物流车辆的路线数据的大数据分析方法以及系统与流程

本发明涉及大数据分析的，尤其涉及一种物流车辆的路线数据的大数据分析方法以及系统。

背景技术：

1、随着物流行业的快速发展，对物流车辆行驶路线进行精细化分析与优化已成为降低运输成本、提升配送效率的关键手段。现有技术虽然能够实现对车辆轨迹数据的采集与基础路径规划，但在实际应用中，尤其是针对复杂多变的物流配送场景，仍存在以下显著缺陷：

2、现有技术往往直接利用原始gps数据进行简单的地图匹配，缺乏对轨迹数据进行深度时间戳对齐与坐标纠偏的预处理机制，难以将离散的轨迹点序列转化为连续、高精度的路线数据，导致构建的物流路线数据库质量较低，在此基础上，现有技术对历史路线数据的分析多局限于单一维度，缺乏从多个不同维度提取高维特征向量的能力，导致无法准确识别不同配送场景下的基准路线模式。

技术实现思路

1、本发明的目的在于克服现有技术的不足，本发明提供了一种物流车辆的路线数据的大数据分析方法以及系统。

2、本发明实施例提供了一种物流车辆的路线数据的大数据分析方法，包括：

3、实时接入物流车辆上报的轨迹数据流，对轨迹数据流进行时间戳对齐与坐标纠偏的预处理，以输出预处理后的轨迹数据，对预处理后的轨迹数据进行地图匹配增强，将离散的轨迹点序列转化为连续的路线数据，以构建物流路线数据库；

4、针对物流路线数据库中的历史路线数据，从多个不同维度中提取高维特征向量，对高维特征向量进行大数据分析，并识别出物流车辆在不同配送场景下的基准路线模式；

5、实时获取的物流车辆当前路线数据和外部环境数据，当前路线数据与对应的基准路线模式进行时空相似性匹配，利用大数据分析机制关联外部环境数据，从而确定当前路线数据相对于基准路线模式的动态效能偏差值；

6、若动态效能偏差值超过预设的动态阈值，则标记当前路线数据为待优化路线数据，将待优化路线数据输入至大数据决策引擎，并基于实时路网权重生成推荐路线数据。

7、本发明实施例提供了一种物流车辆的路线数据的大数据分析系统，所述物流车辆的路线数据的大数据分析系统应用于上述的物流车辆的路线数据的大数据分析方法；所述物流车辆的路线数据的大数据分析系统包括：

8、数据库模块，用于实时接入物流车辆上报的轨迹数据流，对轨迹数据流进行时间戳对齐与坐标纠偏的预处理，以输出预处理后的轨迹数据，对预处理后的轨迹数据进行地图匹配增强，将离散的轨迹点序列转化为连续的路线数据，以构建物流路线数据库；

9、大数据分析模块，用于针对物流路线数据库中的历史路线数据，从多个不同维度中提取高维特征向量，对高维特征向量进行大数据分析，并识别出物流车辆在不同配送场景下的基准路线模式；

10、动态效能模块，用于实时获取的物流车辆当前路线数据和外部环境数据，当前路线数据与对应的基准路线模式进行时空相似性匹配，利用大数据分析机制关联外部环境数据，从而确定当前路线数据相对于基准路线模式的动态效能偏差值；

11、推荐路线数据模块，用于若动态效能偏差值超过预设的动态阈值，则标记当前路线数据为待优化路线数据，将待优化路线数据输入至大数据决策引擎，并基于实时路网权重生成推荐路线数据。

12、与现有技术相比，本发明的有益效果是：

13、（1）通过对预处理后的轨迹数据进行地图匹配增强，将离散的轨迹点序列转化为连续的路线数据，构建了高质量的物流路线数据库；在此基础上，针对物流路线数据库中的历史路线数据，从多个不同维度中提取高维特征向量并进行大数据分析，实现了对不同配送场景下基准路线模式的精准识别，引入了物流路线数据库对高维特征向量进行多维度把控，有效提高了基准路线模式的准确性和数据基础的可靠性。

