一种基于物流数据处理识别自动收货方法及系统与流程

技术特征：
1.一种基于物流数据处理识别自动收货方法，其特征在于，包括以下步骤：获取计算被记录的位置点与其后续位置点距离-时间是否满足预设阈值的活动热点，在识别活动热点后，用户每天的步行时空轨迹呈现以热点为节点的链状分布，将轨迹转换为热点链；根据热点链中的热点是否包含收货点，判断用户不行轨迹数据是否为用户的常规轨迹，并将含有收货点的不行轨迹提取，筛选出收货点前一个热点和与收货点间的时空轨迹；将用户收货点前一个规律活动热点作为顺道取货的起点，根据热点间热点到收件点的时间-空间距离转化成核密度估计值选择规律活动热点，其中规律活动热点为某一用户空间-时间上经常停留的热点；确定选择的规律活动热点后，自提柜将依据该活动热点到自提柜和自提柜到收货点的距离进行选择，并将核密度估计值最高的自提柜位置作为终选自提柜，其中，自提柜的旋转在考虑距离、时间的基础上，将快递重量、体积转换为核密度估计值纳入选择决策。2.根据权利要求1所述的基于物流数据处理识别自动收货方法，其特征在于，用户每天的步行时空轨迹呈现以热点为节点的链状分布，将轨迹转换为热点链，包括：采集的用户时空轨迹数据集中字段包括用户id、位置点的经度和纬度、记录的时间戳和当时行进的速度；采用c标识用户记录的步行轨迹条数，n
c
表示用户第c条步行轨迹位置信息总数，其中c＝1,...,c；w
ci
表示用户在第c条步行轨迹第i条记录的位置信息，t
ci
表示用户在第c条步行轨迹第i条记录的时间信息，sp
ci
表示用户在第c条步行轨迹第i条记录的速度；步行提取的过程为：初始位置，i＝1,c＝1，当c＜c，若sp
ci
＜5km/h，则位置点坐标w
ci
保留，否则位置点w
ci
剔除，i＝i 1，c＝c 1。3.根据权利要求1所述的基于物流数据处理识别自动收货方法，其特征在于，根据热点间热点到收件点的时间-空间距离转化成核密度估计值选择规律活动热点，包括：活动热点反应用户活动轨迹空间上集聚，时间上停留的特征，为用户经常访问和连续停留的位置，设置d(w1,w2)表示位置点w1和w2之间的球面距离，l表示判断位置点间是否位于同一区域空间距离的约束，f(c,i)表示连续满足距离约束的位置点的数量，m表示为用户活动热点的判断标准，w'(c,i,n)表示用户第c条轨迹数据集从第i点到第(i n-1)点的平均位置信息，k表示用户活动热点的数量，x
ck
表示活动热点的位置，y
ck
表示用户进入活动热点的时间，t
ck
表示用户在活动热点停留的时间，gw
ck
表示活动热点的谦虚轨迹，gt
ck
表示活动热点前序轨迹的时间集合，活动热点位置识别后，用户时空轨迹形成以热点为节点的热点链；通过遍历所有轨迹，将轨迹点聚集程度作为用户活动热点判断依据，f(c,i)表示第c条步行轨迹第i点与后续轨迹点的聚集程度，其表达式为当f(c,i)＞m则认为i点与后续点构成热点区域，该区域的中心为活动热点k，其位置信息x
ck
，其时间信息包括到达时间和停留时间分别由y
ck
、t
ck
表示，其前序轨迹和对应的时间分别为gw
ck
、gt
ck
。4.根据权利要求3所述的基于物流数据处理识别自动收货方法，其特征在于，还包括：f(c,i)表示第c条不行轨迹从第i条位置信息附加满足距离约束的位置点的数量，其中
i(c,i,n)表示用户第c条步行轨迹从第i点到第(i n-1)条记录的平均位置信息与第i n条位置信息是否满足距离约束l，计算公式如下：w'(c,i,n)表示第i点后续n个点位置的重心，计算公式如下所示：活动热点识别过程为：初始位置：i＝1，k＝0，j＝0，j'＝0；第一步活动热点识别：若f(c,i)＞m，k＝k 1，i＝i f(c,i)；x
ck
＝w'(c,i,f(c,i))，y
ck
＝t
ci
，t
ck
＝t
c(i f(c,i)-1)-t
ci
；若j＞0，gw
ck
＝(w
cj
,...,w
c(j j')
)，gt
ck
＝(t
cj
,...,t
c(j j')
)；j＝i f(c,i)，j'＝0；若i＝n
c
，推出；否则转动第一步；若f(c,i)＜m，i＝i 1，j'＝j' 1，若i＝n
c
，推出；否则转到第一步。5.根据权利要求1所述的基于物流数据处理识别自动收货方法，其特征在于，确定选择的规律活动热点后，自提柜将依据该活动热点到自提柜和自提柜到收货点的距离进行选择，包括：活动热点提取首先依据热点链中的热点是否包含收件点，判断用户不行轨迹数据是否为用户的常规轨迹；将含有收货点的热点链提取，并提取出收货点前一个热点和与收货点间的时空轨迹，设置λ表示判断热点是否为收件点的距离约束，c'表示筛选后的热点链条数，x
z
