CN101320442A - 基于物流管理平台实现货物实时跟踪监控的方法 - Google Patents

Abstract

本发明涉及一种基于物流管理平台实现货物实时跟踪监控的方法，包括系统通过条形码识别终端读取货物对应的条形码信息、将该条形码信息连同其它信息组成货物运输信息并送至物流管理服务器、对货物运输信息进行保存、通过无线数据通信链路对条形码识别终端进行位置实时跟踪监控处理、进行货物预计到达时间的预测计算处理、输出货物运输的实时跟踪状态信息。采用该种基于物流管理平台实现货物实时跟踪监控的方法，能够有效的管理物流操作流程，提高了物流服务的品质，而且提供了全新的4W货物跟踪方案，实现了对物流系统中的货物进行实时跟踪监控，提高了服务质量，简单易行，维护使用简单，适用范围广，为物流系统的进一步发展奠定了坚实的基础。

Description

基于物流管理平台实现货物实时跟踪监控的方法

技术领域

本发明涉及物流管理领域，特别涉及计算机物流管理信息平台技术领域，具体是指一种基于物流管理平台实现货物实时跟踪监控的方法。

背景技术

目前在物流运输业中最常见的就是送货不准时，有货物丢失，货物损坏，送错货物，送错地点，司机蒸发，送货时间延误或提早到达等等。收货方往往要用很长的时间来等待货物的到达，因为不知道货物的到达时间收货方也无法安排货物的到达后的后续工作。在这种情况下收货方往往会多次重复打电话询问物流公司货物的到达时间，物流公司因为无法把握货物的准确到达时间所以就只能打电话给还在行驶中的司机，司机也只能凭经验说一个大概的时间，如此循环，我国的目前的物流状况是低质量，高成本。一方面物流价格大大高于先进国家(约高出20％)，一方面物流质量大大低于先进国家。同时还造成空气污染，交通堵塞等等社会问题。在长年的物流软件制造过程中深深体会到物流业的信息处理水品低下是我国物流发展的一个瓶颈。

在现有技术中，除了物流管理平台通常的功能以外，物流管理平台软件往往都缺乏实时地把握货物的运输情况，不能够预测货物到达的时间，无法让收货人能够做好接货的准备，让调度无法很好的安排下一个运输任务，不能使得司机调整行驶的路线和方法来保证货物的准时到达。除此以外，还有一个阻碍着物流企业IT化的重要障碍就是目前市场上解决实时跟踪行驶的解决方案通常使用GPS技术，而GPS设备非常昂贵。

发明内容

本发明的目的是克服了上述现有技术中的缺点，提供一种能够实时精确的提供货物运输信息、实现对物流系统中的货物进行实时跟踪监控、提高服务质量、工作性能稳定可靠、适用范围较为广泛的基于物流管理平台实现货物实时跟踪监控的方法。

为了实现上述的目的，本发明的基于物流管理平台实现货物实时跟踪监控的方法如下：

该基于物流管理平台实现货物实时跟踪监控的方法，包括条形码识别终端、物流管理服务器，所述的条形码识别终端通过无线数据通信链路与所述的物流管理服务器相连接，其主要特点是，所述的方法包括以下步骤：

(1)系统进行初始化操作；

(2)系统根据用户的操作，通过条形码识别终端读取货物对应的条形码信息；

(3)条形码识别终端将该条形码信息连同其它信息组成货物运输信息，并通过无线数据通信链路送至物流管理服务器；

(4)物流管理服务器对接收到的货物运输信息进行保存；

(5)物流管理服务器通过无线数据通信链路对条形码识别终端进行位置实时跟踪监控处理；

(6)物流管理服务器进行货物预计到达时间的预测计算处理；

(7)系统根据用户的查询操作，通过物流管理服务器输出货物运输的实时跟踪状态信息。

该基于物流管理平台实现货物实时跟踪监控的方法的货物运输信息包括货物信息、货主信息、提卸货地信息、提供商信息、司机信息、路线信息、车辆信息、车辆在途信息、交通信息、天气信息。

该基于物流管理平台实现货物实时跟踪监控的方法的进行位置实时跟踪监控处理包括以下步骤：

(1)系统通过无线数据链路的无线定位功能获取该条形码识别终端的当前地点的经纬度信息；

(2)将该经纬度信息存入数据库中，并建立该经纬度信息与所述的货物运输信息之间的关联。

该基于物流管理平台实现货物实时跟踪监控的方法的进行货物预计到达时间的预测计算处理包括以下步骤：

(1)系统通过条形码识别终端当前地点的经纬度信息根据预设的经纬度面积范围找到当前地点的经纬度范围；

(2)系统在数据库中找到同一经纬度范围内的与到达目的地时间相关的历史数据；

(3)系统根据上述的历史数据进行货物预计到达时间的计算处理。

该基于物流管理平台实现货物实时跟踪监控的方法的历史数据可以为以下数据中的一种或者多种：

(1)前6天的同地点到达同目的地的历史时间数据；

(2)一个月以内的同地点到达同目的地的历史时间数据；

(3)六个月以内同一周日同地点到达同目的地的历史时间数据；

(4)一个月以前的所有的同地点到达同目的地的历史时间数据；

(5)历史时间里同地点到达同目的地的最短时间数据；

(6)历史时间里同地点到达同目的地的最长时间数据；

(7)节日前后3天以内的同地点到达同目的地的历史时间数据；

(8)任意一天同地点到达同目的地的历史时间数据；

(9)最近一天的到达时间数据；

(10)历史数据里同地点到达同目的地的最频到达时间数据；

(11)历史数据里同地点到达同目的地的到达时间的中间值数据。

该基于物流管理平台实现货物实时跟踪监控的方法的货物预计到达时间的计算处理包括以下步骤：

(1)系统根据所述的历史数据计算当前地点到目的地的历史平均时间；

(2)比较当前的时间计算出平均到达时间；

(3)计算出预定到达时间。

该基于物流管理平台实现货物实时跟踪监控的方法的计算当前地点到目的地的历史平均时间为：

使用算术平均法根据以下公式计算历史平均时间X：

$\stackrel{\‾}{X}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{X}_i}{n},$ 其中X_i为历史数据，i＝1，2，......，n。

该基于物流管理平台实现货物实时跟踪监控的方法的计算平均到达时间包括以下步骤：

(1)使用物流经验加权平均法根据以下公式计算平均最短到达时间X_S和平均最长到达时间X_L：

$X_S=(\frac{5i+4{\stackrel{\‾}{X}}_1+3{\stackrel{\‾}{X}}_2+2{\stackrel{\‾}{X}}_3+{\stackrel{\‾}{X}}_4+4j+3k}{22}+e+h)\×\frac{1}{3};$

$X_L=(\frac{5i+4{\stackrel{\‾}{X}}_1+3{\stackrel{\‾}{X}}_2+2{\stackrel{\‾}{X}}_3+{\stackrel{\‾}{X}}_4+4j+3k}{22}+f+h)\×\frac{1}{3};$

其中，e、h、i、j、k为加权参量因子；

(2)如果运输当日是节假日前后三天，则使用物流经验加权平均法根据以下公式计算节假日平均最短到达时间X′_S和节假日平均最长到达时间X′_L：

$X_S^{\′}=(\frac{5i+4{\stackrel{\‾}{X}}_1+3{\stackrel{\‾}{X}}_2+2{\stackrel{\‾}{X}}_3+{\stackrel{\‾}{X}}_4+4j+3k}{22}+e+h+{\stackrel{\‾}{X}}_g)\×\frac{1}{4};$

$X_L^{\′}=(\frac{5i+4{\stackrel{\‾}{X}}_1+3{\stackrel{\‾}{X}}_2+2{\stackrel{\‾}{X}}_3+{\stackrel{\‾}{X}}_4+4j+3k}{22}+f+h+{\stackrel{\‾}{X}}_g)\×\frac{1}{4};$

