CN110866718A - 一种向量化的整车车货匹配方法 - Google Patents

一种向量化的整车车货匹配方法 Download PDF

Info

Publication number
CN110866718A
CN110866718A CN201911076327.6A CN201911076327A CN110866718A CN 110866718 A CN110866718 A CN 110866718A CN 201911076327 A CN201911076327 A CN 201911076327A CN 110866718 A CN110866718 A CN 110866718A
Authority
CN
China
Prior art keywords
user
vehicle
owner
matching
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
CN201911076327.6A
Other languages
English (en)
Inventor
李敬泉
王璇
黄雅文
彭茵
徐扬
袁米雪
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.)
Cmst Nanjiang Smart Logistics Technology Co ltd
Original Assignee
Nanjing 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 Nanjing University filed Critical Nanjing University
Priority to CN201911076327.6A priority Critical patent/CN110866718A/zh
Publication of CN110866718A publication Critical patent/CN110866718A/zh
Pending legal-status Critical Current

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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0834—Choice of carriers
    • 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
    • G06Q30/018—Certifying business or products

Landscapes

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

Abstract

本发明公开了一种向量化的整车车货匹配方法，当车货双方发生运输需求时，对信息进行双方匹配，向量化平台用户的实际运输需求，提取用户基本数据库中的有用信息，建立用户兴趣向量，通过硬匹配指数筛选需求匹配的信息，通过软匹配指数使用多个指标对匹配信息的匹配度加权评分，与平台的用户信誉评分综合对信息评分，按照评分降序排序推送满足用户需求的TOP‑N信息；本发明通过量化车主和货主的运输需求，通过多因素考虑将信息匹配，能够更快更好的满足车主和货主的运输需求，提高平台的车货匹配度、降低车货匹配时间。

Description

一种向量化的整车车货匹配方法
技术领域
本发明属于技术物流信息平台车货匹配领域，具体涉及一种向量化的整车车货匹配方法。
背景技术
近年来，随着物流信息化程度的逐渐加深，以及智能手机设备的普及，越来越多的物流信息技术能够普遍的应用到每一位物流参与者，物流信息平台的用户群也逐渐壮大，电子商务浸入我们日常生活，也使得中国物流运输走入大众视野，物流需求大幅度提高，然后我国的货车运输空载率过高，远高于国外发达国家水平，这也导致物流成本居高不下的重要原因之一，因此，物流信息平台需要一种车货匹配的方法，提高车主货主需求匹配的速度，降低货车空载率，降低物流运输成本，为此我们提出一种向量化的整车车货匹配方法。
发明内容
本发明的目的在于提供一种向量化的整车车货匹配方法，能够为物流信息平台的用户，即车主和货主提供一种整车车货匹配的方法。
为实现上述目的，本发明提供如下技术方案：一种向量化的整车车货匹配方法，包括如下步骤：
步骤一：物流信息平台用户(车主/货主)出现车货匹配需求，登录物流信息平台APP/网站；
步骤二：若该用户为新用户，则转到步骤三；若该用户已经是物流信息平台用户的车主/货主，则转到步骤五；
步骤三：新用户选定自己在平台的角色(车主/货主)，注册平台账户，获得用户ID，输入用户的基本信息，并且通过平台对用户的资质认证；
步骤四：将步骤三中的用户ID、用户平台角色、用户基本信息等相关信息存储到用户相应基本信息库，转到步骤五；
步骤五：物流信息平台的车主/货主根据自身实际需求，通过平台发布/查询信息，发布/查询信息时，选择筛选信息构建车主/货主用户兴趣向量；
步骤六：基于步骤五建立的用户兴趣模型进行车货用户信息的硬匹配。车货用户信息的硬匹配旨在过滤掉条件不符合用户需求的信息；
步骤七：对通过硬匹配的信息进行车货用户信息的软匹配，车货用户信息的软匹配旨在过滤掉条件不符合用户需求的信息，使用软匹配向量元素加权评分，得到相应匹配信息的匹配度评分；
步骤八：综合匹配度评分和信誉评分；
步骤九：将用户的需求信息按照步骤八的评分进行降序排序，输出TOP-N信息推送至相应用户界面。
作为本发明的一种优选技术方案，所述步骤三中，物流信息平台的新用户输入用户基本信息时，分车主和货主两种形式，两种形式录入的基本信息不同，其中：
a、车主新用户需要录入公民有效证件、本人正面照、本人有效驾驶证、货车车牌号、带有车牌号和本人的货车照片、货车型号、车厢容积、车长，以及不同物流信息平台所需的个性化信息；
b、货主新用户需要录入公民有效证件、本人正面照、有效营业执照、店面所处地区、带有本人的门店照片，以及不同物流信息平台所需的个性化信息。
作为本发明的一种优选技术方案，所述步骤五中，车主/货主用户兴趣向量的所有元素使用数字表示，其中：
a.用户兴趣向量中的出发地和目的地，引用全国地区代码表，保证用户兴趣模型中的元素格式一致；
b.用户兴趣向量中的车型/期望车型，设置“1”为“平板车”，“2”为“高栏车”，“3”为“厢型车”；
c.用户兴趣向量中的额定载重量/货车重量，设置为浮点数值，小数点后保留一位，单位设置为“吨(t)”；
d.用户兴趣向量中的车长/期望车长，设置为浮点数值，小数点后保留一位，单位设置为“米(m)”；
e.用户兴趣向量中的载货体积/货物体积，设置为浮点数值，小数点后保留一位，单位设置为“立方米(m3)”；
f.用户兴趣向量中的发货时间/期望发货时间，对于平台来说，用户只会在车货的运输需求发生前的近期发布匹配消息，因此日期格式设置为“月份.日期”，日期设置为浮点数值，小数点后保留两位。如“9月3日”，等价为“9.03”；
g.用户兴趣向量中的车主报价/货主报价，设置为整数数值，单位设置为“元”。
作为本发明的一种优选技术方案，所述步骤五中，车主/货主用户兴趣向量形式如下：
车主兴趣向量＝(出发地，目的地，车型，额定载重量，车长，载货体积，发货时间，车主报价)
货主兴趣向量＝(出发地，目的地，期望车型，货物重量，期望车长，货物体积，期望发货时间，货主报价)
作为本发明的一种优选技术方案，所述步骤六和步骤七中，硬匹配指标向量形式以及软匹配指标向量形式如下：
Hard_index＝(S1,S2,S3,S4,S5,S6,S7,S8,S9)
Soft_index＝(S10,S11,S12,S13)
其中，S1为出发地指标,S2为目的地指标,S3为车型匹配指标,S4为载重匹配指标,S5为车长匹配指标,S6为体积匹配指标,S7为车长匹配指标,S8为体积匹配指标，S9为时间匹配指标，S10为实载率，S11为车长匹配度，S12为体积匹配度，S13为时间匹配度。
与现有技术相比，本发明的有益效果是：本发明通过量化车主和货主的运输需求，通过多因素考虑将信息匹配，能够更快更好的满足车主和货主的运输需求，提高平台的车货匹配度、降低车货匹配时间。
附图说明
图1本发明一种向量化的整车车货匹配的方法流程图；
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，本发明提供一种技术方案：一种向量化的整车车货匹配方法，包括如下步骤：
步骤一：物流信息平台用户(车主/货主)出现车货匹配需求，登录物流信息平台APP/网站；
步骤二：若该用户为新用户，则转到步骤三；若该用户已经是物流信息平台用户的车主/货主，则转到步骤五；
步骤三：新用户选定自己在平台的角色(车主/货主)，注册平台账户，获得用户ID，输入用户的基本信息，并且通过平台对用户的资质认证；
步骤四：将步骤三中的用户ID、用户平台角色、用户基本信息等相关信息存储到用户相应基本信息库，转到步骤五；
步骤五：物流信息平台的车主/货主根据自身实际需求，通过平台发布/查询信息，发布/查询信息时，选择筛选信息构建车主/货主用户兴趣向量；
A06＝(5810，5880，2，33.0，17.5，94.8，12.5，2600)
B01＝(5810，5880，1，20.0，7.6，35.7，12.4，2500)
B02＝(5880，6030，2，20.0，9.6，51.8，12.7，2500)
B03＝(5810，5880，3，40.0，13，70.3，12.4，2450)
B04＝(5810，5880，1，40.0，13，70.3,12.3,2600)
B05＝(5810，5880，2，15.0，13，70.3，12.3，2400)
B06＝(5810，5880，2，16.0，9.6，51.8，12.4，2460)
B07＝(6030，5810，2，15.0，13，70.3，12.6，2550)
B08＝(5810，5880，2，32.0，15，81，12.3，2500)
B09＝(5810，5880，1，15.0，9.6，51.8，12.4，2500)
B10＝(5810，5880，3，8.0，9.6，51.8，12.6，2450)
B11＝(5840，6030，2，38.0，9.6，51.8，12.5，2600)
步骤六：基于步骤五建立的用户兴趣模型进行车货用户信息的硬匹配。车货用户信息的硬匹配旨在过滤掉条件不符合用户需求的信息；
通过硬匹配筛选的用户信息如下：
B05＝(5810，5880，2，15.0，13，70.3，12.3，2400)
B06＝(5810，5880，2，16.0，9.6，51.8，12.4，2460)
B08＝(5810，5880，2，32.0，15，81，12.3，2500)
步骤七：对通过硬匹配的信息进行车货用户信息的软匹配，车货用户信息的软匹配旨在过滤掉条件不符合用户需求的信息，使用软匹配向量元素加权评分，得到相应匹配信息的匹配度评分；
通过软匹配加权评分的输出表如下：
Figure BDA0002262565170000051
步骤八：综合匹配度评分和信誉评分；
步骤九：将用户的需求信息按照步骤八的评分进行降序排序，输出TOP-N信息推送至相应用户界面。
本实施例中，优选的，步骤三中，物流信息平台的新用户输入用户基本信息时，分车主和货主两种形式，两种形式录入的基本信息不同，其中：
a、车主新用户需要录入公民有效证件、本人正面照、本人有效驾驶证、货车车牌号、带有车牌号和本人的货车照片、货车型号、车厢容积、车长，以及不同物流信息平台所需的个性化信息；
b、货主新用户需要录入公民有效证件、本人正面照、有效营业执照、店面所处地区、带有本人的门店照片，以及不同物流信息平台所需的个性化信息。
本实施例中，优选的，步骤五中，车主/货主用户兴趣向量的所有元素使用数字表示，其中：
a.用户兴趣向量中的出发地和目的地，引用全国地区代码表，保证用户兴趣模型中的元素格式一致；
b.用户兴趣向量中的车型/期望车型，设置“1”为“平板车”，“2”为“高栏车”，“3”为“厢型车”；
c.用户兴趣向量中的额定载重量/货车重量，设置为浮点数值，小数点后保留一位，单位设置为“吨(t)”；
d.用户兴趣向量中的车长/期望车长，设置为浮点数值，小数点后保留一位，单位设置为“米(m)”；
e.用户兴趣向量中的载货体积/货物体积，设置为浮点数值，小数点后保留一位，单位设置为“立方米(m3)”；
f.用户兴趣向量中的发货时间/期望发货时间，对于平台来说，用户只会在车货的运输需求发生前的近期发布匹配消息，因此日期格式设置为“月份.日期”，日期设置为浮点数值，小数点后保留两位。如“9月3日”，等价为“9.03”；
g.用户兴趣向量中的车主报价/货主报价，设置为整数数值，单位设置为“元”。
由于物流信息平台用户注册和资质认证时，已经录入基本信息，为简化用户繁琐操作，车主发布/查询信息时，只需输入出发地、目的地、发货时间以及车主报价，其余车主兴趣向量所需数据取基本信息中作为默认值；货主发布/查询信息时，根据自身实际需求填写出发地、目的地、期望车型、货物重量、期望车长、货物体积、期望发货时间、货主报价。
本实施例中，优选的，步骤五中，车主/货主用户兴趣向量形式如下：
车主兴趣向量＝(出发地，目的地，车型，额定载重量，车长，载货体积，发货时间，车主报价)
货主兴趣向量＝(出发地，目的地，期望车型，货物重量，期望车长，货物体积，期望发货时间，货主报价)
本实施例中，优选的，步骤六和步骤七中，硬匹配指标向量形式以及软匹配指标向量形式如下：
Hard_index＝(S1,S2,S3,S4,S5,S6,S7,S8,S9)
Soft_index＝(S10,S11,S12,S13)
其中，S1为出发地指标,S2为目的地指标,S3为车型匹配指标,S4为载重匹配指标,S5为车长匹配指标,S6为体积匹配指标,S7为车长匹配指标,S8为体积匹配指标，S9为时间匹配指标；如Hard_index为单位向量，则车货信息通过硬匹配；否则不通过，该信息不符合用户需求，筛掉信息；
S10为实载率，S11为车长匹配度，S12为体积匹配度，S13为时间匹配度；
A.发货地指标
Figure BDA0002262565170000071
B.目的地指标
Figure BDA0002262565170000081
C.车型匹配指标
Figure BDA0002262565170000082
D.实载率与载重匹配指标
Figure BDA0002262565170000083
Figure BDA0002262565170000084
m——货主兴趣向量_货物质量
M——车主兴趣向量_额定载重量
E.车长匹配度与车长匹配指标
Figure BDA0002262565170000085
Figure BDA0002262565170000086
L1——货主兴趣向量_期望车长
L2——车主兴趣向量_车长
F.体积匹配度与体积匹配指标
Figure BDA0002262565170000087
Figure BDA0002262565170000088
v——货主兴趣向量_货物体积
V——车主兴趣向量_载货体积
G.时间匹配度与时间匹配指标
Figure BDA0002262565170000091
Figure BDA0002262565170000092
t——货主兴趣向量_期望发货时间
T——车主兴趣向量_发车时间
通过上述公式构建软匹配指数向量Soft_index＝(S10,S11,S12,S13)，计算车货信息匹配度评分，目标函数为：
Figure BDA0002262565170000093
其中α1，α2，α3，α4为相应匹配指数的权重，通过询问专家，权重比值设定为α1：α2：α3：α4＝0.2:0.2:0.2:0.4。
表1车主需求信息
Figure BDA0002262565170000094
表2货主需求信息
Figure BDA0002262565170000095
Figure BDA0002262565170000101
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (5)

1.一种向量化的整车车货匹配方法，其特征在于：包括如下步骤：
步骤一：物流信息平台用户(车主/货主)出现车货匹配需求，登录物流信息平台APP/网站；
步骤二：若该用户为新用户，则转到步骤三；若该用户已经是物流信息平台用户的车主/货主，则转到步骤五；
步骤三：新用户选定自己在平台的角色(车主/货主)，注册平台账户，获得用户ID，输入用户的基本信息，并且通过平台对用户的资质认证；
步骤四：将步骤三中的用户ID、用户平台角色、用户基本信息等相关信息存储到用户相应基本信息库，转到步骤五；
步骤五：物流信息平台的车主/货主根据自身实际需求，通过平台发布/查询信息，发布/查询信息时，选择筛选信息构建车主/货主用户兴趣向量；
步骤六：基于步骤五建立的用户兴趣模型进行车货用户信息的硬匹配。车货用户信息的硬匹配旨在过滤掉条件不符合用户需求的信息；
步骤七：对通过硬匹配的信息进行车货用户信息的软匹配，车货用户信息的软匹配旨在过滤掉条件不符合用户需求的信息，使用软匹配向量元素加权评分，得到相应匹配信息的匹配度评分；
步骤八：综合匹配度评分和信誉评分；
步骤九：将用户的需求信息按照步骤八的评分进行降序排序，输出TOP-N信息推送至相应用户界面。
2.根据权利要求1所述的一种向量化的整车车货匹配方法，其特征在于：所述步骤三中，物流信息平台的新用户输入用户基本信息时，分车主和货主两种形式，两种形式录入的基本信息不同，其中：
a、车主新用户需要录入公民有效证件、本人正面照、本人有效驾驶证、货车车牌号、带有车牌号和本人的货车照片、货车型号、车厢容积、车长，以及不同物流信息平台所需的个性化信息；
b、货主新用户需要录入公民有效证件、本人正面照、有效营业执照、店面所处地区、带有本人的门店照片，以及不同物流信息平台所需的个性化信息。
3.根据权利要求1所述的一种向量化的整车车货匹配方法，其特征在于：所述步骤五中，车主/货主用户兴趣向量的所有元素使用数字表示，其中：
a.用户兴趣向量中的出发地和目的地，引用全国地区代码表，保证用户兴趣模型中的元素格式一致；
b.用户兴趣向量中的车型/期望车型，设置“1”为“平板车”，“2”为“高栏车”，“3”为“厢型车”；
c.用户兴趣向量中的额定载重量/货车重量，设置为浮点数值，小数点后保留一位，单位设置为“吨(t)”；
d.用户兴趣向量中的车长/期望车长，设置为浮点数值，小数点后保留一位，单位设置为“米(m)”；
e.用户兴趣向量中的载货体积/货物体积，设置为浮点数值，小数点后保留一位，单位设置为“立方米(m3)”；
f.用户兴趣向量中的发货时间/期望发货时间，对于平台来说，用户只会在车货的运输需求发生前的近期发布匹配消息，因此日期格式设置为“月份.日期”，日期设置为浮点数值，小数点后保留两位。如“9月3日”，等价为“9.03”；
g.用户兴趣向量中的车主报价/货主报价，设置为整数数值，单位设置为“元”。
4.根据权利要求1所述的一种向量化的整车车货匹配方法，其特征在于：所述步骤五中，车主/货主用户兴趣向量形式如下：
车主兴趣向量＝(出发地，目的地，车型，额定载重量，车长，载货体积，发货时间，车主报价)
货主兴趣向量＝(出发地，目的地，期望车型，货物重量，期望车长，货物体积，期望发货时间，货主报价)。
5.根据权利要求1所述的一种向量化的整车车货匹配方法，其特征在于：所述步骤六和步骤七中，硬匹配指标向量形式以及软匹配指标向量形式如下：
Hard_index＝(S1,S2,S3,S4,S5,S6,S7,S8,S9)
Soft_index＝(S10,S11,S12,S13)
其中，S1为出发地指标,S2为目的地指标,S3为车型匹配指标,S4为载重匹配指标,S5为车长匹配指标,S6为体积匹配指标,S7为车长匹配指标,S8为体积匹配指标，S9为时间匹配指标,S10为实载率，S11为车长匹配度，S12为体积匹配度，S13为时间匹配度。
CN201911076327.6A 2019-11-06 2019-11-06 一种向量化的整车车货匹配方法 Pending CN110866718A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911076327.6A CN110866718A (zh) 2019-11-06 2019-11-06 一种向量化的整车车货匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911076327.6A CN110866718A (zh) 2019-11-06 2019-11-06 一种向量化的整车车货匹配方法

Publications (1)

Publication Number Publication Date
CN110866718A true CN110866718A (zh) 2020-03-06

Family

ID=69653044

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911076327.6A Pending CN110866718A (zh) 2019-11-06 2019-11-06 一种向量化的整车车货匹配方法

Country Status (1)

Country Link
CN (1) CN110866718A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113157673A (zh) * 2021-05-25 2021-07-23 武汉新之扬电子商务有限公司 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
CN114331297A (zh) * 2022-03-10 2022-04-12 天津期计划物流科技有限公司 一种向驾驶者推荐货源的方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020081178A1 (en) * 2000-12-26 2002-06-27 Masaharu Shimada System for improving efficiency of cargo transportation service
CN107679814A (zh) * 2017-11-06 2018-02-09 成都德旺云车邦信息技术有限公司 整车物流运输的全程管理系统和方法
CN107944798A (zh) * 2017-12-13 2018-04-20 李洪才 智能配货方法和系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020081178A1 (en) * 2000-12-26 2002-06-27 Masaharu Shimada System for improving efficiency of cargo transportation service
CN107679814A (zh) * 2017-11-06 2018-02-09 成都德旺云车邦信息技术有限公司 整车物流运输的全程管理系统和方法
CN107944798A (zh) * 2017-12-13 2018-04-20 李洪才 智能配货方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李慧: "配载型物流信息服务平台的车货供需匹配研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113157673A (zh) * 2021-05-25 2021-07-23 武汉新之扬电子商务有限公司 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
CN113157673B (zh) * 2021-05-25 2022-05-24 北京国联视讯信息技术股份有限公司 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
CN114331297A (zh) * 2022-03-10 2022-04-12 天津期计划物流科技有限公司 一种向驾驶者推荐货源的方法及装置
CN114331297B (zh) * 2022-03-10 2022-05-20 天津期计划物流科技有限公司 一种向驾驶者推荐货源的方法及装置

Similar Documents

Publication Publication Date Title
US11279368B2 (en) System and method for determining safety score of driver
CN104021488A (zh) 货物运费计算方法、装置及移动终端
WO2017028821A1 (zh) 根据历史订单预测当前订单信息的方法及系统
US20070192111A1 (en) Peer-to-peer network method and system for shipment delivery transactions
CN110866718A (zh) 一种向量化的整车车货匹配方法
CN108009773B (zh) 一种货物自主签收系统
CN107341668A (zh) 一种判断真实数据的方法以及装置
CN110298721A (zh) 一种物流电商平台司机组队摘单的方法
CN112990837A (zh) 一种多业务物流配送运费计算系统及方法
EP2983116A1 (en) Method and system for collecting commodity consumption data and method and system for generating an offer
CN109461087A (zh) 车险线上快速投保系统
CN109874307A (zh) 用于推荐至少一个保险公司的人工智能系统和方法
CN108734426A (zh) 一种同城配送的车辆与货物匹配的系统和方法
CN108550028A (zh) 一种债务整合系统及其整合方法
CN109409613A (zh) 一种基于物流运力团购车货匹配优化方法
CN106980956A (zh) 一种长途干线的货物与车辆匹配的系统和方法
CN107766997A (zh) 一种订单推送的方法及装置
CN106952070A (zh) 一种长途干线的车辆与货物匹配的系统和方法
CN105405213B (zh) 一种电动汽车智能出租系统
CN110428309A (zh) 一种差异化采购方法及装置
CN111612493B (zh) 一种用户分群方法及装置
US20170132719A1 (en) Dashboard interface for account management
CN107808290A (zh) 接送机服务授信方法和服务器
CN111445189A (zh) 运输信息管理方法及装置
CN113223228B (zh) 汽车金融发票信息核验方法和装置

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: 20201105

Address after: River Road, Gulou District of Nanjing city of Jiangsu Province, No. 1 210000

Applicant after: CMST NANJIANG SMART LOGISTICS TECHNOLOGY Co.,Ltd.

Address before: No. 163 Qixia Xianlin Avenue District of Nanjing City, Jiangsu province 210000

Applicant before: NANJING University

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

Application publication date: 20200306