窜货行为识别方法技术

本申请公开了一种窜货行为识别方法

【技术实现步骤摘要】
窜货行为识别方法、系统、介质及电子设备


[0001]本申请涉及计算机
，特别涉及一种窜货行为识别方法
、
系统
、
介质及电子设备
。

技术介绍

[0002]随着经济的发展，地区消费水平出现差异，生产厂家针对该种情况，往往对不同的市场区域对同种商品指定不同的销售价格
。
在物流日益发达的今天，如果不对不同定价的同种商品的销售区域进行限制，则必然出现严重的窜货销售的现象，即销售商将商品从定价较低的市场区域运输到定价较高的市场区域进行销售，这种窜货销售的现象势必扰乱生产厂家的营销策略，出现不良的市场竞争
。
[0003]相关技术中，针对这种销售商进行窜货销售的现象最主要的方式是采用附加在商品上的条形码和电子标签
(rfid)
对流通商品进行管理，此类识别窜货技术都是基于密码认证技术实现的，对不同类型的货物粘贴电子标签非常不方便，并且容易在运输过程中掉了丢失，需要卸货才能识别每件货物的电子标签，需要浪费大量的人力物力，从而降低了窜货检测的准确性和效率
。

技术实现思路

[0004]本申请实施例提供了一种窜货行为识别方法
、
系统
、
介质及电子设备
。
为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括
。
该概括部分不是泛泛评述，也不是要确定关键
/
重要组成元素或描绘这些实施例的保护范围
。
其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言
。
[0005]第一方面，本申请实施例提供了一种窜货行为识别方法，方法包括：
[0006]接收待分析货车上报的位置坐标点，待分析货车为监控货车列表中任意一个车辆；
[0007]在位置坐标点偏离待分析货车的预设运货路线时，接收待分析货车在当前时刻之后预设周期内上报的位置坐标点序列；
[0008]根据获取的所有货车的历史位置数据和预设地图
POI
信息进行聚类分析，得到可能存在的窜货位置点；
[0009]根据所述位置坐标点序列以及可能存在的窜货位置点，结合预先训练的窜货行为识别模型，判定待分析货车是否存在窜货行为
。
[0010]可选的，接收待分析货车在当前时刻之后预设周期内上报的位置坐标点序列之前，还包括：
[0011]在预先生成的货车标识与运货路线的映射关系中，查询待分析货车的货车标识对应的运货路线，得到待分析货车的预设运货路线；
[0012]计算位置坐标点与待分析货车的预设运货路线之间的距离；
[0013]当距离大于预设距离阈值时，确定位置坐标点偏离待分析货车的预设运货路线；
或者，
[0014]当距离小于等于预设距离阈值时，确定位置坐标点未偏离待分析货车的预设运货路线
。
[0015]可选的，按照以下步骤生成预先训练的窜货行为识别模型，包括：
[0016]收集并预处理所有货车的历史位置数据和预设运货路线，得到每辆货车的目标位置数据和目标运货路线；
[0017]根据每辆货车的目标位置数据和目标运货路线，生成每辆货车的目标簇中心点信息；
[0018]根据每辆货车的目标簇中心点信息，并结合历史数据和行业经验建立模型训练样本；
[0019]通过模型训练样本，对机器学习模型进行训练，得到模型损失值；
[0020]当模型损失值到达最小时，生成预先训练的窜货行为识别模型
。
[0021]可选的，根据每辆货车的目标位置数据和目标运货路线，生成每辆货车的目标簇中心点信息，包括：
[0022]通过匹配算法，将每辆货车的目标位置数据和目标运货路线进行比对分析，以确定出每辆货车的目标位置数据和目标运货路线之间存在的偏差距离，得到多个偏差距离；
[0023]将偏差距离作为特征值输入到聚类算法中进行点聚类操作，得到簇中心点信息
。
[0024]可选的，根据每辆货车的目标簇中心点信息，并结合历史数据和行业经验建立模型训练样本，包括：
[0025]获取车辆行驶历史数据
、
窜货监管数据信息，得到历史数据；
[0026]获取运输行业规定
、
安全标准
、
窜货案例信息，得到行业经验；
[0027]将历史数据和行业经验进行预处理和清洗，并提取出符合预设条件的特征，得到特征集合；
[0028]根据每辆货车的目标簇中心点信息和预设窜货检测需求，在特征集合中选择与窜货检测相关的特征，得到目标特征集合；
[0029]接收对所述目标特征集合中每个目标特征值设定的标签数据；将每个目标特征值和所述每个目标特征值对应的标签数据进行关联，得到模型训练样本
。
[0030]可选的，通过模型训练样本，对机器学习模型进行训练，得到模型损失值，包括：
[0031]将模型训练样本输入机器学习模型进行交叉验证，输出模型的准确率
、
召回率以及
F1
得分；
[0032]根据模型的准确率
、
召回率以及
F1
得分，计算模型的损失值
。
[0033]可选的，根据所述位置坐标点序列以及可能存在的窜货位置点，结合预先训练的窜货行为识别模型，判定待分析货车是否存在窜货行为，包括：
[0034]根据预先训练的窜货行为识别模型，计算可能存在的窜货位置点与所述位置坐标点序列的距离和时间差；
[0035]根据所述距离和时间差，确定目标标签；
[0036]当目标标签为窜货行为标签时，判定待分析货车存在窜货行为
。
[0037]第二方面，本申请实施例提供了一种窜货行为识别系统，系统包括：
[0038]接收模块，用于接收待分析货车上报的位置坐标点，待分析货车为监控货车列表
中任意一个车辆；
[0039]判断模块，用于在位置坐标点偏离待分析货车的预设运货路线时，接收待分析货车在当前时刻之后预设周期内上报的位置坐标点序列；
[0040]聚类模块，用于根据获取的所有货车的历史位置数据和预设地图
POI
信息进行聚类分析，得到可能存在的窜货位置点；
[0041]识别模块，用于根据所述位置坐标点序列以及可能存在的窜货位置点，结合预先训练的窜货行为识别模型，判定待分析货车是否存在窜货行为
。
[0042]第三方面，本申请实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤
。
[0043]第四方面，本申请实施例提供一种电子设备，可包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤
。
[0044]本申请实施例提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种窜货行为识别方法，其特征在于，所述方法包括：接收待分析货车上报的位置坐标点，所述待分析货车为监控货车列表中任意一个车辆；在所述位置坐标点偏离所述待分析货车的预设运货路线时，接收所述待分析货车在当前时刻之后预设周期内上报的位置坐标点序列；根据获取的所有货车的历史位置数据和预设地图
POI
信息进行聚类分析，得到可能存在的窜货位置点；根据所述位置坐标点序列以及可能存在的窜货位置点，结合预先训练的窜货行为识别模型，判定所述待分析货车是否存在窜货行为
。2.
根据权利要求1所述的方法，其特征在于，所述接收所述待分析货车在当前时刻之后预设周期内上报的位置坐标点序列之前，还包括：在预先生成的货车标识与运货路线的映射关系中，查询所述待分析货车的货车标识对应的预设运货路线，得到所述待分析货车的预设运货路线；计算所述位置坐标点与所述待分析货车的预设运货路线之间的距离；当所述距离大于预设距离阈值时，确定所述位置坐标点偏离所述待分析货车的预设运货路线；或者，当所述距离小于等于预设距离阈值时，确定所述位置坐标点未偏离所述待分析货车的预设运货路线
。3.
根据权利要求1所述的方法，其特征在于，按照以下步骤生成预先训练的窜货行为识别模型，包括：收集并预处理所有货车的历史位置数据和预设运货路线，得到每辆货车的目标位置数据和目标运货路线；根据每辆货车的目标位置数据和目标运货路线，生成每辆货车的目标簇中心点信息；根据每辆货车的目标簇中心点信息，并结合历史数据和行业经验建立模型训练样本；通过所述模型训练样本，对机器学习模型进行训练，得到模型损失值；当所述模型损失值到达最小时，生成预先训练的窜货行为识别模型
。4.
根据权利要求3所述的方法，其特征在于，所述根据每辆货车的目标位置数据和目标运货路线，生成每辆货车的目标簇中心点信息，包括：通过匹配算法，将每辆货车的目标位置数据和目标运货路线进行比对分析，以确定出每辆货车的目标位置数据和目标运货路线之间存在的偏差距离，得到多个偏差距离；将所述偏差距离作为特征值输入到聚类算法中进行点聚类操作，得到簇中心点信息
。5.
根据权利要求3所述的方法，其特征在于，所述根据每辆货车的目标簇中心点信息，并结合历史数据和行业经验建立模型训练样本，包括：获取车辆行驶历史数据
、
窜货监管数据信息，得到历史数据；获取运输行业规定
、
安...

【专利技术属性】
技术研发人员：梁健，张乐华，夏曙东，冯新平，张志平，
申请(专利权)人：北京中交兴路车联网科技有限公司，
类型：发明
国别省市：