表示用户填写的收件点位置信息。6.根据权利要求5所述的基于物流数据处理识别自动收货方法，其特征在于，还包括：通过热点的识别，将用户时空轨迹转化为以用户活动热点为节点的活动热点链，需要识别热点链中热点是否包含收货点，若不包含则将该条热点链剔除，若包含则提取该条热点链，并将收货点和后续热点和轨迹剔除，筛选后剩余c'条热点链，k
s
个活动热点，提取对应热点链中收件点前一个热点位置x
c'k'
，到达热点的时间y
c'k'
，热点停留的时间t
c'k'
，前序轨迹集合gw
c'k'
，前序轨迹时间集合gt
c'k'
，其中c'＝1...c',k'＝1...k
s
；活动热点链提取的过程：识别出活动热点天数据中包含收件点的数据，初始设置c＝1，c'＝0，第一步：识别包含收件点位置的活动热点天数据，当c＜c，若存在d(x
z
,x
ck'
)＜λ，将第c天数据记录，c＝c 1，c'＝c' 1转入第一步，否则将第c天数据剔除，c＝c 1，转入第一步，否则c＝c,c'＝c'，结束；将c'天活动热点中与收件点距离的满足约束的活动热点剔除，剩余活动热点数量为k
s
，初始设置s＝0，c'＝1，k'＝1，第一步：剔除收件点区域的活动热点，当c'＜c'，若d(x
z
,x
c'k'
)＞λ，s＝s 1，x
c'k'
为非收件点的活动热点；若k'≠k
c'
；k'＝k' 1，转入判断d(x
z
,x
c'k'
)；否则c＝c 1，转入第一步；否则c＝c'，s＝k
s
；结束。7.根据权利要求1所述的基于物流数据处理识别自动收货方法，其特征在于，提取后的用户活动热点，在空间上的分布相对稀疏，其中隐含的用户的出行偏好的知识信息进一步显化，空间聚集的程度的评价衡量和提取热点在空间的聚集情况；将提取的热点间的空间欧式距离，作为空间聚集程度的评价参数，与周围的热点的空间距离越近，表明某热点的空间聚集程度越高，通过热点的空间聚集程度提取后的热点在空间中聚集的核心位置。8.根据权利要求1所述的基于物流数据处理识别自动收货方法，其特征在于，核密度估计的过程包括：设x1，x2，...，x
n
为取值于π的独立分布的随机变量，其分布密度函数为f(x),
x∈π,令x
i-x＝u，f(x)表示核密度函数，k(u)表示核函数，h表示带宽是预先确定的一个自由参数，带宽的大小影响核密度估计函数的平滑程度，x
i-x表示数据点之间的距离。9.根据权利要求1所述的基于物流数据处理识别自动收货方法，其特征在于，将用户从规律活动热点出发到自提柜自提，再由自提柜位置前往收件点位置作为顺道取件的整个过程，在完成规律活动热点筛选后，用户顺道取件的起点和终点进而确定，末端用户前往自提柜取件先从起点前往自提柜，再由自提柜回到收件点，完成取件的整个过程。10.一种根据权利要求1-9任一项所述的基于物流数据处理识别自动收货方法的基于物流数据处理识别自动收货系统，其特征在于，包括：获取单元，用于获取计算被记录的位置点与其后续位置点距离-时间是否满足预设阈值的活动热点，在识别活动热点后，用户每天的步行时空轨迹呈现以热点为节点的链状分布，将轨迹转换为热点链；判断单元，用于根据热点链中的热点是否包含收货点，判断用户不行轨迹数据是否为用户的常规轨迹，并将含有收货点的不行轨迹提取，筛选出收货点前一个热点和与收货点间的时空轨迹；转换单元，用于将用户收货点前一个规律活动热点作为顺道取货的起点，根据热点间热点到收件点的时间-空间距离转化成核密度估计值选择规律活动热点，其中规律活动热点为某一用户空间-时间上经常停留的热点；确定单元，用于确定选择的规律活动热点后，自提柜将依据该活动热点到自提柜和自提柜到收货点的距离进行选择，并将核密度估计值最高的自提柜位置作为终选自提柜，其中，自提柜的旋转在考虑距离、时间的基础上，将快递重量、体积转换为核密度估计值纳入选择决策。

技术总结
本发明公开了基于物流数据处理识别自动收货方法，获取计算被记录的位置点与其后续位置点距离-时间是否满足预设阈值的活动热点，用户每天的步行时空轨迹呈现以热点为节点的链状分布，将轨迹转换为热点链，根据热点链中的热点是否包含收货点，筛选出收货点前一个热点和与收货点间的时空轨迹，将用户收货点前一个规律活动热点作为顺道取货的起点，热点间热点到收件点的时间-空间距离转化成核密度估计值选择规律活动热点，自提柜将依据该活动热点到自提柜和自提柜到收货点的距离进行选择，并将核密度估计值最高的自提柜位置作为终选自提柜。根据核密度估算并通过数据距离了解用户规律活动热点的筛选模型，可以提高自动取货的精确度和效率。精确度和效率。精确度和效率。


技术研发人员：林乐新 姜小康
受保护的技术使用者：深圳闪回科技有限公司
技术研发日：2022.03.01
技术公布日：2022/6/10