其中，X_g为节假日前后的历史平均时间，e、h、i、j、k为加权参量因子。

该基于物流管理平台实现货物实时跟踪监控的方法的货物运输的实时跟踪状态信息包括地点信息、时间信息、人员信息、货物信息、预计到达时间。

采用了该发明的基于物流管理平台实现货物实时跟踪监控的方法，由于将条形码管理技术、手持终端和手机的捆绑设计、CDMA的无线通信定位网络GpsOne、计算机网络技术、数据库处理技术、货物运输时间历史数据模型运算等技术融合为一体，从而能够让物流企业可以低成本地使用低端设备来进行货物运输的实时跟踪，有效的管理物流操作流程，提高了物流服务的品质，同时，本发明的方法如同天气预报一样，能够较准确地计算出货物运输的预计到达时间ETA(EASTIMATE ARIVE TIME)并自动的及时通知关联部门，使货物运输能够尽可能的达到准点到达的水平，从而帮助物流管理者实现准时到达JIT(JUST IN TIME)；同时，本发明的方法还可以再现过去的任何一次行驶路线图，从而帮助物流管理者有效的进行司机的管理，而且本发明提供了一种全新的4W货物跟踪(WHEN、WHAT、WHERE、WHO)，能够让货主在因特网上直接查询到货物运输过程中的各个节点信息，并知道预计到达时间，实现了对物流系统中的货物进行实时跟踪监控，提高了服务质量，同时简单易行，系统实现投入成本低，维护使用简单，工作性能稳定可靠，适用范围较为广泛，为物流管理系统的进一步发展奠定了坚实的基础。

附图说明

图1为本发明的基于物流管理平台实现货物实时跟踪监控的方法的工作流程图。

图2为实现本发明的基于物流管理平台实现货物实时跟踪监控的方法的系统网络拓扑示意图。

具体实施方式

为了能够更清楚地理解本发明的技术内容，特举以下实施例详细说明。

请参阅图1和图2所示，该基于物流管理平台实现货物实时跟踪监控的方法，包括条形码识别终端、物流管理服务器，所述的条形码识别终端通过无线数据通信链路与所述的物流管理服务器相连接，其中，所述的方法包括以下步骤：

(1)系统进行初始化操作；

(2)系统根据用户的操作，通过条形码识别终端读取货物对应的条形码信息；

(3)条形码识别终端将该条形码信息连同其它信息组成货物运输信息，并通过无线数据通信链路送至物流管理服务器；该货物运输信息包括货物信息、货主信息、提卸货地信息、提供商信息、司机信息、路线信息、车辆信息、车辆在途信息、交通信息、天气信息；

(4)物流管理服务器对接收到的货物运输信息进行保存；

(5)物流管理服务器通过无线数据通信链路对条形码识别终端进行位置实时跟踪监控处理，包括以下步骤：

(a)系统通过无线数据链路的无线定位功能获取该条形码识别终端的当前地点的经纬度信息；

(b)将该经纬度信息存入数据库中，并建立该经纬度信息与所述的货物运输信息之间的关联；

(6)物流管理服务器进行货物预计到达时间的预测计算处理，包括以下步骤：

(a)系统通过条形码识别终端当前地点的经纬度信息根据预设的经纬度面积范围找到当前地点的经纬度范围；

(b)系统在数据库中找到同一经纬度范围内的与到达目的地时间相关的历史数据，该历史数据可以为以下数据中的一种或者多种：

(i)前6天的同地点到达同目的地的历史时间数据；

(ii)一个月以内的同地点到达同目的地的历史时间数据；

(iii)六个月以内同一周日同地点到达同目的地的历史时间数据；

(iv)一个月以前的所有的同地点到达同目的地的历史时间数据；

(v)历史时间里同地点到达同目的地的最短时间数据；

(vi)历史时间里同地点到达同目的地的最长时间数据；

(vii)节日前后3天以内的同地点到达同目的地的历史时间数据；

(viii)任意一天同地点到达同目的地的历史时间数据；

(ix)最近一天的到达时间数据；

(x)历史数据里同地点到达同目的地的最频到达时间数据；

(xi)历史数据里同地点到达同目的地的到达时间的中间值数据；

(c)系统根据上述的历史数据进行货物预计到达时间的计算处理，包括以下步骤：

(i)系统根据所述的历史数据计算当前地点到目的地的历史平均时间；该计算当前地点到目的地的历史平均时间为：

使用算术平均法根据以下公式计算历史平均时间X：

$\stackrel{\‾}{X}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{X}_i}{n},$ 其中X_i为历史数据，i＝1，2，......，n；

(ii)比较当前的时间计算出平均到达时间包括以下步骤：

(1)使用物流经验加权平均法根据以下公式计算平均最短到达时间X_S和平均最长到达时间X_L：

$X_S=(\frac{5i+4{\stackrel{\‾}{X}}_1+3{\stackrel{\‾}{X}}_2+2{\stackrel{\‾}{X}}_3+{\stackrel{\‾}{X}}_4+4j+3k}{22}+e+h)\×\frac{1}{3};$

