物流大数据主要包括运单信息的数据和车辆信息的数据,然而关于运单信息往往涉及商业机密,并且信息分布于不同行业企业内部,不宜公开。因此当前现实的数据条件来看,实业界和学术界的物流大数据主要是关于货运车辆信息的数据。其中包括:车辆id信息,驾驶员信息,车辆行驶轨迹坐标信息,车辆停车信息,车辆速度信息,车辆里程信息,车辆温度信息,车辆油耗信息,车辆其他状态信息等。轨迹数据挖掘来源通常是终端设备上产生的位置记录,然后位置信息传回数据中心以日志文件形式存放,如下表:
通过定位技术采集到的原始轨迹数据只是一系列的经纬度、时间、速度等信息,通过这些信息无法直接得到物流货运车的活动行为的特征信息,例如运送货物的起始点、途经哪些城市信息,以及更深层次的活动规律等。这些原始的北斗/GPS 数据必须经过一系列的处理步骤,才能获取到物流货运车的送货规律等特征信息。
这些数据都有哪些特点?
想要从海量数据中分析获取到有价值的知识信息,首先要了解物流货运车辆轨迹数据的特征。
准备如何挖掘这些数据?
轨迹数据挖掘,是指从大量轨迹数据的集合 C 中发现隐含模式m 和知识 n 的结果 S。因此,轨迹数据挖掘的过程可以看作为一个函数:£ : C→S(m, n),输入是轨迹数据,输出是隐含模式 m 和知识 n。通过使用某些技术、理论,从大量的轨迹数据提取模式、发现庞大知识的一个过程。
轨迹数据挖掘发现的知识类型和所使用的方法密切相关,所发现的知识的价值受到数据挖掘算法的影响,目前常用的轨迹数据挖掘技术有规则归纳、概念簇集、关联发现等。目前的轨迹数据挖掘研究工作中主要为轨迹聚类、轨迹分类、离群点检测、兴趣区域、隐私保护、位置推荐等方面。
物流数据挖掘做什么用?
物流车辆的海量大数据中包含着许多关于交通路况、车辆运行甚至社会经济发展动态的信息。通过统计分析车辆行驶距离、停车时间、地理位置、车辆特征等多个维度的信息可以发现货运车辆的行为特征、区域物流的流量分布等,为物流公司提供基于时间、成本、路线等车辆调度的应用服务提供了可靠的理论依据和技术支持,同时也可以为政府提供物流运价指数、货运效率指数等优先经济指标。
PPV课其他精彩文章:
1、回复“干货”查看干货 数据分析师完整知识结构
2、回复“答案”查看大数据Hadoop面试笔试题及答案
3、回复“设计”查看这是我见过最逆天的设计,令人惊叹叫绝
4、回复“可视化”查看数据可视化专题-数据可视化案例与工具
5、回复“禅师”查看当禅师遇到一位理科生,后来禅师疯了!!知识无极限
6、回复“啤酒”查看数据挖掘关联注明案例-啤酒喝尿布
7、回复“栋察”查看大数据栋察——大数据时代的历史机遇连载
8、回复“数据咖”查看数据咖——PPV课数据爱好者俱乐部省分会会长招募
9、回复“每日一课”查看【每日一课】手机在线视频集锦
PPV课大数据ID: ppvke123 (长按可复制)
大数据人才的摇篮!专注大数据行业人才的培养。每日一课,大数据(EXCEL、SAS、SPSS、Hadoop、CDA)视频课程。大数据资讯,每日分享!数据咖—PPV课数据爱好者俱乐部!