CN109978458B - 物流运输业务快速协同响应的决策信息可视化表达方法 - Google Patents

物流运输业务快速协同响应的决策信息可视化表达方法 Download PDF

Info

Publication number
CN109978458B
CN109978458B CN201910242557.9A CN201910242557A CN109978458B CN 109978458 B CN109978458 B CN 109978458B CN 201910242557 A CN201910242557 A CN 201910242557A CN 109978458 B CN109978458 B CN 109978458B
Authority
CN
China
Prior art keywords
service
information
marginal
consumption time
source
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
Application number
CN201910242557.9A
Other languages
English (en)
Other versions
CN109978458A (zh
Inventor
邓建新
颜海娟
石先莲
张海平
曹陈英
卫世丰
贺秋瑶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi University
Original Assignee
Guangxi University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangxi University filed Critical Guangxi University
Priority to CN201910242557.9A priority Critical patent/CN109978458B/zh
Publication of CN109978458A publication Critical patent/CN109978458A/zh
Application granted granted Critical
Publication of CN109978458B publication Critical patent/CN109978458B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/08Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083Shipping

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了物流运输业务快速协同响应的决策信息可视化表达方法,属于物流数据显示领域,所述表达方法将影响物流交易方决策响应的关键信息使用可视化信息表达模型进行表达,所述信息表达模型由左右两边信息栏构成,左边信息栏为导航栏,用于切换信息的类别,右边信息栏为对应信息的具体表达结果显示栏,所述左边导航栏的关键信息类别包括边际收益/成本、业务综合匹配度、业务再现概率、业务价格、业务消耗时间和市场竞争性。该表达方法结合物流信息平台运输业务的特点,表达了交易方最关心的信息,并设计了可视化呈现方式,可缩短用户获取信息的时间,加速交易方对匹配的运输业务的响应。

