基于GNSS的运输车辆运行轨迹规划方法与流程

基于gnss的运输车辆运行轨迹规划方法
技术领域
1.本发明涉及物流配送技术领域，具体是基于gnss的运输车辆运行轨迹规划方法。


背景技术：

2.物流配送是指为了满足客户的需求，以最低的成本，通过运输、保管、配送等方式，实现原材料、半成品、成品或相关信息进行由商品的产地到商品的消费地的计划、实施和管理的全过程；现代物流是经济全球化的产物，也是推动经济全球化的重要服务业；
3.目前，仓储物流的配送过程中通常是人为选择配送路径，而人为选择路径无法智能识别用户的准确需求，并在众多资源当中匹配到最合适的，导致配送效率不高；同时缺乏对车辆运行轨迹的实时监控，导致运输车辆走一些不必要的路径，既浪费了车辆能量，又延长了配送时间；基于以上不足，本发明提供基于gnss的运输车辆运行轨迹规划方法。


技术实现要素：

4.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出基于gnss的运输车辆运行轨迹规划方法。
5.为实现上述目的，根据本发明的第一方面的实施例提出基于gnss的运输车辆运行轨迹规划方法，包括如下步骤：
6.步骤一：从物流监控中心获取物流订单数据、各个中转站仓储数据和历史运输路线方案数据；
7.步骤二：根据获取到的数据建立指标体系，基于决策树分析法，选择信息增益率最高的运输路线方案作为对应物流订单的最优运输路线方案；
8.步骤三：当运输车辆离开中转站，通过访问气象平台，获取运输途中对应路段的行车环境信息对运输车辆的最大预计车速进行协同分析，并将分析得到的最大预计车速发送至对应运输车辆终端，供驾驶员参考，
9.步骤四：获取运输车辆行驶过程中的实时位姿信息，并结合对应的最优运输路线方案对运输车辆的偏离值作出分析；若轨迹偏离，则提醒驾驶员采取措施回归最优运输路线。
10.进一步地，步骤三中最大预计车速的具体协同分析过程如下：
11.获取运输车辆的运输路线信息，统计该运输路线途经的各个路段；根据运输车辆的当前位置统计分析该运输车辆途经各个路段的行车时间段；
12.获取对应路段的最大限速为zv；通过访问气象平台，获取各行车时间段内对应路段的行车环境信息；行车环境信息包括若干个行车环境因子的最大预计数据，行车环境因子包括路面平整度、降雨量、能见度、风速以及风向；
13.将各行车环境因子与数据库中存储的对应行车环境因子的安全数据进行对比，将对应的路面平整度差值标记为cz1，将降雨量差值标记为cz2、将能见度差值标记为cz3、将风速差值标记为cz4；
14.利用公式yx＝(cz2
×
a2+cz4
×
a4)/(cz1
×
a1+cz3
×
a3)计算得到行车影响系数yx，其中a1、a2、a3、a4均为系数因子；利用公式zy＝zv
×
(1-yx
×
b1)计算得到对应路段的最大预计车速zy，其中b1为系数因子。
15.进一步地，步骤四中偏离值的具体分析过程为：
16.获取运输车辆行驶过程中的实时位姿信息，将运输车辆的实时位置坐标化，记为(xi，yi)，将点(xi，yi)标记为验证点；
17.获取对应的最优运输路线中与运输车辆实时位置对应的参考点并标记为(xi'，yi')；则验证距离li＝[(xi-xi')2+(yi-yi')2]
1/2
；
[0018]
获取运输车辆与最优运输路线的偏离角度θ，将运输车辆当前速度标记为vi，将运输车辆当前加速度标记为vti；
[0019]
利用公式pl＝li
×
g1+θ
×
g2+vi
×
g3+vti
×
g4计算得到运输车辆的偏离值pl，其中g1、g2、g3、g4均为系数因子；将偏离值pl与预设偏离阈值相比较；若pl≥预设偏离阈值，则判定运输车辆发生轨迹偏离，生成偏离预警信号，并将偏离预警信号发送至对应运输车辆终端。
[0020]
进一步地，参考点的获取准则为：获取最优运输路线中与点(xi，yi)若干不重合的对应点，计算对应点与验证点的距离，将距离最小的对应点标记为参考点。
[0021]
进一步地，其中，所述物流订单数据包括货物名称、货物重量、体积、起运地、目的地、收货人信息、发运时间等货运信息；所述中转站仓储数据包括中转站的位置信息、仓储条件、仓储方式和剩余仓储空间；
[0022]
进一步地，所述指标体系包括指标因子和样本；所述指标因子包括发货方需求、运输距离、运输时间、运输里程和运输路径，其中发货方需求与物流订单数据关联匹配；运输距离、运输时间和运输里程均与各个中转站仓储数据关联匹配，运输路径与路面交通数据关联匹配，样本包括历史运输路线方案数据。
