e-1)
dis_deltaie＝distance(lat_avgie,lng_avgie,lat_avgi(e-1),lng_avgi(e-1))
其中，dis_deltaie表示为第i辆车的第e个低速子轨迹段和第e-1个低速子轨迹段的距离间隔，time_deltaie表示为第i辆车的第e个低速子轨迹段和第e-1个低速子轨迹段的时间间隔，is_mergeie表示为第i辆车的第e个低速子轨迹段的合并标签，若合并标签为“1”则表示相邻两个子轨迹段可以合并，从而得到每个车辆的多个低速轨迹段。
本申请实施例提供的方法中，通过计算每个车辆的所有低速子轨迹段中相邻两个子轨迹段的时间间隔和距离间隔，并根据相邻两个子轨迹段的时间间隔和距离间隔，从每个车辆的所有低速子轨迹段中确定与前一子轨迹段的时间间隔小于或等于预设时间间隔阈值，且，距离间隔小于或等于预设距离间隔阈值的子轨迹段为低速轨迹段，可更加准确的得到每个车辆的停留点。
本申请实施例还通过一种生成停留区块的方法提供另一种装卸货位置点生成方法的可能实现方式。图5为本申请实施例提供的一种装卸货位置点生成方法的流程示意图之五。如图5所示，根据多个车辆的所有停留点，从预设地理范围内，确定多个停留区块，包括：
S501、从预设地理范围内，确定每个停留点所属的地理网格块，得到多个目标地理网格块。
在本实施例中，遍历所有车辆的所有停留点，根据所有停留点的经纬度生成所属的地理网格块，从而得到多个目标地理网格块，其中，每个地理网格块与多个停留点有映射关系，每个停留点在预设地理范围内均可以有对应的地理网格块，而每个地理网格块中可包括多个停留点。
S502、对每个目标地理网格块内的所有停留点进行第一聚类，得到每个目标地理网格块对应的块内停留点簇。
采用第一聚类算法对每个目标地理网格块内的所有停留点进行聚类，从而得到每个目标地理网格块对应的块内停留点簇，其中，每个目标地理网格块对应的块内停留点簇的数量可以为一个也可以为多个，而第一聚类算法可采用基于密度的聚类算法(Density-Based Spatial Clustering of Applications with,DBSCAN)，该聚类算法能够把具有足够高密度的停留点划分为停留点簇。
S503、对多个目标地理网格块对应的块内停留点簇进行第二聚类，得到多个块间停留点簇。
S504、根据多个块间停留点簇，生成多个停留区块。
进一步采用第二聚类算法对块内停留点簇进行第二聚类，得到多个块间停留点簇，即目标地理网格之间的停留点簇，其中，第二聚类算法可采用均值漂移聚类算法(MeanShift)，该聚类算法是一种无参估计算法，MeanShift算法先算出当前停留点的偏移均值，移动该停留点到其偏移均值，然后以此为新的起始点，继续移动，直到满足一定的条件结束。
将二次聚类后的块间停留点簇，视为停留区块，从而得到多个停留区块。
本申请实施例提供的方法中，从预设地理范围内，确定每个停留点所属的地理网格块，得到多个目标地理网格块，对每个目标地理网格块内的所有停留点进行第一聚类，得到每个目标地理网格块对应的块内停留点簇，对多个目标地理网格块对应的块内停留点簇进行第二聚类，得到多个块间停留点簇，根据多个块间停留点簇，生成所述多个停留区块。通过地理网格块内的聚类和地理网格块之间的聚类进行相结合，可降低生成停留区块的计算量，加快计算和生成停留区块的效率。
