基于建筑材料配送车辆大数据的运输物流通道识别方法与流程

本专利属于大数据智能分析领域，尤其涉及基于建筑材料配送车辆大数据的运输物流通道识别方法。

背景技术：

1、对建筑施工企业来说，物流管理是其中的重要的环节之一，对企业的原材料进行运输、仓储、搬运、配送，实现对资源的有效配置，以此来降低成本、提高企业的效益。但是，部分建筑施工企业在物流管理方面表现松散、效率低下，需前期借助智能导航地图，车辆行驶途中对各种物料的装载没有合理的路径规划，对资源的浪费严重，又耽误了工期。

2、现有的野外建筑施工场地，由于是新工地，有可能是在荒山上架设高速公路的高架桥或是建设厂房，原先在现有智能导航地图(比如百度地图)是没有路径显示直达目的地，需要探索多条新土路去运输各种建筑材料。实际运输中，车辆有时需到a地运a特种材料，再到b地中途装载b构建材料，再到c地装载建筑工具，最后开往目的地，需科学规划路线。有时运输重型建筑构件的车辆要考虑避开沼泽或土地松软的地，寻找质地坚硬坡度平缓的远路；而运输重量轻的小货车为节省路途，可选择走坡度陡一点的近路。怎样检验多条土路，识别最佳的不同建筑材料运输车的主要运输路径，为后续大规模的材料车辆运输打下基础，以支撑建筑企业对物流管理模式和供应链系统的有效升级，目前没有特别的算法解决该问题。

3、现有路径规划的方法都是基于城市已有主干道路的情况，通过智能导航地图事先查询路程和拥堵情况进行最佳规划，不适用本发明所说的野外建筑施工荒地运输情况，比如专利名称《物流资源优化方法、装置、系统及计算机可读存储介质》，cn202010775831.1，这种方案采用的原理不能解决本发明提出的问题。

技术实现思路

1、为克服现有技术问题，本发明提供基于建筑材料配送车辆大数据的运输物流通道识别方法，在不依赖智能地图数据的情况下，结合独特的智能算法识别出运输路径特征，分析得到不同建筑材料运输车的经济实用的主要运输路径，为后续大规模的材料车辆运输打下基础，适用性好。

2、本发明提供基于建筑材料配送车辆大数据的运输物流通道识别方法，包括步骤：

3、(1)前期获取运输不同建筑材料的车辆数据，配置大数据仓库hive数据源；

4、(2)设定选择条件，选择设定日期内的车辆数据，进行车辆数据的数据清洗和数据预处理，保留系统采集定位状态有效的车辆数据；

5、(3)对所述车辆数据计算聚合特征，通过调用蜂窝多边形算法，将区域地图划分为若干个六边形区块，以该六边形的索引和中心位置的经纬度表示该区域，聚合精度为相邻六边形中心位置间的距离，同时获取车辆当前所在区块的六个相邻区块的索引和中心位置的经纬度，为计算车辆从当前区块流通到下一区块的流量和密度作基础；

6、(4)通过上述车辆的六边形区块数据的中心位置进行连接，可计算出运输路径特征，统计所有车辆历史轨迹定位点有在区块内的车辆数，并按运输材料进行归类汇总，以所有区块中各品类车辆数最多的区块作为该货物品类的运输路径的原点，以该原点内所有经过的车辆作为该条运输路径的流通主体，再根据流量和密度计算公式，计算出从原点到其六个相邻区块的节点流通密度；

7、步骤(5)将所有的运输路径合并分析，将合并后的运输路径作为运输该建筑材料的最常用运输路径。

8、进一步，步骤(4)之后还包括：计算各个节点的流通密度，将流通密度值大于设定阀值的节点进行聚合计算，持续计算出新的运输路径。

9、进一步，步骤(2)中所述车辆数据的字段包括：车辆唯一标识码vin、货物品类、定位时间、gps经度、gps纬度、行政区划信息、定位状态。

10、进一步，步骤(2)中所述进行车辆数据的数据清洗和数据预处理，包括

11、对字段vin、行政区划信息为string类型，定位时间为date类型，经度和纬度为long型，货物品类为int类型，定位状态为int类型进行数据类型有效性判定，当系统采集数据状态为1时表示状态有效，删除状态不为1的数据。

