CN111967632B - 物流对象的包装等级确定方法、装置、电子设备、存储介质 - Google Patents
物流对象的包装等级确定方法、装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN111967632B CN111967632B CN202010265374.1A CN202010265374A CN111967632B CN 111967632 B CN111967632 B CN 111967632B CN 202010265374 A CN202010265374 A CN 202010265374A CN 111967632 B CN111967632 B CN 111967632B
- Authority
- CN
- China
- Prior art keywords
- logistics
- information
- address
- experience
- site
- 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
Links
- 238000004806 packaging method and process Methods 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000013145 classification model Methods 0.000 claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims description 66
- 230000004931 aggregating effect Effects 0.000 claims description 7
- 238000004220 aggregation Methods 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 229920000642 polymer Polymers 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 17
- 239000005022 packaging material Substances 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000007635 classification algorithm Methods 0.000 description 8
- 238000012856 packing Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 7
- 239000002699 waste material Substances 0.000 description 6
- 230000032683 aging Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000004698 Polyethylene Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 239000006260 foam Substances 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000002985 plastic film Substances 0.000 description 2
- 229920006255 plastic film Polymers 0.000 description 2
- -1 polyethylene Polymers 0.000 description 2
- 229920000573 polyethylene Polymers 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000009970 fire resistant effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
Abstract
本发明提供一种物流对象的包装等级确定方法、装置、电子设备、存储介质,方法包括:获取物流对象的寄件信息;根据所述物流对象的寄件信息获取预测运输信息;根据所述物流对象的寄件信息获取物流体验信息;以及采用物流对象包装等级分类模型,根据所述寄件信息、所述预测运输信息以及所述物流体验信息计算所述物流对象的包装等级。本发明提供的物流对象的包装等级确定方法、装置、电子设备、存储介质通过物流信息的处理,实现物流对象的包装等级的自动化预测。
Description
技术领域
本发明涉及计算机应用领域,尤其涉及一种物流对象的包装等级确定方法、装置、电子设备、存储介质。
背景技术
目前,在物流运输过程中,物流对象通常由寄件方或者由物流公司揽件人员根据物流对象自行决定包装方式并进行包裹。然而,这样的物流对象的包装方式由人为主观确定,一方面,由于人为疏忽,使得物流对象在运输过程中,可能存在因长途运输、挤压或者分拣过于粗暴而造成的包裹或物流对象损毁的风险,从而影响寄件方和收件方的物流体验,并可能对双方造成损失;另一方面,由于人为决定包装方式,使得物流对象的包装方式没有统一的包装标准,容易造成包装材料的浪费,并且多余的包装材料还会对环境造成不良影响。
由此,如何通过物流信息的处理,自动预测物流对象的包装方式,从而降低物流运输过程中对包裹或物流对象产生损害的风险,并由此通过统一的方式自动预测物流对象的包装方式,以节省包装材料的成本,减少包装材料浪费,并降低减少包装对环境造成的影响,是本领域亟待解决的技术问题。
发明内容
本发明为了克服上述相关技术存在的缺陷,提供一种物流对象的包装等级确定方法、装置、电子设备、存储介质,进而通过物流信息的处理,实现物流对象的包装等级的自动化预测。
根据本发明的一个方面,提供一种物流对象的包装等级确定方法,包括:
获取物流对象的寄件信息;
根据所述物流对象的寄件信息获取预测运输信息;
根据所述物流对象的寄件信息获取物流体验信息;以及
采用物流对象包装等级分类模型,根据所述寄件信息、所述预测运输信息以及所述物流体验信息计算所述物流对象的包装等级。
可选地,所述寄件信息至少包括所述物流对象的收件地址以及所述物流对象的收件地址的地址类型。
可选地,所述物流对象的收件地址的地址类型根据如下步骤确定:
将所述物流对象的收件地址与一地址库中各地址进行相似度匹配,以自所述地址库中筛选相似地址集合,所述地址库中存储有地址与该地址所属的地址类型;
按各所述地址类型,聚合所述相似地址集合中的地址;以及
将所述相似地址集合中,地址数量最多的地址类型作为所述物流对象的收件地址的地址类型。
可选地,所述物流对象的寄件信息至少包括所述物流对象的物品类型集合。
可选地,所述物流对象的物品类型集合基于所述物流对象的物品属性确定。
可选地,所述物流对象的寄件信息至少包括所述物流对象的寄件地址、收件地址以及快递公司,所述根据所述物流对象的寄件信息获取预测运输信息包括:
根据所述物流对象的寄件地址及收件地址确定所述快递公司运输该物流对象的始发站点及签收站点;
根据所述始发站点及签收站点形成的站点组,自一运输信息集合中,将一历史运输信息确定为预测运输信息,所述运输信息集合中存储有各站点组关联的历史运输信息,所述站点组包括一始发站点及一签收站点。
可选地,所述运输信息集合中,每一站点组关联的历史运输信息,基于历史物流订单中该站点组的运输信息计算。
可选地,所述预测运输信息及所述历史运输信息包括运输路径、运输距离及运输时效中的一项或多项。
可选地,所述根据所述物流对象的寄件信息获取物流体验信息包括:
根据所述物流对象的寄件信息获取快递公司的物流质量信息;和/或
根据所述物流对象的寄件信息获取收件用户和/或发件用户的物流体验预期信息。
可选地,所述物流对象的寄件信息至少包括所述物流对象的收件地址及快递公司,所述根据所述物流对象的寄件信息获取快递公司的物流质量信息包括:
根据所述物流对象的收件地址及快递公司确定所述物流对象的签收站点;以及
根据所述签收站点自一站点评价集合中确定该签收站点的物流质量信息,所述站点评价集合包括站点及该站点的物流质量信息。
可选地,所述站点评价集合根据如下步骤生成:
获取历史物流订单数据,所述历史物流订单数据至少包括签收站点及用户对该签收站点的物流体验评价信息;
按签收站点聚合所述物流体验评价信息;以及
采用物流质量分类模型,根据各所述签收站点对所述物流体验评价信息的聚合信息,确定各签收站点的物流质量信息,所述物流质量信息为所述签收站点的物流质量等级。
可选地,所述物流对象的寄件信息至少包括所述物流对象的收件用户和/或发件用户,所述根据所述物流对象的寄件信息获取收件用户和/或发件用户的物流体验预期信息包括:
将收件用户和/或发件用户确定为待匹配用户;
根据所述待匹配用户的用户标识自一用户评价集合中确定该待匹配用户的物流体验预期信息,所述用户评价集合包括用户标识及该用户标识的物流体验预期信息。
可选地,所述用户评价集合根据如下步骤生成:
获取历史物流订单,所述历史物流订单至少包括发件用户的用户标识及发件用户对该物流订单的物流体验评价信息、收件用户的用户标识及收件用户对该物流订单的物流体验评价信息或者他们的组合;
按用户标识聚合物流体验评价信息,获得各用户标识的物流体验预期信息。
可选地,所述采用物流对象包装等级分类模型,根据所述寄件信息、所述预测运输信息以及所述物流体验信息计算所述物流对象的包装等级包括:
将所述寄件信息、所述预测运输信息以及所述物流体验信息中至少部分信息拼接形成所述物流对象包装等级分类模型的输入。
可选地,所述物流对象的包装等级包括外包装尺寸等级、外包装材质等级、内包装材质等级、内包装填充等级中的一项或多项。
根据本发明的又一方面,还提供一种物流对象的包装等级确定装置,包括:
第一获取模块,配置成获取物流对象的寄件信息;
第二获取模块,配置成根据所述物流对象的寄件信息获取预测运输信息;
第三获取模块,配置成根据所述物流对象的寄件信息获取物流体验信息;以及
分类模块,配置成采用物流对象包装等级分类模型,根据所述寄件信息、所述预测运输信息以及所述物流体验信息计算所述物流对象的包装等级。
根据本发明的又一方面,还提供一种电子设备,所述电子设备包括:处理器;存储介质,其上存储有计算机程序,所述计算机程序被所述处理器运行时执行如上所述的步骤。
根据本发明的又一方面,还提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如上所述的步骤。
相比现有技术,本发明的优势在于:
本发明通过分别获取寄件信息、预测运输信息以及物流体验信息,并根据寄件信息、预测运输信息以及物流体验信息,自动预测物流对象的包装等级。由此,通过多维的信息选取和信息获取,合理预测包装等级,一方面,降低物流运输过程中对包裹或物流对象产生损害的风险,从而提高寄件方及收件方的物流体验;另一方面,通过统一的方式自动预测物流对象的包装方式,节省包装材料的成本,减少包装材料浪费,并降低减少包装对环境造成的影响;再一方面,寄件信息、预测运输信息以及物流体验信息易于获取,便于提高数据处理效率及预测效率。
附图说明
通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显。
图1示出了根据本发明实施例的物流对象的包装等级确定方法的流程图。
图2示出了根据本发明具体实施例的确定物流对象的收件地址的地址类型的流程图。
图3示出了根据本发明具体实施例的根据所述物流对象的寄件信息获取预测运输信息的流程图。
图4示出了根据本发明具体实施例的根据所述物流对象的寄件信息获取快递公司的物流质量信息的流程图。
图5示出了根据本发明具体实施例的生成站点评价集合的流程图。
图6示出了根据本发明具体实施例的根据所述物流对象的寄件信息获取收件用户和/或发件用户的物流体验预期信息的流程图。
图7示出了根据本发明具体实施例的生成用户评价集合的流程图。
图8示出了根据本发明实施例的物流对象的包装等级确定装置的模块图。
图9示意性示出本发明示例性实施例中一种计算机可读存储介质示意图。
图10示意性示出本发明示例性实施例中一种电子设备示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本发明将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本发明的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的步骤。例如,有的步骤还可以分解,而有的步骤可以合并或部分合并,因此,实际执行的顺序有可能根据实际情况改变。
在本发明的各个实施例中,本发明应用于物流场景中。例如,可以向寄件用户提供所物流对象的包装等级,以提供物流对象的包装参考。又例如,寄件用户委托物流公司进行物流对象的包装时,可以由物流公司统一采用本发明确定的包装等级进行物流对象的包装。再例如,当寄件用户为电商平台时,电商平台也可自行采用本发明确定的包装等级进行物流对象的统一包装。由此,本发明的方法及装置可以布置于寄件用户的终端、物流公司的终端或者电商平台的终端上,本发明并非以此为限制。
图1示出了根据本发明实施例的物流对象的包装等级确定方法的流程图。物流对象的包装等级确定方法包括如下步骤:
步骤S110:获取物流对象的寄件信息。
具体而言,所述的“物流对象”表示寄件用户通过物流公司经由运输的过程派送至收件用户的任意物品。
具体而言,物流对象的寄件信息可以包括收件地址、收件地址类型、物流对象的物品类型集合,以及用于运输信息和物流体验信息计算的信息。其中,用于运输信息和物流体验信息计算的信息将在下文结合计算运输信息和物流体验信息的具体实施例中进行描述。
步骤S120:根据所述物流对象的寄件信息获取预测运输信息。
具体而言,所述预测运输信息可以包括运输路径、运输距离及运输时效中的一项或多项,本发明并非以此为限制。
步骤S130:根据所述物流对象的寄件信息获取物流体验信息。
具体而言,所述物流体验信息可以包括快递公司的物流质量信息和/或获取收件用户和/或发件用户的物流体验预期信息,本发明并非以此为限制。
步骤S140:采用物流对象包装等级分类模型,根据所述寄件信息、所述预测运输信息以及所述物流体验信息计算所述物流对象的包装等级。
