CN104732435A - 一种农产品供需撮合系统与方法 - Google Patents

Abstract

本发明属于农产品流通智能化领域，公开了一种农产品供需撮合系统和方法，利用模型预测、生产监测、网络信息抓取等方法，提前预测各产区农产品的上市时间和上市量；从人口数量、收入水平、消费习惯等方面，提前预测各地各类农产品的消费需求；从监测数据、网络数据等方面通过大数据技术判断预测农产品市场价格，从农产品上市期、保鲜期、运输保鲜条件、产销地价格等因素提前进行农产品供需匹配。能够提前实现全国主要农产品的撮合和调度安排，也能够为生产者和消费者定制获益最高的产销撮合方案，为消费者选择最佳购买地、为生产者选择最佳销售地，从而实现最优的产销匹配和最低的风险。

Description

一种农产品供需撮合系统与方法

技术领域

本发明涉及农产品流通智能化领域，特别是涉及一种农产品供需撮合的系统与方法。

背景技术

随着城镇化的快速发展和农业适度规模经营规模的扩大，人口从产地向销地集中，主要农产品产区和销区分离的趋势进一步凸显，市场流通将进一步扩大。据中国物流与采购联合会统计，2012年我国农产品物流总额2.9万亿元，是2002年的2.5倍。由于农产品流通的无序化，导致“卖难买贵”并存、资源损耗和浪费严重、食物安全监管困难重重。据不完全统计，粮食产后环节造成的损失约占30％、生鲜农产品约占45％左右，发生的食品安全事件也层出不穷。加强农产品的供需撮合，有助于引导产销区建立稳定的产销关系，形成定向有序流通的农产品市场调控模式，提升流通效率、节省流通成本、降低流通损耗，对提高粮食安全水平和实现可持续发展，对强化消费者的监督权和质量安全，具有重要意义。

陈翀等2014年探讨了基于路径分析的农产品供需信息的撮合规则，实现了供需双方相应的采购和销售路径规划；Huey-Kuo Chena等2009年提出了联合约束单纯形算法和启发式算法，将调度和运输路径在同一个框架中进行了分析，提出了最优生产量、生产季节和运输路径；Dwi Agustinaa等2014年应用VRSP-CZHTW模型，对农产品的调度和运输路径进行了联合模拟，实现产品的高效调度和低成本运输；葛宏义等2010年采用GIS的交通网络分析手段，提出带时间窗的粮食物流车辆路径问题的粒子群算法，建立了粮食物流车辆路径问题的数学模型；专利CN201010588449公布了一种网路交易撮合系统及方法，可基于购买需求、出售条件的匹配关系产生交易关联；专利CN201010257277公布了一种货运交易撮合方法，利用承运方和托运方业务信息生成撮合要素进行优先权排序，选择优先权最高的进行撮合，提高了货物配送的效率。

从现有的文献和专利技术来看，都只能在现实供需关系发生时才能产生撮合，只能对已有的供需进行简单匹配，对未来一段时间的供需关系不能预测，对供需撮合中的距离因素、运输时间和成本都没有完整的考虑到撮合因素中，不能提前实现全要素供需匹配和撮合。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：提供一种农产品供需撮合的系统与方法，对农产品的供需关系进行提前预测，为生产者和消费者定制获益最高的产销撮合方案，为消费者选择最佳购买地、为生产者选择最佳销售地，从而实现最优的产销匹配和最低的风险。

(二)技术方案

为了解决上述技术问题，本发明提供一种农产品供需撮合系统，其包括信息输入存储模块、价格监测预测模块、供给监测预测模块、需求监测预测模块、匹配撮合模块和撮合结果展示模块；

所述信息输入存储模块采集各地农业本底信息和动态信息并以固定的格式存储，供价格监测预测模块、供给监测预测模块和需求监测预测模块调用；

所述价格监测预测模块用于监测各地产销价格信息，并根据供求变动预测未来价格变动趋势；

所述供给监测预测模块用于监测和预测各地农产品上市量和上市时间，通过气象资料和管理信息监测预测作物生育进程、成熟期和上市日期，通过历史播种面积、主要农产品价格、种子销量和播种面积调度数据监测和预测农产品的播种面积和播种日期，通过气象条件、作物生长要求、管理措施预测农产品单产；

所述需求监测预测模块监测和预测各地农产品需求信息，通过人口、收入和历史消费情况，预测农产品的总需求量和阶段需求量；

所述匹配撮合模块连接价格监测预测模块、供给监测预测模块和需求监测预测模块，接收三个模块的信息，对农产品生产和需求进行匹配撮合；

所述撮合结果展示模块连接匹配撮合模块，显示匹配撮合结果。

其中，所述撮合结果展示模块以地图和图表两种方式显示从生产方到需求方的调度路线、调度量、运输时间和物流成本。

本发明还提供了一种农产品供需撮合方法，其包括以下步骤：

首先，进行农产品上市量、上市日期、产品需求量及消费时间的信息预测；

接下来，通过某时段本地上市量与产品需求量的差值计算当地的供需差和供需产品量，决定产品调入还是调出；

然后，通过撮合模块开展供需撮合，为消费者选择最佳购买地、为生产者选择最佳销售地；

最后，撮合结果与GIS地图相结合，以电子地图和图表两种方式将撮合结果和调度路线进行展示。

其中，所述信息预测具体包括：通过信息输入存储模块输入包括各省、市、县人口数量、收入水平、耕地面积、农作物播种面积、种植历史、作物配置和气象信息、作物播种面积变动、自然灾害发生、农产品价格、农产品供求、全国路网实时信息、全国农产品流通成本信息的基础数据；根据所述基础数据预测某种农产品的上市量、上市日期、产品需求量和消费时间。

其中，所述产品调入调出的判断原则为：同时段上市量和需求量相等则通过区域内撮合平衡供需，无需开展区域间撮合；如果同时段上市量大于需求量，则该地有产品需要调出；如果同时段内上市量低于需求量，则该地有产品需要从外地调入。

其中，所述撮合模块开展供需撮合的具体过程为：

首先，确定撮合原则和模型，撮合原则按照优先顺序为优先时间匹配、其次空间匹配和价格匹配。

产销匹配撮合的数学模型有：

(1)T_上市≧T_需求+T_运输

产品上市时间要早于需求时间加上运输时间；

(2)P_销地(i+t)≧P_产地(i)+C_运输+L_损耗

i+t时点(i时点加上从产地到销地的流通时间t)销地价格P_销地要高于i时点产地价格P_产地、单位运输成本C_运输和单位损耗L_损耗之和；

(3)T_运输＝S_路网/V_运输

运输时间T_运输等于产销地间的路网距离S_路网除以运输速度V_运输；

(4)L_损耗＝LR*T_运输

单位损耗L_损耗等于产品单位时间损耗率LR与运输时间T_运输的乘积；

(5)C_运输＝S_路网*UP

单位运输成本C_运输等于产销地间的路网距离S_路网与单位距离运输成本UP的乘积；

接下来，产销匹配撮合的总数学模型为：

$\left(6\right)---\mathrm{Max}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}[\mathrm{Bi}(\mathrm{xi},j)-\mathrm{Sj}(\mathrm{xi},j)-\mathrm{Ki},\mathrm{jXi},j]$

$s.t.\underset{j=1}{\overset{m}{\mathrm{\Σ}}}\mathrm{Xi},j\≤\mathrm{di},\max$

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{Xi},j\≤\mathrm{Pj},\max$

Xi，j≥0

以县为单位，m为输出县数量，n为输入县数量，di,max为输出县i可以输出的最高供应量，Pj,max为输入县j的最高需求缺口，Xi,j为输入县j向输出县i购买的数量量。Bi(xi，j)为输入县收入函数，用销地价格和销量表示；Sj(xi，j)为输出县收入函数，用产地价格和销量表示；Ki,j为流通费用函数，用单位里程综合运价和运输量表示；

结合撮合原则和撮合模型，由匹配撮合模块为当地选择出最佳的农产品供需调度路线、调度量、运输时间和调度成本。

(三)有益效果

上述技术方案具有如下优点：本发明利用模型预测、生产监测、网络信息抓取等方法，提前预测各产区农产品的上市时间和上市量，从人口数量、收入水平、消费习惯等方面，提前预测各地各类农产品的消费需求，从监测数据、网络数据等方面通过大数据技术判断农产品市场价格，从农产品上市期、保鲜期、运输保鲜条件、产销地价格等因素提前进行农产品供需匹配，能够提前实现全国主要农产品的撮合和调度安排，也能够为生产者和消费者定制获益最高的产销撮合方案，为消费者选择最佳购买地、为生产者选择最佳销售地，从而实现最优的产销匹配和最低的风险。

附图说明

图1是本发明实施例农产品供需撮合系统的原理框图；

图2是本发明实施例农产品供需撮合方法的流程图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

参照图1所示，本实施例农产品供需撮合系统包括信息输入存储模块1、价格监测预测模块2、供给监测预测模块3、需求监测预测模块4、匹配撮合模块5和撮合结果展示模块6等六个模块，在实际应用过程中，可以以县为单位提前进行供需预测和撮合。

具体地，信息输入存储模块1连接价格监测预测模块2、供给监测预测模块3和需求监测预测模块4，主要采集各地主要农业本底信息和动态信息并以固定的格式存储，供价格监测预测模块2、供给监测预测模块3和需求监测预测模块4调用。

信息输入存储模块1的输入方式包括：(一)通过统计年鉴、普查公报、统计公报、气象信息共享数据库等录入各省、市、县人口数量、收入水平、耕地面积、农作物播种面积、种植历史、作物配置和气象信息等；(二)通过互联网信息抓取、信息监测网络等监测作物播种面积变动、主要自然灾害发生、农产品价格、农产品供求等信息；(三)通过百度地图路网信息抓取，获得全国路网实时信息；(四)通过全国物流和采购协会网站获取全国农产品流通成本信息。

价格监测预测模块2用于从中国农产品价格信息网、中国农产品监测预警系统等网站定时获取各地产销价格信息，并根据供求变动预测未来1周到1个月的价格变动趋势。

供给监测预测模块3主要预测农产品上市量和上市时间，具体包括：(一)通过气象资料和管理信息监测作物生育进程，预测主要农作物品种的生育进程，预测成熟期和上市日期；(二)通过历史播种面积、主要农产品价格、种子销量和播种面积调度数据，监测和预测主要农产品的播种面积和播种日期；(三)通过气象条件、作物生长要求、管理措施等预测农产品单产。

需求监测预测模块4主要监测和预测各地农产品需求信息，通过人口、收入和历史消费情况，预测主要农产品的总需求量和阶段需求量。

匹配撮合模块5连接价格监测预测模块2、供给监测预测模块3和需求监测预测模块4，接收三个模块的信息，默认生产优先保障当地供给，通过某时段本地生产量与供给量的差值计算当地的供需差和商品量，同时段供需相等则可以通过区域内撮合平衡供需，视为无需开展区域间撮合。如果同时段上市量大于需求量，则表明该地有产品需要调出；如果同时段内上市量低于需求量，则表明该地有产品需要从外地调入。

供需匹配撮合时优先时间匹配、其次空间匹配和价格匹配。

具体数学模型为：

(1)T_上市≧T_需求+T_运输

产品上市时间要早于需求时间加上运输时间。

(2)P_销地(i+t)≧P_产地(i)+C_运输+L_损耗

i+t时点(i时点加上从产地到销地的流通时间t)销地价格P_销地要高于i时点产地价格P_产地、单位运输成本C_运输和单位损耗L_损耗之和。

(3)T_运输＝S_路网/V_运输

运输时间T_运输等于产销地间的路网距离S_路网除以运输速度V_运输。

(4)L_损耗＝LR*T_运输

单位损耗L_损耗等于产品单位时间损耗率LR与运输时间T_运输的乘积。

(5)C_运输＝S_路网*UP

单位运输成本C_运输等于产销地间的路网距离S_路网与单位距离运输成本UP的乘积。

基于上述撮合原则，产销匹配撮合的总数学模型为：

$\left(6\right)---\mathrm{Max}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}[\mathrm{Bi}(\mathrm{xi},j)-\mathrm{Sj}(\mathrm{xi},j)-\mathrm{Ki},\mathrm{jXi},j]$

$s.t.\underset{j=1}{\overset{m}{\mathrm{\Σ}}}\mathrm{Xi},j\≤\mathrm{di},\max$

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{Xi},j\≤\mathrm{Pj},\max$

Xi，j≥0

以县为单位，m为输出县数量，n为输入县数量，di,max为输出县i可以输出的最高供应量，Pj,max为输入县j的最高需求缺口，Xi,j为输入县j向输出县i购买的数量量。Bi(xi，j)为输入县收入函数，用销地价格和销量表示；Sj(xi，j)为输出县收入函数，用产地价格和销量表示；Ki,j为流通费用函数，用单位里程综合运价和运输量表示。

结合撮合原则和撮合模型，由匹配撮合模块5为当地选择出最佳的农产品供需调度路线、调度量、运输时间和调度成本。

撮合结果展示模块6连接匹配撮合模块5，显示匹配撮合结果，具体以地图和图表两种方式显示从生产方和需求方的调度路线、调度量、运输时间和调度成本。

基于上述农产品供需撮合系统，本实施例还提供了一种农产品供需撮合方法，具体参照图2所示，方法的实施步骤如下：

供需撮合系统实施步骤如下：

首先，进行农产品供需信息预测；

具体地，通过信息输入存储模块输入包括各省、市、县人口数量、收入水平、耕地面积、农作物播种面积、种植历史、作物配置和气象信息、作物播种面积变动、主要自然灾害发生、农产品价格、农产品供、全国路网实时信息、全国农产品流通成本信息等等的基础数据；根据播种面积、主栽品种、物质投入、气象条件等因素预测某种农产品的上市量；通过作物配置、播种日期、作物长势、气象条件等因素预测产品的上市日期；通过人口数量、人口结构、收入水平、营养需求、替代品价格等因素预测产品需求量；通过消费习惯、市场价格等因素预测消费时间。

接下来，通过某时段本地生产量与供给量的差值计算当地的供需差和商品量，决定产品调入还是调出；同时段上市量和需求量相等则可以通过区域内撮合平衡供需，视为无需开展区域间撮合。如果同时段上市量大于需求量，则表明该地有产品需要调出；如果同时段内上市量低于需求量，则表明该地有产品需要从外地调入。

然后，通过撮合模块开展供需撮合，为消费者选择最佳购买地、为生产者选择最佳销售地。

考虑到大部分农产品的鲜活性和不耐储藏性，以及消费需求的刚性，供需匹配撮合时优先时间匹配，即优先保证同一时间段内产品供需的撮合，同时将运输时间考虑在内。其次空间匹配和价格匹配，即保证农产品调运过程的利润最大化，确保撮合的供需双方在一个合理的距离范围内，保证运输时间内产品损耗和运输成本处于合理的范围，而且价格是由低到高的过程。

具体的撮合原则按照优先顺序为，优先时间匹配、其次空间匹配和价格匹配。

具体数学模型包括：

(1)T_上市≧T_需求+T_运输

产品上市时间要早于需求时间加上运输时间。

(2)P_销地(i+t)≧P_产地(i)+C_运输+L_损耗

i+t时点(i时点加上从产地到销地的流通时间t)销地价格P_销地要高于i时点产地价格P_产地、单位运输成本C_运输和单位损耗L_损耗之和。

(3)T_运输＝S_路网/V_运输

运输时间T_运输等于产销地间的路网距离S_路网除以运输速度V_运输。

(4)L_损耗＝LR*T_运输

单位损耗L_损耗等于产品单位时间损耗率LR与运输时间T_运输的乘积。

(5)C_运输＝S_路网*UP

单位运输成本C_运输等于产销地间的路网距离S_路网与单位距离运输成本UP的乘积。

基于上述撮合原则，产销匹配撮合的总数学模型为：

$\left(6\right)---\mathrm{Max}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}[\mathrm{Bi}(\mathrm{xi},j)-\mathrm{Sj}(\mathrm{xi},j)-\mathrm{Ki},\mathrm{jXi},j]$

$s.t.\underset{j=1}{\overset{m}{\mathrm{\Σ}}}\mathrm{Xi},j\≤\mathrm{di},\max$

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{Xi},j\≤\mathrm{Pj},\max$

Xi，j≥0

以县为单位，m为输出县数量，n为输入县数量，di,max为输出县i可以输出的最高供应量，Pj,max为输入县j的最高需求缺口，Xi,j为输入县j向输出县i购买的数量量。Bi(xi，j)为输入县收入函数，用销地价格和销量表示；Sj(xi，j)为输出县收入函数，用产地价格和销量表示；Ki,j为流通费用函数，用单位里程综合运价和运输量表示。

结合撮合原则和撮合模型，由匹配撮合模块5为当地选择出最佳的农产品供需调度路线、调度量、运输时间和调度成本。

最后，撮合结果与GIS地图相结合，以电子地图和图表两种方式在将撮合结果和调度路线系统中展示。

由以上实施例可以看出，本发明利用模型预测、生产监测、网络信息抓取等方法，提前预测各产区农产品的上市时间和上市量，从人口数量、收入水平、消费习惯等方面，提前预测各地各类农产品的消费需求，从监测数据、网络数据等方面通过大数据技术判断农产品市场价格，从农产品上市期、保鲜期、运输保鲜条件、产销地价格等因素提前进行农产品供需匹配，能够提前实现全国主要农产品的撮合和调度安排，也能够为生产者和消费者定制获益最高的产销撮合方案，为消费者选择最佳购买地、为生产者选择最佳销售地，从而实现最优的产销匹配和最低的风险。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (6)

1.一种农产品供需撮合系统，其特征在于，包括信息输入存储模块、价格监测预测模块、供给监测预测模块、需求监测预测模块、匹配撮合模块和撮合结果展示模块；

所述信息输入存储模块采集各地农业本底信息和动态信息并以固定的格式存储，供价格监测预测模块、供给监测预测模块和需求监测预测模块调用；

所述价格监测预测模块用于监测各地产销价格信息，并根据供求变动预测未来价格变动趋势；

所述供给监测预测模块用于监测和预测各地农产品上市量和上市时间，通过气象资料和管理信息监测预测作物生育进程、成熟期和上市日期，通过历史播种面积、主要农产品价格、种子销量和播种面积调度数据监测和预测农产品的播种面积和播种日期，通过气象条件、作物生长要求、管理措施预测农产品单产；

所述需求监测预测模块监测和预测各地农产品需求信息，通过人口、收入和历史消费情况，预测农产品的总需求量和阶段需求量；

所述匹配撮合模块连接价格监测预测模块、供给监测预测模块和需求监测预测模块，接收三个模块的信息，对农产品生产和需求进行匹配撮合；

所述撮合结果展示模块连接匹配撮合模块，显示匹配撮合结果。

2.如权利要求1所述的农产品供需撮合系统，其特征在于，所述撮合结果展示模块以地图和图表两种方式显示从生产方到需求方的调度路线、调度量、运输时间和物流成本。

3.一种农产品供需撮合方法，其特征在于，包括以下步骤：

首先，进行农产品上市量、上市日期、产品需求量及消费时间的信息预测；

接下来，通过某时段本地上市量与产品需求量的差值计算当地的供需差和供需产品量，决定产品调入还是调出；

然后，通过撮合模块开展供需撮合，为消费者选择最佳购买地、为生产者选择最佳销售地；

最后，撮合结果与GIS地图相结合，以电子地图和图表两种方式将撮合结果和调度路线进行展示。

4.如权利要求3所述的农产品供需撮合方法，其特征在于，所述信息预测具体包括：通过信息输入存储模块输入包括各省、市、县人口数量、收入水平、耕地面积、农作物播种面积、种植历史、作物配置和气象信息、作物播种面积变动、自然灾害发生、农产品价格、农产品供求、全国路网实时信息、全国农产品流通成本信息的基础数据；根据所述基础数据预测某种农产品的上市量、上市日期、产品需求量和消费时间。

5.如权利要求3所述的农产品供需撮合方法，其特征在于，所述产品调入调出的判断原则为：同时段上市量和需求量相等则通过区域内撮合平衡供需，无需开展区域间撮合；如果同时段上市量大于需求量，则该地有产品需要调出；如果同时段内上市量低于需求量，则该地有产品需要从外地调入。

6.如权利要求5所述的农产品供需撮合方法，其特征在于，所述撮合模块开展供需撮合的具体过程为：

首先，确定撮合原则和模型，撮合原则按照优先顺序为优先时间匹配、其次空间匹配和价格匹配。

产销匹配撮合的数学模型有：

(1)T_上市≧T_需求+T_运输

产品上市时间要早于需求时间加上运输时间；

(2)P_销地(i+t)≧P_产地(i)+C_运输+L_损耗

i+t时点(i时点加上从产地到销地的流通时间t)销地价格P_销地要高于i时点产地价格P_产地、单位运输成本C_运输和单位损耗L_损耗之和；

(3)T_运输＝S_路网/V_运输

运输时间T_运输等于产销地间的路网距离S_路网除以运输速度V_运输；

(4)L_损耗＝LR*T_运输

单位损耗L_损耗等于产品单位时间损耗率LR与运输时间T_运输的乘积；

(5)C_运输＝S_路网*UP

单位运输成本C_运输等于产销地间的路网距离S_路网与单位距离运输成本UP的乘积；

接下来，产销匹配撮合的总数学模型为：

(6) $\mathrm{Max}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}[\mathrm{Bi}(\mathrm{xi},j)\·\mathrm{Sj}(\mathrm{xi},j)\·\mathrm{Ki},\mathrm{jXi},j]$

$s.t.\underset{j=1}{\overset{m}{\mathrm{\Σ}}}\mathrm{Xi},j\≤\mathrm{di},\max$

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{Xi},j\≤\mathrm{Pj},\mathrm{ma}$

Xi，j≥0

以县为单位，m为输出县数量，n为输入县数量，di,max为输出县i可以输出的最高供应量，Pj,max为输入县j的最高需求缺口，Xi,j为输入县j向输出县i购买的数量量。Bi(xi，j)为输入县收入函数，用销地价格和销量表示；Sj(xi，j)为输出县收入函数，用产地价格和销量表示；Ki,j为流通费用函数，用单位里程综合运价和运输量表示；

结合撮合原则和撮合模型，由匹配撮合模块为当地选择出最佳的农产品供需调度路线、调度量、运输时间和调度成本。