本發(fā)明提出了一種用于大件物流運(yùn)輸?shù)穆窙r判斷方法及系統(tǒng)，涉及智能交通系統(tǒng)應(yīng)用領(lǐng)域。

背景技術(shù)：

1、在物流運(yùn)輸行業(yè)中，道路狀況的良好與否直接影響到貨物的運(yùn)輸效率與成本，尤其是在涉及跨城市或國際的長途運(yùn)輸時(shí)。良好的路況可以確保貨物快速、安全地抵達(dá)目的地，而不良的路況則可能導(dǎo)致延遲、增加燃油消耗，甚至造成貨物損壞。因此，運(yùn)輸計(jì)劃中的路況判斷成為了物流管理的關(guān)鍵環(huán)節(jié)。

2、現(xiàn)有的路況判斷技術(shù)多側(cè)重于描述當(dāng)前或過去的狀況，而對未來路況的預(yù)測能力較弱，這限制了其在規(guī)劃和調(diào)整物流運(yùn)輸計(jì)劃中的應(yīng)用，且現(xiàn)有技術(shù)根據(jù)傳統(tǒng)數(shù)據(jù)采集設(shè)備采集到的路況信息，對交通路網(wǎng)中各路段的路況交通分析、車流演變趨勢估計(jì)的能力比較弱。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種用于大件物流運(yùn)輸?shù)穆窙r判斷方法及系統(tǒng)，用以解決上述提到的問題：

2、本發(fā)明提出的一種用于大件物流運(yùn)輸?shù)穆窙r判斷方法，所述方法包括：

3、獲取大件物流運(yùn)輸從出發(fā)地到目的地的所有可達(dá)路徑，為每條可達(dá)路徑的線路分配線路編號(hào)，獲取每條可達(dá)路徑的線路在歷史和當(dāng)前時(shí)間段內(nèi)的道路狀況時(shí)序數(shù)據(jù)；

4、根據(jù)歷史時(shí)間段的道路狀況時(shí)序數(shù)據(jù)預(yù)先訓(xùn)練路況預(yù)測模型，將當(dāng)前時(shí)間段的道路狀況時(shí)序數(shù)據(jù)輸入所述路況預(yù)測模型，得到每條可達(dá)路徑的線路在未來設(shè)定時(shí)間段內(nèi)的預(yù)測道路狀況時(shí)序數(shù)據(jù)，根據(jù)所述預(yù)測道路時(shí)序數(shù)據(jù)選擇出最優(yōu)路徑；

5、沿著最優(yōu)路徑行駛時(shí)，獲取下一線路的鄰近線路段，根據(jù)鄰近線路段和當(dāng)前線路的車流量預(yù)測下一線路的車流量，若下一線路的車流量與預(yù)測的車流量相差超過預(yù)設(shè)閾值，查找下一線路的替換線路。

6、進(jìn)一步的，獲取大件物流運(yùn)輸從出發(fā)地到目的地的所有可達(dá)路徑，為每條可達(dá)路徑的線路分配線路編號(hào)，獲取每條可達(dá)路徑的線路在歷史和當(dāng)前時(shí)間段內(nèi)的道路狀況時(shí)序數(shù)據(jù)，包括：

7、將物流運(yùn)輸網(wǎng)絡(luò)映射為圖，所述物流運(yùn)輸網(wǎng)絡(luò)中的交叉口、道路入口和出口視為圖中的節(jié)點(diǎn)，所述物流運(yùn)輸網(wǎng)絡(luò)中的線路段表示為圖中的邊；

8、通過dfs方法獲取物流運(yùn)輸網(wǎng)絡(luò)圖中從出發(fā)地到目的地的所有可達(dá)路徑；

9、對于每條可達(dá)路徑，檢查路徑上的限制是否允許大型運(yùn)輸車長、寬、高和重量的特點(diǎn)，如果一條路徑存在任何一條邊的限制條件小于車輛的相應(yīng)參數(shù)，則該路徑為不可達(dá)；

10、獲取大型運(yùn)輸車的每條可達(dá)路徑的線路在歷史和當(dāng)前時(shí)間段內(nèi)的道路狀況時(shí)序數(shù)據(jù)，獲取來自道路傳感器、攝像頭、gps追蹤系統(tǒng)、車輛電子標(biāo)簽和社交媒體的歷史和當(dāng)前時(shí)間段的道路狀況時(shí)序數(shù)據(jù)，統(tǒng)計(jì)不同時(shí)間段的數(shù)據(jù)，所述時(shí)間段包括高峰時(shí)段、非高峰時(shí)段、節(jié)假日和周末，所述道路狀況時(shí)序數(shù)據(jù)包括車流量和旅行時(shí)間。

11、進(jìn)一步的，根據(jù)歷史時(shí)間段數(shù)據(jù)預(yù)先訓(xùn)練路況預(yù)測模型，將當(dāng)前時(shí)間段的道路狀況時(shí)序數(shù)據(jù)輸入所述路況預(yù)測模型，得到每條可達(dá)路徑的線路在未來設(shè)定時(shí)間段內(nèi)的預(yù)估道路狀況時(shí)序數(shù)據(jù)和物流相關(guān)因素時(shí)序數(shù)據(jù)，包括：

12、對歷史時(shí)間段數(shù)據(jù)進(jìn)行清洗和缺失值處理后，將數(shù)據(jù)劃分為訓(xùn)練集、測試集和驗(yàn)證集；

13、將歷史道路狀況數(shù)據(jù)輸入時(shí)間序列分析模型進(jìn)行訓(xùn)練，在達(dá)到預(yù)設(shè)訓(xùn)練截止條件后得到預(yù)測模型；

14、將大型運(yùn)輸車的可達(dá)路徑在圖中的每條邊視為一條線路，獲取可達(dá)路徑從出發(fā)點(diǎn)起的第一條線路的當(dāng)前路況數(shù)據(jù)，將當(dāng)前路況數(shù)據(jù)輸入預(yù)測模型獲取線路的第一預(yù)測旅行時(shí)間，獲取第二條線路的當(dāng)前路況數(shù)據(jù)，將當(dāng)前路況數(shù)據(jù)輸入預(yù)測模型獲取線路在第一預(yù)測時(shí)間后的第二預(yù)測旅行時(shí)間，獲取第三條線路的當(dāng)前路況數(shù)據(jù)，將當(dāng)前路況數(shù)據(jù)輸入預(yù)測模型獲取線路在第一加第二預(yù)測旅行時(shí)間后的第三預(yù)測旅行時(shí)間，以此類推，直到獲取大型運(yùn)輸車的可達(dá)路徑的最后一條線路的預(yù)測旅行時(shí)間；根據(jù)所述預(yù)測旅行時(shí)間通過損耗模型計(jì)算每條可達(dá)路徑的總損耗，

15、具體的，所述損耗模型為：

16、

17、其中，tl為該可達(dá)路徑的總損耗，n為可達(dá)路徑的線路數(shù)量，為運(yùn)輸車經(jīng)過線路j的歷史油耗，為線路j的長度，為損耗常量，為經(jīng)過線路j的預(yù)測旅行時(shí)間，為時(shí)間常量，為經(jīng)過線路j的費(fèi)用，為費(fèi)用常量。

18、進(jìn)一步的，沿著最優(yōu)路徑行駛時(shí)，獲取下一線路的鄰近線路段，根據(jù)鄰近線路段和當(dāng)前線路的車流量預(yù)測下一線路的車流量，若下一線路的車流量與預(yù)測的車流量相差超過預(yù)設(shè)閾值，查找下一線路的替換線路，包括：

19、沿著所述最優(yōu)路徑行走時(shí)，獲取下一線路的鄰近線路段，所述鄰近線路段為圖中與下一線路的邊直接相連的邊；

20、根據(jù)所述鄰近線路段和當(dāng)前線路的車流量預(yù)測下一線路的車流量；

21、若下一線路的車流量與通過深度學(xué)習(xí)預(yù)測的車流量相差超過預(yù)設(shè)閾值，在物流運(yùn)輸網(wǎng)絡(luò)圖中查找與下一線路的出發(fā)地和目的地相同的替換線路；

22、通過損耗模型計(jì)算替換線路的損耗值，選擇損耗和通過車流動(dòng)態(tài)演化模型計(jì)算得到的車流量加權(quán)相加的和最小的線路為替換行駛線路。

23、進(jìn)一步的，根據(jù)所述鄰近線路段和當(dāng)前線路的車流量預(yù)測下一線路的車流量，包括：

24、通過基礎(chǔ)流量模型獲取下一線路在時(shí)間t的車流量，具體的，所述基礎(chǔ)流量模型為：

25、

26、其中，是從線路i?到線路j?在時(shí)間?t?的車流量，量化了特定時(shí)間點(diǎn)從一個(gè)特定區(qū)域向另一區(qū)域遷移的車輛數(shù)量，?代表在時(shí)間?t?線路i?的車輛生成率，也就是線路i?在該時(shí)刻產(chǎn)生交通流向其他區(qū)域的速率，是從線路i?到線路j?的行車偏好權(quán)重，指示了車輛從?i?出發(fā)前往?j?的偏好程度；

27、通過車流動(dòng)態(tài)演化模型預(yù)測下一線路在時(shí)間t+1的車流量，具體的，所述車流動(dòng)態(tài)演化模型為：

28、

29、其中，為線路i在時(shí)間點(diǎn)t+1的預(yù)測車流量，?為線路i在時(shí)間點(diǎn)t的觀測車流量，是從線路k到線路i的車流量，是從線路i到線路k的車流量，表示線路i的鄰近線路。

30、本發(fā)明提出的一種用于大件物流運(yùn)輸?shù)穆窙r判斷系統(tǒng)，所述系統(tǒng)包括：

31、獲取可達(dá)路徑和路況數(shù)據(jù)模塊，用于獲取大件物流運(yùn)輸從出發(fā)地到目的地的所有可達(dá)路徑，為每條可達(dá)路徑的線路分配線路編號(hào)，獲取每條可達(dá)路徑的線路在歷史和當(dāng)前時(shí)間段內(nèi)的道路狀況時(shí)序數(shù)據(jù)；

32、預(yù)測最優(yōu)路徑模塊，用于根據(jù)歷史時(shí)間段的道路狀況時(shí)序數(shù)據(jù)預(yù)先訓(xùn)練路況預(yù)測模型，將當(dāng)前時(shí)間段的道路狀況時(shí)序數(shù)據(jù)輸入所述路況預(yù)測模型，得到每條可達(dá)路徑的線路在未來設(shè)定時(shí)間段內(nèi)的預(yù)測道路狀況時(shí)序數(shù)據(jù)，根據(jù)所述預(yù)測道路時(shí)序數(shù)據(jù)選擇出最優(yōu)路徑；

33、查找替換線路模塊，用于沿著最優(yōu)路徑行駛時(shí)，獲取下一線路的鄰近線路段，根據(jù)鄰近線路段和當(dāng)前線路的車流量預(yù)測下一線路的車流量，若下一線路的車流量與預(yù)測的車流量相差超過預(yù)設(shè)閾值，查找下一線路的替換線路。

34、進(jìn)一步的，所述獲取可達(dá)路徑和路況數(shù)據(jù)模塊包括：

35、映射圖模塊，用于將物流運(yùn)輸網(wǎng)絡(luò)映射為圖，所述物流運(yùn)輸網(wǎng)絡(luò)中的交叉口、道路入口和出口視為圖中的節(jié)點(diǎn)，所述物流運(yùn)輸網(wǎng)絡(luò)中的線路段表示為圖中的邊；

36、獲取所有可達(dá)路徑模塊，用于通過dfs方法獲取物流運(yùn)輸網(wǎng)絡(luò)圖中從出發(fā)地到目的地的所有可達(dá)路徑；

37、獲取可達(dá)路徑模塊，對于每條可達(dá)路徑，檢查路徑上的限制是否允許大型運(yùn)輸車長、寬、高和重量的特點(diǎn)，如果一條路徑存在任何一條邊的限制條件小于車輛的相應(yīng)參數(shù)，則該路徑為不可達(dá)；

38、獲取路況數(shù)據(jù)模塊，用于獲取大型運(yùn)輸車的每條可達(dá)路徑的線路在歷史和當(dāng)前時(shí)間段內(nèi)的道路狀況時(shí)序數(shù)據(jù)，獲取來自道路傳感器、攝像頭、gps追蹤系統(tǒng)、車輛電子標(biāo)簽和社交媒體的歷史和當(dāng)前時(shí)間段的道路狀況時(shí)序數(shù)據(jù)，統(tǒng)計(jì)不同時(shí)間段的數(shù)據(jù)，所述時(shí)間段包括高峰時(shí)段、非高峰時(shí)段、節(jié)假日和周末，所述道路狀況時(shí)序數(shù)據(jù)包括車流量和旅行時(shí)間。

39、進(jìn)一步的，所述預(yù)測最優(yōu)路徑模塊包括：

40、數(shù)據(jù)處理模塊，用于對歷史時(shí)間段數(shù)據(jù)進(jìn)行清洗和缺失值處理后，將數(shù)據(jù)劃分為訓(xùn)練集、測試集和驗(yàn)證集；

41、訓(xùn)練模型模塊，用于將歷史道路狀況數(shù)據(jù)輸入時(shí)間序列分析模型進(jìn)行訓(xùn)練，在達(dá)到預(yù)設(shè)訓(xùn)練截止條件后得到預(yù)測模型；

42、預(yù)測時(shí)間窗模塊，用于將大型運(yùn)輸車的可達(dá)路徑在圖中的每條邊視為一條線路，獲取可達(dá)路徑從出發(fā)點(diǎn)起的第一條線路的當(dāng)前路況數(shù)據(jù)，將當(dāng)前路況數(shù)據(jù)輸入預(yù)測模型獲取線路的第一預(yù)測旅行時(shí)間，獲取第二條線路的當(dāng)前路況數(shù)據(jù)，將當(dāng)前路況數(shù)據(jù)輸入預(yù)測模型獲取線路在第一預(yù)測時(shí)間后的第二預(yù)測旅行時(shí)間，獲取第三條線路的當(dāng)前路況數(shù)據(jù)，將當(dāng)前路況數(shù)據(jù)輸入預(yù)測模型獲取線路在第一加第二預(yù)測旅行時(shí)間后的第三預(yù)測旅行時(shí)間，以此類推，直到獲取大型運(yùn)輸車的可達(dá)路徑的最后一條線路的預(yù)測旅行時(shí)間；計(jì)算損耗模塊，用于根據(jù)所述預(yù)測旅行時(shí)間通過損耗模型計(jì)算每條可達(dá)路徑的總損耗，

43、具體的，所述損耗模型為：

44、

45、其中，tl為該可達(dá)路徑的總損耗，n為可達(dá)路徑的線路數(shù)量，為運(yùn)輸車經(jīng)過線路j的歷史油耗，為線路j的長度，為損耗常量，為經(jīng)過線路j的預(yù)測旅行時(shí)間，為時(shí)間常量，為經(jīng)過線路j的費(fèi)用，為費(fèi)用常量。

46、進(jìn)一步的，所述查找替換線路模塊包括：

47、獲取鄰近線路段模塊，用于沿著所述最優(yōu)路徑行走時(shí)，獲取下一線路的鄰近線路段，所述鄰近線路段為圖中與下一線路的邊直接相連的邊；

48、預(yù)測車流量模塊，用于根據(jù)所述鄰近線路段和當(dāng)前線路的車流量預(yù)測下一線路的車流量；

49、比較模塊，用于若下一線路的車流量與通過深度學(xué)習(xí)預(yù)測的車流量相差超過預(yù)設(shè)閾值，在物流運(yùn)輸網(wǎng)絡(luò)圖中查找與下一線路的出發(fā)地和目的地相同的替換線路；

50、獲得替換行駛線路模塊，用于通過損耗模型計(jì)算替換線路的損耗值，選擇損耗和通過車流動(dòng)態(tài)演化模型計(jì)算得到的車流量加權(quán)相加的和最小的線路為替換行駛線路。

51、進(jìn)一步的，所述預(yù)測車流量模塊包括：獲得車流量模塊，用于通過基礎(chǔ)流量模型獲取下一線路在時(shí)間t的車流量，具體的，所述基礎(chǔ)流量模型為：

52、

53、其中，是從線路i?到線路j?在時(shí)間?t?的車流量，量化了特定時(shí)間點(diǎn)從一個(gè)特定區(qū)域向另一區(qū)域遷移的車輛數(shù)量，?代表在時(shí)間?t?線路i?的車輛生成率，也就是線路i?在該時(shí)刻產(chǎn)生交通流向其他區(qū)域的速率，是從線路i?到線路j?的行車偏好權(quán)重，指示了車輛從?i?出發(fā)前往?j?的偏好程度；動(dòng)態(tài)演化車流量模塊，用于通過車流動(dòng)態(tài)演化模型預(yù)測下一線路在時(shí)間t+1的車流量，具體的，所述車流動(dòng)態(tài)演化模型為：

54、

55、其中，為線路i在時(shí)間點(diǎn)t+1的預(yù)測車流量，?為線路i在時(shí)間點(diǎn)t的觀測車流量，是從線路k到線路i的車流量，是從線路i到線路k的車流量，表示線路i的鄰近線路。

56、本發(fā)明有益效果：提高效率，優(yōu)化路線選擇減少了運(yùn)輸時(shí)間，確保貨物可以更快地送達(dá)目的地，這對于時(shí)間敏感的貨物特別重要；降低成本，通過避免擁堵和延誤，減少燃料消耗和可能的等待時(shí)間成本，從而降低總運(yùn)輸成本；增強(qiáng)適應(yīng)性，動(dòng)態(tài)預(yù)測和路線調(diào)整功能使得物流運(yùn)輸更具適應(yīng)性，能夠應(yīng)對突發(fā)的道路條件變化，減少意外影響；改善服務(wù)質(zhì)量，更可靠的運(yùn)輸時(shí)間預(yù)測和改進(jìn)的服務(wù)效率可以極大地提升顧客滿意度，增強(qiáng)公司的競爭力；數(shù)據(jù)驅(qū)動(dòng)決策，基于數(shù)據(jù)的決策使路線規(guī)劃更加科學(xué)和精準(zhǔn)，減少基于直覺或不完全信息的決策錯(cuò)誤；該技術(shù)方案通過綜合應(yīng)用路徑規(guī)劃、實(shí)時(shí)數(shù)據(jù)監(jiān)測、預(yù)測模型和動(dòng)態(tài)調(diào)整策略，極大提升了大件物流運(yùn)輸?shù)男屎涂煽啃?，同時(shí)具備應(yīng)對各種交通條件變化的彈性。