本申请提出一种基于相似车辆行驶特征数据的货车路线规划方法、装置、电子设备及存储介质，所述方法包括如下步骤：基于全量货车属性数据，采用KMeans算法进行聚类，将全部货车划分为不同类别；基于全量货车实时轨迹数据，对每类车辆在全国各路线的行驶次数进行KMeans聚类，使各路线根据行驶次数被划分到多个类中；对路线的限速值和行驶次数进行加权排序，生成每种类型车辆新的路线类型数据；根据车辆长宽高、载重、轴数为车辆选择不同类型的路线类别，并基于所述路线类别的权重函数选择总权值最小的路线，作为所述车辆的规划路线。本申请通过全量货车实际行驶轨迹，作为关键路线规划特征，为用户推荐适合自己车辆行驶的路线。线。线。
【技术实现步骤摘要】
基于相似车辆行驶特征数据的货车路线规划方法及装置
[0001]本申请属于交通
，具体涉及一种基于相似车辆行驶特征数据的货车路线规划方法、装置、电子设备及存储介质。
技术介绍
[0002]目前主流的互联网货车导航方案，是通过采集道路限高、限重、限时等信息，结合路线联通性，路线限速值等数据，通过路线规划算法生成路线的。但由于缺乏实际货车的完整行驶数据，不能充分捕获货车在道路上的行驶规律，因此在不同备选路线距离、限速、限重相似的情况下，如何更好的选择路线，还缺乏足够的依据。
技术实现思路
[0003]本申请第一方面实施例提出了一种基于相似车辆行驶特征数据的货车路线规划方法，所述方法包括如下步骤：
[0004]基于全量货车属性数据，采用KMeans算法进行聚类，将全部货车划分为不同类别；
[0005]基于全量货车实时轨迹数据，对每类车辆在全国各路线的行驶次数进行KMeans聚类，使各路线根据行驶次数被划分到多个类中；
[0006]对路线的限速值和行驶次数进行加权排序，生成每种类型车辆新的路线类型数据；
[0007]根据车辆长宽高、载重、轴数为车辆选择不同类型的路线类别，并基于所述路线类别的权重函数选择总权值最小的路线，作为所述车辆的规划路线。
[0008]进一步地，所述基于全量货车属性数据，采用KMeans算法进行聚类，将全部货车划分为不同类别，包括：
[0009]根据货车长、宽、高、载重、轴数，对全量货车数据，采用KMeans算法进行聚类；
[0010]根据轮廓系数确定聚类规则；
[0011]将所有车辆分成多个类，使确定长宽高、载重、轴数的车辆都划分在确定的类别中。
[0012]进一步地，所述基于全量货车实时轨迹数据，对每类车辆在全国各路线的行驶次数进行KMeans聚类，使各路线根据行驶次数被划分到多个类中，包括：
[0013]遍历每一类车辆，统计预设时间段内，全国每条路上每类车辆的行驶次数；
[0014]对于每一类车辆，统计该类车辆在预设时间段内经过的路线的本类车辆数；
[0015]统计全国路线数据的限速类型，设类型数为N；
[0016]对每类车辆在全国各路线的行驶次数进行KMeans聚类，使各路线根据行驶次数被划分到N个类中。
[0017]进一步地，所述对路线的限速值和行驶次数进行加权排序，生成每种类型车辆新的路线类型数据，包括：
[0018]将路线限速类型根据限速值从大到小排序，并根据行驶次数类型进行由多到少排
序，综合两种排序结果，生成每种类型车辆新的路线类型数据。
[0019]进一步地，所述综合两种排序结果的方式为：假设路线按照限速类别从大到小排序后，路线L在排序中的序号为M，权重为w1；各路线按照车辆数类别从大到小排序后，路线L在排序中的序号为N，权重为w2，则该路线L综合排序的类别是M*w1+N*w2的值取整。
[0020]进一步地，所述根据车辆长宽高、载重、轴数为车辆选择不同类型的路线类别，并基于所述路线类别的权重函数选择总权值最小的路线，作为所述车辆的规划路线，包括：
[0021]根据长宽高、载重、轴数，确定车辆的类别；
[0022]选择该类别车辆的路线数据；
[0023]构建路线权值函数，并基于该类别的权值函数选择总权值最小的路线。
[0024]进一步地，所述路线权值函数为：f(x)＝k*length(x)*level(x,N)，k为一个常数，x表示每条路线，length(x)为该路线的长度，level(x,N)为上述类别的影响函数。
[0025]本申请第二方面的实施例提供了一种基于相似车辆行驶特征数据的货车路线规划装置，所述装置包括如下模块：
[0026]第一聚类模块，基于全量货车属性数据，采用KMeans算法进行聚类，将全部货车划分为不同类别；
[0027]第二聚类模块，基于全量货车实时轨迹数据，对每类车辆在全国各路线的行驶次数进行KMeans聚类，使各路线根据行驶次数被划分到多个类中；
[0028]加权排序模块，用于对路线的限速值和行驶次数进行加权排序，生成每种类型车辆新的路线类型数据；
[0029]路线规划模块，用于根据车辆长宽高、载重、轴数为车辆选择不同类型的路线类别，并基于所述路线类别的权重函数选择总权值最小的路线，作为所述车辆的规划路线。
[0030]本申请第三方面的实施例提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序以实现上述第一方面所述的方法。
[0031]本申请第四方面的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行实现上述第一方面所述的方法。
[0032]本申请实施例中提供的技术方案，至少具有如下技术效果或优点：
[0033]本申请提出一种基于相似车辆行驶特征数据的货车路线规划方法、装置、电子设备及存储介质，提供了一种在标准路线数据的基础上，通过全量货车实际行驶轨迹，作为关键路线规划特征，为用户推荐适合自己车辆行驶的路线，从而起到管控城市交通，减少道路拥堵，提高运输效率，节能减排的作用。
[0034]本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变的明显，或通过本申请的实践了解到。
附图说明
[0035]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0036]图1示出了本申请一实施例所提供的一种基于相似车辆行驶特征数据的货车路线
规划方法的流程图；
[0037]图2示出了本申请一实施例所提供的数据建模流程图；
[0038]图3示出了本申请一实施例所提供的路线规划流程图；
[0039]图4示出了本申请一实施例所提供的一种基于相似车辆行驶特征数据的货车路线规划装置的结构示意图；
[0040]图5示出了本申请一实施例所提供的一种电子设备的结构示意图；
[0041]图6示出了本申请一实施例所提供的一种存储介质的示意图。
具体实施方式
[0042]下面将参照附图更详细地描述本申请的示例性实施方式。虽然附图中显示了本申请的示例性实施方式，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
[0043]需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本申请所属领域技术人员所理解的通常意义。
[0044]下面结合附图来描述根据本申请实施例提出的一种基于相似车辆行驶特征数据的货车路线规划方法、装置、电子设备及存储介质本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于相似车辆行驶特征数据的货车路线规划方法，其特征在于，所述方法包括如下步骤：基于全量货车属性数据，采用KMeans算法进行聚类，将全部货车划分为不同类别；基于全量货车实时轨迹数据，对每类车辆在全国各路线的行驶次数进行KMeans聚类，使各路线根据行驶次数被划分到多个类中；对路线的限速值和行驶次数进行加权排序，生成每种类型车辆新的路线类型数据；根据车辆长宽高、载重、轴数为车辆选择不同类型的路线类别，并基于所述路线类别的权重函数选择总权值最小的路线，作为所述车辆的规划路线。2.根据权利要求1所述的方法，其特征在于，所述基于全量货车属性数据，采用KMeans算法进行聚类，将全部货车划分为不同类别，包括：根据货车长、宽、高、载重、轴数，对全量货车数据，采用KMeans算法进行聚类；根据轮廓系数确定聚类规则；将所有车辆分成多个类，使确定长宽高、载重、轴数的车辆都划分在确定的类别中。3.根据权利要求1所述的方法，其特征在于，所述基于全量货车实时轨迹数据，对每类车辆在全国各路线的行驶次数进行KMeans聚类，使各路线根据行驶次数被划分到多个类中，包括：遍历每一类车辆，统计预设时间段内，全国每条路上每类车辆的行驶次数；对于每一类车辆，统计该类车辆在预设时间段内经过的路线的本类车辆数；统计全国路线数据的限速类型，设类型数为N；对每类车辆在全国各路线的行驶次数进行KMeans聚类，使各路线根据行驶次数被划分到N个类中。4.根据权利要求1所述的方法，其特征在于，所述对路线的限速值和行驶次数进行加权排序，生成每种类型车辆新的路线类型数据，包括：将路线限速类型根据限速值从大到小排序，并根据行驶次数类型进行由多到少排序，综合两种排序结果，生成每种类型车辆新的路线类型数据。5.根据权利要求4所述的方法，其特征在于，所述综合两种排序结果的方式为：假设路线按照限速类别从大到小排序后，路线L在排序中的序号...
【专利技术属性】
技术研发人员：杨晓明，孙智彬，张志平，胡道生，夏曙东，
申请(专利权)人：北京中交兴路信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。