本发明专利技术涉及物流运输时长预测技术领域，具体涉及基于数字孪生的物流运输大数据采集方法及系统。方法包括：获取待分析物流运输路线在历史时间段每次运输以及当前运输对应的行程曲线；根据待分析行程曲线的每个数据段对应的路程差、每个数据段的每个行驶路程与标准行程曲线上同一行驶路程对应的横坐标的差异，筛选异常数据段；根据每个数据段与标准行程曲线对应的标准段的斜率差异和时长的差异得到每个数据段的异常评价值；根据每个待分析行程曲线的异常数据段在所有待分析行程曲线上对应的数据段的异常评价值的相似情况，筛选目标曲线，对数字孪生模型进行训练，进而获得当前运输的行驶时长。本发明专利技术提高了物流运输时长预测结果的准确度。
【技术实现步骤摘要】
本专利技术涉及物流运输时长预测，具体涉及基于数字孪生的物流运输大数据采集方法及系统。
技术介绍
1、数字孪生模型是一种基于物理实体的数字化模型，通过将实际数据收集、仿真和分析结合起来，实现对实体系统的全面建模和实时监控，数字孪生技术在工业制造、城市管理、物流运输等领域已得到了广泛的应用。例如在物流运输领域可以通过整合实时数据，监控车辆、货物和路况等信息进行预测和分析，帮助管理者在制定运输计划时做出更好的决策。
2、在利用数字孪生模型对物流运输时长进行预测分析时，车辆运输情况出现异常可能是由于单个车辆出现问题造成的个别异常或者由于交通状况改变造成的大量异常，例如，某个车辆在物流运输过程中出现抛锚现象导致运输时长增加，司机在驾驶过程中出现问题或意外情况，雨雪天气造成的堵车导致车辆速度低于预期值等。由于交通状况等因素改变造成的大量异常时的异常数据对数字孪生模型预测的参考度较高，而单个车辆出现问题造成的个别异常的异常数据对数字孪生模型预测的参考度较低，若参与到对数字孪生模型的训练过程中则会导致物流运输时长的预测结果的准确度较低。
技术实现思路
1、为了解决现有方法对数字孪生模型进行训练进而预测物流运输时长时不对数据集进行筛选，进而导致物流运输时长的预测结果的准确度较低的问题，本专利技术的目的在于提供一种基于数字孪生的物流运输大数据采集方法及系统，所采用的技术方案具体如下：
2、第一方面，本专利技术提供了一种基于数字孪生的物流运输大数据采集方法，该方法包括以下步骤：</p>3、获取待分析物流运输路线在历史时间段每次运输过程中以及当前运输过程中每个采集时刻的行驶路程，构建每次运输对应的行程曲线，所述行程曲线的横坐标为采集时刻，纵坐标为行驶路程；
4、基于历史时间段每次运输过程中的行驶路程筛选待分析行程曲线；基于标准行程曲线上数据点的斜率获得标准行程曲线的标准段和待分析行程曲线的数据段；根据每个数据段对应的路程差、每个数据段的每个行驶路程对应的横坐标与标准行程曲线上同一行驶路程对应的横坐标之间的差异，获得每个数据段的差异指标，基于差异指标筛选每条待分析行程曲线的异常数据段；
5、根据每个数据段与对应的标准段的斜率差异、时长的差异和所述差异指标，得到每个数据段的异常评价值；根据每个待分析行程曲线的异常数据段在所有待分析行程曲线上对应的数据段的异常评价值的相似情况，得到每个待分析行程曲线的参考度，基于所述参考度筛选目标曲线；
6、基于所述目标曲线对数字孪生模型进行训练获得训练好的数字孪生模型，将当前运输对应的行程曲线输入训练好的数字孪生模型中，获得当前运输的行驶时长。
7、优选的，所述基于历史时间段每次运输过程中的行驶路程筛选待分析行程曲线，包括：
8、对于历史时间段第i次运输过程：
9、将所述第i次运输过程中的行驶路程与待分析物流运输路线的总路程的差值的绝对值，记为路程差异；若所述路程差异与待分析物流运输路线的总路程的比值小于预设占比阈值，则将所述第i次运输对应的行程曲线作为待分析行程曲线。
10、优选的，所述基于标准行程曲线上数据点的斜率获得标准行程曲线的标准段和待分析行程曲线的数据段，包括：
11、基于标准行程曲线上每个数据点的斜率，采用层次聚类算法对标准行程曲线上数据点进行聚类，获得标准行程曲线的标准段；
12、按照标准行程曲线的每个标准段的长度分别对每个待分析行程曲线进行划分，获得待分析行程曲线的数据段。
13、优选的，所述根据每个数据段对应的路程差、每个数据段的每个行驶路程对应的横坐标与标准行程曲线上同一行驶路程对应的横坐标之间的差异，获得每个数据段的差异指标，包括：
14、对于第b个待分析行程曲线的第p个数据段：
15、将所述第p个数据段的两个端点对应的行驶路程之间的差异，作为第p个数据段对应的路程差；
16、将所述第p个数据段的每个行驶路程对应的横坐标与标准行程曲线上同一行驶路程对应的横坐标之间的差异，记为第p个数据段的每个行驶路程对应的时间差异；
17、根据所述路程差和所述时间差异，得到所述第p个数据段的差异指标，所述路程差与所述差异指标呈负相关关系，所述时间差异与所述差异指标呈正相关关系。
18、优选的，所述基于差异指标筛选每条待分析行程曲线的异常数据段，包括：
19、将差异指标大于预设差异阈值的数据段作为异常数据段。
20、优选的，所述根据每个数据段与对应的标准段的斜率差异、时长的差异和所述差异指标，得到每个数据段的异常评价值，包括：
21、对于第b个待分析行程曲线：
22、基于第b个待分析行程曲线上每个数据点的斜率，采用层次聚类算法对第b个待分析行程曲线上数据点进行聚类，获得第b个待分析行程曲线的特征段；
23、对于第b个待分析行程曲线的第p个数据段，采用如下公式计算第b个待分析行程曲线的第p个数据段的异常评价值：
24、
25、其中，表示第b个待分析行程曲线的第p个数据段的异常评价值，表示第b个待分析行程曲线的第p个数据段的差异指标，表示第b个待分析行程曲线的第p个数据段对应的时长，表示第b个待分析行程曲线的第p个数据段的路程在标准行程曲线上所对应的时长，表示第b个待分析行程曲线的第p个数据段上所有数据点的斜率的平均值，表示标准行程曲线的第p个标准段上所有数据点的斜率的平均值，表示第b个待分析行程曲线的第p个数据段中包含的特征段的端点的数量，表示符号函数，表示取绝对值符号。
26、优选的，所述根据每个待分析行程曲线的异常数据段在所有待分析行程曲线上对应的数据段的异常评价值的相似情况，得到每个待分析行程曲线的参考度，包括：
27、对于第b个待分析行程曲线：
28、对于第b个待分析行程曲线的第k个异常数据段：分别获取每个待分析行程曲线上与第b个待分析行程曲线的第k个异常数据段对应的位置的数据段，并记为每个待分析行程曲线的参考段；按照所有待分析行程曲线对应的起始时刻的先后顺序对所有待分析行程曲线的参考段进行排序，获得所述第k个异常数据段对应的参考段序列；根据所述参考段序列中每个参考段与其相邻的参考段的异常评价值之间的差异，得到所述第k个异常数据段对应的相似度；
29、根据第b个待分析行程曲线的所有异常数据段对应的相似度，获得第b个待分析行程曲线的参考度。
30、优选的，采用如下公式计算第b个待分析行程曲线的参考度：
31、
32、其中，表示第b个待分析行程曲线的参考度，表示第b个待分析行程曲线的异常数据段的数量，r表示第b个待分析行程曲线的第k个异常数据段对应的参考段序列中参考段的数量，表示第b个待分析行程曲线的第k个异常数据段对应的参考段序列中第r个参考段的异常评价值，表示第b个待分析行程曲线的第k个异常数据段对应的参考段序列中第r-1个参考段的本文档来自技高网
...
【技术保护点】
1.一种基于数字孪生的物流运输大数据采集方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于数字孪生的物流运输大数据采集方法，其特征在于，所述基于历史时间段每次运输过程中的行驶路程筛选待分析行程曲线，包括：
3.根据权利要求1所述的基于数字孪生的物流运输大数据采集方法，其特征在于，所述基于标准行程曲线上数据点的斜率获得标准行程曲线的标准段和待分析行程曲线的数据段，包括：
4.根据权利要求1所述的基于数字孪生的物流运输大数据采集方法，其特征在于，所述根据每个数据段对应的路程差、每个数据段的每个行驶路程对应的横坐标与标准行程曲线上同一行驶路程对应的横坐标之间的差异，获得每个数据段的差异指标，包括：
5.根据权利要求1所述的基于数字孪生的物流运输大数据采集方法，其特征在于，所述基于差异指标筛选每条待分析行程曲线的异常数据段，包括：
6.根据权利要求3所述的基于数字孪生的物流运输大数据采集方法，其特征在于，所述根据每个数据段与对应的标准段的斜率差异、时长的差异和所述差异指标，得到每个数据段的异常评价值，包括：p>
7.根据权利要求1所述的基于数字孪生的物流运输大数据采集方法，其特征在于，所述根据每个待分析行程曲线的异常数据段在所有待分析行程曲线上对应的数据段的异常评价值的相似情况，得到每个待分析行程曲线的参考度，包括：
8.根据权利要求7所述的基于数字孪生的物流运输大数据采集方法，其特征在于，采用如下公式计算第b个待分析行程曲线的参考度：
9.根据权利要求1所述的基于数字孪生的物流运输大数据采集方法，其特征在于，所述基于所述参考度筛选目标曲线，包括：
10.一种基于数字孪生的物流运输大数据采集系统，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如权利要求1-9任一项所述的基于数字孪生的物流运输大数据采集方法。
...
【技术特征摘要】
1.一种基于数字孪生的物流运输大数据采集方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于数字孪生的物流运输大数据采集方法，其特征在于，所述基于历史时间段每次运输过程中的行驶路程筛选待分析行程曲线，包括：
3.根据权利要求1所述的基于数字孪生的物流运输大数据采集方法，其特征在于，所述基于标准行程曲线上数据点的斜率获得标准行程曲线的标准段和待分析行程曲线的数据段，包括：
4.根据权利要求1所述的基于数字孪生的物流运输大数据采集方法，其特征在于，所述根据每个数据段对应的路程差、每个数据段的每个行驶路程对应的横坐标与标准行程曲线上同一行驶路程对应的横坐标之间的差异，获得每个数据段的差异指标，包括：
5.根据权利要求1所述的基于数字孪生的物流运输大数据采集方法，其特征在于，所述基于差异指标筛选每条待分析行程曲线的异常数据段，包括：
6.根据权利要求3所述的基于...
【专利技术属性】
技术研发人员：郭欣青，
申请(专利权)人：山东师范大学，
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。