具体而言,物流对象包装等级分类模型可以通过机器学习的分类算法实现。例如,可以通过贝叶斯分类算法、决策树分类算法、支持向量机分类算法、逻辑回归算法、神经网络算法中的任一项来实现,本发明并非以此为限制。
具体而言,所述物流对象的包装用于在运输过程对对物流对象进行保护的同时,便于诸如搬运、堆叠等物流操作。物流对象的包装可以包括内包装和/或外包装。物流对象的外包装可以包括纸袋、防水袋、纸箱、木箱等;物流对象的内包装可以包括物品原始包装、塑料薄膜、填充颗粒、聚乙烯泡沫薄膜、保鲜冰袋等。物流对象的外包装主要便于搬运、堆叠等物流操作,物流对象的内外包装配合共同起到物流对象的运输保护。由此,物流对象的包装等级可以包括外包装尺寸等级、外包装材质等级、内包装材质等级、内包装填充等级中的一项或多项。由此,实现多维度的包装等级的确定,以从多个不同维度的提高物流对象的包装对物流对象的保护程度。
在一些具体实现中,外包装尺寸等级例如可以按外包装的体积设定为小标准尺寸、标准尺寸、大标准尺寸、小超大型、中超大型、大超大型、特大型等。外包装的材质等级可以按材质设定为纸袋、防水袋、纸箱、木箱等。内包装材质等级可以按材质设定为原始包装、塑料薄膜、填充颗粒、聚乙烯泡沫、保鲜冰袋等。内包装填充等级可以按填充程度设定为零填充、半填充、全填充。以上仅仅是示意性地描述本发明的包装等级的具体实现方式,本发明并非以此为限制,外包装尺寸等级、外包装材质等级、内包装材质等级、内包装填充等级可以单独或组合来实现,其它与包装相关的等级的使用也在本发明的保护范围之内。
进一步地,在一些具体实现中,可以通过一个物流对象包装等级分类模型输出上述多个不同维度的包装等级,从而减少模型储存所占用的储存空间,并减少算法步骤,提高包装等级的确定效率。在另一些具体实现中,可以通过多个物流对象包装等级分类模型分别输出上述多个不同维度的包装等级,从而提高每个维度的包装等级的准确性。
具体而言,上述步骤S140中所述寄件信息、所述预测运输信息以及所述物流体验信息可以分别单独作为物流对象包装等级分类模型的输入。在一些变化例中,可以将所述寄件信息、所述预测运输信息以及所述物流体验信息中至少部分信息拼接形成所述物流对象包装等级分类模型的输入,以强调寄件信息、所述预测运输信息以及所述物流体验信息中部分信息的组合对包装等级的影响,从而进一步提高输出的包装等级的准确性。
具体而言,上述步骤的执行顺序并非以此为限制。例如步骤S120和步骤S130可以同步执行或以相反的顺序执行。
在本发明提供的物流对象的包装等级确定方法中,通过分别获取寄件信息、预测运输信息以及物流体验信息,并根据寄件信息、预测运输信息以及物流体验信息,自动预测物流对象的包装等级。由此,通过多维的信息选取和信息获取,合理预测包装等级,一方面,降低物流运输过程中对包裹或物流对象产生损害的风险,从而提高寄件方及收件方的物流体验;另一方面,通过统一的方式自动预测物流对象的包装方式,节省包装材料的成本,减少包装材料浪费,并降低减少包装对环境造成的影响;再一方面,寄件信息、预测运输信息以及物流体验信息易于获取,便于提高数据处理效率及预测效率。
在本发明的一些实施例中,所述寄件信息至少包括所述物流对象的收件地址以及所述物流对象的收件地址的地址类型。具体而言,地址类型例如可以包括住宅、办公楼、休闲场所等,本发明并非以此为限制。进一步地,不同的地址类型对于包装等级的要求不同,因此,地址类型会对于包装等级的确定起到一定的作用。参见图2,图2示出了根据本发明具体实施例的确定物流对象的收件地址的地址类型的流程图。图2示出了如下步骤:
步骤S111:将所述物流对象的收件地址与一地址库中各地址进行相似度匹配,以自所述地址库中筛选相似地址集合,所述地址库中存储有地址与该地址所属的地址类型。
具体而言,地址库中存储的地址可以以完整的地址文本或者特征文本的形式储存。
具体而言,将所述物流对象的收件地址与一地址库中各地址进行相似度匹配的步骤可以通过如下方式实现:对物流对象的收件地址进行分词后,提取物流对象的收件地址的特征文本;依据物流对象的收件地址的特征文本与地址库中存储的地址进行相似度匹配,以将相似度大于预定阈值的地址(或者相似度较大的N个地址,N为大于等于1的整数)形成相似地址集合。
进一步地,上述物流对象的收件地址的特征文本的特征文本的提取,例如可以通过经训练的机器学习模型来实现。该机器学习模型可以通过经标注的训练样本训练,从而学习提取收件地址的特征文本。每一地址的特征文本的数量可以是一个或多个。特征文本例如可以包括:诸如路名的地址标识和/或诸如广场、大厦、大楼等类型信息。
进一步地,上述物流对象的收件地址的特征文本与地址库中存储的地址的相似度可以通过文本向量转换算法(例如Word2vec)转换为向量后,通过余弦相似度、WMD(词移距离,Word Mover Distance)、WCD(字的质心距离,Word centroid distance)、RWMD(放松限制条件下的词移距离,Relaxed word moving distance)中的一个或多个算法计算距离值,以作为所要计算的相似度。在一些变化例中,上述物流对象的收件地址的特征文本与地址库中存储的地址的相似度也可以相同词的数量及词频计算,其中,相同词的数量及词频与相似度成正相关。本发明还可以实现更多的相似度计算方式,在此不予赘述。
步骤S112:按各所述地址类型,聚合所述相似地址集合中的地址。
具体而言,步骤S112统计相似地址集合中,每一地址类型的地址数量。
步骤S113:将所述相似地址集合中,地址数量最多的地址类型作为所述物流对象的收件地址的地址类型。
具体而言,以地址类型包括住宅、办公楼以及休闲场所为例,当收件地址的相似地址集合中地址类型为住宅的地址数量为3,地址类型为办公楼的地址数量为20,地址类型为休闲场所的地址数量为5,则将数量最多的办公楼作为物流对象的收件地址的地址类型。
由此,考虑到同一收件地址可能存在不同的表达,当收件地址无法直接在地址库中匹配到完全相同的地址时,可以通过上述相似度计算方式,从而根据结合相似地址(例如可以包括同一地址的不同表达以及相似度较高的不同地址)中,地址数量最多的地址类型作为收件地址的地址类型。
具体而言,本发明可以在采用上述步骤确定收件地址的地址类型之前,将收件地址与地址库中的地址进行精确匹配,若匹配到完全一致的地址时,即可将地址库中的地址的地址类型作为收件地址的地址类型,以整体减少相似度计算的地址数量。当地址库中的地址数量较少时,上述精确匹配的概率较小时,本发明也可以直接采用上述步骤确定收件地址的地址类型,以整体提高地址类型确定效率。本发明并非以此为限制。
在本发明的一些实施例中,考虑到同一物流对象包括的物品的物品类型也与物流对象的包装等级的确定关联。在一些具体实现中,物流对象的物品类型可以包括生鲜、尺寸等级、重量等级、易碎、防潮、防火等。例如,生鲜易变质的物流对象需要保鲜冰袋;大尺寸、大重量的物流对象需要进行单独包装;易碎的物流对象需要单独包装;易潮易燃的物流对象需要做相应的隔绝处理等。因此,在本实施例中,所述物流对象的寄件信息可以包括所述物流对象的物品类型集合。具体而言,在本实施例中,所述物流对象的物品类型集合基于所述物流对象的物品属性确定。物流对象的物品属性可以通过用户输入或这用户订单信息的物品明细获取。物品属性例如可以包括物品名称、物流尺寸、物品重量等。进一步地,物品类型与收件地址的地址类型会共同对物流对象的包装等级产生影响,因此,所述物流对象的寄件信息可以包括所述物流对象的物品类型集合以及收件地址的地址类型,且所述物流对象的物品类型集合以及收件地址的地址类型可以拼接为同一输入向量以输入物流对象包装等级分类模型。
在本发明的一些实施例中,物流过程中的不同运输信息也会造成不同的物流对象的包装等级的确定。图1中步骤S120根据所述物流对象的寄件信息获取预测运输信息可以通过图3所示的流程图来实现。在本实施例中,所述物流对象的寄件信息至少包括所述物流对象的寄件地址、收件地址以及快递公司,物流对象的寄件地址、收件地址以及快递公司用以获取预测运输信息。预测运输信息可以根据如下步骤获取:
步骤S121:根据所述物流对象的寄件地址及收件地址确定所述快递公司运输该物流对象的始发站点及签收站点。
具体而言,各快递公司的始发站点及签收站点皆各自分配不同的区域进行揽件和派件,由此,根据寄件地址及收件地址与其分配的区域的匹配即可确定所述快递公司运输该物流对象的始发站点及签收站点。
步骤S122:根据所述始发站点及签收站点形成的站点组,自一运输信息集合中,将一历史运输信息确定为预测运输信息,所述运输信息集合中存储有各站点组关联的历史运输信息,所述站点组包括一始发站点及一签收站点。
具体而言,一方面,始发站点与寄件地址距离较近,签收站点与收件地址距离较近,因此,整个物流对象的运输过程相当于由始发站点和签收站点确定;另一方面,由于寄件地址和收件地址过多,寄件地址和收件地址统一转化为始发站点及签收站点更利于运输信息的获取和统计。
具体而言,在本实施例中,所述预测运输信息及所述历史运输信息包括运输路径、运输距离及运输时效中的一项或多项。运输路径例如可以以该自始发站点至该签收站点的运输过程中按序途径的多个中转站点来表示,本发明并非以此为限制。在一些变化例中,运输路径例如也可以以该自始发站点至该签收站点的运输过程中按序途径的多个行政区域来表示。运输距离例如可以根据运输路径中相邻中转站点/行政区域的中心点之间的距离之和来确定。运输距离也可以按实际运输距离来计算(例如,航运时以飞机航程来表示运输距离;诸如货车、火车等运输时,以实际的运输距离来表示;多程组合时,以前述的运输距离之和来表示),本发明并非以此为限制。运输时效例如可以仅以运输时间(自始发站点至该签收站点的运输时间)来表示。运输时效例如也可以以运输时间及运输效率来表示,运输效率例如可以以物流对象移动的时间与运输时间之比来表示,本发明并非以此为限制。
具体而言,所述运输信息集合中,每一站点组关联的历史运输信息,基于历史物流订单中该站点组的运输信息计算。进一步地,对于每一站点组,对于历史物流订单中该站点组的多个运输信息,可以将数量最多的历史运输路径作为该站点组关联的历史运输信息的运输路径;可以将历史运输距离的平均值作为该站点组关联的历史运输信息的运输距离(或者基于所确定的运输路径计算获得的运输距离);可以将历史运输时效的平均值作为该站点组关联的历史运输信息的运输时效(或者基于所确定的运输路径计算获得的运输时效)。本发明可以实现更多的变化方式,在此不予赘述。
在本发明的一些实施例中,物流过程中的不同物流体验信息也会造成不同的物流对象的包装等级的确定。在本实施例的一些具体实现中,物流体验信息可以包括快递公司的物流质量信息。由此,图1中的步骤S130可以包括根据所述物流对象的寄件信息获取快递公司的物流质量信息。
下面参见图4,图4示出了根据本发明具体实施例的根据所述物流对象的寄件信息获取快递公司的物流质量信息的流程图。在本实施例中,所述物流对象的寄件信息至少包括所述物流对象的收件地址及快递公司。根据所述物流对象的寄件信息获取快递公司的物流质量信息可以包括如下步骤:
步骤S131:根据所述物流对象的收件地址及快递公司确定所述物流对象的签收站点。
具体而言,各快递公司的签收站点皆各自分配不同的区域进行派件,由此,根据收件地址与其分配的区域的匹配即可确定所述快递公司运输该物流对象的签收站点。
步骤S132:根据所述签收站点自一站点评价集合中确定该签收站点的物流质量信息,所述站点评价集合包括站点及该站点的物流质量信息。
具体而言,签收站点的物流质量信息可以与所确定的包装等级负相关。换言之,签收站点的物流质量信息越低,所确定的包装等级所表示的包装越完善。
具体而言,步骤S132中的站点评价集合可以按图5所示的步骤生成。
图5共示出如下步骤:
步骤S210:获取历史物流订单数据,所述历史物流订单数据至少包括签收站点及用户对该签收站点的物流体验评价信息。
在一些具体实现中,物流体验评价信息可以包括物流时效评价信息、物流派送评价信息等。物流体验评价信息可以由收件用户和/或寄件用户进行评价。各物流体验评价信息可以归一化为同一评分区间(例如1至5分;1至10分;1至100分等)。评价信息于其所在评分区间分数越高,则表示用户对签收站点的物流时效、物流派送越满意。
步骤S220:按签收站点聚合所述物流体验评价信息。
在一些具体实现中,在物流体验评价信息包括物流时效评价信息和物流派送评价信息的实施例中,可以分别获取签收站点的历史物流时效评价信息和物流派送评价信息,将历史物流时效评价信息的平均值作为该签收站点的物流时效评价信息;将历史物流派送评价信息的平均值作为该签收站点的物流派送评价信息。本发明并非以此为限制,也可以通过诸如中位数等方式,聚合获得签收站点的物流时效评价信息和物流派送评价信息以作为签收站点的物流体验评价信息的聚合信息。
步骤S230:采用物流质量分类模型,根据各所述签收站点对所述物流体验评价信息的聚合信息,确定各签收站点的物流质量信息,所述物流质量信息为所述签收站点的物流质量等级。
具体而言,物流质量分类模型可以通过机器学习的分类算法实现。例如,可以通过贝叶斯分类算法、决策树分类算法、支持向量机分类算法、逻辑回归算法、神经网络算法中的任一项来实现,本发明并非以此为限制。由此,提高物流质量分类模型输出的物流质量信息的准确性。
在一些变化例中,物流质量分类模型例如可以通过算数平均、加权平均等方式,将所述签收站点对所述物流体验评价信息的聚合信息转化为物流质量信息。在本实施例中,物流质量信息可以具有与物流体验评价信息相同的评分区间(例如1至5分;1至10分;1至100分等),从而作为签收站点的物流质量等级。由此,降低算法复杂度,提高数据处理效率。
由此,可以通过上述步骤将物流体验评价信息转化为物流质量信息,并实现站点评价集合的生成,以便于签收站点的物流质量信息的获取。
在本实施例的另一些具体实现中,物流体验信息可以包括收件用户和/或发件用户的物流体验预期信息。具体而言,在本发明的优选实施例中,收件用户的物流体验预期信息对包装等级的影响更大,可以仅采用收件用户的物流体验预期信息进行物流对象的包装等级的确定,以增加所确定的包装等级的准确性的同时,减少数据处理量,增加数据处理效率。在一些变化例中,可以采用收件用户和发件用户的物流体验预期信息,以实现物流体验预期信息的全面描述,从而进一步增加所确定的包装等级的准确性。在又一些变化例中,在电商平台场景中,考虑到部分收件用户会忽略对物流体验的评价,因此还可以仅采用发件用户的物流体验预期信息,以在电商场景中可以获得更完善的数据,本发明并非以此为限制。
