一种基于大数据融合的智能物流运输系统及方法与流程

本发明涉及智能物流运输技术领域，具体涉及一种基于大数据融合的智能物流运输系统及方法。

背景技术：

传统的运输系统大多只能监控车辆的位置，涉及的数据量少，无法提供有效的车辆行驶数据，更无法给车辆运营单位提供有效运营和车辆管理方案。另现有的平台多是以网页形式显示，方便调度人员监控，然而并不方便车辆驾驶员使用。

技术实现要素：

发明目的：针对现有技术中可获取车辆数据较少的情况，无法进行大数据融合算法的情况，本发明提出一种基于大数据融合的智能物流运输系统及方法，为用户推荐节能高效的行车路线，实现物流运输行业精准控制，减少排放，提高能源利用率。

技术方案：本发明所述基于大数据融合的智能物流运输系统，车辆数据平台，用于采集车辆行驶过程中的实时数据；监控平台，用于获取物流订单信息、驾驶习惯信息、车辆参数信息、实时路况信息和实时气象信息并调用所述车辆数据平台传输的实时数据，建立驾驶习惯信息、车辆参数信息、实时路况信息、实时气象信息与推荐运行路线之间一一对应的关系模型，设置所述关系模型在融合算法模型中的优先级和权重值，将物流订单信息输入至融合算法模型中并输出至少一条推荐运行路线。

进一步完善上述技术方案，所述物流订单信息包括目的地、货物质量、货物类型，所述推荐运行路线包括路径、能耗、车辆性能利用率，所述监控平台将所述推荐运行路线输出至移动端或车载终端。

进一步地，所述车辆数据平台通过tbox采集车辆行驶过程中的实时数据，采集的实时数据包括电机转速转矩、电控直流母线电压电流、电池soc、实时燃油消耗量。

进一步地，所述驾驶习惯信息通过调用所述车辆数据平台传输的实时数据获取驾驶员在不同线路、不同路况下油门刹车和车速，分析驾驶员在不同线路、不同路况下的急加速、急减速数据，根据急加速、急减速占全路线时间、同路线预测最优时间的比值做加权计算，建立驾驶习惯信息与能耗之间的关系模型。

进一步地，所述车辆参数信息包括整车参数，所述车辆性能利用率包括车型匹配度、动力系统利用率和装载空间利用率。

进一步地，所述监控平台通过交通出行云服务平台获取实时路况信息，建立实时路况信息与能耗、路径之间的关系模型并输出预测时间段的路况走向、路径和时间。

进一步地，建立实时气象信息与能耗、路径之间的关系模型，所述实时气象信息包括温度、湿度、风向风力。

进一步地，所述优先级和权重值采用手动自定义设置和/或采用系统自动设置。

进一步地，所述权重值采用系统自动设置时，根据用户选择的推荐运行路线和实际运行路线进行比对以及客户反馈信息，修正优先级和权重值。

采用上述系统进行基于大数据融合的智能物流运输方法，包括如下步骤：

（1）获取驾驶员在不同线路、不同路况下油门刹车和车速，分析驾驶员在不同线路、不同路况下的急加速、急减速数据，根据急加速、急减速占全路线时间、同路线预测最优时间的比值做加权计算，建立驾驶习惯信息与能耗之间的关系模型；

获取车辆的整车参数，建立整车参数与能耗、车辆性能利用率之间的关系模型，所述关系模型包括根据物流订单信息中目的地、货物质量、货物类型获得车型匹配度，根据物流订单信息中货物质量、货物类型获得动力系统利用最高、装载空间利用率最高的车辆信息；

通过交通出行云服务平台获取实时路况信息，所述实时路况信息包括道路通畅性、拥堵路段、坡度大小、爬坡长度，建立实时路况信息与能耗、路径之间的关系模型，输出预测时段内的路况走向、路径、时间；

获取实时气象信息，所述实时气象信息包括温度、湿度、风向风力，根据风向作用于车身的位置，结合风速风力作为权重因子与整车参数中的风阻信息进行加权计算，建立实时气象信息与能耗、路径之间的关系模型，输出空调使用建议和顺风道路规划，并根据实际能耗修正加权计算因子值；

（2）设置所述步骤（1）中所有关系模型在融合算法模型中的优先级和权重值，所述优先级和权重值采用手动自定义设置和/或采用系统自动设置；

（3）将物流订单信息输入至融合算法模型中并输出至少一条推荐运行路线；

（4）通过车辆数据平台采集车辆行驶过程中的实时数据，获取车辆实时能耗、车辆行驶路线以及客户反馈信息，根据实际能耗、车辆行驶路线与推荐运行路线进行比对以及客户反馈信息，对系统中的优先级和权重值进行修正。

有益效果：与现有技术相比，本发明的优点在于：本发明基于大数据融合的智能物流运输系统使用大数据将人、车、路、环境智能融合，用户只需使用网页、手机小程序车载终端显示器等接口形式即可获得智能运输路线推荐和车辆管理方案。

附图说明

图1是本发明的系统架构图。

具体实施方式

下面通过附图对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。

如图1所示的基于大数据融合的智能物流运输系统，运营车辆通过tbox将车辆行驶过程中的实时数据上传至车辆数据平台，同时向车辆数据平台导入整车参数信息，监控平台获取实时气象信息、实时路况信息、物流订单信息、运营单位车型数据并结合车辆数据平台上传的数据，采用融合算法模型输出至少一条推荐运行路线，并在实际车辆行驶过程中采集实时能耗显示、客户反馈信息、车辆行驶信息，

使用tbox将车辆运行数据实时传输到监控平台，如：电机转速转矩、电控直流母线电压电流、电池soc、实时燃油消耗量等，为后续的各种数据筛选、售后服务与路线规划提供数据基础。

影响车辆实际能耗的因素非常多，主要体现在人、车、路和环境四个方面，为了提高算法精确度，需要对四个方面的数据全面采集：

人主要体现在驾驶员的驾驶习惯上。平台实时收集在不同线路中驾驶员的驾驶习惯，通过分析驾驶员在通顺路况和拥堵路况条件下油门刹车信号与车速关系等，分析驾驶员在各种路况中的急加速、急减速习惯，根据急加速、急减速占全程路线时间、同路线仿真的最优时间的比值等做加权计算，统计不同驾驶习惯对能耗的影响。

车主要体现在整车质量与阻力上。对于所有车型来说，其整车质量对各种工况的能耗影响都非常大，系统需要上传对应车型在整车设计阶段的各种参数，如车辆的滑行阻力曲线，最大设计总质量，风阻系数、轮胎滚动阻力系数、特定载重情况下动力系统效率等。根据不同物流订单，如：目的地、货物质量、货物类型等，提供合适的车型。根据货物重量选择加载后动力系统综合效率最高的车辆；根据目的与整车soc等参数可以规划使用某个编号的车既可以满足里程需求，又可以最大发挥装载空间，提高用户整体的装载空间利用率。同时实时采集的动力系统效率、换挡实际等参数也可以为主机厂服务人员优化车辆状态提供数据支持。

路主要体现在交通拥堵、临时道路维护、道路坡度上。在拥堵路段的平均能耗很高，而坡度越大能耗越高，算法监控平台实时与交通出行云服务平台进行数据交互，不断获取相关路径上的路况，如道路通畅性、拥堵路段、坡度大小、爬坡长度等信息，监控路线上实时路况，并预测一段时间内的路况走向，智能开辟新路线。

环境主要在温度、湿度、风向等方面。顺风能耗要远低于迎风与测风能耗，系统实时获取气象数据，根据风向作用于车身的位置，例如对于风向与车头的倾角，结合风速作为权重因子与整车试验设计阶段的风阻系数进行加权计算，得到综合风阻系数带入汽车动力性与经济性计算公式，计算道路行驶阻力，为用户提供空调使用和顺风道路规划。根据整车实际能耗与计算值差异不断修正综合风阻系数中各参数的加权因子值。

通过大数据融合智能算法，将人、车、路和环境中的各个因素综合考虑下选择路线。如用户希望优先考虑车辆装载空间的利用率，可以手动选择已经设定好的车辆因素的权重等级，在设置路线时候将重点考虑先选定合适的车辆，后将车辆的参数输入算法便于后续计算动力性与经济性数据；而驾驶员因素为主观因素，灵活性较大，可由用户手动选择驾驶员的驾驶习惯在计算路线中的权重，若不考虑驾驶习惯，则融合算法将选取常用驾驶习惯作为后续计算的依据；环境和路况受限与目的地等因素，所以其可供修改空间有限，互相影响较大；算法经过仿真计算后给出最优路线，当然路线可能不止一条，那么在给出最优路线的同时提供不同路线下时间、能耗、过路费用等数据，供用户选择。当然，实际使用中不可能按照上述权值选择不变，其可以根据用户输入定制，或者是根据每次选择的结果后与计算值比对，不断修正权值。尽可能降低运营能耗，为用户节省运营成本。

本发明还可以通过用户对每次推荐路线的反馈，如道路状况、soc变化等数据导入平台数据库，进行算法自学习，不断提高算法的实用性。

如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上作出各种变化。