Description

物流运输业务快速协同响应的决策信息可视化表达方法
技术领域
本发明涉及物流数据显示领域,尤其涉及物流运输业务快速协同响应的决策信息可视化表达方法。
背景技术
随着物流信息化的推进,物流信息平台在我国飞速发展,物流信息平台通过internet将物流业务汇聚到一起,减少了物流需求与资源之间的不对称性,被证明是我国提高物流业务运作效率,优化资源利用,降低成本的有效手段。在通过物流信息平台匹配的业务中,运输(涉及车源和货源)是最主要的业务,其也涉及多方的协同响应,由于运输一般有时限要求,如果相关交易方不能对推荐的匹配业务及时响应,而一些交易方保持等待,会导致对应业务无法及时开展,也导致对应时限资源的浪费。物流业务交易方在对发现的物流业务协同响应和决策时,其选择行为,尤其是决策速度除了决策者自身、决策环境外,更多还受获取的发现物流业务信息及信息表达方式的影响。信息不全或者不明确会增加交易方去取获取感兴趣的信息和分析判断的时间,进而引起博弈和决策延迟。为此,本发明按照准确性、简洁性、有效性、易读和易懂性等信息表达原则,针对运输业务的及时响应需求,设计了一种支持物流运输业务快速协同响应的决策信息可视化表达方法,可缩短用户获取信息的时间,加速决策,从而提高物流业务的协同响应速度。
发明内容
本发明的目的在于提供物流运输业务快速协同响应的决策信息可视化表达方法,以解决现有的物流信息表达较慢,不能满足物流的需求的技术问题。为了便于加速交易方对匹配的运输业务的响应,结合物流信息平台运输业务的特点,设计了一种支持物流运输业务快速协同响应的决策信息可视化表达方法,该表达方法表达了交易方最关心的信息,并设计了可视化呈现方式,可缩短用户获取信息的时间。
物流运输业务快速协同响应的决策信息可视化表达方法,所述表达方法将影响物流交易方决策响应的关键信息使用可视化信息表达模型进行表达,所述信息表达模型由左右两边信息栏构成,左边信息栏为导航栏,用于切换信息的类别,右边信息栏为对应信息的具体表达结果显示栏,所述左边导航栏的关键信息类别包括边际收益/成本、业务综合匹配度、业务再现概率、业务价格、业务消耗时间和市场竞争性,边际收益/成本与业务消耗时间和业务价格相关,业务综合匹配度和市场竞争性相关,均涉及资源供需双方的匹配关系,其中,匹配符合程度的大小代表匹配度,匹配方数量的多少则代表市场竞争性,分别表达的边际收益/成本、业务综合匹配度、业务再现概率、业务价格、业务消耗时间和市场竞争性的结果显示在右边信息栏上。
进一步地,所述际收益/成本、业务综合匹配度、业务再现概率、业务价格、业务消耗时间和市场竞争性的重要性权重分别为0.271,0.234,0.15,0.119, 0.073和0.054,其中,权重值的大小代表信息的重要程度。
进一步地,所述际收益/成本、业务综合匹配度、业务再现概率、业务价格、业务消耗时间和市场竞争性的表达顺序结合重要程度和平台内用户对这6类信息的使用频率进行调整,调整的过程为:
步骤1:对这6类信息的使用频率确定出等级,等级有“高、中、低”3 个等级,分别对应定量等级为“5、3、1”。
步骤2:将每类信息的重要程度和使用频率分别以权重0.9,0.1进行线性组合得到综合值cl,以综合值大小来调整6类信息的显示顺序,线性组合的算式为:
cl=0.9*wl+0.1*fl   (1)
式中,wl表示第l类信息的重要程度,用重要性权重计算,fl为第l类信息在平台的使用频率,用步骤1中的定量等级计算,l=1,2,3,4,5,6,依次代表际收益/成本、业务综合匹配度、业务再现概率、业务价格、业务消耗时间和市场竞争性。
进一步地,边际收益/成本的表达方法为:
对运输业务涉及的货源方和车源方,分别对应边际成本、边际收益,分货源方和车源方来设计其信息表达结构;
对货源方,对应的边际成本只和时间相关,通过柱状图来表达,货源方边际成本表达图包括横坐标、纵坐标和边际成本横向柱,横坐标代表边际成本,纵坐标代表各货源方,边际成本横向柱最右边标注边际成本具体数值,并根据成本高低按从小到大的顺序自上而下排序;
对车源方,边际收益跟时间和业务再现概率相关,使用边际收益柱状表达图表达,边际收益柱状表达图包括横坐标、纵坐标和边际收益横向柱,横坐标代表边际收益,纵坐标代表各车源方,边际收益横向柱最右边标注边际收益的具体数值,并根据收益高低按从小到大的顺序自上而下排序。
进一步地,业务综合匹配度的表达的具体方法为:
基于图论的的网络图来表达业务供需的综合匹配度。根据已有的匹配结果,以涉及的业务方为顶点、匹配关系为边和综合匹配度具体值为权构建业务综合匹配度网络,业务方包括资源需求方Ci和资源供给方Vj,顶点用“○”表示,匹配关系的边用直线或者曲线表示,每条边的权为Ci和Vj对应综合匹配度具体值Wij,通过业务综合匹配度网络,交易方能清晰地判断自身业务与其他业务方提供的需求或资源的符合情况,同时判断是否存在竞争关系,用于决策。
进一步地,业务再现概率的表达方法为:
业务再现概率用于表示某类业务在某个时间再次出现的概率,使用横向柱状图表达,横向柱状图包括横坐标、纵坐标和业务再现概率横向柱,横坐标表示业务再次出现的具体概率值,纵坐标表示业务需求方等待的天数,业务再现概率横向柱最右端标示不同等待天数k对应的业务再现概率值p(k)。
进一步地,业务价格表达方法为:
采用市场均价EP和车辆资源的报价对比的折线图显示模型进行表达,折线图显示模型包括折线图的横坐标、折线图的纵坐标、市场均价线和不同参与方报价线,折线图的横坐标表示各报价参与方A(j)(j=1,2,…,m),对应报价为Qj,纵坐标表示涉及的物流资源单价,其中,市场均价线条和不同参与方报价线用两条不同颜色线表示,不同参与方报价线上的圆圈内标注各报价方对应的具体价格数值,市场均价线条上的圆圈内标注市场统计的资源均价。
进一步地,业务消耗时间表达方法为:
业务消耗时间的信息使用柱状图表达,信息使用柱状图包括货源业务消耗时间柱状图和车源业务消耗时间柱状图;
货源业务消耗时间柱状图包括横坐标、纵坐标和货源消耗时间横向柱,货源业务消耗时间柱状图的横坐标为业务消耗时间,货源业务消耗时间柱状图的纵坐标代表各车源供给方,货源消耗时间横向柱最右边标注不同车源供给方V(j)提供给第k个业务的运输服务所需消耗的具体时间数据t(k,j),且按时间长度,按从长到短的顺序从上到小排列;
车源业务消耗时间柱状图包括横坐标、纵坐标和车源消耗时间横向柱,车源业务消耗时间柱状图的横坐标为业务消耗时间,车源业务消耗时间柱状图的纵坐标代表各货源供给方,车源消耗时间横向柱最右边标注特定车源方 V(s)在选择不同货源方C(i)交易时,对应业务所需消耗的具体时间数据t(i,s);
交易方根据货源业务消耗时间柱状图和车源业务消耗时间柱状图对车源、货源数量、服务时间进行对比,判断出各业务的最短时间和最佳交易方。
进一步地,市场竞争性表达方法为:
市场竞争性使用网络图结构来表达,首先,将某货源方作为中心点,可匹配的车源方作为扩散点分布在其周围并用线段连接;其次,将上一步的车源方作为另外的中心点,可匹配的其他货源方作为扩散点分布在其周围并用线段连接;第三,一直重复上述两个步骤,直到将案例中所有匹配关系都表达完整则停止;第四,在构图可使用不同颜色标识,将与货主存在竞争关系的其他货源方用不同颜色标注,用户查看市场中竞争者的数量。
本发明采用了上述技术方案,本发明具有以下技术效果:
本发明汇聚了运输业务交易中交易方最关心的几个关键要素信息,且基于人机工程、工业工程原理,通过可视化数字化方式将这些关键信息有对比地表达出来,可消除交易方寻找、判断的动作,减少交易方获取关键信息和判断对比时间,从而避免决策上的迟疑,加速对匹配物流业务的决策响应,实现匹配业务的协同响应,从而可提高运输业务的服务水平和提高有时限要求的车辆资源利用率,也可以直接用于其他物流业务,云仓库的协同影响等,加速交易方对匹配的运输业务的响应,结合物流信息平台运输业务的特点,设计了一种支持物流运输业务快速协同响应的决策信息可视化表达方法,该表达方法表达了交易方最关心的信息,并设计了可视化呈现方式,可缩短用户获取信息的时间。
附图说明
图1为本发明信息表达模型的结构图。
图2为本发明边际成本的表达结构图。
图3为本发明边际收益表达结构图。
图4为本发明业务综合匹配度的表达结构图。
图5为本发明业务再现概率的表达结构图。
图6为本发明物流业务价格的表达结构图。
图7为本发明货找车业务消耗时间的表达结构图。
图8为本发明车找货业务消耗时间的表达结构图。
图9为本发明市场竞争性的表达结构图。
