货运状态的校验方法、装置、服务器和介质与流程

1.本发明实施例涉及智能货运技术领域，尤其涉及一种货运状态的校验方法、装置、服务器和介质。


背景技术：

2.随着互联网技术的发展，按需运输服务越来越多的渗透到人们的日常生活中，例如在线搬家叫车服务等，为人们的日常生活提供了很多便利。基于在线按需服务平台，用户可以通过安装在智能终端设备中的应用请求按需服务。
3.在按需服务的订单生成后，按需服务平台会将货车在每个轨迹点的货运状态向用户进行展示。


技术实现要素：

4.本发明实施例提供一种货运状态的校验方法、装置、服务器和介质，以解决现有技术无法识别货运过程中轨迹点货运状态异常的问题。
5.第一方面，本发明实施例提供了一种货运状态的校验方法，所述方法包括：
6.确定货车所处当前轨迹点的当前环境信息；其中，所述当前轨迹点属于当前订单的当前运输路线；
7.根据所述当前环境信息预测所述当前轨迹点的标准货运状态；
8.获取所述当前轨迹点的实际货运状态，并根据所述标准货运状态对所述当前轨迹点的实际货运状态进行校验。
9.第二方面，本发明实施例提供了一种货运状态的校验装置，所述装置包括：
10.环境信息确定模块，用于确定货车所处当前轨迹点的当前环境信息；其中，所述当前轨迹点属于当前订单的当前运输路线；
11.货运状态预测模块，用于根据所述当前环境信息预测所述当前轨迹点的标准货运状态；
12.货运状态校验模块，用于获取所述当前轨迹点的实际货运状态，并根据所述标准货运状态对所述当前轨迹点的实际货运状态进行校验。
13.第三方面，本发明实施例提供了一种服务器，所述服务器包括：
14.一个或多个处理器；
15.存储装置，用于存储一个或多个程序，
16.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例中任一所述的货运状态的校验方法。
17.第四方面，本发明实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的货运状态的校验方法。
18.本发明实施例实现了在货车运输过程中，自动对货车在轨迹点的货运状态进行校验的效果，避免了货运状态出现异常的问题，改善了用户体验。
附图说明
19.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
20.图1是本发明实施例一提供的一种货运状态的校验方法的流程图；
21.图2a为本发明实施例二提供的一种货运状态的校验方法的流程图；
22.图2b为本发明实施例二提供的一种货运状态预测模型训练方法的示意图；
23.图2c为本发明实施例二提供的一种货运状态矫正的执行示意图；
24.图3为本发明实施例四提供的一种货运状态的校验装置的结构示意图；
25.图4为本发明实施例四提供的一种服务器的结构示意图。
具体实施方式
26.下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明实施例，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明实施例相关的结构而非全部结构。
27.在线按需运输服务，例如在线呼叫承运车辆，是起源于后互联网时代的一种新的服务方式。它为用户和服务提供商提供了只在后互联网时代才可能实现的技术方案。在互联网时代之前，当用户在街道上呼叫一辆承运车辆时，承运车辆预定请求和接受只能在货主和一个看见该货主的承运车辆司机之间发生。如果货主通过电话招呼一辆承运车辆，承运车辆预定请求和接受只能在该货主和服务提供商(例如，承运车辆公司、承运人或代理人)之间发生。然而，在线按需运输服务允许用户将其服务请求实时地且自动地分发给与该用户相距一段距离的大量服务提供商。它同时允许多个服务提供商同时地且实时地对该服务请求进行响应。与此同时，在现代社会中，承运车辆服务已成为一个规模巨大的产业。数百万货主每天通过在线呼叫平台承运车辆，只有通过互联网的帮助才能研究货主使用承运车辆的行为。因此，通过货主的在线承运车辆呼叫活动来实现承运车辆呼叫服务，也是一种根植于互联网后时代的新型服务。
