CN112418536A - 一种基于大数据的物流到货时长实时监测预估系统 - Google Patents
一种基于大数据的物流到货时长实时监测预估系统 Download PDFInfo
- Publication number
- CN112418536A CN112418536A CN202011365535.0A CN202011365535A CN112418536A CN 112418536 A CN112418536 A CN 112418536A CN 202011365535 A CN202011365535 A CN 202011365535A CN 112418536 A CN112418536 A CN 112418536A
- Authority
- CN
- China
- Prior art keywords
- delivery
- logistics
- path
- seller
- point
- 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.)
- Withdrawn
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
- G06Q10/04—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- 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
- G06Q10/0838—Historical data
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Remote Sensing (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种基于大数据的物流到货时长实时监测预估系统,包括区域划分与统计模块、下单获取模块、物流数据库、货物扫描与统计模块、天气获取与统计模块、管理服务器和客户终端。本发明通过货物扫描统计模块、下单获取模块并结合管理服务器,筛选出配送距离最短的路径,并统计货物从当前网点到配送目的地的总时间,解决了货物在运输的过程中,存在运输效率差且无法实时掌握货物当前的位置以及预计到达的时间问题,按最短路径进行运输且显示从当前物流网点到目的地的时间,便于购买人员清楚地了解货物当前所在的位置以及运送到达的时间,提高了物流运输效率,大大提高了客户满意程度。
Description
技术领域
本发明属于物流监控管理技术领域,涉及到一种基于大数据的物流到货时长实时监测预估系统。
背景技术
随着我国当前快递物流交易量增长迅速,快递行业的服务能力和水平已经成为民生日益关注的一个社会焦点,拓宽服务范围、延升服务深度、增加服务品种、应用科技手段、提高处理效率,减少错误率成了我国快递行业目前发展的主要方向。
目前市场上物流种类比较繁多,物流从卖家发货地到达配送目的地所运输的路径各不相同,部分物流公司为了与其他路径的物流共同运输,导致买家购买的产品从卖家发货地到配送目的地所用的时间过长,严重影响了快递运输的效率,造成客户的满意程度低,无法实现物流运输的高效率,延长了购买产品从卖家发货地到配送目的地间的运输时间,且无法对货物在运输的过程进行实时监控,导致无法实时了解货物运输的位置以及预计到达的时间。
发明内容
针对上述问题,本发明提出一种基于大数据的物流到货时长实时监测预估系统,通过货物扫描统计模块、下单获取模块并结合管理服务器,筛选出配送距离最短的路径,减少路径运输距离,并统计货物从当前网点到配送目的地的总时间,解决了货物在运输的过程中,存在运输效率差且无法实时掌握货物当前的位置以及预计到达的时间问题,大大提高了客户的满意度,实现了物流运输的高效率。
本发明的目的可以通过以下技术方案实现:
一种基于大数据的物流到货时长实时监测预估系统,包括区域划分与统计模块、下单获取模块、物流数据库、货物扫描与统计模块、天气获取与统计模块、管理服务器和客户终端;
区域划分与统计模块分别与下单获取模块、物流数据库和管理服务器连接,管理服务器分别与物流数据库、客户终端、货物扫描与统计模块和天气获取与统计模块连接;
下单获取模块用于从购物平台中获取客户的订单信息,从获取的订单信息中提取出卖家发货地和若干对应的配送目的地,并将提取出的卖家发货地和若干对应的配送目的地发送至区域划分与统计模块;
