一種基于車輛目的地預(yù)測(cè)的智能配貨方法和系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開(kāi)了一種基于車輛目的地預(yù)測(cè)的智能配貨方法和系統(tǒng)，涉及智能配貨領(lǐng)域。所述方法包括：根據(jù)各車輛的報(bào)文數(shù)據(jù)，確定各樣例車輛和各備選車輛；所述樣例車輛為從貨物起始地開(kāi)往目的地的車輛；所述備選車輛為經(jīng)過(guò)貨物起始地到目的地沿途各省份的車輛；統(tǒng)計(jì)各樣例車輛和各備選車輛的第一時(shí)間段內(nèi)的行駛里程數(shù)、經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)；根據(jù)第一時(shí)間段內(nèi)的行駛里程數(shù)、經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)計(jì)算各備選車輛與各樣例車輛的相似度；根據(jù)所述樣例車輛和備選車輛的相似度，從備選車輛中確定各目標(biāo)車輛；向目標(biāo)車輛發(fā)生所述貨物的貨物配送信息。本發(fā)明可精確識(shí)別目標(biāo)車輛，提高配貨信息發(fā)送的精準(zhǔn)度，避免資源浪費(fèi)，可大大避免目標(biāo)車輛的抵觸情緒。
【專利說(shuō)明】一種基于車輛目的地預(yù)測(cè)的智能配貨方法和系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及智能配貨領(lǐng)域，具體涉及一種基于車輛目的地預(yù)測(cè)的智能配貨方法和 系統(tǒng)。

【背景技術(shù)】
[0002] 隨著技術(shù)的發(fā)展，運(yùn)貨車輛也會(huì)在配貨系統(tǒng)登記，配貨系統(tǒng)也會(huì)智能向司機(jī)或車 主提供配貨信息，現(xiàn)有配貨技術(shù)手段主要依據(jù)如下思路：
[0003] 1.查詢所有車輛注冊(cè)歸屬地在配貨區(qū)域的車輛。
[0004] 2.向所有車輛發(fā)送配貨信息。
[0005] 現(xiàn)有技術(shù)不足：
[0006] 現(xiàn)有技術(shù)針對(duì)一個(gè)出發(fā)地的貨物，只是簡(jiǎn)單的以車輛注冊(cè)歸屬地的車輛，如果其 在該貨物所在的配貨區(qū)域，則向所有這些車輛發(fā)送配貨信息?，F(xiàn)有技術(shù)區(qū)分車主是否可接 受配貨的識(shí)別度很低，存在大量不匹配的配貨信息發(fā)送，比如雖然某幾個(gè)車輛的車輛注冊(cè) 地屬于出發(fā)地在配貨區(qū)域，但其實(shí)其并不在該配貨區(qū)域進(jìn)行長(zhǎng)期運(yùn)輸，只是偶爾路過(guò)，那么 該車輛并不是目標(biāo)車輛，因此現(xiàn)有技術(shù)向過(guò)多非目標(biāo)車輛發(fā)送信息，不但浪費(fèi)了很多運(yùn)營(yíng) 成本、浪費(fèi)了網(wǎng)絡(luò)資源，而且會(huì)使非目標(biāo)用戶產(chǎn)生抵觸情緒，影響配貨系統(tǒng)的聲譽(yù)，從長(zhǎng)遠(yuǎn) 上不利于配貨業(yè)務(wù)的發(fā)展。


【發(fā)明內(nèi)容】

[0007] 鑒于上述問(wèn)題，提出了本發(fā)明以便提供一種克服上述問(wèn)題或者至少部分地解決上 述問(wèn)題的基于車輛目的地預(yù)測(cè)的智能配貨系統(tǒng)和相應(yīng)的基于車輛目的地預(yù)測(cè)的智能配貨 方法。
[0008] 依據(jù)本發(fā)明的一個(gè)方面，提供了一種基于車輛目的地預(yù)測(cè)的智能配貨方法，包 括：
[0009] 根據(jù)各車輛的報(bào)文數(shù)據(jù)，確定各樣例車輛和各備選車輛；所述樣例車輛為從貨物 起始地開(kāi)往目的地的車輛；所述備選車輛為經(jīng)過(guò)貨物起始地到目的地沿途各省份的車輛； [0010] 統(tǒng)計(jì)各樣例車輛和各備選車輛的第一時(shí)間段內(nèi)的行駛里程數(shù)、經(jīng)過(guò)的縣級(jí)行政區(qū) 的個(gè)數(shù)；
[0011] 根據(jù)第一時(shí)間段內(nèi)的行駛里程數(shù)、經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)計(jì)算各備選車輛與各 樣例車輛的相似度；
[0012] 根據(jù)所述樣例車輛和備選車輛的相似度，從備選車輛中確定各目標(biāo)車輛；
[0013] 向目標(biāo)車輛發(fā)生所述貨物的貨物配送信息。
[0014] 可選地，還包括：
[0015] 接收目標(biāo)車輛發(fā)送的接受配貨確認(rèn)信息，并選擇排序靠前的N個(gè)目標(biāo)車輛進(jìn)行配 貨。
[0016] 可選地，所述統(tǒng)計(jì)各樣例車輛和各備選車輛的第一時(shí)間段內(nèi)的行駛里程數(shù)、經(jīng)過(guò) 的縣級(jí)行政區(qū)的個(gè)數(shù)包括：
[0017] 針對(duì)一樣例車輛或備選車輛，分別統(tǒng)計(jì)在四個(gè)季度中，每個(gè)季度的各周中所述車 輛的行駛里程數(shù)和經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)。
[0018] 可選地，所述根據(jù)第一時(shí)間段內(nèi)的行駛里程數(shù)、經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)計(jì)算各 備選車輛與各樣例車輛的相似度包括：
[0019] 采用邏輯回歸算法根據(jù)季度、每個(gè)季度的各周中所述車輛的行駛里程數(shù)和經(jīng)過(guò)的 縣級(jí)行政區(qū)的個(gè)數(shù)，計(jì)算各備選車輛與各樣例車輛的相似度。
[0020] 可選地，所述采用邏輯回歸算法根據(jù)季度、每個(gè)季度的各周中所述車輛的行駛里 程數(shù)和經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)，計(jì)算各備選車輛與各樣例車輛的相似度，包括 ：