$X_L=(\frac{5i+4{\stackrel{\‾}{X}}_1+3{\stackrel{\‾}{X}}_2+2{\stackrel{\‾}{X}}_3+{\stackrel{\‾}{X}}_4+4j+3k}{22}+f+h)\×\frac{1}{3};$

其中，e、h、i、j、k为加权参量因子；

(2)如果运输当日是节假日前后三天，则使用物流经验加权平均法根据以下公式计算节假日平均最短到达时间X′_S和节假日平均最长到达时间X′_L：

$X_S^{\′}=(\frac{5i+4{\stackrel{\‾}{X}}_1+3{\stackrel{\‾}{X}}_2+2{\stackrel{\‾}{X}}_3+{\stackrel{\‾}{X}}_4+4j+3k}{22}+e+h+{\stackrel{\‾}{X}}_g)\×\frac{1}{4};$

$X_L^{\′}=(\frac{5i+4{\stackrel{\‾}{X}}_1+3{\stackrel{\‾}{X}}_2+2{\stackrel{\‾}{X}}_3+{\stackrel{\‾}{X}}_4+4j+3k}{22}+f+h+{\stackrel{\‾}{X}}_g)\×\frac{1}{4};$

其中，X_g为节假日前后的历史平均时间，e、h、i、j、k为加权参量因子；

(iii)计算出预定到达时间；

(7)系统根据用户的查询操作，通过物流管理服务器输出货物运输的实时跟踪状态信息，该实时跟踪状态信息包括地点信息、时间信息、人员信息、货物信息、预计到达时间。

在实际使用当中，本发明的基本思想是利用数据库处理技术和货物运输时间历史数据的大数据量模型运算，从而较准确地计算出货物运输的预计到达时间FAT(forecast arrive time)并自动及时地通知货物运输的各个相关部门。

(1)计算机的数据库处理功能：

存入数据库中的数据包括：货物信息、货主信息、提卸货地信息、提供商信息、司机信息、路线信息、车辆信息、车辆在途信息、交通信息、天气信息等等，这些数据都是相互关联、相互影响的。数据结构的合理设计将各类数据有效的结合在一起，并且根据相互之间的制约关系、附属关系和扩展关系形成数据分区、数据整体，并建立索引保证大数据量的快速查询。

利用数据库的数据分区技术和索引技术、关键字技术可以处理物流行业的海量数据，保证在7×24的系统运行快速响应。

另外，数据建库时会将路线信息、交通信息、天气信息和车辆在途信息作为计算车辆预计到达的重要因子，计算机系统经过对以上数据的分析和数据模型进行推算得出最接近的货物预计到达时间。

(2)到达时间的大型历史数据的预测到达时间模型运算：

每一次的行驶点上的经纬度信息和时间信息，都已经存入了数据库，给发生地点一个经纬度的面积范围，当取得了当前的车辆的行驶点的经纬度信息和时间信息以后可以找到该点经纬度的经纬度范围，然后在历史数据中找到同一范围在各种条件下到达目的地时间。条件可以是同月同日，同周日，同节日等，经过复杂的模拟运算，系统能够计算出该行驶点到目的地的历史平均时间，比较当前的时间算出平均到达时间。同时还参照车辆的行驶速度和公里数，最后计算出预定到达时间。顾客或者调度员以及物流公司客服人员可以用条形码号，货物号，司机号等等信息进行查询。可以得到该查询4+1维信息结果，即什么地点，什么时间，什么人，什么货物，预计何时到达，也即4W1H+1(WHEN，WHAT，WHO，WHERE+FAT)。

大型历史数据模型预测到达时间模块

预定到达时间预告的推算是基于发生日之前的历史数据计算出来的。采用算术平均算法结合偏差计算来求得更准确的预定到达时间。

可以将历史数据分为以下几种类型：

●前6天的同地点到达同目的地的历史时间

●一个月以内的同地点到达同目的地的历史时间

●六个月以内同一周日同地点到达同目的地的历史时间

●一个月以前的所有的同地点到达同目的地的历史时间

●历史时间里同地点到达同目的地的最短时间

●历史时间里同地点到达同目的地的最长时间

●节日前后3天以内的同地点到达同目的地的历史时间

●任意一天同地点到达同目的地的历史时间

●最近一天的到达时间

●历史数据里同地点到达同目的地的最频到达时间

●历史数据里同地点到达同目的地的到达时间的中间值

计算过程如下：

第一，用算术平均法计算出a、b、c、d的平均到达时间X_a、X_b、X_c、X_d：

$\stackrel{\‾}{X}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{X}_i}{n}$

其中，X_i为历史数据，i＝1，2，......，n；

第二，用物流经验加权平均计算法计算出预定到达时间范围

平均最短到达时间：

$X_S=(\frac{5i+4{\stackrel{\‾}{X}}_1+3{\stackrel{\‾}{X}}_2+2{\stackrel{\‾}{X}}_3+{\stackrel{\‾}{X}}_4+4j+3k}{22}+e+h)\×\frac{1}{3};$

