CN108921422A - 一种应用于运输公司的运输信息管理系统及方法 - Google Patents

Abstract

本发明公开了一种应用于运输公司的运输信息管理系统及方法，系统包括用户终端子系统、服务器子系统和数据库子系统；用户终端子系统、服务器子系统均与数据库子系统通信连接，用户终端子系统与服务器子系统通信连接；本发明提供的应用于运输公司的运输信息管理系统及方法，加强了运输公司运输经济管理实效和对空间的拓展，强化了系统间的联系，使得运输公司能够更为便捷地对经济运行情况实时监控分析，避免信息传递的滞后，减少人的影响因素，强化了管理制度的执行力，提高了工作效率。

Description

一种应用于运输公司的运输信息管理系统及方法

技术领域

本发明属于车辆运输管理技术领域，具体涉及一种应用于运输公司的运输信息管理系统及方法。

背景技术

运输公司即实物分配，包括企业、销售商自身的运输、仓储和搬运等活动的公司。由于涉及的业务过多，数据信息多且，导致难以进行有效管理；目前部分运输公司主要存在以下两个方面的管理困境：

(1)运输公司财务、成本、运输、资金以及经济分析等各个模块独立实施，形成一系列的信息孤岛，即使是同一部门的多个业务也没有整合，比如财务系统、全面预算和经济分析之间的数据没有整合，而成本管理信息系统对运输业务使用性不强，和运输部门运量、机车运用等数据统计也没有整合，运输合同和运输收入计价管理没有管理等；

(2)运输公司经济管理手段还处于手工操作阶段，只是使用计算机进行一些简单表格处理，使得管理制度的实施存在较大困难，难以达到预期效果。同时，管理办法的实施有一定的局限性，成本管理系统的实施需要财务系统的支持；运输计价管理，也需要财务系统的支持。然而要实现运输经济管理的逐步提升，必然是将财务、成本、运输、资金、预算以及经济分析等各个模块进行结合，实现综合管理。

因此，对运输公司而言，开发运输信息管理系统，利用网络技术、现代通信技术和数据处理技术，对各个子系统进行整合与再设计，进一步加强运输经济管理的实效和对空间的拓展，强化系统间的联系，是现阶段的重点研究方法。

发明内容

针对现有技术中的上述不足，本发明提供的应用于运输公司的运输信息管理系统及方法解决了现有的运输公司中经济管理处于手工操作阶段，没有将各个成本模块结合起来制定合理的成本管理方法的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种应用于运输公司的运输信息管理系统，包括用户终端子系统、服务器子系统和数据库子系统；所述用户终端子系统、服务器子系统均与数据库子系统通信连接，所述用户终端子系统与服务器子系统通信连接；

所述服务器子系统为ESC云服务器；

所述用户终端子系统中的功能模块包括系统与用户管理模块、成本管理模块和信息查询管理模块，所述用户终端子系统中的功能模块均与ESC云服务器通信连接；

所述信息查询管理模块包括人员动态信息管理模块、报表查询管理模块和运输合同查询管理模块；

所述系统及用户管理模块用于存储工作人员的信息及其录入的运输信息数据；

所述成本管理模块用于根据运输信息数据显示成本计算结果、成本分析结果、成本预测结果和成本控制结果；

所述人员动态信息管理模块用于针对所述成本管理模块管理员以及公司管理层，查询其权限内的工作人员的基本信息；

所述报表查询管理模块用于成本管理模块管理员以及公司管理层对下属成本数据进行查询；

所述运输合同信息查询管理模块用于查询涉及合同的基本信息，包括项目名称、合同签订日期以及合同对应的收入；

所述ESC云服务器用于分析处理运输信息数据，并根据成本计算模型、成本分析模型、成本预测模型与成本控制模型生成所述成本管理模块中成本计算、成本分析、成本预测和成本控制的具体数据；

