CN110533357A - 一种基于大数据的货运成本的计算方法 - Google Patents

一种基于大数据的货运成本的计算方法 Download PDF

Info

Publication number
CN110533357A
CN110533357A CN201910490286.9A CN201910490286A CN110533357A CN 110533357 A CN110533357 A CN 110533357A CN 201910490286 A CN201910490286 A CN 201910490286A CN 110533357 A CN110533357 A CN 110533357A
Authority
CN
China
Prior art keywords
cost
multiplied
milimeter number
wage
big data
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
CN201910490286.9A
Other languages
English (en)
Inventor
龚伟松
蔡悦
董凯
杨晓晨
张慧霞
高敏
韦松松
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.)
Shanghai zebra Laila Logistics Technology Co.,Ltd.
Original Assignee
Shanghai Kjing Xinda Science And Technology Group 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 Shanghai Kjing Xinda Science And Technology Group Co Ltd filed Critical Shanghai Kjing Xinda Science And Technology Group Co Ltd
Priority to CN201910490286.9A priority Critical patent/CN110533357A/zh
Publication of CN110533357A publication Critical patent/CN110533357A/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
    • G06Q10/0834—Choice of carriers
    • G06Q10/08345—Pricing

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)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明涉及一种基于大数据的货运成本的计算方法，所述货运成本包括轮胎费、维护费、司机工资、折旧费、保险费、燃油费以及路费，轮胎费为按照货运线路的公里数乘以轮胎损耗系数得到轮胎费用；维护费为按照公里数乘以维护系数得到维修费用；司机工资为按照公里数乘以每公里工资成本得到司机工资；折旧费为按照公里数乘以折旧系数得到折旧费用；保险费为按照公里数乘以保险系数得到保险费用；燃油费为按照公里数/100乘以百公里油耗再与油价相乘得到燃油费用；路费为按照货运线路的公里数乘以收费标准，收费标准包括按照行驶里程计费和每吨每公里计费。本发明的基于大数据的货运成本的计算方法具有易于操作、使用方便且准确度高的特点。

Description

一种基于大数据的货运成本的计算方法
技术领域
本发明涉及一种基于大数据的货运成本的计算方法。
背景技术
整车运价成本计算的准确性对于物流企业向客户提供合理报价、提高企业营收有着决定性作用。然而运力成本受天气、货量、路况、线路、人员、损耗等多方面因素的影响，仅依靠人工经验判断得出的成本价格往往与真实成本有一定差异，从而对物流企业运营带来经济损失。
发明内容
鉴于现有技术中存在的上述问题，本发明的主要目的在于提供一种基于大数据的货运成本的计算方法，其用的数据来源全面且可信度高，还具有易于操作、使用方便且准确度高的特点，为广大的物流企业精准把控业务成本、合理制定价格、提高自身竞争力提供了强有力的支持。
本发明的技术方案是这样的：
一种基于大数据的货运成本的计算方法，所述货运成本包括轮胎费、维护费、司机工资、折旧费、保险费、燃油费以及路费，其中：
所述轮胎费为按照货运线路的公里数乘以轮胎损耗系数得到该货运线路的轮胎费用；
所述维护费为按照货运线路的公里数乘以维护系数得到该货运线路的维修费用；
所述司机工资为按照货运线路的公里数乘以每公里工资成本得到该货运线路的司机工资；
所述折旧费为按照货运线路的公里数乘以折旧系数得到该货运线路的折旧费用；
所述保险费为按照货运线路的公里数乘以保险系数得到该货运线路的保险费用；
所述燃油费为按照货运线路的公里数/100乘以百公里油耗再与油价相乘得到该货运线路的燃油费用；
所述路费为按照货运线路的公里数乘以收费标准，所述收费标准包括按照行驶里程计费和每吨每公里计费。
所述轮胎损耗系数为：
车辆型号 轮胎损耗系数
9.6m 0.048
13m 0.254
17.5m 0.254
。
所述维护系数为：
车辆型号 维护系数
9.6m 0.067
13m 0.16
17.5m 0.16
。
所述每公里工资成本为：
。
所述折旧系数为：
车辆型号 年限 车辆价格 年公里数 折旧系数
9.6m 5年 269000 92994.5 0.048
13m 5年 433000 145108.5 0.254
17.5m 5年 488000 165504.92 0.254
所述保险系数为
车辆型号 年保险费 年公里数 保险系数
9.6m 25000 92994.5 0.2688
13m 25000 145108.5 0.1723
17.5m 2500 165504.92 0.1511
。
所述百公里油耗与油耗分别为：
车辆型号 百公里油耗 油价
9.6m 22 6.6
13m 30 6.6
17.5m 33 6.6
。
本发明具有以下优点和有益效果：本发明实施例提供的一种基于大数据的货运成本的计算方法，其结合物流平台及互联网大数据，以可靠数据源作支撑，充分考虑了人员、线路、车型、油耗、养护、保险等诸多因素对于运价成本的影响，并且使用者可以根据自身的实际情况灵活设置参数；该方法充分考虑各影响因子，其采用的数据来源全面且可信度高，还具有易于操作、使用方便且准确度高的特点，为广大的物流企业精准把控业务成本、合理制定价格、提高自身竞争力提供了强有力的支持；物流企业用户可自调参数，灵活性强，适用范围广。
附图说明
图1为本发明实施例提供的基于大数据的货运成本的计算方法的主视结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
下面将参照附图和具体实施例对本发明作进一步的说明。
影响运输成本的因素运输成本通常受七个因素的影响，分别是距离、装载量、货品密度、积载能力、搬运成本、责任以及市场因素等。物流企业在制定运输费率时，必须对每一个因素严加考虑，特别以下三个因素对成本有着较大的影响：
第一、距离：距离是影响运输成本的主要因素，它直接影响人工、燃料和维修保养等变动成本。距离越长，变动成本越大，单位距离分摊的固定成本越小。本方法通过百度提供的API接口获取两地间距离，在确定起点和终点后自动解析从最短路线距离；
第二、装载量：装载量越大，单位重量的运输成本越小，可以说装载量是反映运输规模经济的重要指标。而装载量越大，对轮胎的损耗费用越大，对于部分以重量为收费标准的高速公路来说，载重不同也使得路费差异较大；
第三、货品密度：运输收费通常是按重量或体积收取的。在安全及限制超载、超限政策下，一辆运输卡车的装载能力不仅限制了货物的重量，而且限制了货物的体积。因此，密度低的货品即使装满了车辆，实际装载吨数可能仍达不到车辆的额定载重量，即车辆的吨位利用率低，以重量为计价标准时，运输成本高；同理，货品密度高，车辆容积利用率低，也会造成运输资源浪费现象。该方法主要针对货运车辆的运费成本，因此设置的可选车型长度分别为9.6米、13米和17.5米，在这三类车型下默认的重量分别为25吨、40吨和46吨(可根据实际情况进行调整)。
本发明实施例提供的一种基于大数据的货运成本的计算方法，通过对多家网站提供的数据信息(例如电商网站的车辆价格、车辆寿命、物流公司提供的司机工资报价、保险公司公示的车辆保费等)结合申请人自己研发的系统内大量数据通过一系列的筛选校验比对，集合了多方数据源，并通过人工分析设定阈值，最终形成一套全面的单边成本价测算方法。最终将货运成本价拆分为轮胎费、维护费、司机工资、折旧、保险、燃油费、路费七部分，对各部分费用计算后求和得到不同线路、不同类型车辆的货运成本。
其次，为了扩大应用范围，该模型允许用户自主调整成本价核算基数，用户可自行修改司机工资、百公里油耗、年保险、车辆价格、车货总重，并按自填基数进行计算，产出最新的单边成本价。
本发明将影响运输成本的七个因素纳入考量，运输车辆按车长和重量分三类(9.6米25吨、13米40吨、17.5米46吨)，对于不同类型车辆依据历史数据和人工经验分别设置各因子影响系数。通过计算各分部费用之和最终得到此线路单边运价成本，最终单边成本价＝轮胎费+维护费+司机工资+折旧+保险+燃油费+路费，并在图表中展示各项费用以及其占比
本发明实施例提供的一种基于大数据的货运成本的计算方法，所述货运成本包括轮胎费、维护费、司机工资、折旧费、保险费、燃油费以及路费，具体如下所示。
第一、轮胎费为：按照公里数乘以轮胎损耗系数求得最终该线路的轮胎费用(单位：元)。
轮胎磨损的常见形式有胎间磨损、正中磨损、外侧磨损、羽片状磨损，在高速转向、长距离负荷、紧急制动、胎温升高以及在恶劣路面情况下轮胎磨损加剧。在司机规范行驶、路面情况相似的情况下，我们基于大数据平台选取了多家公司轮胎费用均值作为参数，计算轮胎损耗每公里系数，具体的逻辑步骤为：
对各大网商平台提供的轮胎价格、轮胎使用寿命等相关数据进行收集和筛选，将轮胎价格按其适配车型分类，分别计算每类轮胎价格的中位数。
排除掉与中位数偏差超过10％的异常价格后，计算各类轮胎价格平均值、和使用寿命均值。
经以上两步计算得到9.6米车型适配轮胎价格均值为1000元，此类轮胎使用寿命均值为25万公里；13米和17.5米车型适配轮胎价格均值为3490元，此类轮胎使用寿命均值为22万公里，经我司库内大量的实际数据验证得以上数据较为准确。
对于9.6米货车需配置12条轮胎；13米和17.5米货车需配置16条；因此求得每公里轮胎损耗费用如下表所示：
车辆型号 轮胎损耗系数
9.6m 0.048
13m 0.254
17.5m 0.254
，其中：
轮胎费的计算公式为：轮胎费＝公里数×对应车长的轮胎损耗系数。
第二、维护费：按照公里数乘以维护系数求得最终该线路的维修费用(单位：元)。
影响货车维护费用的因素较多，车辆状况、车型、行驶路面情况、里程、司机驾驶情况等。为了能够更加真实准确的反映出针对不同车型的维护费用情况，我们基于大数据平台选取了多家公司维修费用报价的中位数作为参数，计算维护系数。
具体的逻辑步骤为：
a、对物流公司提供的车辆年行驶里程、年维护费用等数据按车型分类，计算各类型车辆年行驶里程、年维护费用的中位数。
b、排除掉与中位数偏差超过20％的异常维护费用和行驶里程后，计算各类型车辆年维护费用均值、和年行驶里程均值。
c、经以上两步计算后得到9.6米车型的年均行驶里程为92994.5公里，年均维护费用为6230元；13米车型年均行驶里程为145108.5公里，年均维护费用为23217元；17.5米车辆年均行驶里程为165504.92公里，年均维护费用为26480元。
d、计算不同车型的维护系数(每公里)如下表所示：
车辆型号 维护系数
9.6m 0.067
13m 0.16
17.5m 0.16
，其中：
维护费的计算公式为：维护费＝公里数×对应车长的维修系数。
第三、司机工资：按照公里数乘以每公里工资成本求得最终该线路的司机工资(单位：元)。
通过调取多家货运平台的人工成本数据发现，超过700公里的行驶线路通常设置两名司机轮流驾驶，因此在计算每公里人工成本时，以700公里作为分类标准，分别计算。
具体的逻辑步骤为：
a、将物流公司提供的司机工资信息按驾驶车辆类型分类，计算司机工资中位数。
b、剔除掉与中位数偏差超过20％的异常工资值后，进一步通过中位数确定三种车型司机的基本工资，分别为9.6米车辆每位司机平均工资为6000元/月，13米、17.5米车辆每位司机平均工资为9000元/月。
c、通过上步确定的三类车型的年均行驶里程，可求得月均行驶里程。
d、通过月均司机工资和月均行驶里程确定每公里工资成本，由于超过700公里的线路通常配备两名司机，其每公里工资为短途线路(低于700公里)的2倍。
e、若司机工资被用户调整，则按照调整后工资/月公里数求得每公里工资成本(公里数大于等于700时工资X2)计算每公里工资成本，具体如下表所示：
，其中：
司机工资的公式为：司机工资＝公里数×对应车长的每公里工资成本。
第四、折旧费：按照公里数乘以折旧系数求得最终该线路的折旧费用(单位：元)。本方法采用工作量折旧法来计算车辆的折旧费用，假设车辆的使用寿命为五年，具体的逻辑步骤为：
a、按车型(9.6米、13米、17.5米)获取多家电商平台的货车报价，选取每类车型销量前10名售价的中位数作为车辆折旧价格。
b、通过上步确定的三类车型的年均行驶里程，可求得五年内的计划行驶总里程。
c、利用车辆折旧价格除以计划行驶总里程可确定每公里折旧系数，若车辆价格被用户调整，则按照车辆价格/5×年公里数求得折旧系数，折旧系数如下表所示：
车辆型号 年限 车辆价格 年公里数 折旧系数
9.6m 5年 269000 92994.5 0.048
13m 5年 433000 145108.5 0.254
17.5m 5年 488000 165504.92 0.254
其中：折旧费的公式为：折旧费＝公里数×对应车长的折旧系数。
第五、保险费：与折旧费用类似，根据多家保险公司提供的保费均价设定车辆保险费用和里程寿命，按照公里数乘以保险系数求得最终该线路的保险费用(单位：元)。目前收集到的针对三类货车的年保险费用都为25000元，若年保险费用被用户调整，则按年保险费/年公里数求得保险系数，保险系数如下表所示：
车辆型号 年保险费 年公里数 保险系数
9.6m 25000 92994.5 0.2688
13m 25000 145108.5 0.1723
17.5m 2500 165504.92 0.1511
，
其中：保险费公式为：保险费＝
第六、燃油费：按照行驶公里数/100乘以百公里油耗后与油价相乘可得该线路最终燃油费用(单位：元)。具体的，油价从http：//youjia.chemcp.com/OHaoChaiYouJiaGe.asp网站中获取最新均价。目前柴油均价为6.6元，三类车型默认的百公里油耗分别为22，30，33，若百公里油耗被用户调整，则按照上述公式再重新计算求得最终燃油费，百公里油耗和油价如下表所示：
车辆型号 百公里油耗 油价
9.6m 22 6.6
13m 30 6.6
17.5m 33 6.6
，
其中：燃油费的公式为：燃油费＝(公里数/100)×百公里油耗。
第七：路费计算较为复杂，具体流程如下：
1、设计单边路费计费标准表，按省份统计各条高速公路、隧道、桥梁的计费标准；对于同一条高速公路其途径各省的收费标准有可能不一致。综合考虑省内各条高速公路的收费标准和计价单位，计算每省的高速公路计费均价。
2、用户设置车辆长度(9.6米，13米，17.5米)，默认情况下三类车型的车货总重分别为25吨、40吨和46吨，用户可根据自身情况设置车货重量。我国高速公路收费标准设置不同，部分高速公路对于五类及以上车辆(车货重量大于15吨)，按行驶里程计费，而部分公路计价单位为每吨每公里，鉴于收费标准的差异性，本计算方法专门设置了用户自填重量，提高了路费计算的精确性。
3、用户设置好出发地和目的地之后，按照百度提供的接口数据收集相关信息。通过检索百度接口中收费公里数不等于零的记录以获取该路线经过的收费路段名称和收费距离，之后根据该收费路段中出现的第一个坐标确定途径路段所属省份。
4、路段计费信息包含在单边的路费计费标准表(具体的收费标准可参考国家公路收费网站发布的收费标准为准)内的，此段路费＝该路段计费标准×该路段行车距离，
a、对于没有被收录进路费计费标准表的路段，此段路费＝该省内高速公路收费均价×该路段行车距离；
b、所有路段收费相加得到最终路费。
5、不足200公里不计路费(较近情况司机一般不选择收费路段)。
6、若用户修改车货总重，则根据所提供的车货重量，重新计算该路线途径的各段高速公路的费用，累积求和，计算出新的路费。
本发明实施例提供的一种基于大数据的货运成本的计算方法，其实际应用例如下：
以一辆计划从北京到上海的9.6米25吨的货车举例。其出发地址为北京安能物流园(北京市顺义区河北村西路鑫大禹水利建筑工程有限公司旁)，GPS坐标为116.725087，40.132875；目的地为上海京东仓库浦东新区园中路288号，GPS坐标为121.731949，31.0370，线路全长共计1232公里，运价成本包括轮胎费59元，维护费82元，司机工资1907元，折旧费712元，保险331元，燃油费1791元以及路费2001元，共计6884元，每项具体计算步骤如下：
轮胎费：59.14元＝1232km*0.048
维护费：82.54元＝1232km*0.067
司机工资：1907元＝1232km*1.5485
折旧费：712.71元＝1232km*0.5785
保险费：331.16元＝1232km*0.2688
燃油费：1791元＝1232/100*22*6.6
路费：2001元，计算流程如下：
如图1所示，由百度提供的接口数据获取到位置信息可知，此线路途径京津高速46.3公里、京沪高速48.7公里、荣乌高速309.4公里、长深高速299.9公里、沈海高速458.9公里；途径省份分别为北京、天津、山东、江苏，最后到达上海，如下表所示：
。
最后应说明的是：以上所述的各实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或全部技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (7)

1.一种基于大数据的货运成本的计算方法，其特征在于：所述货运成本包括轮胎费、维护费、司机工资、折旧费、保险费、燃油费以及路费，其中：
所述轮胎费为按照货运线路的公里数乘以轮胎损耗系数得到该货运线路的轮胎费用；
所述维护费为按照货运线路的公里数乘以维护系数得到该货运线路的维修费用；
所述司机工资为按照货运线路的公里数乘以每公里工资成本得到该货运线路的司机工资；
所述折旧费为按照货运线路的公里数乘以折旧系数得到该货运线路的折旧费用；
所述保险费为按照货运线路的公里数乘以保险系数得到该货运线路的保险费用；
所述燃油费为按照货运线路的公里数/100乘以百公里油耗再与油价相乘得到该货运线路的燃油费用；
所述路费为按照货运线路的公里数乘以收费标准，所述收费标准包括按照行驶里程计费和每吨每公里计费。
2.根据权利要求1所述的基于大数据的货运成本的计算方法，其特征在于，所述轮胎损耗系数为：
车辆型号 轮胎损耗系数 9.6m 0.048 13m 0.254 17.5m 0.254
。
3.根据权利要求1所述的基于大数据的货运成本的计算方法，其特征在于，所述维护系数为：
车辆型号 维护系数 9.6m 0.067 13m 0.16 17.5m 0.16
。
4.根据权利要求1所述的基于大数据的货运成本的计算方法，其特征在于，所述每公里工资成本为：
。
5.根据权利要求1所述的基于大数据的货运成本的计算方法，其特征在于，所述折旧系数为：
车辆型号 年限 车辆价格 年公里数 折旧系数 9.6m 5年 269000 92994.5 0.048 13m 5年 433000 145108.5 0.254 17.5m 5年 488000 165504.92 0.254
6.根据权利要求1所述的基于大数据的货运成本的计算方法，其特征在于，所述保险系数为
车辆型号 年保险费 年公里数 保险系数 9.6m 25000 92994.5 0.2688 13m 25000 145108.5 0.1723 17.5m 2500 165504.92 0.1511
。
7.根据权利要求1所述的基于大数据的货运成本的计算方法，其特征在于，所述百公里油耗与油耗分别为：
车辆型号 百公里油耗 油价 9.6m 22 6.6 13m 30 6.6 17.5m 33 6.6
。
CN201910490286.9A 2019-06-06 2019-06-06 一种基于大数据的货运成本的计算方法 Pending CN110533357A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910490286.9A CN110533357A (zh) 2019-06-06 2019-06-06 一种基于大数据的货运成本的计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910490286.9A CN110533357A (zh) 2019-06-06 2019-06-06 一种基于大数据的货运成本的计算方法

Publications (1)

Publication Number Publication Date
CN110533357A true CN110533357A (zh) 2019-12-03

Family

ID=68659355

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910490286.9A Pending CN110533357A (zh) 2019-06-06 2019-06-06 一种基于大数据的货运成本的计算方法

Country Status (1)

Country Link
CN (1) CN110533357A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110991974A (zh) * 2019-12-20 2020-04-10 贵州黔岸科技有限公司 基于gps的运输成本智能核算系统及方法
CN113191595A (zh) * 2021-04-07 2021-07-30 东风畅行科技股份有限公司 车辆运营全生命周期成本关联数据分析方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107392538A (zh) * 2017-07-21 2017-11-24 浙江专线宝网阔物联科技有限公司 一种非标准件干线物流运输费用计算方法及其系统
CN108133389A (zh) * 2017-12-22 2018-06-08 江苏满运软件科技有限公司 一种公路干线物流的货车运输定价方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107392538A (zh) * 2017-07-21 2017-11-24 浙江专线宝网阔物联科技有限公司 一种非标准件干线物流运输费用计算方法及其系统
CN108133389A (zh) * 2017-12-22 2018-06-08 江苏满运软件科技有限公司 一种公路干线物流的货车运输定价方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110991974A (zh) * 2019-12-20 2020-04-10 贵州黔岸科技有限公司 基于gps的运输成本智能核算系统及方法
CN113191595A (zh) * 2021-04-07 2021-07-30 东风畅行科技股份有限公司 车辆运营全生命周期成本关联数据分析方法及系统

Similar Documents

Publication Publication Date Title
Börjesson et al. The economics of electric roads
CN104463348A (zh) 一种沥青路面改造方案决策系统及方法
JP2002259753A (ja) 中古車両の評価方法および評価装置
Havenga et al. Freight logistics’ contribution to sustainability: Systemic measurement facilitates behavioural change
Robitaille et al. Effectiveness and equity of vehicle mileage fee at federal and state levels
Bagui et al. Controlling vehicle overloading in BOT projects
CN110533357A (zh) 一种基于大数据的货运成本的计算方法
Zhou et al. Impact of incentives on toll road use by trucks
Allen et al. Expanding the set of efficiency gains of a highway investment: conceptual, methodological, and practical issues
King et al. Does road pricing affect port freight activity: Recent evidence from the port of New York and New Jersey
Lishman A critical evaluation of road pricing in South Africa Duncan Lishman.
Wang et al. Analysis of the Round‐Trip Cost of Road Container Transportation in China
Russell et al. Study of the impact of rail abandonment on local roads and streets
Ahmed Vehicle Operating Cost (VOC) For All Classes of Vehicles
Seedah et al. Truck use on texas toll roads
Barros Analysis of pavement damage attributable to overweight trucks in New Jersey
Prozzi et al. Infrastructure-friendly vehicles to support Texas economic competitiveness.
Brogan et al. Transportation Energy Futures Series: Freight Transportation Modal Shares: Scenarios for a Low-Carbon Future
Chan Truck overloading study in developing countries and strategies to minimize its impact
Shobayo et al. Transport economic modelling of last-mile urban freight delivery with palletized shuttle barges (PSBs)
Turkensteen The computation of carbon emissions due to the net payload on a truck
Austin Accounting for External Costs in Freight Transport: Eight Policy Options
Regehr et al. Applying a vehicle classification algorithm to model long multiple trailer truck exposure
Davis et al. A primer on highway finance
Carrigan et al. Assessment of the MASH Heavy Vehicles for Field Relevancy

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210714

Address after: Room 3110, No. 100, Lane 130, Taopu Road, Putuo District, Shanghai

Applicant after: Shanghai zebra Laila Logistics Technology Co.,Ltd.

Address before: Room 308-1, area C, 1718 Daduhe Road, Putuo District, Shanghai 200333

Applicant before: Shanghai kjing XinDa science and Technology Group Co.,Ltd.

WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191203