平均最长到达时间：

$X_L=(\frac{5i+4{\stackrel{\‾}{X}}_1+3{\stackrel{\‾}{X}}_2+{\stackrel{\‾}{X}}_3+{\stackrel{\‾}{X}}_4+4j+3k}{22}+f+h)\×\frac{1}{3};$

第三，计算节日前后的平均到达时间值X_g，当运输当日是节假日前后三天的话，要进行以下计算：

节假日平均最短到达时间：

$X_S^{\′}=(\frac{5i+4{\stackrel{\‾}{X}}_1+{3\stackrel{\‾}{X}}_2+2{\stackrel{\‾}{X}}_3+{\stackrel{\‾}{X}}_4+4j+3k}{22}+e+h+{\stackrel{\‾}{X}}_g)\×\frac{1}{4};$

节假日平均最长到达时间：

$X_L^{\′}=(\frac{5i+4{\stackrel{\‾}{X}}_1+3{\stackrel{\‾}{X}}_2+2{\stackrel{\‾}{X}}_3+{\stackrel{\‾}{X}}_4+4j+3k}{22}+f+h+{\stackrel{\‾}{X}}_g)\×\frac{1}{4};$

第四，计算出时间范围以后，再用其推算出预定到达时间范围。

计算方法的举例如下：

车辆当前时间为下午1点，地点苏州城北(系统中为经纬度)；

计算出的最短到达南京城南为2小时10分；

计算出的最长到达南京城南为2小时40分；

那么系统将告知本车将在下午3点10分到3点40分之间到达目的地。

因为计算是动态的所以每一次查询的结果都不一样，而且，离目的地越近计算的结果范围就越小，预定到达时间就越准。

此算法测得当天预测误差小于1小时，隔天预测误差小于4小时，预测准确率80％。

根据实际业务的需要，系统在监控中心放置数据库服务器、应用服务器和WebGis服务器(可选)、短信服务器，并利用独立的存储设备保证整个系统数据的安全性，在公网上搭建网站服务器供公网用户进行查询访问。

在公司内部，和局域网相连的数据库服务器保存系统所需要的各类数据，采用大容量高效率的Oracle数据库进行数据存储，在三层结构的系统中，数据层服务器中存放了系统的关键数据，是系统的数据中心，也是整个系统的中心。整个平台也可以根据实际的需求将数据库服务器分离成若干台服务器，实现数据的高效访问。

应用服务器运行应用服务器软件，应用服务器软件主要为系统提供各种业务逻辑的实现。在三层结构的系统中，应用服务层处于连接Web表示层和数据库层的关键地位，要求有较高的I/O带宽保证和一定的联机事务处理能力。应用服务器上运行系统上的所有业务逻辑，极大减轻数据库服务器的访问压力。

WebGIS服务器用来运行GIS中间服务，提供系统中的交通路线、地理数据等信息，结合形象的WegGIS功能，可以将陆运行业特有的在途信息形象的展示出来。

短信服务器搭建短信平台，接受由GpsOne转发的手机短信，并根据业务的需求对接受的信息进行只能分析和分解，获得货物运输的在途信息和地理位置信息，并且可以和司机进行简单的交流。

整个系统中的这些服务器根据各自不同的功能进行划分，按照不同的角色进行定位与服务响应，实际的使用用户可以根据实际的要求和硬件配置情况进行功能合并或者搭建集群服务，充分利用本系统的扩展性。

随着系统的运行和业务的扩大，系统数据会成几何级数的增长，爆炸式的增长数据不仅仅是业务运行的基础、智能分析的重要保证，但也给数据的安全和恢复带来了巨大的压力，为了保证系统的顺利运行和秉着对用户负责人的态度，系统中加入了存储设备，利用网络化的存储、容灾机制，实现系统7×24的不间断运行。图中的网络化存储是指在服务器上的一种高速通道网络，它利用硬件、软件和光纤通道技术把所有与存储设备相关的处理工作移往一个集中的环境，腾出空间，让数据网络可以处理关键性任务。而信息存储则可通过光纤通信，无需经过服务器，从而消除I/O瓶颈，最终提高系统性能。

搭建在公网上的外网服务器提供给公网用户进行数据的查询和简单业务请求操作。利用加密的专线实现内网数据和外网数据的共享与交换，这样既保证了内往运行系统的稳定与数据安全，也实现了外网查询数据的准确性和实时性。

在途的货运司机通过装有条码扫描器的手机间断性的发送在途信息，通过联通的GpsOne网络获取经纬度信息传送到系统的短信服务器中，这样，业务系统会将这些数据揉合在一起，和实际的业务进行关联与匹配，到达准确预测的目的。

本发明的方法立足于让物流企业可以低成本地使用低端设备来进行货物运输的实时跟踪，从而有效的管理物流操作流程，提高物流服务的品质。本发明的方法中，把条形码管理技术、手持终端和手机的捆绑设计、CDMA的无线通信定位网络GpsOne、计算机网络技术、数据库处理技术，货物运输时间历史数据模型运算等技术融合为一体，如同天气预报一样，较准确地计算出货物运输的预计到达时间ETA(EASTIMATE ARIVE TIME)并自动的及时通知关联部门，使货物运输能够尽可能的达到准点到达的水平，帮助物流公司实现准时到达JIT(JUST IN TIME)。此外，本发明的方法还可以再现过去的任何一次行驶路线图从而帮助物流企业有效的进行司机的管理。此外本软件的最大的亮点之一是提供一种全新的4W货物跟踪(WHEN、WHAT、WHERE、WHO)，让货主可以在因特网上查询到货物运输过程中的各个节点信息，并知道预计到达时间。

其目的是能够及时对应货主的查询，还有运输环节上出现问题时可以通过软件系统分析问题的原因，状态，地点，时间等因素以便采取补救措施，并在以后的物流管理上有效防止同样问题的产生，还能够向货主提出详细的事故报告。最常见的事故有货物丢失，货物损坏，送错货物，送错地点，司机蒸发，送货时间延误或提早到达等等。

用C语言在DENSO产的条形码自动识别手持终端里嵌入一个读取货物数据的软件程序，并可以设置该手持终端使用人的编号。这个嵌入在手持终端里的软件具有非常丰富的菜单，几乎可以涵盖货物物流过程中的所有作业环节。如：取货，卸货，中转，无人收货，拒收，返货，再配送，路线车辆装载，路线车辆卸载，客户签收，丢失，破损等等。司机可以用手持终端在每一个作业环节扫描货物上的条码以记录作业信息。在手持终端里每一次扫描都生成一条该操作环节的数据，数据中会有司机号，操作环节号，日期，时间，货物号，派工单号等信息。该手持终端同时还具有蓝牙通信功能，其手持终端程序可以一键启动蓝牙通信功能并同时自动打开具有蓝牙通信功能手机的CDMA通信通道进入因特网将储存的扫描数据通过因特网实时发送到主服务器里。

当主服务器接受到手机发来的物流操作数据时，系统将自动通过联通的CDMA GpsOne无线定位服务的CP接口获取该手机的当前地点的经纬度信息，存入数据库中，同时与该物流操作数据形成关联。顾客或者调度员以及物流公司克服人员可以用条码号，货物号，司机号等等信息进行查询。可以得到该查询4+1维信息结果，即什么地点，什么时间，什么人，什么货物，预计何时到达。

存入数据库中的数据包括：货物信息、货主信息、提卸货地信息、提供商信息、司机信息、路线信息、车辆信息、车辆在途信息、交通信息、天气信息等等，这些数据都是相互关联、相互影响的。数据结构的合理设计将各类数据有效的结合在一起，并且根据相互之间的制约关系、附属关系和扩展关系形成数据分区、数据整体，并建立索引保证大数据量的快速查询。

利用数据库的数据分区技术和索引技术、关键字技术可以处理物流行业的海量数据，保证在7×24的系统运行快速响应。

另外，数据建库时会将路线信息、交通信息、天气信息和车辆在途信息作为计算车辆预计到达的重要因子，计算机系统经过对以上数据的分析和数据模型进行推算得出最接近的货物预计到达时间。

每一次的行驶点上的经纬度信息和时间信息，都已经存入了数据库，系统中预设了发生地点一个经纬度的面积范围，当取得了当前的车辆的行驶点的经纬度信息和时间信息以后，便可以找到该点经纬度的经纬度范围。然后在历史数据中找到同一范围在各种条件下到达目的地时间。条件可以是同月同日，同周日，同节日周围等，经过复杂的模拟运算系统能够计算出该行驶点到目的地的历史平均时间，比较当前的时间算出平均到达时间。同时还参照车辆的行驶速度和公里数最后计算出预定到达时间。

通过给所有的运输货物和运输任务都配上条形码，条形码采用NW7格式。系统生成的条形码被印在货物贴标和任务单上。当司机接到任务时首先就要用自己的手持终端扫描任务单上的条码，然后前往取货地点，再取货地点取货时又扫描每一个货物上的条码，都保存在自己的手持终端里。11位数字条码里可以分辨出许多固定信息，如：顾客信息，承运公司信息，路线信息等等。当货物的11位数字条码信息传送到系统里后，就可以连接货物名，取货地点，交货地点，承运司机等等详细信息。这些信息都是通过手持终端和手机保存并传送到主系统的。

较大的物流公司会设有分拨中心，这些货物的条码在货物的自动分拨系统中具有关键的作用，分拨中心的自动识别扫描系统可以识别条码而自动地把货物分拨到各条路线的班车上。有了这样的技术处理就可以大大节省运输资源，许多货物都可以进行拼车运输，已解决目前我国因为使用大量的专车运输方式而造成运输资源浪费问题，减少运输车辆也减少汽车废气的排放有利于环保。

采用了上述的基于物流管理平台实现货物实时跟踪监控的方法，由于将条形码管理技术、手持终端和手机的捆绑设计、CDMA的无线通信定位网络GpsOne、计算机网络技术、数据库处理技术、货物运输时间历史数据模型运算等技术融合为一体，从而能够让物流企业可以低成本地使用低端设备来进行货物运输的实时跟踪，有效的管理物流操作流程，提高了物流服务的品质，同时，本发明的方法如同天气预报一样，能够较准确地计算出货物运输的预计到达时间ETA(EASTIMATE ARIVE TIME)并自动的及时通知关联部门，使货物运输能够尽可能的达到准点到达的水平，从而帮助物流管理者实现准时到达JIT(JUST IN TIME)；同时，本发明的方法还可以再现过去的任何一次行驶路线图，从而帮助物流管理者有效的进行司机的管理，而且本发明提供了一种全新的4W货物跟踪(WHEN、WHAT、WHERE、WHO)，能够让货主在因特网上直接查询到货物运输过程中的各个节点信息，并知道预计到达时间，实现了对物流系统中的货物进行实时跟踪监控，提高了服务质量，同时简单易行，系统实现投入成本低，维护使用简单，工作性能稳定可靠，适用范围较为广泛，为物流管理系统的进一步发展奠定了坚实的基础。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (9)

1、一种基于物流管理平台实现货物实时跟踪监控的方法，包括条形码识别终端、物流管理服务器，所述的条形码识别终端通过无线数据通信链路与所述的物流管理服务器相连接，其特征在于，所述的方法包括以下步骤：

(1)系统进行初始化操作；

(2)系统根据用户的操作，通过条形码识别终端读取货物对应的条形码信息；

(3)条形码识别终端将该条形码信息连同其它信息组成货物运输信息，并通过无线数据通信链路送至物流管理服务器；

(4)物流管理服务器对接收到的货物运输信息进行保存；

(5)物流管理服务器通过无线数据通信链路对条形码识别终端进行位置实时跟踪监控处理；

(6)物流管理服务器进行货物预计到达时间的预测计算处理；

(7)系统根据用户的查询操作，通过物流管理服务器输出货物运输的实时跟踪状态信息。

2、根据权利要求1所述的基于物流管理平台实现货物实时跟踪监控的方法，其特征在于，所述的货物运输信息包括货物信息、货主信息、提卸货地信息、提供商信息、司机信息、路线信息、车辆信息、车辆在途信息、交通信息、天气信息。

