CN110941649A - 一种物流信息处理方法、装置、设备及计算机存储介质 - Google Patents
一种物流信息处理方法、装置、设备及计算机存储介质 Download PDFInfo
- Publication number
- CN110941649A CN110941649A CN201911146492.4A CN201911146492A CN110941649A CN 110941649 A CN110941649 A CN 110941649A CN 201911146492 A CN201911146492 A CN 201911146492A CN 110941649 A CN110941649 A CN 110941649A
- Authority
- CN
- China
- Prior art keywords
- time
- prediction
- logistics
- data
- vehicle
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 230000010365 information processing Effects 0.000 title claims description 15
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000000034 method Methods 0.000 claims description 28
- 238000012937 correction Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 230000002123 temporal effect Effects 0.000 claims description 2
- 238000007726 management method Methods 0.000 abstract description 18
- 238000004519 manufacturing process Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q10/0833—Tracking
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Optimization (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Finance (AREA)
- Evolutionary Biology (AREA)
- Accounting & Taxation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种物流管理方法、装置、设备及计算机存储介质。本申请实施例提供的物流管理方法包括:判断获取到的物流车的出发时间是否准时,获得判断结果;若所述判断结果为出发时间准时,则获取用于预测物流车到达时间的各预测参数;将各所述预测参数输入时间预测模型,获得指示到达时间的预测结果;根据所述预测结果,生成预警信息并发送至设定终端,以通知物流相关人员物流信息。本申请实施例能够对物流车进行实时追踪并预测到达时间,使得物流管理人员能够根据本申请实施例提供的时间预测结果对物流管理采取相应的措施,尽量减少物流车延误对生产过程产生的影响。
Description
技术领域
本申请涉及电学领域,尤其涉及一种物流信息处理方法、装置、设备及计算机存储介质。
背景技术
现代化企业离不开现代化技术,技术是企业的立身之本。物料是工厂生产的重要因素,与生产成本、生产质量息息相关。物料的使用需要物流输送,物料运输流程是整个生产中极为重要的环节。
在工厂的实际运作中,需要物料准时到达,以防出现供应不足产线停产等问题。然而实际物料运输过程中存在很多不可控因素,尤其是物料车在运输途中与管理者之间信息沟通不畅,若因为客观因素导致物料车运输停滞或者延迟,则可能会对生产过程造成较为严重的影响。
发明内容
为了减少物流车停滞或延迟对生产过程中造成的影响,本申请实施例提供一种物流信息处理方法、装置、设备及计算机存储介质。
本申请实施例首先提供一种物流信息处理方法,包括:
判断获取到的物流车的出发时间是否准时,获得判断结果;
若所述判断结果为出发时间准时,则获取用于预测物流车到达时间的各预测参数;
将各所述预测参数输入时间预测模型,获得指示到达时间的预测结果;
根据所述预测结果,生成预警信息并发送至设定终端,以通知物流相关人员物流信息。
可选的,所述预测参数包括天气数据和交通数据;获取物流车到达时间的预测参数,包括;
通过检测区内的检测装置向所述物流车发送定位信号;
接收所述物流车对所述定位信号的反馈信号;
根据所述反馈信号的强度信息确定所述物流车的位置;
根据所述物流车的位置,获取所述天气数据和交通数据。
可选的,各所述预测参数输入时间预测模型,获得指示到达时间的预测结果之前,还包括:
获取车辆时间原始数据和客观因素原始数据,所述客观因素原始数据包括至少一个数据;
分别确定每个客观因素原始数据和所述时间原始数据的相关性;
根据所述相关性,对所述客观因素原始数据进行筛选,获得预测参数原始数据;
将所述预测参数原始数据和所述时间原始数据输入待训练的模型,获得初步预测结果;
根据对所述初步预测结果的矫正数据,获得矫正预测结果;
根据所述矫正预测结果,对所述待训练模型进行优化,获得所述时间预测模型。
可选的,根据所述预测结果,生成预警信息,包括:
根据所述物流车对应的看板信息,获得计划到达时间;
根据所述计划到达时间和所述预测结果,生成所述预警信息。
本申请实施例还提供一种物流信息处理装置,包括:
判断模块:用于判断获取到的物流车的出发时间是否准时,获得判断结果;
预测参数获取模块:用于若所述判断结果为出发时间准时,则获取用于预测物流车到达时间的各预测参数;
预测结果获取模块:用于将所述预测参数输入时间预测模型,获得指示到达时间的预测结果;
预警模块:用于根据所述预测结果,生成预警信息并发送至设定终端,以通知物流相关人员物流信息。
可选的,所述预测参数包括天气数据和交通数据;所述预测参数获取模块包括;
定位单元:用于通过检测区内的检测装置向所述物流车发送定位信号;
反馈信号接收单元:用于接收所述物流车对所述定位信号的反馈信号;
位置确定单元:用于根据所述反馈信号的强度信息确定所述物流车的位置;
数据获取单元:用于根据所述物流车的位置,获取所述天气数据和交通数据。
可选的,所述装置还包括:
原始数据获取模块:用于获取车辆时间原始数据和客观因素原始数据,所述客观因素原始数据包括至少一个数据;
相关性分析模块:用于分别确定每个客观因素原始数据和所述时间原始数据的相关性;
筛选模块:用于根据所述相关性,对所述客观因素原始数据进行筛选,获得预测参数原始数据;
初步预测模块:用于将所述预测参数原始数据和所述时间原始数据输入待训练的模型,获得初步预测结果;
矫正模块:用于根据对所述初步预测结果的矫正数据,获得矫正预测结果;
优化模块:用于根据所述矫正预测结果,对所述待训练模型进行优化,获得所述时间预测模型。
可选的,所述预警模块包括:
计划到达时间获取单元:用于根据所述物流车对应的看板信息,获得计划到达时间;
时间处理单元:用于根据所述计划到达时间和所述预测结果,生成所述预警信息。
本申请实施例还提供一种物流信息处理设备,包括存储器、处理器;
所述存储器用于存储指令;
所述处理器执行所述存储器中存储的指令时,能够实现本申请任意一项实施例所提供的方法。
本申请实施例还提供过一种存储介质,所述存储介质包括存储的程序,其中,所述程序用于执行本申请任意一项实施例所提供的方法。
通过本申请实施例中的上述步骤,能够对物流车的到达时间进行准确的预测,然后将根据预测结果生成预警信息,发送至设定终端,从而物流管理人员或者物流管理信息使用者可以在必要时根据预警信息对物流状况进行相应干预操作。从而能够促进物流车的准时到达,或者在因客观情况而导致物流车不能够准时到达时,及时采取应对措施,例如重新规划线路、从其它位置调取物料等,以防出现供应不足产线停产等问题。将物流车延误产生的损失降到最小,保证生产活动能够顺利进行。
附图说明
图1为本申请实施例所提供的物流管理方法流程示意图;
图2为本申请另一实施例所提供物流管理方法流程示意图;
图3为本申请实施例提供的物流管理装置结构示意图;
图4为本申请另一实施例提供的物流管理装置结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请说明书中的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例,提供了一种物流管理方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图1所示,本申请实施例首先提供一种物流信息处理方法,该方法包括如下步骤:
步骤S11:判断获取到的物流车的出发时间是否准时,获得判断结果;