在上述实施例提供的生成停留区块的基础上，本申请实施例还提供另一种装卸货位置点生成方法的可能实现方式。图6为本申请实施例提供的一种装卸货位置点生成方法的流程示意图之六。如图6所示，对多个目标地理网格块对应的块内停留点簇进行第二聚类，得到多个块间停留点簇，包括：
S601、计算多个目标地理网格块对应的块内停留点簇的聚类中心点和区域范围。
在本实施例中，根据第一聚类算法对每个目标地理网格块内的所有停留点进行聚类，从而得到每个目标地理网格块对应的块内停留点簇，并通过第一聚类算法计算多个目标地理网格块对应的块内停留点簇的聚类中心点和区域范围，其中，区域范围是通过最小外接圆半径决定的。
S602、根据块内停留点簇的聚类中心点和区域范围，对多个目标地理网格块对应的块内停留点簇进行第二聚类，得到多个块间停留点簇。
遍历所有地理网格块，得到所有地理网格块的块内停留点簇，并采用第二聚类算法根据所有块内停留点簇的聚类中心点和区域范围，对多个目标地理网格块对应的块内停留点簇进行第二聚类，得到多个块间停留点簇，其第二聚类的目的是对相邻地理网格块间的停留点簇进行合并，从而得到多个块间停留点簇。
上述步骤中根据多个块间停留点簇，生成多个停留区块，包括：
S603、计算多个块间停留点簇的聚类中心点和区域范围。
S604、根据多个块间停留点簇的聚类中心点和区域范围，分别生成多个停留区块。
根据第二聚类算法对块内停留点簇进行第二聚类，得到多个块间停留点簇，并通过第二聚类算法计算多个块间停留点簇的聚类中心点和区域范围，其中，区域范围是通过最小外接圆半径决定的。
每个块间停留点簇对应一个以聚类中心点为圆心，区域范围为以最小外接圆半径为半径的圆形区域，将该区域范围视为一个停留区块，从而生成得到多个停留区块。
本申请实施例提供的方法中，计算多个目标地理网格块对应的块内停留点簇的聚类中心点和区域范围，根据块内停留点簇的聚类中心点和区域范围，对多个目标地理网格块对应的块内停留点簇进行第二聚类，得到多个块间停留点簇，计算多个块间停留点簇的聚类中心点和区域范围，根据多个块间停留点簇的聚类中心点和区域范围，分别生成多个停留区块。通过地理网格块内的聚类和地理网格块之间的聚类进行相结合，可降低生成停留区块的计算量，加快计算和生成停留区块的效率。
本申请实施例还提供另一种装卸货位置点生成方法的可能实现方式。图7为本申请实施例提供的一种装卸货位置点生成方法的流程示意图之七。如图7所示，从多个停留区块中确定多个装卸货位置点，包括：
S701、根据多个停留区块内各停留点的特征，计算多个停留区块在多个类别的特征参数。
在本实施例中，由于停留区块表征的是所有车辆在该区块中停留了一定时间，而所有车辆在区块停留一定时间可能符合在装卸货位置点、高速服务区、停车场、高速收费站或者是易拥堵区域中的任意一种情况，因此，需要根据多个停留区块内各停留点的特征，计算多个停留区块在多个类别的特征参数，从而根据特征参数判断该多个停留区块是否为装卸货位置点。
可选地，多个类别的特征参数包括：停留属性的特征参数、通用位置点的特征参数、车辆静态属性的特征参数。其中，停留属性的特征参数可包括：停留区块中所有车辆的平均停留时间、月均停留次数、月均停留车辆数；通用位置点的特征参数包括：是否有高速服务区、是否有停车场、是否有高速收费站、是否属于易拥堵区域；车辆静态属性的特征参数包括：停留车辆车型分布离散度、车辆所属机构行业类别分布离散度，其中，行业、车型均为类别属性，其类别数量为n，pi表示第i个类别的车辆数的比例，其离散度d可表示为：
从而根据多个停留区块内各停留点的特征，计算多个停留区块在多个类别的特征参数，即停留属性的特征参数、通用位置点的特征参数和车辆静态属性的特征参数。
S702、根据多个停留区块在多个类别的特征参数，从多个停留区块中确定多个类别的特征参数均满足对应条件的多个目标停留区块为多个装卸货位置点。
可选地，从多个停留区块中确定停留属性的特征参数大于预设停留属性阈值，且，不属于通用位置点的特征参数，且，车辆静态属性的特征参数小于预设车辆静态属性阈值的多个目标停留区块为多个装卸货位置点。
具体的，从多个停留区块中筛选出停留属性的特征参数中停留次数、停留车辆数、停留时长均大于预设停留属性阈值的停留区块，且不属于高速休息区、收费站、停车场、易拥堵区的停留区块，以及车型离散度、行业离散度均小于预设车辆静态属性阈值的停留区块为多个装卸货位置点。
本申请实施例提供的方法中，根据多个停留区块内各停留点的特征，计算多个停留区块在多个类别的特征参数，根据多个停留区块在多个类别的特征参数，从多个停留区块中确定多个类别的特征参数均满足对应条件的多个目标停留区块为多个装卸货位置点，通过多个类别的特征参数进行筛选可以根据准确的生成多个装卸货位置点。
如下继续对执行本申请上述任一实施例提供的装卸货位置点生成装置、计算机设备进行相应的解释，其具体的实现过程以及产生的技术效果与前述对应的方法实施例相同，为简要描述，本实施例中未提及部分，可参考方法实施例中的相应内容。
图8为本申请实施例提供的一种装卸货位置点生成装置的功能模块示意图。如图8所示，该装卸货位置点生成装置100包括：
获取模块110，用于获取预设历史时间段内多个车辆的多个行驶轨迹；
确定模块120，用于根据每个车辆的行驶轨迹，生成每个车辆的停留点；
确定模块120，还用于根据多个车辆的所有停留点，从预设地理范围内，确定多个停留区块；
确定模块120，还用于从多个停留区块中确定多个装卸货位置点。
在可选的实施方式中，确定模块120，还用于根据每个车辆的行驶轨迹中各个轨迹点的特征参数，生成每个车辆的行驶轨迹中各个轨迹点的缺失状态标签和低速状态标签；根据每个车辆的行驶轨迹中各个轨迹点的缺失状态标签和低速状态标签，从每个车辆的行驶轨迹中，确定每个车辆的多个低速轨迹段。
装卸货位置点生成装置100还包括：计算模块，用于计算每个车辆的多个低速轨迹段的行驶里程和持续时间。
在可选的实施方式中，确定模块120，还用于根据多个低速轨迹段的行驶里程和持续时间，从多个低速轨迹段中确定针对每个车辆的目标低速轨迹段。
装卸货位置点生成装置100还包括：生成模块，用于根据每个车辆的目标低速轨迹段，生成每个车辆的停留点。
在可选的实施方式中，确定模块120，还用于根据每个车辆的行驶轨迹中各个轨迹点的缺失状态标签，以第一目标轨迹点为切分点，对每个车辆的行驶轨迹进行切分，得到至少一个轨迹段；其中，第一目标轨迹点为每个车辆的行驶轨迹中缺失状态标签指示处于缺失状态的轨迹点。
在可选的实施方式中，生成模块，还用于根据每个轨迹段中各个轨迹点的低速状态标签，生成每个轨迹段中各个轨迹点的低速状态变化标签。
在可选的实施方式中，确定模块120，还用于根据每个轨迹段中各个轨迹点的低速状态变化标签，以第二目标轨迹点为切分点，对每个轨迹段进行切分，得到针对每个轨迹段的至少一个子轨迹段；其中，第二目标轨迹点为每个轨迹段中低速状态变化标签指示处于低速状态发生变化的轨迹点；从每个车辆的所有子轨迹段中确定针对每个车辆的低速子轨迹段。
在可选的实施方式中，生成模块，还用于对每个车辆的所有低速子轨迹段中满足预设合并条件的目标低速子轨迹段进行合并，生成每个车辆的多个低速轨迹段。
在可选的实施方式中，计算模块，还用于计算每个车辆的所有低速子轨迹段中相邻两个子轨迹段的时间间隔和距离间隔；根据相邻两个子轨迹段的时间间隔和距离间隔，从每个车辆的所有低速子轨迹段中确定与前一子轨迹段的时间间隔小于或等于预设时间间隔阈值，且，距离间隔小于或等于预设距离间隔阈值的子轨迹段为低速轨迹段。
在可选的实施方式中，确定模块120，还用于从预设地理范围内，确定每个停留点所属的地理网格块，得到多个目标地理网格块。
在可选的实施方式中，计算模块，还用于对每个目标地理网格块内的所有停留点进行第一聚类，得到每个目标地理网格块对应的块内停留点簇；对多个目标地理网格块对应的块内停留点簇进行第二聚类，得到多个块间停留点簇。
在可选的实施方式中，生成模块，还用于根据多个块间停留点簇，生成多个停留区块。
在可选的实施方式中，计算模块，还用于计算多个目标地理网格块对应的块内停留点簇的聚类中心点和区域范围；根据块内停留点簇的聚类中心点和区域范围，对多个目标地理网格块对应的块内停留点簇进行第二聚类，得到多个块间停留点簇；计算多个块间停留点簇的聚类中心点和区域范围。
在可选的实施方式中，生成模块，还用于根据多个块间停留点簇的聚类中心点和区域范围，分别生成多个停留区块。
在可选的实施方式中，确定模块120，还用于根据多个停留区块内各停留点的特征，计算多个停留区块在多个类别的特征参数；根据多个停留区块在多个类别的特征参数，从多个停留区块中确定多个类别的特征参数均满足对应条件的多个目标停留区块为多个装卸货位置点。
多个类别的特征参数包括：停留属性的特征参数、通用位置点的特征参数、车辆静态属性的特征参数；
在可选的实施方式中，确定模块120，还用于从多个停留区块中确定停留属性的特征参数大于预设停留属性阈值，且，不属于通用位置点的特征参数，且，车辆静态属性的特征参数小于预设车辆静态属性阈值的多个目标停留区块为多个装卸货位置点。
上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
图9为本申请实施例提供的一种计算机设备的示意图，该计算机设备可用于装卸货位置点生成。如图9所示，该电子设备200包括：处理器210、存储介质220、总线230。
存储介质220存储有处理器210可执行的机器可读指令，当计算机设备运行时，处理器210与存储介质220之间通过总线230通信，处理器210执行机器可读指令，以执行上述方法实施例的步骤。具体实现方式和技术效果类似，这里不再赘述。
可选地，本申请还提供一种存储介质220，存储介质220上存储有计算机程序，计算机程序被处理器运行时执行上述方法实施例的步骤。具体实现方式和技术效果类似，这里不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
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，可轻易想到变化或替换，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)

