技术特征：
1.一种基于地图网格索引和xgboost的超限车辆目的地预测方法，其特征在于，包括：采集超限超载车辆卫星导航定位数据，并对数据进行预处理，剔除数据集中信息不完整、错误、离散的异常数据；根据车辆经停特征，提取卫星导航定位数据中的车辆停止点和驻留时间；根据时间序列特征提取行程起终点经纬度和连续路径信息，并根据定位数据的速度和里程参数提取最近n个行程的运行特征，所述运行特征包括行驶平均速度、行驶里程；对应用行政区域的地图数据网格化处理并建立空间索引，将车辆定位数据映射至地图网格，基于起终点经纬度信息快速匹配提取行程终点的网络索引号，从而提取并补充车辆行程的终点网格编号特征；将提取的车辆行程特征作为输入使用xgboost进行模型训练，得到分类器，该分类器即为违法超限超载车辆行驶目的地预测模型；基于车辆实时行驶数据提取当前行程特征，将实时行程特征作为输入对车辆行驶目的地进行预测，预测得到车辆行驶目的地网格编号。2.根据权利要求1所述的基于地图网格索引和xgboost的超限车辆目的地预测方法，其特征在于，所述超限超载车辆卫星导航定位数据主要包括的字段有：运营商编号，经度，纬度，速度，海拔，方位角，终端时间，装载状态，定位状态，报警，接收时间，行驶仪速度，总里程。3.根据权利要求1所述的基于地图网格索引和xgboost的超限车辆目的地预测方法，其特征在于，剔除异常数据的判定规则为：缺少以上任意一个字段的数据视为信息不完整的数据，经度和纬度共同确定的定位点跳出中国区域范围视为错误数据，同时任意连续的5个定位点之间的距离大于阈值2公里视为异常跳动点，这些异常数据需要进行剔除。4.根据权利要求1所述的基于地图网格索引和xgboost的超限车辆目的地预测方法，其特征在于，所述车辆行程特征提取的车辆停止点和驻留时间提取，具体为：车辆停止点的识别采用直接里程差计算，初步判定时相邻两点的里程差小于2公里的点初步判定为停止点，初步计算后再整合结果以获取所有的停止点；初步判定后进行细化判定，相邻两点的平均速度低于1km/h即将该停止点判定为停车状态；将车辆停止点在2公里范围内的所有点进行聚合，每个区域内聚合的所有点根据时间序列计算获得车辆的停止时间，并将停止1小时以上的区域进行提取，该提取过程可过滤车辆因为拥堵导致的停驶状态。5.根据权利要求1所述的基于地图网格索引和xgboost的超限车辆目的地预测方法，其特征在于，所述的车辆行程特征提取的行驶平均速度和行驶里程提取，具体为：通过车辆停止点的识别，将车辆的运行轨迹划分为停止点和行驶行程，根据时间序列特征提取行程起终点经纬度和连续路径信息，并根据定位数据的速度、里程提取最近5个行程的运行特征数据；1)行程平均速度每个行程根据其行驶里程与行驶时间的比值，确认其行程内平均速度；通过算术平均求得某个车辆多个行程的平均速度；行程平均速度根据统计日期的长短，继续形成三个特征：过去一个月的平均速度、过去一周平均速度、上一行程的平均速度；
其中，k(i,j)为第k个行程，当前行程的起点为停车点j，当前行程的终点即下一个停车点为i；v
k(i,j)
为行程k的平均速度；n为某辆车的n个行程；为某辆车n个行程的平均速度；2)行程平均里程每个行程可确定其行驶里程d
i,j
；多个行程的里程，通过算术平均求得某个车辆多个行程的平均里程。6.根据权利要求1所述的基于地图网格索引和xgboost的超限车辆目的地预测方法，其特征在于，所述的将车辆定位数据映射至地图网格，具体为：将卫星定位数据定义为一个二维平面中的点：p
i
＝{lon
i
,lat
i
}，lon
i
表示经度，lat
i
表示为纬度；以地球纬度和经度作为坐标轴将包含地图区域映射为一个二维平面：r2{(lon，lat)|lon∈r
+
，lat∈r
+
}使用平行坐标轴的直线把地图划分大小相等的网格：r
i
＝{lon
max
，lon
min
，lat
max
，lat
min
}其中lon
max
,lon
min
,lat
max
,lat
min
分别为格子的右边界、左边界、上边界、下边界，所划分得到格子的集合s＝{r1,r2,r3,
…
,r
i-1
,r
i
}，从而定义一个映射关系f:r2→
s。7.根据权利要求1所述的基于地图网格索引和xgboost的超限车辆目的地预测方法，其特征在于，所述基于起终点经纬度信息快速匹配提取行程终点的网络索引号，从而补充车辆行程的终点网格编号特征；通过每个网格划分的经纬度范围数据与行程终点的经纬度进行匹配，匹配后将网格索引号映射到行程终点。8.根据权利要求1所述的基于地图网格索引和xgboost的超限车辆目的地预测方法，其特征在于，xgboost的目标函数定义为其中g
i
为损失函数的一阶导，h
i
为损失函数的二阶导，其中f
t
为第t个基模型，ω为模型的正则项；求得每一步损失函数的一阶导和二阶导的值，然后最优化目标函数，得到每一步的f(x)，最后根据加法模型得到预测方法。9.根据权利要求1所述的基于地图网格索引和xgboost的超限车辆目的地预测方法，其特征在于，所述的基于车辆实时行驶数据提取当前行程特征，将实时行程特征作为输入对车辆行驶目的地进行预测，预测得到车辆行驶目的地网格编号，即完成行驶目的地预测，目的地用网格编号表示，将其在地图上进行映射后可视化。10.一种基于地图网格索引和xgboost的超限车辆目的地预测系统，其特征在于，包括：
数据预处理模块，用于采集超限超载车辆卫星导航定位数据，并对数据开展预处理工作，剔除数据集中信息不完整、错误、离散的异常数据；车辆行程特征提取模块，用于根据车辆经停特征，提取卫星导航定位数据中的车辆停止点和驻留时间；根据时间序列特征提取行程起终点经纬度和连续路径信息，并根据定位数据的速度和里程参数提取最近n个行程的运行特征；所述运行特征包括行驶平均速度、行驶里程；地图数据网格化及索引构建模块，用于对应用行政区域的地图数据网格化处理并建立空间索引，将车辆定位数据映射至地图网格，基于起终点经纬度信息快速匹配提取行程终点的网络索引号，从而提取并补充车辆行程的终点网格编号特征；预测模型构建模块，用于将提取的车辆行程特征作为输入使用xgboost进行模型训练，得到分类器，该分类器即为违法超限超载车辆行驶目的地预测模型；车辆行驶目的地预测模块，基于车辆实时行驶数据提取当前行程特征，将实时行程特征作为输入对车辆行驶目的地进行预测，预测得到车辆行驶目的地网格编号。
技术总结
本发明公开了一种基于地图网格索引和XGBOOST的超限车辆目的地预测方法及系统，预测方法包括：对车辆的卫星导航定位数据进行预处理，剔除含信息不完整、错误、离散的异常数据；基于经停特征对车辆停止点进行识别，根据时间序列特征提取行程起终点经纬度和连续路径信息，并提取最近5个行程的行驶平均速度、行驶里程等特征；对地图数据进行网格化处理并建立空间索引，基于起终点信息快速匹配提取行程的起终点网格索引号；将样本行程特征作为输入，基于XGBOOST构建车辆行驶目的地预测模型，预测车辆的行驶目的地网格索引号。本发明通过对地理空间信息的网格化处理，有效解决了目的地定量表达问题，能够实现超限车辆行驶目的地的准确预测。的准确预测。的准确预测。
技术研发人员：陈爱伟 万剑 陈玉飞 党倩 马宇飞 杨羚 谢斌
受保护的技术使用者：华设设计集团股份有限公司
技术研发日：2022.05.21
技术公布日：2022/8/16