一种货运状态识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种货运状态识别方法，包括获取目标车辆的待识别GPS数据，生成对应所述待识别GPS数据的待识别轨迹数据；对所述待识别轨迹数据进行预处理，得到待识别数据矩阵；调用预先训练的神经网络模型，根据所述待识别数据矩阵得到对应所述目标车辆的车辆货运状态。通过神经网络模型根据目标车辆的待识别GPS数据识别目标车辆的车辆货运状态，可以实现在不外置其他设备的情况下，充分考虑到经济成本和人工疏漏的问题，自动识别目标车辆的货运状态，以便对车辆的运输路线进行规划和导航，实现合理的调度。本发明专利技术还提供了一种货运状态识别装置、一种货运状态识别设备以及一种计算机可读存储介质，同样具有上述有益效果。

【技术实现步骤摘要】
一种货运状态识别方法、装置、设备及存储介质
本专利技术涉及智能识别
，特别是涉及一种货运状态识别方法、一种货运状态识别装置、一种货运状态识别设备以及一种计算机可读存储介质。
技术介绍
近年来，随着人工智能的发展，神经网络以其强大的自学习能力和高速寻找优化解的能力，在模式识别、自动控制、信号处理、辅助决策等众多研究领域取得了广泛的成功。在物流的实际运作过程中，如果能准确地获取到重卡的货运状态，如空载、半载、满载、停车或加油，并匹配其对应配载状态的GPS行驶轨迹，就能够准确地掌控货物的流向，货物的集散地，匹配车源和货源，提高运输效率，降低空驶率。对于某些特定的行业，还可以帮助货主方判断是否发生了串货等。在不加装载重感应器的情况下，物流运输过程中，重型卡车的货运状态是车辆监控系统无法感知的。如果想实时获取到车辆的货运状态，目前的方法有以下两种：一是加装重力感应器来识别车辆的货运状态；二是司机在APP上手动切换货运状态。上述技术方案存在以下几个问题：加装重力感应器会涉及到设备成本较高、车辆改装和质保、售后等一系列问题；现实情况下司机一般不会去做手动切换，且基于人工梳理的方式不但耗时长，而且效率低，准确性和合理性都直接受到人自身因素的影响。所以如何提供一种可以确定车辆货运状态的方法是本领域技术人员急需解决的问题。
技术实现思路
本专利技术的目的是提供一种货运状态识别方法，可以仅通过车辆的GPS数据识别该车辆的货运状态；本专利技术的另一目的在于提供一种货运状态识别装置、一种货运状态识别设备以及一种计算机可读存储介质，可以仅通过车辆的GPS数据识别该车辆的货运状态。为解决上述技术问题，本专利技术提供一种货运状态识别方法，包括：获取目标车辆的待识别GPS数据，生成对应所述待识别GPS数据的待识别轨迹数据；对所述待识别轨迹数据进行预处理，得到待识别数据矩阵；调用预先训练的神经网络模型，根据所述待识别数据矩阵得到对应所述目标车辆的车辆货运状态。可选的，所述对所述待识别轨迹数据进行预处理，得到待识别数据矩阵包括：提取所述待识别轨迹数据的特征值生成待过滤数据；所述特征值包括时间戳；过滤所述待过滤数据中的异常数据，得到待归一化数据；所述待归一化数据为目标车辆连续行驶时所产生的数据；对所述待归一化数据进行归一化，得到待识别数据矩阵。可选的，所述特征值包括：经度、维度、角度、速度、和所述时间戳。可选的，所述对所述待归一化数据进行归一化，得到待识别数据矩阵包括：根据所述时间戳的先后顺序排列所述待归一化数据；在排列所述待归一化数据之后，计算相邻两个所述待归一化数据中对应特征值的差值以及方差值；调用离差标准化模型，根据所述差值中的最大值与所述差值中的最小值对所述待归一化数据进行归一化，并调用所述离差标准化模型，根据所述方差值中的最大值与所述方差值中的最小值对所述待归一化数据进行归一化，得到待识别数据矩阵。可选的，所述神经网络模型中的池化层包括最大值池化层。可选的，训练所述神经网络模型的步骤包括：获取目标车辆的待训练GPS数据，生成对应所述待训练GPS数据的待训练轨迹数据；对所述待训练轨迹数据进行预处理，得到待训练数据矩阵；将所述待训练数据矩阵输入神经网络模型，对所述神经网络模型进行训练。可选的，所述将所述待训练数据矩阵输入神经网络模型，对所述神经网络模型进行训练包括：将所述待训练数据矩阵输入神经网络模型，并根据交叉熵损失函数模型对所述神经网络模型进行训练。本专利技术还提供了一种货运状态识别装置，包括：获取模块：用于获取目标车辆的待识别GPS数据，生成对应所述待识别GPS数据的待识别轨迹数据；预处理模块：用于对所述待识别轨迹数据进行预处理，得到待识别数据矩阵；神经网络模块：用于调用预先训练的神经网络模型，根据所述待识别数据矩阵得到对应所述目标车辆的车辆货运状态。本专利技术还提供了一种货运状态识别设备，所述设备包括：存储器：用于存储计算机程序；处理器：用于执行所述计算机程序时实现如上述任一项所述货运状态识别方法的步骤。本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述货运状态识别方法的步骤。本专利技术所提供的一种货运状态识别方法，包括获取目标车辆的待识别GPS数据，生成对应所述待识别GPS数据的待识别轨迹数据；对所述待识别轨迹数据进行预处理，得到待识别数据矩阵；调用预先训练的神经网络模型，根据所述待识别数据矩阵得到对应所述目标车辆的车辆货运状态。根据物理学知识可知，车辆在满载的状态下，启动的加速度会相对空载和半载的状态下小很多，上坡的速度会相对空载和半载的状态下慢很多，转弯的速度可能会比空载和半载的状态下慢，直行的平均速度会比空载和半载的状态下慢。在本专利技术中通过神经网络模型根据目标车辆的待识别GPS数据识别目标车辆的车辆货运状态，可以实现在不外置其他设备的情况下，充分考虑到经济成本和人工疏漏的问题，自动识别目标车辆的货运状态，以便对车辆的运输路线进行规划和导航，实现合理的调度。本专利技术还提供了一种货运状态识别装置、一种货运状态识别设备以及一种计算机可读存储介质，同样具有上述有益效果，在此不再进行赘述。附图说明为了更清楚的说明本专利技术实施例或现有技术的技术方案，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的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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为本专利技术实施例所提供的一种货运状态识别方法的流程图；图2为本专利技术实施例所提供的一种具体的货运状态识别方法的流程图；图3为本专利技术实施例所提供的另一种具体的货运状态识别方法的流程图；图4为本专利技术实施例所提供的一种货运状态识别装置的结构框图；图5为本专利技术实施例所提供的一种货运状态识别设备的结构框图。具体实施方式本专利技术的核心是提供一种货运状态识别方法。在现有技术中，在不加装载重感应器的情况下，物流运输过程中，重型卡车的货运状态是车辆监控系统无法感知的。如果想实时获取到车辆的货运状态，目前的方法有以下两种：一是加装重力感应器来识别车辆的货运状态；二是司机在APP上手动切换货运状态。上述技术方案存在以下几个问题：加装重力感应器会涉及到设备成本较高、车辆改装和质保、售后等一系列问题；现实情况下司机一般不会去做手动切换，且基于人工梳理的方式不但耗时长，而且效率低，准确性和合理性都直接受到人自身因素的影响。而本专利技术所提供的一种货运状态识别方法，包括获取目标车辆的待识别GPS数据，生成对应所述待识别GPS数据的待识别轨迹数据；对所述待识别轨迹数据进行预处理，得到待识别数据矩阵；调用预先训练的神经网络模型，根据本文档来自技高网...

