用于水陆联运的路网生成方法、装置、介质及电子设备与流程

本申请涉及计算机，特别涉及一种用于水陆联运的路网生成方法、装置、介质及电子设备。

背景技术：

1、在现有的物流运输装置中，货车能够基于陆运的路网进行货物运输，在货车行驶过程中，货车会不断上报位置点信息，以此可实现跟踪货物位置，并推断预计到达时间；但是随着陆运的成本不断增加，水陆联运的成为了目前物流运输装置一个重要的环节。

2、在水陆联运过程中，当车辆在进行到水运阶段时，车辆不会上报位置点信息，此时基于陆运的路网由于不存在水运的路线，无法对货物进行实时跟踪，就会出现在较长的一段时间内货物跟踪失败，无法推断预计到达时间，导致失去了对货车的监督，从而降低了整体运输效率，提升了安全风险。

技术实现思路

1、本申请实施例提供了一种用于水陆联运的路网生成方法、装置、介质及电子设备。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

2、第一方面，本申请实施例提供了一种用于水陆联运的路网生成方法，方法包括：

3、获取预设周期内经过目标水域的各个车辆的轨迹信息；

4、根据各个车辆的轨迹信息进行聚类处理，生成多个聚集区；

5、获取每个聚集区的卫星影像，并根据每个聚集区的卫星影像判定每个聚集区是否为码头；

6、在每个聚集区为码头的情况下，基于各个车辆的轨迹信息的时序关系串联由每个聚集区所表征的码头，并确定各码头的连通性、连接强度以及平均到达时间，得到目标水域的水运连通图；

7、将水运连通图合并至用于陆运的路网，得到用于水陆联运的路网。

8、可选的，根据各个车辆的轨迹信息进行聚类处理，生成多个聚集区，包括：

9、根据各个车辆的轨迹信息，识别各个车辆的停靠点；

10、将各个车辆的停靠点进行网格化处理，得到多个网格；

11、对多个网格进行聚类，得到多个聚集区；其中，每个聚集区由多个网格中一定数量的网格连通而成。

12、可选的，对多个网格进行聚类，得到多个聚集区，包括：

13、统计每个网格内的停靠点数量、停靠点的停靠时长，得到每个网格的网格统计值；

14、根据每个网格的网格统计值，确定网格聚类条件阈值；

15、基于网格聚类条件阈值，对多个网格进行网格聚类。

16、可选的，根据每个聚集区的卫星影像判定每个聚集区是否为码头，包括：

17、将每个聚集区的卫星影像与每个聚集区进行相同位置的叠加，得到每个聚集区的图像叠加结果；

18、从每个聚集区的图像叠加结果中存在的多个网格中，均匀采集各网格区域内预设数量的卫星影像像素点，得到每个聚集区的各网格的多个卫星影像像素点；

19、将每个聚集区的各网格的多个卫星影像像素点拼接为特征向量，得到每个聚集区的各网格的特征向量；

20、根据每个聚集区的各网格的特征向量，判断每个聚集区是否为码头。

21、可选的，根据每个聚集区的各网格的特征向量，判断每个聚集区是否为码头，包括：

22、将每个聚集区的各网格的特征向量输入预先训练的水域覆盖识别模型中，以判断每个聚集区的各网格是否覆盖水域；预先训练的水域覆盖识别模型是基于训练样本进行机器学习得到的；

23、输出每个聚集区的各网格对应的结果标签；结果标签为覆盖水域的水域标签或未覆盖水域的陆地标签；

24、基于每个聚集区的各网格对应的结果标签，筛选出每个聚集区中覆盖水域的网格；

25、根据每个聚集区中覆盖水域的网格，判断每个聚集区是否为码头。

26、可选的，根据每个聚集区中覆盖水域的网格，判断每个聚集区是否为码头，包括：

27、计算每个聚集区中覆盖水域的网格的联通面积；

28、在每个聚集区中覆盖水域的网格的联通面积大于等于预设阈值的情况下，确定每个聚集区为码头；或者，

29、在每个聚集区中覆盖水域的网格的联通面积小于预设阈值的情况下，确定每个聚集区不为码头。

30、可选的，按照以下步骤生成预先训练的水域覆盖识别模型，包括：

31、采用神经网络创建水域覆盖识别模型；

32、基于每个聚集区的各网格在卫星影像中的实际情况，对每个聚集区的各网格的特征向量标注覆盖水域的水域标签或未覆盖水域的陆地标签，得到模型训练样本；

33、将模型训练样本输入水域覆盖识别模型中进行机器学习，输出模型损失值；

34、在模型损失值到达最小时，生成预先训练的水域覆盖识别模型。

35、第二方面，本申请实施例提供了一种用于水陆联运的路网生成装置，装置包括：

36、轨迹信息获取模块，用于获取预设周期内经过目标水域的各个车辆的轨迹信息；

37、聚类处理模块，用于根据各个车辆的轨迹信息进行聚类处理，生成多个聚集区；

38、码头判定模块，用于获取每个聚集区的卫星影像，并根据每个聚集区的卫星影像判定每个聚集区是否为码头；

39、水运连通图生成模块，用于在每个聚集区为码头的情况下，基于各个车辆的轨迹信息的时序关系串联由每个聚集区所表征的码头，并确定各码头的连通性、连接强度以及平均到达时间，得到目标水域的水运连通图；

40、路网生成模块，用于将水运连通图合并至用于陆运的路网，得到用于水陆联运的路网。

41、第三方面，本申请实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。

42、第四方面，本申请实施例提供一种电子设备，可包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。

43、本申请实施例提供的技术方案可以包括以下有益效果：

44、在本申请实施例中，一方面，通过对各个车辆的轨迹信息进行聚类处理，生成多个聚集区，以及根据每个聚集区的卫星影像判定每个聚集区是否为码头，该轨迹信息可以表征车辆的行驶参数，该卫星影像可以再现聚集区的真实地貌，以此为基础可准确识别出水陆联运运输节点；另一方面，用于水陆联运的路网由于包含了水域的水运连通图，该水域的水运连通图携带了各码头的连通性、连接强度以及平均到达时间，因此在车辆进行到水运阶段时，可实时跟踪货物位置，并推断预计到达时间，从而提升了整体运输效率，降低了安全风险。

45、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

技术特征：

1.一种用于水陆联运的路网生成方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述各个车辆的轨迹信息进行聚类处理，生成多个聚集区，包括：

3.根据权利要求2所述的方法，其特征在于，所述对所述多个网格进行聚类，得到多个聚集区，包括：

4.根据权利要求1所述的方法，其特征在于，所述根据所述每个聚集区的卫星影像判定所述每个聚集区是否为码头，包括：

5.根据权利要求4所述的方法，其特征在于，所述根据所述每个聚集区的各网格的特征向量，判断所述每个聚集区是否为码头，包括：

6.根据权利要求5所述的方法，其特征在于，所述根据所述每个聚集区中覆盖水域的网格，判断所述每个聚集区是否为码头，包括：

7.根据权利要求5-6任一项所述的方法，其特征在于，按照以下步骤生成预先训练的水域覆盖识别模型，包括：

8.一种用于水陆联运的路网生成装置，其特征在于，所述装置包括：

9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1-7任意一项所述的方法。

10.一种电子设备，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1-7任意一项所述的方法。

技术总结本申请公开了一种用于水陆联运的路网生成方法、装置、介质及电子设备，方法包括：获取预设周期内经过目标水域的各个车辆的轨迹信息；根据各个车辆的轨迹信息进行聚类处理，生成多个聚集区；根据每个聚集区的卫星影像判定每个聚集区是否为码头；在每个聚集区为码头的情况下，基于各个车辆的轨迹信息的时序关系串联由每个聚集区所表征的码头，确定各码头的连通性、连接强度以及平均到达时间，得到目标水域的水运连通图；将水运连通图合并至用于陆运的路网，得到用于水陆联运的路网。因此，本申请能够提高水陆联运节点识别的准确性，同时通过用于水陆联运的路网可实时跟踪货物位置，并推断预计到达时间，从而提升了整体运输效率，降低了安全风险。技术研发人员：赵岩,张志恒,邓伟,胡道生受保护的技术使用者：北京优挂信息科技有限公司技术研发日：技术公布日：2024/9/26