图10为本发明表达实例图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下参照附图并举出优选实施例,对本发明进一步详细说明。然而,需要说明的是,说明书中列出的许多细节仅仅是为了使读者对本发明的一个或多个方面有一个透彻的理解,即便没有这些特定的细节也可以实现本发明的这些方面。
请参阅图1,本发明提供物流运输业务快速协同响应的决策信息可视化表达方法,确定表达的信息为影响交易方决策响应的关键信息,依据重要程度依次为:边际收益/成本、业务综合匹配度、业务再现概率、业务价格、业务消耗时间、市场竞争性6类,重要性权重依次为:0.271,0.234,0.15,0.119, 0.073和0.054。该表达方法结合物流信息平台运输业务的特点,表达了交易方最关心的信息,并设计了可视化呈现方式,可缩短用户获取信息的时间,加速交易方对匹配的运输业务的响应。
其中,边际收益/成本跟业务消耗时间和业务价格相关,物流资源综合匹配度和市场竞争性相关,都涉及资源供需双方的匹配关系,其中,匹配符合程度的大小代表匹配度,匹配方数量的多少则代表市场竞争性。其表达模型如图1所示。该模型由左右两边构成,左边为导航栏,用于切换信息的类别,右边为对应信息的具体表达结果。左边导航栏的按重要程度从上到下的顺序为边际收益/成本、业务综合匹配度、业务再现概率、业务价格、业务消耗时间、市场竞争性。该表达顺序可结合重要程度和平台内用户对这6类信息的使用频率调整。方法如下:
(1)对这6类信息的使用频率确定出等级,等级有“高、中、低”3个等级,它们分别对应定量等级“5、3、1”。
(2)将每类信息的重要程度和使用频率分别以权重0.9,0.1进行线性组合得到综合值cl,以综合值大小来调整6类信息的显示顺序,线性组合的算式为:
cl=0.9*wl+0.1*fl   (1)
式中,wl表示第l类信息的重要程度,用重要性权重计算,fl为第l类信息在平台的使用频率,用(1)中的定量等级计算,l=1,2,3,4,5,6,依次代表际收益/成本、业务综合匹配度、业务再现概率、业务价格、业务消耗时间和市场竞争性。
这6类信息表达的具体过程为:
边际收益/成本的表达:
对运输业务涉及的资源需求方和供给方,分别对应边际成本、边际收益。因此分资源需求方和供给方来设计其信息表达结构。对资源需求方,如在“货找车”模式,对应的边际成本只和时间相关,通过柱状图来表达,横坐标代表边际成本、纵坐标代表各货源方V(j),且在柱子最右边标注边际成本具体数值MC(j),并根据成本高低按从小到大的顺序自上而下排序,如图2所示。
同理,在“车找货”模式下的边际收益跟时间和业务再现概率都相关,使用边际收益柱状表达图表达,其边际收益柱状表达图表达图的横坐标代表边际收益、纵坐标代表各车源方C(i),且在柱子最右边标注边际收益的具体数值MR(i),并根据成本高低按从小到大的顺序自上而下排序,如图3所示。
业务综合匹配度的表达:
基于图论的网络图来表达业务供需的综合匹配度。基于已有匹配结果,以涉及的业务方(包括资源需求方Ci,资源供给方Vj)为顶点(用“○”表示)、匹配关系为边(用直线或者曲线表示)以综合匹配度具体值Wij为权构建业务综合匹配度网络,如图4所示。通过该结构,交易方能很清晰地判断自身业务与其他业务方提供的需求或资源的符合情况,从而也可以判断是否存在竞争关系,便于决策。
业务再现概率的表达:
业务再现概率指某类业务在某个时间再次出现的概率,采用横向柱状图模式,横坐标表示业务再次出现的具体概率值,纵坐标表示业务需求方等待的天数,业务再现概率横向柱最右端标示不同等待天数k对应的业务再现概率值p(k),如图5所示。
业务价格的表达:
采用市场均价EP和车辆资源的报价对比的折线图显示模型进行表达,如图6所示,折线图显示模型包括折线图的横坐标、折线图的纵坐标、市场均价线和不同参与方报价线,折线图的横坐标表示各报价参与方A(j)(j=1,2,…, m),对应报价为Qj,纵坐标表示涉及的物流资源单价,其中,市场均价线条和不同参与方报价线用两条不同颜色线表示,不同参与方报价线上的圆圈内标注各报价方对应的具体价格数值,市场均价线条上的圆圈内标注市场统计的资源均价。根据该结构,用户一眼就可发现不同报价方的价格高低。
业务消耗时间的表达:
业务消耗时间的信息通过柱状图来表达。图的横坐标为业务消耗时间,在“货找车”模式下,图的纵坐标代表各车源供给方,在每条柱状图最右边标注不同车源供给方V(j)提供给第k个业务的运输服务所需消耗的具体时间数据t(k,j),且按时间长度,按从长到短的顺序从上到小排列,如图7所示;在“车找货”模式下,图的纵坐标代表各货源供给方,在每条柱状图最右边标注车源方在选择不同货源方C(i)交易时,对应业务所需消耗的具体时间数据t(i,s),s表示车源方V(s),如图8所示。这样交易方很容易对车源、货源数量、服务时间进行对比,也容易判断出各业务的最短时间和最佳交易方。
市场竞争性的表达结构:
市场竞争性同样通过网络图结构来表达,具体构图步骤如下:首先,将某货源方作为中心点,可匹配的车源方作为扩散点分布在其周围并用线段连接;其次,将上一步的车源方作为另外的中心点,可匹配的其他货源方作为扩散点分布在其周围并用线段连接;第三,一直重复上述两个步骤,直到将案例中所有匹配关系都表达完整则停止;第四,在构图可使用不同颜色标识,即将与货主存在竞争关系的其他货源方用不同标注,以便用户查看市场中竞争者的数量,如图9所示。
该发明汇聚了运输业务交易中交易方最关心的几个关键要素信息,且基于人机工程、工业工程原理,该发明通过可视化数字化方式将这些关键信息有对比地表达出来,可消除交易方寻找、判断的动作,减少交易方获取关键信息和判断对比时间,从而避免决策上的迟疑,加速对匹配物流业务的决策响应,实现匹配业务的协同响应,从而可提高运输业务的服务水平和提高有时限要求的车辆资源利用率。该发明稍作改进也可以直接用于其他物流业务,如云仓库的协同影响。
应用场景:
按照重要程度和物流信息平台某段时间各类信息的使用频率得到的信息表达顺序依次为:业务价格、业务消耗时间、边际收益/成本、市场竞争性、业务匹配度和业务再现概率,各类信息表达实例如图10所示。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
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,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.物流运输业务快速协同响应的决策信息可视化表达方法,其特征在于,所述表达方法将影响物流交易方决策响应的关键信息使用可视化信息表达模型进行表达,所述信息表达模型由左右两边信息栏构成,左边信息栏为导航栏,用于切换信息的类别,右边信息栏为对应信息的具体表达结果显示栏,所述左边导航栏的关键信息类别包括边际收益/成本、业务综合匹配度、业务再现概率、业务价格、业务消耗时间和市场竞争性,边际收益/成本与业务消耗时间和业务价格相关,业务综合匹配度和市场竞争性相关,均涉及资源供需双方的匹配关系,其中,匹配符合程度的大小代表匹配度,匹配方数量的多少则代表市场竞争性,分别表达的边际收益/成本、业务综合匹配度、业务再现概率、业务价格、业务消耗时间和市场竞争性的结果显示在右边信息栏上;
所述边际收益/成本、业务综合匹配度、业务再现概率、业务价格、业务消耗时间和市场竞争性的重要性权重分别为0.271,0.234,0.15,0.119,0.073和0.054,其中,权重值的大小代表信息的重要程度;
所述边际收益/成本、业务综合匹配度、业务再现概率、业务价格、业务消耗时间和市场竞争性的表达顺序结合重要程度和平台内用户对这6类信息的使用频率进行调整,调整的过程为:
步骤1:对这6类信息的使用频率确定出等级,等级有“高、中、低”3个等级,分别对应定量等级为“5、3、1”;
步骤2:将每类信息的重要程度和使用频率分别以权重0.9,0.1进行线性组合得到综合值cl,以综合值大小来调整6类信息的显示顺序,线性组合的算式为:
cl=0.9*wl+0.1*fl(1)
式中,wl表示第l类信息的重要程度,用重要性权重计算,fl为第l类信息在平台的使用频率,用步骤1中的定量等级计算,l=1,2,3,4,5,6,依次代表边际收益/成本、业务综合匹配度、业务再现概率、业务价格、业务消耗时间和市场竞争性;
边际收益/成本的表达方法为:
对运输业务涉及的货源方和车源方,分别对应边际成本、边际收益,分货源方和车源方来设计其信息表达结构;
对货源方,对应的边际成本只和时间相关,通过柱状图来表达,货源方边际成本表达图包括横坐标、纵坐标和边际成本横向柱,横坐标代表边际成本,纵坐标代表各货源方,边际成本横向柱最右边标注边际成本具体数值,并根据成本高低按从小到大的顺序自上而下排序;
对车源方,边际收益跟时间和业务再现概率相关,使用边际收益柱状表达图表达,边际收益柱状表达图包括横坐标、纵坐标和边际收益横向柱,横坐标代表边际收益,纵坐标代表各车源方,边际收益横向柱最右边标注边际收益的具体数值,并根据收益高低按从小到大的顺序自上而下排序;
业务综合匹配度的表达的具体方法为:
基于图论的网络图来表达业务供需的综合匹配度,根据已有的匹配结果,以涉及的业务方为顶点、匹配关系为边和综合匹配度具体值为权构建业务综合匹配度网络,业务方包括资源需求方Ci和资源供给方Vj,顶点用“○”表示,匹配关系的边用直线或者曲线表示,每条边的权为Ci和Vj对应综合匹配度具体值Wij,通过业务综合匹配度网络,交易方能清晰地判断自身业务与其他业务方提供的需求或资源的符合情况,同时判断是否存在竞争关系,用于决策;
业务再现概率的表达方法为:
业务再现概率用于表示某类业务在某个时间再次出现的概率,使用横向柱状图表达,横向柱状图包括横坐标、纵坐标和业务再现概率横向柱,横坐标表示业务再次出现的具体概率值,纵坐标表示业务需求方等待的天数,业务再现概率横向柱最右端标示不同等待天数k对应的业务再现概率值p(k);
业务价格表达方法为:
采用市场均价EP和车辆资源的报价对比的折线图显示模型进行表达,折线图显示模型包括折线图的横坐标、折线图的纵坐标、市场均价线和不同参与方报价线,折线图的横坐标表示各报价参与方A(j),其中j=1,2,…,m,对应报价为Qj,纵坐标表示涉及的物流资源单价,其中,市场均价线条和不同参与方报价线用两条不同颜色线表示,不同参与方报价线上的圆圈内标注各报价方对应的具体价格数值,市场均价线条上的圆圈内标注市场统计的资源均价;
业务消耗时间表达方法为:
业务消耗时间的信息使用柱状图表达,信息使用柱状图包括货源业务消耗时间柱状图和车源业务消耗时间柱状图;
货源业务消耗时间柱状图包括横坐标、纵坐标和货源消耗时间横向柱,货源业务消耗时间柱状图的横坐标为业务消耗时间,货源业务消耗时间柱状图的纵坐标代表各车源供给方,货源消耗时间横向柱最右边标注不同车源供给方V(j)提供给第k个业务的运输服务所需消耗的具体时间数据t(k,j),且按时间长度,按从长到短的顺序从上到小排列;
车源业务消耗时间柱状图包括横坐标、纵坐标和车源消耗时间横向柱,车源业务消耗时间柱状图的横坐标为业务消耗时间,车源业务消耗时间柱状图的纵坐标代表各货源供给方,车源消耗时间横向柱最右边标注特定车源方V(s)在选择不同货源方C(i)交易时,对应业务所需消耗的具体时间数据t(i,s);
交易方根据货源业务消耗时间柱状图和车源业务消耗时间柱状图对车源、货源数量、服务时间进行对比,判断出各业务的最短时间和最佳交易方;
市场竞争性表达方法为:
市场竞争性使用网络图结构来表达,首先,将某货源方作为中心点,匹配的车源方作为扩散点分布在其周围并用线段连接;其次,将上一步的车源方作为另外的中心点,匹配的其他货源方作为扩散点分布在其周围并用线段连接;第三,一直重复上述两个步骤,直到将案例中所有匹配关系都表达完整则停止;第四,在构图使用不同颜色标识,将与货主存在竞争关系的其他货源方用不同颜色标注,用户查看市场中竞争者的数量。
CN201910242557.9A 2019-03-28 2019-03-28 物流运输业务快速协同响应的决策信息可视化表达方法 Active CN109978458B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910242557.9A CN109978458B (zh) 2019-03-28 2019-03-28 物流运输业务快速协同响应的决策信息可视化表达方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910242557.9A CN109978458B (zh) 2019-03-28 2019-03-28 物流运输业务快速协同响应的决策信息可视化表达方法

Publications (2)

Publication Number Publication Date
CN109978458A CN109978458A (zh) 2019-07-05
CN109978458B true CN109978458B (zh) 2023-04-21

Family

ID=67081246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910242557.9A Active CN109978458B (zh) 2019-03-28 2019-03-28 物流运输业务快速协同响应的决策信息可视化表达方法

Country Status (1)

Country Link
CN (1) CN109978458B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112667715B (zh) * 2020-12-04 2023-08-18 海南太美航空股份有限公司 基于航班收益数据的可视化分析方法、系统及电子设备
CN113393040B (zh) * 2021-06-18 2023-04-07 重庆邮电大学工业互联网研究院 一种基于博弈论的工业园区物流调度方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105894184A (zh) * 2016-03-30 2016-08-24 杭州米阳科技有限公司 一种物流联合调度方法、平台和系统
CN105930928A (zh) * 2016-04-20 2016-09-07 青岛慧畅信息科技有限公司 基于acp的平行物流信息系统及其构建方法
CN106295081A (zh) * 2016-09-18 2017-01-04 张选琪 柔性制造系统决策仿真系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10878361B2 (en) * 2015-06-17 2020-12-29 Netsuite, Inc. System and method to generate interactive user interface for visualizing and navigating data or information

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105894184A (zh) * 2016-03-30 2016-08-24 杭州米阳科技有限公司 一种物流联合调度方法、平台和系统
CN105930928A (zh) * 2016-04-20 2016-09-07 青岛慧畅信息科技有限公司 基于acp的平行物流信息系统及其构建方法
CN106295081A (zh) * 2016-09-18 2017-01-04 张选琪 柔性制造系统决策仿真系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王婷."互联网+"时代公路运输车货匹配平台的发展.综合运输.2015,第37卷(第12期),第22-28页. *

Also Published As

Publication number Publication date
CN109978458A (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
Kherbach et al. The importance of logistics and supply chain management in the enhancement of Romanian SMEs
Ramondo et al. Intrafirm trade and vertical fragmentation in US multinational corporations
Hagemejer et al. Internationalisation and economic performance of enterprises: Evidence from Polish firm‐level Data
Wan et al. The direct and indirect effects of infrastructure on firm productivity: Evidence from Chinese manufacturing
Bahri et al. Implementation of total quality management and its effect on organizational performance of manufacturing industries through organizational culture in South Sulawesi, Indonesia
JP5370840B2 (ja) 階層分析法に基づく意思決定支援システム及びそのプログラム
US20080183564A1 (en) Untethered Interaction With Aggregated Metrics
US20070239660A1 (en) Definition and instantiation of metric based business logic reports
Chen et al. Using beta regression to explore the relationship between service attributes and likelihood of customer retention for the container shipping industry
García Rodríguez et al. Public procurement announcements in spain: regulations, data analysis, and award price estimator using machine learning
CN109978458B (zh) 物流运输业务快速协同响应的决策信息可视化表达方法
EP3783522A1 (en) Semantic model instantiation method, system and device
Zheng et al. Technical, allocative and cost efficiencies of Chinese ports
Lopez Export barriers and strategic grouping
Liu et al. A multi-agent-based mould due date setting approach in stochastic production
Francis et al. Supplier led new product development process improvement in the UK fast moving consumer goods industry
Wu et al. ‘A life on the ocean wave’: the ‘post-socialist’careers of Chinese, Russian and Eastern European seafarers
Balk Measuring and relating aggregate and subaggregate total factor productivity change without neoclassical assumptions
de Uña-Álvarez et al. Strong consistency of presmoothed Kaplan–Meier integrals when covariables are present
Shabani et al. Developing imprecise dual-role hybrid measure of efficiency for international market selection using ternary variable
Zhou et al. A tripartite evolutionary game analysis of contract manufacturer's brand strategy decisions in global value chains
Chen et al. Enhancing the design of air cargo transportation services via an integrated fuzzy approach
Mahalik Selection of a plant site: A multi criteria decision making using AHP and GRA
Huang et al. Can the agglomeration of producer services boost China’s ‘going out’?
Habjan et al. Achieving business process change with improved business intelligence systems: A case of Slovenian company

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