CN110717716A - 一种云物流平台及构建方法 - Google Patents
一种云物流平台及构建方法 Download PDFInfo
- Publication number
- CN110717716A CN110717716A CN201910958206.8A CN201910958206A CN110717716A CN 110717716 A CN110717716 A CN 110717716A CN 201910958206 A CN201910958206 A CN 201910958206A CN 110717716 A CN110717716 A CN 110717716A
- Authority
- CN
- China
- Prior art keywords
- logistics
- cloud
- platform
- service
- management
- 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
Links
- 238000010276 construction Methods 0.000 title claims abstract description 11
- 238000009826 distribution Methods 0.000 claims abstract description 49
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 238000003860 storage Methods 0.000 claims abstract description 17
- 238000013439 planning Methods 0.000 claims abstract description 9
- 238000005065 mining Methods 0.000 claims abstract description 6
- 238000007726 management method Methods 0.000 claims description 86
- 238000000034 method Methods 0.000 claims description 32
- 238000005516 engineering process Methods 0.000 claims description 21
- 238000007418 data mining Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000012384 transportation and delivery Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000007621 cluster analysis Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 claims description 5
- 101000822819 Naja naja Cytotoxin-like basic protein Proteins 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013079 data visualisation Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000013433 optimization analysis Methods 0.000 claims description 3
- 230000009326 social learning Effects 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 description 9
- 230000006399 behavior Effects 0.000 description 3
- 238000013468 resource allocation Methods 0.000 description 2
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种云物流平台及构建方法，属于云物流技术领域，包括云物流平台和物流平台的构建方法，物流平台包括平台体系架构、大数据处理中心和用户层；物流平台的构建方法包括：S1、物流任务搭建；S2、建立服务资源库；S3、构建物流任务与云物流服务资源组合模型；S4、大数据挖掘以及物流需求预测；S5、物流仓储规划与联合库存优化；S6、物流运输与终端配送优化。通过云物流平台能够很好地沟通物流资源提供者和物流需求之间的联系，实现物流资源、物流能力、物流知识的共享与按需使用，通过公共的云物流服务平台，为物流需求的企业和个人提供选择、沟通和服务匹配，实现用户随时获取、按需服务、安全可靠、优质低价的物流服务。
Description
技术领域
本发明涉及云物流技术领域，特别涉及一种云物流平台及构建方法。
背景技术
随着云计算、大数据的等的深入研究，目前已有一些云计算平台应用在物流行业中，比如一类平台将商务生态系统信息与快递业信息有机融合在一起，各个业务板块之间数据实现共享，同时利用大数据进行记录分析和解读，获取有价值的信息，以提高相关方的竞争优势、创造价值，但是面向的服务群体还是以消费领域为主，未涉及到相关的工业企业制造业物流领域；另一类就是基于云计算、大数据和人工智能技术实现车货匹配的物流信息平台，为公路运输物流行业提供高效的管车配货工具，同时为车找货(配货)、货找车(托运)提供全面的信息及交易服务。
制造业是云物流模式与大数据服务平台应用的重要领域，云物流服务也将使整个制造业深受其益。当今制造企业之间的竞争已经演变为整条供应链之间的竞争，各企业也都在尽力整合自己的供应链。然而，要形成一个高效的供应链面临许多困难，例如制造业供应链各个企业的物流与信息流之间的传递不顺，库存水平与供应链实际货物需求毫无关系等。因此，制造企业要提升竞争力就必须对价值供应链进行整合。
当前一些制造业由于资源有限而无法完成越来越多的物流订单，与此同时一些制造企业存在资源过剩的情况，这种现象在物流供应链中表现的非常突出，并且缺少信息共享的平台，使得制造业物流成本过高、物流效率与竞争力低下，市场上大部分平台只提供网络调车，同城配送或者一般传统信息查询服务，不能充分利用物流活动过程中产生的海量数据，并且缺乏标准性和规范性，且存在比较严重的供需不对称问题，也存在不同区域、不同物流业务类型、不同服务时间段的不平衡问题。
发明内容
本发明的目的就在于为了解决上述物流成本高、物流效率低以及供需不对称，区域、业务类型、服务时间段三者之间不平衡的问题而提供一种云物流平台及构建方法，具有数据挖掘技术，优化物流大数据服务，物流调度效率高，中小物流企业与车辆资源之间的信息对称，降低交易成本的优点。
本发明通过以下技术方案来实现上述目的，一种云物流平台，包括平台体系架构、大数据处理中心和用户层；
所述平台体系架构包括平台交易服务层、平台技术支撑层以及平台管理层，所述平台交易服务层用于向所述用户层提供云物流服务，所述平台技术支撑层基于所述大数据处理中心提供的数据为所述平台管理层以及所述平台交易服务层提供技术支撑；
所述平台管理层包括云仓管理子平台、云运管理子平台和云配管理子平台，所述云仓管理子平台用于物流仓储的商品智能管理，所述云运管理子平台用于物流运输的车辆智能管理，所述云配管理子平台用于用户、商品和运输车辆三者之间的配送智能管理。
优选的，所述平台技术支撑层包括云物流计算、物联网、BDS/GIS、大数据挖掘、区块链以及人工智能自学习自适应。
优选的，所述平台交易服务层包括在线接单发布、运单管理、一站式查询服务、资源库管理、全程物流跟踪服务、财务管理服务、物流金融服务和消息服务。
优选的，所述云仓管理子平台包括智能需求预测、智能识别分拣、智能财务核算以及联合库存管理。
优选的，所述云运管理子平台包括整车运输管理、零担运输管理、智能联运管理以及车辆管理。
优选的，所述运配管理子平台包括智能配载管理、智能路径优化、智能调度以及智能预约配送。
优选的，所述大数据处理中心包括数据源导入、数据可视化以及分析决策。
一种云物流平台的构建方法，包括以下步骤：
S1、物流任务搭建：分析云物流服务模式下物流用户的物流需求(如：仓储需求、运输需求和配送需求)，将用户需求转化为物流任务，根据不同类型的物流任务属性、特征以及任务间的相关关系，对物流任务进行分类，对物流任务进行形式化描述，建立物流任务模型；
S2、建立服务资源库：通过数据挖掘从大量云物流服务资源池中搜索满足物流任务要求的云物流服务资源，建立与物流任务相匹配的云物流服务资源库，建立方法如下：
A、分析云物流服务资源类型与特征；
B、扩展OWL-S(面向服务的本体描述语言)服务本体，定义云物流服务本体，建立云物流服务资源的形式化模型；
C、针对不同物流任务需求，建立物流任务与云物流服务资源的匹配关系、匹配方法，根据匹配关系，建立物流任务与云物流服务资源的多层次匹配算法；
S3、构建物流任务与云物流服务资源组合模型：分析物流任务与云物流服务的组合形式的结构及其特征，设计云物流服务组合评价的QoS(服务质量)指标，基于QoS的云物流服务组合策略，采用SLO(社会学习优化)群体智能算法构建物流任务与云物流服务资源组合模型；
S4、大数据挖掘以及物流需求预测：采用大数据挖掘方法对已有海量客户与商品数据的关联关系和内在规律进行解析，使得物流提供商增强老用户粘性的同时挖掘潜在的新客户，增强客户关系挖掘与管理能力，通过大数据挖掘技术对海量货品信息间的联系进行关联分析，实现商品的合理储位，建立一个基于大数据的销售需求的预测模型：以圆形反向传播网络(CBP)模型为基础考虑环境因子建立二重趋势中趋势变动分量LCBP模型，再结合数据时间相关性建立二重趋势中波动分量PBCP模型，最终组合两分量CBP模型建立整体的趋势预测模型CCBP模型，并利用所建的模型对市场的需求进行预测分析；
S5、物流仓储规划与联合库存优化：分析现有仓储的特征和分布，分析影响库存管理模式的影响因素，运用定性和定量相结合的方法研究影响因素和库存管理模式选择之间的关系，建立大数据环境下物流库存管理模式的决策模型，通过大数据对商品特性与区域分布以及仓储状况分析，考虑消费者购物分布特征、仓储决策模式、交通状况、企业市场占有率以及顾客的分布、购物频率、订单关联性，构建基于服务-时间-成本的混合型物流仓储中心多级选址模型，采用蚁群算法规划物流中心；
S6、物流运输与终端配送优化：从效率、成本和可靠性角度以及订单到达目的地时间、顾客收货地点等方面进行大数据分析，在物流配送中心的布局的基础上，研究干线运输方式和不同运输方式的无缝衔接机制，构建供应链物流干线联合运输的优化模型，从成本、效率和顾客满意度角度，采用聚类分析、车辆路径优化等方法，建立供应链物流各终端配送模式的实时路径优化模型，从成本、效率和环境保护角度出发，采用车辆路径优化、聚类分析等方法研究不同终端配送模式组合应用的可操作性和优越性，为供应链物流服务终端配送模式提供优化方案。
与现有技术相比，本发明的有益效果是：
1、云物流服务通过云物流平台能够很好地沟通物流资源提供者和物流需求之间的联系，实现物流资源、物流能力、物流知识的共享与按需使用。在云物流服务模式下，大量分散的物流资源按照一定的标准和规范进行虚拟化接入，构成庞大的数据资源池，通过公共的云物流服务平台，为物流需求的企业和个人提供选择、沟通和服务匹配，实现用户随时获取、按需服务、安全可靠、优质低价的物流服务。
2、关注工业企业物流的痛点，实现工业企业、物流企业和实际承运人的互联互通；通过平台标准化建设，实现物流过程的线上标准化；通过在线结算、区块链技术和平台担保，建立工业企业物流参与人之间的信任机制。
附图说明
图1为本发明的物品平台内部组成框架结构示意图。
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。
请参阅图1所示，云物流平台，包括平台体系架构、大数据处理中心和用户层；所述平台体系架构包括平台交易服务层、平台技术支撑层以及平台管理层，所述平台交易服务层用于向所述用户层提供云物流服务，所述平台技术支撑层基于所述大数据处理中心提供的数据为所述平台管理层以及所述平台交易服务层提供技术支撑；所述平台管理层包括云仓管理子平台、云运管理子平台和云配管理子平台，所述云仓管理子平台用于物流仓储的商品智能管理，所述云运管理子平台用于物流运输的车辆智能管理，所述云配管理子平台用于用户、商品和运输车辆三者之间的配送智能管理，用户层包括金融机构、保险机构、商业机构、制造业、第三方物流、承运商、司机、收货人、运输部门、税务部门、商务部门和行业协会，用户层通过在平台交易服务层发布或者接收到物流需求，使用平台管理层对货仓进行货物出货，调度车辆进行配送，最终送达到收货人的手中。
所述平台技术支撑层包括GIS/BDS、大数据挖掘、区块链以及人工智能等关键技术；GIS(地理信息系统)/BDS(北斗卫星导航系统)技术不单可以实现货物全程定位监控，还可完善物流分析技术，合理调整物流路线和流量，合理设置仓储设备，科学调配运力，提高物流企业的效率，同时，可以统筹安排最佳路径、最优装载量和及时准确的运送，物流大数据挖掘技术对海量客户与物流数据进行关联分析、聚类分析、分类、预测、时序模式和偏差分析等，从而挖掘出潜在的规律，支持不同生命周期的客户关系挖掘；应用区块链技术可以显著提高物流行业中结算业务的处理速度及效率，有效解决物品的追溯防伪问题，充分保证信息安全以及寄、收件人的隐私，可以实现将服务和交易信息进行数字化之后，记录在区块链上，进行所有权的维护、交易、共享和合规审计，从而建立一套完整的信用体系以及在物流行业内的数字通证；利用人工智能技术，可以实现AI智能客服、无人卡车货物转运、机器人自动和配送等服务，从而提升物流效率，扩大物流领域。
所述平台交易服务层包括在线接单发布、运单管理、一站式查询服务、资源库管理、全程物流跟踪服务、财务管理服务、物流金融服务和消息服务，方便用户下单、接单，物流查询，也为云物流提供交易平台，所述云仓管理子平台包括智能需求预测、智能识别分拣、智能财务核算以及联合库存管理，所述云运管理子平台包括整车运输管理、零担运输管理、智能联运管理以及车辆管理，所述云配管理子平台包括智能配载管理、智能路径优化、智能调度以及智能预约配送，所述大数据处理中心包括数据源导入、数据可视化以及分析决策。
一种云物流平台的构建方法，包括以下步骤：
S1、物流任务搭建：分析云物流服务模式下物流用户的物流需求(如：仓储需求、运输需求和配送需求)，将用户需求转化为物流任务，根据不同类型的物流任务属性、特征以及任务间的相关关系，对物流任务进行分类，对物流任务进行形式化描述，建立物流任务模型；
S2、建立服务资源库：通过数据挖掘从大量云物流服务资源池中搜索满足物流任务要求的云物流服务资源，建立与物流任务相匹配的云物流服务资源库，建立方法如下：
A、分析云物流服务资源类型与特征；
B、扩展OWL-S(面向服务的本体描述语言)服务本体，定义云物流服务本体，建立云物流服务资源的形式化模型；
C、针对不同物流任务需求，建立物流任务与云物流服务资源的匹配关系、匹配方法，根据匹配关系，建立物流任务与云物流服务资源的多层次匹配算法；
S3、构建物流任务与云物流服务资源组合模型：分析物流任务与云物流服务的组合形式的结构及其特征，设计云物流服务组合评价的QoS(服务质量)指标，基于QoS的云物流服务组合策略，采用SLO(社会学习优化)群体智能算法构建物流任务与云物流服务资源组合模型；
S4、大数据挖掘以及物流需求预测：采用大数据挖掘方法对已有海量客户与商品数据的关联关系和内在规律进行解析，使得物流提供商增强老用户粘性的同时挖掘潜在的新客户，增强客户关系挖掘与管理能力，通过大数据挖掘技术对海量货品信息间的联系进行关联分析，实现商品的合理储位，采用大数据挖掘技术进行市场信息聚类分析，帮助物流企业规避风险、做出合理物流决策策略，建立一个基于大数据的销售需求的预测模型：以圆形反向传播网络(CBP)模型为基础考虑环境因子建立二重趋势中趋势变动分量LCBP模型，再结合数据时间相关性建立二重趋势中波动分量PBCP模型，最终组合两分量CBP模型建立整体的趋势预测模型CCBP模型，并利用所建的模型对市场的需求进行预测分析；
S5、物流仓储规划与联合库存优化：分析现有仓储的特征和分布，分析影响库存管理模式的影响因素，运用定性和定量相结合的方法研究影响因素和库存管理模式选择之间的关系，建立大数据环境下物流库存管理模式的决策模型，通过大数据对商品特性与区域分布以及仓储状况分析，考虑消费者购物分布特征、仓储决策模式、交通状况、企业市场占有率以及顾客的分布、购物频率、订单关联性，构建基于服务-时间-成本的混合型物流仓储中心多级选址模型，采用蚁群算法规划物流中心；
S6、物流运输与终端配送优化：从效率、成本和可靠性角度以及订单到达目的地时间、顾客收货地点等方面进行大数据分析，在物流配送中心的布局的基础上，研究干线运输方式和不同运输方式的无缝衔接机制，构建供应链物流干线联合运输的优化模型，从成本、效率和顾客满意度角度，采用聚类分析、车辆路径优化等方法，建立供应链物流各终端配送模式的实时路径优化模型，从成本、效率和环境保护角度出发，采用车辆路径优化、聚类分析等方法研究不同终端配送模式组合应用的可操作性和优越性，为供应链物流服务终端配送模式提供优化方案。
步骤S1和S2中，云物流服务模式下物流用户个性化需求使物流任务表现出复杂多样性，物流任务的建模与分解不仅是优化云物流服务资源配置的基础，也是研究服务协作机制的关键，对优化物流资源配置、提高物流的运营效率具有重要的意义；步骤S3中消费者行为分析是通过洞察消费者网上购物的信息，消费者行为分析与特征是仓储分布规划与优化、物流配送的基础；步骤S4中供应链环境下行为主体包括：客户、电子商务运营商、物流商、仓储供应商和供应商等，市场需求预测是合理地规划高效物流的关键，在大数据环境下如何合理有效利用现有的仓储设施以及规划新设施对减少物流环节和降低成本，提高效率具有重要作用,；步骤S5中供应链物流的库存是多级的，在大数据的环境下对多级库存的商品种类与数量的有效控制是开展物流服务，降低成本提高客户满意度的基础；步骤S6中物流终端配送顾客地点分散、期望收货时间不统一、批量小等特点造成终端配送成本高、效率低等问题，选择合适的干线联合运输方式和运输线路将有效提高供应链物流运作效率和货运保障，降低物流运输成本，终端配送路径优化直接关系到终端配送的效率、成本和顾客满意度，终端配送往往是在顾客期望到达的时间、地点和干线运输状态已知的情况下进行的，因而利用以上信息进行终端配送路径优化将有效提高终端配送的效率、降低其成本。
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。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (8)
1.一种云物流平台，其特征在于：包括平台体系架构、大数据处理中心和用户层；
所述平台体系架构包括平台交易服务层、平台技术支撑层以及平台管理层，所述平台交易服务层用于向所述用户层提供云物流服务，所述平台技术支撑层基于所述大数据处理中心提供的数据为所述平台管理层以及所述平台交易服务层提供技术支撑；
所述平台管理层包括云仓管理子平台、云运管理子平台和云配管理子平台，所述云仓管理子平台用于物流仓储的商品智能管理，所述云运管理子平台用于物流运输的车辆智能管理，所述云配管理子平台用于用户、商品和运输车辆三者之间的配送智能管理。
2.根据权利要求1所述的一种云物流平台，其特征在于：所述平台技术支撑层包括云物流计算、物联网、BDS/GIS、大数据挖掘、区块链以及人工智能自学习自适应。
3.根据权利要求1所述的一种云物流平台，其特征在于：所述平台交易服务层包括在线接单发布、运单管理、一站式查询服务、资源库管理、全程物流跟踪服务、财务管理服务、物流金融服务和消息服务。
4.根据权利要求1所述的一种云物流平台，其特征在于：所述云仓管理子平台包括智能需求预测、智能识别分拣、智能财务核算以及联合库存管理。
5.根据权利要求1所述的一种云物流平台，其特征在于：所述云运管理子平台包括整车运输管理、零担运输管理、智能联运管理以及车辆管理。
6.根据权利要求1所述的一种云物流平台，其特征在于：所述云配管理子平台包括智能配载管理、智能路径优化、智能调度以及智能预约配送。
7.根据权利要求1所述的一种云物流平台，其特征在于：所述大数据处理中心包括数据源导入、数据可视化以及分析决策。
8.根据权利要求1-7任一项所述的一种云物流平台的构建方法，其特征在于：包括以下步骤：
S1、物流任务搭建：分析云物流服务模式下物流用户的物流需求(如：仓储需求、运输需求和配送需求)，将用户需求转化为物流任务，根据不同类型的物流任务属性、特征以及任务间的相关关系，对物流任务进行分类，对物流任务进行形式化描述，建立物流任务模型；
S2、建立服务资源库：通过数据挖掘从大量云物流服务资源池中搜索满足物流任务要求的云物流服务资源，建立与物流任务相匹配的云物流服务资源库，建立方法如下：
A、分析云物流服务资源类型与特征；
B、扩展OWL-S(面向服务的本体描述语言)服务本体，定义云物流服务本体，建立云物流服务资源的形式化模型；
C、针对不同物流任务需求，建立物流任务与云物流服务资源的匹配关系、匹配方法，根据匹配关系，建立物流任务与云物流服务资源的多层次匹配算法；
S3、构建物流任务与云物流服务资源组合模型：分析物流任务与云物流服务的组合形式的结构及其特征，设计云物流服务组合评价的QoS(服务质量)指标，基于QoS的云物流服务组合策略，采用SLO(社会学习优化)群体智能算法构建物流任务与云物流服务资源组合模型；
S4、大数据挖掘以及物流需求预测：采用大数据挖掘方法对已有海量客户与商品数据的关联关系和内在规律进行解析，使得物流提供商增强老用户粘性的同时挖掘潜在的新客户，增强客户关系挖掘与管理能力，通过大数据挖掘技术对海量货品信息间的联系进行关联分析，实现商品的合理储位，建立一个基于大数据的销售需求的预测模型：以圆形反向传播网络(CBP)模型为基础考虑环境因子建立二重趋势中趋势变动分量LCBP模型，再结合数据时间相关性建立二重趋势中波动分量PBCP模型，最终组合两分量CBP模型建立整体的趋势预测模型CCBP模型，并利用所建的模型对市场的需求进行预测分析；
S5、物流仓储规划与联合库存优化：分析现有仓储的特征和分布，分析影响库存管理模式的影响因素，运用定性和定量相结合的方法研究影响因素和库存管理模式选择之间的关系，建立大数据环境下物流库存管理模式的决策模型，通过大数据对商品特性与区域分布以及仓储状况分析，考虑消费者购物分布特征、仓储决策模式、交通状况、企业市场占有率以及顾客的分布、购物频率、订单关联性，构建基于服务-时间-成本的混合型物流仓储中心多级选址模型，采用蚁群算法规划物流中心；
S6、物流运输与终端配送优化：从效率、成本和可靠性角度以及订单到达目的地时间、顾客收货地点等方面进行大数据分析，在物流配送中心的布局的基础上，研究干线运输方式和不同运输方式的无缝衔接机制，构建供应链物流干线联合运输的优化模型，从成本、效率和顾客满意度角度，采用聚类分析、车辆路径优化等方法，建立供应链物流各终端配送模式的实时路径优化模型，从成本、效率和环境保护角度出发，采用车辆路径优化、聚类分析等方法研究不同终端配送模式组合应用的可操作性和优越性，为供应链物流服务终端配送模式提供优化方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910958206.8A CN110717716A (zh) | 2019-10-10 | 2019-10-10 | 一种云物流平台及构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910958206.8A CN110717716A (zh) | 2019-10-10 | 2019-10-10 | 一种云物流平台及构建方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110717716A true CN110717716A (zh) | 2020-01-21 |
Family
ID=69211334
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910958206.8A Pending CN110717716A (zh) | 2019-10-10 | 2019-10-10 | 一种云物流平台及构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110717716A (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111582602A (zh) * | 2020-05-19 | 2020-08-25 | 深圳市快金数据技术服务有限公司 | 一种基于物流供应链的协同优化方法 |
| CN111882292A (zh) * | 2020-07-03 | 2020-11-03 | 深圳市爱云信息科技有限公司 | 基于aiot和区块链的智慧供应链物流信息平台 |
| CN111913456A (zh) * | 2020-08-13 | 2020-11-10 | 成都信息工程大学 | 面向制造任务的云制造虚拟车间构造方法 |
| CN111988366A (zh) * | 2020-07-29 | 2020-11-24 | 成都大学 | 一种基于大数据的高级智能云物流平台系统 |
| CN112149981A (zh) * | 2020-09-16 | 2020-12-29 | 上海中通吉网络技术有限公司 | 一体化平台的供应链物流管理方法及系统 |
| CN112308297A (zh) * | 2020-10-13 | 2021-02-02 | 江苏大学 | 一种基于区块链的可复用物流资源共享系统及服务集成方法 |
| CN112508496A (zh) * | 2020-12-23 | 2021-03-16 | 广州知弘科技有限公司 | 一种基于区块链和大数据的物流运输溯源系统 |
| CN112819409A (zh) * | 2021-02-02 | 2021-05-18 | 河北工业职业技术学院 | 一种基于云物流的维修器材配送系统 |
| CN113205197A (zh) * | 2021-04-29 | 2021-08-03 | 国网河南省电力公司漯河供电公司 | 基于物流数据的车辆入库预约管理系统 |
| CN113297242A (zh) * | 2021-06-09 | 2021-08-24 | 南宁师范大学 | 一种基于第三方物联网技术服务与数据共享的系统及方法 |
| CN113379344A (zh) * | 2021-05-27 | 2021-09-10 | 芜湖锋珉信息科技有限公司 | 一种基于云计算处理的智能物流处理方法和系统 |
| CN113743965A (zh) * | 2021-11-08 | 2021-12-03 | 中航信移动科技有限公司 | 基于区块链的民航行李托运追溯方法、装置及电子设备 |
| CN113822613A (zh) * | 2020-09-29 | 2021-12-21 | 北京京东振世信息技术有限公司 | 一种仓储物流方法、系统、装置、电子设备及其存储介质 |
| CN117611226A (zh) * | 2024-01-22 | 2024-02-27 | 吉林大学 | 基于单车定额和当量物流量的物流资源智能在线核算方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102163205A (zh) * | 2010-02-21 | 2011-08-24 | 施章祖 | 一种类似客户群体的自动挖掘系统 |
| CN104809607A (zh) * | 2015-05-08 | 2015-07-29 | 成都联宇创新科技有限公司 | 一种物流运维优化管理系统 |
| CN105931004A (zh) * | 2016-06-16 | 2016-09-07 | 深圳市有木互联网科技有限公司 | 一种基于网页的多终端仓储电商管理系统 |
| CN107274053A (zh) * | 2017-05-03 | 2017-10-20 | 浙江工商大学 | 基于混合云调度的智慧物流数据挖掘方法 |
| CN107480931A (zh) * | 2017-08-23 | 2017-12-15 | 山东阿帕网络技术有限公司 | 一种快托物流信息服务平台 |
| CN108364105A (zh) * | 2018-02-26 | 2018-08-03 | 镇江宝华物流股份有限公司 | 一种物流配送线路的目标优化方法 |
| CN108665206A (zh) * | 2018-04-18 | 2018-10-16 | 山西同城商务信息股份有限公司 | 一种智慧物流云平台系统 |
| CN110084544A (zh) * | 2019-02-19 | 2019-08-02 | 安徽九州通智能科技有限公司 | 一种基于物联网的物流货物多维度传输系统及其方法 |
-
2019
- 2019-10-10 CN CN201910958206.8A patent/CN110717716A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102163205A (zh) * | 2010-02-21 | 2011-08-24 | 施章祖 | 一种类似客户群体的自动挖掘系统 |
| CN104809607A (zh) * | 2015-05-08 | 2015-07-29 | 成都联宇创新科技有限公司 | 一种物流运维优化管理系统 |
| CN105931004A (zh) * | 2016-06-16 | 2016-09-07 | 深圳市有木互联网科技有限公司 | 一种基于网页的多终端仓储电商管理系统 |
| CN107274053A (zh) * | 2017-05-03 | 2017-10-20 | 浙江工商大学 | 基于混合云调度的智慧物流数据挖掘方法 |
| CN107480931A (zh) * | 2017-08-23 | 2017-12-15 | 山东阿帕网络技术有限公司 | 一种快托物流信息服务平台 |
| CN108364105A (zh) * | 2018-02-26 | 2018-08-03 | 镇江宝华物流股份有限公司 | 一种物流配送线路的目标优化方法 |
| CN108665206A (zh) * | 2018-04-18 | 2018-10-16 | 山西同城商务信息股份有限公司 | 一种智慧物流云平台系统 |
| CN110084544A (zh) * | 2019-02-19 | 2019-08-02 | 安徽九州通智能科技有限公司 | 一种基于物联网的物流货物多维度传输系统及其方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘以倩;: "大数据技术在物流企业仓储系统中的应用" * |
| 王蒙;: "基于BP神经网络的物流项目风险评价分析" * |
| 贾星辰;王铁宁;裴帅;: "基于BP神经网络的物流需求量预测模型研究" * |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111582602A (zh) * | 2020-05-19 | 2020-08-25 | 深圳市快金数据技术服务有限公司 | 一种基于物流供应链的协同优化方法 |
| CN111882292A (zh) * | 2020-07-03 | 2020-11-03 | 深圳市爱云信息科技有限公司 | 基于aiot和区块链的智慧供应链物流信息平台 |
| WO2022001562A1 (zh) * | 2020-07-03 | 2022-01-06 | 深圳市爱云信息科技有限公司 | 基于aiot和区块链的智慧供应链物流信息平台 |
| CN111988366A (zh) * | 2020-07-29 | 2020-11-24 | 成都大学 | 一种基于大数据的高级智能云物流平台系统 |
| CN111913456A (zh) * | 2020-08-13 | 2020-11-10 | 成都信息工程大学 | 面向制造任务的云制造虚拟车间构造方法 |
| CN111913456B (zh) * | 2020-08-13 | 2023-06-16 | 成都信息工程大学 | 面向制造任务的云制造虚拟车间构造方法 |
| CN112149981A (zh) * | 2020-09-16 | 2020-12-29 | 上海中通吉网络技术有限公司 | 一体化平台的供应链物流管理方法及系统 |
| CN113822613A (zh) * | 2020-09-29 | 2021-12-21 | 北京京东振世信息技术有限公司 | 一种仓储物流方法、系统、装置、电子设备及其存储介质 |
| CN113822613B (zh) * | 2020-09-29 | 2023-09-26 | 北京京东振世信息技术有限公司 | 一种仓储物流方法、系统、装置、电子设备及其存储介质 |
| CN112308297A (zh) * | 2020-10-13 | 2021-02-02 | 江苏大学 | 一种基于区块链的可复用物流资源共享系统及服务集成方法 |
| CN112508496A (zh) * | 2020-12-23 | 2021-03-16 | 广州知弘科技有限公司 | 一种基于区块链和大数据的物流运输溯源系统 |
| CN112819409A (zh) * | 2021-02-02 | 2021-05-18 | 河北工业职业技术学院 | 一种基于云物流的维修器材配送系统 |
| CN113205197B (zh) * | 2021-04-29 | 2023-04-07 | 国网河南省电力公司漯河供电公司 | 基于物流数据的车辆入库预约管理系统 |
| CN113205197A (zh) * | 2021-04-29 | 2021-08-03 | 国网河南省电力公司漯河供电公司 | 基于物流数据的车辆入库预约管理系统 |
| CN113379344A (zh) * | 2021-05-27 | 2021-09-10 | 芜湖锋珉信息科技有限公司 | 一种基于云计算处理的智能物流处理方法和系统 |
| CN113297242A (zh) * | 2021-06-09 | 2021-08-24 | 南宁师范大学 | 一种基于第三方物联网技术服务与数据共享的系统及方法 |
| CN113743965A (zh) * | 2021-11-08 | 2021-12-03 | 中航信移动科技有限公司 | 基于区块链的民航行李托运追溯方法、装置及电子设备 |
| CN113743965B (zh) * | 2021-11-08 | 2022-03-04 | 中航信移动科技有限公司 | 基于区块链的民航行李托运追溯方法、装置及电子设备 |
| CN117611226A (zh) * | 2024-01-22 | 2024-02-27 | 吉林大学 | 基于单车定额和当量物流量的物流资源智能在线核算方法 |
| CN117611226B (zh) * | 2024-01-22 | 2024-04-09 | 吉林大学 | 基于单车定额和当量物流量的物流资源智能在线核算方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110717716A (zh) | 一种云物流平台及构建方法 | |
| Anand et al. | City logistics modeling efforts: Trends and gaps-A review | |
| Geoffrion et al. | Multicommodity distribution system design by Benders decomposition | |
| CN107316172A (zh) | 一种智慧物流平台系统 | |
| Choy et al. | Impact of information technology on the performance of logistics industry: the case of Hong Kong and Pearl Delta region | |
| Ji et al. | An integrated model for the production-inventory-distribution problem in the Physical Internet | |
| Seghezzi et al. | Investigating multi-parcel crowdsourcing logistics for B2C e-commerce last-mile deliveries | |
| Gattuso et al. | Advanced methodological researches concerning ITS in freight transport | |
| Saripalle | Determinants of profitability in the Indian logistics industry | |
| Dadouchi et al. | Recommender systems as an agility enabler in supply chain management | |
| CN111951064A (zh) | 基于大数据的电商交易方法 | |
| Chen et al. | Optimization of Internet of Things E‐Commerce Logistics Cloud Service Platform Based on Mobile Communication | |
| Li et al. | The use of data mining technology in agricultural e-commerce under the background of 6G Internet of things communication | |
| Sharavova et al. | Features of evaluating and managing the resources of mobile virtual network operators of digital ecosystems | |
| Zhuckovskaya et al. | Digitalization of Labor as a Key Factor in the Development of Logistic Activities in the Conditions of COVID-19 | |
| US20240037483A1 (en) | System and Method of Providing a Supply Chain Digital Hub | |
| Witkowski | Electronic freight exchange and logistics platforms in building of supply chains | |
| Moldagulova et al. | Application of big data in logistics | |
| Tian | An effective model for consumer need prediction using big data analytics | |
| Kasemsap | The roles of logistics service providers and supply chain integration in global supply chain | |
| Liu | A Cross‐Border e‐Commerce Cold Chain Supply Inventory Planning Method Based on Risk Measurement Model | |
| CN109872101A (zh) | 一种基于大数据的供应链应用系统和应用方法 | |
| Huang | Design of Logistics Economic Management Measures System in the Era of Internet of Things | |
| Tubis et al. | Fuzzy TOPSIS in selecting logistic handling operator: case study from Poland | |
| Ekene | ICT adoption in logistics operations; An emerging trend for sustainable development and human capacity building in South-Eastern Nigeria |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200121 |
|
| RJ01 | Rejection of invention patent application after publication |