28.在按需服务的订单生成后，按需服务平台会将承运车辆在每个轨迹点的货运状态向用户进行展示。然而，申请人在研发过程中发现，承运车辆的司机可能会由于包括人为误操作等原因，例如在承运车辆到达目的地之前提前点击到达按钮，导致轨迹点货运状态出现异常，从而使得用户获取到错误的货运状态，降低了用户体验。
29.实施例一
30.图1是本发明实施例一提供的一种货运状态的校验方法的流程图。本实施例适用于对货车在运输路线中轨迹点的货运状态进行校验的情况，该方法可以由本发明实施例提供的货运状态的校验装置来执行，所述货运状态的校验装置可以由软件和/或硬件的方式来实现。如图1所示，该方法可以包括：
31.s101、确定货车所处当前轨迹点的当前环境信息；其中，所述当前轨迹点属于当前订单的当前运输路线。
32.其中，货车表示负责对货主的货物进行运输的运输设备，可以应用于不同环境下
的运输环境，包括陆地、海洋和航空航天等中的一种或多种组合，例如货车包括但不限于人力车(例如，独轮手推车、脚踏车和三轮车等)、汽车(例如，出租车、公交车、私人汽车或类似物等)、火车、地铁、船只和航空器(例如，飞机、直升机、航天飞机、火箭和热气球等)等中的一种或多种组合。当前轨迹点表示在当前时刻时，货车在当前订单的当前运输路线中所处的位置节点。当前环境信息表示当前轨迹点在真实环境中的属性信息，包括但不限于位置信息和交通信息等等。
33.在s101之前，包括：
34.货主通过货主终端生成服务请求，并通过网络将服务请求发送至服务平台，使得服务平台将服务请求通过网络转发给至少一个司机终端。任一司机通过自身的司机终端对服务请求进行响应，服务平台相应生成当前订单，并根据服务请求中包含的装货点和卸货点的位置，以及接单司机的货车位置，生成当前运输路线。
35.其中，服务请求可以是对运输服务(例如，搬家服务)的请求。服务请求包括但不限于装货点、卸货点和服务开始时间等，装货点通常是指货车可以装载货物的位置，卸货点通常是指货车可以卸载货物的位置，服务开始时间通常是指货主希望使用运输服务的时间点。
36.货主终端和司机终端可以是相似类型的终端设备，也可以是相同类型的终端设备。货主终端和司机终端的类型包括但不限于：智能移动装置、笔记本计算机、便携性计算机和在机动车辆中之内置装置等中的一种或多种组合。
37.其中，智能移动装置可包括智能居家装置、可穿戴装置、智能移动装置、虚拟现实装置、扩增实境装置等中的一种或多种组合。可选的，智能居家装置可包括智能照明装置、智能电器控制装置、智能监测装置、智能电视、智能视讯摄影机和对讲机等中的一种或多种组合。可选的，可穿戴装置可包括智能手镯、智能鞋袜、智能眼镜、智能头盔、智能手表、智能衣服、智能背包和智能附件等中的一种或多种组合。可选的，智能移动装置可包括智能电话、个人数字助理、游戏设备、导航装置和销售点装置等中的一种或多种组合。可选的，虚拟现实装置可包括虚拟现实头盔、虚拟现实眼镜和虚拟现实补丁等中的一种或多种组合。可选的，扩增实境装置可包括扩增实境头盔、扩增实境眼镜和扩增实境补丁等中的一种或多种组合。笔记本计算机和便携性计算机包括任意搭载有智能操作系统的计算机等。机动车辆中之内置装置可包括机载计算机或机载电视等。
38.网络可以是任意形式的有线网络、无线网络、或者两者的任意组合。可选的，网络可以是电缆网络、电缆网络、光纤网络、电信网络、内部网络、互联网、局域网络、广域网络、无线局域网络、都会局域网络、公用电话交换网、蓝牙网络、紫蜂网络和近场通信网络等中的一种或多种组合。可选的，网络可包括一个或者多个网络进接点。例如，网络可包括有线或无线网络进接点比如基站和/或互联网交换点。通过网络进接点，服务平台可以连接至网络以交换信息和/或数据。
39.服务平台可以是单一服务器或服务器组，服务器组可以是集中式或分布式的。可选的，服务平台可以是本地的或远程的，例如，服务平台可通过网络访问存储在货主终端和司机终端的信息和/或数据。可选的，服务平台可在云端平台上执行，仅仅作为范例，云端平台可以包括私有云、公共云、混合云、小区云、分布式云、内部云和多层云等中的一种或多种组合。
