[发明专利]一种基于GPS数据的工业园区物流关键路段识别方法

说明书

本发明提供一种基于GPS数据的工业园区物流关键路段识别方法，该方法先获取电子围栏内供应商及工业园区的物流信息、网络拓扑结构数据、北斗GPS数据，通过对上述数据进行计算以获取节点拓扑结构参数、节点物流吸引力、路段拓扑结构参数、路段动态平均速度、路段动态服务水平及路段动态交通量，之后再利用上述数据获得路段的物流吸引力和路段动态通行能力，进而获取路段动态关键度，然后根据关键度排序动态识别物流关键路段。该方法在识别时考虑城市建成环境因素、物流企业分布特征和物流车辆的时空特征，对物流关键路段的识别更具针对性和准确性，而且实时读取的物流车辆的GPS数据保持了较高的实时度。

技术领域

本发明属于城市路网规划领域，涉及关键路段识别，具体涉及一种基于GPS数据的工业园区物流关键路段识别方法。

背景技术

在城市路网规划领域，由于城市道路建成环境因素会影响生产物料同城配送；因此，十分需要针对工业园区及其吸引范围内的干线交通进行精细化组织，以保障生产物料的有效送达和精益化供应。混合交通流条件下，生产服务型物流车辆的同城配送与居民出行共同对城市交通产生影响，采集分析物流车辆的动态轨迹数据，挖掘物流车辆的出行时空分布特征，实时识别出物流关键路段，可为工业园区乃至城市交通精细化组织提供有力决策支持。

现有的物流关键路段识别方法主要有三种，第一种是采用出租车、公交车GPS数据挖掘方法识别交通异常[201510060839.9,201610483132.3]、调配车辆[201710131675.3]、判定公交运行状态[202010081991.6,201811407198.X，201610483132.3]，通过大量个体轨迹揭示群体的时空行为规律，但利用浮动车的大规模数据识别关键路段，不能体现出物流车辆在工业园区或城市配送的动态出行规律，无法体现物流关键路段的本质特征，不能直接用于识别工业园区物流关键路段。

第二种是直接采用北斗GPS车辆动态轨迹数据的数据挖掘方法，对物流车辆进行轨迹纠偏[201810675702.8，201711337827.1]或者重型货车交通流量预测[201911336098.7]，但上述两种方式只考虑重型货车出行偏好和时空特征，都未考虑城市建成环境因素(如道路路况和物流设施空间分布)对交通出行、道路活力以及对物流车辆运动轨迹的影响，识别参数单一，缺乏路段相关性数据的综合考量和判断，不适用于工业园区及其附近的物流关键路段识别。

第三种是采用实地勘探和人工测算方法，获得定义的复杂交通网络交通运行数据，基于复杂网络理论和方法，建立加权复杂交通网络仿真模型，通过去除和添加某路段，仿真评估网络性能变化来判定该路段是否为关键路段，例如一种基于复杂网络的城市关键道路的发掘方法[201910405988.2]，类似相关的方法，还有一种基于复杂网络相关性的关键节点识别方法[201911021967.7]，基于复杂网络的多层城市交通网构建及关键节点识别方法[201811232769.0]，基于复杂网络和手机信令数据的城市交通枢纽点评价方法[201710616366.5]等。但是这种方法总体上效率较低，所需时间较长，无法对关键路段进行实时识别，分析结果不能体现不同时序下关键路段的变化，时效性较差，导致分析结果与实际情况变化不能同步。同时在关键步骤上，该方法依赖特定数据采集器(线圈传感器、录像设备等)收集车辆在路段或节点的速度数据，且在构建复杂交通网络模型时只关注城市交通网络的拓扑属性和空间属性，未能结合城市建成环境因素，如道路路况和物流设施空间分布对物流关键路段的实质性影响，因而，所发掘出的关键路段不具有物流属性，亦缺乏针对性和有效性。

发明内容

鉴于上述技术问题，本发明的目的在于提供一种基于GPS数据的工业园区物流关键路段识别方法，该方法在识别时考虑城市建成环境因素、物流企业分布特征和物流车辆的时空特征，对物流关键路段的识别更具针对性和准确性，而且通过实时读取的物流车辆的GPS数据，便可自动识别物流关键路段，保持了较高的实时度。

为实现上述目的，本发明是采用如下技术方案实现的：