CN111080007A - 快件到达时间的预测方法、装置、设备及存储介质 - Google Patents
快件到达时间的预测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111080007A CN111080007A CN201911280066.XA CN201911280066A CN111080007A CN 111080007 A CN111080007 A CN 111080007A CN 201911280066 A CN201911280066 A CN 201911280066A CN 111080007 A CN111080007 A CN 111080007A
- Authority
- CN
- China
- Prior art keywords
- express
- arrival time
- time
- operation data
- initial
- 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
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
- G06Q10/0833—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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Abstract
本发明涉及一种快件到达时间的预测方法、装置、设备及存储介质,应用于快递技术领域,其中,方法包括获取快件初始运转数据;根据所述运转数据生成所述快件的初始到达时间;获取快件的实时运转数据;根据所述实时运转数据对所述初始到达时间进行更新,得到所述快件的预测到达时间。
Description
技术领域
本发明涉及快递技术领域,具体涉及快件到达时间的预测方法、装置、设备及存储介质。
背景技术
随着数字经济的兴起,特别是电商行业的持续发展,快递业务量每年快速增长,围绕快递的相关服务也不断涌现。向客户提供快递包裹的预计到达时间,对提升快递服务体验有着重要意义。其中,预计到达时间主要基于对过去一段时间内收、派两点间平均运输时长的计算,结合快件实际揽收时间而得出的。
相关技术中,预计到达时间仅根据历史数据估计,无法及时提供运输网络调整发生变动后的快件预计到达时间,且快件在实际运输途中可能遭遇堵车、交通事故、留仓等状况,现有的方案仅做一次性预测,无法动态调整预计到达时间,准确性偏低。
发明内容
有鉴于此,本发明为了在至少一定程度上克服相关技术中存在的问题,提供一种快件到达时间的预测方法、装置、设备及存储介质。
为解决上述技术问题,本发明采用如下技术方案:
第一方面,一种快件到达时间的预测方法,包括:
获取快件初始运转数据;
根据所述运转数据生成所述快件的初始到达时间;
获取快件的实时运转数据;
根据所述实时运转数据对所述初始到达时间进行更新,得到所述快件的预测到达时间。
可选的,所述根据所述运转数据生成所述快件的初始到达时间,包括:
将所述初始运转数据输入至路由服务平台;
通过所述路由服务平台基于其内部的运输网络对所述初始运转数据进行分析,得到所述初始到达时间。
可选的,根据所述实时运转数据对所述初始到达时间进行更新,包括:
将所述实时运转数据输入路由服务平台;
通所述路由服务平台对所述实时运转数据和运输网络重新分析,得到所述预测到达时间。
可选的,所述获取快件的实时运转数据,包括:
获取所述快件的轨迹信息;
获取所述快件上的扫描数据;
将所述轨迹信息和所述扫描数据输入GIS系统,得到所述快件的实时位置、所在站点以及到达所述所在站点的时间;
将所述实时位置、所述所在站点和所述到达所述所在站点的时间作为所述实时运转数据。
可选的,所述轨迹信息是通过所述快件的运输工具上设置的GPS得到的;所述扫描数据是通过扫描所述快件上的运单得到的。
可选的,还包括:将所述预测到达时间发送至用户端,以提示用户所述快件的到达时间。
可选的,所述初始运转数据包括所述快件的线路班次、运输资源、运输计划、中转方案、站点信息。
第二方面,一种快件到达时间的预测装置,包括:
第一获取模块,用于获取快件初始运转数据;
第一预测模块,用于根据所述运转数据生成所述快件的初始到达时间;
第二获取模块,用于获取快件的实时运转数据;
第二预测模块,用于根据所述实时运转数据对所述初始到达时间进行更新,得到所述快件的预测到达时间。
第三方面,一种快件到达时间的预测设备,包括:
处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序;
所述处理器用于调用并执行所述存储器中的所述计算机程序,以执行如第一方面所述的快件到达时间的预测方法。
第四方面,一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如本发明第一方面任一项所述快件到达时间的预测方法。