40.在s101的一种实施方式中，货车按照当前运输路线行驶，并按照预设间隔时间进行位置点的采集，作为当前运输路线的轨迹点，例如货车按照当前运输路线行驶，每5分钟采集一次位置点，作为当前运输路线的轨迹点。在货车处于当前轨迹点时，货车通过自身搭载的传感器来获取当前轨迹点在真实环境中的属性信息，例如位置信息或交通信息等，交通信息包括但不限于当前轨迹点的车流量信息和车速信息等。货车通过网络将该属性信息发送给服务平台，服务平台对该属性信息进行解析以及逻辑运算，从而确定货车所处当前轨迹点的当前环境信息。
41.s102、根据所述当前环境信息预测所述货车在所述当前轨迹点的标准货运状态。
42.其中，标准货运状态表示货车在当前轨迹点应该处于的货运状态。在本实施例中，标准货运状态包括行驶状态、装货状态和卸货状态。
43.在s102之前，包括：
44.存储平台将历史订单的历史运输路线中包括的各历史轨迹点、以及各历史轨迹点的历史环境信息和历史货运状态进行关联存储，换言之将任一历史轨迹点、该历史轨迹点的历史环境信息以及该历史轨迹点的历史货运状态进行关联存储。其中，历史轨迹点表示在历史时刻时，货车在历史订单的历史运输路线中所处的位置节点；历史货运状态表示记录的历史轨迹点在真实环境中属性信息。
45.服务平台通过网络从存储平台中获取历史订单的历史运输路线中包括的历史轨迹点，以及历史轨迹点的历史环境信息和历史货运状态。服务平台将历史环境信息和历史货运状态作为训练数据集，并根据训练数据集进行模型训练得到货运状态预测模型。
46.其中，存储平台可以包括大容量存储器、抽取式存储器、挥发性读写内存和只读存储器等中的一种或多种组合。可选的，大容量存储器可以包括磁盘、光盘和固态驱动器等。可选的，抽取式存储器可包括快闪驱动器、软盘、光盘、存储卡、压缩碟和磁带等。可选的，挥发性读写内存可包括随机访问内存ram，例如动态ram、双倍速率同步动态ram、静态ram、晶闸管ram和零电容ram等。可选的，只读存储器可包括屏蔽只读存储器、可程序只读存储器、可抹除可程序只读存储器、电子可抹除可程序只读存储器、光盘只读存储器和数字通用磁盘只读存储器等。可选的，存储平台可在云端平台上执行，其中云端平台可以包括私有云、公共云、混合云、小区云、分布式云、内部云和多层云等中的一种或多种组合。
47.在s102的一种实施方式中，服务平台将当前环境信息输入至训练完成的货运状态预测模型中，并根据货运状态预测模型的输出结果，预测货车在当前轨迹点的标准货运状态。
48.s103、获取所述货车在所述当前轨迹点的实际货运状态，并根据所述标准货运状态对所述货车在所述当前轨迹点的实际货运状态进行校验。
49.其中，实际货运状态表示货车在当前轨迹点中实际处于的货运状态。在本实施例中，实际货运状态包括行驶状态、装货状态和卸货状态。
50.在s103的一种实施方式中，服务平台根据货车司机针对当前订单实施的操作，确定货车在当前轨迹点的实际货运状态。
51.例如货车司机在某个轨迹点针对当前订单实施了“已到达装货点”的操作，服务平台则认为货车已到达装货点进行装货，则货车在该轨迹点以及后续轨迹点的实际货运状态为“装货状态”；又例如货车司机在某个轨迹点针对当前订单实施了“已到达卸货点”的操
作，服务平台则认为货车已到达卸货点进行卸货，则货车在该轨迹点的实际货运状态为“卸货状态”；又例如货车司机在某个轨迹点针对当前订单实施了“装货已完成”的操作，服务平台则认为货车已装货完成正在行驶至卸货点，则货车在该轨迹点以及后续轨迹点的实际货运状态为“行驶状态”；又例如货车司机在某个轨迹点针对当前订单实施了“已接单”的操作，服务平台则认为货车正在行驶至装货点，则货车在该轨迹点以及后续轨迹点的实际货运状态为“行驶状态”。
52.服务平台将货车在当前轨迹点的实际货运状态与标准货运状态进行比对，并根据比对结果确定实际货运状态的合理性，若确定实际货运状态合理，服务平台则按照预设通信协议将实际货运状态反馈至货主终端，以使得货主终端对实际货运状态进行显示；若确定实际货运状态不合理，例如货车司机在当前轨迹点提前实施“已到达装货点”操作，导致货车在当前轨迹点本应处于“行驶状态”而变为“装货状态”，又例如，货车司机在当前轨迹点忘记实施“已到达装货点”操作，导致货车在当前轨迹点本应处于“装货状态”但依然为“行驶状态”，服务平台则按照预设通信协议将标准货运状态反馈至货主终端，以使得货主终端对标准货运状态进行显示。可选的，实际货运状态和/或标准货运状态通过文本、图像、音频或视频等格式显示。预设通信协议包括但不限于超文本传输协议、地址解析协议、动态主机组态协议和文件传输协议等。
53.本发明实施例提供的技术方案，通过确定货车所处当前轨迹点的当前环境信息，并根据当前环境信息预测货车在当前轨迹点的标准货运状态，进而获取货车在当前轨迹点的实际货运状态，并根据标准货运状态对货车在当前轨迹点的实际货运状态进行校验，实现了在货车运输过程中，自动对货车在轨迹点的货运状态进行校验的效果，避免了货运状态出现异常的问题，改善了用户体验。
54.实施例二
55.图2a为本发明实施例二提供的一种货运状态的校验方法的流程图。本实施例为上述实施例提供了一种对货车在当前轨迹点的实际货运状态进行校验的具体实现方式，如图2a所示，该方法可以包括：
56.s201、确定当前轨迹点的当前位置信息，并根据当前位置信息和当前订单中目标位置点的目标位置信息，确定距离差值；其中，目标位置点为装货点或卸货点。
57.在一种实施方式中，货车处于当前轨迹点时，通过自身搭载的定位系统获取当前轨迹点的当前位置信息，其中，定位系统包括但不限于全球定位系统、全球卫星导航系统、北斗导航系统、伽利略定位系统、准天顶卫星系统和无线保真定位系统等中的一种或多种组合。服务平台通过网络获取货车发送的当前轨迹点的当前位置信息，并根据服务请求中包括的目标位置点的目标位置信息，确定当前位置信息与目标位置信息之间的距离差值，例如当前轨迹点距离装货点的距离差值，或者当前轨迹点距离卸货点的距离差值。
58.s202、根据当前轨迹点的交通状态信息、当前位置信息、距离差值以及当前运输路线，确定当前轨迹点的当前环境信息。
59.在一种实施方式中，货车处于当前轨迹点时，通过自身搭载的传感器，例如激光雷达、超声波雷达或者高清摄像头等，确定当前轨迹点的交通状态信息，例如当前轨迹点的车流量信息或车速信息等。服务平台通过网络获取货车发送的当前轨迹点的交通状态信息，并将当前轨迹点与目标位置点的距离差值、当前轨迹点的交通状态信息、当前轨迹点的当
前位置信息以及当前运输路线，作为当前轨迹点的当前环境信息。
60.s203、将当前环境信息输入至货运状态预测模型中，并根据输出结果确定货车在当前轨迹点的标准货运状态；其中，货运状态预测模型为神经网络模型或深度学习模型。
61.其中，当货运状态预测模型为神经网络模型时，货运状态预测模型可选的为卷积神经网络模型；当货运状态预测模型为深度学习模型时，货运状态预测模型可选的为深度学习相关的长短期记忆网络模型。
62.在一种实施方式中，服务平台将当前轨迹点的当前环境信息输入至预先训练完成的货运状态预测模型中，使得货运状态预测模型根据当前环境信息，预测输出当前环境信息对应各货运状态的概率值，进而选取概率值最大的货运状态作为当前轨迹点的标准货运状态。例如货运状态预测模型输出的各货运状态的概率值为：行驶状态60％、装货状态30％和卸货状态10％，则将行驶状态作为当前轨迹点的标准货运状态。
63.可选的，货运状态预测模型通过如下方式训练得到：
64.确定历史订单的历史运输路线中包括的历史轨迹点，并确定货车在历史轨迹点的历史环境信息；将历史环境信息输入至待训练模型中，并根据输出结果确定货车在历史轨迹点的预测货运状态；根据历史货运状态和预测货运状态，对待训练模型进行训练，生成货运状态预测模型。
65.在一种实施方式中，服务平台通过网络从存储平台中获取历史订单的历史运输路线中包括的历史轨迹点，以及与历史轨迹点关联存储的历史环境信息和历史货运状态。将历史环境信息输入至待训练模型中，待训练模型输出历史环境信息对应各货运状态的概率值，进而选取概率值最大的货运状态作为当前轨迹点的预测货运状态。将预测货运状态与当前轨迹点的历史货运状态进行比对，确定反馈信息，再根据反馈信息对待训练模型进行训练，生成货运状态预测模型。
66.通过确定历史订单的历史运输路线中包括的历史轨迹点，并确定货车在历史轨迹点的历史环境信息；将历史环境信息输入至待训练模型中，并根据输出结果确定货车在历史轨迹点的预测货运状态；根据历史货运状态和预测货运状态，对待训练模型进行训练，生成货运状态预测模型，实现了基于历史订单关联的数据训练得到货运状态预测模型的效果，保证了货运状态预测模型的预测准确度，为后续基于货运状态预测模型确定当前轨迹点的标准货运状态，奠定了基础。
67.可选的，根据历史货运状态和预测货运状态，对待训练模型进行训练，包括以下a和b两种情况：
68.a、在历史货运状态和预测货运状态相同的情况下，生成正向反馈并根据正向反馈对待训练模型进行训练。
69.b、在历史货运状态和预测货运状态不同的情况下，生成负向反馈并根据负向反馈对待训练模型进行训练。
70.在一种实施方式中，在历史货运状态和预测货运状态相同的情况下，表示待训练模型正确预测了货车在历史轨迹点的货运状态，从而根据正向反馈对待训练模型进行训练以强化待训练模型的预测能力。在历史货运状态和预测货运状态不同的情况下，表示待训练模型错误预测了货车在历史轨迹点的货运状态，从而根据负向反馈对待训练模型进行训练以纠正待训练模型的预测能力。
71.通过在历史货运状态和预测货运状态相同的情况下，生成正向反馈并根据正向反馈对待训练模型进行训练，在历史货运状态和预测货运状态不同的情况下，生成负向反馈并根据负向反馈对待训练模型进行训练，实现了根据待训练模型的预测结果动态调整反馈信息的效果，提高了模型训练的效果，保证了最终训练得到的货运状态预测模型的预测精准度。
72.图2b为本发明实施例二提供的一种货运状态预测模型训练方法的示意图，如图2b所示，将历史轨迹点的历史环境信息200输入至待训练模型201中，得到预测货运状态202，并将货车在历史轨迹点的历史货运状态203与预测货运状态202进行比对生成正向反馈/负向反馈204，进而根据正向反馈/负向反馈204对待训练模型201进行训练。
73.s204、获取货车在当前轨迹点的实际货运状态，在当前轨迹点的实际货运状态和标准货运状态不同的情况下，将货车在当前轨迹点的实际货运状态更改为标准货运状态。
74.在一种实施方式中，服务平台预先定义有智能体，智能体表示能自主活动的软件或者硬件实体，其能通过传感器感知环境信息且执行相应的操作逻辑。智能体获取当前轨迹点的当前环境信息以及实际货运状态，并通过货运状态预测模型确定标准货运状态，智能体根据标准货运状态对实际货运状态进行校验，若智能体确定标准货运状态与实际货运状态相同，则认为当前轨迹点的实际货运状态合理；若智能体确定标准货运状态与实际货运状态不同，则认为当前轨迹点的实际货运状态不合理，进而智能体将货车在当前轨迹点的实际货运状态更改为标准货运状态。
75.图2c为本发明实施例二提供的一种货运状态矫正的执行示意图，如图2c所示，205为校验前的当前运输路线，206为待校验的当前轨迹点，当前轨迹点206的实际货运状态为“装货状态”，将当前轨迹点206的当前环境信息输入至货运状态预测模型，得到标准货运状态应为“行驶状态”，表明货车司机在到达卸货点前，提前实施了“已到达卸货点”操作，因此通过智能体207将当前迹点206的实际货运状态“装货状态”更改为标准货运状态“行驶状态”，得到校验后的当前运输路线208。
76.本发明实施例提供的技术方案，通过确定当前轨迹点的当前位置信息，并根据当前位置信息和当前订单中目标位置点的目标位置信息，确定距离差值；其中，目标位置点为装货点或卸货点，根据当前轨迹点的交通状态信息、当前位置信息、距离差值以及当前运输路线，确定当前轨迹点的当前环境信息，保证了当前环境信息的数据维度多样性，从而间接提高了确定标准货运状态的可靠性和准确性；通过将当前环境信息输入至货运状态预测模型中，并根据输出结果确定货车在当前轨迹点的标准货运状态；其中，货运状态预测模型为神经网络模型或深度学习模型，从而实现了基于训练完成的模型来预测标准货运状态的效果，提高了预测的速度和精准度；通过在当前轨迹点的实际货运状态和标准货运状态不同的情况下，将货车在当前轨迹点的实际货运状态更改为标准货运状态，实现了在货运状态出现异常的情况下，对货运状态进行自动纠正的效果，改善了用户体验。
77.申请人在研发过程中发现，货车在当前轨迹点处于装货状态/卸货状态的原因包括：1、由货车司机人为对当前订单实施“已到达装货点”或“已到达卸货点”的操作。2、当前时间符合预计运输时间，服务平台自动设置货车在当前轨迹点处于装货状态/卸货状态。
78.然而，对于原因1，若实际货运状态为装货状态或卸货状态，而标准货运状态为行驶状态，表示当前轨迹点并不是装货点/卸货点，即货车司机在未到达装货点/卸货点之前
就提前实施了操作。对于原因2，若实际货运状态为装货状态或卸货状态，而标准货运状态为行驶状态，表示预计运输时间估计有偏差，导致货车还未到达装货点/卸货点时，服务平台就提前设置货车在当前轨迹点处于装货状态/卸货状态。
79.因此无论原因1还是原因2，在实际货运状态为装货状态或卸货状态，且标准货运状态为行驶状态的情况下，均需要对当前运输路线的预计运输时间进行更新。
80.在上述实施例的基础上，在实际货运状态为装货状态或卸货状态，且标准货运状态为行驶状态的情况下，s204之后，还包括：
81.根据距离差值预测货车从当前轨迹点到目标位置点的到达时间，并根据到达时间对当前运输路线的预计运输时间进行更新。
82.其中，在目标位置点为装货点时，距离差值表示当前轨迹点与装货点之间的距离差值，在目标位置点为卸货点时，距离差值表示当前轨迹点与卸货点之间的距离差值。预计运输时间表示货车在当前运输路线中，从初始轨迹点行驶到装货点或者从装货点行驶到卸货点所需的运输时间。
83.在一种实施方式中，根据距离差值与货车平均车速之间的比值，确定货车从当前轨迹点到目标位置点的到达时间，并将预计运输时间更新为该到达时间。
84.在另一种实施方式中，将距离差值输入至预先训练完成的预测模型中，其中预测模型可以为回归模型，进而使得预测模型根据距离差值来预测货车从当前轨迹点到目标位置点的到达时间，并将预计运输时间更新为该到达时间。
85.通过根据距离差值预测货车从当前轨迹点到目标位置点的到达时间，并根据到达时间对当前运输路线的预计运输时间进行更新，从而避免预计运输时间与事实不符的问题，保证了预计运输时间的准确性。
86.本实施例还提供了一种预计运输时间的确定方法，包括：
87.1)对货主终端发送的服务请求进行解析，确定服务请求包括的装货点位置信息、卸货点位置信息和运输开始时间等。
88.其中，运输开始时间表示货主希望货车到达装货点的时间。
89.可选的，将运输开始时间与当前时间之间的时间差与时间阈值进行比对，若时间差小于或等于时间阈值时，则确定服务请求的类型为实时请求；若时间差大于时间阈值时，则确定服务请求的类型为预约请求。其中，时间阈值可以根据当前时间是否处于交通高峰时间进行调整，例如若当前时间处于交通高峰时间，时间阈值可相对较小；若当前时间处于交通空闲时间，时间阈值可相对较大。
90.21)根据货车的初始轨迹点的位置信息、装货点位置信息和服务请求类型，确定货车从初始轨迹点行驶到装货点的预计运输时间。
91.在一种实施方式中，根据初始轨迹点的位置信息和装货点位置信息确定运输路线，并确定运输路线涉及区域的地理信息；其中，地理信息包括但不限于建筑物的位置、建筑物的分布、建筑物的密度、道路或街道的数量、道路或街道的分布、道路或街道的密度、道路或街道的宽度和道路或街道的长度等。
92.在服务请求类型为实时请求的情况下，根据地图服务商提供的交通数据确定运输路线在当前时刻的交通信息，并根据天气预报服务商提供的天气数据确定运输路线在当前时刻的天气信息。
93.在服务请求类型为预约请求的情况下，根据地图服务商提供的交通数据，确定运输路线在与运输开始时间相同的历史时刻的交通信息，并根据天气预报服务商提供的天气数据，确定运输路线在与运输开始时间相同的历史时刻的天气信息。其中，交通信息包括但不限于车辆的平均速度和/或平均车流量等。天气信息包括但不限于温度、湿度、雨雪状态和起雾状态等等。
94.将初始轨迹点的位置信息、装货点位置信息、地理信息、交通信息和天气信息输入至预先训练完成的预测模型中，从而确定货车从初始轨迹点行驶到装货点的预计运输时间。其中，预测模型可以是与传统机器学习相关的梯度提升模型，也可以是深度学习相关的长短期记忆网络模型等。
95.22)根据装货点位置信息、卸货点位置信息和服务请求类型，确定货车从装货点行驶到卸货点的预计运输时间。
96.在一种实施方式中，根据装货点位置信息和卸货点位置信息确定运输路线，并确定运输路线涉及区域的地理信息。
97.在服务请求类型为实时请求的情况下，根据地图服务商提供的交通数据确定运输路线在当前时刻的交通信息，并根据天气预报服务商提供的天气数据确定运输路线在当前时刻的天气信息。
98.在服务请求类型为预约请求的情况下，根据地图服务商提供的交通数据，确定运输路线在与运输开始时间相同的历史时刻的交通信息，并根据天气预报服务商提供的天气数据，确定运输路线在与运输开始时间相同的历史时刻的天气信息。
99.将装货点位置信息、卸货点位置信息、地理信息、交通信息和天气信息输入至预先训练完成的预测模型中，从而确定货车从装货点行驶到卸货点的预计运输时间。
100.实施例三
101.图3为本发明实施例四提供的一种货运状态的校验装置的结构示意图，可执行本发明任一实施例所提供的一种货运状态的校验方法，具备执行方法相应的功能模块和有益效果。如图3所示，该装置可以包括：
102.环境信息确定模块31，用于确定货车所处当前轨迹点的当前环境信息；其中，所述当前轨迹点属于当前订单的当前运输路线；
103.货运状态预测模块32，用于根据所述当前环境信息预测所述货车在所述当前轨迹点的标准货运状态；
104.货运状态校验模块33，用于获取所述货车在所述当前轨迹点的实际货运状态，并根据所述标准货运状态对所述货车在所述当前轨迹点的实际货运状态进行校验。
105.可选的，所述环境信息确定模块31，具体用于：
106.确定所述当前轨迹点的当前位置信息，并根据所述当前位置信息和所述当前订单中目标位置点的目标位置信息，确定距离差值；其中，所述目标位置点为装货点或卸货点；
107.根据所述当前轨迹点的交通状态信息、所述当前位置信息、所述距离差值以及所述当前运输路线，确定所述当前轨迹点的当前环境信息。
108.可选的，所述货运状态预测模块32，具体用于：
109.将所述当前环境信息输入至货运状态预测模型中，并根据输出结果确定所述货车在所述当前轨迹点的标准货运状态；
110.其中，所述货运状态预测模型为神经网络模型或深度学习模型。
111.可选的，所述装置还包括模型训练模块，具体用于：
112.确定历史订单的历史运输路线中包括的历史轨迹点，并确定货车在所述历史轨迹点的历史环境信息；
113.将所述历史环境信息输入至待训练模型中，并根据输出结果确定所述货车在所述历史轨迹点的预测货运状态；
114.根据所述历史货运状态和所述预测货运状态，对所述待训练模型进行训练，生成所述货运状态预测模型。
115.可选的，所述模型训练模块，具体还用于：
116.在所述历史货运状态和所述预测货运状态相同的情况下，生成正向反馈并根据所述正向反馈对所述待训练模型进行训练；
117.在所述历史货运状态和所述预测货运状态不同的情况下，生成负向反馈并根据所述负向反馈对所述待训练模型进行训练。
118.可选的，所述货运状态校验模块33，具体用于：
119.在所述当前轨迹点的实际货运状态和所述标准货运状态不同的情况下，将所述货车在所述当前轨迹点的实际货运状态更改为所述标准货运状态。
120.可选的，所述装置还包括运输时间更新模块，具体用于：
121.根据所述距离差值预测所述货车从所述当前轨迹点到所述目标位置点的到达时间，并根据所述到达时间对所述当前运输路线的预计运输时间进行更新。
122.本发明实施例所提供的一种货运状态的校验装置，可执行本发明任一实施例所提供的一种货运状态的校验方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任一实施例提供的一种货运状态的校验方法。
123.实施例四
124.图4为本发明实施例四提供的一种服务器的结构示意图。图4示出了适于用来实现本发明实施方式的示例性服务器400的框图。图4显示的服务器400仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
125.如图4所示，服务器400以通用计算服务器的形式表现。服务器400的组件可以包括但不限于：一个或者多个处理器或者处理单元401，系统存储器402，连接不同系统组件(包括系统存储器402和处理单元401)的总线403。
126.总线403表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。
127.服务器400典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器400访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
128.系统存储器402可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)404和/或高速缓存存储器405。服务器400可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统406可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以
提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线403相连。存储器402可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
129.具有一组(至少一个)程序模块407的程序/实用工具408，可以存储在例如存储器402中，这样的程序模块407包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块407通常执行本发明所描述的实施例中的功能和/或方法。
130.服务器400也可以与一个或多个外部服务器409(例如键盘、指向服务器、显示器410等)通信，还可与一个或者多个使得用户能与该服务器400交互的服务器通信，和/或与使得该服务器400能与一个或多个其它计算服务器进行通信的任何服务器(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口411进行。并且，服务器400还可以通过网络适配器412与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器412通过总线403与服务器400的其它模块通信。应当明白，尽管图中未示出，可以结合服务器400使用其它硬件和/或软件模块，包括但不限于：微代码、服务器驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
131.处理单元401通过运行存储在系统存储器402中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的货运状态的校验方法，包括：
132.确定货车所处当前轨迹点的当前环境信息；其中，所述当前轨迹点属于当前订单的当前运输路线；
133.根据所述当前环境信息预测所述货车在所述当前轨迹点的标准货运状态；
134.获取所述货车在所述当前轨迹点的实际货运状态，并根据所述标准货运状态对所述货车在所述当前轨迹点的实际货运状态进行校验。
135.实施例五
136.本发明实施例五还提供了一种计算机可读存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种货运状态的校验方法，该方法包括：
137.确定货车所处当前轨迹点的当前环境信息；其中，所述当前轨迹点属于当前订单的当前运输路线；
138.根据所述当前环境信息预测所述货车在所述当前轨迹点的标准货运状态；
139.获取所述货车在所述当前轨迹点的实际货运状态，并根据所述标准货运状态对所述货车在所述当前轨迹点的实际货运状态进行校验。
140.当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的一种货运状态的校验方法中的相关操作。本发明实施例的计算机可读存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的
例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
141.计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
142.计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。
143.可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
144.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。