12、进一步，步骤(3)具体包括，通过调用蜂窝多边形算法的h3hash相关接口方法，将区域地图划分为若干个六边形区块，将一定区域内精度高且密集大于阀值以上的经纬度的点聚合到一个划定范围的六边形，以该六边形的索引和中心位置的经纬度表示该区域，聚合精度为相邻六边形中心位置间的距离，同时获取车辆当前所在区块的六个相邻区块的索引和中心位置的经纬度，为计算车辆从当前区块流通到下一区块的流量和密度作基础。

13、进一步，步骤(4)具体包括，统计所有车辆历史轨迹定位点有在区块内的车辆数，并按运输材料进行归类汇总，并以所有区块中各品类车辆数最多的区块作为该货物品类的运输路径的原点，以该原点内所有经过的车辆作为该条运输路径的流通主体，再根据流量和密度计算公式，计算出从原点到该原点的六个相邻区块的流通密度；

14、判断流通密度是否达到设定阈值，如果是流通密度达到设定阈值的相邻区块，则作为运输路径的一个批次节点，获取流通密度最大的节点进行迭代，计算其下一批次节点，直到找完所有节点以形成一条完整的运输路径。

15、进一步，在步骤(4)中，流通密度的计算公式和参数如下：

16、通道原点＝按货物品类汇总，车辆数最大且满足原点定义的区块；

17、通道节点＝流通密度大于默认的经验值且满足节点定义的区块；作为一种实施方式，通道节点指车辆路径中间的停留点；

18、c＝车辆所运输货物品类；

19、s＝某货物品类c从当前节点依次流出到下一相邻区块的车辆数；

20、o＝某货物品类c流入下一相邻区块的总车辆数；

21、i＝某货物品类c依次流入当前节点的总车辆数；

22、某货物品类密度k＝s/o；

23、某货物品类流量q＝s/i；

24、某建筑材料品类的流通密度f计算公式：

25、f＝w×q+v×k，其中w>0,v>0,w+v＝1。

26、与现有技术相比，本发明方法的优点是：

27、(1)现有的物流路径规划方法都是基于已建好的道路，可在现有智能导航地图中显示，这样很容易知道路程和路况进行规划。而本发明的方法是运用在新项目施工初期阶段，尚未纳入导航地图显示的荒地路径，是根据不同建筑材料配送车辆数据，不依赖智能地图数据指路的情况下逆向推理识别出运输路径特征，再结合独特的智能算法，自定义运输路径的原点和节点，根据流量和密度计算公式，得出基于建筑材料配送的最常用运输路径。适用性更广泛，解决了现有新项目施工运输路径规划一直存在的技术难题，有荒地建筑运输的开创性指导意义和新领域技术启发作用。

28、(2)本发明方法不依赖于地图信息，可以根据运输货物品类、lbs密度调整h3hash精度以达到最经济型的应用场景效果，比传统的geohash网格计算效率更优，更准确。其识别出的运输路径既可以绘制一整条运输路径，也可以对运输路径上的所有节点进行绘制，将更准确、更细致地感知货流、车流、物流、道路情况等。

29、(3)本发明的智能道路识别方法结合运输物质品类、车流、物流、道路、车辆行为情况等从时间、空间区域、运输业务等维度对其进行精确地感知以及精准详细地刻画和描述，了解其整体情况地同时，为建筑供应商、建筑采购商提供科学准确的运输决策依据，节省运输时间和成本，提高安全性。

30、本发明方法采集前期工程车的运行数据，进行算法统计和数据清洗分析，核对多个节点之间的流通密度，通过流量和密度算法计算，识别最经济实用的不同建筑材料运输车的主要运输路径，为后续大规模的材料车辆运输打下基础，以支撑建筑企业对物流管理模式和供应链系统的有效升级。