CN110322188A - 利用未来交通信息的物流配送用路径提供方法及其服务器 - Google Patents

利用未来交通信息的物流配送用路径提供方法及其服务器 Download PDF

Info

Publication number
CN110322188A
CN110322188A CN201811433730.5A CN201811433730A CN110322188A CN 110322188 A CN110322188 A CN 110322188A CN 201811433730 A CN201811433730 A CN 201811433730A CN 110322188 A CN110322188 A CN 110322188A
Authority
CN
China
Prior art keywords
mentioned
dispatching
time
logistics distribution
traffic information
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.)
Pending
Application number
CN201811433730.5A
Other languages
English (en)
Inventor
白承太
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.)
Green Signal Co Ltd
Original Assignee
Green Signal Co Ltd
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 Green Signal Co Ltd filed Critical Green Signal Co Ltd
Publication of CN110322188A publication Critical patent/CN110322188A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/046—Forward inferencing; Production systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q50/40—
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data

Abstract

本发明提供利用未来交通信息的物流配送用路径提供方法及其服务器。该方法包括：若从物流配送司机终端接收路径请求信息，则参照存储有从当前时间至特定时间的各个区域的实时交通信息的数据库来生成未来交通信息的步骤；利用上述未来交通信息来以物流配送司机的位置为基准对移动至多个配送区间的移动时间进行计算的步骤；利用移动至上述多个配送区间的移动时间来生成上述物流配送司机的配送路径并通过上述物流配送司机的车辆的引路装置提供的步骤；以及若上述未来交通信息被更新或上述物流配送司机到达配送区间，则以上述物流配送司机的位置为基准对移动至剩余配送区间的移动时间进行重新计算来更新并提供上述物流配送司机的配送路径的步骤。

Description

利用未来交通信息的物流配送用路径提供方法及其服务器
技术领域
本发明涉及利用未来交通信息的物流配送用路径提供方法及执行其的服务器。
背景技术
最近，随着信息通信的急剧发达和网络用户的扩散，电子商务市场的急剧成长和全球采购扩大，电子商务市场显著成长。电子商务市场作为新形态的流通行业，成长潜力大且持续成长。
随着电子商务市场在手机及网上进行，为了购买商品的运送而主要使用快递服务。
快递的历史从1992年6月开始，人或企业将包装的商品或物品等直接配送至需要的位置。通常，局限于一个国家，但在国际物流公司的情况下，也存在视为国际快递的情况。
快递系统为符合用户的需求地运送所需要的产品的运送系统，访问发送人员来获取配送的物品或文件等之后，将其配送至收货人位置的配送系统。
作为这种快递系统的一例，如DHL的国家之间或大城市之间的航空快递服务和国内区域之间或大城市区域的快递服务，国内区域之间的快递系统为了运送货物而利用如货物车辆的陆地运送手段。
发明内容
技术问题
本发明的目的在于，提供利用未来交通信息的物流配送用路径提供方法及执行其的服务器，即，预测基于道路交通的物流产业或未来交通状况来进行配送，将配送之前和配送之后的状况反应在整体进程，由此，应对未来交通状况，可谋求有效物流配送系统。
并且，本发明的目的在于，提供利用未来交通信息的物流配送用路径提供方法及执行其的服务器，即，在配送人力、手段及物流据点等有限资源下，为了缩减配送时间而反应实时交通状态来提供配送路径，由此，贡献于物流配送导航服务的有效性增加。
并且，本发明的目的在于，提供利用未来交通信息的物流配送用路径提供方法及执行其的服务器，即，以交通混杂预测信息为基础，当移动时，可避免多种路径选择、节假日休息及国家活动等平时未预期的交通混杂，对交通混杂敏感的物流、流通、保险公司车辆预先回避交通混杂来节减运费。
并且，本发明的目的在于，提供利用未来交通信息的物流配送用路径提供方法及执行其的服务器，即，通过适用基于初期路径计算时间点中的实时交通大数据的深度学习来提高经过预测时间的可靠性的路径确定方法，以导出的导航服务为基础来使因未来交通混杂所引起的时间费用节减的物流费用最小化。
通过本发明所属技术领域的普通技术人员，本发明的上述目的和多种优点从本发明的优选实施例变得更加明确。
解决问题的手段
在实施例中，在利用未来交通信息的物流配送用路径提供服务器中执行的物流配送用路径提供方法包括：若从物流配送司机终端接收路径请求信息，则参照存储有从当前时间至特定时间的各个区域的实时交通信息的数据库来生成未来交通信息的步骤；利用上述未来交通信息来以物流配送司机的位置为基准对移动至多个配送区间的移动时间进行计算的步骤；利用移动至上述多个配送区间的移动时间来生成上述物流配送司机的配送路径并通过上述物流配送司机的车辆的引路装置提供的步骤；以及若上述未来交通信息被更新或上述物流配送司机到达配送区间，则以上述物流配送司机的位置为基准对移动至剩余配送区间的移动时间进行重新计算来更新并提供上述物流配送司机的配送路径的步骤。
在实施例中，利用未来交通信息的物流配送用路径提供服务器包括：数据库，用于存储从当前时间至特定时间的各个区域的实时交通信息；数据库管理部，用于管理上述数据库的数据；未来交通信息生成部，利用存储于上述数据库的数据来生成未来交通信息；移动时间计算部，若利用上述未来交通信息来从物流配送司机终端接收路径请求信息，则参照上述数据库，以物流配送司机的位置为基准，对移动至多个配送区间的移动时间进行计算；以及配送路径提供部，利用移动至上述多个配送区间的移动时间生成上述物流配送司机的配送路径来通过上述物流配送司机的车辆的引路装置提供，若更新上述未来交通信息或上述物流配送司机到达配送区间，则以上述物流配送司机的位置为基准来对移动至剩余配送区间的移动时间进行重新计算来更新并提供上述物流配送司机的配送路径。
上述解决问题的方案并不列举本发明的特征。参照以下的详细说明的具体实施形态，可明确理解解决本发明的问题的多种方案。
发明的效果
根据本发明的一实施形态，本发明具有如下优点，预测基于道路交通的物流产业或未来交通状况来进行配送，将配送之前和配送之后的状况反应在整体进程，由此，应对未来交通状况，可谋求有效物流配送系统。
并且，根据本发明的一实施形态，本发明具有如下优点，在配送人力、手段及物流据点等有限资源下，为了缩减配送时间而反应实时交通状态来提供配送路径，由此，贡献于物流配送导航服务的有效性增加。
