基于货物量方的车辆装卸点识别方法及装置与流程

本申请涉及数据处理领域，具体涉及一种基于货物量方的车辆装卸点识别方法及装置。

背景技术：

目前针对货物装卸点的识别更多的是借助装卸货视频、定点打卡、人工统计等方式，人工判断货物装卸过程；物流公司需要投入大量的人力不定时工作；同时，对于长途司机定点打卡、视频监控、人工统计等方式的分析可接受程度较低。通过和相应的一线员工交流，得出相应的结论：费时、成本高、易出错等一些缺点让物流公司头疼不已。物流公司对于货物装卸点的识别有助于货物装卸点的全过程实时监测，防止货物错放、丢失，有利于货物需求的精确定位。目前，市场对于货物的定位，大多采用货物定位仪进行货物追踪，但是对于小件货物，价格不是很高的货物，定位仪器的成本较高，使得整个货物运输成本较高，客户无法接受，准确率难以保证，效率低。

技术实现要素：

针对现有技术中的问题，本申请提供一种基于货物量方的车辆装卸点识别方法及装置，能够对传感器装载加速度进行时间窗处理，对货物装载量二阶导数进行判断，分析货物装载变化突变点，利用货物变化突变点，实现车辆装卸货的起始、结束点识别。

为了解决上述问题中的至少一个，本申请提供以下技术方案：

第一方面，本申请提供一种基于货物量方的车辆装卸点识别方法，包括：

根据查询时间，找出车辆停留的基本信息；

根据车辆停留信息关联对应时间对应车辆方量计算当前时刻的方量信息；

根据货物量方变化信息，提出装载加速度参数；

根据装载加速度参数建立货物装载模型，根据货物方量变化曲线描述装卸货基本信息。

首先，所述根据查询时间，找出车辆停留的基本信息，包括：

收集车辆停留点数据、车辆货物装载方量数据，标注数据，对数据过滤、补偿、做数据变换，增强数据数量和模型训练的鲁棒性。

其次，所述根据查询时间，找出车辆停留的基本信息，包括：

对停留时长进行判定，其中，选取85％区间的数据分析时间均值作为停留时长的判断。

然后，所述根据查询时间，找出车辆停留的基本信息，包括：

通过时间差，相邻时间差超过7小时则判定为有事件突变。

最后，所述根据查询时间，找出车辆停留的基本信息，包括：

对装卸货和非装卸货过程进行识别，

其中，计算装载加速度：load_a＝(volumet-volumet-1)/t-(t-1)，

合并加速度：加速度数据预处理，移动窗口100秒加速之和其加速度小于等于0.035大于等于-0.035都认为没有发生装卸事件；将其装载加速度预处理为0[1]。则根据装载加速度(load_a¹百秒加速度)；

根据装载加速度给数据打标签：装货阶段：1；无装卸货：0；卸货阶段：-1；，

标签合并：遍历整个标签序列，给定初始标签为第一个标签，同时以30min钟为时间窗遍历标签序列，统计该时间窗内的标签序列，以标签数多记为该时间窗的标签，如果标签没有发生变化，则不更改标签，若标签发生变化则更改该标签。

进一步地，所述根据查询时间，找出车辆停留的基本信息，还包括：

误差分析：其中|load_a¹|≤0.035可以调整；按照当前阈值我们识别准确度100％，但是，如果是其他货车需要多次测试；

装卸货开始、结束的识别：

计算装载量的二阶导数：load_a_2＝(at-at-1)/t-(t-1)，其等于零的点为装载趋势变化点。

第二方面，本申请提供一种基于货物量方的车辆装卸点识别装置，包括：

数据准备模块，用于根据查询时间，找出车辆停留的基本信息；

数据关联模块，用于根据车辆停留信息关联对应时间对应车辆方量计算当前时刻的方量信息；

加速度确定模块，用于根据货物量方变化信息，提出装载加速度参数；

模型识别模块，用于根据装载加速度参数建立货物装载模型，根据货物方量变化曲线描述装卸货基本信息。

进一步地，所述数据准备模块包括：

数据预处理单元，用于收集车辆停留点数据、车辆货物装载方量数据，标注数据，对数据过滤、补偿、做数据变换，增强数据数量和模型训练的鲁棒性。

第三方面，本申请提供一种电子设备，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所述的基于货物量方的车辆装卸点识别方法的步骤。

第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的基于货物量方的车辆装卸点识别方法的步骤。

由上述技术方案可知，本申请提供一种基于货物量方的车辆装卸点识别方法及装置，通过对传感器装载加速度进行时间窗处理，对货物装载量二阶导数进行判断，分析货物装载变化突变点，利用货物变化突变点，实现车辆装卸货的起始、结束点识别。

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为本申请实施例中的基于货物量方的车辆装卸点识别方法的流程示意图；

图2为本申请实施例中的基于货物量方的车辆装卸点识别装置的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，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、完整的描述，显然，所描述的实施例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。

考虑到相关技术中针对货物装卸点的识别更多的是借助装卸货视频、定点打卡、人工统计等方式，人工判断货物装卸过程；物流公司需要投入大量的人力不定时工作；同时，对于长途司机定点打卡、视频监控、人工统计等方式的分析可接受程度较低。通过和相应的一线员工交流，得出相应的结论：费时、成本高、易出错等一些缺点让物流公司头疼不已。物流公司对于货物装卸点的识别有助于货物装卸点的全过程实时监测，防止货物错放、丢失，有利于货物需求的精确定位。目前，市场对于货物的定位，大多采用货物定位仪进行货物追踪，但是对于小件货物，价格不是很高的货物，定位仪器的成本较高，使得整个货物运输成本较高，客户无法接受，准确率难以保证，效率低的问题，本申请提供一种基于货物量方的车辆装卸点识别方法及装置，通过对传感器装载加速度进行时间窗处理，对货物装载量二阶导数进行判断，分析货物装载变化突变点，利用货物变化突变点，实现车辆装卸货的起始、结束点识别。

为了能够对传感器装载加速度进行时间窗处理，对货物装载量二阶导数进行判断，分析货物装载变化突变点，利用货物变化突变点，实现车辆装卸货的起始、结束点识别，本申请提供一种基于货物量方的车辆装卸点识别方法的实施例，参见图1，所述基于货物量方的车辆装卸点识别方法具体包含有如下内容：

步骤s101：根据查询时间，找出车辆停留的基本信息。

步骤s102：根据车辆停留信息关联对应时间对应车辆方量计算当前时刻的方量信息。

步骤s103：根据货物量方变化信息，提出装载加速度参数。

步骤s104：根据装载加速度参数建立货物装载模型，根据货物方量变化曲线描述装卸货基本信息。

从上述描述可知，本申请实施例提供的基于货物量方的车辆装卸点识别方法，能够对传感器装载加速度进行时间窗处理，对货物装载量二阶导数进行判断，分析货物装载变化突变点，利用货物变化突变点，实现车辆装卸货的起始、结束点识别。

具体详细步骤如下：

(1)数据准备：在数据预处理阶段，收集车辆停留点数据、车辆货物装载方量数据，标注数据，对数据过滤、补偿、做数据变换，增强数据数量和模型训练的鲁棒性。

a)停留时长的判定：

按照数据分布特性，只需分布数据面积的75％即可，此处本申请为了研究更多的数据特性，本申请选区85％区间的数据分析时间均值作为停留时长的判断：

820692*0.85＝697588.2；

最终确认停留时间超过1059.66s，因此，本申请根据时间大于1059.66秒认为是停留的前提；

b)波动异常判定：

多辆车的装载率不发生变化的装载片段分析。波动上下0.3个立方都认为正常范围波动；因此本申请在数据预处理阶段可以根据相应的数据变化做数据预处理；

时间窗的判断：

分别分析5个时间窗、6个时间窗、7个时间窗、8个时间窗、9个时间窗；

分析突变点，存在数据丢失情况，存在装卸货因数据丢失无法知道经历了装货还是卸货，细分可以知道；通过时间差，相邻时间差超过7小时认为有事件突变，直接给出‘数据传输中断，无法解析’标签；

c)识别装卸货和非装卸货过程。

计算装载加速度：load_a＝(volumet-volumet-1)/t-(t-1)，

合并加速度：加速度数据预处理，移动窗口100秒加速之和其加速度小于等于0.035大于等于-0.035都认为没有发生装卸事件；将其装载加速度预处理为0[1]。则根据装载加速度(load_a¹百秒加速度)；根据装载加速度给数据打标签：装货阶段：1；无装卸货：0；卸货阶段：-1；

标签合并：遍历整个标签序列，给定初始标签为第一个标签，同时以30min钟为时间窗遍历标签序列，统计该时间窗内的标签序列，以标签数多记为该时间窗的标签，如果标签没有发生变化，则不更改标签，若标签发生变化则更改该标签；

1)误差分析：其中|load_a¹|≤0.035可以调整；按照当前阈值本申请识别准确度100％，但是，如果是其他货车需要多次测试；后期改进装卸货开始、结束的识别：

2)计算装载量的二阶导数：load_a_2＝(at-at-1)/t-(t-1)，其等于零的点为装载趋势变化点；

a)装货开始：load_a¹＞0,load_a_2＝0，最先出现的时间；

b)装货结束：load_a¹＞0,load_a_2＝0且60s内load_a¹＜0,load_a_2＝0，最先出现的时间；

c)卸货开始：load_a¹＝0,load_a_2＝0且15min内最先出现load_a¹＜0,load_a_2＝0的时间

d)卸货结束：load_a¹＜0,load_a_2＝0且15min内最先出现load_a¹＞0,load_a_2＝0或者load_a¹＝0,load_a_2＝0的时间。

装货开始：定义为装载量持续加大，并持续一段时间，直到装载量不发生较大(装载量在600秒内不超过3个立方，认为装载量相对稳定)的变化，并且5个时间窗内装载加速度大于0.29545认为装货开始。

为了能够对传感器装载加速度进行时间窗处理，对货物装载量二阶导数进行判断，分析货物装载变化突变点，利用货物变化突变点，实现车辆装卸货的起始、结束点识别，本申请提供一种用于实现所述基于货物量方的车辆装卸点识别方法的全部或部分内容的基于货物量方的车辆装卸点识别装置的实施例，参见图2，所述基于货物量方的车辆装卸点识别装置具体包含有如下内容：

数据准备模块10，用于根据查询时间，找出车辆停留的基本信息；

数据关联模块20，用于根据车辆停留信息关联对应时间对应车辆方量计算当前时刻的方量信息；

加速度确定模块30，用于根据货物量方变化信息，提出装载加速度参数；

模型识别模块40，用于根据装载加速度参数建立货物装载模型，根据货物方量变化曲线描述装卸货基本信息。

从上述描述可知，本申请实施例提供的基于货物量方的车辆装卸点识别装置，能够对传感器装载加速度进行时间窗处理，对货物装载量二阶导数进行判断，分析货物装载变化突变点，利用货物变化突变点，实现车辆装卸货的起始、结束点识别。

在本申请的一实施例中，所述数据准备模块包括：

数据预处理单元，用于收集车辆停留点数据、车辆货物装载方量数据，标注数据，对数据过滤、补偿、做数据变换，增强数据数量和模型训练的鲁棒性。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

虽然本申请提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。

本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书实施例。对于本领域技术人员来说，本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的权利要求范围之内。