申请/专利权人：惠龙易通国际物流股份有限公司

申请日：2022-11-07

公开（公告）日：2022-12-30

公开（公告）号：CN115544395A

主分类号：G06F16/9537

分类号：G06F16/9537;G06F16/29;G06N3/04;G06Q10/08

优先权：["20220402 CN 2022103516327"]

专利状态码：在审-实质审查的生效

法律状态：2023.01.20#实质审查的生效;2022.12.30#公开

摘要：本发明公开了一种基于HTM的物流货运车辆快速查询系统及其设计方法。针对物流车辆大数据查询系统访问本地存储设备效率低的问题，引入了基于HTM的机器学习方案替代原有的单一数据库检索的方案，设计了基于HTM的物流货运车辆快速查询系统，以完成物流车辆大数据的快速查询。本发明利用了HTM在时序预测方面运行效率高的优点，构建了物流车辆的轨迹预测方案，并在此基础上完成了车辆的快速查询系统，利用HTM机器学习训练模型，降低存储压力，提高物流大数据系统中检索物流车辆数据的效率。并且该模型能够动态的适应车辆的轨迹变化，可以实时记录并完成训练，增强了该系统的有效性和实用性。

主权项：1.一种基于HTM的物流货运车辆快速查询系统及其设计方法，其特征在于，包括以下步骤：步骤1，采集单个物流车辆在某个较长时间内路线统计数据，将所经过的每个区县地点转换为六位数的地理编码，与该物流车辆的索引编码联合编码，构成具有时序特性的物流车辆轨迹实时在线数据流；步骤2，针对物流平台的物流车辆轨迹分析应用，将该物流车辆的每个时间点的车辆和地点的联合编码转化为输入编码作为输入，用HTM模型学习该物流车辆行驶轨迹的变化；步骤3，利用HTM空间池算法对该输入空间池化，将该输入映射为一组激活的微柱，完成空间池对输入数据的表征；步骤4，空间池完成学习之后，在被激活微柱上生成学习细胞集将被激活的微柱集送入时间池进行训练，构建输入之间的时序关系，并在HTM中形成记忆；步骤5，时间池完成对物流车辆实时在线轨迹数据的学习，输出下个时间点的物流车辆轨迹预测模式，由分类解码器根据最终训练的结果给出预测的物流车辆与地点的联合编码，最后将该联合编码解码为车辆和地点，作为该物流车辆的下个时间点的预测到达地点。步骤6，实现一个基于HTM训练模型的物流车辆的在线查询系统，对模型输入起始地点和到达地点，根据输出车辆与起始地点的联合编码，判断该车辆是否有该到达地点的预测模式，将满足条件的车辆作为两个地点之间的来往车辆，完成快速查询。

全文数据：

权利要求：

百度查询： 惠龙易通国际物流股份有限公司 一种基于HTM的物流货运车辆快速查询系统及其设计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD