本发明提供了一种基于大数据平台的运输物流定位监控系统。属于大数据技术领域，其系统包括：跟踪与监测模块：基于GPS定位技术和GIS地理定位技术，实时跟踪运输车辆以及监测运输过程中货物装载情况；分析模块：对实时跟踪结果以及监测结果进行分析，判断当前时刻下所述运输车辆的物流是否出现运输异常，若出现，将异常信息传输到控制模块；若未出现，预测当下时刻到所述运输车辆装载货物存在的可能异常；控制模块：将异常信息的处理结果按照就近原则反馈给运输点管理人员进行对异常处理；确定可能异常发生时间以及发生地，并发送给与所述发生地址最近的货物中转站进行货物验查。方便对货物及时查验，提高货物运输的效率。
一种基于大数据平台的运输物流定位监控系统
技术领域
[0001] 本发明涉及大数据技术领域，特别涉及一种基于大数据平台的运输物流定位监控系统。
背景技术
[0002] 随着大数据技术的快速发展，网上购物的需求也越来越大，相应的对物流的运输的要求也越来越高，因此需要引入大数据技术提高对物流运输的监控与管制。一般，在对物流监控的方式是通过对运输车辆进行定位，但是，在运输途中可能会存在货物损坏、货物丢失等的情况，如果单纯的进行车辆定位，不能很好的对货物本身进行有效监控，降低货物运输的有效效率。
[0003] 因此，本发明提出了一种基于大数据平台的运输物流定位监控系统。
发明内容
[0004] 本发明提供一种基于大数据平台的运输物流定位监控系统，用以通过对车辆跟踪以及对获取监测，有效实现对运输异常以及货物异常的判断，并及时对异常进行处理，方便对货物及时查验，提高货物运输的效率。
[0005] 本发明提供一种大数据平台的运输物流定位监控系统，包括：
[0006] 跟踪与监测模块：基于GPS定位技术和GIS地理定位技术，实时跟踪运输车辆以及监测运输过程中货物装载情况；
[0007] 分析模块：对实时跟踪结果以及监测结果进行分析，判断当前时刻下所述运输车辆的物流是否出现运输异常，若出现，将异常信息传输到控制模块；
[0008] 若未出现，基于所述运输车辆的预定运输轨迹下的运输路段的行驶难度及天气状况，且结合所装载货物的易损坏属性，预测当下时刻到所述运输车辆装载货物到终点过程中存在的可能异常；
[0009] 控制模块：对异常信息进行分类处理，将异常信息的处理结果按照就近原则反馈给运输点管理人员进行对异常处理；
[0010] 对可能异常进行预分析，确定异常发生时间以及发生地址，并发送给与所述发生地址最近的货物中转站进行货物验查。
[0011] 在一种可能实现的方式中，所述跟踪与监测模块，包括：
[0012] 可视化单元：基于所述运输车辆上安装GPS定位装置，实时获取运输车辆的位置信息，且结合GIS地理定位技术，将运输车辆的位置信息与地图进行关联，形成可视化界面；
[0013] 基础信息单元：获取运输车辆和装载货物的基础物流信息，生成可视化静态标识、动态标识以及可视化静态线路，对所述可视化界面进行第一附加，其中，运输车辆的基础物流信息包括：运输出发地、途径运输点以及运输目的地，装载货物的基础物流信息包括：货物名称、货物种类以及货物运输目的地；
[0014] 附加单元：基于所述运输车辆的车舱内所设置的第一监测传感器以及所述车舱内的货物架上设置的第二监测传感器，获取得到车舱内部信息，对所述可视化界面进行第二附加。
[0015] 在一种可能实现的方式中，所述跟踪与监测模块，还包括：
[0016] 匹配模块：在所述运输车辆运输前，将所述运输车辆所需装载货物的运输识别码和运输车辆的车辆运输识别码进行匹配，并在匹配成功之后，进行第二监测传感器、第一监测传感器的安装以及运输车辆定位系统的校正。
[0017] 在一种可能实现的方式中，所述分析模块，包括：
[0018] 车辆轨迹单元：基于跟踪与监测模块获取到的运输车辆实时跟踪结果，确定所述运输车辆的当前运输信息，当所述当前运输信息与预计运行信息不一致时，判断所述运输车辆存在运行异常；
[0019] 货物判断单元：提取监测结果中的重量数据，当重量数据小于初始装车后的第一重量时，判定所述装载货物存在丢失异常。
[0020] 在一种可能实现的方式中，所述分析模块，还包括：
[0021] 天气查询单元：根据所述运输车辆的预计运行信息，预测所述运输车辆在不同路段的第一时间，并查询同个路段所对应第一时间的未来天气；
[0022] 预测延误单元：获取所述未来天气一致的历史天气所对应同个路段在同第一时间下的交通拥堵信息，并提取所述交通拥堵信息中的拥堵次数以及每次拥堵的拥堵等级，预测所述运输车辆是否存在运输延误的可能。
[0023] 在一种可能实现的方式中，所述分析模块，还包括：
[0024] 时间获取单元：基于预测延误单元获取的拥堵等级，根据拥堵等级‑速度映射表获取目标路段下的速度 ，基于目标路段的路线长度 获取通过所述目标路段需要的时间，获取到所述车辆到达运输终点的目标时间 为：
[0025] ；
[0026] 其中， 表示所述运输车辆基于当下时刻之前的实际运输时间， 表示所述运输车辆从起始点到终点的预设运输时间；n0表示目标路段的总数；
[0027] 若 ，判定存在运输延误异常，其中，T0表示基于当下时刻的原始设定的预计剩余运输时间；
[0028] 标准确定单元：基于装载货物的种类，根据货物种类‑损坏类型对照表确定装载货物的损坏标准 ；
[0029] 矩阵构建单元：根据种类‑权重映射表获取当前装载货物的不同影响因素对损坏的影响程度因子，并基于当前装载货物影响程度因子集合为 ，构建对称矩阵E，其中， 与行驶难度相关； 与天气状况相关； 与所装载货物的易损坏属性相关；
[0030] ;
[0031] 对角元素获取单元：获取当前装载货物在不同目标路段的影响度集合 为：
[0032] ;
[0033] 其中， 为第 个目标路段的对称矩阵； 表示第 个目标路段的对称矩阵的转置；*表示矩阵相乘符号； 表示取矩阵对角线元素；
[0034] 初始确定单元：根据不同目标路段的影响度集合 ，确定当前装载货物在当前路段 的初始损坏程度 ；
[0035] ;
[0036] 其中， 表示 对角线中的第一个值； 表示 对角线中的第二个值；表示 对角线中的第三个值； 表示第一个值的权重； 表示第二个值的权重；
表示第三个值的权重；
[0037] 最终确定单元：基于运输延误异常，确定目标装载货物的最终损坏程度 为：
[0038] ;
[0039] 若 ，判定第 个目标路段存在装载货物损坏异常。
[0040] 在一种可能实现的方式中，所述控制模块，包括：
[0041] 第一控制指令单元：当所述异常信息中存在运行异常时，对就近运输点发出拦截运输车辆的指令；
[0042] 当所述异常信息中存在丢失异常时，对就近运输点发出补发指令；
[0043] 第二控制指令单元：当所述可能异常中存在运输延误异常时，利用路线规划模型对运输车辆进行路线重规划；
[0044] 当所述可能异常中存在装载货物损坏异常时，向就近运输点发出货物验查指令。
[0045] 在一种可能实现的方式中，第二控制指令单元，包括：
[0046] 路线重规划单元：当所述运输车辆出现运输延误异常时，基于异常起点、异常起点到终点的所有可能途径点，构建得到点集合V；
[0047] 时间获取单元：设异常起点的坐标为o，并获取异常起点之后的规划路线中m途径点 到n途径点 的时间 ；
[0048] ;
[0049] 其中，两个途径点m与n之间的平均速度为 ； 为若干影响因素导致的预测时间偏差；
[0050] 权益值获取单元：从时间‑权益‑途径点映射表中，获取两个途径点m与n所对应的时间权益值；
[0051] 获取原运输路径中在异常起点之后的剩余路径的运输准时间，得到原始权益值；
[0052] 集合构建单元：获取集合V中与异常起点存在连接关系的所有目标运输点，并获取权益值最大的点 ，并向点 设置初始权益值 ，并将点 放入优选集合S中；
[0053] 寻找集合V中与途径点 存在连接关系，且权益值最大的点 ，并将点 放入优选集合S中，直到集合S中含有终点迭代结束；
[0054] 获取到最大权益值 ，若 ，则需要重新规划路线。
[0055] 在一种可能实现的方式中，路线重规划单元，包括：
[0056] 路径集合块：设m途径点到n途径点的路径集合划分为 ，其中，为m途径点到n途径点之间的第j个路径，j的取值范围为 ；
[0057] 第一计算块：计算第j个路径中存在的最大影响值；
[0058] ;
[0059] 其中， 为从路线‑影响因素映射表中获取得到第h01个影响因素在当前路径中的权重因子； 为第h01个影响因素下运输车辆的最大允许速度； 为第h01个影响因素下运输车辆的最小允许速度； 为单个影响因素对第j个路径的最大影响值；max表示最大值符号；
[0060] 第二计算块：确定预测时间偏差；
[0061] ;
[0062] 其中， 表示m途径点到n途径点的预测时间偏差， 表示第j个路径的路线长度； 表示m途径点到n途径点之间的路径总数； 表示所有的平均值； 表示第j个路径的常规行驶速度。
[0063] 本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
[0064] 下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0065] 附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0066] 图1为本发明实施例中一种基于大数据平台的运输物流定位监控系统的结构图。
具体实施方式
[0067] 以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
[0068] 实施例1：
[0069] 本发明提供一种大数据平台的运输物流定位监控系统，如图1所示，包括：
[0070] 跟踪与监测模块：基于GPS定位技术和GIS地理定位技术，实时跟踪运输车辆以及监测运输过程中货物装载情况；
[0071] 分析模块：对实时跟踪结果以及监测结果进行分析，判断当前时刻下所述运输车辆的物流是否出现运输异常，若出现，将异常信息传输到控制模块；若未出现，基于所述运输车辆的预定运输轨迹下的运输路段的行驶难度及天气状况，且结合所装载货物的易损坏属性，预测当下时刻到所述运输车辆装载货物到终点过程中存在的可能异常；
[0072] 控制模块：对异常信息进行分类处理，将异常信息的处理结果按照就近原则反馈给运输点管理人员进行对异常尽快处理；对可能异常进行分析，将分析结果反馈给所述运输车辆装载货物到异常点过程中的管理人员。
[0073] 该实施例中，GPS定位技术是指是一种通过卫星信号来确定地理位置的技术，主要用于定位和导航。
[0074] 该实施例中，GIS地理定位技术一种基于计算机技术的地理数据处理和分析工具。它将地理空间数据与属性数据结合在一起，通过图像化、分析和查询等功能，实现对地理信息的管理、分析和可视化展示。
[0075] 该实施例中，运输车辆是物流运输过程中负责对货物进行运行的装载运输工具。
[0076] 该实施例中，货物装载情况是指货物重量、货物类型、货物状态这几个方面的具体信息，货物状态表示货物的状况，比如货物是否完好、是否需要特殊保护等。
[0077] 该实施例中，运输异常包括运输车辆的运行异常和装载货物的丢失异常，其中运输车辆运行异常是指运输车辆的当前运输信息，预计运行信息不一致产生的异常；装载货物的丢失异常是指货物在运输过程中的丢失产生的异常。
[0078] 该实施例中，预定运输轨迹是指在运输车辆运输开始前基于运输起点和运输终点以及途径点所设定的初始运输路线。
[0079] 该实施例中，运输路段是指运输车辆途径的一段路径，一般由地理意义赋予；
[0080] 该实施例中，行驶难度指的是道路的平整度、坡度、曲线、障碍物和障碍物密度、交通流量和拥堵情况等多方面影响运输效率的因素。
[0081] 该实施例中，天气状况如雨雪天气、雾霾等，会降低行驶的可见性和抓地力，增加行驶难度和风险。
[0082] 该实施例中，装载货物的易损坏属性包括：在受力或碰撞中货物破裂或破损、温度或湿度等变化时，货物会发生质量变化或品质下降、某些货物对外界的振动、压力、震动等变化敏感等货物容易损坏的属性。
[0083] 该实施例中，异常信息是当前实时监测出的异常结果，与货物是否丢失相关，可能异常是指未来时刻可能会出现的异常，与货物本身相关，比如，是否损坏等。
[0084] 上述技术方案的有益效果是：在运输途中可能会存在货物损坏、货物丢失等的情况，如果单纯的进行车辆定位，不能很好的对货物本身进行有效监控，降低货物运输的有效效率。通过对车辆跟踪以及对获取监测，有效实现对运输异常以及货物异常的判断，并及时对异常进行处理，方便对货物及时查验，提高货物运输的效率。
[0085] 实施例2：
[0086] 在上述实施例1的基础上，所述跟踪与监测模块，包括：
[0087] 可视化单元：基于所述运输车辆上安装GPS定位装置，实时获取运输车辆的位置信息，且结合GIS地理定位技术，将运输车辆的位置信息与地图进行关联，形成可视化界面；
[0088] 基础信息单元：获取运输车辆和装载货物的基础物流信息，生成可视化静态标识、动态标识以及可视化静态线路，对所述可视化界面进行第一附加，其中，运输车辆的基础物流信息包括：运输出发地、途径运输点以及运输目的地，装载货物的基础物流信息包括：货物名称、货物种类以及货物运输目的地；
[0089] 附加单元：基于所述运输车辆的车舱内所设置的第一监测传感器以及所述车舱内的货物架上设置的第二监测传感器，获取得到车舱内部信息，对所述可视化界面进行第二附加。
[0090] 该实施例中，运输车辆的基础物流信息包括：运输出发地、途径运输点以及运输目的地，装载货物的基础物流信息包括：货物名称、货物种类以及货物运输目的地。
[0091] 该实施例中，可视化静态标识是指运输车辆上固定的、不随运输车辆状态改变的标识物。静态标识包括车牌号码、车辆型号、车身涂装、公司标志等。
[0092] 该实施例中，可视化动态标识是指动态标识是指运输车辆上可以实时改变的标识物。比如运输运输车辆的途径点、运输车辆的速度、运输车辆的停留时间等。
[0093] 该实施例中，可视化静态线路是指运输车辆的预定运输轨迹。
[0094] 该实施例中，第一附加是利用运输车辆和装载货物的寄出物流信息对可视化界面附加一些基础的可识别信息。
[0095] 该实施例中，第一监测传感器是监测运输车辆的运行速度、车辆加速度、震动情况等监测传感器。
[0096] 该实施例中，第二监测传感器是监测车舱内监测装载货物的温度、湿度、重量、气体等传感器。
[0097] 该实施例中，第二附加是基于对运输车辆和装载货物的传感器实时数据对可视化界面的信息添加。
[0098] 上述技术方案的有益效果是：根据运输车辆和装载货物的基础信息以及传感器监测信息，对可视化界面的添加提供直观反馈，强调了重点和关键信息，对监测运输物流的效率大幅度提升。
[0099] 实施例3：
[0100] 在上述实施例2的基础上，所述跟踪与监测模块，还包括：
[0101] 匹配模块：在所述运输车辆运输前，将所述运输车辆所需装载货物的运输识别码和运输车辆的车辆运输识别码进行匹配，并在匹配成功之后，进行第二监测传感器、第一监测传感器的安装以及运输车辆定位系统的校正。
[0102] 该实施例中，运输识别码和车辆运输识别码是在运输前进行生成的，且目标运输物流的运输识别码和车辆运输识别码是多对一的。
[0103] 上述技术方案的有益效果是：通过正确匹配的运输车辆以及装载货物，保证了运输中运输正确性，降低了出现不匹配导致的运输错误的可能性。
[0104] 实施例4：
[0105] 在上述实施例1的基础上，所述分析模块，包括：
[0106] 车辆轨迹单元：基于跟踪与监测模块获取到的运输车辆实时跟踪结果，确定所述运输车辆的当前运输信息，当所述当前运输信息与预计运行信息不一致时，判断所述运输车辆存在运行异常；
[0107] 货物判断单元：提取监测结果中的重量数据，当重量数据小于初始装车后的第一重量时，判定所述装载货物存在丢失异常。
[0108] 该实施例中，第一重量是在运输物流前，在货物成功装载后记录的一个初始装载货物重量。
[0109] 上述技术方案的有益效果是：对异常的分类判断，帮助后续对异常做出不同的处理控制手段，提高了整体物流异常处理的速度和效率。
[0110] 实施例5：
[0111] 在上述实施例1的基础上，所述分析模块，还包括：
[0112] 天气查询单元：根据所述运输车辆的预计运行信息，预测所述运输车辆在不同路段的第一时间，并查询同个路段所对应第一时间的未来天气；
