CN109816299B - 基于大数据统计的物流车辆确定方法、装置及计算机设备 - Google Patents
基于大数据统计的物流车辆确定方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN109816299B CN109816299B CN201811503313.3A CN201811503313A CN109816299B CN 109816299 B CN109816299 B CN 109816299B CN 201811503313 A CN201811503313 A CN 201811503313A CN 109816299 B CN109816299 B CN 109816299B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- type
- volume
- cargo
- goods
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
基于大数据统计的物流车辆确定方法、装置及计算机设备。本发明提供一种物流车辆确定方法、装置、计算机设备及存储介质,确定待配送货物的种类以及每一种类货物的源信息,根据源信息确定每一种类货物对应的重量及体积,在根据每一种类货物对应的重量及体积以及不同车型的额定装载量和额定装载体积,计算出所需物流配送车辆的车型和数量。本发明,可以通过货物的源信息,即货物名称、货物编号、货物信号和厂家编号中的至少一种,来确定货物的重量及体积,无需进行货物的测量,从而可以降低人力成本,提高物流配送的效率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种基于大数据统计的物流车辆确定方法、装置及计算机设备。
背景技术
随着国内外物流行业的兴起和发展,物流配送在整个物流系统中起着越来越重要的作用。在物流配送过程中,需要确定待配送货物的重量体积,从而分配车辆进行货物的装载与配送。现有技术中,需要逐一对待配送货物进行称重测量之后,才能够获知其重量和体积,影响物流配送效率,成本较高。
发明内容
本发明的目的是提供一种基于大数据统计的物流车辆确定方法、装置及计算机设备,用于解决现有技术存在的问题。
为实现上述目的,本发明提供一种基于大数据统计的物流车辆确定方法,所述方法包括以下步骤:
确定待配送货物的种类以及每一种类货物的源信息,所述源信息包括:货物名称、货物编号、货物型号和厂家编号中的至少一种;
根据每一种类货物的源信息,确定每一种类货物对应的重量及体积;
根据每一种类货物对应的重量及体积,以及预先获知的不同车型的额定装载量和额定装载体积,计算所需的物流配送车辆的车型和数量。
优选地,所述计算所需的物流配送车辆的车型和数量,包括:
针对每一种类货物对应的重量及体积,计算每一种类货物的密度;
针对每一个车型的额定装载量和额定装载体积,计算每一各车型的额定装载密度;
构建约束条件,并根据所述约束条件、根据每一种类获取的重量、体积,以及根据每一个车型的额定装载量、额定装载体积,确定所需的车型以及每一车型对应的数量;所述约束条件为每一个车辆上装载的货物总量不超过其额定装载量,每一个车辆上装载的货物总体积不超过其额定装载体积,每一个车辆上装载的货物平均密度比上其额定装载密度位于设定范围内。
优选地,所述根据每一种类货物的源信息,确定每一种类货物对应的重量及体积,包括:
针对每一当前种类货物,根据当前种类货物的源信息,在预先建立的大数据平台中查询相应的特性参数,所述特性参数包括重量和体积;
确定当前种类货物的数量;
将查询到的特性参数中的重量与当前种类货物的数量的乘积确定为该当前种类货物的重量,将查询到的特性参数中的体积与当前种类货物的数量的乘积确定为该当前种类货物的体积。
优选地,若预先建立的大数据平台中未查询到相应的特性参数,进一步包括:获取当前种类货物中单个货物的长、宽、高和重量,根据当前种类货物中单个货物的长、宽、高计算单个货物的体积,并将当前种类货物中单个货物的重量和体积与当前种类货物的源信息的对应关系添加到大数据平台中。
优选地,进一步包括:根据计算所需的物流配送车辆的车型和数量,自动进行物流订单的填送。
为实现上述目的,本发明还提供一种基于大数据统计的物流车辆确定装置,包括:
第一确定单元,用于确定待配送货物的种类以及每一种类货物的源信息,所述源信息包括:货物名称、货物编号、货物型号和厂家编号中的至少一种;
第二确定单元,用于根据每一种类货物的源信息,确定每一种类货物对应的重量及体积;
计算单元,用于根据每一种类货物对应的重量及体积,以及预先获知的不同车型的额定装载量和额定装载体积,计算所需的物流配送车辆的车型和数量。
优选地,所述计算单元,具体用于针对每一种类货物对应的重量及体积,计算每一种类货物的密度;针对每一个车型的额定装载量和额定装载体积,计算每一各车型的额定装载密度;构建约束条件,并根据所述约束条件、根据每一种类获取的重量、体积,以及根据每一个车型的额定装载量、额定装载体积,确定所需的车型以及每一车型对应的数量;所述约束条件为每一个车辆上装载的货物总量不超过其额定装载量,每一个车辆上装载的货物总体积不超过其额定装载体积,每一个车辆上装载的货物平均密度比上其额定装载密度位于设定范围内。
优选地,所述第二确定单元,具体用于针对每一当前种类货物,根据当前种类货物的源信息,在预先建立的大数据平台中查询相应的特性参数,所述特性参数包括重量和体积;确定当前种类货物的数量;将查询到的特性参数中的重量与当前种类货物的数量的乘积确定为该当前种类货物的重量,将查询到的特性参数中的体积与当前种类货物的数量的乘积确定为该当前种类货物的体积。
为实现上述目的,本发明还提供一种计算机设备,所述计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
为实现上述目的,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述方法的步骤。
本发明提供的基于大数据统计的物流车辆确定方法、装置及计算机设备,确定待配送货物的种类以及每一种类货物的源信息,根据源信息确定每一种类货物对应的重量及体积,在根据每一种类货物对应的重量及体积以及不同车型的额定装载量和额定装载体积,计算出所需物流配送车辆的车型和数量。本发明,可以通过货物的源信息,即货物名称、货物编号、货物信号和厂家编号中的至少一种,来确定货物的重量及体积,无需进行货物的测量,从而可以降低人力成本,提高物流配送的效率。
附图说明
图1为本发明基于大数据统计的物流车辆确定方法实施例一的流程图;
图2为本发明基于大数据统计的物流车辆确定装置实施例一的程序模块示意图;
图3为本发明基于大数据统计的物流车辆确定装置实施例一的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供的物流车辆确定方法、装置、计算机设备及存储介质,适用于计算机技术领域,为一种通过利用货物源信息来确定货物重量体积,从而根据确定的货物重量体积计算出所需配送车辆的车型和数量的方法。本发明通过确定待配送货物的种类以及每一种类货物的源信息,根据源信息确定每一种类货物对应的重量及体积,在根据每一种类货物对应的重量及体积以及不同车型的额定装载量和额定装载体积,计算出所需物流配送车辆的车型和数量。本发明,可以通过货物的源信息,即货物名称、货物编号、货物信号和厂家编号中的至少一种,来确定货物的重量及体积,无需进行货物的测量,从而可以降低人力成本,提高物流配送的效率。
实施例一
请参阅图1,本实施例的一种基于大数据统计的物流车辆确定方法中,包括以下步骤:
步骤01,确定待配送货物的种类以及每一种类货物的源信息,所述源信息包括:货物名称、货物编号、货物型号和厂家编号中的至少一种。
在物流配送过程中,考虑到同一种货物需要使用同一车辆配送,以及便于计算待配送货物的总重量和总体积,可以对待配送货物进行分类。
在本实施例中,为了能够不进行人工称重的条件下,快速获知每一种类货物的重量、体积,可以确定每一种类货物的源信息。该源信息可以包括:货物名称、货物编号、货物型号和厂家编号中的至少一种。其中,源信息包括的参数多少以及内容,可以由实际执行本实施例的物流车辆确定方法时来确定,只要源信息能够识别出该种类货物的即可。
例如,货物名称可以为A、B、C,针对货物A,可能对应不同的货物编号,或者对应不同的货物型号,以及厂家信息也不相同。因此,需要源信息内容能够对货物进行唯一性识别。例如,当前种类货物的名称为A,货物编号为001,货物型号为中型,厂家编号为2041(其中,厂家编号可以代表厂家名称)。由此,来实现对货物的识别。
需要说明的是,本实施例中相同种类的货物是指具有相同包装,且包装方正,具有一定数量的货物。
步骤02,根据每一种类货物的源信息,确定每一种类货物对应的重量及体积。
在本实施例中,为了快速获知到货物的重量及体积,可以预先家里一个大数据平台,该大数据平台用来存储货物的源信息与重量、体积的对应关系,用户可以在大数据平台中输入货物的源信息,即可查询到该货物的重量与体积。
具体地,针对每一当前种类货物,根据当前种类货物的源信息,在预先建立的大数据平台中查询相应的特性参数,所述特性参数至少包括重量和体积;确定当前种类货物的数量;将查询到的特性参数中的重量与当前种类货物的数量的乘积确定为该当前种类货物的重量,将查询到的特性参数中的体积与当前种类货物的数量的乘积确定为该当前种类货物的体积。
需要说明的是,该大数据平台不仅仅是一个用于存储对应关系的数据库,其还可以包括多个搜索平台,例如,该搜索平台可以是货物出品厂家的网站、货物信息网站等。
在本发明一个实施例中,由于在大数据平台中不一定包括所有货物的信息,因此,若在大数据平台中未查询到货物相应的特性参数时,可以利用下述方式确定货物的重量和体积:
首先,获取当前种类货物中单个货物的长、宽、高和重量。
其次,根据当前种类货物中单个货物的长、宽、高计算单个货物的体积。
再次,根据当前种类货物的数量,计算当前种类货物的总的重量和体积。
最后,将当前种类货物中单个货物的重量和体积与当前种类货物的源信息的对应关系添加到大数据平台中。
本实施例中,只人工测量出单个货物的重量和体积,在根据数量可以快速计算出当前种类货物的总的重量和体积,以及将单个货物的重量体积以及源信息的对应关系添加到大数据平台中,从而可以便于下一次对该种类货物的重量和体积的查询,丰富了大数据平台中的信息,降低人工成本。
步骤03,根据每一种类货物对应的重量及体积,以及预先获知的不同车型的额定装载量和额定装载体积,计算所需的物流配送车辆的车型和数量。
为了实现待配送货物的装载配送,需要确定出配送车辆的车型和数量,其中,确定的配送车辆的车型和需要能够装载下待配送货物,因此,配送车辆的车型越大越好,越多越好,而为了保证物流配送成本,合适的车型和数量,不仅可以保证配送车辆和数量能够完成待配送货物的装载,还可以提高满载率,在本发明一个实施例中,可以通过如下一种方式来计算所需的物流配送车辆的车型和数量:
S1:针对每一种类货物对应的重量及体积,计算每一种类货物的密度。
其中,该种类货物的密度为该种类货物的重量与体积的商。
S2:针对每一个车型的额定装载量和额定装载体积,计算每一各车型的额定装载密度。
物流公司内包括多个车型的车辆,其每一个车型对应有额定装载量和额定装载体积,其车型的额定装载密度可以通过额定转载量与额定装载体积的商来计算。
S3:构建约束条件,并根据所述约束条件、根据每一种类获取的重量、体积,以及根据每一个车型的额定装载量、额定装载体积,确定所需的车型以及每一车型对应的数量。
其中,所述约束条件为每一个车辆上装载的货物总量不超过其额定装载量,每一个车辆上装载的货物总体积不超过其额定装载体积,每一个车辆上装载的货物平均密度比上其额定装载密度位于设定范围内。
例如,该设定范围为0.8-1.2。
进一步地,该约束条件可以通过如下公式来表示:
其中,k用于表示第k辆车;Wk用于表征第k辆车辆的额定装载量;Vk用于表征第k辆车辆的额定装载体积;Wkj用于表征装载在第k辆车辆上的第j个货物的重量;Vkj用于表征装载在第k辆车辆上的第j个货物的体积;用于表征车辆的额定装载密度;/>用于表征第k辆车辆上装载的货物平均密度;K用于表征所需的车辆数量;N用于表征在同一辆车辆上装载的货物种类。
在本发明一个实施例中,为了进一步提高物流配送速度,在获知了所需的物流配送车辆的车型和数量之后,可以登录物流下单平台,自动进行物流订单的填送,以将所需的物流配送车辆的车型和数量填写在订单中,并填写上其他所需信息,例如,货物装载地址,配送目的地等。
本实施例,通过确定待配送货物的种类以及每一种类货物的源信息,根据源信息确定每一种类货物对应的重量及体积,在根据每一种类货物对应的重量及体积以及不同车型的额定装载量和额定装载体积,计算出所需物流配送车辆的车型和数量。本发明,可以通过货物的源信息,即货物名称、货物编号、货物信号和厂家编号中的至少一种,来确定货物的重量及体积,无需进行货物的测量,从而可以降低人力成本,提高物流配送的效率。
请继续参阅图2,示出了一种物流车辆确定装置,在本实施例中,物流车辆确定装置10可以包括或被分割成一个或多个程序模块,一个或者多个程序模块被存储于存储介质中,并由一个或多个处理器所执行,以完成本发明,并可实现上述物流车辆确定方法。本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序本身更适合于描述物流车辆确定装置10在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能:
第一确定单元11,用于确定待配送货物的种类以及每一种类货物的源信息,所述源信息包括:货物名称、货物编号、货物型号和厂家编号中的至少一种;
第二确定单元12,用于根据每一种类货物的源信息,确定每一种类货物对应的重量及体积;
计算单元13,用于根据每一种类货物对应的重量及体积,以及预先获知的不同车型的额定装载量和额定装载体积,计算所需的物流配送车辆的车型和数量。
在本发明一个实施例中,所述计算单元13,具体用于针对每一种类货物对应的重量及体积,计算每一种类货物的密度;针对每一个车型的额定装载量和额定装载体积,计算每一各车型的额定装载密度;构建约束条件,并根据所述约束条件、根据每一种类获取的重量、体积,以及根据每一个车型的额定装载量、额定装载体积,确定所需的车型以及每一车型对应的数量;所述约束条件为每一个车辆上装载的货物总量不超过其额定装载量,每一个车辆上装载的货物总体积不超过其额定装载体积,每一个车辆上装载的货物平均密度比上其额定装载密度位于设定范围内。
在本发明一个实施例中,所述第二确定单元12,具体用于针对每一当前种类货物,根据当前种类货物的源信息,在预先建立的大数据平台中查询相应的特性参数,所述特性参数包括重量和体积;确定当前种类货物的数量;将查询到的特性参数中的重量与当前种类货物的数量的乘积确定为该当前种类货物的重量,将查询到的特性参数中的体积与当前种类货物的数量的乘积确定为该当前种类货物的体积。
本实施例还提供一种计算机设备,如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。本实施例的计算机设备20至少包括但不限于:可通过系统总线相互通信连接的存储器21、处理器22,如图3所示。需要指出的是,图3仅示出了具有组件21-22的计算机设备20,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
本实施例中,存储器21(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器21可以是计算机设备20的内部存储单元,例如该计算机设备20的硬盘或内存。在另一些实施例中,存储器21也可以是计算机设备20的外部存储设备,例如该计算机设备20上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器21还可以既包括计算机设备20的内部存储单元也包括其外部存储设备。本实施例中,存储器21通常用于存储安装于计算机设备20的操作系统和各类应用软件,例如实施例一的物流车辆确定装置10的程序代码等。此外,存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器22在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备20的总体操作。本实施例中,处理器22用于运行存储器21中存储的程序代码或者处理数据,例如运行物流车辆确定装置10,以实现实施例一的物流车辆确定方法。
本实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储物流车辆确定装置10,被处理器执行时实现实施例一的物流车辆确定方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种基于大数据统计的物流车辆确定方法,其特征在于,包括:
确定待配送货物的种类以及每一种类货物的源信息,所述源信息包括:货物名称、货物编号、货物型号和厂家编号中的至少一种;
在预先建立的大数据平台中输入货物的源信息,以查询并确定每一种类货物对应的重量及体积;所述大数据平台中存储有货物的源信息与重量、体积的对应关系;
根据每一种类货物对应的重量及体积,以及预先获知的不同车型的额定装载量和额定装载体积,计算所需的物流配送车辆的车型和数量;
所述计算所需的物流配送车辆的车型和数量,包括:
针对每一种类货物对应的重量及体积,计算每一种类货物的密度;
针对每一个车型的额定装载量和额定装载体积,计算每一个车型的额定装载密度;
构建约束条件,并根据所述约束条件、根据每一种类获取的重量、体积,以及根据每一个车型的额定装载量、额定装载体积,确定所需的车型以及每一车型对应的数量;所述约束条件为每一个车辆上装载的货物总量不超过其额定装载量,每一个车辆上装载的货物总体积不超过其额定装载体积,每一个车辆上装载的货物平均密度比上其额定装载密度位于设定范围内,具体地,所述约束条件通过如下公式来表示:
其中,k用于表示第k辆车;Wk用于表征第k辆车辆的额定装载量;Vk用于表征第k辆车辆的额定装载体积;Wkj用于表征装载在第k辆车辆上的第j个货物的重量;Vkj用于表征装载在第k辆车辆上的第j个货物的体积;用于表征车辆的额定装载密度;/>用于表征第k辆车辆上装载的货物平均密度;K用于表征所需的车辆数量;N用于表征在同一辆车辆上装载的货物种类。
2.根据权利要求1所述的基于大数据统计的物流车辆确定方法,其特征在于,所述根据每一种类货物的源信息,确定每一种类货物对应的重量及体积,包括:
针对每一当前种类货物,根据当前种类货物的源信息,在预先建立的大数据平台中查询相应的特性参数,所述特性参数包括重量和体积;
确定当前种类货物的数量;
将查询到的特性参数中的重量与当前种类货物的数量的乘积确定为该当前种类货物的重量,将查询到的特性参数中的体积与当前种类货物的数量的乘积确定为该当前种类货物的体积。
3.根据权利要求2所述的基于大数据统计的物流车辆确定方法,其特征在于,若预先建立的大数据平台中未查询到相应的特性参数,进一步包括:获取当前种类货物中单个货物的长、宽、高和重量,根据当前种类货物中单个货物的长、宽、高计算单个货物的体积,并将当前种类货物中单个货物的重量和体积与当前种类货物的源信息的对应关系添加到大数据平台中。
4.根据权利要求1-3中任一所述的基于大数据统计的物流车辆确定方法,其特征在于,进一步包括:根据计算所需的物流配送车辆的车型和数量,自动进行物流订单的填送。
5.一种基于大数据统计的物流车辆确定装置,其特征在于,包括:
第一确定单元,用于确定待配送货物的种类以及每一种类货物的源信息,所述源信息包括:货物名称、货物编号、货物型号和厂家编号中的至少一种;
第二确定单元,用于在预先建立的大数据平台中输入货物的源信息,以查询并确定每一种类货物对应的重量及体积;所述大数据平台中存储有货物的源信息与重量、体积的对应关系;
计算单元,用于根据每一种类货物对应的重量及体积,以及预先获知的不同车型的额定装载量和额定装载体积,计算所需的物流配送车辆的车型和数量;
所述计算单元,具体用于针对每一种类货物对应的重量及体积,计算每一种类货物的密度;针对每一个车型的额定装载量和额定装载体积,计算每一个车型的额定装载密度;构建约束条件,并根据所述约束条件、根据每一种类获取的重量、体积,以及根据每一个车型的额定装载量、额定装载体积,确定所需的车型以及每一车型对应的数量;所述约束条件为每一个车辆上装载的货物总量不超过其额定装载量,每一个车辆上装载的货物总体积不超过其额定装载体积,每一个车辆上装载的货物平均密度比上其额定装载密度位于设定范围内,具体地,所述约束条件通过如下公式来表示:
其中,k用于表示第k辆车;Wk用于表征第k辆车辆的额定装载量;Vk用于表征第k辆车辆的额定装载体积;Wkj用于表征装载在第k辆车辆上的第j个货物的重量;Vkj用于表征装载在第k辆车辆上的第j个货物的体积;用于表征车辆的额定装载密度;/>用于表征第k辆车辆上装载的货物平均密度;K用于表征所需的车辆数量;N用于表征在同一辆车辆上装载的货物种类。
6.根据权利要求5所述的基于大数据统计的物流车辆确定装置,其特征在于,所述第二确定单元,具体用于针对每一当前种类货物,根据当前种类货物的源信息,在预先建立的大数据平台中查询相应的特性参数,所述特性参数包括重量和体积;确定当前种类货物的数量;将查询到的特性参数中的重量与当前种类货物的数量的乘积确定为该当前种类货物的重量,将查询到的特性参数中的体积与当前种类货物的数量的乘积确定为该当前种类货物的体积。
7.一种计算机设备,其特征在于,所述计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1至4任一项所述方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811503313.3A CN109816299B (zh) | 2018-12-10 | 2018-12-10 | 基于大数据统计的物流车辆确定方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811503313.3A CN109816299B (zh) | 2018-12-10 | 2018-12-10 | 基于大数据统计的物流车辆确定方法、装置及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109816299A CN109816299A (zh) | 2019-05-28 |
CN109816299B true CN109816299B (zh) | 2023-08-08 |
Family
ID=66602083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811503313.3A Active CN109816299B (zh) | 2018-12-10 | 2018-12-10 | 基于大数据统计的物流车辆确定方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109816299B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080188B (zh) * | 2019-11-18 | 2024-03-22 | 秒针信息技术有限公司 | 一种货物装载方法、装置及计算机可读存储介质 |
CN111178796A (zh) * | 2019-12-19 | 2020-05-19 | 北京航天智造科技发展有限公司 | 牲畜运输管理装置及方法 |
CN111445185B (zh) * | 2020-03-26 | 2023-12-05 | 浙江锦联国际物流有限公司 | 一种应用5g和区块链的物流系统及方法 |
CN111652551B (zh) * | 2020-05-29 | 2022-10-25 | 上海东普信息科技有限公司 | 货物运输装箱方法及装置 |
CN113159670B (zh) * | 2021-03-25 | 2023-04-07 | 浙江天畅智链科技有限公司 | 一种零担物流的货物装载的方法和系统 |
CN116596282A (zh) * | 2023-07-17 | 2023-08-15 | 山东聚航物流发展有限公司 | 一种基于物联网系统的物流车交通调度方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544588A (zh) * | 2013-10-31 | 2014-01-29 | 深圳市华傲数据技术有限公司 | 一种物流货物智能装车的方法及系统 |
CN103617515A (zh) * | 2013-11-07 | 2014-03-05 | 南京邮电大学 | 一种基于无线射频识别的物流业务中车辆装卸货控制方法 |
CN105354641A (zh) * | 2015-11-12 | 2016-02-24 | 北京京东尚科信息技术有限公司 | 拣货路径优化方法及拣货路径优化装置 |
CN106022693A (zh) * | 2016-05-27 | 2016-10-12 | 成都嗒嗒创客信息科技有限公司 | 一种货源车源动态智能匹配的实现方法 |
CN107578314A (zh) * | 2017-09-01 | 2018-01-12 | 洛阳市恒凯网络技术服务有限公司 | 一种电子商务物流系统 |
CN107862403A (zh) * | 2017-10-19 | 2018-03-30 | 杭州王道控股有限公司 | 一种无人机待配送货物的出库序列调度方法及系统 |
-
2018
- 2018-12-10 CN CN201811503313.3A patent/CN109816299B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544588A (zh) * | 2013-10-31 | 2014-01-29 | 深圳市华傲数据技术有限公司 | 一种物流货物智能装车的方法及系统 |
CN103617515A (zh) * | 2013-11-07 | 2014-03-05 | 南京邮电大学 | 一种基于无线射频识别的物流业务中车辆装卸货控制方法 |
CN105354641A (zh) * | 2015-11-12 | 2016-02-24 | 北京京东尚科信息技术有限公司 | 拣货路径优化方法及拣货路径优化装置 |
CN106022693A (zh) * | 2016-05-27 | 2016-10-12 | 成都嗒嗒创客信息科技有限公司 | 一种货源车源动态智能匹配的实现方法 |
CN107578314A (zh) * | 2017-09-01 | 2018-01-12 | 洛阳市恒凯网络技术服务有限公司 | 一种电子商务物流系统 |
CN107862403A (zh) * | 2017-10-19 | 2018-03-30 | 杭州王道控股有限公司 | 一种无人机待配送货物的出库序列调度方法及系统 |
Non-Patent Citations (1)
Title |
---|
RFID标签天线及射频前端关键电路研究;郑迎春;万方数据知识服务平台;1-69 * |
Also Published As
Publication number | Publication date |
---|---|
CN109816299A (zh) | 2019-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109816299B (zh) | 基于大数据统计的物流车辆确定方法、装置及计算机设备 | |
CN109740760B (zh) | 文本质检自动化训练方法、电子装置及计算机设备 | |
CN110647913B (zh) | 基于聚类算法的异常数据检测方法及装置 | |
CN112581050B (zh) | 采购需求信息生成方法、装置、计算机设备和存储介质 | |
CN110599354B (zh) | 线上对账方法、系统、计算机设备和计算机可读存储介质 | |
US20150039373A1 (en) | Method and Apparatus for Material Requirements Planning Adjustments | |
CN112668907A (zh) | 物流节点管理信息处理方法及装置 | |
CN111507542B (zh) | 货运订单量测量方法、装置及电子设备 | |
CN111258799A (zh) | 报错信息处理方法、电子装置及计算机可读存储介质 | |
CN112132515A (zh) | 订单处理方法、装置、电子设备及存储介质 | |
CN110363468B (zh) | 采购订单的确定方法、装置、服务器及可读存储介质 | |
CN110309496B (zh) | 数据汇总方法、电子装置及计算机可读存储介质 | |
CN110738374A (zh) | 货物的装配方法及装置 | |
CN116523270B (zh) | 一种物流运输任务自动调度方法、设备、服务器及介质 | |
CN113129064A (zh) | 汽车配件价格预测方法、系统、设备与可读存储介质 | |
CN110717718A (zh) | 基于大数据平台的货物装配方法及装置 | |
CN116911874A (zh) | 一种智能化物流扫码追溯系统及其设备 | |
CN112793975B (zh) | 一种货物入库方法、装置、电子设备及存储介质 | |
CN112148597B (zh) | 一种消除iOS设备授权对话框的方法、测试方法及存储介质 | |
CN114169306A (zh) | 一种生成电子回执单的方法、装置、设备及可读存储介质 | |
CN112785220A (zh) | 库存信息处理方法和装置 | |
CN109502276B (zh) | 补料方法、装置及智能终端 | |
CN110633924B (zh) | 用于将商品分仓间存储的方法和系统 | |
CN112581057A (zh) | 智能备货方法、装置、计算机设备及存储介质 | |
Eijkhout et al. | The component structure of a self-adapting numerical software system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |