一种面向城市货运物流链的多源数据融合分析方法技术

本发明专利技术提供了一种面向城市货运物流链的多源数据融合分析方法，包括：S1：提取各类货运多源数据的特征；S2：构建城市货运物流指标体系，形成货运物流链结构框架；S3：将货运物流链分成N段，并设c=1；S4：提取多源数据特征；S5：数据切片；S6：多源数据的融合计算；S7：判断是否c=N，若是则跳转至S8，否则c=c+1，并返回至S4；S8：校核融合数据的合理性，若满足合理性要求则输出分析结果，若不满足返回S4。通过结合多源数据的特征提取、数据切片以及数据融合方法，实现了对城市货运物流特征的系统化链式分析。析。析。

【技术实现步骤摘要】
一种面向城市货运物流链的多源数据融合分析方法


[0001]本专利技术涉及智慧交通领域，更具体的，涉及一种面向城市货运物流链的多源数据融合分析方法。

技术介绍

[0002]优化城市货运物流模式是经济发展的重要内容，是城市与交通协调发展的必要保障。现有对城市货运物流的研究方法中，一部分采用人工调查的方式分析城市货运需求，采用该方式的货运分析存在效率低、量大繁杂、数据片面以及时效性差等问题；一部分基于GPS数据分析城市货运需求，主要是针对出行轨迹的分析；一部分利用高速收费站数据分析城市货运需求，但高速公路货车量仅能表达部分的城市货车出行量，且不同城市、不同区域采用高速公路进行货运的需求也存在较大差异。此外，各类数据存在各自的优劣性，仅利用单数据源进行分析，难以完全体现出整个城市的货运流动特征。
[0003]同时，交通信息化的发展为货运物流的研究提供了扎实的数据基础。GPS数据方面，依据相关规定，大型货车在出厂前应当安装符合标准的卫星定位装置，因此大型货车具有较高的GPS普及率；高速公路数据方面，近年实现了联网计重收费(其中货车全部采用称重收费)；城市卡口数据方面，以某市为例，全市已覆盖卡口点位约1.3万个，涵盖所有辖区范围。
[0004]在此背景下，有必要高度融合各类货运物流数据，对城市货运物流特征进行更综合、更系统、更全面、更精确的研究分析。

技术实现思路

[0005]为解决上述技术问题，本专利技术提出了一种面向城市货运物流链的多源数据融合分析方法，通过构建多维度城市货运物流分析指标体系，结合多源数据的特征提取、数据切片以及数据融合方法，实现了对城市货运物流特征的系统化链式分析。
[0006]本专利技术实现了多源数据的融合分析，能够使城市管理者能够更系统、更全面地研究、分析和掌握城市货运物流运作特征。
[0007]为实现上述目的，采用的技术方案如下：
[0008]一种面向城市货运物流链的多源数据融合分析方法，所述方法包括以下步骤：步骤S1：梳理城市货运多源数据，并提取各类货运多源数据的特征；步骤S2：构建多维度的城市货运物流指标体系，形成货运物流链结构框架；步骤S3：将货运物流链分成N段，并设c=1,其中，N为货运物流链的链节数量，代表的是本次城市货运分析的N个维度；c表示分析过程中的链节顺序，c从1开始一直遍历至N，代表按顺序对N个维度进行逐层分析；步骤S4：根据第c段链节的分析目标，提取相应的多源数据特征；步骤S5：根据多源数据特征，进行数据切片；步骤S6：对切片数据进行关联性与互补性分析，实现多源数据的融合计算；步骤S7：判断是否c=N，若是则跳转至步骤S8，否则c=c+1，并返回至步骤S4，继续运算；步骤S8：校核融合数据的合理性，若满足合理性要求则输出货运物流链分析结果，若不满足合理性要求，则返
回步骤S4，重新选取多源数据特征并进行后续处理。
[0009]优选地，所述步骤S1，所述货运多源数据包括：大型货车GPS数据、卡口数据、高速公路数据以及地图数据，首先对原始的货运多源数据进行清洗，清洗缺失数据信息、重复数据、时空不匹配数据，再提取各类货运多源数据的特征。
[0010]优选地，各类货运多源数据特征如下所示：大型货车GPS数据特征包括：时间、车辆id、位置、速度、牌照颜色、行驶里程以及大型货车GPS出行量；卡口数据特征包括：时间、号牌id、卡口位置、车辆类型、牌照颜色、以及卡口交通量；高速公路数据特征包括：时间、收费站名称、收费站位置、车辆类型、各类货车平均载重量、总重、自重、收费站流量、门架名称、门架位置以及门架流量；地图数据特征包括：地块位置、用地类型、以及城市路网。
[0011]优选地，所述步骤S2，分别从货运结构特征、货运分布特征和货运流动特征三个方面构建城市货运物流指标体系，根据所建立的城市货运物流指标体系，形成货运物流链结构框架，所述结构框架包括：货车类型结构、货运需求分布、货运出行OD和货运轨迹通道。
[0012]优选地，所述步骤S4至步骤S7，当c=1时，对三类数据进行融合计算，确定各区域的货车类型结构，所述三类数据包括大型货车GPS数据、卡口数据以及高速公路数据；具体如下：步骤S401：分别提取大型货车GPS数据特征的时间和位置、卡口数据特征的时间和卡口位置以及高速公路数据特征的时间和收费站位置，并提取大型货车GPS数据特征的大型货车GPS出行量、卡口数据特征的卡口交通量、以及高速公路数据特征的车辆类型和收费站流量，形成特征集。
[0013]步骤S501：根据步骤S401所提取的特征集，对数据特征进行切片处理得到切片数据，将无效数据特征进行剔除，所述无效数据特征包括大型货车GPS数据特征中的车辆id、速度、牌照颜色、行驶里程，卡口数据特征中号牌id、车辆类型、牌照颜色，高速公路数据特征中收费站名称、门架位置、门架名称、门架流量、各类货车平均载重量、总重、自重。
[0014]步骤S601：首先对以上切片数据进行关联性分析，通过关联以上切片数据的共同特征字段，按照同等时间维度和空间范围，分别计算各类数据的出行量，再通过各类数据的特点进行融合计算，以确定各区域的货车类型结构，具体如下。
[0015]基于卡口数据计算区域i的货车出行总量，包括区域i内部转移货车总量，以及从区域i出发、到达区域j的货车总量，计算公式如下所示：。
[0016]设定W,M,L：分别表示大型货车、中型货车和小型货车，基于大型货车GPS数据，计算区域大型货车的出行量，包括区域i内部转移的大型货车GPS出行量，以及从区域i出发、运往区域j的大型货车GPS出行量，计算公式如下所示：。
[0017]基于高速公路数据，计算区域i中型货车和小型货车的比例、，表示区域i的收费站入口中型货车通过量占中小型货车通过总量的比例，表示区域i的收费站入口小型货车通过量占中小型货车通过总量的比例，计算公式分别如下所示：
；。
[0018]式中，表示区域i的收费站入口中型货车通过量，表示区域i的收费站入口小型货车通过量。
[0019]以卡口数据计算区域i的货车出行总量作为各区域的货车出行总量，以大型货车GPS数据计算区域大型货车的出行量作为各区域大型货车出行量，以高速公路数据计算结果、作为各区域中、小型货车之间的比例，对三类数据进行融合计算，计算出各区域中、小型货车出行量、，计算公式如下所示：；。
[0020]最后，确定区域i各类货车的出行比例，计算公式如下：；其中，x表示货车类型，W,M,L：分别表示大型货车、中型货车和小型货车。
[0021]优选的，所述步骤S4至步骤S7，当c=2时，基于各区域各类货车出行量，融合各类货车平均载重量以及地图数据，综合分析货运需求分布，具体如下：步骤S402：根据分析货运需求分布的目标，获取多源数据特征，包括上述步骤S601计算得到的各区域大型货车、中型货车以及小型货车的出行量，高速公路数据特征中的各类货车平均载重量以及地图数据特征中的地块位置、用地类型。
[0022]步骤S5本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向城市货运物流链的多源数据融合分析方法，其特征在于，所述方法包括以下步骤：步骤S1：梳理城市货运多源数据，并提取各类货运多源数据的特征；步骤S2：构建多维度的城市货运物流指标体系，形成货运物流链结构框架；步骤S3：将货运物流链分成N段，并设c=1,其中，N为货运物流链的链节数量，代表的是本次城市货运分析的N个维度；c表示分析过程中的链节顺序，c从1开始一直遍历至N，代表按顺序对N个维度进行逐层分析；步骤S4：根据第c段链节的分析目标，提取相应的多源数据特征；步骤S5：根据多源数据特征，进行数据切片；步骤S6：对切片数据进行关联性与互补性分析，实现多源数据的融合计算；步骤S7：判断是否c=N，若是则跳转至步骤S8，否则c=c+1，并返回至步骤S4，继续运算；步骤S8：校核融合数据的合理性，若满足合理性要求则输出货运物流链分析结果，若不满足合理性要求，则返回步骤S4，重新选取多源数据特征并进行后续处理。2.根据权利要求1所述的一种面向城市货运物流链的多源数据融合分析方法，其特征在于，所述步骤S1，所述货运多源数据包括：大型货车GPS数据、卡口数据、高速公路数据以及地图数据，首先对原始的货运多源数据进行清洗，清洗缺失数据信息、重复数据、时空不匹配数据，再提取各类货运多源数据的特征。3.根据权利要求2所述的一种面向城市货运物流链的多源数据融合分析方法，其特征在于，各类货运多源数据特征如下所示：大型货车GPS数据特征包括：时间、车辆id、位置、速度、牌照颜色、行驶里程以及大型货车GPS出行量；卡口数据特征包括：时间、号牌id、卡口位置、车辆类型、牌照颜色、以及卡口交通量；高速公路数据特征包括：时间、收费站名称、收费站位置、车辆类型、各类货车平均载重量、总重、自重、收费站流量、门架名称、门架位置以及门架流量；地图数据特征包括：地块位置、用地类型、以及城市路网。4.根据权利要求1
‑
3任一项所述的一种面向城市货运物流链的多源数据融合分析方法，其特征在于，所述步骤S2，分别从货运结构特征、货运分布特征和货运流动特征三个方面构建城市货运物流指标体系，根据所建立的城市货运物流指标体系，形成货运物流链结构框架，所述结构框架包括：货车类型结构、货运需求分布、货运出行OD和货运轨迹通道。5.根据权利要求4所述的一种面向城市货运物流链的多源数据融合分析方法，其特征在于，所述步骤S4至步骤S7，当c=1时，对三类数据进行融合计算，确定各区域的货车类型结构，所述三类数据包括大型货车GPS数据、卡口数据以及高速公路数据；具体如下：步骤S401：分别提取大型货车GPS数据特征的时间和位置、卡口数据特征的时间和卡口位置以及高速公路数据特征的时间和收费站位置，并提取大型货车GPS数据特征的大型货车GPS出行量、卡口数据特征的卡口交通量、以及高速公路数据特征的车辆类型和收费站流量，形成特征集；步骤S501：根据步骤S401所提取的特征集，对数据特征进行切片处理得到切片数据，将无效数据特征进行剔除，所述无效数据特征包括大型货车GPS数据特征中的车辆id、速度、
牌照颜色、行驶里程，卡口数据特征中号牌id、车辆类型、牌照颜色，高速公路数据特征中收费站名称、门架位置、门架名称、门架流量、各类货车平均载重量、总重、自重；步骤S601：首先对以上切片数据进行关联性分析，通过关联以上切片数据的共同特征字段，按照同等时间维度和空间范围，分别计算各类数据的出行量，再通过各类数据的特点进行融合计算，以确定各区域的货车类型结构，具体如下：基于卡口数据计算区域i的货车出行总量，包括区域i内部转移货车总量，以及从区域i出发、到达区域j的货车总量，计算公式如下所示：；设定W,M,L：分别表示大型货车、中型货车和小型货车，基于大型货车GPS数据，计算区域大型货车的出行量，包括区域i内部转移的大型货车GPS出行量，以及从区域i出发、运往区域j的大型货车GPS出行量，计算公式如下所示：；基于高速公路数据，计算区域i中型货车和小型货车的比例、，表示区域i的收费站入口中型货车通过量占中小型货车通过总量的比例，表示区域i的收费站入口小型货车通过量占中小型货车通过总量的比例，计算公式分别如下所示：；；式中，表示区域i的收费站入口中型货车通过量，表示区域i的收费站入口小型货车通过量；以卡口数据计算区域i的货车出行总量作为各区域的货车出行总量，以大型货车GPS数据计算区域大型货车的出行量作为各区域大型货车出行量，以高速公路数据计算结果、作为各区域中、小型货车之间的比例，对三类数据进行融合计算，计算出各区域中、小型货车出行量、，计算公式如下所示：；；最后，确定区域i各类货车的出行比例，计算公式如下：；其中，x表示货车类型，W,M,L：分别表示大型货车、中型货车和小型货车。6.根据权利要求5所述的一种面向城市货运物流链的多源数据融合分析方法，其特征
在于，所述步骤S4至步骤S7，当c=2时，基于各区域各类货车出行量，融合各类货车平均载重量以及地图数据，综合分析货运需求分布，具体如下：步骤S402：根据分析货运需求分布的目标，获取多源数据特征，包括上述步骤S601计算得到的各区域大型货车、中型货车以及小型货车的出行量，高速公路数据特征中的各类货车...

【专利技术属性】
技术研发人员：熊文华，甘勇华，韦栋，张杰华，胡少鹏，李耿华，周沛，刘佳辉，
申请(专利权)人：广州市交通规划研究院有限公司，
类型：发明
国别省市：