由此,图1中的步骤S130可以包括根据所述物流对象的寄件信息获取收件用户和/或发件用户的物流体验预期信息。
下面参见图6,图6示出了根据本发明具体实施例的根据所述物流对象的寄件信息获取收件用户和/或发件用户的物流体验预期信息的流程图。在本实施例中,所述物流对象的寄件信息至少包括所述物流对象的收件用户和/或发件用户。根据所述物流对象的寄件信息获取收件用户和/或发件用户的物流体验预期信息可以包括如下步骤
步骤S133:将收件用户和/或发件用户确定为待匹配用户。
步骤S134:根据所述待匹配用户的用户标识自一用户评价集合中确定该待匹配用户的物流体验预期信息,所述用户评价集合包括用户标识及该用户标识的物流体验预期信息。
具体而言,收件用户和/或发件用户的物流体验预期信息可以与所确定的包装等级正相关。换言之,签收站点的物流质量信息越高,所确定的包装等级所表示的包装越完善。
具体而言,步骤S134中的用户评价集合可以按图7所示的步骤生成。
图7共示出如下步骤:
步骤S310:获取历史物流订单,所述历史物流订单至少包括发件用户的用户标识及发件用户对该物流订单的物流体验评价信息、收件用户的用户标识及收件用户对该物流订单的物流体验评价信息或者他们的组合。
在一些具体实现中,物流体验评价信息可以包括物流时效评价信息、物流派送评价信息等。物流体验评价信息可以由收件用户和/或寄件用户进行评价。各物流体验评价信息可以归一化为同一评分区间(例如1至5分;1至10分;1至100分等)。评价信息于其所在评分区间分数越高,则表示用户对签收站点的物流时效、物流派送越满意。
步骤S320:按用户标识聚合物流体验评价信息,获得各用户标识的物流体验预期信息。
具体而言,可以按预定算法将所述物流体验评价信息转化为物流体验预期信息。在本实施例中,物流体验评价信息与物流体验预期信息成负相关,换言之,用户对物流越满意,则标识用户的物流体验预期越低,对物流的要求越低;而用户对物流越不满意,则标识用户的物流体验预期越高,对物流的要求越高。在本实施例中,物流体验预期信息可以具有与物流体验评价信息不同的评分区间,例如,物流体验预期信息可以转化为1至3的评分区间,本发明并非以此为限制,其它评分区间也在本发明的保护范围之内。
由此,可以通过上述步骤将物流体验评价信息转化为物流体验预期信息,并实现用户评价集合的生成,以便于用户的物流体验预期的获取。
在本发明的一些实施例中,物流体验信息可以包括快递公司的物流质量信息和收件用户和/或发件用户的物流体验预期信息。由此,图1中的步骤S130可以包括根据所述物流对象的寄件信息获取快递公司的物流质量信息;以及根据所述物流对象的寄件信息获取收件用户和/或发件用户的物流体验预期信息。而快递公司的物流质量信息和收件用户和/或发件用户的物流体验预期信息的获取方式已在上述实施例描述,在此不予赘述。在本实施例中,可以复用物流体验评价信息,从而生成两个维度的物流体验信息(快递公司的物流质量信息和收件用户和/或发件用户的物流体验预期信息),以提高数据利用率的同时,增加用于确定包装等级维度,并提高包装等级的确定的准确性。
以上仅仅是本发明的多个具体实现方式,各实现方式可以独立或组合来实现,本发明并非以此为限制。
图8示出了根据本发明实施例的物流对象的包装等级确定装置的模块图。物流对象的包装等级确定装置400包括第一获取模块410、第二获取模块420、第三获取模块430以及分类模块440。
第一获取模块410配置成获取物流对象的寄件信息。
第二获取模块420配置成根据所述物流对象的寄件信息获取预测运输信息。
第三获取模块430配置成根据所述物流对象的寄件信息获取物流体验信息。
分类模块440配置成采用物流对象包装等级分类模型,根据所述寄件信息、所述预测运输信息以及所述物流体验信息计算所述物流对象的包装等级。
在本发明的示例性实施方式的物流对象的包装等级确定装置中,通过分别获取寄件信息、预测运输信息以及物流体验信息,并根据寄件信息、预测运输信息以及物流体验信息,自动预测物流对象的包装等级。由此,通过多维的信息选取和信息获取,合理预测包装等级,一方面,降低物流运输过程中对包裹或物流对象产生损害的风险,从而提高寄件方及收件方的物流体验;另一方面,通过统一的方式自动预测物流对象的包装方式,节省包装材料的成本,减少包装材料浪费,并降低减少包装对环境造成的影响;再一方面,寄件信息、预测运输信息以及物流体验信息易于获取,便于提高数据处理效率及预测效率。
图8仅仅是示意性的示出本发明提供的物流对象的包装等级确定装置400,在不违背本发明构思的前提下,模块的拆分、合并、增加都在本发明的保护范围之内。本发明提供的物流对象的包装等级确定装置400可以由软件、硬件、固件、插件及他们之间的任意组合来实现,本发明并非以此为限。
在本发明的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被例如处理器执行时可以实现上述任意一个实施例中所述物流对象的包装等级确定方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述物流对象的包装等级确定方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图9所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品700,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、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)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在租户计算设备上执行、部分地在租户设备上执行、作为一个独立的软件包执行、部分在租户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到租户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本发明的示例性实施例中,还提供一种电子设备,该电子设备可以包括处理器,以及用于存储所述处理器的可执行指令的存储器。其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述物流对象的包装等级确定方法的步骤。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图10来描述根据本发明的这种实施方式的电子设备500。图10显示的电子设备500仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图10所示,电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于:至少一个处理单元510、至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530、显示单元540等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元510执行,使得所述处理单元510执行本说明书上述物流对象的包装等级确定方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元510可以执行如图1至图7任一幅或多幅附图所示的步骤。