本发明采用以上技术方案,可以实现如下技术效果:本申请通过先获取快件初始运转数据,并根据所述运转数据生成所述快件的初始到达时间,然后获取快件的实时运转数据,从而根据所述实时运转数据对所述初始到达时间进行更新,得到所述快件的预测到达时间。如此,可以先根据初始的运转数据提供给用户一个初始的到达时间,然后,再根据实时运转数据对初始到达时间进行更新,以根据实际情况对快件的到达时间进行调整,得到预测到达时间,提高了快件到达时间预测的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的快件到达时间的预测方法的流程示意图;
图2是本发明另一实施例提供的快件到达时间的预测方法的流程示意图;
图3是本发明一实施例提供的快件到达时间的预测装置的结构示意图;
图4是本发明一实施例提供的快件到达时间的预测设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。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的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
实施例
图1是本发明一实施例提供的快件到达时间的预测方法的流程示意图。如图1所示,本实施例提供一种快件到达时间的预测方法,包括:
步骤101、获取快件初始运转数据;
一些实施例中,所述初始运转数据包括所述快件的线路班次、运输资源、运输计划、中转方案、站点信息。通常上述的初始运转数据都通过运单的形式贴附在快件上,快件的起始位置确定后,线路班次、运输资源、运输计划、中转方案、站点信息等便会一一确定,快件的初始运转数据可以通过扫描快件运单上的单号二维码获取。
步骤102、根据所述初始运转数据生成所述快件的初始到达时间;
一些实施例中,根据所述初始运转数据生成所述快件的初始到达时间的方式有多种,可以参照现有技术中的生成预计到达时间的方式,即利用均值预测的方式,基于对近一段时间内已签收的所有快件时效数据的分析,经过相关模型的处理,算出两点间的平均运输时长,再结合每一票快件的实际揽收时间,为客户提供一个固定的快件预计到达时间。
也可以通过本申请中提供的,将初始运转数据输入路由服务平台中,由路由服务平台基于内部的运输网络对所述初始运转数据进行分析,得到所述初始到达时间。
步骤103、获取快件的实时运转数据;
一些实施例中,快件在运输过程中,会出现堵车、留仓等情况,使得快件到达中间站点或者终止站点时会晚于初始预测的到达时间,因此,本实施例中,通过获取实时运转数据对到达时间进行实时更新。
其中,快件是通过运输工具基于一定的运输线路送达的,快件上设置的运单可以提供给各站点其运输车辆的车牌号或飞机的航班,根据运输车辆或飞机上的GPS系统可以得到快件的实时运输轨迹。快件到达站点后由工作人员对快件进行扫描,以对快件运输状态进行更新。因此,实时运转数据可以包括快件的实时位置、快件到达站点的位置以及到达站点的时间。
步骤104、根据所述实时运转数据对所述初始到达时间进行更新,得到所述快件的预测到达时间。
本申请通过先获取快件初始运转数据,并根据所述运转数据生成所述快件的初始到达时间,然后获取快件的实时运转数据,从而根据所述实时运转数据对所述初始到达时间进行更新,得到所述快件的预测到达时间。如此,可以先根据初始的运转数据提供给用户一个初始的到达时间,然后,再根据实时运转数据对初始到达时间进行更新,以根据实际情况对快件的到达时间进行调整,得到预测到达时间,提高了快件到达时间预测的准确性。
图2是本发明另一实施例提供的快件到达时间的预测方法的流程示意图。如图2所示,本实施例提供一种快件到达时间的预测方法,包括:
步骤201、获取快件初始运转数据;
一些实施例中,所述初始运转数据包括所述快件的线路班次、运输资源、运输计划、中转方案、站点信息。通常上述的初始运转数据都通过运单的形式贴附在快件上,快件的起始位置确定后,线路班次、运输资源、运输计划、中转方案、站点信息等便会一一确定,快件的初始运转数据可以通过扫描快件运单上的单号二维码获取。
步骤202、将所述初始运转数据输入至路由服务平台;
一些实施例中,路由服务平台是根据快递企业业务逻辑,主要是线路班次间的咬合关系和跨分拨中心的中转方案,开发生成规定路由和时效的服务平台。当收、派两点和寄件时间传入到路由服务平台后,平台生成基于现有运输网络的规定路由与时效,最终得到预计到达派件网点的时间。
步骤203、通过所述路由服务平台基于其内部的运输网络对所述初始运转数据进行分析,得到所述初始到达时间。
一些实施例中,根据所述初始运转数据生成所述快件的初始到达时间的方式有多种,可以参照现有技术中的生成预计到达时间的方式,即利用均值预测的方式,基于对近一段时间内已签收的所有快件时效数据的分析,经过相关模型的处理,算出两点间的平均运输时长,再结合每一票快件的实际揽收时间,为客户提供一个固定的快件预计到达时间。
也可以通过本申请中提供的,将初始运转数据输入路由服务平台中,由路由服务平台基于内部的运输网络对所述初始运转数据进行分析,得到所述初始到达时间。
具体的,运输网络的基础数据主要包括经人工从成本和时效等角度考虑确定的线路班次、以汽车和航班为主的运输资源、以汽运计划和航班计划为主的运输计划、快递跨分拨中心中转方案、企业分拨中心和网点信息等。
步骤204、获取所述快件的轨迹信息;
一些实施例中,快件的轨迹信息可以通过所述快件的运输工具上设置的GPS得到。运输工具可以为上述的汽车或飞机。
步骤205、获取所述快件上的扫描数据;
一些实施例中,快件运单上的扫描数据可以是,工作人员通过掌上电脑(PersonalDigital Assistant,PDA)扫描的运单上的条形码,快件被扫描后,运单便可以记录此时快件所在的站点及到达该站点的时间。
步骤206、将所述轨迹信息和所述扫描数据输入GIS系统,得到所述快件的实时位置、所在站点以及到达所述所在站点的时间;
一些实施例中,地理信息系统(Geographic Information System,GIS)它可以对空间信息进行分析和处理,并根据在数据库中的位置对数据进行识别。将轨迹信息和所述扫描数据输入GIS系统后,GIS系统便可以分析出当前快件所处的位置,以及当前快件所在的路段是否发生了堵车、交通事故等情况。
步骤207、将所述实时位置、所述所在站点和所述到达所述所在站点的时间作为所述实时运转数据。
一些实施例中,将实时位置、所述所在站点和所述时间作为所述实时运转数据,可以对路由服务平台进行预测快件到达时间进行进一步的更新和调整。
一些实施例中,快件在运输过程中,会出现堵车、留仓等情况,使得快件到达中间站点或者终止站点时会晚于初始预测的到达时间,因此,本实施例中,通过获取实时运转数据对到达时间进行实时更新。
其中,快件是通过运输工具基于一定的运输线路送达的,快件上设置的运单可以提供给各站点其运输车辆的车牌号或飞机的航班,根据运输车辆或飞机上的GPS系统可以得到快件的实时运输轨迹。快件到达站点后由工作人员对快件进行扫描,以对快件运输状态进行更新。因此,实时运转数据可以包括快件的实时位置、快件到达站点的位置以及到达站点的时间。
步骤208、根据所述实时运转数据对所述初始到达时间进行更新,得到所述快件的预测到达时间。
一些实施例中,通过解析车辆上传的GPS数据和快件运单的扫描数据,监控快件所在的位置,并预知快件到达下一站点的时间。调用路由服务平台的接口,传入快件所在站点、派件网点及到所在站点时间,获取路由服务平台返回的结果,保存到达派件网点的时间。在此过程中,由于使用的是快件实时站点位置信息,因此堵车、交通事故、留仓等状况不会影响到每一次预测的准确性。
步骤209、将所述预测到达时间发送至用户端,以提示用户所述快件的到达时间。
一些实施例中,通过将预测到达时间发送至用户端,可以使用户实时了解到快件所在的位置,以及到达用户处的具体时间,方便可用户查看,应用更加方便。
本申请的快件到达时间的预测方法,基于现有运输网络中的计划、资源,生成快件的规定路由,获取快件到达派件网点的准确时间(可精确到“时”)。运输操作计划与资源调整时,程序会重新生成快件的规定路由,进而更新快件到达派件网点的时间。
结合GPS轨迹监控、快件扫描监控,针对出现堵车、交通事故、留仓等状况的快件,根据其最新位置,动态刷新快件的预计到达时间。本发明的优点是通过第四部分的技术方案,完全摆脱目前基于历史数据的分析结果预测快件到达时间的桎梏,基于对快递企业现有运输网络的整合和业务逻辑的梳理,实现在该运输网络下快件的规定路由与时效全程可预测,结合GPS轨迹、快件PDA扫描数据,动态更新快件到达派件网点的时间。
图3是本发明一实施例提供的快件到达时间的预测装置的结构示意图。如图3所示,本实施例提供一种快件到达时间的预测装置,包括:
第一获取模块301,用于获取快件初始运转数据;
第一预测模块302,用于根据所述运转数据生成所述快件的初始到达时间;
第二获取模块303,用于获取快件的实时运转数据;
第二预测模块304,用于根据所述实时运转数据对所述初始到达时间进行更新,得到所述快件的预测到达时间。
本申请通过先获取快件初始运转数据,并根据所述运转数据生成所述快件的初始到达时间,然后获取快件的实时运转数据,从而根据所述实时运转数据对所述初始到达时间进行更新,得到所述快件的预测到达时间。如此,可以先根据初始的运转数据提供给用户一个初始的到达时间,然后,再根据实时运转数据对初始到达时间进行更新,以根据实际情况对快件的到达时间进行调整,得到预测到达时间,提高了快件到达时间预测的准确性。
本实施例的具体实现方案可以参见前述实施例记载的快件到达时间的预测方法及方法实施例中的相关说明,此处不再赘述。
图4是本申请一实施例提供的一种快件到达时间的预测设备的结构示意图。参照图4,本申请实施例的提供了一种快件到达时间的预测设备,包括:
处理器401,以及与处理器相连接的存储器402;
存储器402用于存储计算机程序;
处理器401用于调用并执行存储器402中的计算机程序,以执行如上述实施例中的快件到达时间的预测方法。
本实施例的具体实现方案可以参见前述实施例记载的快件到达时间的预测方法及方法实施例中的相关说明,此处不再赘述。
本发明实施例提供一种存储介质,存储介质存储有计算机程序,计算机程序被处理器执行时,实现如快件到达时间的预测方法中各个步骤。
本实施例的具体实现方案可以参见上述快件到达时间的预测方法实施例中的相关说明,此处不再赘述。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,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模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种快件到达时间的预测方法,其特征在于,包括:
获取快件初始运转数据;
根据所述初始运转数据生成所述快件的初始到达时间;
获取快件的实时运转数据;
根据所述实时运转数据对所述初始到达时间进行更新,得到所述快件的预测到达时间。
2.根据权利要求1所述的方法,其特征在于,所述根据所述初始运转数据生成所述快件的初始到达时间,包括:
将所述初始运转数据输入至路由服务平台;
通过所述路由服务平台基于其内部的运输网络对所述初始运转数据进行分析,得到所述初始到达时间。
3.根据权利要求1所述的方法,其特征在于,根据所述实时运转数据对所述初始到达时间进行更新,包括:
将所述实时运转数据输入路由服务平台;
通过所述路由服务平台对所述实时运转数据和运输网络重新分析,得到所述预测到达时间。
4.根据权利要求1所述的方法,其特征在于,所述快件上设置有快件的运单,所述获取快件的实时运转数据,包括:
获取所述快件的轨迹信息;
获取扫描的快件运单上的扫描数据;
将所述轨迹信息和所述扫描数据输入GIS系统,得到所述快件的实时位置、所在站点以及到达所述所在站点的时间;
将所述实时位置、所述所在站点和所述到达所述所在站点的时间作为所述实时运转数据。
5.根据权利要求4所述的方法,其特征在于,所述轨迹信息是通过所述快件的运输工具上设置的GPS得到的。
6.根据权利要求1所述的方法,其特征在于,还包括:将所述预测到达时间发送至用户端,以提示用户所述快件的到达时间。
7.根据权利要求1所述的方法,其特征在于,所述初始运转数据包括所述快件的线路班次、运输资源、运输计划、中转方案、站点信息。
8.一种快件到达时间的预测装置,其特征在于,包括:
第一获取模块,用于获取快件初始运转数据;
第一预测模块,用于根据所述运转数据生成所述快件的初始到达时间;
第二获取模块,用于获取快件的实时运转数据;
第二预测模块,用于根据所述实时运转数据对所述初始到达时间进行更新,得到所述快件的预测到达时间。
9.一种快件到达时间的预测设备,其特征在于,包括:
处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序;
所述处理器用于调用并执行所述存储器中的所述计算机程序,以执行如权利要求1-7任一项所述的方法。
10.一种存储介质,其特征在于,包括:所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求1-7任一项所述快件到达时间的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911280066.XA CN111080007A (zh) | 2019-12-13 | 2019-12-13 | 快件到达时间的预测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911280066.XA CN111080007A (zh) | 2019-12-13 | 2019-12-13 | 快件到达时间的预测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111080007A true CN111080007A (zh) | 2020-04-28 |
Family
ID=70314463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911280066.XA Pending CN111080007A (zh) | 2019-12-13 | 2019-12-13 | 快件到达时间的预测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111080007A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011672A (zh) * | 2021-03-29 | 2021-06-22 | 上海寻梦信息技术有限公司 | 物流时效预测方法、装置、电子设备及存储介质 |
CN114189531A (zh) * | 2020-08-25 | 2022-03-15 | 顺丰科技有限公司 | 一种收派件监控方法、装置、服务器及存储介质 |
CN113011672B (zh) * | 2021-03-29 | 2024-04-19 | 上海寻梦信息技术有限公司 | 物流时效预测方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101320442A (zh) * | 2007-06-05 | 2008-12-10 | 上海博拉软件有限公司 | 基于物流管理平台实现货物实时跟踪监控的方法 |
US20140088865A1 (en) * | 2012-09-27 | 2014-03-27 | Siemens Industry, Inc. | Apparatus and method for predicting arrival times in a transportation network |
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 |
CN108062858A (zh) * | 2018-01-09 | 2018-05-22 | 吉旗(成都)科技有限公司 | 一种结合历史任务计算预计到达时间的算法 |
US20190130260A1 (en) * | 2017-10-30 | 2019-05-02 | DoorDash, Inc. | System for dynamic estimated time of arrival predictive updates |
CN109784820A (zh) * | 2019-03-28 | 2019-05-21 | 上海中通吉网络技术有限公司 | 一种快递路由智能解决方法、装置、终端设备及存储介质 |
CN110009282A (zh) * | 2019-04-02 | 2019-07-12 | 山西河东商旅航空服务有限公司 | 一种基于大数据的物流到货时长实时预估系统 |
CN110519462A (zh) * | 2019-09-09 | 2019-11-29 | 杭州极客科技有限公司 | 基于快递客户的来电信息显示方法、装置、设备及介质 |
-
2019
- 2019-12-13 CN CN201911280066.XA patent/CN111080007A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101320442A (zh) * | 2007-06-05 | 2008-12-10 | 上海博拉软件有限公司 | 基于物流管理平台实现货物实时跟踪监控的方法 |
US20140088865A1 (en) * | 2012-09-27 | 2014-03-27 | Siemens Industry, Inc. | Apparatus and method for predicting arrival times in a transportation network |
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 |
US20190130260A1 (en) * | 2017-10-30 | 2019-05-02 | DoorDash, Inc. | System for dynamic estimated time of arrival predictive updates |
CN108062858A (zh) * | 2018-01-09 | 2018-05-22 | 吉旗(成都)科技有限公司 | 一种结合历史任务计算预计到达时间的算法 |
CN109784820A (zh) * | 2019-03-28 | 2019-05-21 | 上海中通吉网络技术有限公司 | 一种快递路由智能解决方法、装置、终端设备及存储介质 |
CN110009282A (zh) * | 2019-04-02 | 2019-07-12 | 山西河东商旅航空服务有限公司 | 一种基于大数据的物流到货时长实时预估系统 |
CN110519462A (zh) * | 2019-09-09 | 2019-11-29 | 杭州极客科技有限公司 | 基于快递客户的来电信息显示方法、装置、设备及介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114189531A (zh) * | 2020-08-25 | 2022-03-15 | 顺丰科技有限公司 | 一种收派件监控方法、装置、服务器及存储介质 |
CN113011672A (zh) * | 2021-03-29 | 2021-06-22 | 上海寻梦信息技术有限公司 | 物流时效预测方法、装置、电子设备及存储介质 |
CN113011672B (zh) * | 2021-03-29 | 2024-04-19 | 上海寻梦信息技术有限公司 | 物流时效预测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2136184B1 (en) | Traffic scheduling system | |
CN104537831B (zh) | 车辆调度的方法及设备 | |
US20200334637A1 (en) | Methods and systems for item delivery along delivery routes | |
US20030135304A1 (en) | System and method for managing transportation assets | |
US11790290B1 (en) | System and method for optimizing waste / recycling collection and delivery routes for service vehicles | |
US20060235739A1 (en) | Systems and methods for dynamically updating a dispatch plan | |
US8571918B2 (en) | Estimation of transit demand models for enhancing ridership | |
WO2014108265A1 (en) | Real-time vehicle spacing control | |
KR20120049846A (ko) | 이력 및 현재 데이터에 기초하는 예상된 도로 교통 조건의 예측 | |
CN101320442A (zh) | 基于物流管理平台实现货物实时跟踪监控的方法 | |
CN110322188A (zh) | 利用未来交通信息的物流配送用路径提供方法及其服务器 | |
WO2019152389A1 (en) | Methods and systems for tracking the flow of trucking freight and/or other assets using mobile device geolocation data | |
Boufaied | A diagnostic approach for advanced tracking of commercial vehicles with time window constraints | |
KR20210008581A (ko) | 멀티 인수 및 멀티 배송을 위한 물류 운송 서비스 제공 시스템 | |
CN113808414B (zh) | 道路荷载确定方法、装置及存储介质 | |
Horbury | Using non-real-time automatic vehicle location data to improve bus services | |
CN111861297A (zh) | 货物丢失确定方法、装置、设备、存储介质及防丢失装置 | |
CN111080007A (zh) | 快件到达时间的预测方法、装置、设备及存储介质 | |
US9984565B2 (en) | Method for transforming probe data across transportation modes | |
Budimir et al. | Floating car data technology | |
Gracious et al. | Performance Evaluation of Passenger Information Systems | |
US20220373352A1 (en) | Methods and systems for delivery route optimization | |
US10546307B2 (en) | Method, apparatuses, and computer program products for automatically detecting levels of user dissatisfaction with transportation routes | |
Dalla Chiara | Role of automatic vehicle location systems and localisation accuracy in freight transport: an analytical estimation of gained operational times | |
MUSSAYEVA | Algorithm of parallel data processing in the automated dispatcherization system of railway transport movement |
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 |