一种无人车货物运输方式的智能选择方法及系统技术方案

本发明专利技术涉及一种无人车货物运输方式的智能选择方法，包括获取无人车货物运输数据，对运输数据进行归一化处理；对处理后的运输数据进行降维处理；基于降维处理后的运输数据利用智能学习算法获取无人车运输方式；基于运输数据对运输方式进行更新，利用更新后的运输方式并结合预先获取的货物状态检测方式和突发状况处理方式实现无人车运输方式的决策；对已完成的无人车运输订单进行评估。本发明专利技术采用固定阈值的更新方法，同时考虑到了各类运输方式的差异，按照类别和时序两个维度进行源数据的更新，而且增设了运输订单评估，将其评估分数作为重要指标加权并纳入源数据的更新，从而保证了数据的实时性及运输方式的有效性。了数据的实时性及运输方式的有效性。了数据的实时性及运输方式的有效性。

【技术实现步骤摘要】
一种无人车货物运输方式的智能选择方法及系统


[0001]本专利技术涉及智能物流
，尤其是指一种无人车货物运输方式的智能选择方法及系统。

技术介绍

[0002]近年来，物流行业出现司机的人力短缺问题，人力成本不断上涨，市场竞争愈加激烈。此外，由司机的人为因素导致的运输安全、稳定和效率等问题时常发生，因此如何改善人力短缺问题以及避免人为导致的运输问题成为当前热门的研究话题。
[0003]无人车技术是解决上述问题的有效手段，其能利用车载传感器来实时感知周围环境，自动规划路径并控制车辆到达目的地。但是现有技术的无人车在货物运输方式的选择上存在不足，其具体表现为在货物运输方式的选择上欠缺多个维度情况的考虑，很难提升无人车运输指令发布的快速性、安全性、稳定性，从而无法提高货物运输的效率。尤其是针对订单数据量大等问题，无法同时考虑到各类运输方式的差异，很难在多个维度上进行源数据的更新，从而无法保证数据的实时性及运输方式的有效性。

