(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210943420.8 (22)申请日 2022.08.08 (71)申请人 华东师范大学 地址 200241 上海市闵行区东川路5 00号 (72)发明人 吴涛　毛嘉莉　朱开旋　沈文怡　 周傲英　 (74)专利代理 机构 上海麦其知识产权代理事务 所(普通合伙) 31257 专利代理师 董红曼 (51)Int.Cl. G06T 7/246(2017.01) G06T 7/30(2017.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/75(2022.01)G06Q 10/08(2012.01) G06Q 50/28(2012.01) (54)发明名称 一种面向大宗物流的运输终点校准方法及 系统 (57)摘要 本发明公开了一种面向大宗物流的运输终 点校准方法， 包括： 基于运单时间信息， 提取货车 运单轨迹； 消除轨迹中速度异常轨迹点， 获取每 个轨迹点的匹配道路； 从驶离道路部分的轨迹点 序列中获取速度为零的子序列中的停留点， 聚类 产生停留区域； 将停留区域中的停留点对应的道 路转出点， 产生道路转出点簇， 选取簇中心点位 置获得停留区域对应的道路转出位置； 根据道路 转出位置合并停留区域， 获得停留热点； 提取各 类特征并拼接获得多维特征向量对停留热点进 行表征； 利用停留热点的特征向量和标签训练分 类模型， 作为运输终点识别模型； 将待识别的运 输热点的特征向量输入构建的识别模 型， 获得各 运单匹配的运输终点， 并对终点进行 更新。 权利要求书3页 说明书10页 附图2页 CN 115423841 A 2022.12.02 CN 115423841 A 1.一种面向大宗物流的运输终点校准方法， 其特 征在于， 所述方法包 含以下步骤： 步骤S1、 基于货车运单的开始时间和完成时间， 提取货车在运单时间段内的轨迹点序 列作为运单轨迹； 步骤S2、 消除轨迹中速度值大于速度阈值的轨迹点， 并寻找获得每个轨迹点的匹配路 段， 无法匹配的视为 驶离道路的部分； 步骤S3、 从步骤S2中驶离道路部分的轨迹点序列中提取速度值为0的子序列， 将所述子 序列中的第一个轨 迹点作为停留点， 将所有停留点聚类后产生停留点簇， 作为停留区域； 步骤S4、 根据步骤S3中停留区域获得停留区域中的停留点对应的道路转出点， 对所有 道路转出点分组 聚类产生道路转出点簇， 选择道路转出点数量最多的簇中心 点位置作为停 留区域对应的道路转出位置； 步骤S5、 将步骤S4中道路转出位置对应的所有停留区域进行合并， 获得停留热点； 步骤S6、 从停留热点及其对应的信息中提取访 问行为特征和区域特征， 对特征值进行 拼接获得多维向量对停留热点进行表征； 步骤S7、 利用停留热点的特征向量和标签训练XGBoost分类模型， 作 为运输终点识别 模 型； 步骤S8、 基于运单轨迹提取与每个运单的运输终点匹配的候选停留热点集， 将其对应 的特征向量输入S7构建的运输终点识别模型， 获得各运单匹配的运输终点， 并对终点库中 对应运输终点的位置与地址信息进行 更新。 2.如权利要求1所述的运输终点校准方法， 其特征在于， 步骤S1中， 对每辆货车按照其 执行不同运单 的开始时间对运单进行排序； 若前序运单与后续运单有时段交叠， 则将前序 运单的任务完成时间调整到后续 运单任务 开始之前。 3.如权利要求1所述的运输终点校准方法， 其特征在于， 步骤S2中， 所述轨迹中的轨迹 点速度通过与前序轨迹点的距离和时间间隔计算 获得； 所述速度阈值设置为运输车辆的最 高限速； 将距离轨迹点距离阈值thrr范围内的候选道路作为隐马尔科夫模型的隐状态， 将 轨迹点与临近候选道路垂直映射点的距离作为状态测量， 轨迹点的最佳匹配路段通过 Viterbi算法寻找获得。 4.如权利要求1所述的运输终点校准方法， 其特征在于， 步骤S3中， 所述停留点的时间 戳作为停留开始时间， 并计算该轨迹点所在序列第一个点与最后一个点之 间的时间间隔作 为停留时长； 所述停 留点的聚类通过DBSCAN聚类方法进行； 所述停 留点簇为密度相连的停 留点的最大集 合。 5.如权利 要求4所述的运输终点校准方法， 其特征在于， 所述DBSCAN聚类方法首先随机 选择一个停留点， 搜索与所述停留点距离小于密度相连最小距离eps的其它停留点集， 若停 留点数量大于产生一个簇的最小停留点数minsample， 则将该点建立一个簇， 否则将该停留 点标记为噪声； 随后， 遍历其他停留点， 直到建立一个簇， 并将直接密度可达的停留点合并 到该簇中； 迭代上述步骤直到所有的停留点均被聚类为簇或被标记为噪声点为止； 至此， 将 每个停留点簇视为一个停留区域； 所述直接密度可达的停留点是指与簇中任一停留点的距 离小于eps。 6.如权利要求1所述的运输终点校准方法， 其特征在于， 步骤S4中， 提取停留区域的停 留点所在运单轨迹中与最近邻路段匹配的最后一个轨迹点作为该停留点对应的道路转出权　利　要　求　书 1/3 页 2 CN 115423841 A 2点， 并将该道路转出点指向后续轨迹点的朝向作为该道路转出点的方向； 获取与每个停留 区域中停留点对应的道路转出点 集， 随后采用Meanshift聚类方法对道路转出点进行聚类。 7.如权利要求6所述的运输终点校准方法， 其特征在于， 所述Meanshift方法随机选择 其中的一个道路转出点， 并计算该道路转出点半径R内的其他道路转出点之间的向量距离 的平均值， 作为该道路转出点下一步的漂移方向和距离， 循环上述漂移步骤直到漂移距离 小于参数D， 随后将上述遍历 到的道路转出点归类为一个簇； 提取道路转出点数量最多的簇 的中心点的经纬度坐标作为道路转出位置， 并计算该簇中所有道路转出点的平均方向得到 道路转出位置的方向。 8.如权利要求1所述的运输终点校准方法， 其特征在于， 步骤S5中， 对于S4提取的道路 转出位置集合， 采用层次聚类方法进行聚类生成不同组， 合并每组道路转出位置对应的停 留区域获得停留热点； 利用凸包算法获得停留热点的区域范围， 计算其中心位置作为停留 热点的位置； 并统计每个停留热点中停留点集对应的运单号列表、 停留时长列表以及停留 开始时间列表予以保存。 9.如权利要求1所述的运输终点校准方法， 其特 征在于， 步骤S6进一 步包括如下步骤： 步骤6.1、 停留时长分布特征提取： 划分下述的时长区间： [(0,15min]， (15min,30min]， (30min,60min ]， (60min,12 0min]， (120min,+∞ ]]， 根据停留时长列表统计上述不同区间内 停留点数量的占比， 将其进行拼接获得 的包括每个时长区间占比的5维向量作为对应停留 热点的特 征表示； 步骤6.2、 访问时段分布特征提取： 基于停留开始时间列表 统计每一个小时时间间隔区 间的的停留点数量占比， 拼接形成对应停留热点关于24小时中每个小时停留点数量占比的 24维向量的特 征表示； 步骤6.3、 停留频次分布特征提取： 将停留频次分布特征表示为一个向量[fre1, fre2,……,fren]， 其中n表 示所有运输车辆中在一个停留热点的历史最高停留频次， frei表 示在一个停留热点中停留i次的运输任务数量占比， 其值是根据对应的运单列 表统计得到， 其中， 0<i≤n； 步骤6.4、 货物类型种类特征提取： 根据运单列表 统计对应停留热点涉及的货物类型数 量获得货物类型种类特 征； 步骤6.5、 邻近道路级别特征提取： 基于OSM开源地 图提取距离停留热点最近的路段获 取其道路级别， 采用独热编码的方式表示邻近道路级别特 征； 步骤6.6、 附近POI类别特征提取： 对于任一停留热点， 基于高德地图提供的POI查询接 口获取不同类型POI的数量， 再计算不同类型POI的占比， 对不同类型POI的占比拼接后生 成 停留热点的POI类别特 征表示； 步骤6.7、 停留区域面积特征提取： 基于S5步骤获得的停留热点的区域范围， 将其对应 的凸多边形表示为顶点序列{(x1,y1) ,(x2,y2) ,……,(xh,yh)}， 并通过公式 获得停留热点区域的面积； 步骤6.8、 将上述对应特征向量依次拼接形成一个多维的向量作为停留热点的特征表 示。 10.如权利要求1所述的运输终点校准方法， 其特征在于， 基于人工标注的停留热点样权　利　要　求　书 2/3 页 3 CN 115423841 A 3