CN110598940B - 一种基于物联网贸易的物流订单分析预测系统 - Google Patents

一种基于物联网贸易的物流订单分析预测系统 Download PDF

Info

Publication number
CN110598940B
CN110598940B CN201910879278.3A CN201910879278A CN110598940B CN 110598940 B CN110598940 B CN 110598940B CN 201910879278 A CN201910879278 A CN 201910879278A CN 110598940 B CN110598940 B CN 110598940B
Authority
CN
China
Prior art keywords
order
time
information
module
abnormal
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
CN201910879278.3A
Other languages
English (en)
Other versions
CN110598940A (zh
Inventor
卢生
郑磊
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.)
Shenzhen Caichu Network Co.,Ltd.
Original Assignee
Shenzhen Caichu Network 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 Shenzhen Caichu Network Co ltd filed Critical Shenzhen Caichu Network Co ltd
Priority to CN201910879278.3A priority Critical patent/CN110598940B/zh
Publication of CN110598940A publication Critical patent/CN110598940A/zh
Application granted granted Critical
Publication of CN110598940B publication Critical patent/CN110598940B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于物联网贸易的物流订单分析预测系统，解决了现有的物流公司对订单评估不足，导致人手不足，影响运输以及用户在长时间未收到快递，才发现订单对应的包裹损坏、丢失的问题；包括数据采集模块、服务器、订单分析模块、订单预测模块、订单监控模块、异常分析模块和订单预警模块；本发明通过订单分析模块对用户添加的购物车商品进行订单购买值计算，通过对用户的购物车商品进行分析，可提前预估订单的总量；通过订单监控模块采集已发货订单的物流信息，得到订单时间异常指令、订单超时异常指令和订单重量异常指令，并向用户和商家发送订单异常信息，便于用户及时了解订单及包裹的动态信息。

Description

一种基于物联网贸易的物流订单分析预测系统
技术领域
本发明涉及物流订单分析技术领域，尤其涉及一种基于物联网贸易的物流订单分析预测系统。
背景技术
在物流中心每天的营运作业里，订单处理为每日必行作业也是一切作业的起始，俗话说“只有在接到订单之后，其它事情才会开始”，因此订单处理的作业成效深深影响着后续的拣货配送等作业。
然而现有的物流网贸易中，很多用户将商品添加购物车内，然后在进行购买，现有的物流订单无法对用户添加购物车的商品进行订单预测，从而物流公司根据接到的订单和预测的订单进行准备工作，避免订单评估不足，导致人手不足，影响运输，同时，物流公司在运输过程中，用户不能及时了解到订单及包裹是否存在异常，导致用户在长时间未收到快递，才发现订单对应的包裹损坏、丢失。
发明内容
本发明的目的在于提供一种基于物联网贸易的物流订单分析预测系统；本发明通过数据采集模块用于获取购物网站上用户的历史消费订单信息和购物车信息；然后通过订单分析模块对用户添加的购物车商品进行订单购买值计算，通过对用户的购物车商品进行分析，可提前预估订单的总量；通过订单监控模块采集已发货订单的物流信息，得到订单时间异常指令、订单超时异常指令和订单重量异常指令，并向用户和商家发送订单异常信息，便于用户及时了解订单及包裹的动态信息。
本发明所要解决的技术问题为：
(1)如何通过对用户的购物车信息进行采集，并通过对商品的添加时间计算，结合用户的历史消费订单以及消费金额进行订单购买值计算，得到该添加购物车商品成为订单的可能性，解决了现有的物流公司对订单评估不足，导致人手不足，影响运输的问题；
(2)如何通过对订单的运输到达时间以及订单对应的包裹重量进行分析，从而及时得到订单的异常情况，便于用户及时了解订单及包裹的动态信息，解决用户在长时间未收到快递，才发现订单对应的包裹损坏、丢失的问题；
本发明的目的可以通过以下技术方案实现：一种基于物联网贸易的物流订单分析预测系统，包括数据采集模块、服务器、订单分析模块、订单预测模块、订单监控模块、异常分析模块和订单预警模块；
所述数据采集模块用于获取购物网站上用户的历史消费订单信息和购物车信息；历史消费订单信息包括订单的购买时间、订单的购买金额和订单对应的收货地址；购物车信息包括用户添加购物车的商品、添加时间、商品对应的店铺购买次数以及该店铺的发货地址、该店铺发货的快递公司和发货地址；所述数据采集模块将采集的历史消费订单信息和购物车信息发送至服务器内进行存储；所述订单分析模块用于对用户添加的购物车商品进行订单购买值计算，具体计算步骤如下：
步骤一：设定添加购物车的商品记为Di，i＝1、……、n；商品对应的店铺购买次数记为PDi；
步骤二：获取购物车的商品对应的添加时间与系统当前时间差值计算，得到添加时间差，并将添加时间差标记为TDi；
步骤三：获取历史消费订单信息并进行筛选，筛选出系统当前时间所在月份所有的历史消费订单以及前三个月的历史消费订单，并将其标记为参考订单；
步骤四：统计参考订单的数量并标记为Ma，获取系统当前时间所在月份所有的历史消费订单对应的订单价格求和得到当前月份消费额，并将其标记为MD；获取系统当前时间前三个月的历史消费订单对应的订单价格并求和，求和后计算月消费均值，并将月消费均值标记为YX；
步骤五：利用公式
Figure GDA0002403196050000031
获取得到购物车的商品对应的订单购买值DMDi；其中ρ为修正因子，取值为1.324122；m1、m2和m3均为预设比例系数；
步骤六：当订单购买值大于预设值时，生成预测指令，然后订单分析模块将用户、用户购物车商品对应的订单购买值、预测指令和购物车信息发送至订单预测模块；
所述订单预测模块用于根据订单购买值进行分析预测得到预估订单；具体分析过程如下：
a：订单预测模块接收到预测指令，对该商品和该商品对应的订单购买值以及购物车信息进行分析；
b：获取服务器内存储的该用户的历史消费订单信息，通过历史消费订单信息内订单对应的收货地址，选取收货地址对应的订单数量最多的地址，并将其标记为优先收货地址；