【技术保护点】
1.一种货运状态识别方法，其特征在于，包括：/n获取目标车辆的待识别GPS数据，生成对应所述待识别GPS数据的待识别轨迹数据；/n对所述待识别轨迹数据进行预处理，得到待识别数据矩阵；/n调用预先训练的神经网络模型，根据所述待识别数据矩阵得到对应所述目标车辆的车辆货运状态。/n

【技术特征摘要】
1.一种货运状态识别方法，其特征在于，包括：
获取目标车辆的待识别GPS数据，生成对应所述待识别GPS数据的待识别轨迹数据；
对所述待识别轨迹数据进行预处理，得到待识别数据矩阵；
调用预先训练的神经网络模型，根据所述待识别数据矩阵得到对应所述目标车辆的车辆货运状态。


2.根据权利要求1所述的方法，其特征在于，所述对所述待识别轨迹数据进行预处理，得到待识别数据矩阵包括：
提取所述待识别轨迹数据的特征值生成待过滤数据；所述特征值包括时间戳；
过滤所述待过滤数据中的异常数据，得到待归一化数据；所述待归一化数据为目标车辆连续行驶时所产生的数据；
对所述待归一化数据进行归一化，得到待识别数据矩阵。


3.根据权利要求2所述的方法，其特征在于，所述特征值包括：
经度、维度、角度、速度、和所述时间戳。


4.根据权利要求3所述的方法，其特征在于，所述对所述待归一化数据进行归一化，得到待识别数据矩阵包括：
根据所述时间戳的先后顺序排列所述待归一化数据；
在排列所述待归一化数据之后，计算相邻两个所述待归一化数据中对应特征值的差值以及方差值；
调用离差标准化模型，根据所述差值中的最大值与所述差值中的最小值对所述待归一化数据进行归一化，并调用所述离差标准化模型，根据所述方差值中的最大值与所述方差值中的最小值对所述待归一化数据进行归一化，得到待识别数据矩阵。


5.根据权利要求1所述的方法，其特征在于，所述神经网络模...

【专利技术属性】
技术研发人员：刘峤，韩祥，蓝天，雷楚沅，彭川，
申请(专利权)人：电子科技大学，四川云智造科技有限公司，
类型：发明
国别省市：四川;51