步骤S12:若所述判断结果为出发时间准时,则获取用于预测物流车到达时间的各预测参数;
步骤S13:将所述预测参数输入时间预测模型,获得指示到达时间的预测结果;
步骤S14:根据所述预测结果,生成预警信息并发送至设定终端,以通知物流相关人员物流信息。
通过本申请实施例中的上述步骤,能够对物流车的到达时间进行准确的预测,然后将根据预测结果生成预警信息,发送至设定终端,从而物流管理人员或者物流管理信息使用者可以在必要时根据预警信息对物流状况进行相应干预操作。从而能够促进物流车的准时到达,或者在因客观情况而导致物流车不能够准时到达时,及时采取应对措施,例如重新规划线路、从其它位置调取物料等,以防出现供应不足产线停产等问题。将物流车延误产生的损失降到最小,保证生产活动能够顺利进行。
在本申请实施例中,物流车可以是物流标准工装车。物流车出发时,可利用车联网、车辆通信技术等,生成带有时间信息和车辆标识的消息,将这一消息发送至数据分析模块,数据分析模块查询预设的出发时间表,获得对应车辆标识的计划出发时间,对比实际出发时间,判断出发时间是否准时。车辆标识信息可以是用于区分一个车辆与其余所有车辆的身份编码信息,可以是字符编码,也可以是图像二维码。
在本申请实施例中,在判断结果为出发时间准时的情况下,获取用于预测对应的物流车的到达时间的预测参数。预测参数可以包括影响物流车到达时间的数据,例如相关路段的交通拥堵状况、天气状况、线路状况、驾驶员身份等中的至少一个。
在本申请实施例中,图1所示的流程可以按照设定的时间间隔重复执行,也可以按照设定的距离间隔重复执行,或者在到达物流站点的时候执行。
在本申请实施例中,预测模型可以是基于人工神经网络(Artificial NeuralNetwork,ANN),的深度学习模型。人工神经网络简称神经网络(Neural Network,NN)或类神经网络,是一种模仿生物神经网络(动物的中枢神经系统,特别是大脑)的结构和功能的数学模型或计算模型,用于对函数进行估计或近似。神经网络主要由:输入层,隐藏层,输出层构成。输入层用于接收输入数据,隐藏层用于对输入数据进行计算,输出层用于输出计算结果。
在本申请实施例中,根据预测结果,生成的预警信息可以包括在预测结果与物流车计划到达的时间相符合的情况下,向预设终端发送的指示当前运输正常,无需特殊处理的提示信息;也可以包括在预测结果与物流车计划到达的时间不相符合的情况下,向预设终端发送的指示当前运输异常,需要特殊处理的提示信息。预设终端可以是仓库管理方的终端,也可以是设置于生产线的预设终端,包括但不限于客户端、服务器、工作站等。
在一种实施方式中,所述预测参数包括天气数据和交通数据;获取用于预测物流车到达时间的各预测参数,包括;
通过检测区内的检测装置向所述物流车发送定位信号;
接收所述物流车对所述定位信号的反馈信号;
根据所述反馈信号的强度信息确定所述物流车的位置;
根据所述物流车的位置,获取所述天气数据和交通数据。
在本申请实施例中,检测装置可以是蓝牙检测装置,定位信号可以是蓝牙检测装置发送的广播信号。可以在输送区域内的物流站点铺设蓝牙beacon和蓝牙网关,建立蓝牙基站和信标。然后在物流标准工装车上安装智能识别标签,智能识别标签能够在蓝牙基站的信号覆盖范围内接收广播信号并发送反馈信号。当安装有智能识别标签的物流车进入beacon信号覆盖范围,物流车上安装的终端就能感应到beacon的广播信号,然后向beacon发送反馈信号。测算出在某beacon下的RSSI(Received Signal Strength Indication,接收的信号强度指示)值,通过蓝牙网关经过wifi网络传送到后端数据服务器,通过服务器内置的定位算法测算出终端的具体位置。
在本申请其它实施例中,还可以通过GPS(Global Position System,全球定位系统)对获取车辆位置。
在物流线路较长的情况下,物流车可能会行驶较长的时间,从而可能会经历天气的变化,在确定物流车的位置后,获取与位置对应的天气数据和交通数据。
在一种实施方式中,如图2所示,将各所述预测参数输入时间预测模型,获得指示到达时间的预测结果之前,该物流管理方法还包括:
步骤S21:获取车辆时间原始数据和客观因素原始数据,所述客观因素原始数据包括至少一个数据;
步骤S22:分别确定每个客观因素原始数据和所述时间原始数据的相关性;
步骤S23:根据所述相关性,对所述客观因素原始数据进行筛选,获得预测参数原始数据;
步骤S24:将所述预测参数原始数据和所述时间原始数据输入待训练的模型,获得初步预测结果;
步骤S25:根据对所述初步预测结果的矫正数据,获得矫正预测结果;
步骤S26:根据所述矫正预测结果,对所述待训练模型进行优化,获得所述时间预测模型。
在本申请实施例中,对每一辆物流车运输全流程数据的自动化采集及优化分析,建立大数据库,为决策提供有效参考和指导。预测模型可以是深度学习模型,可以通过一次货多次训练优化获得。客观因素原始数据可以包括物流车运输过程中的各种客观因素,例如天气、交通状况、运输当天是否为节假日等。
在本申请实施例中,对于每一辆物流车行驶过程中的数据都进行收集。对于收集到的原始数据,进行初步的清洗,去掉离群点,然后格式化。因为历史原因数据来源不一样,可能有的原始数据用数据库存储数据,有的原始数据用Excel表格存储,有的字段缺失,重要字段缺失要舍弃数据,不重要的字段添加默认值,最后统一保存到CSV(Comma-SeparatedValues,逗号分隔值)文件中,便于数据挖掘。
在本申请实施例中,分别确定每个客观因素原始数据和所述时间原始数据的相关性时,利用APRIORI(关联规则)算法,找到客观因素原始数据中的频繁项集,即影响物流车到达时间的有效客观因素。因为客观因素原始数据包含至少一个或至少两个数据,这至少一个或至少两个数据不一定都会影响到到达时间,例如天气状况中不同的气温并不会影响到达时间,天气状况中的风力等级不到台风也不会影响到达时间。但交通状况或交通数据等则一定会影响到达时间。因此需要通过相关性分析,找出客观因素原始数据中,与时间原始数据相关性较大的数据。基于找出的频繁项集,可以确定频繁项集中的数据与时间原始数据的相关性。例如交通状况良好程度与用时成正相关,交通状况良好,用时越少,越不可能出现物流车延误;交通状况不佳,用时越多,越可能出现物流车延误。恶劣天气与用时成负相关,天气状况越差,用时越多,越可能出现物流车延误;天气状况越好,用时越少,越不可能出现物流车延误。物流车的出发时间必然直接关系到达时间;出发时间早,则到达时间早;而出发时间晚,则到达时间晚。通过相关性进行定量分析,建立多维度线性回归的待训练模型。将对客观因素原始数据筛选后得到的预测参数原始数据输入待训练模型,得到待训练模型的初步预测结果。将初步预测结果与实际的时间原始数据进行比较,即可获得用于优化待训练模型的损失值,利用损失值对待训练模型的参数进行调整,获得优化后的预测模型。再后续操作时,将实际获得的预测参数输入预测模型,预测模型即可基于当前的预测参数输出一个较为准确的时间预测结果。
在一种实施方式中,根据所述预测结果,生成预警信息,包括:
根据所述物流车对应的看板信息,获得计划到达时间;
根据所述计划到达时间和所述预测结果,生成所述预警信息。
在本申请实施例中,可以将物料配送看板的信息与物流车关联,并根据配送看板上的信息将物料配送到需求车间使用。在本申请实施例中,可以根据对物流车的定位数据,对一定时间范围的物流车的历史轨迹进行展示;实时跟踪物料的位置和动态,实现物流各环节信息化全过程监控及管理。
在本申请实施例中,若计划到达时间早于预测结果,则生成用于指示物料晚到的预警信息。若计划到达时间晚于预测结果,则可以不进行预警,或者生成用于指示物料将会按时到达的信息,作为预警信息。
在本申请实施例中,若预测结果晚于计划到达时间,则可以对延误原因进行分析:是否准时出发,上个物料车是否准时到达,交通是否良好。对于晚于计划时间到达的物流车,还可以分享没有准时到达的预警信息是否及时处理和解决,会不会影响后续物流车等,根据分析原因,操作人员可以直观查看物流车运输的整个过程的行驶状况、迟到原因以及应对措施的实施状况,有利于及时发现物流过程中的问题,对物流过程做出改进。
本申请实施例还提供一种物流信息处理装置,如图3所示,该物流信息处理装置包括:
判断模块31:用于判断获取到的物流车的出发时间是否准时,获得判断结果;
预测参数获取模块32:用于若所述判断结果为出发时间准时,则获取用于预测物流车到达时间的各预测参数;
预测结果获取模块33:用于将各所述预测参数输入时间预测模型,获得用于指示到达时间的预测结果;
预警模块34:用于根据所述预测结果,生成预警信息并发送至设定终端,以通知物流相关人员物流信息。
该物流信息处理装置还可包括存储器和处理器,处理器用于执行存储在存储器中的以上各程序模块。
可选的,所述预测参数包括天气数据和交通数据;所述预测参数获取模块包括;
定位单元:用于通过检测区内的检测装置向所述物流车发送定位信号;
反馈信号接收单元:用于接收所述物流车对所述定位信号的反馈信号;
位置确定单元:用于根据所述反馈信号的强度信息确定所述物流车的位置;
数据获取单元:用于根据所述物流车的位置,获取所述天气数据和交通数据。
可选的,如图4所示,该物流管理装置还包括:
原始数据获取模块41:用于获取车辆时间原始数据和客观因素原始数据,所述客观因素原始数据包括至少一个数据;
相关性分析模块42:用于分别确定每个客观因素原始数据和所述时间原始数据的相关性;
筛选模块43:用于根据所述相关性,对所述客观因素原始数据进行筛选,获得预测参数原始数据;
初步预测模块44:用于将所述预测参数原始数据和所述时间原始数据输入待训练的模型,获得初步预测结果;
矫正模块45:用于根据对所述初步预测结果的矫正数据,获得矫正预测结果;
优化模块46:用于根据所述矫正预测结果,对所述待训练模型进行优化,获得所述时间预测模型。
可选的,所述预警模块包括:
计划到达时间获取单元:用于根据所述物流车对应的看板信息,获得计划到达时间;
时间处理单元:用于根据所述计划到达时间和所述预测结果,生成所述预警信息。
本申请实施例还提供一种物流信息处理设备,包括存储器、处理器;
所述存储器用于存储指令;
所述处理器执行所述存储器中存储的指令时,能够实现本申请任意一项实施例所提供的方法。
本申请实施例还提供过一种存储介质,所述存储介质包括存储的程序,其中,所述程序用于执行本申请任意一项实施例所提供的方法。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如至少一个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种物流信息处理方法,其特征在于,包括:
判断获取到的物流车的出发时间是否准时,获得判断结果;
若所述判断结果为出发时间准时,则获取用于预测物流车到达时间的各预测参数;
将各所述预测参数输入时间预测模型,获得指示到达时间的预测结果;
根据所述预测结果,生成预警信息并发送至设定终端,以通知物流相关人员物流信息。
2.根据权利要求1所述的方法,其特征在于,所述预测参数包括天气数据和交通数据,获取用于预测物流车到达时间的各预测参数,包括;
通过检测区内的检测装置向所述物流车发送定位信号;
接收所述物流车对所述定位信号的反馈信号;
根据所述反馈信号的强度信息确定所述物流车的位置;
根据所述物流车的位置,获取所述天气数据和交通数据。
3.根据权利要求1所述的方法,其特征在于,将各所述预测参数输入时间预测模型,获得指示到达时间的预测结果之前,还包括:
获取车辆时间原始数据和客观因素原始数据,所述客观因素原始数据包括至少一个数据;
分别确定每个客观因素原始数据和所述时间原始数据的相关性;
根据所述相关性,对所述客观因素原始数据进行筛选,获得预测参数原始数据;
将所述预测参数原始数据和所述时间原始数据输入待训练的模型,获得初步预测结果;
根据对所述初步预测结果的矫正数据,获得矫正预测结果;
根据所述矫正预测结果,对所述待训练模型进行优化,获得所述时间预测模型。
4.根据权利要求1所述的方法,其特征在于,根据所述预测结果,生成预警信息,包括:
根据所述物流车对应的看板信息,获得计划到达时间;
根据所述计划到达时间和所述预测结果,生成所述预警信息。
5.一种物流信息处理装置,其特征在于,包括:
判断模块:用于判断获取到的物流车的出发时间是否准时,获得判断结果;
预测参数获取模块:用于若所述判断结果为出发时间准时,则获取用于预测物流车到达时间的各预测参数;
预测结果获取模块:用于将各所述预测参数输入时间预测模型,获得用于指示到达时间的预测结果;
预警模块:用于根据所述预测结果,生成预警信息并发送至设定终端,以通知物流相关人员物流信息。
6.根据权利要求5所述的装置,其特征在于,所述预测参数包括天气数据和交通数据;所述预测参数获取模块包括;
定位单元:用于通过检测区内的检测装置向所述物流车发送定位信号;
反馈信号接收单元:用于接收所述物流车对所述定位信号的反馈信号;
位置确定单元:用于根据所述反馈信号的强度信息确定所述物流车的位置;
数据获取单元:用于根据所述物流车的位置,获取所述天气数据和交通数据。
7.根据权利要求5所述的装置,其特征在于,所述装置还包括:
原始数据获取模块:用于获取车辆时间原始数据和客观因素原始数据,所述客观因素原始数据包括至少一个数据;
相关性分析模块:用于分别确定每个客观因素原始数据和所述时间原始数据的相关性;
筛选模块:用于根据所述相关性,对所述客观因素原始数据进行筛选,获得预测参数原始数据;
初步预测模块:用于将所述预测参数原始数据和所述时间原始数据输入待训练的模型,获得初步预测结果;
矫正模块:用于根据对所述初步预测结果的矫正数据,获得矫正预测结果;
优化模块:用于根据所述矫正预测结果,对所述待训练模型进行优化,获得所述时间预测模型。
8.根据权利要求5所述的装置,其特征在于,所述预警模块包括:
计划到达时间获取单元:用于根据所述物流车对应的看板信息,获得计划到达时间;
时间处理单元:用于根据所述计划到达时间和所述预测结果,生成所述预警信息。
9.一种物流信息处理设备,其特征在于,包括存储器、处理器;
所述存储器用于存储指令;
所述处理器执行所述存储器中存储的指令时,能够实现如权利要求1-4中任意一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序用于执行权利要求1-4中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911146492.4A CN110941649A (zh) | 2019-11-20 | 2019-11-20 | 一种物流信息处理方法、装置、设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911146492.4A CN110941649A (zh) | 2019-11-20 | 2019-11-20 | 一种物流信息处理方法、装置、设备及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110941649A true CN110941649A (zh) | 2020-03-31 |
Family
ID=69907818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911146492.4A Pending CN110941649A (zh) | 2019-11-20 | 2019-11-20 | 一种物流信息处理方法、装置、设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110941649A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113706874A (zh) * | 2021-10-28 | 2021-11-26 | 华清科盛(北京)信息技术有限公司 | 厂内物流车辆到达时间的实时预测方法和装置、电子设备 |
CN114066055A (zh) * | 2021-11-16 | 2022-02-18 | 中交智运有限公司 | 一种在物流运输中车辆晚靠台预测的方法、装置和服务器 |
CN115577876A (zh) * | 2022-09-27 | 2023-01-06 | 广西综合交通大数据研究院 | 基于区块链和联邦学习的网络货运平台运单准点预测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104008473A (zh) * | 2014-02-12 | 2014-08-27 | 中华电信股份有限公司 | 具有通知功能的物流配送到达时间预估系统及方法 |
US20150088581A1 (en) * | 2013-09-20 | 2015-03-26 | Daifuku Co., Ltd. | Logistics System |
CN107331149A (zh) * | 2016-04-29 | 2017-11-07 | 株式会社日立制作所 | 预测车辆行驶时间的方法和装置 |
CN109426930A (zh) * | 2017-08-25 | 2019-03-05 | 株式会社日立制作所 | 物流车辆的运输延迟预测系统及方法 |
-
2019
- 2019-11-20 CN CN201911146492.4A patent/CN110941649A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150088581A1 (en) * | 2013-09-20 | 2015-03-26 | Daifuku Co., Ltd. | Logistics System |
CN104008473A (zh) * | 2014-02-12 | 2014-08-27 | 中华电信股份有限公司 | 具有通知功能的物流配送到达时间预估系统及方法 |
CN107331149A (zh) * | 2016-04-29 | 2017-11-07 | 株式会社日立制作所 | 预测车辆行驶时间的方法和装置 |
CN109426930A (zh) * | 2017-08-25 | 2019-03-05 | 株式会社日立制作所 | 物流车辆的运输延迟预测系统及方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113706874A (zh) * | 2021-10-28 | 2021-11-26 | 华清科盛(北京)信息技术有限公司 | 厂内物流车辆到达时间的实时预测方法和装置、电子设备 |
CN114066055A (zh) * | 2021-11-16 | 2022-02-18 | 中交智运有限公司 | 一种在物流运输中车辆晚靠台预测的方法、装置和服务器 |
CN115577876A (zh) * | 2022-09-27 | 2023-01-06 | 广西综合交通大数据研究院 | 基于区块链和联邦学习的网络货运平台运单准点预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107944797B (zh) | 运输任务的监控方法、装置及系统 | |
CN110941649A (zh) | 一种物流信息处理方法、装置、设备及计算机存储介质 | |
CN106022541B (zh) | 一种到站时间预测方法 | |
US10614409B2 (en) | System and method for increasing asset utilization using satellite aided location tracking | |
US20150235133A1 (en) | Data concentration prediction device, data concentration prediction method, and recording medium recording program thereof | |
Boufaied | A diagnostic approach for advanced tracking of commercial vehicles with time window constraints | |
US20230180086A1 (en) | Method and apparatus for accessing network cell | |
WO2018021958A1 (en) | Passenger load prediction systems and methods for predicting passenger load | |
CN104680719A (zh) | 疲劳驾驶时间指标监测系统及方法 | |
CN108846498B (zh) | 基于gis与温湿度整合技术的药品追溯系统及方法 | |
CN104243900A (zh) | 车辆到站时间预报系统及方法 | |
CN106537377A (zh) | 一种基于云架构的售后服务平台 | |
CN101830256B (zh) | 一种实现汽车整车总装车间均衡化生产的方法及系统 | |
US20200312142A1 (en) | System and a Method for Improving Road Safety and/or Management | |
CN111815946A (zh) | 一种异常路段的确定方法、装置、存储介质和电子设备 | |
CN105159183A (zh) | 一种具有远程控制系统的电动冷藏车 | |
CN116758723B (zh) | 一种车辆运输监测方法、系统及介质 | |
CN115271617B (zh) | 一种大宗商品物流运输交易智能信息处理系统 | |
CN115375234A (zh) | 基于gnss的运输车辆运行轨迹规划方法 | |
CN115880953A (zh) | 无人机的管控方法及智慧路灯系统 | |
CN113095763B (zh) | 一种在途商品车的监控方法、装置、系统及介质 | |
CN111582527A (zh) | 行程时间的预估方法、装置、电子设备和存储介质 | |
CN117114175B (zh) | 基于北斗定位技术实现外贸货物交付计划的预测方法 | |
CN117495019A (zh) | 基于农产品供应链的农产品协同调度方法与系统 | |
CN109409563A (zh) | 一种公交运营车辆实时人数的分析方法、系统和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200331 |