c：获取该商品对应的店铺及该店铺发货的快递公司和发货地址；当发货地址为多个时，则将多个发货地址与优先收货地址进行距离计算，选取距离最近的发货地址标记为优先地址；
d：将优先地址、优先收货地址和对应的商品及店铺发货的快递公司构成预估订单，订单预测模块将预估订单发送至服务器内进行存储；
优选的，所述订单监控模块用于采集已发货订单的物流信息，物流信息包括订单基础信息、订单的配送开始时间、订单对应的运输公司和运输公司运输经过的中转站以及经过中转站扫描的时间和订单对应包裹的重量；订单基础信息包括用户地址和联系电话以及商家发货地址和联系电话；所述订单监控模块将采集的已发货订单的物流信息发送至异常分析模块；
所述异常分析模块用于对订单进行异常分析，具体分析步骤如下：
步骤一：设定已发货订单记为Rj，j＝1、……、n；已发货订单已揽件的时间记为TRj；
步骤二：根据已发货订单的发货地址和收货地址得到运输公司经过的对应中转站以及运输路线；设定中转站记为Zk,k＝1、……、6；
步骤三：根据运输路线依次经过的中转先后顺序，对中转站Zk进行排序；依次排序为Z1、Z2、Z3、Z4、Z5、Z6；
步骤四：根据排序后的中转站进行分析计算距离，根据距离设置中转站Zk到达的预估时长并将预估时长标记为TZk；
步骤五：通过中转站对包裹扫码称重得到已发货订单的订单信息和重量信息，并将称重的重量记为LiRj；i＝1、……、6；
步骤六：已发货订单经过中转站进行异常值分析，获取得到订单时间异常指令、订单超时异常指令和订单重量异常指令；
步骤七：异常分析模块将订单时间异常指令、订单超时异常指令和订单重量异常指令发送至订单预警模块；
优选的，步骤六所述的已发货订单经过中转站进行异常值分析的具体步骤如下：
S1：当已发货订单最先经过的中转站Z1运送时开始计时，将开始计时的时刻标记为K1Rj；重量记为L1Rj；当已发货订单在系统当前时间与开始计时的时刻K1Rj之间的差值等于预估时长TZ2开始异常值计算；
S2：利用公式YCRj＝(TD-K1Rj-TZ2)*c1获取得到时间异常值YCRj；其中c1为预设比例系数，TD表示系统当前时间；当时间异常值YCRj大于设定阈值，则生成订单时间异常指令；
S3：当中转站Z2在预估时长TZ2之前接收到已发货订单，则对已发货订单对应的重量LiRj进行分析，当计算LiRj与L1Rj之间的重量差，当重量差大于预设阈值，则生成订单重量异常指令；
S4：当中转站Z2在预估时长TZ2之后接收到已发货订单，统计中转站Z2接收到已发货订单的时刻和已发货订单对应的包裹重量，分别将其标记为K2Rj、L2Rj；利用公式
Figure GDA0002403196050000051
获取得到超时异常值CSRj；其中c2和c3均为预设比例系数；当超时异常值大于设定阈值，则生成订单超时异常指令；
优选的，所述订单预警模块用于向用户和商家发送订单异常信息以及发送至服务器内进行存储，具体过程如下：当订单预警模块接收到订单时间异常指令、订单超时异常指令或订单重量异常指令，则向用户、商家以及对应的运输公司发送订单时间异常、订单超时异常或订单重量异常信息。
本发明的有益效果：
(1)本发明通过数据采集模块用于获取购物网站上用户的历史消费订单信息和购物车信息；然后通过订单分析模块对用户添加的购物车商品进行订单购买值计算，利用公式获取得到购物车的商品对应的订单购买值；商品对应的店铺购买次数越多，订单购买值越大，表示该添加购物车的商品成为购买订单的可能性越大；添加时间差越接近四天，订单购买值越大；月消费均值越大订单购买值越大；当前月份消费额MD越小，订单购买值越大；通过对用户的购物车商品进行分析，可提前预估订单的总量，避免现有的运输公司，订单总量突然增长，导致运输人手不足，影响用户收货时间；
(2)本发明通过订单监控模块采集已发货订单的物流信息，订单监控模块将采集的已发货订单的物流信息发送至异常分析模块；异常分析模块用于对订单进行异常分析，异常分析模块将订单时间异常指令、订单超时异常指令和订单重量异常指令发送至订单预警模块；订单预警模块用于向用户和商家发送订单异常信息，便于用户及时了解订单及包裹的动态信息。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明一种基于物联网贸易的物流订单分析预测系统的原理框图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明为一种基于物联网贸易的物流订单分析预测系统，包括数据采集模块、服务器、订单分析模块、订单预测模块、订单监控模块、异常分析模块和订单预警模块；
数据采集模块用于获取购物网站上用户的历史消费订单信息和购物车信息；历史消费订单信息包括订单的购买时间、订单的购买金额和订单对应的收货地址；购物车信息包括用户添加购物车的商品、添加时间、商品对应的店铺购买次数以及该店铺的发货地址、该店铺发货的快递公司和发货地址；数据采集模块将采集的历史消费订单信息和购物车信息发送至服务器内进行存储；订单分析模块用于对用户添加的购物车商品进行订单购买值计算，具体计算步骤如下：
步骤一：设定添加购物车的商品记为Di，i＝1、……、n；商品对应的店铺购买次数记为PDi；
步骤二：获取购物车的商品对应的添加时间与系统当前时间差值计算，得到添加时间差，单位是天，并将添加时间差标记为TDi；
步骤三：获取历史消费订单信息并进行筛选，筛选出系统当前时间所在月份所有的历史消费订单以及前三个月的历史消费订单，并将其标记为参考订单；
步骤四：统计参考订单的数量并标记为Ma，获取系统当前时间所在月份所有的历史消费订单对应的订单价格求和得到当前月份消费额，并将其标记为MD；获取系统当前时间前三个月的历史消费订单对应的订单价格并求和，求和后计算月消费均值，并将月消费均值标记为YX；
步骤五：利用公式
Figure GDA0002403196050000071
获取得到购物车的商品对应的订单购买值DMDi；其中ρ为修正因子，取值为1.324122；m1、m2和m3均为预设比例系数；4表示四天，通过公式可得，商品对应的店铺购买次数越多，订单购买值越大，表示该添加购物车的商品成为购买订单的可能性越大；添加时间差越接近四天，订单购买值越大；月消费均值越大订单购买值越大；当前月份消费额MD越小，订单购买值越大；
步骤六：当订单购买值大于预设值时，生成预测指令，然后订单分析模块将用户、用户购物车商品对应的订单购买值、预测指令和购物车信息发送至订单预测模块；
订单预测模块用于根据订单购买值进行分析预测得到预估订单；具体分析过程如下：
a：订单预测模块接收到预测指令，对该商品和该商品对应的订单购买值以及购物车信息进行分析；
b：获取服务器内存储的该用户的历史消费订单信息，通过历史消费订单信息内订单对应的收货地址，选取收货地址对应的订单数量最多的地址，并将其标记为优先收货地址；
c：获取该商品对应的店铺及该店铺发货的快递公司和发货地址；当发货地址为多个时，则将多个发货地址与优先收货地址进行距离计算，选取距离最近的发货地址标记为优先地址；
d：将优先地址、优先收货地址和对应的商品及店铺发货的快递公司构成预估订单，订单预测模块将预估订单发送至服务器内进行存储。
订单监控模块用于采集已发货订单的物流信息，物流信息包括订单基础信息、订单的配送开始时间、订单对应的运输公司和运输公司运输经过的中转站以及经过中转站扫描的时间和订单对应包裹的重量；订单基础信息包括用户地址和联系电话以及商家发货地址和联系电话；订单监控模块将采集的已发货订单的物流信息发送至异常分析模块；
异常分析模块用于对订单进行异常分析，具体分析步骤如下：
步骤一：设定已发货订单记为Rj，j＝1、……、n；已发货订单已揽件的时间记为TRj；
步骤二：根据已发货订单的发货地址和收货地址得到运输公司经过的对应中转站以及运输路线；设定中转站记为Zk,k＝1、……、6；
步骤三：根据运输路线依次经过的中转先后顺序，对中转站Zk进行排序；依次排序为Z1、Z2、Z3、Z4、Z5、Z6；