所述存储单元520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202,还可以进一步包括只读存储单元(ROM)5203。
所述存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204,这样的程序模块5205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通讯,还可与一个或者多个使得租户能与该电子设备500交互的设备通讯,和/或与使得该电子设备500能与一个或多个其它计算设备进行通讯的任何设备(例如路由器、调制解调器等等)通讯。这种通讯可以通过输入/输出(I/O)接口550进行。并且,电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通讯。网络适配器560可以通过总线530与电子设备500的其它模块通讯。应当明白,尽管图中未示出,可以结合电子设备500使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明实施方式的上述物流对象的包装等级确定方法。
相比现有技术,本发明的优势在于:
本发明通过分别获取寄件信息、预测运输信息以及物流体验信息,并根据寄件信息、预测运输信息以及物流体验信息,自动预测物流对象的包装等级。由此,通过多维的信息选取和信息获取,合理预测包装等级,一方面,降低物流运输过程中对包裹或物流对象产生损害的风险,从而提高寄件方及收件方的物流体验;另一方面,通过统一的方式自动预测物流对象的包装方式,节省包装材料的成本,减少包装材料浪费,并降低减少包装对环境造成的影响;再一方面,寄件信息、预测运输信息以及物流体验信息易于获取,便于提高数据处理效率及预测效率。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由所附的权利要求指出。
Claims (14)
1.一种物流对象的包装等级确定方法,其特征在于,包括:
获取物流对象的寄件信息,所述寄件信息至少包括所述物流对象的收件地址、所述物流对象的收件地址的地址类型和所述物流对象的物品类型集合;
其中,所述物流对象的收件地址的地址类型根据如下步骤确定:将所述物流对象的收件地址与一地址库中各地址进行相似度匹配,以自所述地址库中筛选相似地址集合,所述地址库中存储有地址与该地址所属的地址类型;按各所述地址类型,聚合所述相似地址集合中的地址;将所述相似地址集合中,地址数量最多的地址类型作为所述物流对象的收件地址的地址类型;
根据所述物流对象的寄件信息获取预测运输信息;
根据所述物流对象的寄件信息获取物流体验信息;以及
采用物流对象包装等级分类模型,根据所述寄件信息、所述预测运输信息以及所述物流体验信息计算所述物流对象的包装等级,包括:将所述寄件信息、所述预测运输信息以及所述物流体验信息中至少部分信息拼接形成所述物流对象包装等级分类模型的输入。
2.如权利要求1所述的物流对象的包装等级确定方法,其特征在于,所述物流对象的物品类型集合基于所述物流对象的物品属性确定。
3.如权利要求1所述的物流对象的包装等级确定方法,其特征在于,所述物流对象的寄件信息至少包括所述物流对象的寄件地址、收件地址以及快递公司,所述根据所述物流对象的寄件信息获取预测运输信息包括:
根据所述物流对象的寄件地址及收件地址确定所述快递公司运输该物流对象的始发站点及签收站点;
根据所述始发站点及签收站点形成的站点组,自一运输信息集合中,将一历史运输信息确定为预测运输信息,所述运输信息集合中存储有各站点组关联的历史运输信息,所述站点组包括一始发站点及一签收站点。
4.如权利要求3所述的物流对象的包装等级确定方法,其特征在于,所述运输信息集合中,每一站点组关联的历史运输信息,基于历史物流订单中该站点组的运输信息计算。
5.如权利要求3或4所述的物流对象的包装等级确定方法,其特征在于,所述预测运输信息及所述历史运输信息包括运输路径、运输距离及运输时效中的一项或多项。
6. 如权利要求1所述的物流对象的包装等级确定方法,其特征在于,所述根据所述物流对象的寄件信息获取物流体验信息包括:
根据所述物流对象的寄件信息获取快递公司的物流质量信息;和/或
根据所述物流对象的寄件信息获取收件用户和/或发件用户的物流体验预期信息。
7. 如权利要求6所述的物流对象的包装等级确定方法,其特征在于,所述物流对象的寄件信息至少包括所述物流对象的收件地址及快递公司,所述根据所述物流对象的寄件信息获取快递公司的物流质量信息包括:
根据所述物流对象的收件地址及快递公司确定所述物流对象的签收站点;以及
根据所述签收站点自一站点评价集合中确定该签收站点的物流质量信息,所述站点评价集合包括站点及该站点的物流质量信息。
8.如权利要求7所述的物流对象的包装等级确定方法,其特征在于,所述站点评价集合根据如下步骤生成:
获取历史物流订单数据,所述历史物流订单数据至少包括签收站点及用户对该签收站点的物流体验评价信息;
按签收站点聚合所述物流体验评价信息;以及
采用物流质量分类模型,根据各所述签收站点对所述物流体验评价信息的聚合信息,确定各签收站点的物流质量信息,所述物流质量信息为所述签收站点的物流质量等级。
9.如权利要求6所述的物流对象的包装等级确定方法,其特征在于,所述物流对象的寄件信息至少包括所述物流对象的收件用户和/或发件用户,所述根据所述物流对象的寄件信息获取收件用户和/或发件用户的物流体验预期信息包括:
将收件用户和/或发件用户确定为待匹配用户;
根据所述待匹配用户的用户标识自一用户评价集合中确定该待匹配用户的物流体验预期信息,所述用户评价集合包括用户标识及该用户标识的物流体验预期信息。
10.如权利要求9所述的物流对象的包装等级确定方法,其特征在于,所述用户评价集合根据如下步骤生成:
获取历史物流订单,所述历史物流订单至少包括发件用户的用户标识及发件用户对该物流订单的物流体验评价信息、收件用户的用户标识及收件用户对该物流订单的物流体验评价信息或者他们的组合;
按用户标识聚合物流体验评价信息,获得各用户标识的物流体验预期信息。
11.如权利要求1-4、6-10中任一项所述的物流对象的包装等级确定方法,其特征在于,所述物流对象的包装等级包括外包装尺寸等级、外包装材质等级、内包装材质等级、内包装填充等级中的一项或多项。
12.一种物流对象的包装等级确定装置,其特征在于,包括:
第一获取模块,配置成获取物流对象的寄件信息,所述寄件信息至少包括所述物流对象的收件地址、所述物流对象的收件地址的地址类型和所述物流对象的物品类型集合;
其中,所述物流对象的收件地址的地址类型根据如下步骤确定:将所述物流对象的收件地址与一地址库中各地址进行相似度匹配,以自所述地址库中筛选相似地址集合,所述地址库中存储有地址与该地址所属的地址类型;按各所述地址类型,聚合所述相似地址集合中的地址;将所述相似地址集合中,地址数量最多的地址类型作为所述物流对象的收件地址的地址类型;
第二获取模块,配置成根据所述物流对象的寄件信息获取预测运输信息;
第三获取模块,配置成根据所述物流对象的寄件信息获取物流体验信息;以及
分类模块,配置成采用物流对象包装等级分类模型,根据所述寄件信息、所述预测运输信息以及所述物流体验信息计算所述物流对象的包装等级,包括:将所述寄件信息、所述预测运输信息以及所述物流体验信息中至少部分信息拼接形成所述物流对象包装等级分类模型的输入。
13.一种电子设备,其特征在于,所述电子设备包括:
处理器;
存储器,其上存储有计算机程序,所述计算机程序被所述处理器运行时执行如权利要求1至11任一项所述的物流对象的包装等级确定方法。
14.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至11任一项所述的物流对象的包装等级确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010265374.1A CN111967632B (zh) | 2020-04-07 | 2020-04-07 | 物流对象的包装等级确定方法、装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010265374.1A CN111967632B (zh) | 2020-04-07 | 2020-04-07 | 物流对象的包装等级确定方法、装置、电子设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111967632A CN111967632A (zh) | 2020-11-20 |
CN111967632B true CN111967632B (zh) | 2024-04-19 |
Family
ID=73358356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010265374.1A Active CN111967632B (zh) | 2020-04-07 | 2020-04-07 | 物流对象的包装等级确定方法、装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111967632B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488198A (zh) * | 2020-11-30 | 2021-03-12 | 上海寻梦信息技术有限公司 | 物流路由分发方法、装置、设备以及存储介质 |
CN112580884A (zh) * | 2020-12-24 | 2021-03-30 | 上海寻梦信息技术有限公司 | 冷链运输方法、冷链运输网络建立方法以及相关设备 |
CN113780929A (zh) * | 2021-03-25 | 2021-12-10 | 北京京东振世信息技术有限公司 | 信息处理方法及装置、存储介质及电子设备 |
CN115392835A (zh) * | 2022-08-29 | 2022-11-25 | 江苏正壹物流有限公司 | 一种基于物联网技术的现代物流管理方法及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005031854A (ja) * | 2003-07-09 | 2005-02-03 | Seiko Epson Corp | 代替製品発送および引き上げ管理システムにおける梱包箱の割当て方法ならびに装置、プログラム |
CN104077383A (zh) * | 2014-06-27 | 2014-10-01 | 广州唯品会网络技术有限公司 | 用于确定商品包装方案的方法及装置 |
US9230233B1 (en) * | 2011-09-28 | 2016-01-05 | Amazon Technologies, Inc. | Systems and methods for implementing specialty packaging in a materials handling facility |
CN106548309A (zh) * | 2015-09-18 | 2017-03-29 | 阿里巴巴集团控股有限公司 | 发货信息处理方法及装置 |
CN106742431A (zh) * | 2017-01-03 | 2017-05-31 | 沈阳建筑大学 | 一种具有查询控制功能半自动包装机 |
KR101809007B1 (ko) * | 2017-02-17 | 2017-12-14 | 윤여진 | 택배 포장 정보 제공 시스템 |
CN107679795A (zh) * | 2017-09-26 | 2018-02-09 | 深圳市行云易通科技有限公司 | 一种物品包装方式选择的方法 |
CN108399518A (zh) * | 2018-02-08 | 2018-08-14 | 优荑众创实业(深圳)有限公司 | 物联网包装管理系统及方法 |
CN108764804A (zh) * | 2018-06-07 | 2018-11-06 | 中国人民解放军国防科技大学 | 一种利用出租车的无仓储包裹运输方法和装置 |
CN109118329A (zh) * | 2018-08-07 | 2019-01-01 | 深圳市易达云科技有限公司 | 多包裹智能推荐包材的方法及计算机可读存储介质 |
CN109284948A (zh) * | 2017-07-20 | 2019-01-29 | 菜鸟智能物流控股有限公司 | 物流对象选择方法、物流对象选择装置和电子装置 |
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 |
CN109919424A (zh) * | 2019-01-23 | 2019-06-21 | 杭州网易再顾科技有限公司 | 容器确定方法及装置、介质和计算设备 |
CN110239794A (zh) * | 2019-05-17 | 2019-09-17 | 顺丰科技有限公司 | 包装方法、装置、系统及存储介质 |
CN110390759A (zh) * | 2019-07-03 | 2019-10-29 | 江苏理工学院 | 一种快递包装回收系统及回收方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8086546B2 (en) * | 2004-12-17 | 2011-12-27 | Amazon Technologies, Inc. | Method and system for anticipatory package shipping |
CA2939518A1 (en) * | 2015-08-31 | 2017-02-28 | Wal-Mart Stores, Inc. | Methods and systems in evaluating and selecting a combination of shipping packages |
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 |
