CN110991951A - 一种基于大数据的快递方法及快递平台 - Google Patents

Abstract

本发明公开了一种基于大数据的快递方法及快递平台，包括如下步骤：获取至少两个收货地址；获取收件人在每个所述收货地址的驻留时间段；计算当前时间段收件人在每个所述收货地址的概率；根据所述概率，择取最高概率对应的所述收货地址送货。通过本发明的快递方法，利用大数据计算收件人在当前时间内最有可能在的地址，然后在进行送货，能够大概率的直接送达收件人手中，从而减少因收货地址没人而放置于代收点造成的不必要麻烦和不必要的费用支出，或者避免收件人选错地址而导致的送货地址不对，改善收件人的收货体验。

Description

一种基于大数据的快递方法及快递平台

技术领域

本发明涉及物流领域，更具体地，涉及一种基于大数据的快递方法及快递平台。

背景技术

随着社会的发展和网络技术的不断进步，人们越来越喜欢在网络上进行购物，因此快递业也随着网购的兴起而越来越成为生活中不可缺少的一部分。

通常，人们网购了产品或者别人寄送的产品，会根据之前预留的地址进行送递，但是很多时候由于接收人不在接收地址(比如上班、上学或出差)，包裹不能够及时送达，需要多次投递或直接存放至暂存柜中。多次投递不仅加大了快递员的工作量，还会因为搬运次数增多而提高包裹内物品损坏的风险；若存放至暂存柜或代收网点，会产生多余的保管费用或提高被盗、被错拿的风险。以上问题至今困扰着各大快递公司，已成为遏制快递业发展的瓶颈之一。

因此，需要一种新型的快递方法以及快递平台，能够解决上述问题。

发明内容

本发明的一个目的是提供一种基于大数据的快递平台的新技术方案。

根据本发明的第一方面，提供了一种基于大数据的快递方法，包括如下步骤：

获取至少两个收货地址；

获取收件人在每个所述收货地址的驻留时间段；

计算当前时间段收件人在每个所述收货地址的概率；

根据所述概率，择取最高概率对应的所述收货地址送货。

通过本方案，利用大数据计算收件人在当前时间内最有可能在的地址，然后在进行送货，能够大概率的直接送达收件人手中，从而减少因收货地址没人而放置于代收点造成的不必要麻烦和不必要的费用支出，或者避免收件人选错地址而导致的送货地址不对，改善收件人的收货体验。

优选地，在所述获取至少两个收货地址步骤中，主要包括如下步骤：

获取一定时间段内收件人所去的每个地址的有效次数；

将每个地址所去有效次数与预先设定的阈值做比较；

将超过所述阈值的有效次数对应的所述地址作为收货地址；

通过本方案，过滤掉临时去的地方，使地址获取更准确，并能够减少系统的数据处理量。

优选地，在单一地址停留时间超过一定值时作为一次有效次数。

通过本方案，进一步过滤临时路过的地址。

优选地，在所述获取收件人在每个所述收货地址的驻留时间段步骤中，主要包括如下步骤：

获取每月中去所述收货地址的日期规律；

获取每次去所述收货地址时的一天中的时间区间；

每月中的所述时间区间，即为该收货地址的驻留时间段。

通过本方案，对驻留时间段进行大数据统计和模糊计算，以获得更加精确的送货数据。

优选地，所述计算当前时间段收件人在每个所述收货地址的概率步骤中，主要包括如下步骤：

计算派件至所述收货地址的送货时间；

判断所述送货时间是否在所述驻留时间段内，如果是则为有效收货地址；

根据选取条件择取一个所述有效收货地址。

通过本方案，在送货之前，首先对各收货地址的送货时间进行计算，然后根据送达时间点时收件人所在的位置进行送货，提高送货准确率。

优选地，所述选取条件为：收件人指定地点。

通过本方案，送货之前由收件人指定地点进行送货，进一步提高送货成功率。

优选地，所述选取条件为：计算第一次获取该有效收获地址至今，所述送货时间落入该有效收获地址的驻留时间段的概率；

所述择取最高概率对应的所述收货地址送货为：择取概率最高的所述有效收货地址送货。

通过本方案，利用大数据分析收件人最有可能在的地址，择取概率最高的收货地址，无需询问收件人，效率更高，且收件人的收货体验更好。

优选地，所述收货地址根据收件人的需要进行选择与屏蔽。

通过本方案，能够充分保护收件人的隐私。

根据本发明的第二方面，提供给了一种利用上述方法的基于大数据的快递平台，包括：获取模块，用于获取至少两个收货地址，以及获取收件人在每个所述收货地址的驻留时间段；

运算模块，用于计算当前时间段收件人在每个所述收货地址的概率；

选择模块，用于根据所述概率，择取最高概率对应的所述收货地址送货。

优选地，所述获取模块为大数据处理模块。

根据本公开的一个实施例，利用大数据进行分析收件人有可能在的地址，并择取最大概率的收件地址进行送货，提高直接送达收件人手中的概率，减少收件人不能够直接收货导致的不必要麻烦和支出，改善接收快递的体验。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1是本发明实施例的基于大数据的快递方法的流程示意图。

图2是本发明实施例的基于大数据的快递方法中S1100的流程示意图。

图3是本发明实施例的基于大数据的快递方法中S1300的流程示意图。

图4是本发明实施例的基于大数据的快递平台的结构框图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

<一种基于大数据的快递方法>

如图1所示，本实施例中的基于大数据的快递方法，包括如下步骤：

S1100：获取至少两个收货地址；

在该步骤中，获取的收货地址可以是收件人手动设置，例如设置好家庭住址以及公司地址；获取的收货地址也可以是自动获取的，例如根据工作日与休息判断家庭地址或公司地址，或者根据白天晚上判断家庭地址或公司地址等。

S1200：获取收件人在每个所述收货地址的驻留时间段；

在该步骤中，利用收件人的手持终端获取该地址以及时间，该手持终端例如是手机，利用手机上的卫星定位系统检测收件人是否在获取到的收货地址之一，并获取当前时间并计时。

S1300：计算当前时间段收件人在每个所述收货地址的概率；

在该步骤中，根据获取到的数据，计算当前时间段内收件人在每个收货地址的概率。例如在工作日的工作时间段内，收件人在公司中的概率最大，而在家的概率最小。

S1400：根据所述概率，择取最高概率对应的所述收货地址送货。

在该步骤中，选取收件人最高概率所在的收货地址，分配相应快递员送至该收获地址；例如将收件人最高概率所在的几个收货地址发送至快递员的手持终端上，由快递员择取进行投递。

通过本实施例该方案，利用大数据计算收件人在当前时间内最有可能在的地址，然后在进行送货，能够大概率的直接送达收件人手中，从而减少因收货地址没人而放置于代收点造成的不必要麻烦和不必要的费用支出，或者避免收件人选错地址而导致的送货地址不对，改善收件人的收货体验。

本实施例中，收件人与送件人均配备有手持终端，该手持终端例如是手机，均通过无线网络连接至后台的服务器，手持终端用于获取收件人的各种信息，并传送至服务器中进行分析统计，服务器根据分析到的数据进行模糊运算，从而得出收件人大概率所在的收货地址，并将该收获地址发送只送件人的手持终端上。

在本实施例或其他实施例中，如图2所示，在步骤S1100中，即所述获取至少两个收货地址步骤中，主要包括如下步骤：

S1110：获取一定时间段内收件人所去的每个地址的有效次数；

在该步骤中，可以按月或者按周获取该有效次数，例如每隔一天会去一趟健身房等信息。

S1120：将每个地址所去有效次数与预先设定的阈值做比较；

在该步骤中，该阈值例如设定每月两次或每周两次，能够将收件人临时去的地址进行过滤，例如去银行办业务或临时买东西等临时地址进行过滤。

S1130：将超过所述阈值的有效次数对应的所述地址作为收货地址；

在该步骤中，当收件人去的某一个地址具有规律性和可预见性，即可将该地址作为收货地址。

该步骤能够过滤掉临时去的地方，使地址获取更准确，并能够减少系统的数据处理量，提高效率。

在本实施例或其他实施例中，在步骤S1110中，将在单一地址停留时间超过一定值时作为一次有效次数。例如在某一地址停留时间超过半小时，即可记录为一次有效次数，将其叠加至该收货地址的特定时间段内的次数。该步骤能够进一步过滤临时路过的地址。

在本实施例或其他实施例中，在步骤S1200中，即获取收件人在每个所述收货地址的驻留时间段步骤中，主要包括如下步骤：

S1210：获取每月中去所述收货地址的日期规律；

S1220：获取每次去所述收货地址时的一天中的时间区间；

该两个步骤能够将每个地址的每个时间段进行记录，例如以月为单位去的辅导课等，并详细记载该辅导课的具体时间段。

每月中的所述时间区间，即为该收货地址的驻留时间段。

对驻留时间段进行大数据统计和模糊计算，以获得更加精确的送货数据。

在本实施例或其他实施例中，如图3所示，在步骤S1300中，即所述计算当前时间段收件人在每个所述收货地址的概率步骤中，主要包括如下步骤：

S1310：计算派件至所述收货地址的送货时间；

在该步骤中，可以利用手机自带的地图软件计算送件人至收货地址所需要的时间，计算所得到的送达时间即为送货时间；对收件人在该时间内能够在的所有地址均进行计算。

S1320：判断所述送货时间是否在所述驻留时间段内，如果是则为有效收货地址；

在该步骤中，计算所得的所有送货时间，均与每个地点的驻留时间做比较，对比是否能够在该驻留时间内送达，避免因送达时间过晚而收件人离开该地址造成的送件失败。

S1330：根据选取条件择取一个所述有效收货地址。

在该步骤中，有可能会有多个收货地址符合送件条件，即有多个收货地址的驻留时间均符合送货时间的要求，则根据预先设定的条件进行送货。

利用本方案该步骤，在送货之前，首先对各收货地址的送货时间进行计算，然后根据送达时间点时收件人所在的位置进行送货，提高送货准确率。

在本实施例或其他实施例中，上述的所述选取条件为：收件人指定地点。送货之前由收件人指定地点进行送货，进一步提高送货成功率。该指定地点例如是服务器发送几个常用收货地址供收件人选择，或者由收件人选择其当前所在地址的时间段。

在本实施例或其他实施例中，所述选取条件为：计算第一次获取该有效收获地址至今，所述送货时间落入该有效收获地址的驻留时间段的概率；所述择取最高概率对应的所述收货地址送货为：择取概率最高的所述有效收货地址送货。该步骤能够利用大数据分析收件人最有可能在的地址，择取概率最高的收货地址，无需询问收件人，效率更高，且收件人的收货体验更好。

在本实施例或其他实施例中，所述收货地址根据收件人的需要进行选择与屏蔽。屏蔽掉收件人不希望收货的地址或者不希望别人获取的地址，能够充分保护收件人的隐私；选择收货地址能够避免收件人将待收取快递物品携带过远距离，例如办公用品送至家庭住址，还需要收件人再将其拿到公司地址去。

<一种基于大数据的快递平台>

如图4所示，本实施例中的一种基于大数据的快递平台1000，包括：获取模块1100，用于获取至少两个收货地址，以及获取收件人在每个所述收货地址的驻留时间段；

运算模块1200，用于计算当前时间段收件人在每个所述收货地址的概率；

选择模块1300，用于根据所述概率，择取最高概率对应的所述收货地址送货。

本实施例中的获取模块1100例如是移动终端的卫星定位系统、键盘输入系统、语音输入系统或者图像采集系统等，能够获取到收件人的位置信息以及时间信息等；运算模块1200以及选择模块1300例如是移动终端的处理器等中央处理模块，也可以是后台的服务器，用于处理获取模块1100所获取到的数据。

在本实施例或其他实施例中，所述获取模块1100为大数据处理模块。能够实时获取收件人的所有位置信息和时间信息，并对所获取到的信息进行分类发送或存储，以确保运算模块1200和选择模块1300能够对其进行分析运算。

本发明的各个实施例及例子侧重说明与其他实施例及例子的不同之处，各实施例及例子之间的相同部分相互参见即可。

本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims (10)

1.一种基于大数据的快递方法，其特征在于，包括如下步骤：

获取至少两个收货地址；

获取收件人在每个所述收货地址的驻留时间段；

计算当前时间段收件人在每个所述收货地址的概率；

根据所述概率，择取最高概率对应的所述收货地址送货。

2.根据权利要求1所述的基于大数据的快递方法，其特征在于，在所述获取至少两个收货地址步骤中，主要包括如下步骤：

获取一定时间段内收件人所去的每个地址的有效次数；

将每个地址所去有效次数与预先设定的阈值做比较；

将超过所述阈值的有效次数对应的所述地址作为收货地址。

3.根据权利要求2所述的基于大数据的快递方法，其特征在于，在单一地址停留时间超过一定值时作为一次有效次数。

4.根据权利要求1所述的基于大数据的快递方法，其特征在于，在所述获取收件人在每个所述收货地址的驻留时间段步骤中，主要包括如下步骤：

获取每月中去所述收货地址的日期规律；

获取每次去所述收货地址时的一天中的时间区间；

每月中的所述时间区间，即为该收货地址的驻留时间段。

5.根据权利要求4所述的基于大数据的快递方法，其特征在于，所述计算当前时间段收件人在每个所述收货地址的概率步骤中，主要包括如下步骤：

计算派件至所述收货地址的送货时间；

判断所述送货时间是否在所述驻留时间段内，如果是则为有效收货地址；

根据选取条件择取一个所述有效收货地址。

6.根据权利要求5所述的基于大数据的快递方法，其特征在于，所述选取条件为：收件人指定地点。

7.根据权利要求5所述的基于大数据的快递方法，其特征在于，所述选取条件为：计算第一次获取该有效收获地址至今，所述送货时间落入该有效收获地址的驻留时间段的概率；

所述择取最高概率对应的所述收货地址送货为：择取概率最高的所述有效收货地址送货。

8.根据权利要求1所述的基于大数据的快递方法，其特征在于，所述收货地址根据收件人的需要进行选择与屏蔽。

9.一种利用权利要求1至8所述方法的基于大数据的快递平台，其特征在于，包括：

获取模块，用于获取至少两个收货地址，以及获取收件人在每个所述收货地址的驻留时间段；

运算模块，用于计算当前时间段收件人在每个所述收货地址的概率；

选择模块，用于根据所述概率，择取最高概率对应的所述收货地址送货。

10.根据权利要求9所述的基于大数据的快递平台，其特征在于，所述获取模块为大数据处理模块。

Images