步骤四：根据排序后的中转站进行分析计算距离，根据距离设置中转站Zk到达的预估时长并将预估时长标记为TZk；
步骤五：通过中转站对包裹扫码称重得到已发货订单的订单信息和重量信息，并将称重的重量记为LiRj；i＝1、……、6；中转站对包裹扫码称重属于现有技术，在CN104008475B一种商品出库方法，公开了对包裹扫码和称重；
步骤六：已发货订单经过中转站进行异常值分析，具体步骤如下：
S1：当已发货订单最先经过的中转站Z1运送时开始计时，将开始计时的时刻标记为K1Rj；重量记为L1Rj；当已发货订单在系统当前时间与开始计时的时刻K1Rj之间的差值等于预估时长TZ2开始异常值计算；
S2：利用公式YCRj＝(TD-K1Rj-TZ2)*c1获取得到时间异常值YCRj；其中c1为预设比例系数，TD表示系统当前时间；当时间异常值YCRj大于设定阈值，则生成订单时间异常指令；
S3：当中转站Z2在预估时长TZ2之前接收到已发货订单，则对已发货订单对应的重量LiRj进行分析，当计算LiRj与L1Rj之间的重量差，当重量差大于预设阈值，则生成订单重量异常指令；
S4：当中转站Z2在预估时长TZ2之后接收到已发货订单，统计中转站Z2接收到已发货订单的时刻和已发货订单对应的包裹重量，分别将其标记为K2Rj、L2Rj；利用公式
Figure GDA0002403196050000091
获取得到超时异常值CSRj；其中c2和c3均为预设比例系数；当超时异常值大于设定阈值，则生成订单超时异常指令；通过公式可得，订单扫描的时间越晚，超时异常值越大，表示该订单对应的包裹存在的异常可能性越大；订单对应的包裹重量变化越大，超时异常值越大；
步骤七：异常分析模块将订单时间异常指令、订单超时异常指令和订单重量异常指令发送至订单预警模块；
订单预警模块用于向用户和商家发送订单异常信息以及发送至服务器内进行存储，具体过程如下：当订单预警模块接收到订单时间异常指令、订单超时异常指令或订单重量异常指令，则向用户、商家以及对应的运输公司发送订单时间异常、订单超时异常或订单重量异常信息。
本发明的工作原理：本发明通过数据采集模块用于获取购物网站上用户的历史消费订单信息和购物车信息；然后通过订单分析模块对用户添加的购物车商品进行订单购买值计算，获取购物车的商品对应的添加时间与系统当前时间差值计算，得到添加时间差，获取历史消费订单信息并进行筛选，筛选出系统当前时间所在月份所有的历史消费订单以及前三个月的历史消费订单，统计参考订单的数量并标记为Ma，获取系统当前时间所在月份所有的历史消费订单对应的订单价格求和得到当前月份消费额，获取系统当前时间前三个月的历史消费订单对应的订单价格并求和，求和后计算月消费均值，利用公式
Figure GDA0002403196050000101
获取得到购物车的商品对应的订单购买值DMDi；商品对应的店铺购买次数越多，订单购买值越大，表示该添加购物车的商品成为购买订单的可能性越大；添加时间差越接近四天，订单购买值越大；月消费均值越大订单购买值越大；当前月份消费额MD越小，订单购买值越大；通过对用户的购物车商品进行分析，可提前预估订单的总量，避免现有的运输公司，订单总量突然增长，导致运输人手不足，影响用户收货时间；订单监控模块用于采集已发货订单的物流信息，订单监控模块将采集的已发货订单的物流信息发送至异常分析模块；异常分析模块用于对订单进行异常分析，根据已发货订单的发货地址和收货地址得到运输公司经过的对应中转站以及运输路线，根据运输路线依次经过的中转先后顺序，对中转站Zk进行排序；根据排序后的中转站进行分析计算距离，根据距离设置中转站Zk到达的预估时长，通过中转站对包裹扫码称重得到已发货订单的订单信息和重量信息，已发货订单经过中转站进行异常值分析，异常分析模块将订单时间异常指令、订单超时异常指令和订单重量异常指令发送至订单预警模块；订单预警模块用于向用户和商家发送订单异常信息，便于用户及时了解订单及包裹的动态信息。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (4)