3、根据权利要求2所述的基于物流管理平台实现货物实时跟踪监控的方法，其特征在于，所述的进行位置实时跟踪监控处理包括以下步骤：

(1)系统通过无线数据链路的无线定位功能获取该条形码识别终端的当前地点的经纬度信息；

(2)将该经纬度信息存入数据库中，并建立该经纬度信息与所述的货物运输信息之间的关联。

4、根据权利要求3所述的基于物流管理平台实现货物实时跟踪监控的方法，其特征在于，所述的进行货物预计到达时间的预测计算处理包括以下步骤：

(1)系统通过条形码识别终端当前地点的经纬度信息根据预设的经纬度面积范围找到当前地点的经纬度范围；

(2)系统在数据库中找到同一经纬度范围内的与到达目的地时间相关的历史数据；

(3)系统根据上述的历史数据进行货物预计到达时间的计算处理。

5、根据权利要求4所述的基于物流管理平台实现货物实时跟踪监控的方法，其特征在于，所述的历史数据为以下数据中的一种或者多种：

(1)前6天的同地点到达同目的地的历史时间数据；

(2)一个月以内的同地点到达同目的地的历史时间数据；

(3)六个月以内同一周日同地点到达同目的地的历史时间数据；

(4)一个月以前的所有的同地点到达同目的地的历史时间数据；

(5)历史时间里同地点到达同目的地的最短时间数据；

(6)历史时间里同地点到达同目的地的最长时间数据；

(7)节日前后3天以内的同地点到达同目的地的历史时间数据；

(8)任意一天同地点到达同目的地的历史时间数据；

(9)最近一天的到达时间数据；

(10)历史数据里同地点到达同目的地的最频到达时间数据；

(11)历史数据里同地点到达同目的地的到达时间的中间值数据。

6、根据权利要求5所述的基于物流管理平台实现货物实时跟踪监控的方法，其特征在于，所述的货物预计到达时间的计算处理包括以下步骤：

(1)系统根据所述的历史数据计算当前地点到目的地的历史平均时间；

(2)比较当前的时间计算出平均到达时间；

(3)计算出预定到达时间。

7、根据权利要求6所述的基于物流管理平台实现货物实时跟踪监控的方法，其特征在于，所述的计算当前地点到目的地的历史平均时间为：

使用算术平均法根据以下公式计算历史平均时间X：

$\stackrel{\‾}{X}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{X}_i}{n},$ 其中X_i为历史数据，i＝1，2，......，n。

8、根据权利要求7所述的基于物流管理平台实现货物实时跟踪监控的方法，其特征在于，所述的计算平均到达时间包括以下步骤：

(1)使用物流经验加权平均法根据以下公式计算平均最短到达时间X_S和平均最长到达时间X_L：

$X_S=(\frac{5i+4{\stackrel{\‾}{X}}_1+3{\stackrel{\‾}{X}}_2+2{\stackrel{\‾}{X}}_3+{\stackrel{\‾}{X}}_4+4j+3k}{22}+e+h)\×\frac{1}{3};$

$X_L=(\frac{5i+4{\stackrel{\‾}{X}}_1+3{\stackrel{\‾}{X}}_2+2{\stackrel{\‾}{X}}_3+{\stackrel{\‾}{X}}_4+4j+3k}{22}+f+h)\×\frac{1}{3};$

其中，e、h、i、j、k为加权参量因子；

(2)如果运输当日是节假日前后三天，则使用物流经验加权平均法根据以下公式计算节假日平均最短到达时间X′_S和节假日平均最长到达时间X′_L：

$X_S^{\′}=(\frac{5i+4{\stackrel{\‾}{X}}_1+3{\stackrel{\‾}{X}}_2+2{\stackrel{\‾}{X}}_3+{\stackrel{\‾}{X}}_4+4j+3k}{22}+e+h+{\stackrel{\‾}{X}}_g)\×\frac{1}{4};$

$X_L^{\′}=(\frac{5i+4{\stackrel{\‾}{X}}_1+3{\stackrel{\‾}{X}}_2+2{\stackrel{\‾}{X}}_3+{\stackrel{\‾}{X}}_4+4j+3k}{22}+f+h+{\stackrel{\‾}{X}}_g)\×\frac{1}{4};$

其中，X_g为节假日前后的历史平均时间，e、h、i、j、k为加权参量因子。

9、根据权利要求7所述的基于物流管理平台实现货物实时跟踪监控的方法，其特征在于，所述的货物运输的实时跟踪状态信息包括地点信息、时间信息、人员信息、货物信息、预计到达时间。

Images