1.一种装卸货位置点生成方法，其特征在于，包括：
获取预设历史时间段内多个车辆的多个行驶轨迹；
根据每个车辆的行驶轨迹，生成所述每个车辆的停留点；
根据所述多个车辆的所有停留点，从预设地理范围内，确定多个停留区块；
从所述多个停留区块中确定多个装卸货位置点。
2.如权利要求1所述的方法，其特征在于，所述根据每个车辆的行驶轨迹，生成所述每个车辆的停留点，包括：
根据所述每个车辆的行驶轨迹中各个轨迹点的特征参数，生成所述每个车辆的行驶轨迹中各个轨迹点的缺失状态标签和低速状态标签；
根据所述每个车辆的行驶轨迹中各个轨迹点的缺失状态标签和低速状态标签，从所述每个车辆的行驶轨迹中，确定所述每个车辆的多个低速轨迹段；
计算所述每个车辆的多个低速轨迹段的行驶里程和持续时间；
根据所述多个低速轨迹段的行驶里程和持续时间，从所述多个低速轨迹段中确定针对所述每个车辆的目标低速轨迹段；
根据所述每个车辆的目标低速轨迹段，生成所述每个车辆的停留点。
3.如权利要求2所述的方法，其特征在于，所述根据所述每个车辆的行驶轨迹中各个轨迹点的缺失状态标签和低速状态标签，从所述每个车辆的行驶轨迹中，确定所述每个车辆的多个低速轨迹段，包括：
根据所述每个车辆的行驶轨迹中各个轨迹点的缺失状态标签，以第一目标轨迹点为切分点，对所述每个车辆的行驶轨迹进行切分，得到至少一个轨迹段；其中，所述第一目标轨迹点为所述每个车辆的行驶轨迹中缺失状态标签指示处于缺失状态的轨迹点；
根据每个轨迹段中各个轨迹点的低速状态标签，生成所述每个轨迹段中各个轨迹点的低速状态变化标签；
根据所述每个轨迹段中各个轨迹点的低速状态变化标签，以第二目标轨迹点为切分点，对所述每个轨迹段进行切分，得到针对所述每个轨迹段的至少一个子轨迹段；其中，所述第二目标轨迹点为所述每个轨迹段中低速状态变化标签指示处于低速状态发生变化的轨迹点；
从所述每个车辆的所有子轨迹段中确定针对所述每个车辆的低速子轨迹段；
对所述每个车辆的所有低速子轨迹段中满足预设合并条件的目标低速子轨迹段进行合并，生成所述每个车辆的多个低速轨迹段。
4.如权利要求3所述的方法，其特征在于，所述对所述每个车辆的所有低速子轨迹段中满足预设合并条件的目标低速子轨迹段进行合并，生成所述每个车辆的多个低速轨迹段之前，所述方法还包括：
计算所述每个车辆的所有低速子轨迹段中相邻两个子轨迹段的时间间隔和距离间隔；
根据所述相邻两个子轨迹段的时间间隔和距离间隔，从所述每个车辆的所有低速子轨迹段中确定与前一子轨迹段的时间间隔小于或等于预设时间间隔阈值，且，距离间隔小于或等于预设距离间隔阈值的子轨迹段为所述低速轨迹段。
5.如权利要求1所述的方法，其特征在于，所述根据所述多个车辆的所有停留点，从预设地理范围内，确定多个停留区块，包括：
从所述预设地理范围内，确定每个停留点所属的地理网格块，得到多个目标地理网格块；
对每个目标地理网格块内的所有停留点进行第一聚类，得到所述每个目标地理网格块对应的块内停留点簇；
对所述多个目标地理网格块对应的块内停留点簇进行第二聚类，得到多个块间停留点簇；
根据所述多个块间停留点簇，生成所述多个停留区块。
6.如权利要求5所述的方法，其特征在于，所述对所述多个目标地理网格块对应的块内停留点簇进行第二聚类，得到多个块间停留点簇，包括：
计算所述多个目标地理网格块对应的块内停留点簇的聚类中心点和区域范围；
根据所述块内停留点簇的聚类中心点和区域范围，对所述多个目标地理网格块对应的块内停留点簇进行第二聚类，得到所述多个块间停留点簇；
所述根据所述多个块间停留点簇，生成所述多个停留区块，包括：
计算所述多个块间停留点簇的聚类中心点和区域范围；
根据所述多个块间停留点簇的聚类中心点和区域范围，分别生成所述多个停留区块。
7.如权利要求1所述的方法，其特征在于，所述从所述多个停留区块中确定多个装卸货位置点，包括：
根据所述多个停留区块内各停留点的特征，计算所述多个停留区块在多个类别的特征参数；
根据所述多个停留区块在所述多个类别的特征参数，从所述多个停留区块中确定所述多个类别的特征参数均满足对应条件的多个目标停留区块为所述多个装卸货位置点。
8.如权利要求7所述的方法，其特征在于，所述多个类别的特征参数包括：停留属性的特征参数、通用位置点的特征参数、车辆静态属性的特征参数；
所述根据所述多个停留区块在所述多个类别的特征参数，从所述多个停留区块中确定所述多个类别的特征参数均满足对应条件的多个目标停留区块为所述多个装卸货位置点，包括：
从所述多个停留区块中确定所述停留属性的特征参数大于预设停留属性阈值，且，不属于所述通用位置点的特征参数，且，所述车辆静态属性的特征参数小于预设车辆静态属性阈值的多个目标停留区块为所述多个装卸货位置点。
9.一种装卸货位置点生成装置，其特征在于，包括：
获取模块，用于获取预设历史时间段内多个车辆的多个行驶轨迹；
确定模块，用于根据每个车辆的行驶轨迹，生成所述每个车辆的停留点；
所述确定模块，还用于根据所述多个车辆的所有停留点，从预设地理范围内，确定多个停留区块；
所述确定模块，还用于从所述多个停留区块中确定多个装卸货位置点。
10.一种计算机设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的程序指令，当计算机设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述程序指令，以执行如权利要求1至8任一所述的装卸货位置点生成方法的步骤。
CN202310545073.8A 2023-05-15 2023-05-15 装卸货位置点生成方法、装置及设备 Pending CN116664025A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310545073.8A CN116664025A (zh) 2023-05-15 2023-05-15 装卸货位置点生成方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310545073.8A CN116664025A (zh) 2023-05-15 2023-05-15 装卸货位置点生成方法、装置及设备