1.一种基于物联网贸易的物流订单分析预测系统，其特征在于，包括数据采集模块、服务器、订单分析模块、订单预测模块、订单监控模块、异常分析模块和订单预警模块；
所述数据采集模块用于获取购物网站上用户的历史消费订单信息和购物车信息；所述数据采集模块将采集的历史消费订单信息和购物车信息发送至服务器内进行存储；所述订单分析模块用于对用户添加的购物车商品进行订单购买值计算，具体计算步骤如下：
步骤一：设定添加购物车的商品记为Di，i＝1、……、n；商品对应的店铺购买次数记为PDi；
步骤二：获取购物车的商品对应的添加时间与系统当前时间差值计算，得到添加时间差，并将添加时间差标记为TDi；TDi的单位为天；
步骤三：获取历史消费订单信息并进行筛选，筛选出系统当前时间所在月份所有的历史消费订单以及前三个月的历史消费订单，并将其标记为参考订单；
步骤四：统计参考订单的数量并标记为Ma，获取系统当前时间所在月份所有的历史消费订单对应的订单价格求和得到当前月份消费额，并将其标记为MD；获取系统当前时间前三个月的历史消费订单对应的订单价格并求和，求和后计算月消费均值，并将月消费均值标记为YX；
步骤五：利用公式
Figure FDA0002509388210000011
获取得到购物车的商品对应的订单购买值DMDi；其中ρ为修正因子，取值为1.324122；m1、m2和m3均为预设比例系数；
步骤六：当订单购买值大于预设值时，生成预测指令，然后订单分析模块将用户、用户购物车商品对应的订单购买值、预测指令和购物车信息发送至订单预测模块；
所述订单预测模块用于根据订单购买值进行分析预测得到预估订单；具体分析过程如下：
a：订单预测模块接收到预测指令，对该商品和该商品对应的订单购买值以及购物车信息进行分析；
b：获取服务器内存储的该用户的历史消费订单信息，通过历史消费订单信息内订单对应的收货地址，选取收货地址对应的订单数量最多的地址，并将其标记为优先收货地址；
c：获取该商品对应的店铺及该店铺发货的快递公司和发货地址；当发货地址为多个时，则将多个发货地址与优先收货地址进行距离计算，选取距离最近的发货地址标记为优先地址；
d：将优先地址、优先收货地址和对应的商品及店铺发货的快递公司构成预估订单，订单预测模块将预估订单发送至服务器内进行存储；
订单监控模块采集已发货订单的物流信息，订单监控模块将采集的已发货订单的物流信息发送至异常分析模块；异常分析模块用于对订单进行异常分析，异常分析模块将订单时间异常指令、订单超时异常指令和订单重量异常指令发送至订单预警模块；订单预警模块用于向用户和商家发送订单异常信息。
2.根据权利要求1所述的一种基于物联网贸易的物流订单分析预测系统，其特征在于，所述订单监控模块用于采集已发货订单的物流信息，物流信息包括订单基础信息、订单的配送开始时间、订单对应的运输公司和运输公司运输经过的中转站以及经过中转站扫描的时间和订单对应包裹的重量；订单基础信息包括用户地址和联系电话以及商家发货地址和联系电话；所述订单监控模块将采集的已发货订单的物流信息发送至异常分析模块；
所述异常分析模块用于对订单进行异常分析，具体分析步骤如下：
步骤一：设定已发货订单记为Rj，j＝1、……、n；已发货订单已揽件的时间记为TRj；
步骤二：根据已发货订单的发货地址和收货地址得到运输公司经过的对应中转站以及运输路线；设定中转站记为Zk,k＝1、……、6；
步骤三：根据运输路线依次经过的中转先后顺序，对中转站Zk进行排序；依次排序为Z1、Z2、Z3、Z4、Z5、Z6；
步骤四：根据排序后的中转站进行分析计算距离，根据距离设置中转站Zk到达的预估时长并将预估时长标记为TZk；
步骤五：通过中转站对包裹扫码称重得到已发货订单的订单信息和重量信息，并将称重的重量记为LiRj；i＝1、……、6；
步骤六：已发货订单经过中转站进行异常值分析，获取得到订单时间异常指令、订单超时异常指令和订单重量异常指令；
步骤七：异常分析模块将订单时间异常指令、订单超时异常指令和订单重量异常指令发送至订单预警模块。
3.根据权利要求2所述的一种基于物联网贸易的物流订单分析预测系统，其特征在于，步骤六所述的已发货订单经过中转站进行异常值分析的具体步骤如下：
S1：当已发货订单最先经过的中转站Z1运送时开始计时，将开始计时的时刻标记为K1Rj；重量记为L1Rj；当已发货订单在系统当前时间与开始计时的时刻K1Rj之间的差值等于预估时长TZ2开始异常值计算；
S2：利用公式YCRj＝(TD-K1Rj-TZ2)*c1获取得到时间异常值YCRj；其中c1为预设比例系数，TD表示系统当前时间；当时间异常值YCRj大于设定阈值，则生成订单时间异常指令；
S3：当中转站Z2在预估时长TZ2之前接收到已发货订单，则对已发货订单对应的重量LiRj进行分析，当计算LiRj与L1Rj之间的重量差，当重量差大于预设阈值，则生成订单重量异常指令；
S4：当中转站Z2在预估时长TZ2之后接收到已发货订单，统计中转站Z2接收到已发货订单的时刻和已发货订单对应的包裹重量，分别将其标记为K2Rj、L2Rj；利用公式
Figure FDA0002509388210000041
获取得到超时异常值CSRj；其中c2和c3均为预设比例系数；当超时异常值大于设定阈值，则生成订单超时异常指令。
4.根据权利要求1所述的一种基于物联网贸易的物流订单分析预测系统，其特征在于，所述订单预警模块用于向用户和商家发送订单异常信息以及发送至服务器内进行存储，具体过程如下：当订单预警模块接收到订单时间异常指令、订单超时异常指令或订单重量异常指令，则向用户、商家以及对应的运输公司发送订单时间异常、订单超时异常或订单重量异常信息；所述历史消费订单信息包括订单的购买时间、订单的购买金额和订单对应的收货地址；购物车信息包括用户添加购物车的商品、添加时间、商品对应的店铺购买次数以及该店铺的发货地址、该店铺发货的快递公司和发货地址。
CN201910879278.3A 2019-09-18 2019-09-18 一种基于物联网贸易的物流订单分析预测系统 Active CN110598940B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910879278.3A CN110598940B (zh) 2019-09-18 2019-09-18 一种基于物联网贸易的物流订单分析预测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910879278.3A CN110598940B (zh) 2019-09-18 2019-09-18 一种基于物联网贸易的物流订单分析预测系统

Publications (2)

Publication Number Publication Date
CN110598940A CN110598940A (zh) 2019-12-20
CN110598940B true CN110598940B (zh) 2020-08-18

Family

ID=68860663

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910879278.3A Active CN110598940B (zh) 2019-09-18 2019-09-18 一种基于物联网贸易的物流订单分析预测系统

Country Status (1)

Country Link
CN (1) CN110598940B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111199372A (zh) * 2019-12-30 2020-05-26 上海瀚之友信息技术服务有限公司 一种虚拟电子产品的库存管理系统及方法
CN113139767A (zh) * 2020-01-20 2021-07-20 菜鸟智能物流控股有限公司 物流对象分拨方法和装置、电子设备以及计算机可读存储介质
CN111461616B (zh) * 2020-04-07 2023-05-23 中国民航信息网络股份有限公司 一种中转行李延误预警的方法及装置
CN111461620B (zh) * 2020-04-09 2023-08-01 海口慧海医药有限公司 一种基于区块链物流数据分布式存储方法及装置
CN111652539B (zh) * 2020-04-22 2023-08-25 上海德启信息科技有限公司 一种异常事件监控方法、装置、系统
CN111461625B (zh) * 2020-04-23 2022-09-23 河南华鼎供应链管理有限公司 一种物流监控信息交换管理系统
CN112258117B (zh) * 2020-10-27 2021-09-21 上海寻梦信息技术有限公司 寄件方法、装置、电子设备以及存储介质
CN112215685B (zh) * 2020-11-02 2021-07-13 杭州次元岛科技有限公司 一种基于物联网的电商管理系统
CN112862406B (zh) * 2021-03-03 2024-02-27 湖南奥维思供应链管理有限公司 基于大数据分析的物流订单在线智能管理云平台
CN113191708A (zh) * 2021-04-16 2021-07-30 上海东普信息科技有限公司 物流配送监控方法、装置、设备及存储介质
CN114358673B (zh) * 2021-11-30 2023-08-04 杭州光云科技股份有限公司 异常物流预警方法、装置、计算机设备及存储介质
CN114724307B (zh) * 2022-04-06 2023-06-02 安徽信息工程学院 校园快递站智能快递柜
CN115879849B (zh) * 2023-03-03 2023-05-09 青岛海天利达金属技术有限公司 一种物流信息的智能管理方法
CN116485301B (zh) * 2023-05-30 2023-12-05 佛山众陶联供应链服务有限公司 基于业务信息和物流信息的业务真实性判断方法及系统
CN117273579B (zh) * 2023-08-16 2024-02-09 江苏多飞网络科技有限公司 一种基于大数据的电商商品溯源管理系统
CN116843256A (zh) * 2023-08-28 2023-10-03 四川丝路易购科技有限公司 一种国际贸易物流跟踪方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105528374A (zh) * 2014-10-21 2016-04-27 苏宁云商集团股份有限公司 一种电子商务中的商品推荐方法及其系统
CN108846708A (zh) * 2018-06-29 2018-11-20 中国联合网络通信集团有限公司 用户购买行为预测方法、装置、设备及存储介质
US10410272B1 (en) * 2014-08-20 2019-09-10 Square, Inc. Predicting orders from buyer behavior

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104766144A (zh) * 2015-04-22 2015-07-08 携程计算机技术（上海）有限公司 订单预测方法及系统
CN110110931A (zh) * 2019-05-09 2019-08-09 上汽安吉物流股份有限公司 订单预测方法和装置、物流系统及计算机可读介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10410272B1 (en) * 2014-08-20 2019-09-10 Square, Inc. Predicting orders from buyer behavior
CN105528374A (zh) * 2014-10-21 2016-04-27 苏宁云商集团股份有限公司 一种电子商务中的商品推荐方法及其系统
CN108846708A (zh) * 2018-06-29 2018-11-20 中国联合网络通信集团有限公司 用户购买行为预测方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN110598940A (zh) 2019-12-20

Similar Documents

Publication Publication Date Title
CN110598940B (zh) 一种基于物联网贸易的物流订单分析预测系统
US8498888B1 (en) Cost-based fulfillment tie-breaking
US20140257928A1 (en) Allocating regional inventory to reduce out-of-stock costs
CN110210879B (zh) 基于云计算的商品销售管理系统
CN112418536A (zh) 一种基于大数据的物流到货时长实时监测预估系统
CN112215685B (zh) 一种基于物联网的电商管理系统
CN109685421A (zh) 一种商品库存管理方法、装置、存储介质及终端
CN112184397B (zh) 一种基于购物商城的商品管理系统
CN107578314A (zh) 一种电子商务物流系统
CN112288374B (zh) 一种基于云计算的智慧供应链物流智能优化管理系统
TW200300536A (en) Sales forecasting apparatus and sales forecasting method
CN111724114A (zh) 一种基于大数据的电商商品分配物流智能管理系统
CN114254830A (zh) 一种订单集中处理方法及系统
CN112163874A (zh) 一种用于电商平台的售后服务系统
CN114462946A (zh) 一种基于fba订单进销存头程运费管理系统及方法
JP2007249406A (ja) グリーン購入に伴う二酸化炭素削減効果の集計方法
JP2001106310A (ja) 物流システム
CN115081961B (zh) 一种基于大数据的物流运力智能调派方法
CN115358813A (zh) 一种跨境电商平台智能运营系统
CN111008807A (zh) 限时物流的农产品互联网派送系统
CN110659956A (zh) 一种定时合并订单的众包下发方法
CN113157673B (zh) 基于用户特征识别分析的快递物流用户数据库统一化建立方法
CN114169831A (zh) 一种基于网络超市系统的物流配送方法
CN114792195A (zh) 产业链数据分析系统
Werbińska-Wojciechowska On logistics service quality evaluation-case study

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: 20200720

Address after: 518000 44 / F, tower a, Neo building, 6011 Shennan Avenue, Futian District, Shenzhen, Guangdong Province

Applicant after: Shenzhen Caichu Network Co.,Ltd.

Address before: 518000 Guangdong city of Shenzhen province Qianhai Shenzhen Hong Kong cooperation zone before Bay Road No. 1 building 201 room A (located in Shenzhen Qianhai business secretary Co. Ltd.)

Applicant before: Shenzhen Yude Jinchang Trading Co.,Ltd.

GR01 Patent grant
GR01 Patent grant