[0113] 预测延误单元：获取所述未来天气一致的历史天气所对应同个路段在同第一时间下的交通拥堵信息，并提取所述交通拥堵信息中的拥堵次数以及每次拥堵的拥堵等级，预测所述运输车辆是否存在运输延误的可能。
[0114] 该实施例中，第一时间是指运输车辆到达目标路段的预计时间。
[0115] 该实施例中，拥堵等级是根据车辆拥堵后的车速定义的，按照标准拥堵等级表进行对拥堵等级的划分。
[0116] 上述技术方案的有益效果是：拥堵等级能够提供较为准确的车辆运行速度，为预测车辆是否运输延误提供了数据基础，预测单元能帮助物流系统及时调整路线，避开运输延误的可能。
[0117] 实施例6：
[0118] 在上述实施例5的基础上，所述分析模块，还包括：
[0119] 时间获取单元：基于预测延误单元获取的拥堵等级，根据拥堵等级‑速度映射表获取目标路段下的速度 ，基于目标路段的路线长度 获取通过所述目标路段需要的时间，获取到所述车辆到达运输终点的目标时间 为：
[0120] ；
[0121] 其中， 表示所述运输车辆基于当下时刻之前的实际运输时间， 表示所述运输车辆从起始点到终点的预设运输时间；n0表示目标路段的总数；
[0122] 若 ，判定存在运输延误异常，其中，T0表示基于当下时刻的原始设定的预计剩余运输时间；
[0123] 标准确定单元：基于装载货物的种类，根据货物种类‑损坏类型对照表确定装载货物的损坏标准 ；
[0124] 矩阵构建单元：根据种类‑权重映射表获取当前装载货物的不同影响因素对损坏的影响程度因子，并基于当前装载货物影响程度因子集合为 ，构建对称矩阵E，其中， 与行驶难度相关； 与天气状况相关； 与所装载货物的易损坏属性相关；
[0125] ;
[0126] 对角元素获取单元：获取当前装载货物在不同目标路段的影响度集合 为：
[0127] ;
[0128] 其中， 为第 个目标路段的对称矩阵； 表示第 个目标路段的对称矩阵的转置；*表示矩阵相乘符号； 表示取矩阵对角线元素；
[0129] 初始确定单元：根据不同目标路段的影响度集合 ，确定当前装载货物在当前路段 的初始损坏程度 ；
[0130] ;
[0131] 其中， 表示 对角线中的第一个值； 表示 对角线中的第二个值；表示 对角线中的第三个值； 表示第一个值的权重； 表示第二个值的权重；
表示第三个值的权重；
[0132] 最终确定单元：基于运输延误异常，确定目标装载货物的最终损坏程度 为：
[0133] ;
[0134] 若 ，判定第 个目标路段存在装载货物损坏异常。
[0135] 该实施例中，拥堵等级‑速度映射表是拥堵等级对应平均速度的一个映射表。
[0136] 该实施例中，预设运输时间是在运输开始前基于预设路线拟定的一个预设初始运输完成时间。
[0137] 该实施例中，预计剩余运输时间是预设运输时间减去当前运输车辆已经运输的实际时间就是预计剩余时间。
[0138] 该实施例中，货物种类‑损坏类型对照表是根据货物类型以及专业数据确定的货物损坏程度的一个判定标准。
[0139] 该实施例中，影响程度因子是判定当前货物的一个影响因素对货物损坏程度出现的影响程度的判定值。
[0140] 该实施例中，损坏程度是一个以百分比为单位判定货物在运输过程中遭受的损坏或破坏的程度。
[0141] 该实施例中，种类‑权重映射表是一个根据货物种类对应不同影响因素对损坏程度的权重因子映射表。
[0142] 该实施例中，影响度集合是所有影响因素共同作用后，对不同影响因素对当前货物损坏的造成占比。
[0143] 该实施例中， 。
[0144] 上述技术方案的有益效果是：预测未来运输存在的异常，能够减少损失、优化运输以及增加物流可见性。降低货物损坏的风险，并提高运输的效率和安全性。
[0145] 实施例7：
[0146] 在上述实施例5的基础上，所述控制模块，包括：
[0147] 第一控制指令单元：当所述异常信息中存在运行异常时，对就近运输点发出拦截运输车辆的指令；
[0148] 当所述异常信息中存在丢失异常时，对就近运输点发出补发指令；
[0149] 第二控制指令单元：当所述可能异常中存在运输延误异常时，利用路线规划模型对运输车辆进行路线重规划；