Publications (1)

Publication Number Publication Date
CN116664025A true CN116664025A (zh) 2023-08-29

Family

ID=87723380

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310545073.8A Pending CN116664025A (zh) 2023-05-15 2023-05-15 装卸货位置点生成方法、装置及设备

Country Status (1)

Country Link
CN (1) CN116664025A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117131149A (zh) * 2023-10-26 2023-11-28 四川国蓝中天环境科技集团有限公司 一种基于运渣车gps轨迹的土石方点位和运输网络识别方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117131149A (zh) * 2023-10-26 2023-11-28 四川国蓝中天环境科技集团有限公司 一种基于运渣车gps轨迹的土石方点位和运输网络识别方法
CN117131149B (zh) * 2023-10-26 2024-01-23 四川国蓝中天环境科技集团有限公司 一种基于运渣车gps轨迹的土石方点位和运输网络识别方法

Similar Documents

Publication Publication Date Title
CN107657637B (zh) 一种农机作业面积获取方法
Gingerich et al. Classifying the purpose of stopped truck events: An application of entropy to GPS data
CN109754594A (zh) 一种路况信息获取方法及其设备、存储介质、终端
US11574208B2 (en) Predicting refueling information for a client device
Noruzoliaee et al. Truck platooning in the US national road network: A system-level modeling approach
WO2022227303A1 (zh) 信息处理方法、装置、计算机设备及存储介质
US20220215749A1 (en) Method for predicting at least one profile of the speed of a vehicle on a road network
CN111881243B (zh) 一种出租车轨迹热点区域分析方法及系统
CN110598917B (zh) 一种基于路径轨迹的目的地预测方法、系统及存储介质
CN111383444B (zh) 预测路况状态的方法、装置、服务器及存储介质
CN116664025A (zh) 装卸货位置点生成方法、装置及设备
Zhu et al. Green routing fuel saving opportunity assessment: A case study using large-scale real-world travel data
CN114186619A (zh) 车辆停靠点聚类的方法、装置、设备及存储介质
Tang et al. Estimating hotspots using a Gaussian mixture model from large-scale taxi GPS trace data
CN112579915B (zh) 一种出行链的分析方法及装置
CN113776610A (zh) 一种车辆油耗的确定方法及装置
CN111653115B (zh) 任务的划分方法、装置及存储介质
Chandio et al. An approach for map-matching strategy of GPS-trajectories based on the locality of road networks
Choudhry et al. Inferring truck activities using privacy-preserving truck trajectories data
CN113393011B (zh) 预测限速信息的方法、装置、计算机设备和介质
CN115375237A (zh) 一种冷链物流智能管理方法、系统、设备和存储介质
CN106887138B (zh) 一种堵车蔓延态势侦测方法与系统
CN113284337A (zh) 基于车辆轨迹多维数据的od矩阵计算方法及装置
Xu et al. An assistant decision-supporting method for urban transportation planning over big traffic data
US20220335829A1 (en) System and method for vehicle event data processing for identifying and updating parking areas

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