14、（2）通过实时获取物流车辆的当前路线数据和外部环境数据，将当前路线数据与对应的基准路线模式进行时空相似性匹配，并利用大数据分析机制关联外部环境数据，从而确定当前路线数据相对于基准路线模式的动态效能偏差值，若动态效能偏差值超过预设的动态阈值，则标记当前路线数据为待优化路线数据，将其输入至大数据决策引擎，并基于实时路网权重生成推荐路线数据，实现了从异常检测到路线推荐的动态闭环优化，充分考虑了待优化路线数据、动态效能偏差值及实时路网权重的综合影响，显著提高了推荐路线数据的准确性。

1.一种物流车辆的路线数据的大数据分析方法，其特征在于，包括：

2.根据权利要求1所述的物流车辆的路线数据的大数据分析方法，其特征在于，所述实时接入物流车辆上报的轨迹数据流，对轨迹数据流进行时间戳对齐与坐标纠偏的预处理，以输出预处理后的轨迹数据，对预处理后的轨迹数据进行地图匹配增强，将离散的轨迹点序列转化为连续的路线数据，以构建物流路线数据库，包括：

3.根据权利要求2所述的物流车辆的路线数据的大数据分析方法，其特征在于，所述实时接入物流车辆上报的轨迹数据流，对轨迹数据流进行时间戳对齐与坐标纠偏的预处理，以输出预处理后的轨迹数据，对预处理后的轨迹数据进行地图匹配增强，将离散的轨迹点序列转化为连续的路线数据，以构建物流路线数据库，还包括：

4.根据权利要求1所述的物流车辆的路线数据的大数据分析方法，其特征在于，所述针对物流路线数据库中的历史路线数据，从多个不同维度中提取高维特征向量，对高维特征向量进行大数据分析，并识别出物流车辆在不同配送场景下的基准路线模式，包括：

5.根据权利要求4所述的物流车辆的路线数据的大数据分析方法，其特征在于，所述针对物流路线数据库中的历史路线数据，从多个不同维度中提取高维特征向量，对高维特征向量进行大数据分析，并识别出物流车辆在不同配送场景下的基准路线模式，还包括：

6.根据权利要求1所述的物流车辆的路线数据的大数据分析方法，其特征在于，所述实时获取的物流车辆当前路线数据和外部环境数据，当前路线数据与对应的基准路线模式进行时空相似性匹配，利用大数据分析机制关联外部环境数据，从而确定当前路线数据相对于基准路线模式的动态效能偏差值，包括：

7.根据权利要求6所述的物流车辆的路线数据的大数据分析方法，其特征在于，所述实时获取的物流车辆当前路线数据和外部环境数据，当前路线数据与对应的基准路线模式进行时空相似性匹配，利用大数据分析机制关联外部环境数据，从而确定当前路线数据相对于基准路线模式的动态效能偏差值，还包括：

8.根据权利要求1所述的物流车辆的路线数据的大数据分析方法，其特征在于，所述若动态效能偏差值超过预设的动态阈值，则标记当前路线数据为待优化路线数据，将待优化路线数据输入至大数据决策引擎，并基于实时路网权重生成推荐路线数据，包括：

9.根据权利要求8所述的物流车辆的路线数据的大数据分析方法，其特征在于，所述若动态效能偏差值超过预设的动态阈值，则标记当前路线数据为待优化路线数据，将待优化路线数据输入至大数据决策引擎，并基于实时路网权重生成推荐路线数据，还包括：

10.一种物流车辆的路线数据的大数据分析系统，其特征在于，所述物流车辆的路线数据的大数据分析系统应用于如权利要求1-9中任一项所述的物流车辆的路线数据的大数据分析方法；所述物流车辆的路线数据的大数据分析系统包括：