并且，根据本发明的一实施形态，本发明具有如下优点，以交通混杂预测信息为基础，当移动时，可避免多种路径选择、节假日休息及国家活动等平时未预期的交通混杂，对交通混杂敏感的物流、流通、保险公司车辆预先回避交通混杂来节减运费。
并且，根据本发明的一实施形态，本发明具有如下优点，通过适用基于初期路径计划时间点中的实时交通大数据的深度学习来提高经过预测时间的可靠性的路径确定方法，以导出的导航服务为基础来使因未来交通混杂所引起的时间费用节减的物流费用最小化。
附图说明
图1为用于说明本发明一实施例的利用未来交通信息的物流配送用路径提供系统的图。
图2为用于说明本发明一实施例的利用未来交通信息的物流配送用路径提供服务器的内部结构的框图。
图3为用于说明本发明的利用未来交通信息的物流配送用路径提供方法的一实施例的流程图。
标记说明
100：物流配送用路径提供服务器
110：数据库
120：数据库管理部
130：未来交通信息生成部
140：移动时间计算部
150：配送路径提供部
200：物流管理服务器
300：物流配送司机终端
具体实施方式
以下，参照附图，说明本发明优选实施形态。
但是，本发明的实施形态可变形为多种其他形态，本发明的范围并不局限于以下说明的实施形态。并且，本发明的实施形态为了向本发明所属技术领域的普通技术人员更完整地说明本发明而提供。
对在本发明中说明的术语的含义作如下解释。
只要在文脉上并未明确示出，单数的表现包含复数的表现，“包括”或“具有”等的术语用于指定特征、数字、步骤、动作、结构要素、部品或这些组合的存在，而并非预先排除一个或一个以上的其他特征或数字、步骤、动作、结构要素、部品或这些组合的存在或附加可能性。
只要并未明确定义，在此使用的所有术语的含义与本发明所属技术领域的普通技术人员所具有的含义相同。通常使用的预先定义的术语与相关技术文脉所具有的含义相同，在本发明中，只要并未明确定义，不能被解释成异常或过度形式。
图1为用于说明本发明一实施例的利用未来交通信息的物流配送用路径提供系统的图。
参照图1，利用未来交通信息的物流配送用路径提供系统包括物流配送用路径提供服务器100、物流管理服务器200及物流配送司机终端300。
物流配送用路径提供服务器100为以实时交通状态为基础来生成未来交通信息之后，利用未来交通信息来生成配送司机的配送路径，通过物流配送司机的车辆的引路装置提供的服务器。
首先，若物流配送用路径提供服务器100从物流配送司机终端300接收路径请求信息，则参照存储从当前时间至特定时间的各个区域的实时交通信息的数据库来生成未来交通信息之后，利用未来交通信息来以物流配送司机的位置为基准来对移动至多个配送区间的移动时间进行计算。
在上述数据库存储从当前时间至特定时间的各个区域的实时交通信息，可根据各个道路的交通事故发生历史、实时交通信息、实时道路连接速度、实时交通事故信息、根据实时交通事故信息预测的交通事故处理时间、当前日期是否为节假日、当前日期是否为节假日的前一天、当前日期是否为节假日的次日及各个区域的当前天气状况中的至少一个来更新。
因此，物流配送用路径提供服务100可利用各个区域的实时交通信息来生成未来交通信息。此时，未来交通信息包含对于每个未来时间的道路的状态信息，例如，畅通、慢行、拥堵等，与各个道路有关的状态信息为畅通的情况下，包含预计畅通时间及畅通原因，与各个道路有关的状态信息为慢行的情况下，包含预计慢行时间及慢行原因，与各个道路有关的状态信息为拥堵的情况下，包含预计拥堵时间及拥堵原因。
在一实施例中，物流配送用路径提供服务器100利用根据实时交通事故信息及根据实时交通事故信息预测的交通事故处理时间来计算对应道路的状态的拥堵时间，并可生成与对应道路相连接的其他道路可一同拥堵的未来交通信息。
接着，物流配送用路径提供服务器100以配送司机的位置为基准，利用移动至多个配送区间的移动时间来生成物流配送司机的配送路径并通过物流配送司机的车辆的引路装置提供。
在一实施例中，物流配送用路径提供服务100以各个道路的交通事故发生历史为基础，在与物流配送司机的配送路径相对应的道路发生交通事故的区域的情况下，实时显示事故危险度来提供。
在再一实施例中，物流配送用路径提供服务器100预先告知当运行时，至目的地发生的交通状况(交通混杂及与事故危险)有关的多种未来交通状况。
在另一实施例中，物流配送用路径提供服务器100基于当前行驶的状态的危险和至目的地的整体事故危险度来选择危险少的路径并行驶。
在还有一实施例中，物流配送用路径提供服务器100以物流配送司机的驾驶模式、实时交通信息、选择路径的过去信息、实时加速、加速现况、与前车的距离等来通过人工智能算法计算危险度并提供。
