CN111461630B - 派送快递包裹的监控方法、装置、设备及存储介质 - Google Patents

派送快递包裹的监控方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111461630B
CN111461630B CN202010382731.2A CN202010382731A CN111461630B CN 111461630 B CN111461630 B CN 111461630B CN 202010382731 A CN202010382731 A CN 202010382731A CN 111461630 B CN111461630 B CN 111461630B
Authority
CN
China
Prior art keywords
express
data
detected
period data
numerical
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.)
Active
Application number
CN202010382731.2A
Other languages
English (en)
Other versions
CN111461630A (zh
Inventor
刘超
王真真
王梦飞
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.)
Dongpu Software Co Ltd
Original Assignee
Dongpu Software Co Ltd
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 Dongpu Software Co Ltd filed Critical Dongpu Software Co Ltd
Priority to CN202010382731.2A priority Critical patent/CN111461630B/zh
Publication of CN111461630A publication Critical patent/CN111461630A/zh
Application granted granted Critical
Publication of CN111461630B publication Critical patent/CN111461630B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/08Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083Shipping
    • G06Q10/0833Tracking
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/22Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及物流技术领域,公开了一种派送快递包裹的监控方法、装置、设备及存储介质,用于解决在快递包裹分发中转时,快递包裹的分发效率低下的问题。派送快递包裹的监控方法包括:获取多个快递订单数据,并将多个快递订单数据录入快递周期表中,得到多个初始快递周期数据;对多个初始快递周期数据进行归类,确定并储存多个待检测快递周期数据;采用预置数据处理算法对多个待检测快递周期数据进行数据清洗,得到多个候选快递周期数据;计算每个候选快递周期数据的及时分发率,并判断及时分发率是否小于标准分发率阈值;若目标候选快递周期数据的及时分发率小于标准分发率阈值,则向目标候选快递周期数据对应的快递派送站点发送调整信息。

Description

派送快递包裹的监控方法、装置、设备及存储介质
技术领域
本发明涉及物流技术领域,尤其涉及一种派送快递包裹的监控方法、装置、设备及存储介质。
背景技术
当快递包裹被打包完整进行出库运输时,快递运营商会给与快递包裹一个快递运输单,快递运输单至少包含收发人的姓名、收发人的地址以及快递单号,一般情况下,快递单号是追踪快递包裹的凭证,将快递单号输入到对应的查询系统中就可以获取实时的快递包裹运输信息。在快递包裹的运输中,快递运营商也会利用快递单号对快递包裹进行实时监控,一般的,快递运营商通过快递单号获取到快递包裹的收件人的地域信息,并根据已有的地域划分区域对快递包裹的地域信息进行归类,统计不同地域划分区域的所有快递包裹数量,并根据快递包裹数量的多少对快递包裹进行及时的分发。
现有方案在对快递包裹进行实时监控的过程中,每个地域需派发的快递包裹数量巨大,无法及时对快递包裹进行分发中转,导致快递包裹的分发效率低下。
发明内容
本发明的主要目的在于解决在快递包裹分发中转时,快递包裹的分发效率低下的问题。
本发明第一方面提供了一种派送快递包裹的监控方法,包括:通过扫描多个原始快递单号获取对应的多个快递订单数据,并将所述多个快递订单数据录入快递周期表中,得到多个初始快递周期数据,其中,所述初始快递周期数据中包括快递派送站点;在预置数据仓库中,对所述多个初始快递周期数据进行归类,将分类后的多个初始快递周期数据确定为多个待检测快递周期数据,并储存多个待检测快递周期数据;采用预置数据处理算法对所述多个待检测快递周期数据进行数据清洗,得到多个候选快递周期数据,并将所述多个候选快递周期数据传输至监控系统;在所述监控系统中,计算每个候选快递周期数据的及时分发率,并判断每个候选快递周期数据的及时分发率是否小于标准分发率阈值;若所述目标候选快递周期数据的及时分发率小于标准分发率阈值,则向目标候选快递周期数据对应的快递派送站点发送调整信息。
可选的,在本发明第一方面的第一种实现方式中,所述在预置数据仓库中,对所述多个初始快递周期数据进行归类,将分类后的多个初始快递周期数据确定为多个待检测快递周期数据,并储存多个待检测快递周期数据包括:在预置数据库中,获取所述多个初始快递周期数据的对应的多个区域属性;根据所述多个区域属性对所述多个初始快递周期数据进行分类,将分类后的多个初始快递周期数据确定为多个待检测快递周期数据,并将多个待检测快递周期数据分配到不同的数据存储节点中。
可选的,在本发明第一方面的第二种实现方式中,所述根据所述多个区域属性对所述多个初始快递周期数据进行分类,将分类后的多个初始快递周期数据确定为多个待检测快递周期数据,并将多个待检测快递周期数据分配到不同的数据存储节点中包括:采用相似度算法计算多个区域属性中任意两个区域属性之间的基础相似度,得到多个基础相似度;判断每个基础相似度的数值是否大于匹配阈值,若目标基础相似度的数值大于所述匹配阈值,则将所述目标基础相似度对应的两个目标区域属性划分到同一区域类别中;将所述两个目标区域属性对应的初始快递周期数据确定为待检测快递周期数据,并将两个所述待检测快递周期数据分配到同一数据存储节点中,直至所述多个初始快递周期数据均完成分类。
可选的,在本发明第一方面的第三种实现方式中,所述采用预置数据处理算法对所述多个待检测快递周期数据进行数据清洗,得到多个候选快递周期数据,并将所述多个候选快递周期数据传输至监控系统包括:采用预置数据处理算法在所述多个待检测快递周期数据中筛选出多个待检测数值数据,并判断每个待检测数值数据中是否为空值;若所述目标待检测数值数据为空值,则将所述目标待检测数值数据替换为平均数值数据,得到替换数值数据,其中,所述平均数值数据为与所述目标待检测数值数据同属性的所有待检测数值数据的平均值;将多个替换数值数据与多个其他待检测数值数据合并,得到多个补充数值数据,对所述多个补充数值数据进行噪点处理,得到多个候选快递周期数据,其中,所述其他待检测数值数据用于指示不为空值的待检测数值数据。
可选的,在本发明第一方面的第四种实现方式中,所述将多个替换数值数据与多个其他待检测数值数据合并,得到多个补充数值数据,对所述多个补充数值数据进行噪点处理,得到多个候选快递周期数据,其中,所述其他待检测数值数据用于指示不为空值的待检测数值数据包括:将多个替换数值数据与多个其他待检测数值数据合并,得到多个补充数值数据,判断每个补充数值数据的值是否大于平均噪点阈值,其中,所述其他待检测数值数据用于指示不为空值的待检测数值数据;若目标补充数值数据的值大于平均噪点阈值,则删除所述目标补充数值数据对应的待检测快递周期数据,并重新获取所述目标补充数值数据对应的待检测快递周期数据,得到更新数值数据;将多个更新数值数据与多个其他补充数值数据合并,得到多个修订数值数据,将所述多个修订数值数据与多个其他待检测快递周期数据合并,得到多个候选快递周期数据,其中,所述其他补充数值数据用于指示补充数值数据的值小于或等于所述平均噪点阈值的补充数值数据,所述其他待检测快递周期数据为除多个待检测数值数据之外的非数值数据。
可选的,在本发明第一方面的第五种实现方式中,所述扫描多个原始快递单号获取对应的多个快递订单数据,并将所述多个快递订单数据录入快递周期表中,得到多个初始快递周期数据,其中,所述初始快递周期数据包括快递派送站点包括:获取多个原始快递运输单,采用目标检测算法识别每个原始快递运输单上的原始快递单号,得到多个原始快递单号;扫描所述多个原始快递单号获取到每个原始快递单号对应的快递订单数据,得到多个快递订单数据,并将所述多个快递订单数据录入快递周期表中,得到多个初始快递周期数据,其中,所述初始快递周期数据包括快递派送站点。
可选的,在本发明第一方面的第六种实现方式中,所述获取多个原始快递运输单,采用目标检测算法识别每个原始快递运输单上的原始快递单号,得到多个原始快递单号包括:获取多个原始快递运输单,针对所述多个原始快递运输单中的目标原始快递运输单,利用目标检测算法提取目标原始快递运输单上的特征点,并计算所有特征点的卷积,得到对应的多层特征图;在所述多层特征图中,采用滑动窗口遍历所有特征点,生成多个预测外接框,每个预测外接框内包括原始快递运输单中的一个运输信息;获取多个预测外接框对应携带的多个类别信息,在所述多个类别信息中筛选出类别信息为运输单号的目标外接框,并通过字符比对算法确定所述目标外接框内的字符信息,得到待整合快递单号;针对所述多个原始快递运输单中的原始快递运输单,利用目标检测算法以及字符比对算法获取其他待整合快递单号,其中,所述原始快递运输单为除目标原始快递运输单之外的原始快递运输单;将所述待整合快递单号与所述其他待整合快递单号合并,得到多个原始快递单号。
本发明第二方面提供了一种派送快递包裹的监控装置,包括:获取并录入模块,用于扫描多个原始快递单号获取对应的多个快递订单数据,并将所述多个快递订单数据录入快递周期表中,得到多个初始快递周期数据,其中,所述初始快递周期数据中包括快递派送站点;归类并储存模块,用于在预置数据仓库中,对所述多个初始快递周期数据进行归类,将分类后的多个初始快递周期数据确定为多个待检测快递周期数据,并储存多个待检测快递周期数据;数据清洗模块,用于采用预置数据处理算法对所述多个待检测快递周期数据进行数据清洗,得到多个候选快递周期数据,并将所述多个候选快递周期数据传输至监控系统;计算并判断模块,用于在所述监控系统中,计算每个候选快递周期数据的及时分发率,并判断每个候选快递周期数据的及时分发率是否小于标准分发率阈值;调整模块,若所述目标候选快递周期数据的及时分发率小于标准分发率阈值,则用于向目标候选快递周期数据对应的快递派送站点发送调整信息。
可选的,在本发明第二方面的第一种实现方式中,所述归类并储存模块包括:获取单元,用于在预置数据库中,获取所述多个初始快递周期数据的对应的多个区域属性;分类并储存单元,用于根据所述多个区域属性对所述多个初始快递周期数据进行分类,将分类后的多个初始快递周期数据确定为多个待检测快递周期数据,并将多个待检测快递周期数据分配到不同的数据存储节点中。
可选的,在本发明第二方面的第二种实现方式中,所述分类并储存单元具体用于:采用相似度算法计算多个区域属性中任意两个区域属性之间的基础相似度,得到多个基础相似度;判断每个基础相似度的数值是否大于匹配阈值,若目标基础相似度的数值大于所述匹配阈值,则将所述目标基础相似度对应的两个目标区域属性划分到同一区域类别中;将所述两个目标区域属性对应的初始快递周期数据确定为待检测快递周期数据,并将两个所述待检测快递周期数据分配到同一数据存储节点中,直至所述多个初始快递周期数据均完成分类。
可选的,在本发明第二方面的第三种实现方式中,所述数据清洗模块包括:筛选单元,用于采用预置数据处理算法在所述多个待检测快递周期数据中筛选出多个待检测数值数据,并判断每个待检测数值数据中是否为空值;替换单元,若所述目标待检测数值数据为空值,则用于将所述目标待检测数值数据替换为平均数值数据,得到替换数值数据,其中,所述平均数值数据为与所述目标待检测数值数据同属性的所有待检测数值数据的平均值;合并单元,用于将多个替换数值数据与多个其他待检测数值数据合并,得到多个补充数值数据,对所述多个补充数值数据进行噪点处理,得到多个候选快递周期数据,其中,所述其他待检测数值数据用于指示不为空值的待检测数值数据。
可选的,在本发明第二方面的第四种实现方式中,所述合并单元具体用于:将多个替换数值数据与多个其他待检测数值数据合并,得到多个补充数值数据,判断每个补充数值数据的值是否大于平均噪点阈值,其中,所述其他待检测数值数据用于指示不为空值的待检测数值数据;若目标补充数值数据的值大于平均噪点阈值,则删除所述目标补充数值数据对应的待检测快递周期数据,并重新获取所述目标补充数值数据对应的待检测快递周期数据,得到更新数值数据;将多个更新数值数据与多个其他补充数值数据合并,得到多个修订数值数据,将所述多个修订数值数据与多个其他待检测快递周期数据合并,得到多个候选快递周期数据,其中,所述其他补充数值数据用于指示补充数值数据的值小于或等于所述平均噪点阈值的补充数值数据,所述其他待检测快递周期数据为除多个待检测数值数据之外的非数值数据。
可选的,在本发明第二方面的第五种实现方式中,所述获取并录入模块包括:识别单元,用于获取多个原始快递运输单,采用目标检测算法识别每个原始快递运输单上的原始快递单号,得到多个原始快递单号;录入单元,用于通过扫描所述多个原始快递单号获取到每个原始快递单号对应的快递订单数据,得到多个快递订单数据,并将所述多个快递订单数据录入快递周期表中,得到多个初始快递周期数据,其中,所述初始快递周期数据包括快递派送站点。
可选的,在本发明第二方面的第六种实现方式中,所述识别单元具体用于:获取多个原始快递运输单,针对所述多个原始快递运输单中的目标原始快递运输单,利用目标检测算法提取目标原始快递运输单上的特征点,并计算所有特征点的卷积,得到对应的多层特征图;在所述多层特征图中,采用滑动窗口遍历所有特征点,生成多个预测外接框,每个预测外接框内包括原始快递运输单中的一个运输信息;获取多个预测外接框对应携带的多个类别信息,在所述多个类别信息中筛选出类别信息为运输单号的目标外接框,并通过字符比对算法确定所述目标外接框内的字符信息,得到待整合快递单号;针对所述多个原始快递运输单中的剩余原始快递运输单,利用目标检测算法以及字符比对算法获取其他待整合快递单号,其中,所述剩余原始快递运输单为除目标原始快递运输单之外的原始快递运输单;将所述待整合快递单号与所述其他待整合快递单号合并,得到多个原始快递单号。
本发明第三方面提供了一种派送快递包裹的监控设备,包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;所述至少一个处理器调用所述存储器中的所述指令,以使得所述派送快递包裹的监控设备执行上述的派送快递包裹的监控方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的派送快递包裹的监控方法。
本发明提供的技术方案中,扫描多个原始快递单号获取对应的多个快递订单数据,并将所述多个快递订单数据录入快递周期表中,得到多个初始快递周期数据,其中,所述初始快递周期数据中包括快递派送站点;在预置数据仓库中,对所述多个初始快递周期数据进行归类,将分类后的多个初始快递周期数据确定为多个待检测快递周期数据,并储存多个待检测快递周期数据;采用预置数据处理算法对所述多个待检测快递周期数据进行数据清洗,得到多个候选快递周期数据,并将所述多个候选快递周期数据传输至监控系统;在所述监控系统中,计算每个候选快递周期数据的及时分发率,并判断每个候选快递周期数据的及时分发率是否小于标准分发率阈值;若所述目标候选快递周期数据的及时分发率小于标准分发率阈值,则向目标候选快递周期数据对应的快递派送站点发送调整信息。本发明实施例中,通过多个原始快递单号获取多个初始快递周期数据,并对多个初始快递周期数据进行分类与储存,得到多个候选快递周期数据,通过比对候选快递周期数据的及时分发率与标准分发率阈值之间的大小,及时调整快递派送站点分发快递包裹的数量,提高了快递包裹的分发效率。
附图说明
图1为本发明实施例中派送快递包裹的监控方法的一个实施例示意图;
图2为本发明实施例中派送快递包裹的监控方法的另一个实施例示意图;
图3为本发明实施例中派送快递包裹的监控装置的一个实施例示意图;
图4为本发明实施例中派送快递包裹的监控装置的另一个实施例示意图;
图5为本发明实施例中派送快递包裹的监控设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种派送快递包裹的监控方法、装置、设备及存储介质,通过多个原始快递单号获取多个初始快递周期数据,并对多个初始快递周期数据进行分类与储存,得到多个候选快递周期数据,通过比对候选快递周期数据的及时分发率与标准分发率阈值之间的大小,及时调整快递派送站点分发快递包裹的数量,提高了快递包裹的分发效率。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,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。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中派送快递包裹的监控方法的一个实施例包括:
101、扫描多个原始快递单号获取对应的多个快递订单数据,并将多个快递订单数据录入快递周期表中,得到多个初始快递周期数据,其中,初始快递周期数据中包括快递派送站点;
可以理解的是,本发明的执行主体可以为派送快递包裹的监控装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
服务器扫描多个原始快递单号获取对应的多个快递订单数据,并将多个快递订单数据录入快递周期表中,得到多个初始快递周期数据,其中,初始快递周期数据中包括快递派送站点。
服务器通过扫描多个原始快递单号获取到每个原始快递单号对应的快递订单数据,可以理解的是,在运输途中的每个快递包裹均有固定的原始快递单号,收发件人可以通过原始快递单号确定快递包裹的实时运输位置,实现快递包裹在运输途中对快递包裹的实时监控。一般的,通过扫描原始快递单号能够获取到快递包裹的基本信息,例如:收发人的姓名、收发件人的地址以及快递包裹的物品属性,将这些快递包裹的基本信息录入到快递周期表中,对每个快递包裹的基本信息进行整理,得到多个初始快递周期数据。
102、在预置数据仓库中,对多个初始快递周期数据进行归类,将分类后的多个初始快递周期数据确定为多个待检测快递周期数据,并储存多个待检测快递周期数据;
服务器在预置数据仓库中,对多个初始快递周期数据进行归类,将分类后的多个初始快递周期数据确定为多个待检测快递周期数据,并储存多个待检测快递周期数据。
服务器得到多个初始快递周期数据后,需要对多个初始快递周期数据进行分类,并将属于一类的数据储存在服务器中的同一位置下。对初始快递周期数据的进行分类的过程是在预置数据仓库中进行的,预置数据仓库在这里指的是Greenplum数据仓库,Greenplum是基于海量数据并行操作的完全不共享的MPP架构,将实际的数据存储设备分成一个个区段服务器上的小存储单元,每个单元都有一个连接本地磁盘的专用独立的、高带宽通道。区段服务器可以通过完全并行的方式处理每个查询,同时使用所有磁盘连接,并按照查询计划的要求在各区段间实现高效数据流动。由此,通过Greenplum数据仓库实现对多个初始快递周期数据的分类,将划分区域为同一个地区的初始快递周期数据归为同一类别,并储存在Greenplum数据仓库中的同一节点上,用户可以便捷直观的观察到同一个地区所需分发的快递包裹的数量。
103、采用预置数据处理算法对多个待检测快递周期数据进行数据清洗,得到多个候选快递周期数据,并将多个候选快递周期数据传输至监控系统;
服务器采用预置数据处理算法对多个待检测快递周期数据进行数据清洗,得到多个候选快递周期数据,并将多个候选快递周期数据传输至监控系统。
服务器将多个初始快递周期数据分类后得到多个候选快递周期数据,这时,需要对多个候选快递周期数据中的数值数据进行数据清洗,这里的数值数据指的是仅带有数字字符串的数据,而非带有文字字符串的数据,数据清洗是将重复、多余的数据筛选清除,将缺失的数据补充完整,最后整理成为后续操作步骤中可以进一步使用的数据。数据清洗的一般步骤:分析数据、缺失值处理及噪音数据处理。在本申请中,服务器对多个待检测快递周期数据进行清洗后得到多个候选快递周期数据,再将多个候选快递周期数据上传至监控系统,通过监控系统进一步对多个候选快递周期数据进行分析与处理。
104、在监控系统中,计算每个候选快递周期数据的及时分发率,并判断每个候选快递周期数据的及时分发率是否小于标准分发率阈值;
服务器在监控系统中,计算每个候选快递周期数据的及时分发率,并判断每个候选快递周期数据的及时分发率是否小于标准分发率阈值。
在监控系统中,服务器对每个候选快递周期数据进行分析,这里的候选快递周期数据代表的是每个地区派发站点的快递周期数据,例如:A候选快递周期数据中包括:1、大区区域:广东大区;2、省份:广东深圳;3、派送站点编码:123456;4、派送站点名称:广东深圳公司;5、应派量:1893593;6、及时分发量:350606;7、未及时分发量:1542987;8、及时分发率:18.52%,B候选快递周期数据中包括:1、大区区域:浙江大区;2、省份:浙江浙南区;3、派送站点编码:654321;4、派送站点名称:浙江永康市公司;5、应派量:218010;6、及时分发量:174625;7、未及时分发量:43385;8、及时分发率:80.10%。这里的及时分发率是通过候选快递周期数据中的及时分发量出库快递量和应派量计算得到的,再将及时分发率与标准分发率阈值进行比较,得到该地区的快递包裹派送情况。
需要说明的是,标准分发率阈值是通过大量的计算得到的,具体的数值可以根据不同地区的实际情况而定,在本申请中,并不对标准分发率阈值的数值进行限定。
105、若目标候选快递周期数据的及时分发率小于标准分发率阈值,则向目标候选快递周期数据对应的快递派送站点发送调整信息。
若目标候选快递周期数据的及时分发率小于标准分发率阈值,则服务器向目标候选快递周期数据对应的快递派送站点发送调整信息。
服务器对比每个候选快递周期数据的及时分发率与标准分发率阈值之间的大小关系,判断候选快递周期数据对应地区的快递包裹分发情况,当候选快递周期数据的及时分发率小于标准分发率阈值时,说明该候选快递周期数据对应的地区没有及时发送快递包裹,服务器会向该地区的派送站点发送调整信息,让派送站点及时派发快递包裹。例如:A候选快递周期数据中包括:1、大区区域:广东大区;2、省份:广东深圳;3、派送站点编码:123456;4、派送站点名称:广东深圳公司;5、应派量:1893593;6、及时分发量:350606;7、未及时分发量:1542987;8、及时分发率:18.52%,标准分发率阈值为50%,A候选快递周期数据对应的派发站点的及时分发率为18.52%,则说明广东深圳公司的快递包裹派发不及时,则服务器会向该派发站点发送调整信息,令其及时派发快递包裹。
可以理解的是,当候选快递周期数据对应的派发站点的及时发放率大于或等于标准分发阈值时,说明派发站点及时派发快递包裹,快递包裹的派发效率较高。例如:B候选快递周期数据中包括:1、大区区域:浙江大区;2、省份:浙江浙南区;3、派送站点编码:654321;4、派送站点名称:浙江永康市公司;5、应派量:218010;6、及时分发量:174625;7、未及时分发量:43385;8、及时分发率:80.10%,标准分发率阈值为50%,其中的及时分发率大于标准分发率阈值,则说明派发站点有及时派发快递包裹,快递包裹的派发效率较高。
本发明实施例中,通过多个原始快递单号获取多个初始快递周期数据,并对多个初始快递周期数据进行分类与储存,得到多个候选快递周期数据,通过比对候选快递周期数据的及时分发率与标准分发率阈值之间的大小,及时调整快递派送站点分发快递包裹的数量,提高了快递包裹的分发效率。
请参阅图2,本发明实施例中派送快递包裹的监控方法的另一个实施例包括:
201、获取多个原始快递运输单,采用目标检测算法识别每个原始快递运输单上的原始快递单号,得到多个原始快递单号;
服务器首先获取多个原始快递运输单,针对多个原始快递运输单中的目标原始快递运输单,利用目标检测算法提取目标原始快递运输单上的特征点,并计算所有特征点的卷积,得到对应的多层特征图;其次服务器在多层特征图中,采用滑动窗口遍历所有特征点,生成多个预测外接框,每个预测外接框内包括原始快递运输单中的一个运输信息;然后服务器获取多个预测外接框对应携带的多个类别信息,在多个类别信息中筛选出类别信息为运输单号的目标外接框,并通过字符比对算法确定目标外接框内的字符信息,得到待整合快递单号;服务器针对多个原始快递运输单中的剩余原始快递运输单,利用目标检测算法以及字符比对算法获取其他待整合快递单号,其中,剩余原始快递运输单为除目标原始快递运输单之外的原始快递运输单;最后服务器将待整合快递单号与其他待整合快递单号合并,得到多个原始快递单号。
服务器通过获取每个快递包裹的原始快递运输单,来进一步取得快递包裹的运输信息,这里采用的是目标检测算法识别每个原始快递运输单上的原始快递单号,目标检测算法的原理是通过对原始快递运输单中的特征点进行一系列的处理与分析,从而最终识别到原始快递运输单检测对象的信息,因此,服务器在利用目标检测算法对原始快递运输单进行分析时,首先要提取原始快递运输单中的所有特征点,然后再对所有特征点进行卷积计算,从而得到多层目标特征图。需要说明的是,这里的多层目标特征图是呈金字塔结构排列的,金字塔结构的排列适合对多尺度的待检测图像进行计算与分析,使得所有尺度下的特征都有丰富的语义信息。在得到多层特征图后,在多层特征图中利用滑动窗口遍历所有特征点,从而生成多个预测外接框,这里的预测外接框内框选的为原始快递运输单上的信息字符,如:预测外接框a中框选的是收件人姓名:张三;预测外接框b中框选的是收件人联系电话:12345678910,预测外接框c中框选的是发件人姓名:李四。得到的每个预测外接框均携带一个类别信息,且每个预测外接框携带的类别信息可能相同也可能不相同,如:预测外接框a所携带的类别信息为姓名,预测外接框b所携带的类别信息为联系方式,预测外接框c所携带的类别信息为姓名。
进一步说明的是,在多个预测外接框所携带的信息中选择携带信息为运输单号的目标外接框,然后服务器对目标外接框内的字符进行识别。在这里服务器通过将目标外接框内的字符与预置字典中的预置字符进行比对,计算目标外接框内每个字符与多个预置字符之间的相似置信度,当相似置信度的数值大于标准相似阈值,说明目标外界框内的字符为预置字符。例如:目标外接框中的字符为5,计算5与预置字典中多个预置字符之间的相似置信度,假设预置字符为S、2、5,标准相似阈值为80%,通过计算得到相似置信度分别为65.23%、30%、99.86%,则将大于标准相似阈值的相似置信度对应的预置字符确定为目标外接框中的字符,即得到字符为5。
202、扫描多个原始快递单号获取到每个原始快递单号对应的快递订单数据,得到多个快递订单数据,并将多个快递订单数据录入快递周期表中,得到多个初始快递周期数据,其中,初始快递周期数据包括快递派送站点;
服务器通过扫描多个原始快递单号获取到每个原始快递单号对应的快递订单数据,可以理解的是,在运输途中的每个快递包裹均有固定的原始快递单号,收发件人可以通过原始快递单号确定快递包裹的实时运输位置,实现快递包裹在运输途中对快递包裹的实时监控。一般的,通过扫描原始快递单号能够获取到快递包裹的基本信息,例如:收发人的姓名、收发件人的地址以及快递包裹的物品属性,将这些快递包裹的基本信息录入到快递周期表中,对每个快递包裹的基本信息进行整理,得到多个初始快递周期数据。
进一步说明的是,一般情况下,快递周期表中包含快递包裹的一下数据性质:运输大区区域、运输省份、派送站点名称、派送站点编码、派件总量、及时分发快递量、未及时分发快递量和及时分发率,通过这些数据,可以直观的显示出不同运输区域的分发快递量。
203、在预置数据仓库中,对多个初始快递周期数据进行归类,将分类后的多个初始快递周期数据确定为多个待检测快递周期数据,并储存多个待检测快递周期数据;
服务器在预置数据库中,获取多个初始快递周期数据的对应的多个区域属性;服务器根据多个区域属性对多个初始快递周期数据进行分类,将分类后的多个初始快递周期数据确定为多个待检测快递周期数据,并将多个待检测快递周期数据分配到不同的数据存储节点中。具体的:服务器首先采用相似度算法计算多个区域属性中任意两个区域属性之间的基础相似度,得到多个基础相似度;服务器判断每个基础相似度的数值是否大于匹配阈值,若目标基础相似度的数值大于匹配阈值,则服务器将目标基础相似度对应的两个目标区域属性划分到同一区域类别中;最后服务器将两个目标区域属性对应的初始快递周期数据确定为待检测快递周期数据,并将两个待检测快递周期数据分配到同一数据存储节点中,直至多个初始快递周期数据均完成分类。
这里的预置数据仓库为Greenplum数据仓库,Greenplum的组件分成三个部分:Master节点、Segment节点和Master节点与Segment节点之间的高效互联技术Interconnect组件。其中,Master节点负责建立与客户端的连接和管理,进行SQL的解析并形成执行计划生成并拆分执行计划,把执行计划分配给Segment节点,收集Segment的执行结果并返回给最终应用,Master不存储业务数据,只存储数据字典,不负责运算,因此不会成为系统性能的瓶颈。在本申请中,Master节点是从客户端获取多个初始快递周期数据的接入点,也是获取客户端需要对多个初始快递周期数据执行分类指令的接入点,当Master节点接收到对多个初始快递周期数据进行分类的指令后,将查询计划分配到所有的Segment节点进行并行处理。
Segment节点是负责业务数据的存储和存取的运算节点,并根据得到执行计划,负责处理业务数据。在本申请中,也就是初始快递周期数据表中的数据会打散分布到每个Segment节点,这里打散的规则是依据初始快递周期数据中的区域属性对数据进行打散的,将同一区域属性的数据储存至同一个节点,判断两个区域属性是否相同的方法是计算两个区域属性之间的相似度,若相似度的数值大于匹配阈值,则说明两个区域属性相匹配,可以将两个区域属性对应的初始快递周期数据储存至同一Segment节点,这样将大量的初始快递周期数据分配到不同的数据存储节点中,达到对初始快递周期数据分类的效果,最终得到多组待检测快递周期数据。此外,Segment节点越多,初始快递周期数据就会打的越散,服务器处理起来的处理速度就会越快。
当服务器进行待检测快递周期数据访问时,所有Segment节点并行处理与本身相关的待检测快递周期数据,对本身携带的待检测快递周期数据进行整理并装载,然后通过Master节点传输至客户端上,从而达到显示待检测快递周期数据的效果。
204、采用预置数据处理算法对多个待检测快递周期数据进行数据清洗,得到多个候选快递周期数据,并将多个候选快递周期数据传输至监控系统;
服务器采用预置数据处理算法在多个待检测快递周期数据中筛选出多个待检测数值数据,并判断每个待检测数值数据中是否为空值;若目标待检测数值数据为空值,则服务器将目标待检测数值数据替换为平均数值数据,得到替换数值数据,其中,平均数值数据为与目标待检测数值数据同属性的所有待检测数值数据的平均值;服务器将多个替换数值数据与多个其他待检测数值数据合并,得到多个补充数值数据,对多个补充数值数据进行噪点处理,得到多个候选快递周期数据,其中,其他待检测数值数据用于指示不为空值的待检测数值数据。具体的:
服务器将多个替换数值数据与多个其他待检测数值数据合并,得到多个补充数值数据,判断每个补充数值数据的值是否大于平均噪点阈值,其中,其他待检测数值数据用于指示不为空值的待检测数值数据;若目标补充数值数据的值大于平均噪点阈值,则服务器删除目标补充数值数据对应的待检测快递周期数据,并重新获取目标补充数值数据对应的待检测快递周期数据,得到更新数值数据;服务器将多个更新数值数据与多个其他补充数值数据合并,得到多个修订数值数据,将多个修订数值数据与多个其他待检测快递周期数据合并,得到多个候选快递周期数据,其中,其他补充数值数据用于指示补充数值数据的值小于或等于平均噪点阈值的补充数值数据,其他待检测快递周期数据为除多个待检测数值数据之外的非数值数据。
服务器在获取到多个待检测快递周期数据后需要对待检测快递周期中的数值数据进行清洗,数据清洗是将重复、多余的数据筛选清除,将缺失的数据补充完整,最后整理成为后续操作步骤中可以进一步使用的数据。
例如:已知从待检测快递周期数据中提取出来的待检测数值数据有:350606、167027、86700、7794、0、174625、4665、4111、18605、25317,计算得到的平均数值数据为83945,当服务器检测到多个待检测数值数据中存在空值,这里的空值指的是数值为0的数据,将其替换成同属性数据的平均数值,这里同属性数据指的是同一类别下的数据,如:派件量类别、及时分发量类别,也就是说将0替换为83945。
服务器在替换空值之后,得到了多个替换数值数据,将多个替换数值数据与多个其他待检测数值数据合并,得到多个补充数值数据,之后服务器需要对补充数值数据进行噪点处理,这里的补充数值数据即为替换数值数据与未替换的数值数据的整合,判断每个补充数值数据是否大于平均噪点阈值,若补充数值数据大于平均噪点阈值,则服务器删除补充数值数据对应的待检测快递周期数据,并重新获取补充数值数据对应的待检测快递周期数据,达到更新数值数据的作用,最后服务器将更新后的数值数据重新输入到待检测快递周期数据中的对应数值位置上,得到多个候选快递周期数据。
205、在监控系统中,计算每个候选快递周期数据的及时分发率,并判断每个候选快递周期数据的及时分发率是否小于标准分发率阈值;
在监控系统中,服务器对每个候选快递周期数据进行分析,这里的候选快递周期数据代表的是每个地区派发站点的快递周期数据,例如:A候选快递周期数据中包括:1、大区区域:广东大区;2、省份:广东深圳;3、派送站点编码:123456;4、派送站点名称:广东深圳公司;5、应派量:1893593;6、及时分发量:350606;7、未及时分发量:1542987;8、及时分发率:18.52%,B候选快递周期数据中包括:1、大区区域:浙江大区;2、省份:浙江浙南区;3、派送站点编码:654321;4、派送站点名称:浙江永康市公司;5、应派量:218010;6、及时分发量:174625;7、未及时分发量:43385;8、及时分发率:80.10%。这里的及时分发率是通过候选快递周期数据中的及时分发量和应派量计算得到的,再将及时分发率与标准分发率阈值进行比较,得到该地区的快递包裹派送情况。
需要说明的是,标准分发率阈值是通过大量的计算得到的,具体的数值可以根据不同地区的实际情况而定,在本申请中,并不对标准分发率阈值的数值进行限定。
206、若目标候选快递周期数据的及时分发率小于标准分发率阈值,则向目标候选快递周期数据对应的快递派送站点发送调整信息。
服务器对比每个候选快递周期数据的及时分发率与标准分发率阈值之间的大小关系,判断候选快递周期数据对应地区的快递包裹分发情况,当候选快递周期数据的及时分发率小于标准分发率阈值时,说明该候选快递周期数据对应的地区没有及时发送快递包裹,服务器会向该地区的派送站点发送调整信息,让派送站点及时派发快递包裹。例如:A候选快递周期数据中包括:1、大区区域:广东大区;2、省份:广东深圳;3、派送站点编码:123456;4、派送站点名称:广东深圳公司;5、应派量:1893593;6、及时分发量:350606;7、未及时分发量:1542987;8、及时分发率:18.52%,标准分发率阈值为50%,A候选快递周期数据对应的派发站点的及时分发率为18.52%,则说明广东深圳公司的快递包裹派发不及时,则服务器会向该派发站点发送调整信息,令其及时派发快递包裹。
本发明实施例中,通过多个原始快递单号获取多个初始快递周期数据,并对多个初始快递周期数据进行分类与储存,得到多个候选快递周期数据,通过比对候选快递周期数据的及时分发率与标准分发率阈值之间的大小,及时调整快递派送站点分发快递包裹的数量,提高了快递包裹的分发效率。
上面对本发明实施例中派送快递包裹的监控方法进行了描述,下面对本发明实施例中派送快递包裹的监控装置进行描述,请参阅图3,本发明实施例中派送快递包裹的监控装置一个实施例包括:
获取并录入模块301,用于扫描多个原始快递单号获取对应的多个快递订单数据,并将多个快递订单数据录入快递周期表中,得到多个初始快递周期数据,其中,初始快递周期数据中包括快递派送站点;
归类并储存模块302,用于在预置数据仓库中,对多个初始快递周期数据进行归类,将分类后的多个初始快递周期数据确定为多个待检测快递周期数据,并储存多个待检测快递周期数据;
数据清洗模块303,用于采用预置数据处理算法对多个待检测快递周期数据进行数据清洗,得到多个候选快递周期数据,并将多个候选快递周期数据传输至监控系统;
计算并判断模块304,用于在监控系统中,计算每个候选快递周期数据的及时分发率,并判断每个候选快递周期数据的及时分发率是否小于标准分发率阈值;
调整模块305,若目标候选快递周期数据的及时分发率小于标准分发率阈值,则用于向目标候选快递周期数据对应的快递派送站点发送调整信息。
本发明实施例中,通过多个原始快递单号获取多个初始快递周期数据,并对多个初始快递周期数据进行分类与储存,得到多个候选快递周期数据,通过比对候选快递周期数据的及时分发率与标准分发率阈值之间的大小,及时调整快递派送站点分发快递包裹的数量,提高了快递包裹的分发效率。
请参阅图4,本发明实施例中派送快递包裹的监控装置的另一个实施例包括:
获取并录入模块301,用于扫描多个原始快递单号获取对应的多个快递订单数据,并将多个快递订单数据录入快递周期表中,得到多个初始快递周期数据,其中,初始快递周期数据中包括快递派送站点;
归类并储存模块302,用于在预置数据仓库中,对多个初始快递周期数据进行归类,将分类后的多个初始快递周期数据确定为多个待检测快递周期数据,并储存多个待检测快递周期数据;
数据清洗模块303,用于采用预置数据处理算法对多个待检测快递周期数据进行数据清洗,得到多个候选快递周期数据,并将多个候选快递周期数据传输至监控系统;
计算并判断模块304,用于在监控系统中,计算每个候选快递周期数据的及时分发率,并判断每个候选快递周期数据的及时分发率是否小于标准分发率阈值;
调整模块305,若目标候选快递周期数据的及时分发率小于标准分发率阈值,则用于向目标候选快递周期数据对应的快递派送站点发送调整信息。
可选的,归类并储存模块302包括:
获取单元3021,用于在预置数据库中,获取多个初始快递周期数据的对应的多个区域属性;
分类并储存单元3022,用于根据多个区域属性对多个初始快递周期数据进行分类,将分类后的多个初始快递周期数据确定为多个待检测快递周期数据,并将多个待检测快递周期数据分配到不同的数据存储节点中。
可选的,分类并储存单元3022还可以具体用于:
采用相似度算法计算多个区域属性中任意两个区域属性之间的基础相似度,得到多个基础相似度;
判断每个基础相似度的数值是否大于匹配阈值,若目标基础相似度的数值大于匹配阈值,则将目标基础相似度对应的两个目标区域属性划分到同一区域类别中;
将两个目标区域属性对应的初始快递周期数据确定为待检测快递周期数据,并将两个待检测快递周期数据分配到同一数据存储节点中,直至多个初始快递周期数据均完成分类。
可选的,数据清洗模块303包括:
筛选单元3031,用于采用预置数据处理算法在多个待检测快递周期数据中筛选出多个待检测数值数据,并判断每个待检测数值数据中是否为空值;
替换单元3032,若目标待检测数值数据为空值,则用于将目标待检测数值数据替换为平均数值数据,得到替换数值数据,其中,平均数值数据为与目标待检测数值数据同属性的所有待检测数值数据的平均值;
合并单元3033,用于将多个替换数值数据与多个其他待检测数值数据合并,得到多个补充数值数据,对多个补充数值数据进行噪点处理,得到多个候选快递周期数据,其中,其他待检测数值数据用于指示不为空值的待检测数值数据。
可选的,合并单元3033还可以具体用于:
将多个替换数值数据与多个其他待检测数值数据合并,得到多个补充数值数据,判断每个补充数值数据的值是否大于平均噪点阈值,其中,其他待检测数值数据用于指示不为空值的待检测数值数据;
若目标补充数值数据的值大于平均噪点阈值,则删除目标补充数值数据对应的待检测快递周期数据,并重新获取目标补充数值数据对应的待检测快递周期数据,得到更新数值数据;
将多个更新数值数据与多个其他补充数值数据合并,得到多个修订数值数据,将多个修订数值数据与多个其他待检测快递周期数据合并,得到多个候选快递周期数据,其中,其他补充数值数据用于指示补充数值数据的值小于或等于平均噪点阈值的补充数值数据,其他待检测快递周期数据为除多个待检测数值数据之外的非数值数据。
可选的,获取并录入模块301包括:
识别单元3011,用于获取多个原始快递运输单,采用目标检测算法识别每个原始快递运输单上的原始快递单号,得到多个原始快递单号;
录入单元3012,用于扫描多个原始快递单号获取到每个原始快递单号对应的快递订单数据,得到多个快递订单数据,并将多个快递订单数据录入快递周期表中,得到多个初始快递周期数据,其中,初始快递周期数据包括快递派送站点。
可选的,识别单元3011还可以具体用于:
获取多个原始快递运输单,针对多个原始快递运输单中的目标原始快递运输单,利用目标检测算法提取目标原始快递运输单上的特征点,并计算所有特征点的卷积,得到对应的多层特征图;
在多层特征图中,采用滑动窗口遍历所有特征点,生成多个预测外接框,每个预测外接框内包括原始快递运输单中的一个运输信息;
获取多个预测外接框对应携带的多个类别信息,在多个类别信息中筛选出类别信息为运输单号的目标外接框,并通过字符比对算法确定目标外接框内的字符信息,得到待整合快递单号;
针对多个原始快递运输单中的剩余原始快递运输单,利用目标检测算法以及字符比对算法获取其他待整合快递单号,其中,剩余原始快递运输单为除目标原始快递运输单之外的原始快递运输单;
将待整合快递单号与其他待整合快递单号合并,得到多个原始快递单号。
本发明实施例中,通过多个原始快递单号获取多个初始快递周期数据,并对多个初始快递周期数据进行分类与储存,得到多个候选快递周期数据,通过比对候选快递周期数据的及时分发率与标准分发率阈值之间的大小,及时调整快递派送站点分发快递包裹的数量,提高了快递包裹的分发效率。
上面图3和图4从模块化功能实体的角度对本发明实施例中的派送快递包裹的监控装置进行详细描述,下面从硬件处理的角度对本发明实施例中派送快递包裹的监控设备进行详细描述。
图5是本发明实施例提供的一种派送快递包裹的监控设备的结构示意图,该派送快递包裹的监控设备500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)510(例如,一个或一个以上处理器)和存储器520,一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对派送快递包裹的监控设备500中的一系列指令操作。更进一步地,处理器510可以设置为与存储介质530通信,在派送快递包裹的监控设备500上执行存储介质530中的一系列指令操作。
派送快递包裹的监控设备500还可以包括一个或一个以上电源540,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口560,和/或,一个或一个以上操作系统531,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图5示出的派送快递包裹的监控设备结构并不构成对派送快递包裹的监控设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述派送快递包裹的监控方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
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(可以是个人计算机,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、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种派送快递包裹的监控方法,其特征在于,所述派送快递包裹的监控方法包括:
扫描多个原始快递单号获取对应的多个快递订单数据,并将所述多个快递订单数据录入快递周期表中,得到多个初始快递周期数据,其中,所述初始快递周期数据中包括快递派送站点;
在预置数据仓库中,对所述多个初始快递周期数据进行归类,将分类后的多个初始快递周期数据确定为多个待检测快递周期数据,并储存多个待检测快递周期数据;
采用预置数据处理算法对所述多个待检测快递周期数据进行数据清洗,得到多个候选快递周期数据,并将所述多个候选快递周期数据传输至监控系统;
所述采用预置数据处理算法对所述多个待检测快递周期数据进行数据清洗,得到多个候选快递周期数据,并将所述多个候选快递周期数据传输至监控系统包括:采用预置数据处理算法在所述多个待检测快递周期数据中筛选出多个待检测数值数据,并判断每个待检测数值数据中是否为空值;若待检测数值数据为空值,则将所述待检测数值数据替换为平均数值数据,得到替换数值数据,其中,所述平均数值数据为与所述待检测数值数据同属性的所有待检测数值数据的平均值;将多个替换数值数据与多个其他待检测数值数据合并,得到多个补充数值数据,对所述多个补充数值数据进行噪点处理,得到多个候选快递周期数据,其中,所述其他待检测数值数据用于指示不为空值的待检测数值数据;
在所述监控系统中,计算每个候选快递周期数据的及时分发率,并判断每个候选快递周期数据的及时分发率是否小于标准分发率阈值;
若候选快递周期数据的及时分发率小于标准分发率阈值,则向所述候选快递周期数据对应的快递派送站点发送调整信息。
2.根据权利要求1所述的派送快递包裹的监控方法,其特征在于,所述在预置数据仓库中,对所述多个初始快递周期数据进行归类,将分类后的多个初始快递周期数据确定为多个待检测快递周期数据,并储存多个待检测快递周期数据包括:
在预置数据库中,获取所述多个初始快递周期数据的对应的多个区域属性;
根据所述多个区域属性对所述多个初始快递周期数据进行分类,将分类后的多个初始快递周期数据确定为多个待检测快递周期数据,并将多个待检测快递周期数据分配到不同的数据存储节点中。
3.根据权利要求2所述的派送快递包裹的监控方法,其特征在于,所述根据所述多个区域属性对所述多个初始快递周期数据进行分类,将分类后的多个初始快递周期数据确定为多个待检测快递周期数据,并将多个待检测快递周期数据分配到不同的数据存储节点中包括:
采用相似度算法计算多个区域属性中任意两个区域属性之间的基础相似度,得到多个基础相似度;
判断每个基础相似度的数值是否大于匹配阈值,若目标基础相似度的数值大于所述匹配阈值,则将所述目标基础相似度对应的两个目标区域属性划分到同一区域类别中;
将所述两个目标区域属性对应的初始快递周期数据确定为待检测快递周期数据,并将两个所述待检测快递周期数据分配到同一数据存储节点中,直至所述多个初始快递周期数据均完成分类。
4.根据权利要求1所述的派送快递包裹的监控方法,其特征在于,所述将多个替换数值数据与多个其他待检测数值数据合并,得到多个补充数值数据,对所述多个补充数值数据进行噪点处理,得到多个候选快递周期数据,其中,所述其他待检测数值数据用于指示不为空值的待检测数值数据包括:
将多个替换数值数据与多个其他待检测数值数据合并,得到多个补充数值数据,判断每个补充数值数据的值是否大于平均噪点阈值,其中,所述其他待检测数值数据用于指示不为空值的待检测数值数据;
若目标补充数值数据的值大于平均噪点阈值,则删除所述目标补充数值数据对应的待检测快递周期数据,并重新获取所述目标补充数值数据对应的待检测快递周期数据,得到更新数值数据;
将多个更新数值数据与多个其他补充数值数据合并,得到多个修订数值数据,将所述多个修订数值数据与多个其他待检测快递周期数据合并,得到多个候选快递周期数据,其中,所述其他补充数值数据用于指示补充数值数据的值小于或等于所述平均噪点阈值的补充数值数据,所述其他待检测快递周期数据为除多个待检测数值数据之外的非数值数据。
5.根据权利要求1-4中任一项所述的派送快递包裹的监控方法,其特征在于,所述扫描多个原始快递单号获取对应的多个快递订单数据,并将所述多个快递订单数据录入快递周期表中,得到多个初始快递周期数据,其中,所述初始快递周期数据包括快递派送站点包括:
获取多个原始快递运输单,采用目标检测算法识别每个原始快递运输单上的原始快递单号,得到多个原始快递单号;
扫描所述多个原始快递单号获取到每个原始快递单号对应的快递订单数据,得到多个快递订单数据,并将所述多个快递订单数据录入快递周期表中,得到多个初始快递周期数据,其中,所述初始快递周期数据包括快递派送站点。
6.根据权利要求5所述的派送快递包裹的监控方法,其特征在于,所述获取多个原始快递运输单,采用目标检测算法识别每个原始快递运输单上的原始快递单号,得到多个原始快递单号包括:
获取多个原始快递运输单,针对所述多个原始快递运输单中的目标原始快递运输单,利用目标检测算法提取目标原始快递运输单上的特征点,并计算所有特征点的卷积,得到对应的多层特征图;
在所述多层特征图中,采用滑动窗口遍历所有特征点,生成多个预测外接框,每个预测外接框内包括原始快递运输单中的一个运输信息;
获取多个预测外接框对应携带的多个类别信息,在所述多个类别信息中筛选出类别信息为运输单号的目标外接框,并通过字符比对算法确定所述目标外接框内的字符信息,得到待整合快递单号;
针对所述多个原始快递运输单中的剩余原始快递运输单,利用目标检测算法以及字符比对算法获取其他待整合快递单号,其中,所述剩余原始快递运输单为除目标原始快递运输单之外的原始快递运输单;
将所述待整合快递单号与所述其他待整合快递单号合并,得到多个原始快递单号。
7.一种派送快递包裹的监控装置,其特征在于,所述派送快递包裹的监控装置包括:
获取并录入模块,用于扫描多个原始快递单号获取对应的多个快递订单数据,并将所述多个快递订单数据录入快递周期表中,得到多个初始快递周期数据,其中,所述初始快递周期数据中包括快递派送站点;
归类并储存模块,用于在预置数据仓库中,对所述多个初始快递周期数据进行归类,将分类后的多个初始快递周期数据确定为多个待检测快递周期数据,并储存多个待检测快递周期数据;
数据清洗模块,用于采用预置数据处理算法对所述多个待检测快递周期数据进行数据清洗,得到多个候选快递周期数据,并将所述多个候选快递周期数据传输至监控系统;
所述数据清洗模块包括:筛选单元,用于采用预置数据处理算法在所述多个待检测快递周期数据中筛选出多个待检测数值数据,并判断每个待检测数值数据中是否为空值;替换单元,若目标待检测数值数据为空值,则用于将所述目标待检测数值数据替换为平均数值数据,得到替换数值数据,其中,所述平均数值数据为与所述目标待检测数值数据同属性的所有待检测数值数据的平均值;合并单元,用于将多个替换数值数据与多个其他待检测数值数据合并,得到多个补充数值数据,对所述多个补充数值数据进行噪点处理,得到多个候选快递周期数据,其中,所述其他待检测数值数据用于指示不为空值的待检测数值数据;
计算并判断模块,用于在所述监控系统中,计算每个候选快递周期数据的及时分发率,并判断每个候选快递周期数据的及时分发率是否小于标准分发率阈值;
调整模块,若候选快递周期数据的及时分发率小于标准分发率阈值,则用于向所述候选快递周期数据对应的快递派送站点发送调整信息。
8.一种派送快递包裹的监控设备,其特征在于,所述派送快递包裹的监控设备包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述派送快递包裹的监控设备执行如权利要求1-6中任意一项所述的派送快递包裹的监控方法。
9.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述派送快递包裹的监控方法。
CN202010382731.2A 2020-05-08 2020-05-08 派送快递包裹的监控方法、装置、设备及存储介质 Active CN111461630B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010382731.2A CN111461630B (zh) 2020-05-08 2020-05-08 派送快递包裹的监控方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010382731.2A CN111461630B (zh) 2020-05-08 2020-05-08 派送快递包裹的监控方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111461630A CN111461630A (zh) 2020-07-28
CN111461630B true CN111461630B (zh) 2023-08-01

Family

ID=71686098

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010382731.2A Active CN111461630B (zh) 2020-05-08 2020-05-08 派送快递包裹的监控方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111461630B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112104730B (zh) * 2020-09-11 2023-03-28 杭州海康威视系统技术有限公司 存储任务的调度方法、装置及电子设备
CN113537878A (zh) * 2021-06-28 2021-10-22 上海欢猫科技有限责任公司 包裹派送方法、装置、设备及存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108090643A (zh) * 2016-11-21 2018-05-29 莫元劲 快递物流调度方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1573422A4 (en) * 2001-03-16 2008-11-26 Gregg Bloom METHOD AND APPARATUS FOR EFFICIENT DELIVERY AND STORAGE OF PACKETS
US20150039347A1 (en) * 2013-08-02 2015-02-05 United Parcel Service Of America, Inc. Systems and methods for providing proactive monitoring, intervention, and insurance coverage services in a package delivery network
CN105096067B (zh) * 2014-04-29 2018-09-11 阿里巴巴集团控股有限公司 一种生成物流网络预警信息的方法及服务器
CN103955816A (zh) * 2014-05-19 2014-07-30 舒慎林 一种快递分发和揽件的方法以及系统、智能储物柜
CN107133752B (zh) * 2016-02-29 2022-01-28 菜鸟智能物流控股有限公司 用于物流配送的数据处理、基于配送方的移动终端进行物流配送的方法和装置
CN108985633A (zh) * 2018-07-19 2018-12-11 上海中通吉网络技术有限公司 快递网点经营健康度评估方法及装置
CN109508934A (zh) * 2018-11-28 2019-03-22 李志朋 一种快递包裹监控系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108090643A (zh) * 2016-11-21 2018-05-29 莫元劲 快递物流调度方法及装置

Also Published As

Publication number Publication date
CN111461630A (zh) 2020-07-28

Similar Documents

Publication Publication Date Title
CN111461630B (zh) 派送快递包裹的监控方法、装置、设备及存储介质
US20120275705A1 (en) Method and System for Sample Image Index Creation and Image Filtering and Search
CN106371975A (zh) 一种运维自动化预警方法和系统
CN107016599A (zh) 一种订单集合分组方法及装置
CN113190426B (zh) 一种大数据评分系统稳定性监控方法
CN114742477A (zh) 企业订单数据处理方法、装置、设备及存储介质
CN111782900A (zh) 异常业务检测方法、装置、电子设备及存储介质
CN112711983A (zh) 核型分析系统、方法、电子设备及可读存储介质
CN114140094A (zh) 一种食品企业智能化风险监控预警系统
CN115914022A (zh) 基于网络流量的应用关系分析方法、系统、设备及介质
CN114385668A (zh) 冷数据清理方法、装置、设备及存储介质
CN107330076A (zh) 一种网络舆情信息展示系统及方法
CN107403162A (zh) 车辆公告号数据采集和分类的系统及方法
CN107038593A (zh) 一种基于防伪溯源系统的异常数据处理方法及系统
CN116263906A (zh) 驿站选址的确定方法、装置及存储介质
CN115269438A (zh) 针对图像处理算法的自动化测试方法及装置
CN111737371B (zh) 可动态预测的数据流量检测分类方法及装置
CN112256549B (zh) 一种日志处理方法和装置
CN111666428B (zh) 网络媒体传播力评估方法
CN114312930A (zh) 基于日志数据的列车运行异常诊断方法和装置
CN112506930A (zh) 一种基于机器学习技术的数据洞察平台
CN111126419A (zh) 网点聚类方法及装置
CN117097578B (zh) 一种网络流量的安全监控方法、系统、介质及电子设备
CN109271593A (zh) 基于聚类的军工集团人员信息标签化方法
CN110765121B (zh) 一种大数据智能采集处理方法和系统

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
GR01 Patent grant
GR01 Patent grant