餐飲業(yè)物料采購移動終端系統(tǒng)的制作方法
【專利摘要】解決現(xiàn)有技術(shù)餐飲業(yè)物料移動采購方式存在的物料查詢困難、重復(fù)發(fā)出訂單和采購成本較高等問題，本發(fā)明提出一種餐飲業(yè)物料采購移動終端系統(tǒng)，采用Java、JavaScript和html語言為基礎(chǔ)編寫，采用SSH框架技術(shù)構(gòu)建，采用H5技術(shù)，并封裝WEB APP適用于IOS和Android系統(tǒng)；所述系統(tǒng)網(wǎng)站包括，物料展示、物料搜索、注冊認(rèn)證、常用清單、購物車、為您訂制、貨款支付、消息管理、幫助反饋和會員中心模塊。本發(fā)明餐飲業(yè)物料采購移動終端系統(tǒng)的有益技術(shù)效果是匯總了餐飲業(yè)常用的物料，有針對性的為餐飲業(yè)供應(yīng)商和采購商提供服務(wù)，克服了現(xiàn)有技術(shù)餐飲業(yè)物料移動采購方式存在的物料查詢困難、重復(fù)發(fā)出訂單和采購成本較高等問題。
【專利說明】
餐飲業(yè)物料采購移動終端系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及到餐飲業(yè)物料采購移動終端技術(shù)，特別涉及到一種餐飲業(yè)物料采購移動終端系統(tǒng)。
【背景技術(shù)】
[0002]隨著互聯(lián)網(wǎng)市場的日趨成熟，傳統(tǒng)的交易方式發(fā)生了巨大變革，先是從線下現(xiàn)金、POS機(jī)刷卡方式演變成電腦終端商城網(wǎng)站購物，再有互聯(lián)網(wǎng)載體職能手機(jī)、平板電腦的問世變?yōu)橐苿佣讼M(fèi)。對于餐飲業(yè)的物料采購，由于其涉及到采購物料種類繁多、采購頻次高和采購時(shí)效性強(qiáng)等特點(diǎn)，采用在各種相應(yīng)購物網(wǎng)站查詢并發(fā)出訂單，然后，分別支付貨款的方式已不能較高的滿足餐飲業(yè)物料采購的需要，存在著物料查詢困難、重復(fù)發(fā)出訂單和采購成本較高等問題。顯然，現(xiàn)有技術(shù)餐飲業(yè)物料移動采購方式存在著物料查詢困難、重復(fù)發(fā)出訂單和采購成本較高等問題。

【發(fā)明內(nèi)容】

[0003]為解決現(xiàn)有技術(shù)餐飲業(yè)物料移動采購方式存在的物料查詢困難、重復(fù)發(fā)出訂單和采購成本較高等問題，本發(fā)明提出一種餐飲業(yè)物料采購移動終端系統(tǒng)。
[0004]本發(fā)明餐飲業(yè)物料采購移動終端系統(tǒng)，采用Java、JavaScript和html語言為基礎(chǔ)編寫，采用SSH框架技術(shù)構(gòu)建，采用H5技術(shù)，并封裝WEB APP適用于1S和Android系統(tǒng);所述系統(tǒng)網(wǎng)站包括，物料展示、物料搜索、注冊認(rèn)證、常用清單、購物車、為您訂制、貨款支付、消息管理、幫助反饋和會員中心模塊;其中:
[0005]物料展示模塊，對餐飲業(yè)常用的由注冊供應(yīng)商提供的所有物料進(jìn)行展示；
[0006]物料搜索模塊，為采購商提供所需物料的模糊搜索和精確搜索；
[0007]注冊認(rèn)證模塊，對所有供應(yīng)商和采購商實(shí)行注冊會員制管理；
[0008]常用清單模塊，根據(jù)采購商采購各種物料的頻次，生成對應(yīng)采購商經(jīng)常采購的物料清單，即常用清單;采購商可以調(diào)用常用清單，并在增減物料種類或數(shù)量后生成擬采購訂單；
[0009]購物車模塊，存放采購商擬采購的物料，與擬采購訂單合并后形成此次采購訂單；所述采購訂單包括物料名稱、數(shù)量、單價(jià)、貨款數(shù)額及總金額；
[0010]為您訂制模塊，為采購商在系統(tǒng)網(wǎng)站內(nèi)沒有搜索到的物料實(shí)行專門配送;采購商提出所需物料的詳細(xì)信息，后臺工作人員進(jìn)行專門配送;所述物料詳細(xì)信息包括物料名稱、規(guī)格或要求、數(shù)量、價(jià)格和配送時(shí)間；
[0011]貨款支付模塊，采購商根據(jù)采購訂單采用網(wǎng)銀或POS機(jī)支付此次采購訂單的總金額，系統(tǒng)根據(jù)此次采購訂單的記載將此次采購訂單所記載的各種物料的貨款支付給對應(yīng)的供貨商;或者，采購商根據(jù)與供貨商的約定采用網(wǎng)銀或POS機(jī)將設(shè)定時(shí)間段內(nèi)或設(shè)定金額的貨款支付給對應(yīng)的供貨商；
[0012]消息管理模塊，不定期發(fā)送供貨商的促銷信息、采購商的需求信息和各采購商采購物料的進(jìn)程信息；
[0013]幫助反饋模塊，對供貨商和采購商提供操作咨詢和技術(shù)指導(dǎo)，接收供貨商和采購商對系統(tǒng)網(wǎng)站建設(shè)的意見和建議；
[0014]會員中心模塊，為注冊采購商和供應(yīng)商提供各種增值服務(wù)，包括，采購訂單查詢、銷售總量查詢、貨款支付查詢。
[0015]進(jìn)一步的，所述對餐飲業(yè)常用的由注冊供應(yīng)商提供的所有物料進(jìn)行展示，包括采用三級分類方式進(jìn)行展示，其中:
[0016]—級展示根據(jù)物料種類進(jìn)行展示，包括，糧油副食、調(diào)料干貨、冷鏈凍貨、水產(chǎn)水發(fā)、新鮮蔬果、酒水飲料和餐廚用品；
[0017]二級展示在一級展示的基礎(chǔ)上對每一類一級展示的物料進(jìn)行細(xì)化展示；
[0018]三級展示在二級展示的基礎(chǔ)上對每一種二級展示的物料進(jìn)行細(xì)化展示;包括，每一種物料的名稱、規(guī)格、價(jià)格和供應(yīng)商地址及名稱，以及物料的實(shí)物照片。
[0019]進(jìn)一步的，所述注冊認(rèn)證模塊還包括密碼找回功能，當(dāng)注冊供應(yīng)商或采購商忘記密碼時(shí)，點(diǎn)擊密碼找回鍵，系統(tǒng)就會將驗(yàn)證碼發(fā)至供應(yīng)商或采購商注冊時(shí)綁定的手機(jī)中。
[0020]本發(fā)明餐飲業(yè)物料采購移動終端系統(tǒng)的有益技術(shù)效果是匯總了餐飲業(yè)常用的物料，有針對性的為餐飲業(yè)供應(yīng)商和采購商提供服務(wù)，克服了現(xiàn)有技術(shù)餐飲業(yè)物料移動采購方式存在的物料查詢困難、重復(fù)發(fā)出訂單和采購成本較高等問題。
【附圖說明】
[0021]附圖1為本發(fā)明餐飲業(yè)物料采購移動終端系統(tǒng)結(jié)構(gòu)示意圖。
[0022]下面結(jié)合附圖和具體實(shí)施例對本發(fā)明餐飲業(yè)物料采購移動終端系統(tǒng)作進(jìn)一步的說明。
【具體實(shí)施方式】