[0023]
进一步地，还包括：将各个指标因子分别作为决策树的叶节点，样本作为根节点，分别建立每个物流订单的所有运输路线方案；并基于决策树c4.5算法，计算出每个物流订单的每个运输路线方案中各个节点的发生概率，进一步计算出对应物流订单的每个运输路线方案的信息增益率。
[0024]
与现有技术相比，本发明的有益效果是：
[0025]
1、本发明中通过从物流监控中心获取物流订单数据、各个中转站仓储数据和历史运输路线方案数据，根据获取到的数据建立指标体系，基于决策树分析法，将各个指标因子分别作为决策树的叶节点，样本作为根节点，分别建立每个物流订单的所有运输路线方案，选择信息增益率最高的运输路线方案作为该物流订单的最优运输路线方案；以便驾驶员按照最优运输路线执行配送任务，提高配送效率；
[0026]
2、本发明中当运输车辆离开中转站，通过访问气象平台，获取运输途中对应路段的行车环境信息并结合对应路段的最大限速zv对运输车辆的最大预计车速进行协同分析，供驾驶员参考，提高行车安全；在运输车辆行驶过程中，获取运输车辆的实时位姿信息，并结合对应的最优运输路线方案对运输车辆的偏离值作出分析，判断运输车辆是否处于规定的路线中，一旦偏离，及时预警，以提醒驾驶员采取措施回归最优运输路线，从而缩短配送时间，有效提高配送效率。
附图说明
[0027]
为了更清楚地说明本发明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。
[0028]
图1为本发明基于gnss的运输车辆运行轨迹规划方法的原理框图。
具体实施方式
[0029]
下面将结合实施例对本发明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发明一部分实施例，而不是全部的实施例。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前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0030]
如图1所示，基于gnss的运输车辆运行轨迹规划方法，包括：
[0031]
步骤一：从物流监控中心获取物流订单数据、各个中转站仓储数据和历史运输路线方案数据；
[0032]
其中，所述物流订单数据包括货物名称、货物重量、体积、起运地、目的地、收货人信息、发运时间等货运信息；所述中转站仓储数据包括中转站的位置信息、仓储条件、仓储方式和剩余仓储空间；
[0033]
步骤二：根据获取到的数据建立指标体系，基于决策树分析法，计算得到最优运输路线方案；具体包括：
[0034]
根据获取到的数据建立指标体系；所述指标体系包括指标因子和样本；所述指标因子包括发货方需求、运输距离、运输时间、运输里程和运输路径，其中发货方需求与物流订单数据关联匹配；运输距离、运输时间和运输里程均与各个中转站仓储数据关联匹配，运输路径与路面交通数据关联匹配，样本包括历史运输路线方案数据；
[0035]
基于决策树分析法，将各个指标因子分别作为决策树的叶节点，样本作为根节点，分别建立每个物流订单的所有运输路线方案，并基于决策树c4.5算法，计算出每个物流订单的每个运输路线方案中各个节点的发生概率，进一步计算出对应物流订单的每个运输路线方案的信息增益率；
[0036]
选择信息增益率最高的运输路线方案作为该物流订单的最优运输路线方案；然后将最优运输路线方案经物流监控中心发送至对应运输车辆终端，以便驾驶员按照最优运输路线执行配送任务；其中最优运输路线方案包括运输路线信息和中转站信息；
[0037]
步骤三：当运输车辆离开中转站，通过访问气象平台，获取运输途中对应路段的行车环境信息对运输车辆的最大预计车速进行协同分析，并将分析得到的最大预计车速发送至对应运输车辆终端，供驾驶员参考，提高行车安全；具体协同分析过程如下：
[0038]
获取运输车辆的运输路线信息，统计该运输路线途经的各个路段；根据运输车辆的当前位置统计分析该运输车辆途经各个路段的行车时间段；
[0039]
获取对应路段的最大限速为zv；通过访问气象平台，获取各行车时间段内对应路段的行车环境信息；行车环境信息包括若干个行车环境因子的最大预计数据，行车环境因子包括路面平整度、降雨量、能见度、风速以及风向；
[0040]
将各行车环境因子与数据库中存储的对应行车环境因子的安全数据进行对比，得到对应行车环境因子的数据差值；将对应的路面平整度差值标记为cz1，将降雨量差值标记为cz2、将能见度差值标记为cz3、将风速差值标记为cz4；利用公式yx＝(cz2
×
a2+cz4
×
a4)/(cz1
×
a1+cz3
×
a3)计算得到行车影响系数yx，其中a1、a2、a3、a4均为系数因子；
[0041]
利用公式zy＝zv
×
(1-yx
×
b1)计算得到对应路段的最大预计车速zy，其中b1为系数因子；
[0042]
步骤四：获取运输车辆行驶过程中的实时位姿信息，并结合对应的最优运输路线方案对运输车辆的偏离值作出分析，判断运输车辆是否处于规定的路线中，一旦偏离，及时预警，有效提高配送效率；具体分析步骤为：
[0043]
获取运输车辆行驶过程中的实时位姿信息，所述位姿信息包括位置信息、加速度、速度以及航向角；将运输车辆的实时位置坐标化，记为(xi，yi)，将点(xi，yi)标记为验证点；
[0044]
获取对应的最优运输路线中与运输车辆实时位置对应的参考点并标记为(xi'，yi')；则验证距离li＝[(xi-xi')2+(yi-yi')2]
1/2
；
[0045]
其中，参考点的获取准则为：获取最优运输路线中与点(xi，yi)若干不重合的对应点，计算对应点与验证点的距离，将距离最小的对应点标记为参考点；
[0046]
获取运输车辆与最优运输路线的偏离角度θ，具体包括：
[0047]
获取最优运输路线在参考点处的切线，该切线与运输车辆当前航向角的夹角即为此时运输车辆的偏离角度θ；
[0048]
将运输车辆当前速度标记为vi，将运输车辆当前加速度标记为vti；
[0049]
将验证距离、偏离角度、速度和加速度进行归一化处理并取其数值，利用公式pl＝li
×
g1+θ
×
g2+vi
×
g3+vti
×
g4计算得到运输车辆的偏离值pl，其中g1、g2、g3、g4均为系数因子；
[0050]
将偏离值pl与预设偏离阈值相比较；若pl≥预设偏离阈值，则判定运输车辆发生轨迹偏离，生成偏离预警信号，并将偏离预警信号发送至对应运输车辆终端，所述运输车辆终端接收到偏离预警信号后控制报警器发出警报，并在对应运输车辆的车辆仪表盘图像帧中标识偏离预警信息，以提醒驾驶员运输车辆发生了轨迹偏离，需要采取措施回归最优运输路线，从而缩短配送时间，有效提高配送效率。
[0051]
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
[0052]
本发明的工作原理：
[0053]
基于gnss的运输车辆运行轨迹规划方法，在工作时，首先从物流监控中心获取物流订单数据、各个中转站仓储数据和历史运输路线方案数据；根据获取到的数据建立指标体系，基于决策树分析法，将各个指标因子分别作为决策树的叶节点，样本作为根节点，分别建立每个物流订单的所有运输路线方案，并基于决策树c4.5算法，选择信息增益率最高的运输路线方案作为该物流订单的最优运输路线方案；以便驾驶员按照最优运输路线执行配送任务，提高配送效率；
[0054]
当运输车辆离开中转站，通过访问气象平台，获取运输途中对应路段的行车环境
信息对运输车辆的最大预计车速进行协同分析，根据运输车辆的当前位置统计分析该运输车辆途经各个路段的行车时间段；获取各行车时间段内对应路段的行车环境信息，计算得到行车影响系数yx，结合对应路段的最大限速zv，计算得到对应路段的最大预计车速zy，供驾驶员参考，提高行车安全；在运输车辆行驶过程中，获取多个车辆前方道路图像帧和多个车辆仪表盘图像帧进行整理，得到运输车辆的实时位姿信息，并结合对应的最优运输路线方案对运输车辆的偏离值作出分析，判断运输车辆是否处于规定的路线中，一旦偏离，及时预警，以提醒驾驶员采取措施回归最优运输路线，从而缩短配送时间，有效提高配送效率。
[0055]
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”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发明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一定指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何的一个或多个实施例或示例中以合适的方式结合。
[0056]
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。