[0150] 当所述可能异常中存在装载货物损坏异常时，向就近运输点发出货物验查指令。
[0151] 该实施例中，第一控制指令单元是对出现运行异常做出的控制指令单元。
[0152] 该实施例中，第二控制指令单元是对出现预测后的可能异常做出的控制指令单元。
[0153] 上述技术方案的有益效果是：控制指令对异常或者异常预测后及时提出及时的调整反馈，对运输原条件和原有规划进行优化等，可以降低物流出现异常的可能。
[0154] 实施例8：
[0155] 在上述实施例7的基础上，第二控制指令单元，包括：
[0156] 路线重规划单元：当所述运输车辆出现运输延误异常时，基于异常起点、异常起点到终点的所有可能途径点，构建得到点集合V；
[0157] 时间获取单元：设异常起点的坐标为o，并获取异常起点之后的规划路线中m途径点 到n途径点 的时间 ；
[0158] ;
[0159] 其中，两个途径点m与n之间的平均速度为 ； 为若干影响因素导致的预测时间偏差；
[0160] 权益值获取单元：从时间‑权益‑途径点映射表中，获取两个途径点m与n所对应的时间权益值；
[0161] 获取原运输路径中在异常起点之后的剩余路径的运输准时间，得到原始权益值；
[0162] 集合构建单元：获取集合V中与异常起点存在连接关系的所有目标运输点，并获取权益值最大的点 ，并向点 设置初始权益值 ，并将点 放入优选集合S中；
[0163] 寻找集合V中与途径点 存在连接关系，且权益值最大的点 ，并将点 放入优选集合S中，直到集合S中含有终点迭代结束；
[0164] 获取到最大权益值 ，若 ，则需要重新规划路线。
[0165] 该实施例中，异常点起点是指预测异常发生的就近途径点。
[0166] 该实施例中，其他可能途径点只是所有可以从当前起点到运输终点的途径点。
[0167] 该实施例中，预指预测时间偏差是指根据影响因素和模型对运输车辆在两个途径点之间的完成时间，与实际完成时间之间存在的偏差。
[0168] 该实施例中，时间‑权益‑途径点映射表是提前根据不同途径点之间的拟定的一个表现时间、权益和途径点三者关系的映射表，时间越长权益值越小。
[0169] 该实施例中，优选集合是指符合标准的途径点构成的集合，在迭代结束后用以生成新的运输路线。
[0170] 上述技术方案的有益效果是：路线重规划节省时间和成本、提高效率和生产力、优化运输资源利用以及应对变化和突发情况，是运输系统中重要的管理和决策工具。
[0171] 实施例9：
[0172] 在上述实施例6的基础上，路线重规划单元，包括：
[0173] 路径集合块：设m途径点到n途径点的路径集合划分为 ，其中，为m途径点到n途径点之间的第j个路径，j的取值范围为 ；
[0174] 第一计算块：计算第j个路径中存在的最大影响值；
[0175] ;
[0176] 其中， 为从路线‑影响因素映射表中获取得到第h01个影响因素在当前路径中的权重因子； 为第h01个影响因素下运输车辆的最大允许速度； 为第h01个影响因素下运输车辆的最小允许速度； 为单个影响因素对第j个路径的最大影响值；max表示最大值符号；
[0177] 第二计算块：确定预测时间偏差；
[0178] ;
[0179] 其中， 表示m途径点到n途径点的预测时间偏差， 表示第j个路径的路线长度； 表示m途径点到n途径点之间的路径总数； 表示所有的平均值； 表示第j个路径的常规行驶速度。
[0180] 该实施例中，路线‑影响因素映射表是基于路线和影响因素下生成的一个预设对应映射表，不同影响因素对应不同的影响因子。
[0181] 该实施例中，权重因子是指当前影响因素对路径运行速度的一个影响程度值。
[0182] 该实施例中，H1的取值是大于3的，是为了对存在的影响进一步细致分析，且包含前边涉及到的行驶难度、天气状况、装载货物的易损坏属性三个影响因素在内。
[0183] 上述技术方案的有益效果是：对时间的误差分析，能够使得本系统制定更合理、更准确的计划和预测，进一步提高运输效率。
[0184] 显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