在又一实施例中，物流配送用路径提供服务器100对指定出发地及目的地，向用户引导最优出发时间及预期到达时间。
以下，说明物流配送用路径提供服务100生成物流配送司机的配送路径的过程。
物流配送用路径提供服务器100在多个配送区间中，将移动时间最短的配送区域选择为第一配送区间。
之后，物流配送用路径提供服务器100以多个配送区间的配送所需时间为基础，以对应配送区域的配送所需时间经过的时间点及对应配送区域的位置为基准，对移动至剩余配送区间的移动时间进行计算之后，将移动时间最短的配送区间选择为第二配送区间。
物流配送用路径提供服务器100利用第一配送区间及第二配送区间来生成物流配送司机的配送路径。
即，物流配送用路径提供服务器100优先访问在多个配送区间中，移动时间最短的配送区间，考虑到在对应配送区间停留的时间，以对应时间经过的时间点及对应配送区域的位置为基准来对移动至剩余配送区间的移动时间进行重新计算。
为此，物流配送用路径提供服务器100从物流管理服务器200接收各个物流配送司机的配送信息来计算多个配送区间的配送所需时间。
首先，物流配送用路径提供服务器100从物流管理服务器200接收在各个物流配送司机的多个配送区间及上述多个配送区间中配送的各个配送区间的物品的数量、在上述各个配送区间的物品中，向相同的收取人及相同的子配送区间配送的物品的数量及基于上述各个配送区间的物品的数量的平均配送时间。
接着，物流配送用路径提供服务器100在上述各个配送区间的物品中，向相同收取人、相同子配送区间配送的物品的数量及在上述多个配送区间中，根据基于物品的数量的平均配送时间，计算上述物流配送司机的多个配送区间的配送所需时间。
如上所述，物流配送用路径提供服务器100计算多个配送区间配送所需时间的原因如下，在生成配送路径的过程中，将在多个配送区间中最短的配送区间选择为第一配送区间之后，以第一配送区间为基准，在剩余配送区间中，当将一个区间选择为第二配送区间时，根据停留在第一配送区间的时间，从第一配送区间至第二配送区间的移动时间变更。
因此，物流配送用路径提供服务器100从物流管理服务器200接收各个物流配送司机的配送信息来计算多个配送区间的配送所需时间之后，根据多个配送区间的配送所需时间及未来交通信息来生成物流配送司机的配送路径。
如上所述，本发明中，基于道路交通的物流产业也预测未来交通状况来将配送之前和配送之后的状况反映在整体进程，由此，应对未来交通状况，可谋求有效物流配送系统。
物流管理服务器200向物流配送用路径提供服务器100提供各个物流配送司机的配送信息。此时，各个物流配送司机的配送信息包含在各个物流配送司机的多个配送区间及上述多个配送区间中配送的各个配送区间的物品的数量、在上述各个配送区间的物品中，向相同的收取人及相同的子配送区间配送的物品的数量及基于上述各个配送区间的物品的数量的平均配送时间。
因此，物流配送用路径提供服务器100可利用从物流管理服务器200接收的各个物流配送司机的配送信息来计算多个配送区间的配送所需时间，根据多个配送区间的配送所需时间及未来交通信息来生成物流配送司机的配送路径。
物流配送司机终端300为通过在车辆的引路装置来从物流配送用路径提供服务器100接收配送路径来配送物流的配送司机所保留的终端。这种物流配送司机终端300可以实现为智能手机、平板电脑等。
物流配送司机终端300向物流配送用路径提供服务器100提供路径请求信息，通过车辆中的引路装置来接收配送路径。
图2为用于说明本发明一实施例的利用未来交通信息的物流配送用路径提供服务器的内部结构的框图。
参照图2，利用未来交通信息的物流配送用路径提供服务器100包括数据库110、数据库管理部120、未来交通信息生成部130、移动时间计算部140及配送路径提供部150。
数据库110存储从当前时间至特定时间的各个区域的实时交通信息。存储于数据库110的信息通过数据库管理部120管理。因此，存储于数据库110的实时交通信息可通过数据库管理部120更新。
存储于上述数据库110的实时交通信息以物流配送司机的位置为基准对移动至多个配送区间的移动时间进行计算。
数据库管理部120管理数据库110的数据并根据从外部接收的信息来生成从当前时间至特定时间的各个区域的实时交通信息来更新存储于数据库110的信息。
在一实施例中，数据库管理部120根据各个道路的交通事故发生历史、实时交通信息、实时道路连接速度、实时交通事故信息、根据上述实时交通事故信息预测的交通事故处理时间、当前日期是否为节假日、当前日期是否为节假日的前一天、当前日期是否为节假日的次日及各个区域的当前天气状况中的至少一个，生成从上述当前时间至特定时间的各个区域的实时交通信息来更新存储于数据库110的信息。
未来交通信息生成部130参照数据库110来生成未来交通信息。此时，未来交通信息包含对于每个未来时间的各个道路的状态信息，例如，畅通、慢性、拥堵等，与各个道路有关的状态信息为畅通的情况下，包含预计畅通时间及畅通原因，与各个道路有关的状态信息为慢行的情况下，包含预计慢行时间及慢行原因，与道路有关的状态信息为拥堵的情况下，包含预计拥堵时间及拥堵原因。接着，移动时间计算部140利用通过未来交通信息生成部130生成的未来交通信息来以物流配送司机的位置为基准来对移动至多个配送区间的移动时间进行计算。
此时，实时交通信息可包括畅通、慢行、拥堵等，在畅通的情况下，可包括预计畅通时间，在慢行的情况下，包括预计慢行时间，在拥堵的情况下，可包含预计拥堵时间、拥堵原因等。
如上所述，移动时间计算部140利用通过未来交通信息生成部130生成的未来交通信息来以物流配送司机的位置为基准来对移动至多个配送区间的移动时间进行计算的理由为在多个配送区间中，优先访问移动时间最短的配送区域。但是，在每个配送区间停留的时间不同，在经过对应时间之后，至剩余配送区域的移动时间可变更。
因此，本发明中，每个配送区间考虑配送司机停留的时间，以对应配送地为基准，计算从配送司机出发的时间点至剩余配送区间的移动时间。
为此，移动时间计算部140从物流管理服务器200接收在各个物流配送司机的多个配送区间及上述多个配送区间中配送的各个配送区间的物品的数量、在上述各个配送区间的物品中，向相同的收取人及相同的子配送区间配送的物品的数量及基于上述各个配送区间的物品的数量的平均配送时间。
接着，移动时间计算部140根据在上述各个配送区间的物品中，向相同收取人、相同子配送区间配送的物品的数量及在基于上述多个配送区间中的物品的数量的平均配送时间，计算上述物流配送司机的多个配送区间的配送所需时间。
因此，移动时间计算部140以计算的多个配送区间的配送所需时间为基础，以对应配送区间的配送所需时间及经过的时间点及对应配送区间的位置为基准对移动至剩余配送区间的移动时间进行计算。
由此，配送路径提供部150根据多个配送区间的配送所需时间及未来交通信息来生成物流配送司机的配送路径。
配送路径提供部150以在移动时间计算部140中计算的配送司机的位置为基准，利用移动至多个配送区间的移动时间来生成物流配送司机的配送路径并通过物流配送司机的车辆的引路装置提供。
更具体地，配送路径提供部150在通过移动时间计算部140计算的多个配送区间中，将移动时间最短的配送区间选择为第一配送区间，通过移动时间计算部140计算的至剩余配送区间的移动时间最短的配送区间选择为第二配送区间。接着，配送路径提供部150利用第一配送区间及上述第二配送区间来生成上述物流配送司机的配送路径。
图3为用于说明本发明的利用未来交通信息的物流配送用路径提供方法的一实施例的流程图。
参照图3，物流配送用路径提供服务器100若从物流配送司机终端接收路径请求信息(步骤S310)，则参照存储从当前时间至特定时间的各个区域的实时交通信息的数据库来生成未来交通信息之后，利用未来交通信息来以物流配送司机的位置为基础来对移动至多个配送区间的移动时间进行计算(步骤S320)。
在上述数据库存储从当前时间至特定时间的各个区域的实时交通信息，可根据在各个道路交通事故发生历史、实时交通信息、实时道路连接速度、实时交通事故信息、根据实时交通事故信息预测的交通事故处理时间、当前日期是否为节假日、当前日期是否为节假日的前一天、当前日期是否为节假日的次日及各个区域的当前天气状况中的至少一个来更新。
物流配送用路径提供服务器100利用移动至多个配送区间的移动时间来生成上述物流配送司机的配送路径(步骤S330)，通过上述物流配送司机的车辆的引路装置提供(步骤S340)。
若未来交通信息变更或上述物流配送司机到达配送区间，则物流配送用路径提供服务器100以上述物流配送司机的位置为基准来对移动至剩余配送区间的移动时间进行计算(步骤S350)，来更新并提供上述物流配送司机的配送路径(步骤S340)。
以上说明的本发明的说明为用于结构或功能说明的实施例，本发明的发明要求保护范围并不通过在本发明中说明的实施例限定解释。即，本发明并不通过上述实施例及附图限定，而是通过后述的发明要求保护范围限定，本发明的结构在不超出本发明的技术思想的范围内，可对本发明进行多种变更及改造，因此，本发明的实施例可进行多种变更并可具有多种形态。由此，本发明的发明要求保护范围包括可实现技术思想的等同技术方案。

Claims (10)

1.一种利用未来交通信息的物流配送用路径提供方法，在物流配送用路径提供服务器中执行，其特征在于，包括：
若从物流配送司机终端接收路径请求信息，则参照存储有从当前时间至特定时间的各个区域的实时交通信息的数据库来生成未来交通信息的步骤；
利用上述未来交通信息来以物流配送司机的位置为基准对移动至多个配送区间的移动时间进行计算的步骤；
利用移动至上述多个配送区间的移动时间来生成上述物流配送司机的配送路径并通过上述物流配送司机的车辆的引路装置提供的步骤；以及
若上述未来交通信息被更新或上述物流配送司机到达配送区间，则以上述物流配送司机的位置为基准对移动至剩余配送区间的移动时间进行重新计算来更新并提供上述物流配送司机的配送路径的步骤。
2.根据权利要求1所述的利用未来交通信息的物流配送用路径提供方法，其特征在于，还包括根据各个道路的交通事故发生历史、实时交通信息、实时道路连接速度、实时交通事故信息、根据上述实时交通事故信息预测的交通事故处理时间、当前日期是否为节假日、当前日期是否为节假日的前一天、当前日期是否为节假日的次日及各个区域的当前天气状况中的至少一个，生成从上述当前时间至特定时间的各个区域的实时交通信息来更新上述数据库的步骤。
3.根据权利要求1所述的利用未来交通信息的物流配送用路径提供方法，其特征在于，在参照上述数据库来生成未来交通信息的步骤中，利用上述各个区域的实时交通信息来生成包含与每个未来各个时间点的道路有关的状态信息的未来交通信息，在上述状态信息为畅通的情况下，包含预计畅通时间及畅通原因，在上述状态信息为慢行的情况下，包含预计慢行时间及慢行原因，在上述状态信息为拥堵的情况下，包含预计拥堵时间及拥堵原因。
4.根据权利要求1所述的利用未来交通信息的物流配送用路径提供方法，其特征在于，还包括：
从物流管理服务器接收各个物流配送司机的多个配送区间及需要在上述多个配送区间中配送的各个配送区间的物品的数量、在上述各个配送区间的物品中向相同的收取人及相同的子配送区间配送的物品的数量、以及基于上述各个配送区间的物品的数量的平均配送时间的步骤；以及
根据在上述各个配送区间的物品中，向相同的收取人、相同的子配送区间配送的物品的数量及基于上述各个配送区间中的物品的数量的平均配送时间，计算上述物流配送司机的多个配送区间的配送所需时间的步骤。
5.根据权利要求4所述的利用未来交通信息的物流配送用路径提供方法，其特征在于，对移动至上述多个配送区间的移动时间进行计算的步骤包括：
在上述多个配送区间中，将移动时间最短的配送区间选择为第一配送区间的步骤；
以上述多个配送区间的配送所需时间为基础，以经过对应配送区间的配送所需时间的时间点及对应配送区间的位置为基准对移动至剩余配送区间的未来移动时间进行计算之后，将移动时间最短的配送区间选择为第二配送区间的步骤；以及
利用上述第一配送区间及上述第二配送区间来生成上述物流配送司机的配送路径的步骤。
6.一种利用未来交通信息的物流配送用路径提供服务器，其特征在于，包括：
数据库，用于存储从当前时间至特定时间的各个区域的实时交通信息；
数据库管理部，用于管理上述数据库的数据；
未来交通信息生成部，利用存储于上述数据库的数据来生成未来交通信息；
移动时间计算部，若利用上述未来交通信息来从物流配送司机终端接收路径请求信息，则参照上述数据库，以物流配送司机的位置为基准，对移动至多个配送区间的移动时间进行计算；以及
配送路径提供部，利用移动至上述多个配送区间的移动时间生成上述物流配送司机的配送路径来通过上述物流配送司机的车辆的引路装置提供，若更新上述未来交通信息或上述物流配送司机到达配送区间，则以上述物流配送司机的位置为基准对移动至剩余配送区间的移动时间进行重新计算来更新并提供上述物流配送司机的配送路径。
7.根据权利要求6所述的利用未来交通信息的物流配送用路径提供服务器，其特征在于，上述数据库管理部根据各个道路的交通事故发生历史、实时交通信息、实时道路连接速度、实时交通事故信息、根据上述实时交通事故信息预测的交通事故处理时间、当前日期是否为节假日、当前日期是否为节假日的前一天、当前日期是否为节假日的次日及各个区域的当前天气状况中的至少一个，生成从上述当前时间至特定时间的各个区域的实时交通信息来更新上述数据库。
8.根据权利要求6所述的利用未来交通信息的物流配送用路径提供服务器，其特征在于，上述未来交通信息生成部利用上述各个区域的实时交通信息来生成包含与每个未来各个时间点的各个道路有关的状态信息的未来交通信息，在上述状态信息为畅通的情况下，包含预计畅通时间及畅通原因，在上述状态信息为慢行的情况下，包含预计慢行时间及慢行原因，在上述状态信息为拥堵的情况下，包含预计拥堵时间及拥堵原因。
9.根据权利要求6所述的利用未来交通信息的物流配送用路径提供服务器，其特征在于，上述移动时间计算部从物流管理服务器接收各个物流配送司机的多个配送区间及需要在上述多个配送区间中配送的各个配送区间的物品的数量、在上述各个配送区间的物品中向相同的收取人及相同的子配送区间配送的物品的数量、以及基于上述各个配送区间的物品的数量的平均配送时间，根据在上述各个配送区间的物品中，向相同的收取人、相同的子配送区间配送的物品的数量及基于上述各个配送区间中的物品的数量的平均配送时间，计算上述物流配送司机的多个配送区间的配送所需时间。
10.根据权利要求9所述的利用未来交通信息的物流配送用路径提供服务器，其特征在于，
上述移动时间计算部以上述多个配送区间的配送所需时间为基础，以经过对应配送区间的配送所需时间的时间点及对应配送区间的位置为基准对移动至剩余配送区间的未来移动时间进行计算，
上述配送路径提供部在上述多个配送区间中，将移动时间最短的配送区间选择为第一配送区间，将移动至以上述第一配送区间为基准计算的剩余配送区间的移动时间最短的配送区间选择为第二配送区间，利用上述第一配送区间及上述第二配送区间来生成上述物流配送司机的配送路径。
CN201811433730.5A 2018-03-29 2018-11-28 利用未来交通信息的物流配送用路径提供方法及其服务器 Pending CN110322188A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020180036331A KR20190114127A (ko) 2018-03-29 2018-03-29 미래 교통 정보를 이용한 물류 배송용 경로 제공 방법 및 이를 실행하는 서버
KR10-2018-0036331 2018-03-29

Publications (1)

Publication Number Publication Date
CN110322188A true CN110322188A (zh) 2019-10-11

Family

ID=68054454

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811433730.5A Pending CN110322188A (zh) 2018-03-29 2018-11-28 利用未来交通信息的物流配送用路径提供方法及其服务器

Country Status (3)

Country Link
US (1) US20190303866A1 (zh)
KR (1) KR20190114127A (zh)
CN (1) CN110322188A (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210044974A (ko) * 2019-10-16 2021-04-26 이인우 종합유통물류 통합시스템 및 그 시스템의 구동방법
EP3872594B1 (en) * 2020-02-26 2023-12-06 Volkswagen Ag A method, a computer program, an apparatus, a vehicle, and a network entity for predicting a deadlock situation for an automated vehicle
US11796326B1 (en) * 2020-06-03 2023-10-24 Amazon Technologies, Inc. Automated system for generating safety tips for drivers
CN111523740B (zh) * 2020-07-06 2020-10-09 和宇健康科技股份有限公司 基于大数据采集的服务资源信息预测方法和计算机设备
CN114689107A (zh) * 2020-12-28 2022-07-01 顺丰科技有限公司 运单操作的检测方法、装置、计算机设备和存储介质
KR102620839B1 (ko) * 2021-01-20 2024-01-05 주식회사 엘지씨엔에스 상품의 피킹, 패킹, 배송 방법 및 시스템
KR102431832B1 (ko) * 2021-11-15 2022-08-11 주식회사 서브코리아 배달주문 중계 시스템
CN114566046A (zh) * 2022-03-01 2022-05-31 海南大学 一种短时交通状况预测系统及其方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101561897A (zh) * 2008-04-17 2009-10-21 北京中食新华科技有限公司 一种物流信息分析建模方法
US20150185035A1 (en) * 2011-05-11 2015-07-02 Gyuhyeon Park Electronic device and operation method thereof
US20160104089A1 (en) * 2014-10-08 2016-04-14 Deutsche Post Ag Handling data about a company specific supply chain network
CN105550838A (zh) * 2015-11-30 2016-05-04 国家电网公司 一种物流配送仓储系统
US20170262790A1 (en) * 2016-03-11 2017-09-14 Route4Me, Inc. Complex dynamic route sequencing for multi-vehicle fleets using traffic and real-world constraints
CN107784835A (zh) * 2016-08-30 2018-03-09 蓝色信号株式会社 基于交通数据分析的交通状态模式预测系统及其预测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101561897A (zh) * 2008-04-17 2009-10-21 北京中食新华科技有限公司 一种物流信息分析建模方法
US20150185035A1 (en) * 2011-05-11 2015-07-02 Gyuhyeon Park Electronic device and operation method thereof
US20160104089A1 (en) * 2014-10-08 2016-04-14 Deutsche Post Ag Handling data about a company specific supply chain network
CN105550838A (zh) * 2015-11-30 2016-05-04 国家电网公司 一种物流配送仓储系统
US20170262790A1 (en) * 2016-03-11 2017-09-14 Route4Me, Inc. Complex dynamic route sequencing for multi-vehicle fleets using traffic and real-world constraints
CN107784835A (zh) * 2016-08-30 2018-03-09 蓝色信号株式会社 基于交通数据分析的交通状态模式预测系统及其预测方法

Also Published As

Publication number Publication date
KR20190114127A (ko) 2019-10-10
US20190303866A1 (en) 2019-10-03

Similar Documents

Publication Publication Date Title
CN110322188A (zh) 利用未来交通信息的物流配送用路径提供方法及其服务器
US10853743B2 (en) Systems, devices, and methods for searching and booking ride-shared trips
US20210383321A1 (en) Vehicle fleet control systems and methods
Barcos et al. Routing design for less-than-truckload motor carriers using ant colony optimization
Dejax et al. Survey paper—a review of empty flows and fleet management models in freight transportation
US9958272B2 (en) Real-time computation of vehicle service routes
CN103890792B (zh) 用于比较位置信息的方法、装置和系统
KR101594395B1 (ko) 네트워크 상에서의 물품 배송자 중개 방법 및 이에 사용되는 중개 서버
Repoussis et al. A web-based decision support system for waste lube oils collection and recycling
BR112019015176A2 (pt) Sistemas para roteamento e controle de veículos para frete
CN107194656A (zh) 一种基于标准箱订单的配送路径的规划方法及装置
EP2136184A2 (en) Traffic scheduling system
KR102095735B1 (ko) 화물차를 이용한 권역기반 물류 시스템 및 분배 방법
CN109118752A (zh) 信息处理方法、信息处理系统以及程序
CN111263947B (zh) 配送计划生成方法以及配送计划生成装置
CN110046749A (zh) 一种基于实时路况的电商包裹与同城o2o包裹共同配送系统
CN106600057A (zh) 一种快递配送任务调度算法及装置
Mahmoudi et al. A cumulative service state representation for the pickup and delivery problem with transfers
CN116307306B (zh) 基于大数据的智能调度方法、装置、设备以及存储介质
US20140214715A1 (en) Scheduling system and method for distribution of perishable loads of pre-mixed concrete to multiple sites
KR20210008581A (ko) 멀티 인수 및 멀티 배송을 위한 물류 운송 서비스 제공 시스템
CN109118006A (zh) 拼车路线的确定方法及装置、存储介质、计算设备
US20150248638A1 (en) Methods and arrangement for freight transportation management
WO2017218362A1 (en) Vehicle fleet control systems and methods
CN111080007A (zh) 快件到达时间的预测方法、装置、设备及存储介质

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191011

WD01 Invention patent application deemed withdrawn after publication