[發明專利]一種基于貨車監控數據的裝卸貨地點識別方法

有效

• 申請號: 201710481130.5
• 申請日: 2017-06-22
• 公開（公告）號: CN107273520B
• 公開（公告）日: 2020-05-29
• 發明（設計）人: 張照生;張金輝;楊殿閣
• 申請（專利權）人: 北京理工大學;清華大學
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06F16/29;G06F16/28;G06Q10/08
• 代理公司: 北京理工大學專利中心 11120
• 代理人: 李微微;仇蕾安

1.一種基于貨車監控數據的裝卸貨地點識別方法，其特征在于，包括如下步驟：

步驟1、貨車監測數據的清洗與修復，具體為：

S11、軌跡數據分段：按照檢測數據的時間戳順次檢查車輛歷史數據，針對監控數據的時間戳t_τ，若t_τ-t_τ-1＞4小時，則時間戳t_τ之前的監控數據構成一個新的軌跡段，針對該軌跡段，再進一步進行判斷是否滿足t_τ-1-t₁＜1小時，如果不滿足，保留該軌跡段；如果滿足，則舍棄該軌跡段；剩余監控數據從時間戳t_τ開始順次進行判斷；

S12、順次檢索車速數據，將車速小于0km/h或大于150km/h的點記為缺失數據，并對缺失數據進行修復；

S13、針對S12得到的監控數據，順次檢索車輛加速度數據，判斷加速度是否滿足車輛運動學規律，如果不滿足，則記為缺失數據，并對缺失數據進行修復；

S14、對S13得到的監控數據進行數據平滑；

步驟2、對裝卸貨停車點進行判別，具體為：

S21、計算停留時間閾值t_h；

S22、找出車輛速度小于設定閾值vh的點，則初步判斷為停車點；對停車點進行聚類，對每一類聚類點計算其停車時間，若停車時間大于停留時間閾值t_h，則認為是重要停車點，否則認為是一般停車點；

S23、軌跡抽稀

A、針對每一個軌跡段，確定軌跡段中的停車點后，相鄰兩個停車點之間軌跡作為車輛的一次出行軌跡；

B、針對每個出行軌跡，連接出行軌跡的首端點和末端點，記為線段l；若出行軌跡中某個軌跡點對線段l的垂足在線段l外，則將該出行軌跡以此軌跡點為界分割成兩個子軌跡；

C、然后按照B的方法分別處理兩個子軌跡，直到子軌跡沒有軌跡點的垂足在線段之外，此時判斷子軌跡首末端點的距離是否滿足要求，如果滿足：將子軌跡中除首、末端點之外的軌跡點刪除；如果不滿足，繼續將子軌跡進行分割，直到子軌跡的首末端點的距離滿足要求，并將子軌跡中除首、末端點之外的軌跡點刪除；

D、按照B和C的方法處理每一次出行軌跡，完成每一個軌跡段的抽稀；

S24、折返點判定：針對抽稀后的各個軌跡段，根據設定的折返角閾值判斷其中的每個軌跡點是否為折返點，如果是，則認為是折返點；如果否，認為是一般拐彎點；

步驟3、將S22判定的重要停車點以及S24認定的折返點作為備選裝卸貨停車點，針對備選裝卸貨停車點，根據車輛到達備選裝卸貨停車點前和離開備選裝卸貨停車點后車的總質量判斷備選裝卸貨停車點是否為真的裝卸貨停車點。

2.如權利要求1所述的一種基于貨車監控數據的裝卸貨地點識別方法，其特征在于，S13中，判別軌跡點的加速度是否滿足車輛運動學規律的方法為：車輛加速度小于0.9g，則正常數據；若加速度大于或等于0.9g，軌跡數據記為缺失數據；缺失的軌跡點數據直接用插值法對數據進行修。

3.如權利要求1所述的一種基于貨車監控數據的裝卸貨地點識別方法，其特征在于，S14中，采用移動平均方法對數據進行平滑處理。

4.如權利要求1所述的一種基于貨車監控數據的裝卸貨地點識別方法，其特征在于，S22中，用基于密度聚類方法DBSCAN對停車點進行聚類。

5.如權利要求1所述的一種基于貨車監控數據的裝卸貨地點識別方法，其特征在于，S22中，其停車時間的計算方法為，每一個停車點聚類中，停車時間最大值與最小值的差值即為該聚類的停車時間。