[0021] 針對(duì)每個(gè)車輛i，在一個(gè)季度中，以周數(shù)組成第一向量Xi，以每周行駛的里程數(shù)組 成第二向量χ 2，以每周經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)組成第三向量χ3;
[0022] 采用R語(yǔ)言回歸函數(shù)lm()，以所述第一向量Xi、第二向量X2、第三向量&預(yù)測(cè)擬合 公式 Y = AXi+BX^+CA+DX^+EA+FX/ 的回歸參數(shù) A，B，C，D，E，F(xiàn) 的值；
[0023] 針對(duì)每周m的所在周數(shù)Xl，行駛的里程數(shù)x2，經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)x 3，通過(guò)t =l/(l+e~ (-l^KAXi+BxfCxjDxs+ExfFxj；))計(jì)算每個(gè)周的子相似度值tm ;其中，所述x4 = 2 - 2 - 2 X1，X5 一 X2，X6 一 X3 ;
[0024] 將各個(gè)周的tn相加，得到該車輛i在該季度中的相似度。
[0025] 可選地，所述以所述第一向量&、第二向量X2、第三向量X3預(yù)測(cè)擬合公式Y(jié) = AXi+BX^+CXfDXj+EXfFX/ 的回歸參數(shù) A、B、C、D、E、F 的值包括：
[0026] 采用R語(yǔ)言回歸函數(shù)lm()，以向量Χρ ΧΛ X2, X22, X3, X32組成的矩陣作為預(yù)測(cè)變量， 以單位向量為目標(biāo)變量，代入lm()方法，計(jì)算得到A，B，C，D，E，F(xiàn)的值。
[0027] 可選地，所述根據(jù)所述樣例車輛和備選車輛的相似度，從備選車輛中確定各目標(biāo) 車輛包括：
[0028] 將所述樣例車輛和備選車輛的相似度進(jìn)行正態(tài)化，并將正態(tài)化后相似度概率大 于30 %的備選車輛中的車輛確定為目標(biāo)車輛。
[0029] 可選地，所述將所述樣例車輛和備選車輛的相似度進(jìn)行正態(tài)化，并將正態(tài)化后相 似度概率大于30 %的備選車輛中的車輛確定為目標(biāo)車輛包括：
[0030] 將所有樣例車輛和備選車輛的相似度yi組成的集合yi，...，y n}，進(jìn)行正態(tài)化 得到服從標(biāo)準(zhǔn)正態(tài)分布的集合U = {Ud, Up--,un}；
[0031] 針對(duì)對(duì)應(yīng)每個(gè)樣例車輛Ui，以Ui對(duì)應(yīng)的概率P(Ui)，若P( Ui)>0. 5,則計(jì)算Pmin = Ρ (ι〇 -0. 3,并根據(jù)所述 Pmin 確定 umin ;若 P (Ui)〈0. 5,則 Pmax = Ρ (ι〇 +0. 3,并根據(jù)所述 Pmax 確 定 umax ;
[0032] 以Ui和umin組成的區(qū)間，或者Ui和u max組成的區(qū)間之間，確定yi的相似度選擇區(qū) 間；
[0033] 將所有樣例車輛的相似度選擇區(qū)間取并集，得到總相似度選擇區(qū)間；并選擇yi在 所述總相似度選擇區(qū)間范圍內(nèi)的備選車輛為目標(biāo)車輛。
[0034] 本發(fā)明還公開(kāi)了一種基于車輛目的地預(yù)測(cè)的智能配貨系統(tǒng)，包括：
[0035] 車輛選擇模塊，適于根據(jù)各車輛的報(bào)文數(shù)據(jù)，確定各樣例車輛和各備選車輛；所 述樣例車輛為從貨物起始地開(kāi)往目的地的車輛；所述備選車輛為經(jīng)過(guò)貨物起始地到目的地 沿途各省份的車輛；
[0036] 統(tǒng)計(jì)模塊，適于統(tǒng)計(jì)各樣例車輛和各備選車輛的第一時(shí)間段內(nèi)的行駛里程數(shù)、經(jīng) 過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)；
[0037] 相似度計(jì)算模塊，適于根據(jù)第一時(shí)間段內(nèi)的行駛里程數(shù)、經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè) 數(shù)計(jì)算各備選車輛與各樣例車輛的相似度；
[0038] 目標(biāo)車輛計(jì)算模塊，適于根據(jù)所述樣例車輛和備選車輛的相似度，從備選車輛中 確定各目標(biāo)車輛；
[0039] 貨物配送信息發(fā)送模塊，適于向目標(biāo)車輛發(fā)生所述貨物的貨物配送信息。
[0040] 可選地，還包括：
[0041] 配貨模塊，適于接收目標(biāo)車輛發(fā)送的接受配貨確認(rèn)信息，并選擇排序靠前的N個(gè) 目標(biāo)車輛進(jìn)行配貨。。
[0042] 根據(jù)本發(fā)明的基于車輛目的地預(yù)測(cè)的智能配貨方法，利用交通運(yùn)輸部門已建有車 輛監(jiān)管/監(jiān)控等業(yè)務(wù)系統(tǒng)，在長(zhǎng)期運(yùn)營(yíng)這些系統(tǒng)的過(guò)程中，會(huì)持續(xù)接收到眾多車輛終端發(fā) 送的以位置數(shù)據(jù)為主的車輛報(bào)文數(shù)據(jù)?；谒鰣?bào)文數(shù)據(jù)，以貨物發(fā)送的起始地和目的地 選擇一批樣例車輛和大量的備選車輛，然后分析各備選車輛和樣例車輛駕駛行為相似度， 從而可選擇與樣例車輛駕駛行為最相似的車輛，去進(jìn)行發(fā)送配貨信息。因而本發(fā)明可以精 確識(shí)別目標(biāo)車輛，從而可以減少無(wú)謂的配貨信息發(fā)送行為，提高配貨信息發(fā)送的精準(zhǔn)度，避 免資源浪費(fèi)，并且可以大大避免目標(biāo)車輛的抵觸情緒，提高配貨系統(tǒng)的聲譽(yù)，更有利于配貨 業(yè)務(wù)的發(fā)展。
[0043] 上述說(shuō)明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段， 而可依照說(shuō)明書的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠 更明顯易懂，以下特舉本發(fā)明的【具體實(shí)施方式】。

【專利附圖】

【附圖說(shuō)明】
[0044] 通過(guò)閱讀下文優(yōu)選實(shí)施方式的詳細(xì)描述，各種其他的優(yōu)點(diǎn)和益處對(duì)于本領(lǐng)域普通 技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實(shí)施方式的目的，而并不認(rèn)為是對(duì)本發(fā)明 的限制。而且在整個(gè)附圖中，用相同的參考符號(hào)表示相同的部件。在附圖中：
[0045] 圖1示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的一種基于車輛目的地預(yù)測(cè)的智能配貨方法 的流程示意圖；
[0046] 圖2示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的一種基于車輛目的地預(yù)測(cè)的智能配貨方法 的流程示意圖；以及
[0047] 圖3示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的一種基于車輛目的地預(yù)測(cè)的智能配貨系統(tǒng) 的結(jié)構(gòu)示意圖。

【具體實(shí)施方式】
[0048] 下面將參照附圖更詳細(xì)地描述本公開(kāi)的示例性實(shí)施例。雖然附圖中顯示了本公開(kāi) 的示例性實(shí)施例，然而應(yīng)當(dāng)理解，可以以各種形式實(shí)現(xiàn)本公開(kāi)而不應(yīng)被這里闡述的實(shí)施例 所限制。相反，提供這些實(shí)施例是為了能夠更透徹地理解本公開(kāi)，并且能夠?qū)⒈竟_(kāi)的范圍 完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。
[0049] 參照?qǐng)D1，其示出了本發(fā)明的一種基于車輛目的地預(yù)測(cè)的智能配貨方法的流程示 意圖，具體可以包括：
[0050] 步驟110,根據(jù)各車輛的報(bào)文數(shù)據(jù)，確定各樣例車輛和各備選車輛；所述樣例車輛 為從貨物起始地開(kāi)往目的地的車輛；所述備選車輛為經(jīng)過(guò)貨物起始地到目的地沿途各省份 的車輛；
[0051] 目前交通運(yùn)輸部門已建有車輛監(jiān)管/監(jiān)控等業(yè)務(wù)系統(tǒng)，在長(zhǎng)期運(yùn)營(yíng)這些系統(tǒng)的過(guò) 程中，會(huì)持續(xù)接收到眾多車輛終端發(fā)送的以位置數(shù)據(jù)為主的車輛報(bào)文數(shù)據(jù)，這些報(bào)文數(shù)據(jù) 經(jīng)過(guò)積累成為海量數(shù)據(jù)。本發(fā)明對(duì)于某批次貨物進(jìn)行配貨時(shí)，以該批貨物的起始地和目的 地，從報(bào)文數(shù)據(jù)中確定樣例車輛和各備選車輛。比如獲取第一時(shí)間段內(nèi)，從貨物起始地開(kāi)往 目的地的車輛為樣例車輛；獲取第一時(shí)間段內(nèi)，經(jīng)過(guò)貨物起始地到目的地沿途各省份的車 輛為備選車輛。
[0052] 當(dāng)然本發(fā)明實(shí)施例中，一定時(shí)間段可以年度為單位，也可以季度為單位。
[0053] 步驟120,統(tǒng)計(jì)各樣例車輛和各備選車輛的第一時(shí)間段內(nèi)的行駛里程數(shù)、經(jīng)過(guò)的縣 級(jí)行政區(qū)的個(gè)數(shù)；
[0054] 在確定了樣例車輛和備選車輛后，則查詢第一時(shí)間段各車輛的所有運(yùn)行軌跡。對(duì) 于每一輛車，統(tǒng)計(jì)在第一時(shí)間段內(nèi)車輛行駛的里程數(shù)和經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)，將其時(shí) 間段、行駛的里程數(shù)和經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)作為后續(xù)計(jì)算相似度的參數(shù)值。
[0055] 優(yōu)選的，所述統(tǒng)計(jì)各樣例車輛和各備選車輛的第一時(shí)間段內(nèi)的行駛里程數(shù)、經(jīng)過(guò) 的縣級(jí)行政區(qū)的個(gè)數(shù)包括：
[0056] 步驟A122,針對(duì)一樣例車輛或備選車輛，分別統(tǒng)計(jì)在四個(gè)季度中，每個(gè)季度的各周 中所述車輛的行駛里程數(shù)和經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)。
[0057] 在本發(fā)明中可查詢最近一年內(nèi)的樣例車輛和備選車輛的行駛軌跡，從而可分別在 四個(gè)季度中，統(tǒng)計(jì)每個(gè)季度的每個(gè)周該車輛的行駛里程數(shù)和經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)。
[0058] 比如對(duì)于車A1，統(tǒng)計(jì)結(jié)果可為：春季，（第1周，行駛300公里，經(jīng)過(guò)區(qū)縣數(shù)8個(gè)； 第2周，行駛600公里，經(jīng)過(guò)區(qū)縣數(shù)13個(gè)……第12周，行駛500公里，經(jīng)過(guò)區(qū)縣數(shù)10個(gè)）， 類似統(tǒng)計(jì)夏季、秋季和冬季。
[0059] 步驟130,根據(jù)第一時(shí)間段內(nèi)的行駛里程數(shù)、經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)計(jì)算各備選 車輛與各樣例車輛的相似度；
[0060] 本發(fā)明可以統(tǒng)計(jì)的周、里程數(shù)、區(qū)縣個(gè)數(shù)為參數(shù)計(jì)算各備選車輛與各樣例車輛的 相似度，從而在后續(xù)步驟中確定目標(biāo)車輛。
[0061] 優(yōu)選的，所述根據(jù)第一時(shí)間段內(nèi)的行駛里程數(shù)、經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)計(jì)算各 備選車輛與各樣例車輛的相似度包括：
[0062] 步驟A132,采用邏輯回歸算法根據(jù)季度、每個(gè)季度的各周中所述車輛的行駛里程 數(shù)和經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)，計(jì)算各備選車輛與各樣例車輛的相似度。
[0063] 在本發(fā)明中采用LogisticRegression算法（邏輯回歸算法），根據(jù)季度、每個(gè)季度 的各周中所述車輛的行駛里程數(shù)和經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)，計(jì)算各備選車輛與各樣例車 輛的相似度。
[0064] 進(jìn)一步的，所述采用邏輯回歸算法根據(jù)季度、每個(gè)季度的各周中所述車輛的行駛 里程數(shù)和經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)，計(jì)算各備選車輛與各樣例車輛的相似度，包括 ：
[0065] 步驟S10,針對(duì)每個(gè)車輛i，在一個(gè)季度中，以周數(shù)組成第一向量\，以每周行駛的 里程數(shù)組成第二向量χ 2，以每周經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)組成第三向量χ3;
[0066] 對(duì)于每個(gè)季度，假設(shè)表示周數(shù)的變量為Xi，表示里程數(shù)的變量為X2，表示區(qū)縣數(shù)的 變量為χ 3，其中每個(gè)變量都是某個(gè)車在一個(gè)季度中每周的數(shù)據(jù)值組成的向量。例如Xi就是 周數(shù)[1，2，....]組成的第一向量，&是[第一周里程，第二周里程，.......]組成的第二 向量，χ3是[第一周經(jīng)過(guò)區(qū)縣數(shù)，第二周經(jīng)過(guò)區(qū)縣數(shù)，......]組成的第三向量。
[0067] 步驟S12,采用R語(yǔ)言回歸函數(shù)lm()，以所述第一向量Xi、第二向量X2、第三向量X 3 預(yù)測(cè)擬合公式Y(jié) = AXi+BX^+CA+DX^+EA+FX/的回歸參數(shù)A，B，C，D，E，F(xiàn)的值；
[0068] 假設(shè)相似度為Y，可以近似一個(gè)擬合公式Y(jié) = 其中X/ 由向量Xi中各值的平方的向量組成，x22、x32類似的同樣處理。那么基于該擬合公式，可以 根據(jù)已知該季度的Xp x2, x3去擬合A，B，C，D，E，F(xiàn)的值。優(yōu)選的，所述以所述第一向量Xi、 第二向量X2、第三向量X 3預(yù)測(cè)擬合公式Y(jié) = AXi+BX^+CA+DX^+EA+FX/的回歸參數(shù)A、B、C、 D、E、F的值包括：
[0069] 步驟S121，采用R語(yǔ)言回歸函數(shù)lm()，以向量父1，父12，父2，父22，父3，父32組成的矩陣 作為預(yù)測(cè)變量，以單位向量為目標(biāo)變量，代入lm()方法，計(jì)算得到A，B，C，D，E，F(xiàn)的值。
[0070] Lm()用法如下：
[0071] lm(fromula, data, subset, weights, na. action, method = ^qr^, model = TRUE, x =FALSE, y = FALSE, qr = TRUE, singular, ok = TRUE, contrasts = NULL, offset,......)
[0072] 說(shuō)明：formula是顯示回歸模型，data是數(shù)據(jù)框，subset是樣本觀察的子集， weights是用于擬合的加權(quán)向量，na. action顯示數(shù)據(jù)是否包含缺失值，method是指出 用于擬合的方法，model，X，y，qr是邏輯表達(dá)式，如果是TRUE，應(yīng)返回其值，除了第一個(gè)選 項(xiàng)formula是必選項(xiàng)，其他都是可選項(xiàng)。關(guān)于lm()函數(shù)，在我的本發(fā)明的模型中用法大 致如下，將單位向量Y = [1，1，1.....]和乂1，乂11，乂2，乂22，乂3，乂33這些向量組成1?語(yǔ)言 中的數(shù)據(jù)集，即一個(gè)由各向量組成的矩陣values = [Y，XI，X12，X2, X22，X3，X32]，然后 使用函數(shù)lm(Y?X1+X12+X2+X22+X3+X32, data = values),這個(gè)函數(shù)的返回值是一個(gè) 對(duì)象，該對(duì)象內(nèi)部有一個(gè)叫做Coefficients的數(shù)組，這個(gè)數(shù)組包含了 6個(gè)元素，依次就是 XI，X12, X2, X22, X3, X32 所對(duì)應(yīng)的系數(shù)。
[0073] 步驟S14,針對(duì)每周m的所在周數(shù)Xl，行駛的里程數(shù)x2，經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù) x3,通過(guò)t = 1/(l+e~ (-1* (AXi+BxfCxfDxs+Exs+Fxj；))計(jì)算每個(gè)周的子相似度值tm ;其中，所 ? X4 = X! , x5 = x2 , x6 = x3 ；
[0074] 在得到A、B、C、D、E、F的值后，對(duì)于每周的數(shù)據(jù)Xi, x2, x3，設(shè)x4 = x/，x5 = x22, x6 =x32，該周的相似度可以通過(guò)公式t = l/Q+el-l^KAxjBxfC x2+Dx5+Ex3+Fx6))進(jìn)行計(jì) 算。那么對(duì)于一個(gè)季度，一般具有12個(gè)相似度h到t 12。
[0075] 步驟S16,將各個(gè)周的k相加，得到該車輛i在該季度中的相似度yi。
[0076] 那么對(duì)于一個(gè)季度，將個(gè)周的tm加起來(lái)，即得到車輛i在該季度中的相似度yi。
[0077] 步驟140,根據(jù)所述樣例車輛和備選車輛的相似度，從備選車輛中確定各目標(biāo)車 輛；
[0078] 在獲得樣例車輛和備選車輛的相似度后，即可根據(jù)這些相似度從備選車輛中確定 目標(biāo)車輛。
[0079] 優(yōu)選的，所述根據(jù)所述樣例車輛和備選車輛的相似度，從備選車輛中確定各目標(biāo) 車輛包括：
[0080] 步驟A141，將所述樣例車輛和備選車輛的相似度進(jìn)行正態(tài)化，并將正態(tài)化后相似 度概率大于30 %的備選車輛中的車輛確定為目標(biāo)車輛。
[0081] 即采用正態(tài)化的方法將所有車輛的相似度進(jìn)行正態(tài)化，獲得一個(gè)正態(tài)分布，然后 將整體化后與樣例車輛的相似度相似度概率大于30%的備選車輛中的車輛確定為目標(biāo)車 輛。
[0082] 進(jìn)一步的，所述將所述樣例車輛和備選車輛的相似度進(jìn)行正態(tài)化，并將正態(tài)化后 相似度概率大于30 %的備選車輛中的車輛確定為目標(biāo)車輛包括：
[0083] 步驟S20,將所有樣例車輛和備選車輛的相似度yi組成的集合{%，yi，. . .，yn}，進(jìn) 行正態(tài)化得到服從標(biāo)準(zhǔn)正態(tài)分布的集合U = {Ud, Up--,un}；
[0084] 對(duì)于一個(gè)季度或者年度，假設(shè)各車輛的相似度為yi，則所有備選車輛的相似度的 集合是{y〇, yl，...，yn}。將這個(gè)相似度集合進(jìn)行正態(tài)化的方法是：計(jì)算該相似度集合的均 值為μ，方差為σ，設(shè)u= (y-y)/〇，此時(shí)U就是服從標(biāo)準(zhǔn)正態(tài)分布的變量，計(jì)算每個(gè)相似 度y的U值，組成一個(gè)集合U = {u0, ul,--，un}，該集合服從標(biāo)準(zhǔn)正態(tài)分布。
[0085] 步驟S22,針對(duì)對(duì)應(yīng)每個(gè)樣例車輛Ui，以Ui對(duì)應(yīng)的概率P (Ui)，若Ρ (ι〇 >0. 5,則計(jì)算 Pmin = P (Ui) -0. 3,并根據(jù)所述 Pmin 確定 umin ;若 Ρ (ι〇〈0. 5,則 Pmax = Ρ (ι〇 +0. 3,并根據(jù)所述 PmM 確定 Umax ;
[0086] 步驟S24,以Ui和umin組成的區(qū)間，或者Ui和u max組成的區(qū)間之間，確定yi的相似 度選擇區(qū)間；
[0087] 步驟S26,將所有樣例車輛的相似度選擇區(qū)間取并集，得到總相似度選擇區(qū)間；并 選擇yi在所述總相似度選擇區(qū)間范圍內(nèi)的備選車輛為目標(biāo)車輛。
[0088] 假設(shè)某個(gè)樣本車輛在集合U中的值是ui，該ui值對(duì)應(yīng)的概率為P(ui)，若 P(ui) >0. 5，則設(shè)Pmin = P(ui)-〇. 3,根據(jù)標(biāo)準(zhǔn)正態(tài)分布表獲取Pmin對(duì)應(yīng)的u值umin,若 P(ui)〈0. 5,則設(shè)Pmax = P(ui)+0. 3,根據(jù)標(biāo)準(zhǔn)正態(tài)分布表獲取Pmax對(duì)應(yīng)的11值1111^1，由于 u = (y-μ )/ 〇，所以根據(jù)u和umin或u和umax組成的區(qū)間，總是可以確定一個(gè)相似度y 的范圍。車輛相似度集合中在上一步確定的y的范圍內(nèi)的車輛就是目標(biāo)車輛。
[0089] 步驟150,向目標(biāo)車輛發(fā)生所述貨物的貨物配送信息。
[0090] 確定目標(biāo)車輛后，即可向目標(biāo)車輛的貨物配送終端發(fā)送貨物配送信息。
[0091] 優(yōu)選的，還包括：接收目標(biāo)車輛發(fā)送的接受配貨確認(rèn)信息，并選擇排序靠前的N個(gè) 目標(biāo)車輛進(jìn)行配貨。
[0092] 即本發(fā)明中各目標(biāo)車輛會(huì)預(yù)先安裝貨物配送終端，接收貨物配送信息，如果司機(jī) 或者車主確定送貨，則可發(fā)送接受配貨確認(rèn)信息給配貨系統(tǒng)平臺(tái)（服務(wù)器），配貨系統(tǒng)平臺(tái) 接收目標(biāo)車輛發(fā)送的接受配貨確認(rèn)信息，并選擇排序靠前的N個(gè)目標(biāo)車輛進(jìn)行配貨。
[0093] 根據(jù)本發(fā)明的基于車輛目的地預(yù)測(cè)的智能配貨方法，利用交通運(yùn)輸部門已建有車 輛監(jiān)管/監(jiān)控等業(yè)務(wù)系統(tǒng)，在長(zhǎng)期運(yùn)營(yíng)這些系統(tǒng)的過(guò)程中，會(huì)持續(xù)接收到眾多車輛終端發(fā) 送的以位置數(shù)據(jù)為主的車輛報(bào)文數(shù)據(jù)?；谒鰣?bào)文數(shù)據(jù)，以貨物發(fā)送的起始地和目的地 選擇一批樣例車輛和大量的備選車輛，然后分析各備選車輛和樣例車輛駕駛行為相似度， 從而可選擇與樣例車輛駕駛行為最相似的車輛，去進(jìn)行發(fā)送配貨信息。因而本發(fā)明可以精 確識(shí)別目標(biāo)車輛，從而可以減少無(wú)謂的配貨信息發(fā)送行為，提高配貨信息發(fā)送的精準(zhǔn)度，避 免資源浪費(fèi)，并且可以大大避免目標(biāo)車輛的抵觸情緒，提高配貨系統(tǒng)的聲譽(yù)，更有利于配貨 業(yè)務(wù)的發(fā)展。
[0094] 參照?qǐng)D2,其示出了本發(fā)明優(yōu)選的一種基于車輛目的地預(yù)測(cè)的智能配貨方法的流 程示意圖，具體可以包括：
[0095] 步驟210,以最近一年從貨物起始地開(kāi)往目的地的車輛作為樣例車輛；
[0096] 步驟212,以最近一年經(jīng)過(guò)貨物起始地到目的地沿途各省份的車輛作為目標(biāo)車 輛；
[0097] 步驟214,查詢最近一年樣例車輛和備選車輛的行駛軌跡；
[0098] 步驟216,遍歷所有車輛；
[0099] 步驟218,將行駛軌跡按照季節(jié)分組；
[0100] 步驟220,針對(duì)一車輛，統(tǒng)計(jì)每個(gè)季節(jié)的各周該車輛里程數(shù)和經(jīng)過(guò)的縣級(jí)行政區(qū)的 個(gè)數(shù)；
[0101] 步驟222,采用LogisticRegression算法根據(jù)季節(jié)、周、里程數(shù)和今年該國(guó)的區(qū)縣 數(shù)計(jì)算車輛相似度；
[0102] 采用邏輯回歸算法根據(jù)季度、每個(gè)季度的各周中所述車輛的行駛里程數(shù)和經(jīng)過(guò)的 縣級(jí)行政區(qū)的個(gè)數(shù)，計(jì)算各備選車輛與各樣例車輛的相似度。
[0103] 步驟224,對(duì)于每個(gè)季度的相似度，匯總各季度的相似度，然后將相似度進(jìn)行正態(tài) 化，并將相似度大于30 %的車輛作為目標(biāo)車輛；
[0104] 步驟226,向目標(biāo)車輛發(fā)送配貨信息；
[0105] 步驟228,對(duì)最早接受配貨的車輛進(jìn)行配貨。
[0106] 本發(fā)明實(shí)施例可以精確的在季度時(shí)間維度下，對(duì)相同季度內(nèi)的備選車輛進(jìn)行精確 識(shí)別，獲得目標(biāo)車輛，從而進(jìn)行配貨。
[0107] 參照?qǐng)D3,其示出了本發(fā)明一種基于車輛目的地預(yù)測(cè)的智能配貨系統(tǒng)的結(jié)構(gòu)示意 圖，包括：
[0108] 車輛選擇模塊310,適于根據(jù)各車輛的報(bào)文數(shù)據(jù)，確定各樣例車輛和各備選車輛； 所述樣例車輛為從貨物起始地開(kāi)往目的地的車輛；所述備選車輛為經(jīng)過(guò)貨物起始地到目的 地沿途各省份的車輛；
[0109] 統(tǒng)計(jì)模塊320,適于統(tǒng)計(jì)各樣例車輛和各備選車輛的第一時(shí)間段內(nèi)的行駛里程數(shù)、 經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)；
[0110] 相似度計(jì)算模塊330,適于根據(jù)第一時(shí)間段內(nèi)的行駛里程數(shù)、經(jīng)過(guò)的縣級(jí)行政區(qū)的 個(gè)數(shù)計(jì)算各備選車輛與各樣例車輛的相似度；
[0111] 目標(biāo)車輛計(jì)算模塊340,適于根據(jù)所述樣例車輛和備選車輛的相似度，從備選車 輛中確定各目標(biāo)車輛；
[0112] 貨物配送信息發(fā)送模塊350,適于向目標(biāo)車輛發(fā)生所述貨物的貨物配送信息。
[0113] 優(yōu)選的，還包括：
[0114] 配貨模塊，適于接收目標(biāo)車輛發(fā)送的接受配貨確認(rèn)信息，并選擇排序靠前的N個(gè) 目標(biāo)車輛進(jìn)行配貨。
[0115] 優(yōu)選的，所述統(tǒng)計(jì)模塊包括：
[0116] 第一統(tǒng)計(jì)模塊，適于針對(duì)一樣例車輛或備選車輛，分別統(tǒng)計(jì)在四個(gè)季度中，每個(gè)季 度的各周中所述車輛的行駛里程數(shù)和經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)。
[0117] 優(yōu)選的，所述相似度計(jì)算模塊包括：
[0118] 邏輯回歸計(jì)算模塊，適于采用邏輯回歸算法根據(jù)季度、每個(gè)季度的各周中所述車 輛的行駛里程數(shù)和經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)，計(jì)算各備選車輛與各樣例車輛的相似度。
[0119] 優(yōu)選的，所述邏輯回歸計(jì)算模塊包括：
[0120] 向量生成模塊，適于針對(duì)每個(gè)車輛i，在一個(gè)季度中，以周數(shù)組成第一向量&，以每 周行駛的里程數(shù)組成第二向量χ 2，以每周經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)組成第三向量χ3;
[0121] 回歸參數(shù)確認(rèn)模塊，適于采用R語(yǔ)言回歸函數(shù)lm()，以所述第一向量Xi、第二向量 X2、第三向量X3預(yù)測(cè)擬合公式Y(jié) = AXi+BX^+CXdDX^+EA+FX/的回歸參數(shù)A，B，C，D，E，F(xiàn)的 值；
[0122] 子相似度計(jì)算模塊，適于針對(duì)每周m的所在周數(shù)Xl，行駛的里程數(shù)x2，經(jīng)過(guò)的縣級(jí) 行政區(qū)的個(gè)數(shù)x 3，通過(guò)t = l/d+el-l^KAxfBxfCxfDxs+E x3+Fx6))計(jì)算每個(gè)周的子相似 度值 tm ;其中，所述 x4 = χΛ x5 = χ22, x6 = x/ ;
[0123] 第一相似度計(jì)算模塊，適于將各個(gè)周的tm相加，得到該車輛i在該季度中的相似 度。
[0124] 優(yōu)選的，所述回歸參數(shù)確認(rèn)模塊包括：
[0125] 第一回歸參數(shù)確認(rèn)模塊，適于采用R語(yǔ)言回歸函數(shù)lm()，以向量 Χρ ΧΛ X2, X22, X3, X32組成的矩陣作為預(yù)測(cè)變量，以單位向量為目標(biāo)變量，代入lm()方法，計(jì) 算得到A，B，C，D，E，F(xiàn)的值。
[0126] 優(yōu)選的，所述目標(biāo)車輛計(jì)算模塊包括：
[0127] 第一目標(biāo)車輛計(jì)算模塊，適于將所述樣例車輛和備選車輛的相似度進(jìn)行正態(tài)化， 并將正態(tài)化后相似度概率大于30 %的備選車輛中的車輛確定為目標(biāo)車輛。
[0128] 優(yōu)選的，所述第一目標(biāo)車輛計(jì)算模塊包括：
[0129] 正態(tài)化模塊，適于將所有樣例車輛和備選車輛的相似度^組成的集合 {yQ，yi，...，yj，進(jìn)行正態(tài)化得到服從標(biāo)準(zhǔn)正態(tài)分布的集合u = {Ud, Up--,un}；
[0130] 第一范圍計(jì)算模塊，適于針對(duì)對(duì)應(yīng)每個(gè)樣例車輛Ui，以七對(duì)應(yīng)的概率P(Ui)，若 Ρ(ι〇>0. 5,則計(jì)算 Pmin = Ρ(ι〇-〇. 3,并根據(jù)所述 Pmin 確定 umin ;若 Ρ(ι〇〈0. 5,則 Pmax = Ρ (ι〇 +0. 3,并根據(jù)所述P_確定u_ ;
[0131] 第一似度選擇區(qū)間確定模塊，適于以Ui和umin組成的區(qū)間，或者 Ui和umax組成的 區(qū)間之間，確定yi的相似度選擇區(qū)間；
[0132] 總似度選擇區(qū)間確定模塊，適于將所有樣例車輛的相似度選擇區(qū)間取并集，得到 總相似度選擇區(qū)間；并選擇yi在所述總相似度選擇區(qū)間范圍內(nèi)的備選車輛為目標(biāo)車輛。
[0133] 當(dāng)然，還可包括相似度匯總模塊，適于針對(duì)一車輛的各個(gè)季度的相似度進(jìn)行匯總， 得到匯總后的相似度A。
[0134] 在此提供的算法和顯示不與任何特定計(jì)算機(jī)、虛擬系統(tǒng)或者其它設(shè)備固有相關(guān)。 各種通用系統(tǒng)也可以與基于在此的示教一起使用。根據(jù)上面的描述，構(gòu)造這類系統(tǒng)所要求 的結(jié)構(gòu)是顯而易見(jiàn)的。此外，本發(fā)明也不針對(duì)任何特定編程語(yǔ)言。應(yīng)當(dāng)明白，可以利用各種 編程語(yǔ)言實(shí)現(xiàn)在此描述的本發(fā)明的內(nèi)容，并且上面對(duì)特定語(yǔ)言所做的描述是為了披露本發(fā) 明的最佳實(shí)施方式。
[0135] 在此處所提供的說(shuō)明書中，說(shuō)明了大量具體細(xì)節(jié)。然而，能夠理解，本發(fā)明的實(shí)施 例可以在沒(méi)有這些具體細(xì)節(jié)的情況下實(shí)踐。在一些實(shí)例中，并未詳細(xì)示出公知的方法、結(jié)構(gòu) 和技術(shù)，以便不模糊對(duì)本說(shuō)明書的理解。
[0136] 類似地，應(yīng)當(dāng)理解，為了精簡(jiǎn)本公開(kāi)并幫助理解各個(gè)發(fā)明方面中的一個(gè)或多個(gè)，在 上面對(duì)本發(fā)明的示例性實(shí)施例的描述中，本發(fā)明的各個(gè)特征有時(shí)被一起分組到單個(gè)實(shí)施 例、圖、或者對(duì)其的描述中。然而，并不應(yīng)將該公開(kāi)的方法解釋成反映如下意圖：即所要求保 護(hù)的本發(fā)明要求比在每個(gè)權(quán)利要求中所明確記載的特征更多的特征。更確切地說(shuō)，如下面 的權(quán)利要求書所反映的那樣，發(fā)明方面在于少于前面公開(kāi)的單個(gè)實(shí)施例的所有特征。因此， 遵循【具體實(shí)施方式】的權(quán)利要求書由此明確地并入該【具體實(shí)施方式】，其中每個(gè)權(quán)利要求本身 都作為本發(fā)明的單獨(dú)實(shí)施例。
[0137] 本領(lǐng)域那些技術(shù)人員可以理解，可以對(duì)實(shí)施例中的設(shè)備中的模塊進(jìn)行自適應(yīng)性地 改變并且把它們?cè)O(shè)置在與該實(shí)施例不同的一個(gè)或多個(gè)設(shè)備中。可以把實(shí)施例中的模塊或單 元或組件組合成一個(gè)模塊或單元或組件，以及此外可以把它們分成多個(gè)子模塊或子單元或 子組件。除了這樣的特征和/或過(guò)程或者單元中的至少一些是相互排斥之外，可以采用任 何組合對(duì)本說(shuō)明書（包括伴隨的權(quán)利要求、摘要和附圖）中公開(kāi)的所有特征以及如此公開(kāi) 的任何方法或者設(shè)備的所有過(guò)程或單元進(jìn)行組合。除非另外明確陳述，本說(shuō)明書（包括伴 隨的權(quán)利要求、摘要和附圖）中公開(kāi)的每個(gè)特征可以由提供相同、等同或相似目的的替代 特征來(lái)代替。
[0138] 此外，本領(lǐng)域的技術(shù)人員能夠理解，盡管在此所述的一些實(shí)施例包括其它實(shí)施例 中所包括的某些特征而不是其它特征，但是不同實(shí)施例的特征的組合意味著處于本發(fā)明的 范圍之內(nèi)并且形成不同的實(shí)施例。例如，在下面的權(quán)利要求書中，所要求保護(hù)的實(shí)施例的任 意之一都可以以任意的組合方式來(lái)使用。
[0139] 應(yīng)該注意的是上述實(shí)施例對(duì)本發(fā)明進(jìn)行說(shuō)明而不是對(duì)本發(fā)明進(jìn)行限制，并且本領(lǐng) 域技術(shù)人員在不脫離所附權(quán)利要求的范圍的情況下可設(shè)計(jì)出替換實(shí)施例。在權(quán)利要求中， 不應(yīng)將位于括號(hào)之間的任何參考符號(hào)構(gòu)造成對(duì)權(quán)利要求的限制。單詞"包含"不排除存在 未列在權(quán)利要求中的元件或步驟。位于元件之前的單詞"一"或"一個(gè)"不排除存在多個(gè)這 樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當(dāng)編程的計(jì)算機(jī)來(lái) 實(shí)現(xiàn)。在列舉了若干裝置的單元權(quán)利要求中，這些裝置中的若干個(gè)可以是通過(guò)同一個(gè)硬件 項(xiàng)來(lái)具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序?？蓪⑦@些單詞解釋為 名稱。
【權(quán)利要求】
1. 一種基于車輛目的地預(yù)測(cè)的智能配貨方法，其特征在于，包括： 根據(jù)各車輛的報(bào)文數(shù)據(jù)，確定各樣例車輛和各備選車輛；所述樣例車輛為從貨物起始 地開(kāi)往目的地的車輛；所述備選車輛為經(jīng)過(guò)貨物起始地到目的地沿途各省份的車輛； 統(tǒng)計(jì)各樣例車輛和各備選車輛的第一時(shí)間段內(nèi)的行駛里程數(shù)、經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè) 數(shù)； 根據(jù)第一時(shí)間段內(nèi)的行駛里程數(shù)、經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)計(jì)算各備選車輛與各樣例 車輛的相似度； 根據(jù)所述樣例車輛和備選車輛的相似度，從備選車輛中確定各目標(biāo)車輛； 向目標(biāo)車輛發(fā)生所述貨物的貨物配送信息。
2. 如權(quán)利要求1所述的方法，其特征在于，還包括： 接收目標(biāo)車輛發(fā)送的接受配貨確認(rèn)信息，并選擇排序靠前的N個(gè)目標(biāo)車輛進(jìn)行配貨。
3. 如權(quán)利要求1所述的方法，其特征在于，所述統(tǒng)計(jì)各樣例車輛和各備選車輛的第一 時(shí)間段內(nèi)的行駛里程數(shù)、經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)包括： 針對(duì)一樣例車輛或備選車輛，分別統(tǒng)計(jì)在四個(gè)季度中，每個(gè)季度的各周中所述車輛的 行駛里程數(shù)和經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)。
4. 如權(quán)利要求3所述的方法，其特征在于，所述根據(jù)第一時(shí)間段內(nèi)的行駛里程數(shù)、經(jīng)過(guò) 的縣級(jí)行政區(qū)的個(gè)數(shù)計(jì)算各備選車輛與各樣例車輛的相似度包括： 采用邏輯回歸算法根據(jù)季度、每個(gè)季度的各周中所述車輛的行駛里程數(shù)和經(jīng)過(guò)的縣級(jí) 行政區(qū)的個(gè)數(shù)，計(jì)算各備選車輛與各樣例車輛的相似度。
5. 如權(quán)利要求3或4所述的方法，其特征在于，所述采用邏輯回歸算法根據(jù)季度、每個(gè) 季度的各周中所述車輛的行駛里程數(shù)和經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)，計(jì)算各備選車輛與各樣 例車輛的相似度，包括： 針對(duì)每個(gè)車輛i，在一個(gè)季度中，以周數(shù)組成第一向量\，以每周行駛的里程數(shù)組成第 二向量X2，以每周經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)組成第三向量X3 ; 采用R語(yǔ)言回歸函數(shù)lm()，以所述第一向量&、第二向量X2、第三向量&預(yù)測(cè)擬合公式 Y = AXi+BX^+CXfDXj+EXs+FX/ 的回歸參數(shù) A，B，C，D，E，F(xiàn) 的值； 針對(duì)每周m的所在周數(shù)Xl，行駛的里程數(shù)x2，經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)x3，通過(guò)t = 1/ (l+e~ (-l^KAXi+BxfCxQ+Dxs+Exs+Fxj；))計(jì)算每個(gè)周的子相似度值 tm ;其中，所述 x4 = χ/，x5 - 2 - 2 -x2 , x6 - x3 ； 將各個(gè)周的tm相加，得到該車輛i在該季度中的相似度。
6. 如權(quán)利要求5所述的方法，其特征在于，所述以所述第一向量Xi、第二向量X2、第三 向量X3預(yù)測(cè)擬合公式Y(jié) = AXdBX^+CXfDX^+EXfFX/的回歸參數(shù)A、B、C、D、E、F的值包括： 采用R語(yǔ)言回歸函數(shù)lm()，以向量Χρ ΧΛ X2, X22, X3, X32組成的矩陣作為預(yù)測(cè)變量，以單 位向量為目標(biāo)變量，代入lm()方法，計(jì)算得到A，B，C，D，E，F(xiàn)的值。
7. 如權(quán)利要求3或4所述的方法，其特征在于，所述根據(jù)所述樣例車輛和備選車輛的 相似度，從備選車輛中確定各目標(biāo)車輛包括： 將所述樣例車輛和備選車輛的相似度進(jìn)行正態(tài)化，并將正態(tài)化后相似度概率大于 30 %的備選車輛中的車輛確定為目標(biāo)車輛。
8. 如權(quán)利要求7所述的方法，其特征在于，所述將所述樣例車輛和備選車輛的相似度 進(jìn)行正態(tài)化，并將正態(tài)化后相似度概率大于30 %的備選車輛中的車輛確定為目標(biāo)車輛包 括： 將所有樣例車輛和備選車輛的相似度yi組成的集合{y〇, yp...，yJ，進(jìn)行正態(tài)化得到 服從標(biāo)準(zhǔn)正態(tài)分布的集合U = {Ud, Up--,un}； 針對(duì)對(duì)應(yīng)每個(gè)樣例車輛Ui，以Ui對(duì)應(yīng)的概率P (Ui)，若Ρ (ι〇 >0. 5,則計(jì)算Pmin = P (ι〇 -0. 3,并根據(jù)所述 Pmin 確定 umin ;若 P (Ui)〈0. 5,則 Pmax = Ρ (ι〇 +0. 3,并根據(jù)所述 Pmax 確 定 umax ; 以Ui和Umin組成的區(qū)間，或者Ui和umax組成的區(qū)間之間，確定 yi的相似度選擇區(qū)間； 將所有樣例車輛的相似度選擇區(qū)間取并集，得到總相似度選擇區(qū)間；并選擇yi在所述 總相似度選擇區(qū)間范圍內(nèi)的備選車輛為目標(biāo)車輛。
9. 一種基于車輛目的地預(yù)測(cè)的智能配貨系統(tǒng)，其特征在于，包括： 車輛選擇模塊，適于根據(jù)各車輛的報(bào)文數(shù)據(jù)，確定各樣例車輛和各備選車輛；所述樣 例車輛為從貨物起始地開(kāi)往目的地的車輛；所述備選車輛為經(jīng)過(guò)貨物起始地到目的地沿途 各省份的車輛； 統(tǒng)計(jì)模塊，適于統(tǒng)計(jì)各樣例車輛和各備選車輛的第一時(shí)間段內(nèi)的行駛里程數(shù)、經(jīng)過(guò)的 縣級(jí)行政區(qū)的個(gè)數(shù)； 相似度計(jì)算模塊，適于根據(jù)第一時(shí)間段內(nèi)的行駛里程數(shù)、經(jīng)過(guò)的縣級(jí)行政區(qū)的個(gè)數(shù)計(jì) 算各備選車輛與各樣例車輛的相似度； 目標(biāo)車輛計(jì)算模塊，適于根據(jù)所述樣例車輛和備選車輛的相似度，從備選車輛中確定 各目標(biāo)車輛； 貨物配送信息發(fā)送模塊，適于向目標(biāo)車輛發(fā)生所述貨物的貨物配送信息。
10. 如權(quán)利要求8所述的系統(tǒng)其特征在于，還包括： 配貨模塊，適于接收目標(biāo)車輛發(fā)送的接受配貨確認(rèn)信息，并選擇排序靠前的N個(gè)目標(biāo) 車輛進(jìn)行配貨。
【文檔編號(hào)】G06Q50/28GK104050551SQ201410223027
【公開(kāi)日】2014年9月17日 申請(qǐng)日期:2014年5月23日 優(yōu)先權(quán)日:2014年5月23日
【發(fā)明者】楊曉明, 張鶴高, 胡道生, 夏曙東 申請(qǐng)人:北京中交興路信息科技有限公司