[发明专利]一种基于SVM的在途物流人车跟踪监控管理系统及方法

权利要求书

1.一种基于SVM的在途物流人车跟踪监控管理系统，其特征在于，包括移动终端、设置于承运车辆的GPS发射模块以及数据服务器；

所述移动终端用于向数据服务器发送承运司机的注册信息，并用于向数据服务器发送当次物流信息；在获得授权后，移动终端在后台自动向数据服务器发送承运司机的GPS坐标；

所述GPS发射模块用于将承运车辆的GPS坐标发送到数据服务器；

所述数据服务器用于根据承运司机GPS坐标、承运车辆GPS坐标获得人车距离；并采用SVM根据历史数据训练出的模型、以同一承运车辆在最近固定时段内的多组人车距离数据作为输入进行二分类处理，来判断当前承运司机是否离开对应的承运车辆。

2.如权利要求1所述的在途物流人车跟踪监控管理系统，其特征在于，还包括线上管理平台；

所述线上管理平台用于绘制承运司机和/或承运车辆的轨迹，也用于显示历史物流信息；并用于向移动终端发送许可授权信息。

3.一种基于SVM的在途物流人车跟踪监控管理方法，其特征在于，以根据同一承运车辆的最近固定时段内多组承运司机与所述承运车辆的GPS坐标获取的承运司机与承运车辆之间的多组人车距离作输入；

SVM以所有在途承运车辆运输过程中已有的承运司机与对应的承运车辆的人车距离作为训练集中的正例、同一承运司机与另一辆非对应的承运车辆的人车距离作为训练集中的反例所训练出模型；

根据所述输入与模型通过SVM判断承运司机是否有离开承运车辆。

4.如权利要求3所述的在途物流人车跟踪监控管理方法，其特征在于，还包括承运司机的轨迹绘制步骤：

对承运司机历史轨迹采用STZ算法进行处理来计算轨迹之间的相似性；并采用K-modes算法根据相似性进行聚类处理；针对最新的承运司机轨迹，依据聚类结果找到合适轨迹数据来填补所的缺失数据，形成补全的承运司机轨迹。

5.如权利要求3或4所述的在途物流人车跟踪监控管理方法，其特征在于，还包括承运车辆的轨迹绘制步骤：

对承运车辆的历史轨迹采用STZ算法进行处理来计算轨迹之间的相似性；并采用K-modes算法根据相似性进行聚类处理；针对最新的承运车辆轨迹，依据聚类结果找到合适轨迹数据来填补所的缺失数据，形成补全的承运车辆轨迹。

6.如权利要求3或4所述的在途物流人车跟踪监控管理方法，其特征在于，SVM的工作流程包括训练集的选定、交叉验证选择最佳参数、利用最佳参数训练SVM、预测以及分类准确率确定；

所述训练集的选定包括如下子步骤：

(a.1)对所有在途承运车辆运输过程中已有的承运司机、承运车辆之间对应的人车距离进行数据预处理，将其处理为符合SVM数据格式的训练数据集；

(a.2)默认运输任务开始的最初N分钟承运司机一直在承运车辆上，将该时段内的人车距离作为最初的训练集正例；将测试集中被判定为正例的人车距离补充进训练集正例，判定为反例的人车距离补充进训练集反例。

7.如权利要求6所述的在途物流人车跟踪监控管理方法，其特征在于，调用svm_train()函数对SVM进行训练，采用径向基核函数作为svm_train()函数的核函数。

8.如权利要求7所述的在途物流人车跟踪监控管理方法，其特征在于，采用交叉验证确定所述径向基核函数的最优参数，包括最优的关键参数g和目标函数的惩罚系数c；具体为：

给定一个较大的数值范围，让关键参数g以及目标函数的惩罚系数c在所述数值范围内遍历；通过交叉验证找到使得分类准确率最高的关键参数g以及目标函数的惩罚系数c。

9.如权利要求8所述的在途物流人车跟踪监控管理方法，其特征在于，若存在多组不同的最佳关键参数g以及目标函数的惩罚系数c都能使得准确率最高，选择惩罚系数c最小的那一组最佳关键参数g以及目标函数的惩罚系数c作为最优参数。