[发明专利]一种运输业务识别方法和系统

权利要求书

1.一种运输业务识别方法，其特征在于，所述方法包括：

获取待识别车辆的车号、行驶日期和有效车辆行驶信息，每一所述待识别车辆对应一车号，每一所述待识别车辆对应包含多个行驶日期，每一所述待识别车辆对应包含多个有效车辆行驶信息；

根据所述待识别车辆的车号和行驶日期划分所述待识别车辆对应的训练样本，每一所述训练样本包括每一所述待识别车辆各个行驶日期所对应的有效车辆行驶信息；

基于公式分别计算所述训练样本和验证样本，得到分别对应所述训练样本和所述验证样本的跨省率，其中，ε_i指的是车号为i的车辆的跨省率，P_ij(Long,Lat)指的是车号为i的车辆在日期为j的当天中所行驶经历过的省份个数，M为车号为i的车辆行驶的总天数，i为车辆的车号，j为以天数为时间单位的日期；

基于公式分别计算所述训练样本和所述验证样本，得到分别对应所述训练样本和所述验证样本的日均行驶时长，其中，avgT_i指的是车号为i的车辆的日均行驶时长，ΔT_ij指的是车号为i的车辆在日期为j的当天中任意两个相邻的有效车辆行驶信息之间对应的时长差值，指的是车号为i的车辆在M天中的行驶时长总和；

基于公式分别计算所述训练样本和所述验证样本，得到分别对应所述训练样本和所述验证样本的日均行驶里程，其中，avgODO_i指的是车号为i的车辆的日均行驶里程，ΔODO_ij指的是车号为i的车辆在日期为j的当天中任意两个相邻的有效车辆行驶信息之间对应的行驶里程差值，指的是车号为i的车辆在M天中的行驶里程总和；

基于K-means聚类算法构建的分类模型对所述跨省率、日均行驶时长和日均行驶里程进行分类学习，分别获得所述训练样本和验证样本对应的分类标签，所述验证样本为已知业务类别的样本；

基于所述验证样本的分类标签，确定所述训练样本对应的分类标签所对应的业务类别，所述业务类别至少包括长途物流和短途配送。

2.根据权利要求1所述的方法，其特征在于，所述获取待识别车辆的车号、行驶日期和有效车辆行驶信息，包括：

基于预设数据采样频率获取所述待识别车辆通过车载智能终端上传的车号、行驶日期和车辆行驶信息；

判断获取到的车辆行驶信息中记录位置经度信息、位置纬度信息的数据段是否为空，以及行驶里程的跳变是否为有效数据；

若所述记录位置经度信息、位置纬度信息的数据段为空，则删除所述数据段；

若所述行驶里程的跳变为无效数据，则对里程数据进行处理，保留有效的里程数据；

确定记录位置经度信息、位置纬度信息的数据段不为空，且所述行驶里程的跳变为有效数据的车辆行驶信息为所述有效车辆行驶信息。

3.根据权利要求2所述的方法，其特征在于，所述若所述行驶里程的里程跳变为无效数据，则对里程数据进行处理的过程包括：

若所述行驶里程的跳变超出预设范围，则删除所述里程数据；

若所述行驶里程的跳变为负值，则将所述行驶里程的前一行驶里程与后一行驶里程的均值作为所述行驶里程。

4.根据权利要求1所述的方法，其特征在于，所述根据所述待识别车辆的车号信息和行驶日期信息划分所述待识别车辆对应的训练样本，包括：

以预设时间单位对所述待识别车辆的行驶日期进行拆分，提取多个子行驶日期；

划分同一车号的待识别车辆在一子行驶日期内的有效车辆行驶信息为一训练样本。