[发明专利]一种可自我学习的车辆在途位置采集密度智能适应方法

说明书

技术领域

本发明涉及物流运输领域，具体涉及一种可自我学习的车辆在途位置采集密度智能适应方法。

背景技术：

随着物流行业的发展，物流的运输速度越来越快，因此对定位的要求也越来越高，如今的物流行业无论距离长短都是采用一种定位方式而且刷新的时间也是固定的，对于短距离的定位要求能够更加精确的定位，而长距离定位可以适当的放松，但是判断距离的长短如果采用认为测算效率太低，而且根据运输车速度的快慢，相同距离所用的时间也不同，因此需要设计一种优化的算法能够自行判断。

如中国专利申请号：201210329789.6公开了一种车辆定位系统，包括RFID室内基站、GPS定位单元、车载终端、语音合成单元、可视单元，在室内安装RFID室内基站，所述车辆定位系统的内场定位采用低频触发RFID技术，车上装有GPS定位单元，当安装有内场定位功能的车载终端的车辆进入室内基站区域时被唤醒，并将其各通道的RSSI值发给车载终端，由所述车载终端计算并转换成与途中GPS定位子系统相兼容的经纬度数据格式，并集合GIS可视技术，直观的显示给用户，同时通过语音合成技术，进行内场引导；整个系统采用3G与中心通信。本发明所述车辆定位系统，采用低频触发RFID内场定位与途中GPS定位的内外场融合技术，实现了车辆室内室外全程定位的目的，方便了车辆的定位和全程调度，但是该种定位方式并没有使用相应的算法来优化定位。

中国专利申请号：201610228374.8公开了一种基于密度自适应距离的密度峰聚类算法，主要解决基于欧氏距离的密度峰聚类算法无法有效处理复杂结构数据集的问题。实现过程为：(1)基于欧氏距离和自适应相似度计算密度自适应距离，以更好地描述数据空间分布结构；(2)基于密度自适应距离，根据数据点的邻居点总数占数据集样本总数的比例值计算算法的输入参数，即截断距离；(3)根据截断距离和密度自适应距离计算每个数据点的局部密度和该点到具有更高局部密度点的最短距离，绘制决策图，选取聚类中心；(4)将剩下的每个点分配到具有更高局部密度的最近邻点所属的簇，得到聚类结果。在人工数据集和UCI真实数据集上的实验表明，与基于欧氏距离的密度峰聚类算法相比，本发明不仅能够有效处理复杂结构数据集，而且具有更高的准确率，该种密度自适应距离的密度聚类算法，是解决距离的算法，无法将其应用到该种定位方式上来。

发明内容

本发明的目的在于提供一种可自我学习的车辆在途位置采集密度智能适应方法，以解决现有技术中导致的上述多项缺陷。

一种可自我学习的车辆在途位置采集密度智能适应方法，包括车辆和位置应用服务器，所述车辆上包括：

位置定位终端：设置于车辆内部用于位置应用服务器对车辆进行定位；

无线通信模块：用于将信息定期发送至位置应用服务器进行处理，使位置应用服务器能够对车辆的位置信息进行分析和定位；

身份验证模块：通过APP收录司机的个人信息以及车辆信息，方便用户查看；

所述位置应用服务器包括：

定位模块：内部设有位置采集程序，用于车辆的位置数据的采集，同时对车辆的位置进行对比确认，定位方式包括GPS定位和北斗定位；

数据收集模块：分为PC电脑收集方式和标准接口收集方式，用于收集货物类型、业务类型、用户习惯以及车辆的类型；

策略分析模块：内部设有策略分析程序，对收集模块中收集到的货物类型、业务类型和用户习惯信息做汇总分析和处理，分析配送的路径长短，针对不同的业务类型和用户习惯制定不同的路径策略，根据路径的长短以及车辆的类型计算出配送时间，根据配送距离和时间确定车辆定期发送位置信息的时间间隔，距离越短时间间隔越短；

自我优化模块：内部设有自我优化程序，根据策略分析模块的分析结果，进一步对路径策略进行优化，从众多策略信息中选择最合适的策略方案；

标准策略库：用于路径划分的规则，根据路径的长短来确定定位周期，当路径较短时，由于定位变动大因此定位周期短，路径长时，定位变动小且如果频繁定位会消耗很大的资源因此定位周期长，使策略分析模块有依据可循，并且能够加快分析的效率；

无线接收模块：用于接收无线通信模块发送过来的数据，并将数据传送给策略分析模块中进行分析处理；

数据存储模块：用于将策略分析模块模块处理完成后的信息进行存储加密，并在存储前将要存储的信息结果发送给定位模块，使定位模块中形成定位策略信息，方便其做定位对比；