所述数据库子系统用于存储工作人员输入的基础数据和经ESC云服务器分析处理的数据。

一种应用于运输公司的运输信息管理方法，包括以下步骤：

S1、通过用户终端子系统中的系统与用户管理模块登录系统；

S2、输入工作人员信息或基础数据信息，并将其存储在数据库子系统中；

S3、根据用户需求，选择成本管理模块或信息查询管理模块，若选择成本管理模块，则进入步骤S4，若选择信息查询管理模块，则进入步骤S5；

S4、通过ESC云服务器对基础数据信息的分析处理，选择成本计算模型、成本分析模型、成本预测模型或成本控制模型，并在用户终端子系统显示选择模型的输出结果；

S5、根据系统数据库存储的数据信息，选择人员动态信息管理模型、报表查询管理模型和运输合同查询管理模型，并在用户终端子系统显示选择模型的输出结果；

S6、通过用户终端中的系统与用户管理模块退出系统。

进一步地，所述步骤S4中；

所述成本计算模型用于确定单位作业支出；

所述成本分析模型用于反映各作业部门的费用支出与作业量之间的关系；

所述成本预测模型利用神经网络模型预测一定年度的运输公司的运输成本；

所述成本控制模型根据运输公司各运段的作业样本，制定成本控制标准。

进一步地，

所述成本计算模型中的成本为运输公司各个作业部门的成本的总和，各个作业部门的成本均包括与作业量相关的变动成本和固定成本；

所述作业部门i的成本计算的公式为：

y_i＝ax+b

式中，y_i为作业部门i的成本；

a为作业部门i的单位作业支出；

x为作业部门i的作业量；

b为作业部门i分摊的固定成本；

运输公司成本计算公式为：

式中，z为运输公司的总成本；

i为运输公司第i个作业部门；

n为运输公司作业部门的总数。

进一步地，所述成本分析模型中通过综合指标相关分析法，确定各作业部门的费用支出与作业量之间的关系；

所述综合指标中的作业部门包括机务部门、车辆部门、车务部门、三电部门、供电部门和公务部门；

所述机务部门的综合指标包括运行机车成本和调车机车成本；

所述车辆部门的综合指标宝座技检车辆成本和站修车辆成本；

所述车务部门的综合指标包括接发车成本和作业车成本；

所述三电部门的综合指标包括通信维修成本、信号维修成本和电力检修成本；

所述供电成本的综合指标包括供电检修成本；

所述公务部门的综合指标为线路维护成本。

进一步地，

所述成本预测模型利用神经网络模型预测一定年度的运输公司的运输成本时，作业部门的成本动因作为学习样本，各样本的成本动因量和运输成本分别作为神经网络的输入值X＝(x₁,x₂,…,x_n)^T和输出值Y＝(y₁,y₂,…,y_n)^T；

其中，n为输入层的成本动因量的数量，m为输出层的运输成本值个数；

其方法具体为：

A1、设定神经网络的结构，确定网络层数及各层的神经元个数；

A2、将确定的作业部门的成本动因作为学习样本，并对学习样本进行预处理；

A3、初始化各层神经元的权值，将各样本的成本动因量作为神经网络的输入值，计算误差测度函数E；

A4、判断E<ε是否成立，若是则进入步骤A5，否则返回步骤A2；

其中，ε为精度控制参数；

A5、对输出值进行反归一化处理，得到学习好的神经网络模型，进而得到实际运输成本；

A6、根据学习好的神经网络模型预测一定年度的运输公司的运输成本。

进一步地，所述步骤A2中：

对所述学习样本进行预处理的公式为：

式中，Y_i表示样本数据i的归一化结果；

x_i表示样本数据i的实际值；

x_max，x_min表示该组样本数据的最大值和最小值；

所述步骤A3中成本动因量分别为人员数量、机车台数、总重万吨公里数、总行走公里数、调车小时、作业车数、技检车数、作业公里数、换算作业公里数；

所述步骤A3中，初始化各层神经元的权值ω基于Nguyen-Widrow算法随机产生的；

所述步骤A3中，误差测度函数E为：

式中，m为神经网络的层数，y(net)函数为单极性Sigmoid函数；

net＝x₁w₁+x₂w₂+…+x_nw_n，w_n为各层神经元的权值；

所述步骤A5中，反归一化处理公式为：

进一步地，

所述成本控制模型中，制定成本控制标准的方法具体为：

在各作业部门中确定作业样本，测算每个样本在完成同一作业过程中的实际成本数值，并统计出现不同实际成本数值的发生频次，然后制定成本控制标准。

进一步地，所述成本控制管理模型的系统登录端包括公司层和运段层；

所述公司层登录端显示的成本控制管理的相关数据为在一定成本控制期专业总量超过5％的运段实际总量与阶段总量预算的差距，用来卡控各运段不同专业的总量；

所述运段层登录端显示的成本控制管理的相关数据为个成本控制期实际成本与成本控制标准的差距。

进一步地，所述步骤S5中；

所述人员动态信息管理模型用于查询工作人员的个人基础信息；

所述报表查询管理模型用于管理人员查询下属成本数据；

所述运输合同查询管理模型用于查询合同的基本信息。

本发明的有益效果为：本发明提供的应用于运输公司的运输信息管理系统及方法，加强了运输公司运输经济管理实效和对空间的拓展，强化了系统间的联系，使得运输公司能够更为便捷地对经济运行情况实时监控分析，避免信息传递的滞后，减少人的影响因素，强化了管理制度的执行力，提高了工作效率。

附图说明

图1为本发明提供的实施例中应用于运输公司的运输信息管理系统结构框图。

图2为本发明提供的实施例中应用于运输公司的运输信息管理方法流程图。

图3为本发明提供的实施例中成本预测模型建立方法流程图。

图4为本发明提供的实施例中动态成本控制标准技术路线图。

图5为本发明提供的实施例中系统成本控制流图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

如图1所示，一种应用于运输公司的运输信息管理系统，包括用户终端子系统、服务器子系统和数据库子系统；用户终端子系统、服务器子系统均与数据库子系统通信连接，用户终端子系统与服务器子系统通信连接。

服务器子系统为ESC云服务器。

用户终端子系统中的功能模块包括系统与用户管理模块、成本管理模块和信息查询管理模块，用户终端子系统中的功能模块均与ESC云服务器通信连接。

信息查询管理模块包括人员动态信息管理模块、报表查询管理模块和运输合同查询管理模块。

系统及用户管理模块用于存储工作人员的信息及其录入的运输信息数据；系统及用户管理模块中有用户注册及登录的相关界面，为注册用户需要先进行系统注册，填写姓名、密码、工号、所属站段等，完成注册的用户可以通过用户及密码，登录进系统。

成本管理模块用于根据运输信息数据显示成本计算结果、成本分析结果、成本预算结果和成本控制结果。

人员动态信息管理模块用于针对成本管理模块管理员以及公司管理层，查询其权限内的工作人员是否正常；所涉及到的人员动态信息管理主要为个人基础信息的查询，包括工号、户名、姓名、所属站段、岗位、学历、身份证、手机号码和邮箱等，其次是针对各个站段的各项数据查询，包括站段员工数目、站段员工职位等查询。

报表查询管理模块用于成本管理模块管理员以及公司管理层对下属成本数据进行查询，主要涉及合同、收入、成本和预算等四个方面的报表查询。

运输合同信息查询管理模块用于查询涉及合同的基本信息，包括项目名称、合同签订日期以及合同对应的收入。

ESC云服务器用于分析处理运输信息数据，并根据成本计算模型、成本分析模型、成本预测模型和成本控制模型生成成本管理模块中成本计算、成本分析、成本预算和成本控制的具体数据。

数据库子系统用于存储工作人员输入的基础数据和经ESC云服务器分析处理的数据。

上述成本管理模块中，成本计划模型由运输公司在年初下达各成本中心的工作量，由此直接生成各工作部门的总成本费用(其中初始年的成本计划由历史数据得到，此后逐年手机相关数据)，成本计划调整即是每季度、年中、年尾系统能够根据实际工作量及具体情况实时调整成本计划；

成本分析模型根据各成本中心所提交的成本计算信息表进一步分析，主要包括：直接成本、间接成本对比分析以及综合指标对比分析，根据运输公司的管理层级，将在各运输段以及分公司层面对成本进行分析；

成本控制模型由成本分析中得到的数据针对性的采取控制措施，主要包括设备材料成本调控、人员成本调控以及其他三个方面；

成本预测模型中各成本中心根据成本计算以及成本分析中所得到统计汇总数据，采用BP神经网络，针对各成本中心所需的年度成本进行预测，作为系统所生成的预测成本，依次为基础，对各成本中心所提报的成本预算进行审核与调整，参考各方面情况作为审核与决策的依据；

上述成本管理模块还包括成本核算模型和成本预警模型；成本核算模型由运输公司下属各成本中心收集其机、车、工、电、辆、供及段部的成本计算表，根据各成本中心数据采集情况在每月28日进行数据录入，将成本计算信息表录入至运输信息管理系统中，系统对运输段录入的成本计算信息表进行初步处理，得到各成本中心的整体成本费用情况，运输公司运输部主管人员确认审批各成本中心已提交的成本费用情况；

成本预警模型中，当各成本中心存在费用超额的情况，对成本预算过程中可能出现的风险进行预警，运输公司运输部门可以根据各成本中心设置不同的成本费用浮动范围与成本警戒线提示。

如图2所示，在本发明的一个实施例中，还提供了一种应用于运输公司的运输信息管理方法，包括以下步骤：

S1、通过用户终端子系统中的系统与用户管理模块登录系统；

S2、输入工作人员信息或基础数据信息，并将其存储在数据库子系统中；

S3、根据用户需求，选择成本管理模块或信息查询管理模块，若选择成本管理模块，则进入步骤S4，若选择信息查询管理模块，则进入步骤S5；

S4、通过ESC云服务器对基础数据信息的分析处理，选择成本计算模型、成本分析模型、成本预测模型或成本控制模型，并在用户终端子系统显示选择模型的输出结果；

上述成本计算模型用于确定单位作业支出；

成本计算模型中的成本为运输公司各个作业部门的成本的总和，各个作业部门的成本均包括与作业量相关的变动成本和固定成本；

作业部门i的成本计算的公式为：

y_i＝ax+b (1)

式中，y_i为作业部门i的成本；

a为作业部门i的单位作业支出；

x为作业部门i的作业量；

b为作业部门i分摊的固定成本；

运输公司成本计算公式为：

式中，z为运输公司的总成本；

i为运输公司第i个作业部门；

n为运输公司作业部门的总数。

成本分析模型用于反映各作业部门的费用支出与作业量之间的关系；

成本分析模型中通过综合指标相关分析法，确定各作业部门的费用支出与作业量之间的关系；

根据各作业部门的运输作业特点，确定综合指标中的作业部门包括机务部门、车辆部门、车务部门、三电部门、供电部门和公务部门；

机务部门的综合指标包括运行机车成本和调车机车成本；

车辆部门的综合指标宝座技检车辆成本和站修车辆成本；

车务部门的综合指标包括接发车成本和作业车成本；

三电部门的综合指标包括通信维修成本、信号维修成本和电力检修成本；

供电成本的综合指标包括供电检修成本；

公务部门的综合指标为线路维护成本。

成本预测模型利用神经网络模型预测一定年度的运输公司的运营成本；

成本预测模型利用神经网络模型预测一定年度的运输公司的运营成本时，作业部门的成本动因作为学习样本，各样本的成本动因量和运输成本分别作为神经网络的输入值X＝(x₁,x₂,…,x_n)^T和输出值Y＝(y₁,y₂,…,y_n)^T；

其中，n为输入层的成本动因量的数量，m为输出层的运输成本值个数；

如图3所示，其方法具体为：

A1、设定神经网络的结构，确定网络层数及各层的神经元个数；

A2、将确定的作业部门的成本动因作为学习样本，并对学习样本进行预处理；

上述对学习样本进行预处理的公式为：

式中，Y_i表示样本数据i的归一化结果；

X_i表示样本数据i的实际值；

x_max，x_min表示该组样本数据的最大值和最小值；

A3、初始化各层神经元的权值，将各样本的成本动因量作为神经网络的输入值，计算误差测度函数E；

上述步骤A3中成本动因量分别为人员数量、机车台数、总重万吨公里数、总行走公里数、调车小时、作业车数、技检车数、作业公里数、换算作业公里数；

由于数据的单位、含义、指标的性质及指标的来源、指标赋值的标准等多方面的不统一，需要初始化各层神经元的权值，初始化各层神经元的权值ω是基于Nguyen-Widrow算法随机产生的；

上述步骤A3中，误差测度函数E为：

式中，m为神经网络的层数，y(net)函数为单极性Sigmoid函数；

net＝x₁w₁+x₂w₂+…+x_nw_n，w_n为各层神经元的权值。

A4、判断E<ε是否成立，若是则进入步骤A5，否则返回步骤A2；

其中，ε为精度控制参数；

A5、对输出值进行反归一化处理，得到学习好的神经网络模型，进而得到实际运输成本；

上述步骤A5中，反归一化处理公式为：

A6、根据学习好的神经网络模型预测一定年度的运输公司的运营成本。

成本控制模型根据运输公司各运段的作业样本，制定成本控制标准。

成本控制模型中，制定成本控制标准的方法具体为：

在各作业部门中确定作业样本，测算每个样本在完成同一作业过程中的实际成本数值，并统计出现不同实际成本数值的发生频次，然后制定成本控制标准；其中，成本控制管理模型的系统登录端包括公司层和运段层；

公司层登录端显示的成本控制管理的相关数据为在一定成本控制期专业总量超过5％的运段实际总量与阶段总量预算的差距，用来卡控各运段不同专业的总量；

运段层登录端显示的成本控制管理的相关数据为个成本控制期实际成本与成本控制标准的差距。

S5、根据系统数据库存储的数据信息，选择人员动态信息管理模型、报表查询管理模型和运输合同查询管理模型，并在用户终端子系统显示选择模型的输出结果；

上述人员动态信息管理模型用于查询工作人员的个人基础信息，包括用工号、户名、姓名、所属站段、岗位、学历、身份证、手机号码、邮箱等，同时可以针对各个站段的各项数据查询，包括站段员工数目，站段员工职位进行查询；

上述报表查询管理模型用于管理人员查询下属成本数据，主要针对公司管理层以及各成本中心管理员对下属成本数据进行查询，包括合同、收入、成本与预算四个方面的报表查询；

上述运输合同查询管理模型用于查询合同的基本信息，包括项目名称、合同签订日期、合同编号以及合同对应的收入等。

S6、通过用户终端中的系统与用户管理模块退出系统。

在本发明的一个实施例中，提供了对运输公司A的基础数据进行处理，实现成本管理的实例；

(1)成本计算：

由于运营作业量与单位作业支出有一定联系，在求取单位作业支出具体数值的过程中，也需要计算出与之相适应的运营作业的数量，作为接下来作业成本计算的基础数据；作业成本计算。以A公司的某项运营作业为例，若该项作业已经确认，则寻找与之相匹配的单位作业支出和运营作业量，两者相乘，即为作业成本。若果存在与该项作业直接相关的特定成本，可以直接加和；A公司中，总计7个成本中心，各成本中心计算方式相同。成本中心下辖机务部门、车务部门、车辆部门、工务部门、三电部门、供电部门以及段部，先求得各部门的作业成本，然后将各部成本求和即可得到成本中心的运营成本。

(2)成本分析：

为了进一步反映各作业部门的费用支出与作业量之间的关系，使用综合指标分析法，首先针对各部门的运输作业特点，提出以下综合指标，如表1所示：

表1作业部门综合指标表

根据上表的划分，各部门的综合指标均与该部门的实际运输作业相关，这里需要区分的一点是，三电部门、供电部门以及调车机车的人员工资与工作量并没有挂钩，这是因为在同一成本中心上述三部门的人员作业量基本均衡，所以在人员工资的分配上并未与工作量直接联系。

以机务部门的运行机车为例，通过计算模型对人员工资、维修费、折旧费、能耗以及间接费用的计算之后，并不能直接得到一台机车的运行成本与实际作业量之间的关系。因此在这里提出机务部门运行机车成本，借助运行机车每走行一公里所需的费用这一综合指标，概括人员工资、维修费、折旧费以及能耗的对应关系。现以第一成本中心机务部门运行机车为例，以一年时间为计算周期，建模求解DF8B每公里费用支出情况。

J_运D8＝X₁+X₂+X₃+X₄ (6)

式中：

J_运D8为机务部门运行机车DF8B每走行一公里费用；

X₁为机务部门运行机车DF8B每走行一公里所需要消耗的人员工资费用。其中，考虑到不同类型机车作业人员数量、操作难易程度等对应作业人员工资有一定的变化，这里设置变动系数λ、C_人表示该机务部门运行机车作业点所有作业人员工资总和、S_台表示该作业点运行机车台数、L表示该作业点所有机车总的走行公里数。

X₂：机务部门运行机车DF8B每走行一公里对应的油耗支出，这里由计算模型1中取总重万吨公里能耗a₁与单机走行公里能耗a₂之和的均值，即是X₂＝a₁+a₂/2；

X₃：机务部门运行机车DF8B每走行一公里维修费用，这里根据计算模型3取a₁，即分机型机车每走行一公里维修费用。由于在运行机车这一作业点中维修费仅仅包含相应的材料费用，并不包含相关的人员工资费用，因此在计算维修费用X₃时，需要将机务部门的检修中心人员工资按照一定比例α加入其中。式中C_检人表示检修中心总的人员工资，S_DB在列检中心维修台数，S_总列检中心总的机车维修台数；

X₄：机务部门运行机车DF8B每走行一公里折旧费用支出，根据计算模型13可以得到运行机车DF8B一年的折旧费用，L_D8即是一辆DF8B在计算周期内的走行公里数。

(3)成本预测：

在设定神经网络的结构时，需要确定神经网络层数及各层神经元个数，其中，即包含与运输作业量直接相关的资源消耗，也包含与运输作业量无直接关系的资源消耗，具体划分如表2所示：

表2部门作业成本划分及其成本动因表

根据上表的划分结合BP神经网络的特性，神经元所输入为：人员数量、机车台数、总重万吨公里、总行走公里、调车小时、作业车数、技检车数、作业公里数、换算作业公里数9个神经元作为输入的指标因素。

(4)成本控制：

在设置成本控制标准时，系统首先在各运段中选取适度的作业样本，测算每个样本在完成同一作业过程中的实际成本数值，并统计出现不同实际成本数值的发生频次，在此基础上确定成本控制标准，动态成本控制标准技术路线图如图4所示。表3是观测到的从事相同作业人员控制成本的实际数值(即具体样本的实际成本数值)，以及这些数值的样本发生频次。在表3中，作业人员控制成本的实际数值是按从小到大的顺序排列的。

表3相同作业控制成本的实际数值及样本出现的频次统计表

在确定成本控制标准时，可以表3中的样本频次为权数，计算加权平均值如公式(11)所示。在设置成本控制标准时，如果选择的样本出现了特别大或特别小的实际成本数值，将对平均数的代表性产生不利的影响。因此，应该从样本中剔除这些特别大或特别小的数值，以增强成本控制标准的控制效度。

成本控制系统可以分别从公司层和运段层登录，登录所显示的内容有所不同，从公司层进入最终呈现的是总量超过5％的运段实际总量和阶段预算的对比分析，而从运段层进入最终呈现的是某一指标的预警情况以及成本控制措施，系统成本控制操作流程如图5所示。成本控制标准即公司大指标基准线，在公司层面，管理人员通过系统可以看出在某一成本控制期内专业总量超过5％的运段实际总量与阶段总量预算的差距，以卡控各运段不同专业的总量。在运段层面，系统可以显示各成本控制期(季度数据)实际成本与成本控制标准的差距，

即是否超基准线，当实际成本超过基准线的5％时，系统将进行预警。

本发明的有益效果为：

(1)运输信息管理系统将进一步实现运输公司经济管理的信息化、科学化以及精确化，系统在实现过程中逐步改进原有的管理机制，实现业务流程、组织机构及管理模式的科学化、规范化，改善了公司运输经济管理的整体环境；

(2)运输经济管理信息系统将加强公司对各成本中心(运输段)的成本控制。系统在设计开发过程中，运输公司能够在各时间段(旬、月、季)了解各成本中心的成本支出、工作量、指标数据以及计划完成情况等，从而实现对各成本中心的实时控制；在此基础上系统能够实现同一时间段各成本中心的指标对比分析，不同时间内成本中心各指标的变化趋势，为公司决策提供有效依据。

(3)运输信息管理系统将有效疏通公司内部的数据连接障碍。系统在实现过程中将解决基层站段的数据获取、录入、上报困境，解决公司各部门：机、车、工、电、辆等部门之间的数据连接障碍，实现实时高效的数据传输，方便不同层级不同部门间的数据交流。

(4)运输信息管理系统将进一步避免人为因素的干扰。从基层员工的作业量、单位作业支出，到公司领导部门的分析决策，均可以在系统中有所反映，从而促使和提醒各级人员按时按规进行工作办理，以此强化各级层管理人员的制度执行力。同时在系统的使用过程中各层级所获得数据，是相对准确和客观的，而且获得这些数据的速度非常快，因而公司领导也能够对公司的情况进行快速分析，做出决策和响应。

Claims (10)

1.一种应用于运输公司的运输信息管理系统，其特征在于，包括用户终端子系统、服务器子系统和数据库子系统；所述用户终端子系统、服务器子系统均与数据库子系统通信连接，所述用户终端子系统与服务器子系统通信连接；

所述服务器子系统为ESC云服务器；

所述用户终端子系统中的功能模块包括系统与用户管理模块、成本管理模块和信息查询管理模块，所述用户终端子系统中的功能模块均与ESC云服务器通信连接；

所述信息查询管理模块包括人员动态信息管理模块、报表查询管理模块和运输合同查询管理模块；

所述系统及用户管理模块用于存储工作人员的信息及其录入的运输信息数据；

所述成本管理模块用于根据运输信息数据显示成本计算结果、成本分析结果、成本预测结果和成本控制结果；

所述人员动态信息管理模块用于针对所述成本管理模块管理员以及公司管理层，查询其权限内的工作人员的基本信息；

所述报表查询管理模块用于成本管理模块管理员以及公司管理层对下属成本数据进行查询；

所述运输合同信息查询管理模块用于查询涉及合同的基本信息，包括项目名称、合同签订日期以及合同对应的收入；

所述ESC云服务器用于分析处理运输信息数据，并根据成本计算模型、成本分析模型、成本预测模型与成本控制模型生成所述成本管理模块中成本计算、成本分析、成本预测和成本控制的具体数据；

所述数据库子系统用于存储工作人员输入的基础数据和经ESC云服务器分析处理的数据。

2.一种应用于运输公司的运输信息管理方法，其特征在于，包括以下步骤：

S1、通过用户终端子系统中的系统与用户管理模块登录系统；

S2、输入工作人员信息或基础数据信息，并将其存储在数据库子系统中；

S3、根据用户需求，选择成本管理模块或信息查询管理模块，若选择成本管理模块，则进入步骤S4，若选择信息查询管理模块，则进入步骤S5；

S4、通过ESC云服务器对基础数据信息的分析处理，选择成本计算模型、成本分析模型、成本预测模型或成本控制模型，并在用户终端子系统显示选择模型的输出结果；

S5、根据系统数据库存储的数据信息，选择人员动态信息管理模型、报表查询管理模型和运输合同查询管理模型，并在用户终端子系统显示选择模型的输出结果；

S6、通过用户终端中的系统与用户管理模块退出系统。

3.根据权利要求2所述的应用于运输公司的运输信息管理方法，其特征在于，所述步骤S4中；

所述成本计算模型用于确定单位作业支出；

所述成本分析模型用于反映各作业部门的费用支出与作业量之间的关系；

所述成本预测模型利用神经网络模型预测一定年度的运输公司的运输成本；

所述成本控制模型根据运输公司各运段的作业样本，制定成本控制标准。

4.根据权利要求3所述的应用于运输公司的运输信息管理方法，其特征在于，

所述成本计算模型中的成本为运输公司各个作业部门的成本的总和，各个作业部门的成本均包括与作业量相关的变动成本和固定成本；

所述作业部门i的成本计算的公式为：

y_i＝ax+b

式中，y_i为作业部门i的成本；

a为作业部门i的单位作业支出；

x为作业部门i的作业量；

b为作业部门i分摊的固定成本；

运输公司成本计算公式为：

式中，z为运输公司的总成本；

i为运输公司第i个作业部门；

n为运输公司作业部门的总数。

5.根据权利要求3所述的应用于运输公式的运输信息管理方法，其特征在于，所述成本分析模型中通过综合指标相关分析法，确定各作业部门的费用支出与作业量之间的关系；

所述综合指标中的作业部门包括机务部门、车辆部门、车务部门、三电部门、供电部门和公务部门；

所述机务部门的综合指标包括运行机车成本和调车机车成本；

所述车辆部门的综合指标宝座技检车辆成本和站修车辆成本；

所述车务部门的综合指标包括接发车成本和作业车成本；

所述三电部门的综合指标包括通信维修成本、信号维修成本和电力检修成本；

所述供电成本的综合指标包括供电检修成本；

所述公务部门的综合指标为线路维护成本。

6.根据权利要求3所述的应用于运输公司的运输信息管理方法，其特征在于，

所述成本预测模型利用神经网络模型预测一定年度的运输公司的运输成本时，作业部门的成本动因作为学习样本，各样本的成本动因量和运输成本分别作为神经网络的输入值X＝(x₁，x₂，...，x_n)^T和输出值Y＝(y₁，y₂，...，y_n)^T；

其中，n为输入层的成本动因量的数量，m为输出层的运输成本值个数；

其方法具体为：

A1、设定神经网络的结构，确定网络层数及各层的神经元个数；

A2、将确定的作业部门的成本动因作为学习样本，并对学习样本进行预处理；

A3、初始化各层神经元的权值，将各样本的成本动因量作为神经网络的输入值，计算误差测度函数E；

A4、判断E＜ε是否成立，若是则进入步骤A5，否则返回步骤A2；

其中，ε为精度控制参数；

A5、对输出值进行反归一化处理，得到学习好的神经网络模型，进而得到实际运输成本；

A6、根据学习好的神经网络模型预测一定年度的运输公司的运输成本。

7.根据权利要求6所述的应用于运输公司的运输信息管理方法，其特征在于，所述步骤A2中：

对所述学习样本进行预处理的公式为：

式中，Y_i表示样本数据i的归一化结果；

x_i表示样本数据i的实际值；

x_max，x_min表示该组样本数据的最大值和最小值；

所述步骤A3中成本动因量分别为人员数量、机车台数、总重万吨公里数、总行走公里数、调车小时、作业车数、技检车数、作业公里数、换算作业公里数；

所述步骤A3中，初始化各层神经元的权值ω是基于Nguyen-Widrow算法随机产生的；

所述步骤A3中，误差测度函数E为：

式中，m为神经网络的层数，y(net)函数为单极性Sigmoid函数；net＝x₁w₁+x₂w₂+…+x_nw_n，w_n为各层神经元的权值；

所述步骤A5中，反归一化处理公式为：

8.根据权利要求3所述的应用于运输公司的运输信息管理方法，其特征在于，

所述成本控制模型中，制定成本控制标准的方法具体为：

在各作业部门中确定作业样本，测算每个样本在完成同一作业过程中的实际成本数值，并统计出现不同实际成本数值的发生频次，然后制定成本控制标准。

9.根据权利要求8所述的应用于运输公司的运输信息管理方法，其特征在于，所述成本控制管理模型的系统登录端包括公司层和运段层；

所述公司层登录端显示的成本控制管理的相关数据为在一定成本控制期专业总量超过5％的运段实际总量与阶段总量预算的差距，用来卡控各运段不同专业的总量；

所述运段层登录端显示的成本控制管理的相关数据为个成本控制期实际成本与成本控制标准的差距。

10.根据权利要求2所述的应用于运输公司的运输信息管理方法，其特征在于，所述步骤S5中；

所述人员动态信息管理模型用于查询工作人员的个人基础信息；

所述报表查询管理模型用于管理人员查询下属成本数据；

所述运输合同查询管理模型用于查询合同的基本信息。