CN112215550A - 一种铁路货运数据处理系统和方法 - Google Patents
一种铁路货运数据处理系统和方法 Download PDFInfo
- Publication number
- CN112215550A CN112215550A CN202011122681.0A CN202011122681A CN112215550A CN 112215550 A CN112215550 A CN 112215550A CN 202011122681 A CN202011122681 A CN 202011122681A CN 112215550 A CN112215550 A CN 112215550A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- transportation
- module
- railway
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012545 processing Methods 0.000 title claims abstract description 16
- 238000013079 data visualisation Methods 0.000 claims abstract description 9
- 238000004519 manufacturing process Methods 0.000 claims description 89
- 239000000463 material Substances 0.000 claims description 66
- 238000005516 engineering process Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 22
- 238000007726 management method Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000004141 dimensional analysis Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000014759 maintenance of location Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000013439 planning Methods 0.000 claims description 4
- 238000004801 process automation Methods 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 239000002994 raw material Substances 0.000 description 34
- 238000007405 data analysis Methods 0.000 description 8
- 238000013500 data storage Methods 0.000 description 7
- 238000012384 transportation and delivery Methods 0.000 description 6
- 238000013480 data collection Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000013075 data extraction Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 235000019580 granularity Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007474 system interaction Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
-
- 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"
-
- G06Q50/40—
Abstract
本发明提供了一种铁路货运数据处理系统和方法。其中，所述铁路货运数据处理系统可包括用于采集铁路货运数据的铁路货运数据采集模块；和/或用于推送采集到的铁路货运数据的推送服务模块；和/或用于根据采集到的铁路货运数据进行智能匹配、动态预计到达时间预测、数据可视化和/或请车服务组件接入的业务处理模块。
Description
技术领域
本发明涉及计算机技术领域，尤其是涉及一种铁路货运数据处理系统和方法。
背景技术
铁路作为铁路运输是制造基地物资进出的重要通道，在制造基地组织生产中起到至关重要的作用，但因为铁路的封闭性，制造基地和原料供应商无法准确知晓车皮的信息，更加无法与制造基地内部系统进行关联，制造基地每年支付铁路的滞期费用达到千万级。此外，制造基地订货中存在定金合同管理的需要，即客户根据基地发出信息后支付相应货款，提前催款或者垫资均存在风险，造成客户满意度持续下降。
铁路原料到达是制造单元的物料供料的重要来源，及时了解原料车皮发出和到达及在途信息是调配车辆及有效组织安排库存的基础。但是，由于在现有技术的运输设备中未实现车皮信息与业务信息的智能匹配，操作人员、营销人员、管理人员难以随时随地知晓铁路动态，及时安排装卸计划或减少车皮停留时长。同时，采购人员难以对原料到达量进行控制，及时了解库存量以及在途货车信息，因而造成控制发货人不能按基地库存、卸车能力等综合能力来合理组织货源，也不能避免单一品种集中到达，从而给运输组织带来困难。
近年来，现代物流由于铁路信息的保密性、封闭性，极少有路局外部系统能够实现于铁路之间数据的互联互通。大部分现有技术的平台基于长期货运积攒下来的大量历史货运数据，利用大数据技术，进行事后分析，根据分析结果对运输到达时间实现预测，但考虑到铁路运输过程中可能受到天气、编组站滞留、车辆管制等不可抗因素影响，预测信息无法准确预报车辆到达时间，只能作为参考数据辅助编制卸车计划，难以获得铁路运输的实时在途跟踪。
根据现有技术，由于原料产地的特殊性，经常需要长途运输，耗时较长，基地无法确认到达时间以及原料品种和数量，导致生产中出现原料短缺或单一原料过剩的情况，并且由于人工接车，操作员无法明确原料品种，也极大的影响了后续货检工作的进行。
此外，在现有技术中，基地需要向路局申请月度用车计划及每日用车计划。提报流程复杂、需反复操作，操作人员不胜其烦，出错率高。
发明内容
本发明的一个目的在于提供一种铁路货运数据处理系统和方法。
依据本发明的一个方面，提供了一种铁路货运数据处理系统，包括用于采集铁路货运数据的铁路货运数据采集模块；和/或用于推送采集到的铁路货运数据的推送服务模块；和/或用于根据采集到的铁路货运数据进行智能匹配、动态预计到达时间预测、数据可视化和/或电话请车服务接入的业务处理模块。
依据本发明以上方面的系统，其中所述业务处理模块包括智能匹配模块，用于把来自制造基地的采购信息中的站点和/或时间自动与所述铁路货运数据进行匹配，和/或将匹配结果反馈制造基地；和/或动态预计到达时间预测模块，用于对铁路运输数据进行分析，集成平台、货票、运输、装卸信息中的一个或多个，生成运输轨迹，和/或分析各站点的历史作业时间、预测运输时间、和/或对即将发生的滞留、逾期情况作出预警；和/或数据可视化模块，用于根据各站点采集的位置信息绘制物资运输轨迹，和/或根据业务信息，对运输物资根据品种、发地、和/或运输量中的一个或多个进行多维度分析，以将所述铁路货运数据转化为图表，和/或展示在途物资明细及各物资的运输占比；和/或服务电话智能请车模块，用于以机器人流程自动化方式提供服务电话请车接入，以使制造基地通过所接入的请车服务提交车辆申请，和/或将请车批复情况反馈制造基地。
依据本发明以上方面的系统，还包括公共服务模块，用于采集运输站点和/或物资信息的基础信息，管理用户信息和/或权限，建立用户和/或系统资料库，和/或维护系统配置所需的基础数据，其中所述基础数据包括物资信息、供应商信息、承运商信息、站点信息中的一个或多个；和/或用于数据和/或文件存储的基础服务模块。
依据本发明以上方面的系统，其中所述铁路货运数据采集模块用于基于物联网技术，采集运输车辆的位置信息，和/或采用消息队列的方式将所述位置信息发送至所述系统的数据接收服务器，其中按照不同的制造基地对数据进行水平切分，分开存储，和/或利用开源分布式计算进行铁路货运数据采集同步，集中清洗，以形成完整的运输轨迹线路，实时记录确报时间。
依据本发明的另一个方面，提供了一种铁路货运数据处理方法，包括对铁路货运数据进行智能匹配；和/或通过分析铁路货运数据进行动态预计到达时间预测；和/或根据铁路货运数据生成可视化数据图表；和/或执行服务电话请车服务接入。
依据本发明以上方面的方法，还包括把来自制造基地的采购信息中的站点和/或时间自动与铁路货运数据进行智能匹配，并将匹配结果反馈到制造基地；和/或通过集成平台、货票、运输、和/或装卸信息中的一个或多个，生成运输轨迹，和/或分析各站点历史作业时间、预测运输时间，和/或在即将发生的滞留、逾期情况时作出预警；和/或根据各站点采集的位置信息绘制物资运输轨迹，和/或根据业务信息对运输物资进行品种、发地、运输量中的一个或多个进行多维度分析，以将数据转化为图表，和/或展示在途物资明细和/或各物资的运输占比信息；和/或通过接入服务电话请车服务，以使制造基地通过所接入的请车服务向提交车辆申请，和/或将请车批复情况反馈制造基地，和/或在请车流程中利用机器人流程自动化。
依据本发明以上方面的方法，还包括对数据和/或文件进行存储；和/或采集包括运输站点和/或物资信息的基础信息，管理用户信息和/或权限；建立用户和系统所需的资料库，维护系统配置所需基础数据，以进行开账与结账计划/独立会员管理、用户权限管理、基础信息维护、用户行为日志和/或多渠道监控；和/或采集铁路原始货运信息，包括采集运输车辆的位置信息，和/或采用消息队列的方式发送采集到的数据，以进行铁路货运数据处理，和/或按照不同的制造基地对所述数据进行水平切分，分开存储；和/或通过开源分布式计算来进行铁运数据采集同步、集中清洗，以形成完整的运输轨迹线路，实时记录确报时间；和/或推送铁路货运信息，包括在途信息、装卸报告、运单信息、订单信息、和/或提单信息；和/或执行运单查询、在途查询、地图展示、装卸查询、订单匹配、铁运发车计划、服务电话智能请车、动态预计到达时间提醒、供应商录入和/或统计报表生成中的一个或多个；和/或对系统数据进行存储、同步、缓存和/或备份管理。
依据本发明的再一个方面，提供了一种非瞬时性机器可读存储介质，包括一个或多个指令，所述一个或多个指令响应于被执行而使得一个或多个处理器执行如以上所述方法的一个或多个步骤。
依据本发明的另一个方面，提供了一种计算设备，包括一个或多个处理器；与所述一个或多个处理器耦合的一个或多个存储器，所述存储器用于存储一个或多个指令，其中所述一个或多个响应于被执行而使得所述一个或多个处理器执行如以上所述方法的一个或多个步骤。
如上所述，依据本发明的上述方面，本发明通过获取铁路货运完整过程全链路数据，并通过制造基地、原料供应商、物流服务商、产成品订货用户与铁路之间数据的互联互通，可实现铁路货运信息与业务信息的完美结合。本发明还可根据各站点采集的位置信息，基于百度地图绘制物资运输轨迹，并根据采购订单、出厂提单等业务信息，展示在途物资明细及各物资的运输占比。使基地能够实时了解物资位置及运输库存，从而能够合理安排原料采购计划及钢产品生产计划。本发明还可通过动态预计到达时间(Estimated Time ofArrival(ETA))提醒功能，根据车辆行驶线路，利用大数据分析技术来实现动态预测车辆到达时间，并在出现在途异常滞留情况时将发出预警提示，使基地能够更准确地了解车辆信息，合理安排接车，减少因车辆滞留导致的经济损失。
如上所述，本发明可解决制造基地、供需双方因铁路保密性、封闭性导致的无法实时跟踪物资在途运输情况而造成的直接或间接经济损失。本发明可实现制造基地、原料供应商、物流服务商、产成品订货用户与铁路之间数据的互联互通，使基地能够及时了解在途原料运输及库存情况，从而合理安排车辆调度、库存安排以及原料采购占比。此外，本发明还可实现业务数据及铁路货运信息的智能匹配和基于机器人流程自动化(RoboticProcess Automation(RPA))技术的智能请车服务，极大降低人工成本以及人工干预的出错率。
附图说明
图1示出依据本发明一个实施例的系统的一个例子的示意方框图；
图2示出依据本发明一个实施例的系统的一个例子的示意方框图；
图3示出依据本发明一个实施例的方法的一个例子的示意流程图；
图4示意地示出依据本发明一个实施例的设备的例子的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
虽然以下描述阐述可以例如在系统架构中示出的各个实现方式，但本文所描述的技术和/或布置的实现方式不限于特定系统架构和/或计算系统，并且可以通过用于相似目的的任何架构和/或计算系统得以实现。例如，采用例如一个多个集成电路芯片和/或封装的各种架构和/或各种计算设备和/或电子设备可以实现本文所描述的技术和/或布置。此外，虽然以下描述可以阐述大量具体细节(例如系统组件的逻辑实现方式、类型和相互关系、逻辑分区/集成选取等)，但可以在没有这些具体细节的情况下实践所要求的主题。在其它实例中，为了不模糊本文所公开的材料，可以并不详细地示出一些材料(例如控制结构和完整软件指令序列)。可以在硬件、固件、软件或其任何组合中实现本文所公开的材料。
本文所公开的材料也可以实现为可以由一个或多个处理器读取并且执行的机器可读介质或存储器上所存储的指令。计算机可读介质可以包括用于存储或发送机器(例如计算设备)可读的形式的信息的任何介质和/或机构。例如，机器可读介质可以包括只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质；光存储介质；闪存设备；和/或其它介质。在另一形式中，非瞬时性物品(例如非瞬时性计算机可读介质)可以用于以上所提及的任何示例或其它示例，包括可以通过“瞬时”方式临时保存数据的这些元件(例如RAM等)。
图1示出依据本发明一个实施例的系统的一个例子的示意架构图。在一个实施例中，所述系统100可用于对铁路货运数据进行处理，以提供一种铁路货运数据增值服务平台，从而实现制造基地、原料供应商、物流服务商、产成品订货用户等与铁路公司之间数据的互联互通，使制造基地能够及时了解在途原料运输及库存情况，从而合理安排车辆调度、库存安排以及原料采购占比。所述系统100还可用于业务数据及铁路货运信息的智能匹配和基于机器人流程自动化(Robotic Process Automation(RPA))技术的智能请车服务，从而极大降低人工成本以及人工干预的出错率。在一个实施例中，所述系统100可适用于制造基地、供应商、承运商和/或订货商等用户的铁运物资运输。
如图1所示，在一个实施例中，所述系统100可包括应用集群130和数据层140。在一个实施例中，所述系统可基于斯普瑞布特(Springboot)框架等。
如图1所示，用户接入模块110可经由服务网关120接入所述系统100。在一个实施例中，所述用户接入模块110可用于实现用户接入和/或外部系统交互(例如，利用超文本传输协议(Hyper Text Transfer Protocol(HTTP))，以提供系统可操作网络(WEB)功能、数据交换程序和/或数据接口。在一个实施例中，用户可通过例如个人计算机(PersonalComputer(PC)端)、移动端(例如，手机等手持电子设备)和/或其他电子设备等来查看物资运输信息或进行业务操作。在另一个实施例中，外部系统可通过接口方式与所述系统100进行数据交换和/或如上所述的其他操作。
参考图1，服务网关120可用于实现应用认证的系统统一管理。在一个实施例中，所述服务网关120可用于提供网络安全认证和/或数据库安全认证等，以保证系统可靠稳定运行。如图1所示，所述服务网关120可用于提供安全控制、认证/授权和/或访问控制等。
如图1所示，在一个实施例中，所述应用集群模块130可采用微服务架构，由各应用服务组成应用集群，以实现业务逻辑。例如，所述应用集群模块130可用于将各业务需求分解成颗粒度不同的基本服务，以适应不同的业务需要。在一个实施例中，所述应用集群模块130可根据业务职责不同，分为基础设置模块132、业务服务模块134和数据抽取模块136(但本发明不限于此集群方式)。
参考图1，在一个实施例中，所述基础设置模块132可用于例如提供用户管理、权限管理、基础信息管理、系统日志等基础服务。所述业务服务模块134可用于提供例如请车(例如，通过95306服务组件等)接入、智能匹配、预计到达时间(Estimated Time of Arrival(ETA))预测、和/或数据可视化等。所述数据抽取模块136可用于基于物联网技术，通过安装于各铁路站点的设备等来采集运输车辆的位置信息，并采用例如消息队列(Message Queue(MQ))等方式将数据发送至数据接收服务器(未示出)。在一个实施例中，所述数据抽取模块136可根据从接收到的数据形成例如装卸报告、在途信息、运单信息和/或订单信息等。由于数据量较大，可按照不同的制造基地对数据进行水平切分，分开储存。
如图1所示，数据层140可用于负责系统数据存储、同步、缓存和/或备份管理。在一个实施例中，所述数据层140可包括数据分析模块142，用于访问基础服务应用模块132(例如，系统日志等基础服务)以进行用户行为分析，和/或访问业务系统应用模块134(例如，ETA预测等业务)以进行站点预测，和/或访问数据抽取模块136以进行其他数据关系；和/或用于对来自应用集群模块130的数据进行数据存储的数据存储模块144。
如图1所示，在一个实施例中，所述数据分析模块142可利用分布式数据处理(例如，分布式计算(Hadoop)软件等，但本发明不限于此)对在途数据等进行实时分析。通过引入开源分布式计算(Hadoop)技术来实现铁路货运数据等的采集同步，集中清洗，可形成完整的运输轨迹线路，实时记录确报时间。
在另一个实施例中，系统数据可分为结构化数据和非结构化数据。所述存储模块140可利用甲骨文(Oracle)数据库(例如，oracle11G等数据库，但本发明不限于此)对结构化数据进行存储。基于甲骨文数据库的复制同步机制，可实现数据的读写分离，提升数据层面优化。业务日志数据的结构多样化、数据量较大，所述数据存储模块144也可利用oracle11G技术对业务日志数据进行存储。对于非结构化数据存储，例如文档、图片等数据，可利用分布式文件系统(Distributed File System DFS))(例如，FastDFS等，但本发明不限于此)进行存储。
图1中示出系统100的一个例子，在其他实施例中，所述系统100的一个或多个部分可由软件、硬件、固件和/或其各种组合来实现，以执行如以下图3所述方法的一个或多个流程。所述系统100可用于解决制造基地、供需双方因铁路保密性、封闭性导致的无法实时跟踪物资在途运输情况而造成的直接或间接的经济损失。所述系统100还可用于实现制造基地、原料供应商、物流服务商、和/或产成品订货用户等与铁路公司之间数据的互联互通，使制造基地能够及时了解在途原料运输和/或库存情况，从而合理安排车辆调度、库存安排及原料采购占比等。图1所示的系统100还可用于实现业务数据及铁路货运信息的智能匹配和基于RPA技术的智能请车服务，从而可极大降低人工成本和/或人工干预的出错率。
图2示出依据本发明一个实施例的系统的一个例子的示意架构图。在一个实施例中，所述系统200可用于进行铁路货运数据处理，以提供一种铁路货运数据增值服务平台，从而实现制造基地、原料供应商、物流服务商、产成品订货用户等与铁路公司之间数据的互联互通，使制造基地能够及时了解在途原料运输及库存情况，从而合理安排车辆调度、库存安排以及原料采购占比。所述系统200还可用于业务数据及铁路货运信息的智能匹配和基于RPA技术的智能请车服务，从而极大降低人工成本以及人工干预的出错率。在另一个实施例中，所述系统200可适用于制造基地、供应商、承运商和/或订货商等用户的铁运物资运输。
如图2所示，在一个实施例中，所述系统200可包括基础服务模块210、公共服务模块220、和/或应用服务模块240。
如图2所示，所述基础服务模块210可用于数据以及文件存储。在一个实施例中，所述基础服务模块210可包括数据存储模块212和文件存储模块214，但本发明不限于此，在其他实施例中，所述基础服务模块210还可包括其他存储模块。
参考图2，所述公共服务模块220可用于采集运输站点和/或物资信息等基础信息，管理用户信息和/或权限，建立用户和系统所需的资料库，维护整个系统配置所需的基础数据。其中，所述基础数据可包括物资信息、供应商信息、承运商信息、和/或站点信息等，但本发明不限于此。平台(Business Service Platform(BSP)会员管理/铁运服务平台独立会员管理模块222、用户权限管理模块224、基础信息维护模块226、用户行为日志模块228和/或多渠道监控模块230。
如图2所示，所述应用服务模块240可用于将各应用服务组成应用集群来实现业务逻辑。在一个实施例中，所述应用服务模块240可包括数据采集模块242、推送服务模块244、和/或业务系统模块246，但本发明不限于此。在其他实施例中，可根据业务逻辑，将一个或多个其他应用服务组成在各应用集群中和/或组成其他应用集群。
如图2所示，所述数据采集模块242可用于采集铁路原始货运信息。例如，所述数据采集模块242可基于物联网技术等，通过安装于各铁路站点的硬件设备来采集运输车辆的位置信息，并采用消息队列的方式将采集到的数据发送至数据接收服务器(例如，基础服务模块210中)。在一个实施例中，可按照不同的制造基地对数据进行水平切分，分开存储，以满足庞大数据量的需要。在另一个实施例中，可引入开源分布式计算(Hadoop)技术来实现铁运数据采集同步、集中清洗，以形成完整的运输轨迹线路，实时记录确报时间。
如图2所示，所述推送服务模块244可用于向业务系统模块240推送在途信息、装卸报告、运单信息、订单信息、和/或提单信息等，但本发明不限于此。
如图2所示，所述业务系统模块246可用于实现智能匹配、动态ETA预测、数据可视化和/或服务电话请车接入等业务逻辑。在一个实施例中，所述业务系统模块246可包括运单查询模块、在途查询模块、地图展示模块、装卸查询模块、订单匹配模块、铁运发车计划模块、服务电话智能请车模块、动态ETA提醒模块、供应商录入模块和/或统计报表生成模块中的一个或多个，以实现相应业务逻辑，但本发明不限于此。
依据本发明的一个实施例，所述业务系统模块246可用于实现智能匹配(例如，经由订单匹配模块)。例如，响应于制造基地以消息队列的方式把采购信息发送至业务系统模块240，业务系统模块246在接收到所述数据后可根据所述采购信息中的站点、和/或时间等有效信息自动与运输信息进行智能匹配，并将匹配结果反馈制造基地。制造基地可根据匹配结果自动接卸物质，以减少人工干预，实现智能化生产。所述业务系统模块246可通过获取铁路货运完整过程全链路数据，并通过制造基地、原料供应商、物流服务商、产成品订货用户等与铁路之间数据的互联互通，来实现铁路货运信息与业务信息的结合。
依据本发明的另一个实施例，所述业务系统模块246可用于实现动态ETA预测(例如，经由动态ETA提醒模块)。例如，所述业务系统模块246可用于数据仓库与生产系统联动。所述业务系统模块246可基于大数据分析技术对铁路货运数据进行分析，以集成平台、货票、运输、和/或装卸等信息，经过匹配、选择、格式转换生成运输轨迹，并通过分析各站点的历史作业时间、预测运输时间，对车皮即将发生的滞留、逾期情况作出预警。基于所述预警，制造基地可合理调度人员安排卸车计划，极大程度减少制造基地因为车辆滞留而产生的滞期费。通过所述动态ETA提醒功能，所述业务系统模块246可根据车辆行驶线路，基于大数据分析技术，动态预测车辆到达时间，并在出现在途异常滞留情况时发出预警提示，以使制造基地能够更准确地了解车辆信息，合理安排接车，减少因车辆滞留导致的经济损失。
依据本发明的再一个实施例，所述业务系统模块246可用于实现数据可视化(例如，经由地图展示模块)。例如，所述业务系统模块246可根据各站点采集的位置信息，基于例如百度地图等智能地图系统绘制物资运输轨迹，并根据货票中的托运信息等业务信息，基于例如商业级图表(Echarts)等图表对运输物资进行品种、发地、运输量等多维度分析，以将数据转化为清晰的图表，从而使制造基地可更好地理解并处理信息。所述业务系统模块246还可用于根据各站点采集的位置信息，基于百度地图等智能地图系统绘制物资运输轨迹，并根据采购订单、出厂提单等业务信息，展示在途物资明细和/或各物资的运输占比等信息，以使基地能够实时了解物资位置和/或运输库存等，从而能够合理安排原料采购计划和/或产品生产计划等。
依据本发明的又一个实施例，所述业务系统模块246可用于实现国家铁路总局请车服务(例如，95306组件等)请车接入(例如，经由智能请车模块)。例如，所述业务系统模块246可通过表征性状态转移(Representational State Transfer(RESTful))接口方式接入国家铁路总局请车服务(例如，95306组件)请车服务。制造基地可通过所述业务系统模块246中接入的请车服务向路局提交车辆申请，所述业务系统模块246可将请车批复情况反馈制造基地，从而为制造基地提供便利，提高生产效率，也可减轻路局请车系统的压力。在一个实施例中，所述业务系统模块246还可在繁复的请车流程中利用RPA技术，从而实现智能提报服务来代替人工。
图2中示出系统200的一个例子，在其他实施例中，所述系统200的一个或多个部分可由软件、硬件、固件和/或其各种组合来实现，以执行如以下参考图3所述方法的一个或多个流程。所述系统200可用于解决制造基地、供需双方因铁路保密性、封闭性导致的无法实时跟踪物资在途运输情况而造成的直接或间接的经济损失。所述系统200还可用于实现制造基地、原料供应商、物流服务商、和/或产成品订货用户等与铁路公司之间数据的互联互通，使制造基地能够及时了解在途原料运输和/或库存情况，从而合理安排车辆调度、库存安排和/或原料采购占比等。如图2所示的系统200还可用于实现业务数据及铁路货运信息的智能匹配和基于RPA技术的智能请车服务，从而可极大降低人工成本和/或人工干预的出错率。
图3示出依据本发明一个实施例的方法的一个例子的示意流程图。在一个实施例中，所述方法可进行铁路货运数据处理，以提供一种铁路货运数据增值服务方法，从而实现制造基地、原料供应商、物流服务商、产成品订货用户等与铁路公司之间数据的互联互通，使制造基地能够及时了解在途原料运输及库存情况，从而合理安排车辆调度、库存安排以及原料采购占比。所述方法还可用于业务数据及铁路货运信息的智能匹配和基于RPA技术的智能请车服务，从而极大降低人工成本以及人工干预的出错率。在另一个实施例中，所述方法可适用于制造基地、供应商、承运商和/或订货商等用户的铁运物资运输。如图3所示，所述方法可用于例如图1的系统100和/或图2的系统200。
如图3所示，在一个实施例中，所述方法可用于实现例如智能匹配、动态ETA预测、数据可视化和/或服务组件接入等业务流程。
参考图3，在框302，对铁路货运数据进行智能匹配。例如，响应于接收到制造基地以消息队列的方式发送的采购信息，可根据所述采购信息中的站点和/或时间等有效信息自动与铁路货运信息进行智能匹配，并将匹配结果反馈到制造基地。制造基地可根据匹配结果自动接卸物质，以减少人工干预，实现智能化生产。在一个实施例中，通过获取铁路货运完整过程全链路数据，并通过制造基地、原料供应商、物流服务商、和/或产成品订货用户等与铁路之间数据的互联互通，可将铁路货运信息等铁路货运数据与业务信息相结合，并进行智能匹配。
在框304，可通过分析铁路货运数据来进行动态ETA预测，以实现数据仓库与生产系统联动。例如，可基于大数据分析技术对铁路货运数据进行分析，以集成平台、货票、运输、和/或装卸等信息，经过匹配、选择、格式转换生成运输轨迹，并通过分析各站点的历史作业时间、预测运输时间，对车皮即将发生的滞留、逾期情况作出预警。基于所述预警，制造基地可合理调度人员安排卸车计划，极大程度地减少制造基地因为车辆滞留而产生的滞期费。还可根据车辆行驶线路，基于大数据分析技术，动态预测车辆到达时间，并在出现在途异常滞留情况时发出预警提示，以使制造基地能够更准确地了解车辆信息，合理安排接车，减少因车辆滞留导致的经济损失。
在框306，可根据铁路货运数据来生成可视化数据图表。例如，可根据各站点采集的位置信息，基于例如百度地图等智能地图系统绘制物资运输轨迹，并根据货票中的托运信息，基于例如商业级图表(Echarts)等图表对运输物资进行品种、发地、运输量等多维度分析，以将数据转化为清晰的图表，从而使制造基地可更好地理解并处理信息。还可根据各站点采集的位置信息，基于百度地图等智能地图系统绘制物资运输轨迹，并根据采购订单、出厂提单等业务信息，展示在途物资明细和/或各物资的运输占比等信息，以使基地能够实时了解物资位置和/或运输库存等，从而能够合理安排原料采购计划和/或产品生产计划等。
在框308，可执行服务组件(例如，95306等服务组件)请车服务接入。例如，可通过RESTful接口方式接入国家铁路总局的服务组件等请车服务。其中，制造基地可通过所接入的请车服务向路局提交车辆申请，将请车批复情况反馈制造基地，从而为制造基地提供便利，提高生产效率，也可减轻路局请车系统的压力。在另一个实施例中，还可在请车流程中利用RPA技术，从而实现智能提报服务来代替人工。
图3示出依据本发明一个实施例的方法的流程和顺序，但本发明不限于此，在其他实施例中，所述方法可包括图3所示的一个或多个流程，和/或所述方法可依据其他顺序来执行所述一个或多个流程。虽然图3中未示出，所述方法还可包括对数据和/或文件进行存储；和/或采集运输站点和/或物资信息等基础信息，管理用户信息和/或权限，建立用户和系统所需的资料库，维护整个系统配置所需的基础数据；和/或进行BSP/独立会员管理、用户权限管理、基础信息维护、用户行为日志和/或多渠道监控。所述方法还可包括采集铁路原始货运信息。例如，可基于物联网技术等，通过安装于各铁路站点的硬件设备来采集运输车辆的位置信息，并采用消息队列的方式将采集到的数据发送至数据接收服务器(例如，系统100或200中)。可按照不同的制造基地对数据进行水平切分，分开存储，以满足庞大数据量的需要。在另一个实施例中，可引入开源分布式计算(Hadoop)技术来实现铁运数据采集同步、集中清洗，以形成完整的运输轨迹线路，实时记录确报时间。所述方法还可包括推送在途信息、装卸报告、运单信息、订单信息、和/或提单信息等铁路货运信息，但本发明不限于此。在一个实施例中，所述方法还可包括运单查询、在途查询、地图展示、装卸查询、订单匹配、铁运发车计划、服务组件智能请车、动态ETA提醒、供应商录入和/或统计报表生成中的一个或多个流程，以实现相应业务逻辑，但本发明不限于此。在另一个实施例中，所述方法还可包括例如系统数据存储、同步、缓存和备份管理等。
如图3所示，所述方法可用于解决制造基地、供需双方因铁路保密性、封闭性导致的无法实时跟踪物资在途运输情况而造成的直接或间接的经济损失。所述方法还可用于实现制造基地、原料供应商、物流服务商、和/或产成品订货用户等与铁路公司之间数据的互联互通，使制造基地能够及时了解在途原料运输和/或库存情况，从而合理安排车辆调度、库存安排和/或原料采购占比等。如图3所示的方法还可用于实现业务数据及铁路货运信息的智能匹配和基于RPA技术的智能请车服务，从而可极大降低人工成本和/或人工干预的出错率。
图4示出依据本发明一个实施例的示例设备400的一个例子。在一个实施例中，所述设备400可包括一个多个集成电路芯片和/或封装的各种架构和/或各种计算设备和/或电子设备等。可包括一个或多个处理器402以及与所述一个或多个处理器402耦合的一个或多个存储器404。在一个实施例中，所述一个或多个存储器404可包括随机存取存储器、动态随机存取存储器或静态随机存取存储器等各种存储设备。在一个实施例中，所述一个或多个存储器404可用于存储可由所述一个或多个处理器402读取和/或执行的一个或多个指令(例如，机器可读指令和/或计算机程序)。所述一个或多个指令还可存储于一非易失性机器可读存储介质上。响应于被执行，所述一个或多个指令使得所述一个或多个处理器402可实现如图1或2所示的一个或多个模块，和/或执行如以上参考图1-3所述的一个或多个操作。在一个实施例中，图4仅示出设备400的一个例子，而非对本发明的限制。
如上所述，依据本发明图1-4所示的实施例，本发明通过获取铁路货运完整过程全链路数据，并通过制造基地、原料供应商、物流服务商、产成品订货用户与铁路之间数据的互联互通，可实现铁路货运信息与业务信息的完美结合。本发明还可根据各站点采集的位置信息，基于百度地图绘制物资运输轨迹，并根据采购订单、出厂提单等业务信息，展示在途物资明细及各物资的运输占比。使基地能够实时了解物资位置及运输库存，从而能够合理安排原料采购计划及钢产品生产计划。本发明还可通过动态ETA提醒功能，根据车辆行驶线路，利用大数据分析技术来实现动态预测车辆到达时间，并在出现在途异常滞留情况时将发出预警提示，使基地能够更准确地了解车辆信息，合理安排接车，减少因车辆滞留导致的经济损失。
如上所述，本发明可解决制造基地、供需双方因铁路保密性、封闭性导致的无法实时跟踪物资在途运输情况而造成的直接或间接经济损失。本发明可实现制造基地、原料供应商、物流服务商、产成品订货用户与铁路之间数据的互联互通，使基地能够及时了解在途原料运输及库存情况，从而合理安排车辆调度、库存安排以及原料采购占比。此外，本发明还可实现业务数据及铁路货运信息的智能匹配和基于RPA技术的智能请车服务，极大降低人工成本以及人工干预的出错率。
以上所述仅为本发明的实施例，并不用以限制本发明。凡在本发明精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种铁路货运数据处理系统，其特征在于包括：
用于采集铁路货运数据的铁路货运数据采集模块；和/或
用于推送采集到的铁路货运数据的推送服务模块；和/或
用于根据采集到的铁路货运数据进行智能匹配、动态预计到达时间预测、数据可视化和/或请车服务组件接入的业务处理模块。
2.如权利要求1所述的系统，其特征在于所述业务处理模块包括：
智能匹配模块，用于把来自制造基地的采购信息中的站点和/或时间自动与所述铁路货运数据进行匹配，和/或将匹配结果反馈制造基地；和/或
动态预计到达时间预测模块，用于对铁路运输数据进行分析，集成平台、货票、运输、装卸信息中的一个或多个，生成运输轨迹，和/或分析各站点的历史作业时间、预测运输时间、和/或对即将发生的滞留、逾期情况作出预警；和/或
数据可视化模块，用于根据各站点采集的位置信息绘制物资运输轨迹，和/或根据业务信息，对运输物资根据品种、发地、和/或运输量中的一个或多个进行多维度分析，以将所述铁路货运数据转化为图表，和/或展示在途物资明细及各物资的运输占比；和/或
服务组件智能请车模块，用于以机器人流程自动化方式提供服务组件请车接入，以使制造基地通过所接入的请车服务提交车辆申请，和/或将请车批复情况反馈制造基地。
3.如权利要求1或2所述的系统，其特征在于还包括：
公共服务模块，用于采集运输站点和/或物资信息的基础信息，管理用户信息和/或权限，建立用户和/或系统资料库，和/或维护系统配置所需的基础数据，其中所述基础数据包括物资信息、供应商信息、承运商信息、站点信息中的一个或多个；和/或
用于数据和/或文件存储的基础服务模块。
4.如权利要求1或2所述的系统，其特征在于：
所述铁路货运数据采集模块用于基于物联网技术，采集运输车辆的位置信息，和/或采用消息队列的方式将所述位置信息发送至所述系统的数据接收服务器，其中按照不同的制造基地对数据进行水平切分，分开存储，和/或利用开源分布式计算进行铁路货运数据采集同步，集中清洗，以形成完整的运输轨迹线路，实时记录确报时间。
5.一种铁路货运数据处理方法，其特征在于包括：
对铁路货运数据进行智能匹配；和/或
通过分析铁路货运数据进行动态预计到达时间预测；和/或
根据铁路货运数据生成可视化数据图表；和/或
执行请车服务组件接入。
6.如权利要求所述的方法，其特征在于还包括：
把来自制造基地的采购信息中的站点和/或时间自动与铁路货运数据进行智能匹配，并将匹配结果反馈到制造基地；和/或
通过集成平台、货票、运输、和/或装卸信息中的一个或多个，生成运输轨迹，和/或分析各站点历史作业时间、预测运输时间，和/或在即将发生的滞留、逾期情况时作出预警；和/或
根据各站点采集的位置信息绘制物资运输轨迹，和/或根据业务信息对运输物资进行品种、发地、运输量中的一个或多个进行多维度分析，以将数据转化为图表，和/或展示在途物资明细和/或各物资的运输占比信息；和/或
通过接入请车服务组件，以使制造基地通过所接入的请车服务向提交车辆申请，和/或将请车批复情况反馈制造基地，和/或在请车流程中利用机器人流程自动化。
7.如权利要求5或6所述的方法，其特征在于还包括：
对数据和/或文件进行存储；和/或
采集包括运输站点和/或物资信息的基础信息，管理用户信息和/或权限；建立用户和系统所需的资料库，维护系统配置所需基础数据，以进行开账与结账计划/独立会员管理、用户权限管理、基础信息维护、用户行为日志和/或多渠道监控；和/或
采集铁路原始货运信息，包括采集运输车辆的位置信息，和/或采用消息队列的方式发送采集到的数据，以进行铁路货运数据处理，和/或按照不同的制造基地对所述数据进行水平切分，分开存储；和/或
通过开源分布式计算来进行铁运数据采集同步、集中清洗，以形成完整的运输轨迹线路，实时记录确报时间；和/或
推送铁路货运信息，包括在途信息、装卸报告、运单信息、订单信息、和/或提单信息；和/或
执行运单查询、在途查询、地图展示、装卸查询、订单匹配、铁运发车计划、服务智能请车组件、动态预计到达时间提醒、供应商录入和/或统计报表生成中的一个或多个；和/或
对系统数据进行存储、同步、缓存和/或备份管理。
8.一种非瞬时性机器可读存储介质，包括一个或多个指令，其特征在于所述一个或多个指令响应于被执行而使得一个或多个处理器执行如以上权利要求5-7中任一项所述方法的一个或多个步骤。
9.一种计算设备，其特征在于包括:
一个或多个处理器；
与所述一个或多个处理器耦合的一个或多个存储器，所述存储器用于存储一个或多个指令，其中所述一个或多个响应于被执行而使得所述一个或多个处理器执行如以上权利要求5-7中任一项所述方法的一个或多个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011122681.0A CN112215550A (zh) | 2020-10-20 | 2020-10-20 | 一种铁路货运数据处理系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011122681.0A CN112215550A (zh) | 2020-10-20 | 2020-10-20 | 一种铁路货运数据处理系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112215550A true CN112215550A (zh) | 2021-01-12 |
Family
ID=74055935
