基于货物装载率加速度的装卸点识别方法及装置制造方法及图纸

本申请实施案例提供一种基于货物装载率加速度的装卸点识别方法及装置，方法包括：对货物的装载率数据进行数据清洗；合并货物装载率；确定装载加速度的阈值；通过算法检测，输出识别的装货和卸货开始和结束时间点；本申请能够针对人工装卸点识别中的费时、费事、容易出错等问题，采用新特征参数识别装卸点算法，提高当前产品、当前功能点的识别准确度，解决货车装卸过程中的货物装卸开始点和结束点的识别准确度不高，误差率较大，不能适用部分缺失数据。

Identification Method and Device of Loading and unloading Point Based on the Acceleration of Cargo Loading Rate

【技术实现步骤摘要】
基于货物装载率加速度的装卸点识别方法及装置
本申请涉及数据处理领域，具体涉及一种基于货物装载率加速度的装卸点识别方法及装置。
技术介绍
目前针对货物装卸点识别的方案大多借助员工定点打卡统计，物流公司更多的是通过人工统计装卸货地点的数据记录或者人工估计相应的装卸点。但是，在装卸过程中想自动识别相应的装卸点、快速定位装卸过程比较困难，其中有部分科技公司采用定点打卡模式，但是硬件成本高，难以控制硬件成本，并且错误率较高。目前，市场还没有一款成熟的软件自动识别装卸货的开始和结束。
技术实现思路
针对现有技术中的问题，本申请提供一种基于货物装载率加速度的装卸点识别方法及装置，能够针对人工装卸点识别中的费时、费事、容易出错等问题，采用新特征参数识别装卸点算法，提高当前产品、当前功能点的识别准确度，解决货车装卸过程中的货物装卸开始点和结束点的识别准确度不高，误差率较大，不能适用缺失数据。为了解决上述问题中的至少一个，本申请提供以下技术方案：第一方面，本申请提供一种基于货物装载率加速度的装卸点识别方法，包括：对货物的装载率数据进行数据清洗；合并货物装载率；确定装载加速度的阈值；通过算法检测，输出识别的装货和卸货开始和结束时间点。首先，所述对车辆的装载率数据进行数据清洗，包括：根据车的装载率数据对时间进行合并；根据数据的特性结合相应的业务分析数据本质。其次，所述合并货物装载率，包括：运用装载率窗口解决数据的合并；采用移动平均线对相应的异常数据进行平滑处理。然后，所述确定装载加速度的阈值，包括：取一个较高的短时能量作为阈值MH；利用阈值MH，分出装卸货中较快部分。进一步地，所述确定装载加速度的阈值，包括：取一个较低的能量阈值ML；利用阈值ML，从装卸货高点向两端进行搜索，将较低能量段的加速度较慢部分也加入到装卸货过程，扩大装卸货过程范围。进一步地，所述确定装载加速度的阈值，包括：设定加速度短时过零率的阈值为Zs；将加速度短时过零率大于3倍Zs的部分设定为装卸货的开始和末尾部分，将该部分加入装卸货过程。最后，所述通过算法检测，输出识别的装货和卸货开始和结束时间点，包括：采用三段模式由高能量逐步向低能量确定，直到低能量达到能量阈值；由低能量到初始阶段逐步扩充计算能量和过零率。第二方面，本申请提供一种基于货物装载率加速度的装卸点识别装置，包括：数据预处理模块，用于对货物的装载率数据进行数据清洗；装载率合并模块，用于合并货物装载率；阈值确定模块，用于确定装载加速度的阈值；识别输出模块，用于通过算法检测，输出识别的装货和卸货开始和结束时间点。由上述技术方案可知，本申请提供一种基于货物装载率加速度的装卸点识别方法及装置，通过针对人工装卸点识别中的费时、费事、容易出错等问题，采用新特征参数识别装卸点算法，提高当前产品、当前功能点的识别准确度，解决货车装卸过程中的货物装卸开始点和结束点的识别准确度不高，误差率较大，不能适用缺失数据。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例中的基于货物装载率加速度的装卸点识别方法的流程示意图；图2为本申请实施例中的基于货物装载率加速度的装卸点识别装置的结构示意图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。考虑到目前针对货物装卸点识别的方案大多借助员工定点打卡统计，物流公司更多的是通过人工统计装卸货地点的数据记录或者人工估计相应的装卸点。但是，在装卸过程中想自动识别相应的装卸点、快速定位装卸过程比较困难，其中有部分科技公司采用定点打卡模式，但是硬件成本高，难以控制硬件成本，并且错误率较高。目前，市场还没有一款成熟的软件自动识别装卸货的开始和结束的问题，本申请提供一种基于货物装载率加速度的装卸点识别方法及装置，通过针对人工装卸点识别中的费时、费事、容易出错等问题，采用新特征参数识别装卸点算法，提高当前产品、当前功能点的识别准确度，解决货车装卸过程中的货物装卸开始点和结束点的识别准确度不高，误差率较大，不能适用缺失数据。为了能够针对人工装卸点识别中的费时、费事、容易出错等问题，采用新特征参数识别装卸点算法，提高当前产品、当前功能点的识别准确度，解决货车装卸过程中的货物装卸开始点和结束点的识别准确度不高，误差率较大，不能适用缺失数据，本申请提供一种基于货物装载率加速度的装卸点识别方法的实施例，参见图1，所述基于货物装载率加速度的装卸点识别方法具体包含有如下内容：步骤S101：对货物的装载率数据进行数据清洗。步骤S102：合并货物装载率。步骤S103：确定装载加速度的阈值。步骤S104：通过算法检测，输出识别的装货和卸货开始和结束时间点。从上述描述可知，本申请实施例提供的基于货物装载率加速度的装卸点识别方法，能够针对人工装卸点识别中的费时、费事、容易出错等问题，采用新特征参数识别装卸点算法，提高当前产品、当前功能点的识别准确度，解决货车装卸过程中的货物装卸开始点和结束点的识别准确度不高，误差率较大，不能适用缺失数据。具体详细步骤如下：(1)数据清洗：清洗数据中装载率为-1的值，使用有用的数据(deleted＝0，装载率>0)。分析单个货物的多个装卸货周期。在通常情况下，根据实际数据的情况，装货时间比卸货时间长，一般情况下，装货时间平均8～9小时，最少3小时，而卸货时间一般达到4～6小时(特殊情况除外)，最少1.5小时。因此，有必要根据车的装载率数据对时间进行合并。根据数据的特性结合相应的业务分析数据本质。(2)合并装载率：合并装载率相同的时间段，记一开始时间段和结束时间段。提出装载率窗口的概念，运用装载率窗口解决数据的合并。在该项目实施中，根据数据特性，比较了：中位值滤波法、中位值平均滤波法、简单移动平均线。因数据中存在很多异常数据，需要对异常数据做出处理，在实施中采用移动平均线对相应的数据做出处理，能更好的将异常数据平滑处理，对于两边数据出现异常是因为采用Hanning窗对数据做卷积最后只有一条数据，其时间窗的数据做卷积有较小影响，因此，在数据需求层需要有多条数据保持对应装载状态。(3)阈值确定装载加速度高能量：装载加速度高能量取一个较高的短时能量作为阈值MH，利用这个阈值，就可以先分出装卸货中较快部分。实验的MH，我取的是所有帧的短时能量的平均数的一半(平均数试过了，偏大，处理有问题，识别偏后)；装载加速度低能量：取一个较低的能量阈值ML，利用这个阈值，可以从装卸货高点向两端进行搜索，将较低能量段的加速度较慢部分也加入到装卸货过程，进一步扩大装卸货过程范围。实验中，我首先计算装卸货过程前一段的静止部分的能量均值(前10条数据)，我将静止部分的能量均值和MH的平均数的一半作为ML。装载加速度过零本文档来自技高网...

【技术保护点】
1.一种基于货物装载率加速度的装卸点识别方法，其特征在于，所述方法包括：对货物的装载率数据进行数据清洗；合并货物装载率；确定装载加速度的阈值；通过算法检测，输出识别的装货和卸货开始和结束时间点。

【技术特征摘要】
1.一种基于货物装载率加速度的装卸点识别方法，其特征在于，所述方法包括：对货物的装载率数据进行数据清洗；合并货物装载率；确定装载加速度的阈值；通过算法检测，输出识别的装货和卸货开始和结束时间点。2.根据权利要求1所述的装卸点识别方法，其特征在于，所述对车辆的装载率数据进行数据清洗，包括：根据车的装载率数据对时间进行合并；根据数据的特性结合相应的业务分析数据本质。3.根据权利要求1所述的装卸点识别方法，其特征在于，所述合并货物装载率，包括：运用装载率窗口解决数据的合并；采用移动平均线对相应的异常数据进行平滑处理。4.根据权利要求1所述的装卸点识别方法，其特征在于，所述确定装载加速度的阈值，包括：取一个较高的短时能量作为阈值MH；利用阈值MH，分出装卸货中较快部分。5.根据权利要求1所述的装卸点识别方法，其特征在于，所述确定装载加速度的阈值，包括：取一个较低的能量阈值ML；利用阈值M...

【专利技术属性】
技术研发人员：李乐，
申请(专利权)人：吉旗物联科技上海有限公司，
类型：发明
国别省市：上海,31