技术实现思路

[0004]为此，本专利技术所要解决的技术问题在于克服现有技术中存在的技术缺陷，提供一种无人车货物运输方式的智能选择方法及系统，采用了固定阈值的更新方法，同时考虑到了各类运输方式的差异，按照类别和时序两个维度进行源数据的更新，而且增设了运输订单评估，将其评估分数作为重要指标加权并纳入源数据的更新，从而保证了数据的实时性及运输方式的有效性。
[0005]为解决上述技术问题，本专利技术提供一种无人车货物运输方式的智能选择方法，包括：
[0006]获取无人车货物运输数据，对所述运输数据进行归一化处理；
[0007]对处理后的运输数据进行降维处理；
[0008]基于降维处理后的运输数据利用智能学习算法获取无人车运输方式；
[0009]基于所述运输数据对所述运输方式进行更新，利用更新后的运输方式并结合预先获取的货物状态检测方式和突发状况处理方式实现无人车运输方式的决策；
[0010]对已完成的无人车运输订单进行评估。
[0011]在本专利技术的一个实施例中，获取无人车货物运输数据，对所述运输数据进行归一化处理的方法包括：
[0012]采集无人车运输数据X∈R
n
×
m
，得到如下样本矩阵：
[0013][0014]其中m为无人车运输的特征指标个数，n为选取的样本数据中无人车运输订单个
数；
[0015]求取样本矩阵X的均值和方差，对数据进行归一化处理如下：
[0016][0017]其中为变量X
j
的均值，S
j
为变量X
j
的标准差。
[0018]在本专利技术的一个实施例中，对处理后的运输数据进行降维处理的方法包括：
[0019]归一化处理后得到标准化矩阵X
*
，求出X
*
的协方差矩阵D，
[0020]对协方差矩阵D进行特征值分解，将得到的特征值由大到小进行排序，提取前k个特征值(λ1≥λ2≥
…
≥λ
k
)以及对应的向量(p1,p2,
…
,p
k
)，并计算综合指标t
s
，t
s
＝X
*
p
s
，其中s＝1,2,
…
k；
[0021]令T
k
＝{t1,t2,
…
,t
k
}，则降维后的无人车货物运输数据集为T
k
。
[0022]在本专利技术的一个实施例中，基于降维处理后的运输数据利用智能学习算法获取无人车运输方式包括：
[0023]将降维后的无人车货物运输数据作为智能学习算法的输入，无人车的不同运输方式作为智能学习算法的输出，以误差函数的值最小为目标，获得无人车运输方式。
[0024]在本专利技术的一个实施例中，基于所述运输数据对所述运输方式进行更新的方法包括：
[0025]设定更新阈值L，将运输数据按照类别进行分类，其中类别个数为W；
[0026]按照时序对每个类别的运输数据选取L/W个样本数据，将各类别中所选取的样本数据作为源数据进行模型训练及类别的智能选择；
[0027]对于新增加的运输数据，需要判别其类别并按照类别将新增加的运输数据插入该类别的源数据中。
[0028]在本专利技术的一个实施例中，预先获取货物状态检测方式的方法包括：
[0029]获取货物类型数据，对所述货物类型数据进行归一化处理；
[0030]对处理后的货物类型数据进行降维处理；
[0031]将降维后的货物类型数据作为智能学习算法的输入，货物状态检测方式作为智能学习算法的输出，以误差函数的值最小为目标，获得货物状态检测方式。
[0032]在本专利技术的一个实施例中，对已完成的无人车运输订单进行评估的方法包括：
[0033]获取所有类别的无人车运输订单在运输过程中的数据；
[0034]根据数据采取积分制对所有类别的无人车运输订单进行打分；
[0035]对分数赋予一定的权值比例，并将其作为用于运输方式更新的运输数据。
[0036]此外，本专利技术还提供一种无人车货物运输方式的智能选择系统，包括：
[0037]数据获取模块，所述数据获取模块用于获取无人车货物运输数据，对所述运输数据进行归一化处理；
[0038]数据降维模块，所述数据降维模块用于对处理后的运输数据进行降维处理；
[0039]智能学习模块，所述智能学习模块用于基于降维处理后的运输数据利用智能学习
算法获取无人车运输方式；
[0040]运输方式决策模块，所述运输方式决策模块用于基于所述运输数据对所述运输方式进行更新，利用更新后的运输方式并结合预先获取的货物状态检测方式和突发状况处理方式实现无人车运输方式的决策；
[0041]运输订单评估模块，所述运输订单评估模块用于对已完成的无人车运输订单进行评估。
[0042]在本专利技术的一个实施例中，所述运输方式决策模块包括：
[0043]运输方式更新单元，所述运输方式更新单元用于基于所述运输数据对所述运输方式进行更新，其方法包括：
[0044]设定更新阈值L，将运输数据按照类别进行分类，其中类别个数为W；
[0045]按照时序对每个类别的运输数据选取L/W个样本数据，将各类别中所选取的样本数据作为源数据进行模型训练及类别的智能选择；
[0046]对于新增加的运输数据，需要判别其类别并按照类别将新增加的运输数据插入该类别的源数据中。
[0047]在本专利技术的一个实施例中，所述运输订单评估模块包括：
[0048]运输订单打分单元，所述运输订单打分单元用于对已完成的无人车运输订单进行打分，其方法包括：
[0049]获取所有类别的无人车运输订单在运输过程中的数据；
[0050]根据数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人车货物运输方式的智能选择方法，其特征在于，包括：获取无人车货物运输数据，对所述运输数据进行归一化处理；对处理后的运输数据进行降维处理；基于降维处理后的运输数据利用智能学习算法获取无人车运输方式；基于所述运输数据对所述运输方式进行更新，利用更新后的运输方式并结合预先获取的货物状态检测方式和突发状况处理方式实现无人车运输方式的决策；对已完成的无人车运输订单进行评估。2.根据权利要求1所述的无人车货物运输方式的智能选择方法，其特征在于：获取无人车货物运输数据，对所述运输数据进行归一化处理的方法包括：采集无人车运输数据X∈R
n
×
m
，得到如下样本矩阵：其中m为无人车运输的特征指标个数，n为选取的样本数据中无人车运输订单个数；求取样本矩阵X的均值和方差，对数据进行归一化处理如下：其中为变量X
j
的均值，S
j
为变量X
j
的标准差。3.根据权利要求2所述的无人车货物运输方式的智能选择方法，其特征在于：对处理后的运输数据进行降维处理的方法包括：归一化处理后得到标准化矩阵X
*
，求出X
*
的协方差矩阵D，对协方差矩阵D进行特征值分解，将得到的特征值由大到小进行排序，提取前k个特征值(λ1≥λ2≥
…
≥λ
k
)以及对应的向量(p1,p2,
…
,p
k
)，并计算综合指标t
s
，t
s
＝X
*
p
s
，其中s＝1,2,
…
k；令T
k
＝{t1,t2,
…
,t
k
}，则降维后的无人车货物运输数据集为T
k
。4.根据权利要求1所述的无人车货物运输方式的智能选择方法，其特征在于：基于降维处理后的运输数据利用智能学习算法获取无人车运输方式包括：将降维后的无人车货物运输数据作为智能学习算法的输入，无人车的不同运输方式作为智能学习算法的输出，以误差函数的值最小为目标，获得无人车运输方式。5.根据权利要求1所述的无人车货物运输方式的智能选择方法，其特征在于：基于所述运输数据对所述运输方式进行更新的方法包括：设定更新阈值L，将运输数据按照类别进行分类，其中类别个数为W；按照时...

【专利技术属性】
技术研发人员：栾小丽，许飞鸿，杜康，贾明，
申请(专利权)人：江苏物云通物流科技有限公司，
类型：发明
国别省市：