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011122681.0A Pending CN112215550A (zh) | 2020-10-20 | 2020-10-20 | 一种铁路货运数据处理系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112215550A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113204444A (zh) * | 2021-07-06 | 2021-08-03 | 北京全路通信信号研究设计院集团有限公司 | 一种基于全局的现车管理系统及其方法 |
| CN116664371A (zh) * | 2023-08-02 | 2023-08-29 | 北京全路通信信号研究设计院集团有限公司 | 一种铁路货运站作业情况综合预警分析方法及系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050171856A1 (en) * | 2004-01-30 | 2005-08-04 | Canon Usa, Inc. | Estimated time of arrival (ETA) systems and methods |
| 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 |
| CN105512837A (zh) * | 2015-11-25 | 2016-04-20 | 北京华油信通科技有限公司 | 车辆信息化分布式应用系统 |
| CN107688921A (zh) * | 2017-11-17 | 2018-02-13 | 沈阳铁路局科学技术研究所 | 一种铁路物流基地运输组织系统 |
| CN108171410A (zh) * | 2017-12-21 | 2018-06-15 | 天津联合智选科技有限公司 | 一种铁路货运智慧车站综合管理系统及其应用 |
| CN108418902A (zh) * | 2017-11-20 | 2018-08-17 | 北京万相融通科技股份有限公司 | 一种智慧铁路综合交通枢纽集成控制系统 |
| CN108932563A (zh) * | 2018-07-03 | 2018-12-04 | 江苏海事职业技术学院 | 一种互联互通式港口信息平台智能化调度系统 |
| CN109760717A (zh) * | 2019-02-13 | 2019-05-17 | 湖南铁路科技职业技术学院 | 一种电力机车智能驾驶系统 |
| CN109784576A (zh) * | 2019-01-24 | 2019-05-21 | 好生活农产品集团有限公司 | 物流运输时效监控方法及平台 |
| CN110222990A (zh) * | 2019-06-11 | 2019-09-10 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 一种基于车流推算的列车全程调度方法及系统 |
| WO2019239666A1 (ja) * | 2018-06-15 | 2019-12-19 | 三菱電機株式会社 | 輸送管理システム、輸送管理装置、輸送管理方法およびプログラム |
-
2020
- 2020-10-20 CN CN202011122681.0A patent/CN112215550A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050171856A1 (en) * | 2004-01-30 | 2005-08-04 | Canon Usa, Inc. | Estimated time of arrival (ETA) systems and methods |
| 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 |
| CN105512837A (zh) * | 2015-11-25 | 2016-04-20 | 北京华油信通科技有限公司 | 车辆信息化分布式应用系统 |
| CN107688921A (zh) * | 2017-11-17 | 2018-02-13 | 沈阳铁路局科学技术研究所 | 一种铁路物流基地运输组织系统 |
| CN108418902A (zh) * | 2017-11-20 | 2018-08-17 | 北京万相融通科技股份有限公司 | 一种智慧铁路综合交通枢纽集成控制系统 |
| CN108171410A (zh) * | 2017-12-21 | 2018-06-15 | 天津联合智选科技有限公司 | 一种铁路货运智慧车站综合管理系统及其应用 |
| WO2019239666A1 (ja) * | 2018-06-15 | 2019-12-19 | 三菱電機株式会社 | 輸送管理システム、輸送管理装置、輸送管理方法およびプログラム |
| CN108932563A (zh) * | 2018-07-03 | 2018-12-04 | 江苏海事职业技术学院 | 一种互联互通式港口信息平台智能化调度系统 |
| CN109784576A (zh) * | 2019-01-24 | 2019-05-21 | 好生活农产品集团有限公司 | 物流运输时效监控方法及平台 |
| CN109760717A (zh) * | 2019-02-13 | 2019-05-17 | 湖南铁路科技职业技术学院 | 一种电力机车智能驾驶系统 |
| CN110222990A (zh) * | 2019-06-11 | 2019-09-10 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 一种基于车流推算的列车全程调度方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王庆喜: "《云计算导论》", 中国铁道出版社, pages: 56 - 57 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113204444A (zh) * | 2021-07-06 | 2021-08-03 | 北京全路通信信号研究设计院集团有限公司 | 一种基于全局的现车管理系统及其方法 |
| WO2023280140A1 (zh) * | 2021-07-06 | 2023-01-12 | 北京全路通信信号研究设计院集团有限公司 | 一种基于全局的现车管理系统及其方法 |
| CN116664371A (zh) * | 2023-08-02 | 2023-08-29 | 北京全路通信信号研究设计院集团有限公司 | 一种铁路货运站作业情况综合预警分析方法及系统 |
| CN116664371B (zh) * | 2023-08-02 | 2023-11-17 | 北京全路通信信号研究设计院集团有限公司 | 一种铁路货运站作业情况综合预警分析方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110222990B (zh) | 一种基于车流推算的列车全程调度方法及系统 | |
| Stefansson et al. | Performance issues of smart transportation management systems | |
| CN111667165A (zh) | 一种基于电力的智能移动应用业务系统以及应用 | |
| CN113077211B (zh) | 基于大数据和智慧物联网的运输金融资产监管系统和监管方法 | |
| van Oort et al. | Data driven improvements in public transport: the Dutch example | |
| CN113077212B (zh) | 一种基于智能物联网和区块链的智能货物物流交易系统及方法 | |
| CN111461635B (zh) | 一种基于物联网的供应链物流运输管理系统 | |
| CN104537511A (zh) | 一种新型的物流管控系统 | |
| Shramenko | Methodological aspect of substantiating the feasibility of intermodal technology for delivery of goods in the international traffic. | |
| CN112215550A (zh) | 一种铁路货运数据处理系统和方法 | |
| CN109377138A (zh) | 基于物联网的物流运输中实时监控管理平台及管理方法 | |
| Chandra et al. | Outbound logistics management practices in the automotive industry: an emerging economy perspective | |
| Zografos et al. | Current challenges for intermodal freight transport and logistics in Europe and the United States | |
| CN115953038A (zh) | 油气站SaaS站点智能化管理系统 | |
| Ivanova et al. | Digital transportation technologies for formation of bus routes in the conditions of a megapolis | |
| Kamble et al. | Reengineering in-plant logistics: a case study of cement manufacturing plant in India | |
| Shepelev et al. | Optimization of interaction of automobile and railway transport at container terminals | |
| CN114254972A (zh) | 一种基于铁路的大宗物资多式联运服务平台 | |
| Debelić et al. | The Cost and Non-cost Conditionality of Transport Corridor Logistics Performances as Determinant of Port Competitiveness | |
| Frolova et al. | Organization and movement of exit routes from empty cars | |
| CN112085477A (zh) | 一种物流供应链管理系统 | |
| Goncharova | Intelligent Transport Systems as a Way to Improve the Quality of the Rail-Truck Multimodal Freight Transportation | |
| Xie et al. | The Design and Implementation of Logistics Information System based of Multitier Architecture | |
| Adnan et al. | Information Real-Time Delivery (IRTD) System through Internet of Things (IoT): An Improvement in Truck Management Environment | |
| RU2708345C1 (ru) | Система формирования маршрутов транспортировки и учета природного газа на торговых товарных счетах |
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 | ||
| CB02 | Change of applicant information |
Address after: Room B505 and b506, floor 5, Lane 600, Mohe Road, Baoshan District, Shanghai 201999 Applicant after: Shanghai Ouye supply chain Co.,Ltd. Address before: 4 / F, 515 GuoShouJing Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai, 201203 Applicant before: BSTEEL ONLINE Co.,Ltd. |
|
| CB02 | Change of applicant information |