[0023]附圖1為本發(fā)明餐飲業(yè)物料采購移動終端系統(tǒng)結(jié)構(gòu)示意圖，由圖可知，本發(fā)明餐飲業(yè)物料采購移動終端系統(tǒng)，采用Java、JavaScript和html語言為基礎(chǔ)編寫，采用SSH框架技術(shù)構(gòu)建，采用H5技術(shù)，并封裝WEB APP適用于1S和Android系統(tǒng);所述系統(tǒng)網(wǎng)站包括，物料展示、物料搜索、注冊認(rèn)證、常用清單、購物車、為您訂制、貨款支付、消息管理、幫助反饋和會員中心模塊。由于采用了 SSH框架，面向接口開發(fā)，實(shí)現(xiàn)了前端頁面和業(yè)務(wù)邏輯的分離。由于采用了H5技術(shù)，并封裝WEB APP適用于1S和Android系統(tǒng)，使其能夠同時(shí)兼容臺式電腦、筆記本電腦、平板電腦和手機(jī)等固定或移動終端。其中:
[0024]物料展示模塊，對餐飲業(yè)常用的由注冊供應(yīng)商提供的所有物料進(jìn)行展示；
[0025]物料搜索模塊，為采購商提供所需物料的模糊搜索和精確搜索；
[0026]注冊認(rèn)證模塊，對所有供應(yīng)商和采購商實(shí)行注冊會員制管理；
[0027]常用清單模塊，根據(jù)采購商采購各種物料的頻次，生成對應(yīng)采購商經(jīng)常采購的物料清單，即常用清單;采購商可以調(diào)用常用清單，并在增減物料種類或數(shù)量后生成擬采購訂單；
[0028]購物車模塊，存放采購商擬采購的物料，與擬采購訂單合并后形成此次采購訂單；所述采購訂單包括物料名稱、數(shù)量、單價(jià)、貨款數(shù)額及總金額；
[0029]為您訂制模塊，為采購商在系統(tǒng)網(wǎng)站內(nèi)沒有搜索到的物料實(shí)行專門配送;采購商提出所需物料的詳細(xì)信息，后臺工作人員進(jìn)行專門配送;所述物料詳細(xì)信息包括物料名稱、規(guī)格或要求、數(shù)量、價(jià)格和配送時(shí)間；
[0030]貨款支付模塊，采購商根據(jù)采購訂單采用網(wǎng)銀或POS機(jī)支付此次采購訂單的總金額，系統(tǒng)根據(jù)此次采購訂單的記載將此次采購訂單所記載的各種物料的貨款支付給對應(yīng)的供貨商;或者，采購商根據(jù)與供貨商的約定采用網(wǎng)銀或POS機(jī)將設(shè)定時(shí)間段內(nèi)或設(shè)定金額的貨款支付給對應(yīng)的供貨商；
[0031]消息管理模塊，不定期發(fā)送供貨商的促銷信息、采購商的需求信息和各采購商采購物料的進(jìn)程信息；
[0032]幫助反饋模塊，對供貨商和采購商提供操作咨詢和技術(shù)指導(dǎo)，接收供貨商和采購商對系統(tǒng)網(wǎng)站建設(shè)的意見和建議；
[0033]會員中心模塊，為注冊采購商和供應(yīng)商提供各種增值服務(wù)，包括，采購訂單查詢、銷售總量查詢、貨款支付查詢。
[0034]為了適應(yīng)大多數(shù)采購商的查詢習(xí)慣，方便、快捷的顯示各種物料介紹;所述對餐飲業(yè)常用的由注冊供應(yīng)商提供的所有物料進(jìn)行展示，包括采用三級分類方式進(jìn)行展示，其中:
[0035]—級展示根據(jù)物料種類進(jìn)行展示，包括，糧油副食、調(diào)料干貨、冷鏈凍貨、水產(chǎn)水發(fā)、新鮮蔬果、酒水飲料和餐廚用品；
[0036]二級展示在一級展示的基礎(chǔ)上對每一類一級展示的物料進(jìn)行細(xì)化展示；
[0037I 三級展示在二級展示的基礎(chǔ)上對每一種二級展示的物料進(jìn)行細(xì)化展示;包括，每一種物料的名稱、規(guī)格、價(jià)格和供應(yīng)商地址及名稱，以及物料的實(shí)物照片。
[0038]為了保證注冊供應(yīng)商或采購商的交易安全，同時(shí)，方便注冊供應(yīng)商或采購商的交易，所述注冊認(rèn)證模塊還包括密碼找回功能，當(dāng)注冊供應(yīng)商或采購商忘記密碼時(shí)，點(diǎn)擊密碼找回鍵，系統(tǒng)就會將驗(yàn)證碼發(fā)至供應(yīng)商或采購商注冊時(shí)綁定的手機(jī)中。
[0039]顯然，本發(fā)明餐飲業(yè)物料采購移動終端系統(tǒng)的有益技術(shù)效果是匯總了餐飲業(yè)常用的物料，有針對性的為餐飲業(yè)供應(yīng)商和采購商提供服務(wù)，克服了現(xiàn)有技術(shù)餐飲業(yè)物料移動采購方式存在的物料查詢困難、重復(fù)發(fā)出訂單和采購成本較高等問題。
[0040]為了解決以上問題，使移動消費(fèi)與電腦終端、線下作業(yè)更靈活與緊缺的聯(lián)動作業(yè)，本司打造了獨(dú)有的蔥蔥網(wǎng)商城移動端。不僅滿足消費(fèi)者的正常下單、補(bǔ)單、定制、管理店鋪、批量采購、及時(shí)配送、超長賬期等消費(fèi)者需求，也將大數(shù)據(jù)迀移至消費(fèi)者面前，為消費(fèi)者帶來更多生活使用上的便利。從而提升訂單轉(zhuǎn)化率，打造良好的服務(wù)口碑，為企業(yè)帶來更好的收益，為用戶帶來更好的服務(wù)體驗(yàn);為餐館業(yè)界提供新的采購消費(fèi)方式、結(jié)算方式、店鋪管理方式，優(yōu)化企業(yè)人員架構(gòu)等。
[0041]本發(fā)明基于交通大數(shù)據(jù)的行程時(shí)間融合預(yù)測方法，采用所有在線車輛上傳的數(shù)據(jù)通過離線計(jì)算或訓(xùn)練獲取各類預(yù)測模型及參數(shù)，并依據(jù)各類預(yù)測模型及參數(shù)建立并動態(tài)更新數(shù)據(jù)字典;調(diào)用各類預(yù)測模型及參數(shù)結(jié)合實(shí)時(shí)路段和路徑行程時(shí)間數(shù)據(jù)對路網(wǎng)或單車的交通狀態(tài)進(jìn)行預(yù)測;所述數(shù)據(jù)字典包括車輛數(shù)據(jù)字典、路段數(shù)據(jù)字典和路徑數(shù)據(jù)字典;所述在線車輛是指注冊入網(wǎng)并自動上傳定位和速度數(shù)據(jù)的車輛。與現(xiàn)有技術(shù)預(yù)測方法相比，本發(fā)明方法結(jié)合了大數(shù)據(jù)技術(shù)，每個(gè)數(shù)據(jù)字典含有多個(gè)索引，數(shù)據(jù)存儲具有較好規(guī)則性，能很好滿足數(shù)據(jù)存儲和讀寫的實(shí)時(shí)性要求。尤其值得關(guān)注的是，充分考慮到工程應(yīng)用中對預(yù)測精度、實(shí)時(shí)性、通用性和實(shí)用性等方面的要求，本案的絕大部分計(jì)算量、最復(fù)雜的計(jì)算任務(wù)均通過離線完成。也就是說，本案通過離線訓(xùn)練來獲取各類預(yù)測模型參數(shù)，在線計(jì)算只需要調(diào)用離線生成的預(yù)測模型進(jìn)行簡單計(jì)算即可。這樣做的效果是:通過離線計(jì)算能較好提高預(yù)測模型的預(yù)測精度，同時(shí)還能大幅提高在線預(yù)測速度，降低在線計(jì)算量，使得預(yù)測能夠?qū)崟r(shí)實(shí)現(xiàn)，從而保證了工程應(yīng)用中的實(shí)時(shí)性和實(shí)用性。
[0042]另外，本發(fā)明基于交通大數(shù)據(jù)的行程時(shí)間融合預(yù)測方法，采用所有在線車輛上傳的數(shù)據(jù)通過離線計(jì)算或訓(xùn)練獲取各類預(yù)測模型及參數(shù)，包括，設(shè)定每天從0:00時(shí)到24:00時(shí)為一個(gè)完整循環(huán)周期，按照工作日、星期六、星期日、節(jié)假日的出行方式對行程時(shí)間數(shù)據(jù)進(jìn)行出行類型的劃分和編號，即出行編號;每個(gè)周期的行程時(shí)間數(shù)據(jù)排列成一個(gè)行程時(shí)間序列。這樣做的好處是:結(jié)合路網(wǎng)交通狀態(tài)的周期特征進(jìn)行劃分，較好符合了路網(wǎng)交通的本質(zhì)特征，能大幅提高行程時(shí)間預(yù)測的精度，同時(shí)能較好把握路網(wǎng)交通狀態(tài)的周期規(guī)律。
[0043]本發(fā)明基于交通大數(shù)據(jù)的行程時(shí)間融合預(yù)測方法，所述各類預(yù)測模型及參數(shù)包括路段或路徑行程時(shí)間數(shù)據(jù)周期規(guī)則模型、路段或路徑行程時(shí)間的統(tǒng)計(jì)規(guī)則模型、路段或路徑行程時(shí)間長時(shí)預(yù)測模型、路段或路徑行程時(shí)間短時(shí)預(yù)測模型、路段或路徑行程時(shí)間長短時(shí)融合預(yù)測模型和交叉口延誤關(guān)聯(lián)分析模型;其中，
[0044]米用周期律級數(shù)逼近PLSA(Per1dicLaw Series Approximat1n，PLSA)算法獲取路段或路徑行程時(shí)間數(shù)據(jù)周期規(guī)則模型，并采用最小二乘法LSM(Least Square Method,LSM)求解逼近模型參數(shù)。由此，能較好的提取路段或路徑行程時(shí)間的周期性變化規(guī)律，同時(shí)，還能大幅提高運(yùn)算速度，具有較好的通用性和工程應(yīng)用價(jià)值。
[0045]采用統(tǒng)計(jì)規(guī)律提取SRE(Statistical Rule Extract1n，SRE)算法獲取路段或路徑行程時(shí)間統(tǒng)計(jì)規(guī)則模型，并采用核密度估計(jì)KDE(Kernel Density Estimat1n，KDE)獲取路段或路徑行程時(shí)間的概率密度變化規(guī)律。相較于模型驅(qū)動而言，更尊重了路段行程時(shí)間的自身變化規(guī)律。SRE算法能快速提取路段或路徑行程時(shí)間中最為穩(wěn)定的周期規(guī)則信息，并且運(yùn)算復(fù)雜度也不高，具有較好的通用性和工程應(yīng)用價(jià)值。
[0046]米用長時(shí)滾動糾偏預(yù)測LRCF(Long_timeRolling Correct1n Forecast,LRCF)算法獲取路段或路徑行程時(shí)間長時(shí)預(yù)測模型，并通過離線計(jì)算獲取長時(shí)預(yù)測模型參數(shù)，通過在線計(jì)算快速實(shí)現(xiàn)路段或路徑行程時(shí)間預(yù)測。以此能夠很好的解決工程應(yīng)用中的實(shí)時(shí)性問題，同時(shí)，較好的預(yù)測精度也保證了該算法的工程實(shí)用性。
[0047]米用短時(shí)滾動擬合預(yù)測SRFF(Short_timeRolling Fitting Forecast，SRFF)算法獲取路段或路徑行程時(shí)間短時(shí)預(yù)測模型，并采用時(shí)間序列自回歸滑動平均ARMA(Auto-Regressive and Moving Average，ARMA)算法構(gòu)造短時(shí)預(yù)測模型，并采用最小二乘法LSM(Least Square Method，LSM)求解模型參數(shù)。此方法充分尊重了路段或路徑行程時(shí)間的潮汐變化規(guī)律。由于該算法通過離線訓(xùn)練獲取短時(shí)預(yù)測模型參數(shù)，在線預(yù)測的計(jì)算量非常小，能夠很好的解決工程應(yīng)用中的實(shí)時(shí)性問題，同時(shí)，較好的預(yù)測精度也保證了該算法的工程實(shí)用性。
[0048]采用篩狀融合預(yù)測SFF(Sieve Fus1n Forecast，SFF)算法獲取路段或路徑行程時(shí)間長短時(shí)融合預(yù)測模型，并通過離線訓(xùn)練，采用高斯-牛頓迭代法GNIM(Guassian-NewtonIterative MethocUGNHO獲取融合預(yù)測模型參數(shù)。該算法在一定程度上減少了LRCF算法和SRFF算法部分弱點(diǎn)，同時(shí)又加強(qiáng)了它們的優(yōu)點(diǎn)，是LRCF算法和SRFF算法的有效融合。該算法通過離線訓(xùn)練，采用GN頂獲取融合預(yù)測模型參數(shù)，能有效大幅提高預(yù)測精度，同時(shí)大幅提高在線預(yù)測的速度，保證了工程應(yīng)用中的實(shí)時(shí)性和實(shí)用性。
[0049]米用交叉口延誤關(guān)聯(lián)分析IDCA(Intersect1nDelay Correlat1n Analysis，IDCA)算法構(gòu)造交叉口延誤關(guān)聯(lián)分析模型，并通過最小二乘法LSM(Least Square Method，LSM)求解模型參數(shù)，通過離線訓(xùn)練獲取模型參數(shù)，通過在線計(jì)算實(shí)現(xiàn)路徑行程時(shí)間的快速補(bǔ)償。該方法能有效彌補(bǔ)交叉口延誤對路徑行程時(shí)間造成的偏差。由于IDCA算法通過離線訓(xùn)練獲取模型參數(shù)，通過在線計(jì)算實(shí)現(xiàn)路徑行程時(shí)間的快速補(bǔ)償，既保證了計(jì)算精度，同時(shí)又保證了在線計(jì)算的速度，具有較好的工程實(shí)用性。
[0050]其中，所述長時(shí)預(yù)測是指通過LRCF算法獲取路段或路徑行程時(shí)間的長時(shí)預(yù)測值，長時(shí)預(yù)測時(shí)長的取值范圍設(shè)定為O分鐘到3個(gè)月，具體的長時(shí)預(yù)測時(shí)長可在用戶選定的預(yù)測時(shí)長基礎(chǔ)上通過線性折算來獲取;所述短時(shí)預(yù)測是指通過SRFF算法獲取路段或路徑行程時(shí)間的短時(shí)預(yù)測值，短時(shí)預(yù)測時(shí)長的取值范圍設(shè)定為O分鐘到3個(gè)小時(shí)，具體的短時(shí)預(yù)測時(shí)長可在用戶選定的預(yù)測時(shí)長基礎(chǔ)上通過線性折算來獲取。