US11151679B2 (en) * | 2016-11-22 | 2021-10-19 | Walmart Apollo, Llc | Systems and methods for monitoring packaging quality issues |
JP2018116482A (ja) * | 2017-01-18 | 2018-07-26 | 株式会社東芝 | 物流管理装置、物流管理方法、およびプログラム |
-
2020
- 2020-04-07 CN CN202010265374.1A patent/CN111967632B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005031854A (ja) * | 2003-07-09 | 2005-02-03 | Seiko Epson Corp | 代替製品発送および引き上げ管理システムにおける梱包箱の割当て方法ならびに装置、プログラム |
US9230233B1 (en) * | 2011-09-28 | 2016-01-05 | Amazon Technologies, Inc. | Systems and methods for implementing specialty packaging in a materials handling facility |
CN104077383A (zh) * | 2014-06-27 | 2014-10-01 | 广州唯品会网络技术有限公司 | 用于确定商品包装方案的方法及装置 |
CN106548309A (zh) * | 2015-09-18 | 2017-03-29 | 阿里巴巴集团控股有限公司 | 发货信息处理方法及装置 |
CN106742431A (zh) * | 2017-01-03 | 2017-05-31 | 沈阳建筑大学 | 一种具有查询控制功能半自动包装机 |
KR101809007B1 (ko) * | 2017-02-17 | 2017-12-14 | 윤여진 | 택배 포장 정보 제공 시스템 |
CN109284948A (zh) * | 2017-07-20 | 2019-01-29 | 菜鸟智能物流控股有限公司 | 物流对象选择方法、物流对象选择装置和电子装置 |
CN107679795A (zh) * | 2017-09-26 | 2018-02-09 | 深圳市行云易通科技有限公司 | 一种物品包装方式选择的方法 |
CN108399518A (zh) * | 2018-02-08 | 2018-08-14 | 优荑众创实业(深圳)有限公司 | 物联网包装管理系统及方法 |
CN108764804A (zh) * | 2018-06-07 | 2018-11-06 | 中国人民解放军国防科技大学 | 一种利用出租车的无仓储包裹运输方法和装置 |
CN109118329A (zh) * | 2018-08-07 | 2019-01-01 | 深圳市易达云科技有限公司 | 多包裹智能推荐包材的方法及计算机可读存储介质 |
CN109919424A (zh) * | 2019-01-23 | 2019-06-21 | 杭州网易再顾科技有限公司 | 容器确定方法及装置、介质和计算设备 |
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 |
CN110239794A (zh) * | 2019-05-17 | 2019-09-17 | 顺丰科技有限公司 | 包装方法、装置、系统及存储介质 |
CN110390759A (zh) * | 2019-07-03 | 2019-10-29 | 江苏理工学院 | 一种快递包装回收系统及回收方法 |
Non-Patent Citations (1)
Title |
---|
网购商品包装系统设计研究;郭丽娟;《中国优秀硕士学位论文数据库 工程科技Ⅱ辑》;第20, 46-47页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111967632A (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111967632B (zh) | 物流对象的包装等级确定方法、装置、电子设备、存储介质 | |
US9098822B1 (en) | Optimization of packaging sizes | |
CN109829667B (zh) | 物流节点包裹量的预测方法和装置 | |
CN111967808B (zh) | 确定物流对象收货方式的方法、装置、电子设备及存储介质 | |
CN111950803A (zh) | 物流对象送达时间预测方法、装置、电子设备及存储介质 | |
US11327447B2 (en) | Systems and methods for computer-determined efficient bagging of ordered items | |
CN110991975A (zh) | 一种智能分物流方法 | |
CN111311147A (zh) | 包装箱回收方法、客户端、服务端和系统 | |
CN110991967A (zh) | 物流运输方法及装置 | |
US20210323706A1 (en) | Parcel packaging system and method | |
Walha et al. | A rail-road PI-hub allocation problems: model and heuristic | |
CN112101837A (zh) | 生成快递单的方法、装置、电子设备及存储介质 | |
CN113610471A (zh) | 一种快递运输碳排放的综合核算系统及方法 | |
CN110728481B (zh) | 寄件请求处理方法、寄件请求处理装置、电子设备及存储介质 | |
CN111915256A (zh) | 构建派件围栏的方法、异地签收识别方法及相关设备 | |
CN113661453A (zh) | 自动化第三方成本估计与生产 | |
CN109711773B (zh) | 一种基于聚类算法的集装箱货物流向流量统计方法 | |
CN112132500B (zh) | 构建派件围栏的方法、超派运单的识别方法及相关设备 | |
CN114581803A (zh) | 一种物品识别处理方法和装置 | |
CN113724049A (zh) | 信息处理方法、装置、设备及存储介质 | |
CN111860918B (zh) | 配送方法及装置、电子设备和计算机可读介质 | |
CN114154921A (zh) | 物流订单处理方法、装置、电子设备和存储介质 | |
CN109840726B (zh) | 物品分箱方法、装置以及计算机可读存储介质 | |
CN115705506A (zh) | 包裹运输风险预测方法、装置、设备和计算机存储介质 | |
CN112364262A (zh) | 一种找货路线推荐方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |