基于货车行驶轨迹的物流强度分析方法、系统及存储介质与流程

1.本发明涉及基于计算机处理的物流强度分析技术领域，尤其涉及基于货车行驶轨迹的物流强度分析方法、系统及存储介质。


背景技术：

2.传统的货运强度调查常采用人工抽样调查统计的方式，不仅需投入大量的人力物力，且存在抽样率较低、受调查日天气影响大、无法获得时间上连续的数据等问题；进而存在基础数据质量难以保证，导致调查结果准确率低，不能为规划管理部门提供精准的数据支撑，成为影响规划管理部门决策的制约因素。
3.鉴于此，有必要提供一种基于货车行驶轨迹的物流强度分析方法，以解决或至少缓解上述缺陷。


技术实现要素：

4.本发明的主要目的是提供基于货车行驶轨迹的物流强度分析方法，旨在解决现有的采用人工抽样调查统计计算目标城市位置的货运物流强度，存在调查结果准确率低，不能为规划管理部门提供精准的数据支撑，成为影响规划管理部门决策的制约因素的技术问题。
5.为实现上述目的，本发明提供了一种基于货车行驶轨迹的物流强度分析方法，包括如下步骤：s10，获取目标地区内且处于历史目标时间段的具有预设载重的所有载货货车的轨迹数据集；s20，对轨迹数据集进行数据处理和数据清洗，获取每个载货货车的出行链起点和出行链终点，其中，出行链起点和出行链终点关联轨迹数据坐标系；s30，获取处于目标区域内的研究区域，将研究区域进行网格化处理获取多个单位网格，其中，单位网格关联网格数据坐标系，关联轨迹数据坐标系与网格数据坐标系，根据出行链起点和出行链终点在单位网格内的密度确定单位网格的实际物流强度。
6.进一步地，s11，在目标地区内且处于历史目标时间段，每预设单位时间报送一次具有载货货车的货运轨迹点的运行数据信息，其中，载货货车处于熄火停放时不报送运行数据信息，运行数据信息包括载货货车对应的车牌唯一编码，以及车牌唯一编码对应的记录时间记录的车方位角、当前经度、当前维度；s12，所有的运行数据信息的集合形成轨迹数据集。
7.进一步地，s21，对轨迹数据集进行数据处理和数据清洗，获取每个载货货车的单车片段轨迹，单车片段轨迹具有轨迹停留点，轨迹停留点包括单车片段起点和单车片段终点；s22，获取每个单车片段轨迹的片段关键指标，片段关键指标包括单车片段里程、单车片段平均行驶速度、单车片段空间范围以及单车片段停留时长，其中，单车片段空间范围为单车片段轨迹的单车片段起点和单车片段终点之间的直线距离，当前的单车片段停留时长为下一个单车片段轨迹的单车片段起点与当前单车片段轨迹的单车片段终点之间的间隔时长；s23，对片段关键指标进行数据处理，获取每个载货货车的完整出行链，完整出行链具有
出行链起点和出行链终点，其中，出行链起点和出行链终点关联轨迹数据坐标系。
8.进一步地，对轨迹数据集进行数据处理具体包括：在轨迹数据集内按照车牌唯一编码进行分类，同一车牌唯一编码在对应的记录时间上具有车方位角、当前经度、当前维度；依据记录时间进行排序获取同一车牌唯一编码在相邻两个记录时间之间的时间间隔、瞬时速度、加速度、方位角变化；对轨迹数据集进行数据清洗具体包括：若同一车牌唯一编码在对应的记录时间上存在信息缺失，则剔除同一车牌唯一编码在对应的记录时间的一组数据；若同一车牌唯一编码在对应的记录时间上存在时刻重叠，则保留同一车牌唯一编码在对应的记录时间的一组数据；若瞬时速度大于预设有效速度则剔除瞬时速度对应的一组数据；若加速度大于预设有效加速度则剔除加速度对应的一组数据；若方位角变化大于预设角度变化阈值则剔除方位角变化对应的一组数据；依据获取数据的时间间隔确定每个载货货车的单车片段轨迹，若获取数据的时间间隔大于第一时间阈值则确认当前轨迹点为当前单车片段轨迹的单车片段起点和下一单车片段轨迹的单车片段终点。
9.进一步地，获取目标地区的货运相关poi数据，货运相关poi数据包括poi大类别，poi大类别包括公司企业类、汽车服务类、汽车维修类、餐饮服务类、住宿服务类、商务住宅类、交通设施服务类以及道路附属设施类；依据货车行驶相关性对poi大类别设置poi优先级；基于地理信息系统，依据poi优先级关联轨迹停留点对应的poi大类别；若单车片段轨迹的单车片段里程在第一里程阈值范围，单车片段空间范围在第一空间阈值范围，单车片段内平均行驶速度在第一平均速度阈值范围，且单车片段终点关联的poi属性空间为公司企业类和/或交通设施服务类时，确定单车片段轨迹为货物运输轨迹；若单车片段轨迹的单车片段里程在第二里程阈值范围，单车片段空间范围在第二空间阈值范围，单车片段内平均行驶速度在第二平均速度阈值范围，且单车片段终点、单车片段起点关联的poi属性空间为公司企业类、交通设施服务类时，确定单车片段轨迹为装、卸货轨迹；若停留时间在第一停留阈值时间范围则确认为短时间停留，若停留时间在第二停留阈值时间范围则确认为中时间停留；若停留时间在第三停留阈值时间范围则确认为长时间停留；若停留时间为短时停留或中时停留，且单车片段终点关联的poi属性空间为与货车司机休憩相关，确定轨迹停留点为中途休息停留点；若停留时间为长时停留，且单车片段终点关联的poi属性空间为与货车司机长时休憩相关，确定轨迹停留点为待家休息停留点；若停留时间为短时停留，且单车片段的轨迹停留点关联的poi属性空间为与汽车行驶服务相关，确定轨迹停留点为运输途中行为停留点；若述单车片段轨迹点关联的poi属性空间为与汽车维修服务相关轨迹停留点相关则确定为运输无关停留点；对每个载货货车的单车片段轨迹进行处理并合并，获取每个载货货车的完整出行链，完整出行链具有出行链起点和出行链终点，其中，出行链起点和出行链终点关联轨迹数据坐标系。
10.进一步地，步骤“对片段关键指标进行数据处理，获取每个载货货车的完整出行链，完整出行链具有出行链起点和出行链终点”具体包括：保留货物运输轨迹的起点和终点；保留装、卸货轨迹的起点和终点；将相邻的中途休息停留点、运输途中行为停留点的起点和终点进行合并；滤除待家休息停留点及运输无关停留点；将有效的每个单车片段轨迹的轨迹停留点进行顺序连接，获取每个载货货车的完整出行链，完整出行链具有出行链起点和出行链终点。
11.进一步地，步骤“关联轨迹数据坐标系与网格数据坐标系，”具体包括：判断轨迹数
据坐标系与网格数据坐标系是否一致：若轨迹数据坐标系与网格数据坐标系一致，则使用地理信息系统标识技术将出行链起点和出行链终点与其相交的单位网格空间连接，标识每个出行链起点和出行链终点的所在网格编号；若轨迹数据坐标系与网格数据坐标系不一致，将网格数据坐标系投影至轨迹数据坐标系，使用地理信息系统标识技术将出行链起点和出行链终点与其相交的单位网格空间连接，标识每个出行链起点和出行链终点的所在网格编号。
12.进一步地，若网格物流强度超过预设强度时，则发出在对应的单位网格位置处增设货车司机服务站、加油站、停车设施、服务设施的提示信息。
13.本发明还提供一种基于货车行驶轨迹的物流强度分析系统，包括存储器、处理器以及存储在存储器内并可在处理器上运行的计算机程序，计算机程序被处理器执行时，实现上述的一种基于货车行驶轨迹的物流强度分析方法的步骤。
14.本发明还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的一种基于货车行驶轨迹的物流强度分析方法的步骤。
15.与现有技术相比，本发明具有以下优点：本发明提供了一种基于货车行驶轨迹的物流强度分析方法，通过在获取目标地区内且处于历史目标时间段的具有预设载重的所有载货货车的轨迹数据集后，对轨迹数据集进行数据处理和数据清洗，进而获取每个载货货车的出行链起点和出行链终点，其中出行链起点和出行链终点为载货货车完整出行链的起终点，并且出行链起点和出行链终点关联轨迹数据坐标系；最后通过获取处于目标区域内的研究区域，将研究区域进行网格化处理获取多个单位网格，其中，单位网格关联网格数据坐标系，关联轨迹数据坐标系与网格数据坐标系，根据出行链起点和出行链终点在单位网格内的密度确定单位网格的实际物流强度，实现了依据采集到的全国货运平台提供的轨迹数据集，进行数据处理后确定研究区域内单位网格的实际物流强度，能为规划管理部门提供精准的数据支撑，解决了现有的采用人工抽样调查统计计算目标城市位置的货运物流强度，存在调查结果准确率低，不能为规划管理部门提供精准的数据支撑，成为影响规划管理部门决策的制约因素的技术问题。
附图说明
16.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示出的结构获得其他的附图。
17.图1为本发明一实施例的基于货车行驶轨迹的物流强度分析方法的流程示意图；图2为图1中步骤s10的具体示意图；图3为图1中步骤s20的具体示意图。
18.本发明目的的实现、功能特点及优点将结合实施方式，参照附图做进一步说明。
具体实施方式
19.下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清
楚、完整地描述，显然，所描述的实施方式仅仅是本发明的一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
20.本发明各个实施方式之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
21.请参阅附图1，本发明提供了一种基于货车行驶轨迹的物流强度分析方法，包括如下步骤：s10，获取目标地区内且处于历史目标时间段的具有预设载重的所有载货货车的轨迹数据集；s20，对轨迹数据集进行数据处理和数据清洗，获取每个载货货车的出行链起点和出行链终点，其中，出行链起点和出行链终点关联轨迹数据坐标系；s30，获取处于目标区域内的研究区域，将研究区域进行网格化处理获取多个单位网格，其中，单位网格关联网格数据坐标系，关联轨迹数据坐标系与网格数据坐标系，根据出行链起点和出行链终点在单位网格内的密度确定单位网格的实际物流强度。
22.本发明提供了基于货车行驶轨迹的物流强度分析方法，通过在获取目标地区内且处于历史目标时间段的具有预设载重的所有载货货车的轨迹数据集后，对轨迹数据集进行数据处理和数据清洗，进而获取每个载货货车的出行链起点和出行链终点，其中出行链起点和出行链终点为载货货车完整出行链的起终点，并且出行链起点和出行链终点关联轨迹数据坐标系；最后通过获取处于目标区域内的研究区域，将研究区域进行网格化处理获取多个单位网格，其中，单位网格关联网格数据坐标系，关联轨迹数据坐标系与网格数据坐标系，根据出行链起点和出行链终点在单位网格内的密度确定单位网格的实际物流强度，实现了依据采集到的全国货运平台提供的轨迹数据集，进行数据处理后确定研究区域内单位网格的实际物流强度，能为规划管理部门提供精准的数据支撑，解决了现有的采用人工抽样调查统计计算目标城市位置的货运物流强度，存在调查结果准确率低，不能为规划管理部门提供精准的数据支撑，成为影响规划管理部门决策的制约因素的技术问题。
23.可以理解地，本发明中，目标地区可以是某一国家（例如中国），也可以是某一国家的某个省份或者自治区（例如湖南省、重庆等）；历史目标时间段可以是一年，也可以是一个月或者其他时间等，历史目标时间段可以根据实际需求进行设置；预设载重可以是预设12吨及其以上，也可以是预设10吨及其以上，预设载重可以根据实际需求进行设置；研究区域可以是某个省份的其中一个市（例如湖南省的长沙市）或多个市；将研究区域进行网格化处理获取多个单位网格，可以是将研究区域划分为1公里
×
1公里的单位网格，作为区域物流强度分析的最小研究单元，也可以是将研究区域划分为2公里
×
2公里的单位网格，作为区域物流强度分析的最小研究单元，最小研究单元根据实际情况进行设置。
24.可以理解地，根据每个载货货车的轨迹数据，可以确定单个载货货车的完整出行链，完整出行链具有出行链起点和出行链终点。本发明中，可以基于出行链起点和出行链终点的经纬度关联轨迹数据坐标系；可以基于地理信息系统使单位网格关联网格数据坐标系，最后在关联轨迹数据坐标系与网格数据坐标系后，根据出行链起点和出行链终点在单位网格内的密度确定单位网格的实际物流强度。其中，单位网格内出行链起点和出行链终点出现的频率越高，单位网格的实际物流强度越大。
25.可以理解地，对轨迹数据集进行数据处理和数据清洗包括对轨迹数据集中的重复数据进行清洗以及对轨迹数据集中的无效数据进行清洗。
26.请参考图2，进一步地，步骤s10具体包括步骤：s11，在目标地区内且处于历史目标时间段，每预设单位时间报送一次具有载货货车的货运轨迹点的运行数据信息，其中，载货货车处于熄火停放时不报送运行数据信息，运行数据信息包括载货货车对应的车牌唯一编码，以及车牌唯一编码对应的记录时间记录的车方位角、当前经度、当前维度；s12，所有的运行数据信息的集合形成轨迹数据集。可以理解地，预设单位时间可以是15秒，可以是20秒、30秒、60秒、120秒等其它时间值；通过载货货车处于熄火停放时不报送运行数据信息，进而便于在不报送运行数据信息的时长大于一定时长（第一时间阈值）后确定载货货车处于熄火停车状态，以便于获取载货货车的单车片段轨迹，其中，第一时间阈值的时长大于预设单位时间的时长。可选地，可以时载货货车处于熄火停放时不报送运行数据信息的时间间隔为停留时间；也可以时当前的单车片段停留时长为下一个单车片段轨迹的单车片段起点与当前单车片段轨迹的单车片段终点之间的间隔时长。
27.请参考表1（轨迹数据集使用字段），轨迹数据集包括车牌唯一编码（车牌唯一id）、车牌唯一编码对应的记录时间（gps报送时间）记录的车方位角、当前经度、当前维度以及载重量。本发明中可以通过车牌唯一编码对应的载重量（吨）确定具有预设载重的所有载货货车。
28.表1
车牌唯一编码车方位角gps报送时间当前纬度当前经度载重量11047979152871102892021/6/123:3528.58573111.0700111.7819729480238409403262021/6/123:3728.592786111.09258610.101567865372090860112021/6/123:4428.625226111.17729112.051757272118176660942021/6/123:4528.628721111.18961612.9016881434991447703372021/6/123:4628.634161111.2018819.7515011524768281501562021/6/123:3529.427751113.2142055.651222217908973130272021/6/123:3729.42129113.19533520.301874171863099970822021/6/123:3929.410195113.18171822.5519449337845263101242021/6/123:4229.398385113.1801058.9813760920116879003532021/6/123:4429.390326113.1790716.8811613044622988801182021/6/123:4629.374283113.17702120.0515750375078024301572021/6/123:5129.36286113.1755722.3515592590117587301482021/6/123:5329.36286113.175579.7516239589107957301232021/6/123:5729.362848113.1755666.2012705053186958903182021/6/123:5929.36284113.17556313.201491423422809110172021/6/123:3427.03214110.66353516.3017351509649014901222021/6/123:3627.03214110.66353517.5018613440922861901412021/6/123:3428.224595113.20141112.2017892573025555103062021/6/123:3428.224575113.201418.9815900420161949501832021/6/123:3428.22456113.2014116.88
1128454073720930392021/6/123:3928.20598113.19972520.0516843501921543503302021/6/123:4628.152741113.19775522.351061291341695560632021/6/123:5128.13931113.222349.7513045885453268501512021/6/123:3527.360065109.3454966.201568999531869330322021/6/123:3727.360121109.36265513.2011951269965296102592021/6/123:3927.363506109.39561116.3014811257222722101952021/6/123:4227.365891109.4249419.7511444960235424301282021/6/123:4427.366275109.4274816.2015906515015427602172021/6/123:4527.366275109.42748113.201965341778084910762021/6/123:4627.383661109.45563616.3017146818175669002522021/6/123:5127.41929109.514385.6019517275268050602242021/6/123:5327.428346109.5332813.60
请参考图3，进一步地，为了精准获取每个载货货车的出行链起点和出行链终点，步骤s20具体包括步骤：s21，对轨迹数据集进行数据处理和数据清洗，获取每个载货货车的单车片段轨迹，单车片段轨迹具有轨迹停留点，轨迹停留点包括单车片段起点和单车片段终点；s22，获取每个单车片段轨迹的片段关键指标，片段关键指标包括单车片段里程、单车片段平均行驶速度、单车片段空间范围以及单车片段停留时长，其中，单车片段空间范围为单车片段轨迹的单车片段起点和单车片段终点之间的直线距离，当前的单车片段停留时长为下一个单车片段轨迹的单车片段起点与当前单车片段轨迹的单车片段终点之间的间隔时长；s23，对片段关键指标进行数据处理，获取每个载货货车的完整出行链，完整出行链具有出行链起点和出行链终点，其中，出行链起点和出行链终点关联轨迹数据坐标系。
29.进一步地，步骤s21具体包括：对轨迹数据集进行数据处理具体包括：在轨迹数据集内按照车牌唯一编码进行分类，同一车牌唯一编码在对应的记录时间上具有车方位角、当前经度、当前维度；依据记录时间进行排序获取同一车牌唯一编码在相邻两个记录时间（货运轨迹点）之间的时间间隔、瞬时速度、加速度、方位角变化；对轨迹数据集进行数据清洗具体包括：若同一车牌唯一编码在对应的记录时间上存在信息缺失，则剔除同一车牌唯一编码在对应的记录时间的一组数据；若同一车牌唯一编码在对应的记录时间上存在时刻重叠，则保留同一车牌唯一编码在对应的记录时间的一组数据；若瞬时速度大于预设有效速度则剔除瞬时速度对应的一组数据；若加速度大于预设有效加速度则剔除加速度对应的一组数据；若方位角变化大于预设角度变化阈值则剔除方位角变化对应的一组数据；依据获取数据的时间间隔确定每个载货货车的单车片段轨迹，若获取数据的时间间隔大于第一时间阈值则确认当前轨迹点为当前单车片段轨迹的单车片段起点和下一单车片段轨迹的单车片段终点。其中，第一时间阈值的时长大于预设单位时间的时长，第一时间阈值的时长可以是30分钟，也可以是40分钟、还可以是60分钟或90分钟等其它时长，第一时间阈值根据实际情况进行设置。
30.通过研究发现，轨迹数据集中的运行数据信息存在异常值现象如下：第一，关键属性信息缺失，由于网络信号、设备故障等问题，极少部分数据的关键属性如记录时间、当前经度、当前纬度、车牌唯一编码缺失；第二，时间信息错误，少部分数据的时间信息出现时刻重复、多次报送的问题；第三，车辆行驶速度（瞬时速度v）异常，按照车辆行驶轨迹中的经纬
制动减速度m/s25.854.4制动时间s0.360.540.54制动距离m≤0.1 ≤0.15 ≤0.1 表3公路等级高速、一级公路二级公路三级公路四级公路车道数≥4222(1)表4设计速度（km/h）1201008060403020车道宽度（m）3.753.753.753.503.503.253.00进一步地，步骤s23具体包括步骤：获取目标地区的货运相关poi数据，货运相关poi数据包括poi大类别，poi大类别包括公司企业类、汽车服务类、汽车维修类、餐饮服务类、住宿服务类、商务住宅类、交通设施服务类以及道路附属设施类；依据货车行驶相关性对poi大类别设置poi优先级；基于地理信息系统，依据poi优先级关联轨迹停留点对应的poi大类别；若单车片段轨迹的单车片段里程在第一里程阈值范围，单车片段空间范围在第一空间阈值范围，单车片段内平均行驶速度在第一平均速度阈值范围，且单车片段终点关联的poi属性空间为公司企业类和/或交通设施服务类时，确定单车片段轨迹为货物运输轨迹；若单车片段轨迹的单车片段里程在第二里程阈值范围，单车片段空间范围在第二空间阈值范围，单车片段内平均行驶速度在第二平均速度阈值范围，且单车片段终点、单车片段起点关联的poi属性空间为公司企业类、交通设施服务类时，确定单车片段轨迹为装、卸货轨迹；若停留时间在第一停留阈值时间范围则确认为短时间停留，若停留时间在第二停留阈值时间范围则确认为中时间停留；若停留时间在第三停留阈值时间范围则确认为长时间停留；若停留时间为短时停留或中时停留，且单车片段终点关联的poi属性空间为与货车司机休憩相关，确定轨迹停留点为中途休息停留点；若停留时间为长时停留，且单车片段终点关联的poi属性空间为与货车司机长时休憩相关，确定轨迹停留点为待家休息停留点；若停留时间为短时停留，且单车片段的轨迹停留点关联的poi属性空间为与汽车行驶服务相关，确定轨迹停留点为运输途中行为停留点；若述单车片段轨迹点关联的poi属性空间为与汽车维修服务相关轨迹停留点相关则确定为运输无关停留点；对每个载货货车的单车片段轨迹进行处理并合并，获取每个载货货车的完整出行链，完整出行链具有出行链起点和出行链终点，其中，出行链起点和出行链终点关联轨迹数据坐标系。可以理解地，第一停留阈值时间的时长小于第二停留阈值时间的时长，第二停留阈值时间的时长小于第三停留阈值时间的时长。本发明中，将停留时间阈值设定为3分钟，即认为数据报送时间间隔大于3分钟的货运轨迹点才会作为轨迹起终点，并将停留时间小于30分钟的划分为短时停留；停留时间在30分钟至120分钟之间的划分为中时停留，停留时间超过120分钟的划分为长时停留。
34.在具体实施时，第一时间阈值为3分钟，若获取数据的时间间隔大于3分钟则确认当前轨迹点为当前单车片段轨迹的单车片段起点和下一单车片段轨迹的单车片段终点；若所述单车片段轨迹的所述单车片段里程大于10km，所述单车片段空间范围大于3km，所述单车片段内平均行驶速度大于30km/h，且所述单车片段终点关联的poi属性空间为公司企业类和/或交通设施服务类时，确定所述单车片段轨迹为货物运输轨迹；若所述单车片段轨迹
的所述单车片段里程大于10km，所述单车片段空间范围小于3km，所述单车片段内平均行驶速度小于30km/h，且所述单车片段终点、所述单车片段起点关联的poi属性空间为公司企业类、交通设施服务类时，确定所述单车片段轨迹为装、卸货轨迹；若所述停留时间小于30分钟则确认为短时间停留，若所述停留时间大于30分钟且小于120分钟则确认为中时间停留；若所述停留时间大于120分钟则确认为长时间停留；若停留时间为短时停留或中时停留，且所述单车片段终点关联的poi属性空间为与货车司机休憩相关，确定所述轨迹停留点为中途休息停留点；若停留时间为长时停留，且所述单车片段终点关联的poi属性空间为与货车司机长时休憩相关，确定所述轨迹停留点为待家休息停留点；若停留时间为短时停留，且所述单车片段的轨迹停留点关联的poi属性空间为与汽车行驶服务相关，确定所述轨迹停留点为运输途中行为停留点；若述单车片段轨迹点关联的poi属性空间为与汽车维修服务相关轨迹停留点相关则确定为运输无关停留点。
35.可以理解地，利用网络接口获取湖南省范围内的货车运输相关poi数据。本发明中，poi是“point of interest”的缩写，翻译为“兴趣点”，在地理信息系统中，一个poi可以是一栋房子、一个商铺、一个邮筒、一个公交站等。poi数据可以获得研究区内的汽车服务、汽车维修、餐饮服务、住宿服务、商务住宅、交通设施服务、道路附属设施等属性数据，根据这些数据可以进行用地功能分类；筛选与货车运输相关的poi类别，使用爬虫技术采集数据；获取货车运输相关poi的经度、纬度、名称等属性，并将其矢量化；由于部分poi点数量较多，但与货车运行相关性偏小，如餐饮服务等，此类poi容易对标识结果的准确性造成一定影响。例如，当货车轨迹点同时距离餐饮服务poi和公司企业poi较近时，优先将轨迹点与公司企业poi相连接。因此按照货车行驶相关性再对各poi点赋优先权，相关poi数据及权重表如表5（货车运输相关poi数据）所示。
36.表5poi编号大类中类优先级10100汽车服务加油站第二优先级10200汽车服务其它能源站第二优先级10300汽车服务加气站第二优先级10400汽车服务汽车养护/装饰第二优先级10500汽车服务洗车场第二优先级10700汽车服务汽车救援第二优先级10800汽车服务汽车配件销售第二优先级30000汽车维修汽车维修第二优先级50100餐饮服务中餐厅第二优先级50200餐饮服务外国餐厅第二优先级50300餐饮服务快餐厅第二优先级50400餐饮服务休闲餐饮场所第二优先级50500餐饮服务咖啡厅第二优先级50600餐饮服务茶艺馆第二优先级50700餐饮服务冷饮店第二优先级50800餐饮服务糕饼店第二优先级
50900餐饮服务甜品店第二优先级100100住宿服务宾馆酒店第二优先级100200住宿服务旅馆招待所第二优先级120000商务住宅商务住宅相关第二优先级120100商务住宅产业园区第二优先级120200商务住宅楼宇第二优先级120300商务住宅住宅区第二优先级150100交通设施服务机场相关第一优先级150200交通设施服务火车站第一优先级150300交通设施服务港口码头第一优先级150400交通设施服务长途汽车站第一优先级150900交通设施服务停车场第一优先级151000交通设施服务过境口岸第一优先级151200交通设施服务轮渡站第一优先级170100公司企业知名企业第一优先级170200公司企业公司第一优先级170300公司企业工厂第一优先级170400公司企业农林牧渔基地第一优先级180200道路附属设施收费站第一优先级180300道路附属设施服务区第一优先级180400道路附属设施红绿灯第一优先级本发明中，可以设置道路附属设施类、公司企业类以及交通设施服务类的优先级大于汽车服务类、汽车维修类、餐饮服务类、住宿服务类、商务住宅类的优先级，进而便于准确确定载货货车的当前状态。
37.在具体实施时，设置的优先级如表5，将poi属性空间连接至起点、终点；利用地理信息系统，以poi点为中心点计算100米缓冲区，将poi的属性空间连接至起点、终点，设置优先连接权重更大的poi属性。
38.进一步地，步骤“对片段关键指标进行数据处理，获取每个载货货车的完整出行链，完整出行链具有出行链起点和出行链终点”具体包括：保留货物运输轨迹的起点和终点；保留装、卸货轨迹的起点和终点；将相邻的中途休息停留点、运输途中行为停留点的起点和终点进行合并；滤除待家休息停留点及运输无关停留点；将有效的每个单车片段轨迹的轨迹停留点进行顺序连接，获取每个载货货车的完整出行链，完整出行链具有出行链起点和出行链终点。
39.在具体实施时，对每一个单车片段轨迹的轨迹起点、轨迹终点进行再判断和合并，得到目标区域内货运行为的出行链起点和出行链终点。其中，对于货物运输、装/卸货行为的起终点对（），均保留；对于中途休息、运输途中其他行为的起终点（），删除点和下一个起点，即将该起终点对（）与下一个起终点对（）合并，认为（）才是一次完整出行。对于待家、运输无关行为的起终点对（），
进行删除处理。
40.进一步地，判断轨迹数据坐标系与网格数据坐标系是否一致：若轨迹数据坐标系与网格数据坐标系一致，则使用地理信息系统标识技术将出行链起点和出行链终点与其相交的单位网格空间连接，标识每个出行链起点和出行链终点的所在网格编号；若轨迹数据坐标系与网格数据坐标系不一致，将网格数据坐标系投影至轨迹数据坐标系，使用地理信息系统标识技术将出行链起点和出行链终点与其相交的单位网格空间连接，标识每个出行链起点和出行链终点的所在网格编号。
41.进一步地，若网格物流强度超过预设强度时，则发出在对应的单位网格对应的位置处增设货车司机服务站、加油站、停车设施、服务设施的提示信息。
42.本发明的基于货车行驶轨迹的物流强度分析方法方法，一方面，分析货车的运输起终点分布特征，能够为基础设施、服务设施的选址提供依据，并且在物流强度超过一定阈值的区域，结合现状基础设施布局，考虑增设货车司机服务站、加油站、停车设施等服务设施；另一方面，从省市层面整体识别物流关键节点和重要通道，能够对相关规划政策制定提供理论支撑，有利于打通交通“大动脉”、畅通交通“微循环”，从而构建内外联通、安全高效的现代物流体系。
43.以湖南省为例，本发明提供一种具体的基于货车行驶轨迹的物流强度分析方法如下：每预设单位时间报送一次载货货车的运行数据信息，载货货车处于熄火停放时不报送运行数据信息，获取湖南省内在2021年3月1日至2022年3月31日期间12吨及以上的所有载货货车的轨迹数据集，轨迹数据集为所有的载货火车的运行数据信息的集合，运行数据信息包括载货货车对应的车牌唯一编码，以及车牌唯一编码对应的记录时间记录的车方位角、当前经度、当前维度；对轨迹数据集进行数据处理：在轨迹数据集内按照车牌唯一编码进行分类，同一车牌唯一编码在对应的记录时间上具有车方位角、当前经度、当前维度；依据记录时间进行排序获取同一车牌唯一编码在相邻两个记录时间之间的时间间隔、瞬时速度v、加速度a、方位角变化；对轨迹数据集进行数据清洗：若同一车牌唯一编码在对应的记录时间上存在信息缺失，则剔除同一车牌唯一编码在对应的记录时间的一组数据；若同一车牌唯一编码在对应的记录时间上存在时刻重叠，仅保留同一车牌唯一编码在对应的记录时间的一组数据；若瞬时速度v大于预设有效速度则剔除瞬时速度对应的一组数据；若方位角变化大于预设角度变化阈值则剔除方位角变化对应的一组数据；依据获取数据的时间间隔dt确定每个载货货车的单车片段轨迹，若获取数据的时间间隔dt大于第一时间阈值则确认当前轨迹点为当前单车片段轨迹的单车片段起点和下一单车片段轨迹的单车片段终点；获取每个单车片段轨迹的片段关键指标，片段关键指标包括单车片段里程、单车片段平均行驶速度、单车片段空间范围以及单车片段停留时长，其中，单车片段空间范围为单车片段轨迹的单车片段起点和单车片段终点之间的直线距离，当前的单车片段停留时长为下一个单车片段轨迹的单车片段起点与当前单车片段轨迹的单车片段终点之间的间隔时长；获取目标地区的货运相关poi数据，货运相关poi数据包括poi大类别，poi大类别包括公司企业类、汽车服务类、汽车维修类、餐饮服务类、住宿服务类、商务住宅类、交通设施服务类以及道路附属设施类；依据货车行驶相关性对poi大类别设置poi优先级；基于地理信
息系统，依据poi优先级关联轨迹停留点（单车片段轨迹的单车片段起点和单车片段终点）对应的poi大类别；若单车片段轨迹的单车片段里程在第一里程阈值范围，单车片段空间范围在第一空间阈值范围，单车片段内平均行驶速度在第一平均速度阈值范围，且单车片段终点关联的poi属性空间为公司企业类和/或交通设施服务类时，确定单车片段轨迹为货物运输轨迹；若单车片段轨迹的单车片段里程在第二里程阈值范围，单车片段空间范围在第二空间阈值范围，单车片段内平均行驶速度在第二平均速度阈值范围，且单车片段终点、单车片段起点关联的poi属性空间为公司企业类、交通设施服务类时，确定单车片段轨迹为装、卸货轨迹；载货货车处于熄火停放时不报送运行数据信息的时间间隔为停留时间，若停留时间在第一停留阈值时间范围则确认为短时间停留，若停留时间在第二停留阈值时间范围则确认为中时间停留；若停留时间在第三停留阈值时间范围则确认为长时间停留；若停留时间为短时停留或中时停留，且单车片段终点关联的poi属性空间为与货车司机休憩相关，确定轨迹停留点为中途休息停留点；若停留时间为长时停留，且单车片段终点关联的poi属性空间为与货车司机长时休憩相关，确定轨迹停留点为待家休息停留点；若停留时间为短时停留，且单车片段的轨迹停留点关联的poi属性空间为与汽车行驶服务相关，确定轨迹停留点为运输途中行为停留点；若述单车片段轨迹点关联的poi属性空间为与汽车维修服务相关轨迹停留点相关则确定为运输无关停留点；保留货物运输轨迹的起点和终点；保留装、卸货轨迹的起点和终点；将相邻的中途休息停留点、运输途中行为停留点的起点和终点进行合并；滤除待家休息停留点及运输无关停留点；将有效的每个单车片段轨迹的轨迹停留点进行连接，获取每个载货货车的完整出行链，完整出行链具有出行链起点和出行链终点，完整出行链具有出行链起点和出行链终点，其中，出行链起点和出行链终点关联轨迹数据坐标系；将长沙市划分为1公里
×
1公里的多个单位网格，作为长沙市物流强度分析的最小研究单元，统计每一个单位网格中货运起点、终点的出现频数，以此代表研究时段内各个网格内的公路物流强度，得出长沙市物流强度分布图。
44.本发明还提供一种基于货车行驶轨迹的物流强度分析系统，其特征在于，包括存储器、处理器以及存储在存储器内并可在处理器上运行的计算机程序，计算机程序被处理器执行时，实现上述的基于货车行驶轨迹的物流强度分析方法的步骤。
45.本发明还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，其特征在于，计算机程序被处理器执行时实现上述的基于货车行驶轨迹的物流强度分析方法的步骤。
46.本发明的上述技术方案中，以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的技术构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围。