[0051]附圖1為本發(fā)明路段數(shù)據(jù)字典數(shù)據(jù)存儲及更新流程示意圖，由圖可知，本發(fā)明基于交通大數(shù)據(jù)的行程時(shí)間融合預(yù)測方法，所述路段數(shù)據(jù)字典用于存儲行程時(shí)間的周期序列、概率序列和各種模型及參數(shù)，其數(shù)據(jù)存儲及更新包括以下步驟:
[0052]S101、讀取歷史數(shù)據(jù)，從路段數(shù)據(jù)字典中讀取歷史數(shù)據(jù)，包括路段編號、等時(shí)距采樣的路段行程時(shí)間數(shù)據(jù)、日期和時(shí)刻數(shù)據(jù)；
[0053]S102、選取路段，根據(jù)路段編號的先后順序選取一條未處理的路段；
[0054]S103、路段行程時(shí)間數(shù)據(jù)分類，基于路網(wǎng)潮汐流理論，設(shè)定每天從0:00時(shí)到24:00時(shí)為一個(gè)完整循環(huán)周期，按照工作日、星期六、星期日、節(jié)假日的出行方式，對行程時(shí)間數(shù)據(jù)進(jìn)行出行類型劃分和編號，即出行編號，每個(gè)周期的行程時(shí)間數(shù)據(jù)排列成一個(gè)行程時(shí)間序列；
[0055]S104、選取路段行程時(shí)間數(shù)據(jù)，根據(jù)出行編號的先后順序選取一類未處理的路段行程時(shí)間數(shù)據(jù)；
[0056]S105、獲取行程時(shí)間數(shù)據(jù)周期規(guī)則模型及參數(shù)，采用PLSA算法來獲取路段或路徑行程時(shí)間數(shù)據(jù)周期規(guī)則模型，并采用LSM來求解逼近模型參數(shù);包括:
[0057]S1051、對任意兩個(gè)不同周期的行程時(shí)間序列進(jìn)行相關(guān)度聚類分析，提取相關(guān)度大的行程時(shí)間數(shù)據(jù)形成集合并進(jìn)行求均計(jì)算，獲得平均行程時(shí)間序列；
[0058]S1052、以“4jt/小時(shí)”為基礎(chǔ)圓周率，構(gòu)造一個(gè)傅里葉級數(shù)模型來逼近平均行程時(shí)間序列，通過LSM求解逼近方程來獲取模型參數(shù)；
[0059]S1053、按照能量從高到低的順序，截取總能量2 98%模型參數(shù)，其余參數(shù)置零，從而獲得PLSA模型參數(shù)；
[0060]S1054、由PLSA算法生成路段行程時(shí)間的一個(gè)周期序列，將該周期序列和PLSA模型參數(shù)等信息存儲到路段數(shù)據(jù)字典中；
[0061]S106、獲取路段行程時(shí)間統(tǒng)計(jì)規(guī)律模型及參數(shù)，采用SRE算法獲取路段或路徑行程時(shí)間的統(tǒng)計(jì)規(guī)則模型，并采用KDE獲取路段或路徑行程時(shí)間的概率密度變化規(guī)律;包括:
[0062]S1061、標(biāo)定某個(gè)時(shí)刻，選出所有周期在該時(shí)刻的行程時(shí)間數(shù)據(jù)形成數(shù)據(jù)集，用KDE獲得概率密度函數(shù)，找到概率密度最大值對應(yīng)的行程時(shí)間，即概率最大行程時(shí)間；
[0063]S1062、求解所有時(shí)刻對應(yīng)的概率最大行程時(shí)間，按時(shí)序排列成路段行程時(shí)間的概率序列并存儲到路段數(shù)據(jù)字典中；
[0064]S107、獲取路段行程時(shí)間長時(shí)預(yù)測模型及參數(shù)，采用LRCF算法獲取路段行程時(shí)間長時(shí)預(yù)測模型及參數(shù)，并通過離線計(jì)算獲取長時(shí)預(yù)測模型參數(shù);包括:
[0065]S1071、將行程時(shí)間的周期序列和概率序列求和平均，獲得行程時(shí)間的長時(shí)初值序列
[0066]S1072、標(biāo)定某個(gè)時(shí)刻，計(jì)算所有周期在該時(shí)刻對應(yīng)的行程時(shí)間與長時(shí)初值進(jìn)行比較，獲得差值，并按時(shí)序排列成一個(gè)差值序列；
[0067]S1073、考慮到相鄰差值之間的天數(shù)間距，構(gòu)造一個(gè)二元多次多項(xiàng)式模型來逼近該差值序列，自適應(yīng)調(diào)整多項(xiàng)式的項(xiàng)數(shù)，找到最小擬合偏差對應(yīng)的多項(xiàng)式模型；
[0068]S1074、求解多項(xiàng)式模型的過程即為LRCF算法，獲取所有時(shí)刻對應(yīng)的LRCF模型參數(shù)并存入路段數(shù)據(jù)字典中；
[0069]S108、獲取路段行程時(shí)間的短時(shí)預(yù)測模型及參數(shù)，采用SRFF算法獲取路段行程時(shí)間短時(shí)預(yù)測模型，并采用ARMA算法構(gòu)造短時(shí)預(yù)測模型，并采用LSM求解模型參數(shù);包括:
[0070]S1081、按時(shí)序?qū)⑺兄芷诘男谐虝r(shí)間序列排列成一個(gè)長序列；
[0071 ] S1082、假定該長序列的時(shí)間間距均等，用ARMA算法構(gòu)造一個(gè)N項(xiàng)多項(xiàng)式模型來擬合后N個(gè)行程時(shí)間，用LSM求其參數(shù)和擬合誤差；
[0072]S1083、通過調(diào)整N來調(diào)節(jié)擬合誤差的大小，挑出誤差最小時(shí)對應(yīng)的多項(xiàng)式模型；
[0073]S1084、求解該多項(xiàng)式模型的過程即為SRFF算法，將SRFF模型參數(shù)存入路段數(shù)據(jù)字
H巾；
[0074]S109、獲取路段行程時(shí)間長短時(shí)融合預(yù)測模型及參數(shù)，采用SFF算法獲取路段行程時(shí)間長短時(shí)融合預(yù)測模型，并通過離線訓(xùn)練，采用GNIM獲取融合預(yù)測模型參數(shù);包括:
[0075]S1091、標(biāo)定起始時(shí)刻，獲取SRFF模型的項(xiàng)數(shù)N，構(gòu)造一個(gè)2 XN篩狀系數(shù)矩陣，其中，每個(gè)元素為非負(fù)且每一列的元素之和恒為I，元素值未知；
[0076]S1092、從起始時(shí)刻開始對行程時(shí)間進(jìn)行預(yù)測，通過LRCF算法來補(bǔ)償長時(shí)初值序列，獲取未來N個(gè)長時(shí)預(yù)測值，通過SRFF算法獲取未來N個(gè)短時(shí)預(yù)測值，由這兩種預(yù)測值序列組成一個(gè)2 X N預(yù)測矩陣；
[0077]S1093、將系數(shù)矩陣與預(yù)測矩陣點(diǎn)乘后行相加處理，獲得一個(gè)I XN融合向量，用融合向量逼近相應(yīng)的行程時(shí)間序列，獲得相應(yīng)的相關(guān)系數(shù)方程；
[0078]S1094、向后逐步調(diào)整起始時(shí)刻，用同樣的方法獲得相應(yīng)的相關(guān)系數(shù)方程，由這些方程構(gòu)成一個(gè)相關(guān)系數(shù)方程組；
[0079]S1095、用GNIM求解該方程組，獲得篩狀系數(shù)矩陣的元素值，也即SFF模型參數(shù)，將SFF模型參數(shù)存入路段數(shù)據(jù)字典中；
[0080]S110、判斷是否所有路段行程時(shí)間處理完畢?是則，順序執(zhí)行步驟Slll，否則，返回執(zhí)行步驟S104;
[0081]S111、判斷所有路段是否處理完畢?是則，順序執(zhí)行步驟S112，否則，返回執(zhí)行步驟S102；
[0082]S112、結(jié)束此次路段數(shù)據(jù)字典的數(shù)據(jù)存儲及更新；
[0083]其中，所述長時(shí)預(yù)測是指通過LRCF算法獲取路段或路徑行程時(shí)間的長時(shí)預(yù)測值，長時(shí)預(yù)測時(shí)長的取值范圍設(shè)定為O分鐘到3個(gè)月，具體的長時(shí)預(yù)測時(shí)長可在用戶選定的預(yù)測時(shí)長基礎(chǔ)上通過線性折算來獲取;所述短時(shí)預(yù)測是指通過SRFF算法獲取路段或路徑行程時(shí)間的短時(shí)預(yù)測值，短時(shí)預(yù)測時(shí)長的取值范圍設(shè)定為O分鐘到3個(gè)小時(shí)，具體的短時(shí)預(yù)測時(shí)長可在用戶選定的預(yù)測時(shí)長基礎(chǔ)上通過線性折算來獲取。
[0084]本發(fā)明基于交通大數(shù)據(jù)的行程時(shí)間融合預(yù)測方法，所述路徑數(shù)據(jù)字典用于存儲行程時(shí)間的周期序列、概率序列和各種模型及參數(shù)，其數(shù)據(jù)存儲及更新包括以下步驟:
[0085]S201、讀取歷史數(shù)據(jù)，從路徑和路段數(shù)據(jù)字典中讀取歷史數(shù)據(jù)，包括路網(wǎng)節(jié)點(diǎn)、路段編號、路徑編號、等時(shí)距采樣的路段和路徑行程時(shí)間數(shù)據(jù)、日期和時(shí)刻數(shù)據(jù)；
[0086]S202、選取節(jié)點(diǎn)組合，根據(jù)路網(wǎng)節(jié)點(diǎn)編號的排列組合關(guān)系，選取一組未處理的兩節(jié)點(diǎn)組合；
[0087]S203、選取路徑，根據(jù)兩節(jié)點(diǎn)組合選取一條未處理路徑；
[0088]S204、路徑行程時(shí)間數(shù)據(jù)分類，基于路網(wǎng)潮汐流理論，設(shè)定每天從0:00時(shí)到24:00時(shí)為一個(gè)完整循環(huán)周期，按照工作日、星期六、星期日、節(jié)假日的出行方式，對行程時(shí)間數(shù)據(jù)進(jìn)行出行類型劃分和編號，即出行編號，每個(gè)周期的行程時(shí)間數(shù)據(jù)排列成一個(gè)行程時(shí)間序列；
[0089]S205、選取路徑行程時(shí)間數(shù)據(jù)，根據(jù)出行編號的先后順序選取一類未處理的路徑行程時(shí)間數(shù)據(jù)；
[0090]S206、獲取行程時(shí)間數(shù)據(jù)周期規(guī)則模型及參數(shù)，采用PLSA算法來獲取路段或路徑行程時(shí)間數(shù)據(jù)周期規(guī)則模型，并采用LSM來求解逼近模型參數(shù);包括:
[0091]S2061、對任意兩個(gè)不同周期的行程時(shí)間序列進(jìn)行相關(guān)度聚類分析，提取相關(guān)度大的行程時(shí)間數(shù)據(jù)形成集合并進(jìn)行求均計(jì)算，獲得平均行程時(shí)間序列；
[0092]S2062、以“牡/小時(shí)”為基礎(chǔ)圓周率，構(gòu)造一個(gè)傅里葉級數(shù)模型來逼近平均行程時(shí)間序列，通過LSM求解逼近方程來獲取模型參數(shù)；
[0093]S2063、按照能量從高到低的順序，截取總能量2 98%模型參數(shù)，其余參數(shù)置零，從而獲得PLSA模型參數(shù)；
[0094]S2064、由PLSA算法生成路徑行程時(shí)間的一個(gè)周期序列，將該周期序列和PLSA模型參數(shù)等信息存儲到路徑數(shù)據(jù)字典中；
[0095]S207、獲取路段行程時(shí)間統(tǒng)計(jì)規(guī)律模型及參數(shù)，采用SRE算法獲取路段或路徑行程時(shí)間的統(tǒng)計(jì)規(guī)則模型，并采用KDE獲取路段或路徑行程時(shí)間的概率密度變化規(guī)律;包括:
[0096]S2071、標(biāo)定某個(gè)時(shí)刻，挑出所有周期在該時(shí)刻的行程時(shí)間數(shù)據(jù)形成數(shù)據(jù)集，用KDE獲得概率密度函數(shù)，找到概率密度最大值對應(yīng)的行程時(shí)間，即概率最大行程時(shí)間；
[0097]S2072、求解所有時(shí)刻對應(yīng)的概率最大行程時(shí)間，按時(shí)序排列成路徑行程時(shí)間的概率序列并存儲到路徑數(shù)據(jù)字典中；
[0098]S208、獲取交叉口延誤關(guān)聯(lián)分析模型及參數(shù)，采用IDCA算法構(gòu)造交叉口延誤關(guān)聯(lián)分析模型，并通過LSM求解模型參數(shù)，并通過離線訓(xùn)練獲取模型參數(shù);包括:
[0099]S2081、標(biāo)定某個(gè)周期的某個(gè)時(shí)刻，計(jì)算該路徑的所有路段行程時(shí)間之和、以及路徑行程時(shí)間與路段行程時(shí)間和之差，該差值即為交叉口總延誤；
[0100]S2082、遍歷所有周期和所有時(shí)刻，計(jì)算所有交叉口總延誤，通過LSM建立路徑行程時(shí)間與相應(yīng)的交叉口總延誤之間的關(guān)聯(lián)關(guān)系并求解，獲得LSM模型參數(shù)；
[0101]S2083、將所有交叉口總延誤按時(shí)序排列，考慮到相鄰值之間的天數(shù)間距，構(gòu)造一個(gè)二元多次多項(xiàng)式來逼近該序列，自適應(yīng)調(diào)整多項(xiàng)式的項(xiàng)數(shù)，找到最小擬合偏差對應(yīng)的多項(xiàng)式模型；
[0102]S2084、將LSM擬合模型和多項(xiàng)式模型進(jìn)行等權(quán)重合并，合并模型即為IDCA模型，將IDCA模型參數(shù)存儲到路徑數(shù)據(jù)字典中；
[0103]S209、獲取路徑行程時(shí)間長時(shí)預(yù)測模型及參數(shù)，采用LRCF算法獲取路段或路徑行程時(shí)間長時(shí)預(yù)測模型，并通過離線計(jì)算獲取長時(shí)預(yù)測模型參數(shù);包括:
[0104]S2091、將行程時(shí)間的周期序列和概率序列求和平均，獲得行程時(shí)間的長時(shí)初值序列
[0105]S2092、標(biāo)定某個(gè)時(shí)刻，計(jì)算所有周期在該時(shí)刻對應(yīng)的行程時(shí)間與長時(shí)初值進(jìn)行比較，獲得差值，并按時(shí)序排列成一個(gè)差值序列；
[0106]S2093、考慮到相鄰差值之間的天數(shù)間距，構(gòu)造一個(gè)二元多次多項(xiàng)式模型來逼近該差值序列，自適應(yīng)調(diào)整多項(xiàng)式的項(xiàng)數(shù)，找到最小擬合偏差對應(yīng)的多項(xiàng)式模型；
[0107]S2094、求解多項(xiàng)式模型的過程即為LRCF算法，獲取所有時(shí)刻對應(yīng)的LRCF模型參數(shù)并存入路徑數(shù)據(jù)字典中；
[0108]S210、獲取路徑行程時(shí)間短時(shí)預(yù)測模型及參數(shù)，采用SRFF算法獲取路徑行程時(shí)間短時(shí)預(yù)測模型，并采用ARMA算法構(gòu)造短時(shí)預(yù)測模型，并采用LSM求解模型參數(shù);包括:
[0109]S2101、按時(shí)序?qū)⑺兄芷诘男谐虝r(shí)間序列排列成一個(gè)長序列；
[0110]S2102、假定該長序列的時(shí)間間距均等，用ARMA算法構(gòu)造一個(gè)N項(xiàng)多項(xiàng)式模型來擬合后N個(gè)行程時(shí)間，用LSM求其參數(shù)和擬合誤差；
[0111]S2103、通過調(diào)整N來調(diào)節(jié)擬合誤差的大小，挑出誤差最小時(shí)對應(yīng)的多項(xiàng)式模型；
[0112]S2104、求解該多項(xiàng)式模型的過程即為SRFF算法，將SRFF模型參數(shù)存入路徑數(shù)據(jù)字
H巾；
[0113]S211、獲取路徑行程時(shí)間長短時(shí)融合預(yù)測模型及參數(shù)，采用SFF算法獲取路徑行程時(shí)間長短時(shí)融合預(yù)測模型，并通過離線訓(xùn)練，采用GNIM獲取融合預(yù)測模型參數(shù);包括:
[0114]S2111、標(biāo)定起始時(shí)刻，獲取SRFF模型的項(xiàng)數(shù)N，構(gòu)造一個(gè)2 X N篩狀系數(shù)矩陣，其中每個(gè)元素為非負(fù)且每一列的元素之和恒為I，元素值未知；
[0115]S2112、從起始時(shí)刻開始對行程時(shí)間進(jìn)行預(yù)測，通過LRCF算法來補(bǔ)償長時(shí)初值序列，獲取未來N個(gè)長時(shí)預(yù)測值，通過SRFF算法獲取未來N個(gè)短時(shí)預(yù)測值，由這兩種預(yù)測值序列組成一個(gè)2 X N預(yù)測矩陣；
[0116]S2112、將系數(shù)矩陣與預(yù)測矩陣點(diǎn)乘后行相加處理，獲得一個(gè)I XN融合向量，用融合向量逼近相應(yīng)的行程時(shí)間序列，獲得相應(yīng)的相關(guān)系數(shù)方程；
[0117]S2114、向后逐步調(diào)整起始時(shí)刻，用同樣的方法獲得相應(yīng)的相關(guān)系數(shù)方程，由這些方程構(gòu)成一個(gè)相關(guān)系數(shù)方程組；
[0118]S2115、用GNIM求解該方程組，獲得篩狀系數(shù)矩陣的元素值，也即SFF模型參數(shù)，將SFF模型參數(shù)存入路徑數(shù)據(jù)字典中；
[0119]S212、判斷所有路徑行程時(shí)間數(shù)據(jù)是否處理完畢?是則，順序執(zhí)行步驟S213，否則，返回執(zhí)行步驟S205;
[0120]S213、判斷所有路徑是否處理完畢，是則，順序執(zhí)行步驟S214，否則，返回執(zhí)行步驟S203；
[0121]S214、判斷所有節(jié)點(diǎn)組合是否處理完畢，是則，順序執(zhí)行步驟S215，否則，返回執(zhí)行步驟S202;
[0122]S215、結(jié)束此次路徑數(shù)據(jù)字典的數(shù)據(jù)存儲及更新；
[0123]其中，所述長時(shí)預(yù)測是指通過LRCF算法獲取路段或路徑行程時(shí)間的長時(shí)預(yù)測值，長時(shí)預(yù)測時(shí)長的取值范圍設(shè)定為O分鐘到3個(gè)月，具體的長時(shí)預(yù)測時(shí)長可在用戶選定的預(yù)測時(shí)長基礎(chǔ)上通過線性折算來獲取;所述短時(shí)預(yù)測是指通過SRFF算法獲取路段或路徑行程時(shí)間的短時(shí)預(yù)測值，短時(shí)預(yù)測時(shí)長的取值范圍設(shè)定為O分鐘到3個(gè)小時(shí)，具體的短時(shí)預(yù)測時(shí)長可在用戶選定的預(yù)測時(shí)長基礎(chǔ)上通過線性折算來獲取。
[0124]本發(fā)明基于交通大數(shù)據(jù)的行程時(shí)間融合查詢方法，采用本發(fā)明基于交通大數(shù)據(jù)的行程時(shí)間融合預(yù)測方法對設(shè)定的查詢路徑及出行編號的行程時(shí)間變化進(jìn)行預(yù)測并將預(yù)測結(jié)果提供給用戶，包括，采用所有在線車輛上傳的數(shù)據(jù)通過離線計(jì)算或訓(xùn)練獲取各類預(yù)測模型及參數(shù)并依據(jù)各類預(yù)測模型及參數(shù)建立并動態(tài)更新數(shù)據(jù)字典;根據(jù)用戶設(shè)定的查詢路徑及出行編號，調(diào)用各類預(yù)測模型及參數(shù)結(jié)合該路徑及相應(yīng)路段的實(shí)時(shí)行程時(shí)間數(shù)據(jù)對該路徑及相應(yīng)路段的行程時(shí)間進(jìn)行預(yù)測并將預(yù)測結(jié)果提供給用戶;所述數(shù)據(jù)字典包括車輛數(shù)據(jù)字典、路段數(shù)據(jù)字典和路徑數(shù)據(jù)字典;所述在線車輛是指注冊入網(wǎng)并自動上傳定位和速度數(shù)據(jù)的車輛。
[0125]同樣，本發(fā)明基于交通大數(shù)據(jù)的行程時(shí)間融合查詢方法，所述出行編號是指基于路網(wǎng)潮汐流理論，設(shè)定每天從0:00時(shí)到24:00時(shí)為一個(gè)完整循環(huán)周期，按照工作日、星期六、星期日、節(jié)假日的出行方式，對行程時(shí)間數(shù)據(jù)進(jìn)行出行類型劃分和編號，即出行編號，每個(gè)周期的行程時(shí)間數(shù)據(jù)排列成一個(gè)行程時(shí)間序列。
[0126]同樣，本發(fā)明基于交通大數(shù)據(jù)的行程時(shí)間融合查詢方法，所述各類預(yù)測模型及參數(shù)包括路段或路徑行程時(shí)間數(shù)據(jù)周期規(guī)則模型、路段或路徑行程時(shí)間的統(tǒng)計(jì)規(guī)則模型、路段或路徑行程時(shí)間長時(shí)預(yù)測模型、路段或路徑行程時(shí)間短時(shí)預(yù)測模型、路段或路徑行程時(shí)間長短時(shí)融合預(yù)測模型和交叉口延誤關(guān)聯(lián)分析模型;其中，
[0127]米用周期律級數(shù)逼近PLSA(Per1dicLaw Series Approximat1n，PLSA)算法獲取路段或路徑行程時(shí)間數(shù)據(jù)周期規(guī)則模型，并采用最小二乘法LSM(Least Square Method,LSM)求解逼近模型參數(shù)；
[0128]采用統(tǒng)計(jì)規(guī)律提取SRE(Statistical Rule Extract1n，SRE)算法獲取路段或路徑行程時(shí)間統(tǒng)計(jì)規(guī)則模型，并采用核密度估計(jì)KDE(Kernel Density Estimat1n，KDE)獲取路段或路徑行程時(shí)間的概率密度變化規(guī)律；
[0129]米用長時(shí)滾動糾偏預(yù)測LRCF(Long_timeRolling Correct1n Forecast,LRCF)算法獲取路段或路徑行程時(shí)間長時(shí)預(yù)測模型，并通過離線計(jì)算獲取長時(shí)預(yù)測模型參數(shù)，通過在線計(jì)算快速實(shí)現(xiàn)路段或路徑行程時(shí)間預(yù)測；
[0130]米用短時(shí)滾動擬合預(yù)測SRFF(Short_timeRolling Fitting Forecast，SRFF)算法獲取路段或路徑行程時(shí)間短時(shí)預(yù)測模型，并采用時(shí)間序列自回歸滑動平均ARMA(Auto-Regressive and Moving Average，ARMA)算法構(gòu)造短時(shí)預(yù)測模型，并采用最小二乘法LSM(Least Square Method，LSM)求解模型參數(shù)；
[0131]采用篩狀融合預(yù)測SFF(Sieve Fus1n Forecast，SFF)算法獲取路段或路徑行程時(shí)間長短時(shí)融合預(yù)測模型，并通過離線訓(xùn)練，采用高斯-牛頓迭代法GNIM(Guassian-NewtonIterative Method，GNIM)獲取融合預(yù)測模型參數(shù)；
[0132]米用交叉口延誤關(guān)聯(lián)分析IDCA(Intersect1nDelay Correlat1n Analysis，IDCA)算法構(gòu)造交叉口延誤關(guān)聯(lián)分析模型，并通過最小二乘法LSM(Least Square Method，LSM)求解模型參數(shù)，通過離線訓(xùn)練獲取模型參數(shù)，通過在線計(jì)算實(shí)現(xiàn)路徑行程時(shí)間的快速補(bǔ)償；
[0133]其中，所述長時(shí)預(yù)測是指通過LRCF算法獲取路段或路徑行程時(shí)間的長時(shí)預(yù)測值，長時(shí)預(yù)測時(shí)長的取值范圍設(shè)定為O分鐘到3個(gè)月，具體的長時(shí)預(yù)測時(shí)長可在用戶選定的預(yù)測時(shí)長基礎(chǔ)上通過線性折算來獲取;所述短時(shí)預(yù)測是指通過SRFF算法獲取路段或路徑行程時(shí)間的短時(shí)預(yù)測值，短時(shí)預(yù)測時(shí)長的取值范圍設(shè)定為O分鐘到3個(gè)小時(shí)，具體的短時(shí)預(yù)測時(shí)長可在用戶選定的預(yù)測時(shí)長基礎(chǔ)上通過線性折算來獲取。
[0134]本發(fā)明基于交通大數(shù)據(jù)的行程時(shí)間融合查詢方法，包括以下步驟:
[0135]S301、用戶查詢；
[0136]S302、采集歷史和實(shí)時(shí)交通數(shù)據(jù)，包括路網(wǎng)節(jié)點(diǎn)編號、路段編號、路徑編號、等時(shí)距采樣的路段和路徑行程時(shí)間、各類行程時(shí)間預(yù)測數(shù)據(jù)、各類模型參數(shù)、日期和時(shí)刻、數(shù)據(jù)分類編號；
[0137]S303、是否查詢設(shè)定路徑行程時(shí)間變化?是則，繼續(xù)執(zhí)行步驟S304，否則，執(zhí)行步驟S314；
[0138]S304、查詢條件設(shè)置，用戶根據(jù)自己的需求設(shè)定查詢內(nèi)容，包括短時(shí)預(yù)測的時(shí)長和長時(shí)預(yù)測的時(shí)段，根據(jù)等時(shí)距原則，標(biāo)定相應(yīng)的短時(shí)和長時(shí)預(yù)測步長的起始點(diǎn)和終止點(diǎn)，并根據(jù)日歷設(shè)定相應(yīng)的出行編號；同時(shí)，用戶設(shè)定路網(wǎng)節(jié)點(diǎn)的起始點(diǎn)和終止點(diǎn)，通過搜索路徑數(shù)據(jù)字典，標(biāo)定這兩個(gè)路網(wǎng)節(jié)點(diǎn)之間的路徑及路徑編號；
[0139]S305、選取路徑行程時(shí)間數(shù)據(jù)，根據(jù)出行編號的先后順序選取一類未處理的路徑行程時(shí)間數(shù)據(jù)；
[0140]S306、選取路徑，根據(jù)路徑編號的先后順序選取一條未處理的路徑，通過路徑數(shù)據(jù)字典搜索到該路徑所包含的路段編號；
[0141]S307、選取路段，根據(jù)路段編號的先后順序選取一條未處理的路段；
[0142]S308、路段行程時(shí)間融合預(yù)測，根據(jù)用戶查詢要求從路段數(shù)據(jù)字典中讀取相應(yīng)的模型及參數(shù)，結(jié)合實(shí)時(shí)行程時(shí)間數(shù)據(jù)，按步驟處理如下:
[0143]S3081、通過LRCF算法獲得行程時(shí)間的長時(shí)初值序列和差值序列，兩者相加得到行程時(shí)間的長時(shí)預(yù)測序列；
[0144]S3082、以用戶選取的短時(shí)預(yù)測步長的起始點(diǎn)和終止點(diǎn)為基準(zhǔn)，通過SRFF算法獲得行程時(shí)間的短時(shí)預(yù)測序列，再通過SFF算法獲得短時(shí)融合預(yù)測序列；
[0145]S3083、以用戶選取的長時(shí)預(yù)測步長的起始點(diǎn)和終止點(diǎn)為準(zhǔn)，用長時(shí)預(yù)測序列對短時(shí)融合預(yù)測序列進(jìn)行擴(kuò)充，得到路段行程時(shí)間的最終融合預(yù)測序列；
[0146]S309、判斷所有路段是否處理完畢?是則，順序執(zhí)行步驟S310，否則，返回執(zhí)行步驟S307；
[0147]S310、路徑行程時(shí)間融合預(yù)測，根據(jù)用戶預(yù)測設(shè)定，按步驟處理如下:
[0148]S3101、通過IDCA算法獲得交叉口總延誤的預(yù)測序列，按照時(shí)序順序，將交叉口總延誤的預(yù)測序列與該路徑所包含路段的最終融合預(yù)測序列相加，得到行程時(shí)間的補(bǔ)償式預(yù)測序列；
[0149]S3102、通過LRCF算法獲取行程時(shí)間的長時(shí)初值序列和差值序列，兩者相加即得到行程時(shí)間的長時(shí)預(yù)測序列；
[0150]S3103、以用戶選取的短時(shí)預(yù)測步長的起始點(diǎn)和終止點(diǎn)為基準(zhǔn)，通過SRFF算法獲取行程時(shí)間的短時(shí)預(yù)測序列，再通過SFF算法獲得短時(shí)融合預(yù)測序列；
[0151]S3104、以用戶選取的長時(shí)預(yù)測步長的起始點(diǎn)和終止點(diǎn)為準(zhǔn)，用長時(shí)預(yù)測序列對短時(shí)融合預(yù)測序列進(jìn)行擴(kuò)充，得到行程時(shí)間的擴(kuò)充式預(yù)測序列；
[0152]S3105、將擴(kuò)充式預(yù)測序列和補(bǔ)償式預(yù)測序列相加求平均，得到路徑行程時(shí)間的最終融合預(yù)測序列；
[0153]S311、判斷所有路徑是否處理完畢?是則，順序執(zhí)行步驟S312，否則，返回執(zhí)行步驟S306；
[0154]S312、判斷所有出行是否處理完畢?是則，順序執(zhí)行步驟S313，否則，返回執(zhí)行步驟S305；
[0155]S313、路徑行程時(shí)間預(yù)測重組和動態(tài)顯示，將所有的路徑行程時(shí)間最終融合預(yù)測序列，按路徑、分類編號和時(shí)序的邏輯順序進(jìn)行重組排列，得到每條路徑的最終預(yù)測序列，并在路網(wǎng)上按時(shí)序動態(tài)顯不；
[0156]S314、結(jié)束此次路徑查詢；
[0157]其中，所述長時(shí)預(yù)測是指通過LRCF算法獲取路段或路徑行程時(shí)間的長時(shí)預(yù)測值，長時(shí)預(yù)測時(shí)長的取值范圍設(shè)定為O分鐘到3個(gè)月，具體的長時(shí)預(yù)測時(shí)長可在用戶選定的預(yù)測時(shí)長基礎(chǔ)上通過線性折算來獲取;所述短時(shí)預(yù)測是指通過SRFF算法獲取路段或路徑行程時(shí)間的短時(shí)預(yù)測值，短時(shí)預(yù)測時(shí)長的取值范圍設(shè)定為O分鐘到3個(gè)小時(shí)，具體的短時(shí)預(yù)測時(shí)長可在用戶選定的預(yù)測時(shí)長基礎(chǔ)上通過線性折算來獲取。
[0158]顯然，本發(fā)明基于交通大數(shù)據(jù)的行程時(shí)間融合預(yù)測及查詢方法的有益技術(shù)效果是克服了現(xiàn)有技術(shù)路網(wǎng)或單車的交通狀態(tài)預(yù)測方法存在的實(shí)時(shí)性較差、通用性較差和實(shí)用性不強(qiáng)等問題，大幅提高了測精度，同時(shí)大幅提高了在線預(yù)測的速度，保證了工程應(yīng)用中的實(shí)時(shí)性、實(shí)用性和通用性。
【主權(quán)項(xiàng)】
1.一種餐飲業(yè)物料采購移動終端系統(tǒng)，其特征在于，采用Java、JavaScripi^Phtmlig言為基礎(chǔ)編寫，采用SSH框架技術(shù)構(gòu)建，采用H5技術(shù)，并封裝WEB APP適用于1S和Android系統(tǒng);所述系統(tǒng)網(wǎng)站包括，物料展示、物料搜索、注冊認(rèn)證、常用清單、購物車、為您訂制、貨款支付、消息管理、幫助反饋和會員中心模塊;其中: 物料展示模塊，對餐飲業(yè)常用的由注冊供應(yīng)商提供的所有物料進(jìn)行展示； 物料搜索模塊，為采購商提供所需物料的模糊搜索和精確搜索； 注冊認(rèn)證模塊，對所有供應(yīng)商和采購商實(shí)行注冊會員制管理； 常用清單模塊，根據(jù)采購商采購各種物料的頻次，生成對應(yīng)采購商經(jīng)常采購的物料清單，即常用清單;采購商可以調(diào)用常用清單，并在增減物料種類或數(shù)量后生成擬采購訂單；購物車模塊，存放采購商擬采購的物料，與擬采購訂單合并后形成此次采購訂單;所述采購訂單包括物料名稱、數(shù)量、單價(jià)、貨款數(shù)額及總金額； 為您訂制模塊，為采購商在系統(tǒng)網(wǎng)站內(nèi)沒有搜索到的物料實(shí)行專門配送;采購商提出所需物料的詳細(xì)信息，后臺工作人員進(jìn)行專門配送;所述物料詳細(xì)信息包括物料名稱、規(guī)格或要求、數(shù)量、價(jià)格和配送時(shí)間； 貨款支付模塊，采購商根據(jù)采購訂單采用網(wǎng)銀或POS機(jī)支付此次采購訂單的總金額，系統(tǒng)根據(jù)此次采購訂單的記載將此次采購訂單所記載的各種物料的貨款支付給對應(yīng)的供貨商;或者，采購商根據(jù)與供貨商的約定采用網(wǎng)銀或POS機(jī)將設(shè)定時(shí)間段內(nèi)或設(shè)定金額的貨款支付給對應(yīng)的供貨商； 消息管理模塊，不定期發(fā)送供貨商的促銷信息、采購商的需求信息和各采購商采購物料的進(jìn)程信息； 幫助反饋模塊，對供貨商和采購商提供操作咨詢和技術(shù)指導(dǎo)，接收供貨商和采購商對系統(tǒng)網(wǎng)站建設(shè)的意見和建議； 會員中心模塊，為注冊采購商和供應(yīng)商提供各種增值服務(wù)，包括，采購訂單查詢、銷售總量查詢、貨款支付查詢。2.根據(jù)權(quán)利要求1所述餐飲業(yè)物料采購移動終端系統(tǒng)，其特征在于，所述對餐飲業(yè)常用的由注冊供應(yīng)商提供的所有物料進(jìn)行展示，包括采用三級分類方式進(jìn)行展示，其中: 一級展示根據(jù)物料種類進(jìn)行展示，包括，糧油副食、調(diào)料干貨、冷鏈凍貨、水產(chǎn)水發(fā)、新鮮蔬果、酒水飲料和餐廚用品； 二級展示在一級展示的基礎(chǔ)上對每一類一級展示的物料進(jìn)行細(xì)化展示； 三級展示在二級展示的基礎(chǔ)上對每一種二級展示的物料進(jìn)行細(xì)化展示；包括，每一種物料的名稱、規(guī)格、價(jià)格和供應(yīng)商地址及名稱，以及物料的實(shí)物照片。3.根據(jù)權(quán)利要求1所述餐飲業(yè)物料采購移動終端系統(tǒng)，其特征在于，所述注冊認(rèn)證模塊還包括密碼找回功能，當(dāng)注冊供應(yīng)商或采購商忘記密碼時(shí)，點(diǎn)擊密碼找回鍵，系統(tǒng)就會將驗(yàn)證碼發(fā)至供應(yīng)商或采購商注冊時(shí)綁定的手機(jī)中。
【文檔編號】G06Q50/12GK105825441SQ201610130180
【公開日】2016年8月3日
【申請日】2016年3月8日
【發(fā)明人】廖鐵軍
【申請人】重慶云巴客商貿(mào)有限公司