区域划分与统计模块用于接收下单获取模块发送的卖家发货地和若干配送目的地,以卖家发货地为中心形成发货区域,将发货区域分成若干相互连接的发货子区域,每一个发货子区域对应一个配送目的地,且每一个发货子区域对应若干条配送路径,按照预设的顺序,依次对划分好的各发货子区域进行编号,分别为1,2,...,e,...,f,并提取出物流数据库中存储的物流网点信息,从提取的物流网点信息中筛选出各发货子区域内各条配送路径上的物流网点信息,筛选出各发货子区域内各条配送路径内距离卖家发货地路程最短的物流网点,并统计各发货子区域内各条配送路径内卖家发货地到配送目的地对应的所经过的物流网点数量以及各发货子区域内各条配送路径内相邻物流网点之间的距离,将各发货子区域内各条配送路径内从卖家发货地到配送目的地所经过的物流网点,按照各物流网点距离卖家发货地的由近到远的顺序进行编号,依次标记为1,2,...,j,...,k,且各发货子区域内各条配送路径按照每条配送路径中包含的物流网点数量,根据从少到多的顺序进行排序,依次标记为1,2,...,m,...,n,并将统计的各发货子区域内各条配送路径的信息发送至管理服务器;
物流数据库用于存储不同的物流网点信息,所述物流网点信息包括各物流网点到卖家发货地的距离,存储平均扫描一件货物所需要的时间,存储物流车辆的平均运输速度,并存储不同影响天气种类等级对应的车速影响系数;
货物扫描与统计模块分别位于各发货子区域对应的运输路径内的各物流网点处,用于扫描统计各发货子区域对应的运输路径内的各物流网点的物流件数,将扫描的各发货子区域内对应的运输路径内的各物流网点的物流件数发送至管理服务器;
天气获取与统计模块分别位于卖家发货地以及各发货子区域对应的运输路径内的各物流网点处,用于获取卖家发货地以及各发货子区域对应的运输路径内相邻物流网点间的影响天气种类等级,将获取的卖家发货地以及各发货子区域内对应的运输路径内相邻物流网点间的影响天气种类等级发送至管理服务器;
管理服务器接收区域划分与统计模块发送的各发货子区域内各条配送路径的信息,对各发货子区域内各条配送路径的信息构成路径配送集合Aem(aem1,aem2,...,aemj,...,aemk),aem1表示为第e个发货子区域内第m条配送路径对应的距离卖家发货地路程最短的物流网点,aemj表示为第e个发货子区域内第m条配送路径内第j个物流网点位置,aemk表示为第e个发货子区域内第m条配送路径内的第k个物流网点,不同的路径配送集合对应不同的配送距离集合Bem(bem1,bem2,...,bemj,...,bemk),bem1表示为第e个发货子区域内第m条配送路径内卖家发货地与距离卖家发货地路程最短的物流网点之间的距离,bemj表示为第e个发货子区域内第m条路径内第j-1个物流网点与第j个物流网点之间的距离,bemk表示为第e个发货子区域内第m条配送路径内配送目的地与第k个物流网点之间的距离,统计各发货子区域内各配送路径的距离;
管理服务器筛选出各发货子区域内距离最短的配送路径,并将各发货子区域内距离最短的配送路径标记为运输路径,按照各发货子区域的顺序,将各发货子区域内对应的运输路径依次标记为1,2,...,i,...,w,对该运输路径上对应的各物流网点按照距离卖家发货地的距离由近到远的顺序进行编号,依次标记为,1,2,...,p,...,q,对该运输路径内各相邻网点之间的距离进行统计,构成运输路径距离集合Di(di1,di2,...,dip,...,diq),dip表示为第i条运输路径内第p个物流网点与第p-1个物流网点之间的距离,各发货子区域按照运输路径进行物流运输,物流运输的过程中,接收货物扫描与统计模块发送的卖家发货地以及各发货子区域内对应的运输路径内的各物流网点扫描的物流件数,对各发货子区域内对应的运输路径内各物流网点扫描的物流件数进行统计,构成物流件数扫描集合Ci(ci1,ci2,...,cip,...,ciq),ci1表示为第i条运输路径内距离卖家发货地路程最短的物流网点所需扫描的物流件数,cip表示为第i条运输路径内第p个物流网点所需要扫描的物流件数,ciq表示为第i条运输路径内第q个物流网点所需要扫描的物流件数;
管理服务器在物流运输过程中,接收天气获取模块发送的各发货子区域内对应的运输路径内相邻物流网点间的影响天气种类等级,对各发货子区域内对应的运输路径内相邻物流网点间的影响天气种类等级进行统计,构成影响天气种类等级集合Si(si1,si2,...,sip,...,siq),si1表示为第i条运输路径内卖家发货地与第1个物流网点之间的影响天气种类等级,sip表示为第i条运输路径内第p-1个物流网点与第p个物流网点之间的影响天气种类等级,siq表示为第i条运输路径内第q个物流网点与配送目的地之间的影响天气种类等级,将影响天气种类等级集合中各发货子区域内对应的运输路径内相邻物流网点之间的影响天气种类等级与物流数据库中存储的不同影响天气种类等级对应的车速影响系数作对比,构成车速影响系数集合S′i(s′i1,s′i2,...,s′ip,...,s′iq),s′i1表示为第i条运输路径内卖家发货地与第1个物流网点之间的车速影响系数,s′ij表示为表示为第i条运输路径内第p-1个物流网点与第p个物流网点之间的车速影响系数,s′iq表示为第i条运输路径内第q个物流网点与配送目的地之间的车速影响系数;
管理服务器根据构成的物流件数扫描集合、车速影响系数集合,提取出各发货子区域内对应的运输路径内各物流网点扫描的物流件数、各发货子区域内对应的运输路径内相邻物流网点之间的车速影响系数以及该运输路径下从卖家发货地位置到达配送目的地所经过的物流网点数量,并统计货物在该路径下从当前物流网点到达配送目的地所经过的各网点所需的总时间,并发送至客户终端;
客户终端用于接收管理服务器发送的货物当前所在的物流网点以及从当前物流网点到达配送目的地的时间,并进行显示。
进一步地,订单信息包括卖家名称、卖家发货地、客户购买的货物数量、单件货物重量、单件货物体积、配送目的地、收件人姓名及联系方式。
进一步地,统计各发货子区域内各条配送路径内相邻物流网点之间距离的方法为将某个发货子区域内某配送路径内某个物流网点到卖家发货地的距离减去前一个物流网点到卖家发货地的距离为相邻物流网点之间的距离。
进一步地,影响天气种类等级分别为小雨、中雨、大雨、小雪、中学、大雪、轻雾、大雾、浓雾、晴天、多云和阴天。
进一步地,小雨、中雨、大雨对应的车速影响系数大小顺序为δ1<δ2<δ3,所述小雪、中雪、大雪对应的车速影响系数大小顺序为λ1<λ2<λ3,轻雾、大雾、浓雾对应的车速影响系数大小顺序为ξ1<ξ2<ξ3,晴天、多云、阴天对应的车速影响系数为0。
进一步地,货物从当前物流网点到达配送目的地所经过的各网点预计消耗的总时间计算公式为Tig表示为第i条运输路径内货物从当前物流网点到达配送目的地预计所需要的时间,g表示为货物在当前物流网点所在的位置,g=1,2,...,j,...,k,cip表示为第i条运输路径内第p个物流网点所需要扫描的物流件数,t表示为平均扫描一件货物所需要的时间,bip表示为第i条运输路径内第p-1个物流网点与第p个物流网点之间的距离,v表示为物流车辆的平均运输速度,s′ip表示为表示为第i条运输路径内第p-1个物流网点与第p个物流网点之间的车速影响系数。
有益效果:
(1)本发明通过区域划分模块与统计模块,能够有效地筛选出距离货物发货地距离最短的物流网点,通过货物扫描统计模块、下单获取模块并结合管理服务器,对货物从同一卖家发货地到同一配送目的地之间的不同路径最短的筛选,减少路径运输距离,并实时统计货物在运输过程中从当前物流网点到配送目的地的累积时间,按照最短路径进行运输且统计从当前物流网点到配送目的地的时间并进行显示,降低等待时间,提高了物流信息监控的效率,且提高了货物配送到达的准确性和购买人员的满意程度。
(2)本发明在天气获取模块,通过获取运输路径相邻网点的影响天气种类等级,更加科学地考虑了对运输车辆车速的影响因素,使得计算从当前物流网点到配送目的地的累计时间时,数据更接近真实数值,提高了计算实时到货时长的准确性和可靠性;
(3)本发明在客户终端,通过直观显示当前物流运输车辆所在网点及到达配送目的地的预计时间,便于客户清楚地了解货物当前所在的位置以及运送到达的时间,提高了客户的满意程度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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为本发明的模块示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,一种基于大数据的物流到货时长实时监测预估系统,包括区域划分与统计模块、下单获取模块、物流数据库、货物扫描与统计模块、天气获取与统计模块、管理服务器和客户终端;
区域划分与统计模块分别与下单获取模块、物流数据库和管理服务器连接,管理服务器分别与物流数据库、客户终端、货物扫描与统计模块和天气获取与统计模块连接;
下单获取模块用于从购物平台中获取客户的订单信息,订单信息包括卖家名称、卖家发货地、客户购买的货物数量、单件货物重量、单件货物体积、配送目的地、收件人姓名及联系方式,从获取的订单信息中提取出卖家发货地和若干对应的配送目的地,并将提取出的卖家发货地和若干对应的配送目的地发送至区域划分与统计模块;
区域划分与统计模块用于接收下单获取模块发送的卖家发货地和若干配送目的地,以卖家发货地为中心形成发货区域,将发货区域分成若干相互连接的发货子区域,每一个发货子区域对应一个配送目的地,且每一个发货子区域对应若干条配送路径,按照预设的顺序,依次对划分好的各发货子区域进行编号,分别为1,2,...,e,...,f,并提取出物流数据库中存储的物流网点信息,从提取的物流网点信息中筛选出各发货子区域内各条配送路径上的物流网点信息,筛选出各发货子区域内各条配送路径内距离卖家发货地路程最短的物流网点,并统计各发货子区域内各条配送路径内卖家发货地到配送目的地对应的所经过的物流网点数量以及各发货子区域内各条配送路径内相邻物流网点之间的距离,将各发货子区域内各条配送路径内从卖家发货地到配送目的地所经过的物流网点,按照各物流网点距离卖家发货地的由近到远的顺序进行编号,依次标记为1,2,...,j,...,k,且各发货子区域内各条配送路径按照每条配送路径中包含的物流网点数量,根据从少到多的顺序进行排序,依次标记为1,2,...,m,...,n,统计各发货子区域内各条配送路径内相邻物流网点之间距离的方法为将第e个发货子区域内第m条配送路径内第j个物流网点到卖家发货地的距离减去第j-1个物流网点到卖家发货地的距离为相邻物流网点之间的距离,并将统计的各发货子区域内各条配送路径的信息发送至管理服务器;
物流数据库用于存储不同的物流网点信息,所述物流网点信息包括各物流网点到卖家发货地的距离,存储平均扫描一件货物所需要的时间,存储物流车辆的平均运输速度,并存储不同影响天气种类等级对应的车速影响系数,小雨、中雨、大雨对应的车速影响系数大小顺序为δ1<δ2<δ3,小雪、中雪、大雪对应的车速影响系数大小顺序为λ1<λ2<λ3,轻雾、大雾、浓雾对应的车速影响系数大小顺序为ξ1<ξ2<ξ3,晴天、多云、阴天对应的车速影响系数为0;
货物扫描与统计模块分别位于各发货子区域对应的运输路径内的各物流网点处,用于扫描统计各发货子区域对应的运输路径内的各物流网点的物流件数,将扫描的各发货子区域内对应的运输路径内的各物流网点的物流件数发送至管理服务器;
天气获取与统计模块分别位于卖家发货地以及各发货子区域对应的运输路径内的各物流网点处,用于获取卖家发货地以及各发货子区域对应的运输路径内相邻物流网点间的影响天气种类等级,将获取的卖家发货地以及各发货子区域内对应的运输路径内相邻物流网点间的影响天气种类等级发送至管理服务器,通过获取运输路径相邻网点的影响天气种类等级,更加科学地考虑了对运输车辆车速的影响因素,使得计算从当前物流网点到配送目的地的累计时间时,数据更接近真实数值,提高了计算实时到货时长的准确性和可靠性;
管理服务器接收区域划分与统计模块发送的各发货子区域内各条配送路径的信息,对各发货子区域内各条配送路径的信息构成路径配送集合Aem(aem1,aem2,...,aemj,...,aemk),aem1表示为第e个发货子区域内第m条配送路径对应的距离卖家发货地路程最短的物流网点,aemj表示为第e个发货子区域内第m条配送路径内第j个物流网点位置,aemk表示为第e个发货子区域内第m条配送路径内的第k个物流网点,不同的路径配送集合对应不同的配送距离集合Bem(bem1,bem2,...,bemj,...,bemk),bem1表示为第e个发货子区域内第m条配送路径内卖家发货地与距离卖家发货地路程最短的物流网点之间的距离,bemj表示为第e个发货子区域内第m条路径内第j-1个物流网点与第j个物流网点之间的距离,bemk表示为第e个发货子区域内第m条配送路径内配送目的地与第k个物流网点之间的距离,统计各发货子区域内各配送路径的距离,各配送路径的总距离计算公式为 表示为第e个发货子区域内第m条配送路径的距离,bemj表示为第e个发货子区域内第m条配送路径内第j-1个物流网点与第j个物流网点之间的距离;
管理服务器筛选出各发货子区域内距离最短的配送路径,并将各发货子区域内距离最短的配送路径标记为运输路径,按照各发货子区域的顺序,将各发货子区域内对应的运输路径依次标记为1,2,...,i,...,w,对该运输路径上对应的各物流网点按照距离卖家发货地的距离由近到远的顺序进行编号,依次标记为,1,2,...,p,...,q,对该运输路径内各相邻网点之间的距离进行统计,构成运输路径距离集合Di(di1,di2,...,dip,...,diq),dip表示为第i条运输路径内第p个物流网点与第p-1个物流网点之间的距离,各发货子区域按照运输路径进行物流运输,物流运输的过程中,接收货物扫描与统计模块发送的卖家发货地以及各发货子区域内对应的运输路径内的各物流网点扫描的物流件数,对各发货子区域内对应的运输路径内各物流网点扫描的物流件数进行统计,构成物流件数扫描集合Ci(ci1,ci2,...,cip,...,ciq),ci1表示为第i条运输路径内距离卖家发货地路程最短的物流网点所需扫描的物流件数,cip表示为第i条运输路径内第p个物流网点所需要扫描的物流件数,ciq表示为第i条运输路径内第q个物流网点所需要扫描的物流件数;
管理服务器在物流运输过程中,接收天气获取模块发送的各发货子区域内对应的运输路径内相邻物流网点间的影响天气种类等级,对各发货子区域内对应的运输路径内相邻物流网点间的影响天气种类等级进行统计,构成影响天气种类等级集合Si(si1,si2,...,sip,...,siq),si1表示为第i条运输路径内卖家发货地与第1个物流网点之间的影响天气种类等级,sip表示为第i条运输路径内第p-1个物流网点与第p个物流网点之间的影响天气种类等级,siq表示为第i条运输路径内第q个物流网点与配送目的地之间的影响天气种类等级,将影响天气种类等级集合中各发货子区域内对应的运输路径内相邻物流网点之间的影响天气种类等级与物流数据库中存储的不同影响天气种类等级对应的车速影响系数作对比,构成车速影响系数集合S′i(s′i1,s′i2,...,s′ip,...,s′iq),s′i1表示为第i条运输路径内卖家发货地与第1个物流网点之间的车速影响系数,s′ij表示为表示为第i条运输路径内第p-1个物流网点与第p个物流网点之间的车速影响系数,s′iq表示为第i条运输路径内第q个物流网点与配送目的地之间的车速影响系数;
管理服务器根据构成的物流件数扫描集合、车速影响系数集合,提取出各发货子区域内对应的运输路径内各物流网点扫描的物流件数、各发货子区域内对应的运输路径内相邻物流网点之间的车速影响系数以及该运输路径下从卖家发货地位置到达配送目的地所经过的物流网点数量,并统计货物在该路径下从当前物流网点到达配送目的地所经过的各网点所需的总时间,货物从当前物流网点到达配送目的地所经过的各网点预计消耗的总时间计算公式为Tig表示为第i条运输路径内货物从当前物流网点到达配送目的地预计所需要的时间,g表示为货物在当前物流网点所在的位置,g=1,2,...,j,...,k,cip表示为第i条运输路径内第p个物流网点所需要扫描的物流件数,表示为平均扫描一件货物所需要的时间,bip表示为第i条运输路径内第p-1个物流网点与第p个物流网点之间的距离,表示为物流车辆的平均运输速度,s′ip表示为表示为第i条运输路径内第p-1个物流网点与第p个物流网点之间的车速影响系数,并发送至客户终端;
客户终端用于接收管理服务器发送的货物当前所在的物流网点以及从当前物流网点到达配送目的地的时间,并进行显示,通过直观显示当前物流运输车辆所在网点及到达配送目的地的预计时间,便于客户清楚地了解货物当前所在的位置以及运送到达的时间,提高了客户的满意程度。
本发明通过区域划分模块与统计模块,能够有效地筛选出距离货物发货地距离最短的物流网点,通过货物扫描统计模块、下单获取模块并结合管理服务器,对货物从同一卖家发货地到同一配送目的地之间的不同路径最短的筛选,减少路径运输距离,并实时统计货物在运输过程中从当前物流网点到配送目的地的累积时间,按照最短路径进行运输且统计从当前物流网点到配送目的地的时间并进行显示,降低等待时间,提高了物流信息监控的效率,且提高了货物配送到达的准确性和购买人员的满意程度。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (7)
1.一种基于大数据的物流到货时长实时监测预估系统,其特征在于:包括区域划分与统计模块、下单获取模块、物流数据库、货物扫描与统计模块、天气获取与统计模块、管理服务器和客户终端;
所述区域划分与统计模块分别与下单获取模块、物流数据库和管理服务器连接,管理服务器分别与物流数据库、客户终端、货物扫描与统计模块和天气获取与统计模块连接;
所述下单获取模块用于从购物平台中获取客户的订单信息,从获取的订单信息中提取出卖家发货地和若干对应的配送目的地,并将提取出的卖家发货地和若干对应的配送目的地发送至区域划分与统计模块;
所述区域划分与统计模块用于接收下单获取模块发送的卖家发货地和若干配送目的地,以卖家发货地为中心形成发货区域,将发货区域分成若干相互连接的发货子区域,每一个发货子区域对应一个配送目的地,且每一个发货子区域对应若干条配送路径,按照预设的顺序,依次对划分好的各发货子区域进行编号,分别为1,2,...,e,...,f,并提取出物流数据库中存储的物流网点信息,从提取的物流网点信息中筛选出各发货子区域内各条配送路径上的物流网点信息,筛选出各发货子区域内各条配送路径内距离卖家发货地路程最短的物流网点,并统计各发货子区域内各条配送路径内卖家发货地到配送目的地对应的所经过的物流网点数量以及各发货子区域内各条配送路径内相邻物流网点之间的距离,将各发货子区域内各条配送路径内从卖家发货地到配送目的地所经过的物流网点,按照各物流网点距离卖家发货地的由近到远的顺序进行编号,依次标记为1,2,...,j,...,k,且各发货子区域内各条配送路径按照每条配送路径中包含的物流网点数量,根据从少到多的顺序进行排序,依次标记为1,2,...,m,...,n,并将统计的各发货子区域内各条配送路径的信息发送至管理服务器;
所述物流数据库用于存储不同的物流网点信息,所述物流网点信息包括各物流网点到卖家发货地的距离,存储平均扫描一件货物所需要的时间,存储物流车辆的平均运输速度,并存储不同影响天气种类等级对应的车速影响系数;
所述货物扫描与统计模块分别位于各发货子区域对应的运输路径内的各物流网点处,用于扫描统计各发货子区域对应的运输路径内的各物流网点的物流件数,将扫描的各发货子区域内对应的运输路径内的各物流网点的物流件数发送至管理服务器;
所述天气获取与统计模块分别位于卖家发货地以及各发货子区域对应的运输路径内的各物流网点处,用于获取卖家发货地以及各发货子区域对应的运输路径内相邻物流网点间的影响天气种类等级,将获取的卖家发货地以及各发货子区域内对应的运输路径内相邻物流网点间的影响天气种类等级发送至管理服务器;
所述管理服务器接收区域划分与统计模块发送的各发货子区域内各条配送路径的信息,对各发货子区域内各条配送路径的信息构成路径配送集合Aem(aem1,aem2,...,aemj,...,aemk),aem1表示为第e个发货子区域内第m条配送路径对应的距离卖家发货地路程最短的物流网点,aemj表示为第e个发货子区域内第m条配送路径内第j个物流网点位置,aemk表示为第e个发货子区域内第m条配送路径内的第k个物流网点,不同的路径配送集合对应不同的配送距离集合Bem(bem1,bem2,...,bemj,...,bemk),bem1表示为第e个发货子区域内第m条配送路径内卖家发货地与距离卖家发货地路程最短的物流网点之间的距离,bemj表示为第e个发货子区域内第m条路径内第j-1个物流网点与第j个物流网点之间的距离,bemk表示为第e个发货子区域内第m条配送路径内配送目的地与第k个物流网点之间的距离,统计各发货子区域内各配送路径的距离;
管理服务器筛选出各发货子区域内距离最短的配送路径,并将各发货子区域内距离最短的配送路径标记为运输路径,按照各发货子区域的顺序,将各发货子区域内对应的运输路径依次标记为1,2,...,i,...,w,对该运输路径上对应的各物流网点按照距离卖家发货地的距离由近到远的顺序进行编号,依次标记为,1,2,...,p,...,q,对该运输路径内各相邻网点之间的距离进行统计,构成运输路径距离集合Di(di1,di2,...,dip,...,diq),dip表示为第i条运输路径内第p个物流网点与第p-1个物流网点之间的距离,各发货子区域按照运输路径进行物流运输,物流运输的过程中,接收货物扫描与统计模块发送的卖家发货地以及各发货子区域内对应的运输路径内的各物流网点扫描的物流件数,对各发货子区域内对应的运输路径内各物流网点扫描的物流件数进行统计,构成物流件数扫描集合Ci(ci1,ci2,...,cip,...,ciq),ci1表示为第i条运输路径内距离卖家发货地路程最短的物流网点所需扫描的物流件数,cip表示为第i条运输路径内第p个物流网点所需要扫描的物流件数,ciq表示为第i条运输路径内第q个物流网点所需要扫描的物流件数;
管理服务器在物流运输过程中,接收天气获取模块发送的各发货子区域内对应的运输路径内相邻物流网点间的影响天气种类等级,对各发货子区域内对应的运输路径内相邻物流网点间的影响天气种类等级进行统计,构成影响天气种类等级集合Si(si1,si2,...,sip,...,siq),si1表示为第i条运输路径内卖家发货地与第1个物流网点之间的影响天气种类等级,sip表示为第i条运输路径内第p-1个物流网点与第p个物流网点之间的影响天气种类等级,siq表示为第i条运输路径内第q个物流网点与配送目的地之间的影响天气种类等级,将影响天气种类等级集合中各发货子区域内对应的运输路径内相邻物流网点之间的影响天气种类等级与物流数据库中存储的不同影响天气种类等级对应的车速影响系数作对比,构成车速影响系数集合S′i(s′i1,s′i2,...,s′ip,...,s′iq),s′i1表示为第i条运输路径内卖家发货地与第1个物流网点之间的车速影响系数,s′ij表示为表示为第i条运输路径内第p-1个物流网点与第p个物流网点之间的车速影响系数,s′iq表示为第i条运输路径内第q个物流网点与配送目的地之间的车速影响系数;
管理服务器根据构成的物流件数扫描集合、车速影响系数集合,提取出各发货子区域内对应的运输路径内各物流网点扫描的物流件数、各发货子区域内对应的运输路径内相邻物流网点之间的车速影响系数以及该运输路径下从卖家发货地位置到达配送目的地所经过的物流网点数量,并统计货物在该路径下从当前物流网点到达配送目的地所经过的各网点所需的总时间,并发送至客户终端;
所述客户终端用于接收管理服务器发送的货物当前所在的物流网点以及从当前物流网点到达配送目的地的时间,并进行显示。
2.根据权利要求1所述的一种基于大数据的物流到货时长实时监测预估系统,其特征在于:所述订单信息包括卖家名称、卖家发货地、客户购买的货物数量、单件货物重量、单件货物体积、配送目的地、收件人姓名及联系方式。
3.根据权利要求1所述的一种基于大数据的物流到货时长实时监测预估系统,其特征在于:所述统计各发货子区域内各条配送路径内相邻物流网点之间距离的方法为将某个发货子区域内某配送路径内某个物流网点到卖家发货地的距离减去前一个物流网点到卖家发货地的距离为相邻物流网点之间的距离。
4.根据权利要求1所述的一种基于大数据的物流到货时长实时监测预估系统,其特征在于:所述影响天气种类等级分别为小雨、中雨、大雨、小雪、中学、大雪、轻雾、大雾、浓雾、晴天、多云和阴天。
5.根据权利要求1所述的一种基于大数据的物流到货时长实时监测预估系统,其特征在于:所述小雨、中雨、大雨对应的车速影响系数大小顺序为δ1<δ2<δ3,所述小雪、中雪、大雪对应的车速影响系数大小顺序为λ1<λ2<λ3,所述轻雾、大雾、浓雾对应的车速影响系数大小顺序为ξ1<ξ2<ξ3,所述晴天、多云、阴天对应的车速影响系数为0。
7.根据权利要求1所述的一种基于大数据的物流到货时长实时监测预估系统,其特征在于:货物从当前物流网点到达配送目的地所经过的各网点预计消耗的总时间计算公式为Tig表示为第i条运输路径内货物从当前物流网点到达配送目的地预计所需要的时间,g表示为货物在当前物流网点所在的位置,g=1,2,...,j,...,k,cip表示为第i条运输路径内第p个物流网点所需要扫描的物流件数,表示为平均扫描一件货物所需要的时间,bip表示为第i条运输路径内第p-1个物流网点与第p个物流网点之间的距离,表示为物流车辆的平均运输速度,s′ip表示为表示为第i条运输路径内第p-1个物流网点与第p个物流网点之间的车速影响系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011365535.0A CN112418536A (zh) | 2020-11-28 | 2020-11-28 | 一种基于大数据的物流到货时长实时监测预估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011365535.0A CN112418536A (zh) | 2020-11-28 | 2020-11-28 | 一种基于大数据的物流到货时长实时监测预估系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112418536A true CN112418536A (zh) | 2021-02-26 |
Family
ID=74842973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011365535.0A Withdrawn CN112418536A (zh) | 2020-11-28 | 2020-11-28 | 一种基于大数据的物流到货时长实时监测预估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112418536A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884420A (zh) * | 2021-04-07 | 2021-06-01 | 谭媚 | 一种智慧物流查询系统及方法 |
CN113313453A (zh) * | 2021-07-29 | 2021-08-27 | 深圳贝标新材料科技有限公司 | 一种基于互联网的防水涂料货运管理系统 |
CN114186755A (zh) * | 2021-12-20 | 2022-03-15 | 中通服供应链管理有限公司 | 一种可视化智慧物流动态优化管控方法及系统 |
WO2023279409A1 (zh) * | 2021-07-06 | 2023-01-12 | 深圳市通拓信息技术网络有限公司 | 一种基于物流追踪的路径优化方法 |
CN116976770A (zh) * | 2023-08-09 | 2023-10-31 | 江陵县金顺物流有限公司 | 一种基于大数据分析的物流包裹配送智能管理系统 |
CN117455338A (zh) * | 2023-12-20 | 2024-01-26 | 江苏运满满同城信息科技有限公司 | 一种基于eta模型的货物送达时间预估方法及系统 |
CN117541029A (zh) * | 2024-01-09 | 2024-02-09 | 广州一链通互联网科技有限公司 | 一种基于多渠道物流大数据分析推算系统 |
-
2020
- 2020-11-28 CN CN202011365535.0A patent/CN112418536A/zh not_active Withdrawn
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884420A (zh) * | 2021-04-07 | 2021-06-01 | 谭媚 | 一种智慧物流查询系统及方法 |
CN112884420B (zh) * | 2021-04-07 | 2022-05-17 | 贵州梵途科技(集团)有限公司 | 一种智慧物流查询系统及方法 |
WO2023279409A1 (zh) * | 2021-07-06 | 2023-01-12 | 深圳市通拓信息技术网络有限公司 | 一种基于物流追踪的路径优化方法 |
CN113313453A (zh) * | 2021-07-29 | 2021-08-27 | 深圳贝标新材料科技有限公司 | 一种基于互联网的防水涂料货运管理系统 |
CN113313453B (zh) * | 2021-07-29 | 2022-05-31 | 日照华畅网络科技有限公司 | 一种基于互联网的防水涂料货运管理系统 |
CN114186755A (zh) * | 2021-12-20 | 2022-03-15 | 中通服供应链管理有限公司 | 一种可视化智慧物流动态优化管控方法及系统 |
CN116976770A (zh) * | 2023-08-09 | 2023-10-31 | 江陵县金顺物流有限公司 | 一种基于大数据分析的物流包裹配送智能管理系统 |
CN117455338A (zh) * | 2023-12-20 | 2024-01-26 | 江苏运满满同城信息科技有限公司 | 一种基于eta模型的货物送达时间预估方法及系统 |
CN117541029A (zh) * | 2024-01-09 | 2024-02-09 | 广州一链通互联网科技有限公司 | 一种基于多渠道物流大数据分析推算系统 |
CN117541029B (zh) * | 2024-01-09 | 2024-04-09 | 广州一链通互联网科技有限公司 | 一种基于多渠道物流大数据分析推算系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112418536A (zh) | 一种基于大数据的物流到货时长实时监测预估系统 | |
CN110598940B (zh) | 一种基于物联网贸易的物流订单分析预测系统 | |
CN108830531B (zh) | 一种智能分类物流仓储系统 | |
CN109377145B (zh) | 一种商品智能配送管理系统 | |
Cardenas et al. | The e-commerce parcel delivery market and the implications of home B2C deliveries vs pick-up points | |
CN108038651A (zh) | 一种物流运输监控追溯管理系统 | |
CN109165895B (zh) | 一种基于配送业务的定价方法及装置 | |
CN112288374B (zh) | 一种基于云计算的智慧供应链物流智能优化管理系统 | |
CN111932184B (zh) | 一种冷鲜肉行业的可持续冷链物流系统 | |
CN108898336A (zh) | 一种智能物流自动配送方法 | |
Wang et al. | Optimal price decisions for joint ventures between port operators and shipping lines under the congestion effect | |
CN112633805A (zh) | 基于区块链和云计算的电子商务商品订单物流信息处理方法及云服务器 | |
CN111178591A (zh) | 基于大数据的冷链物流产品冷藏运输质量优化管理系统 | |
CN116029637A (zh) | 跨境电商物流渠道智能推荐方法及装置、设备、存储介质 | |
CN110781250A (zh) | 一种基于大数据的bi决策管理系统和方法 | |
CN116205560A (zh) | 库存自动化管理系统及其方法 | |
CN111967793B (zh) | 物流时效评价方法、装置、电子设备及存储介质 | |
KR102560210B1 (ko) | 인공지능 기반의 최적화된 수출입화물 운송경로의 운임 예측 및 맞춤형 고객 관리 시스템 | |
CN112766853A (zh) | 基于物联网和云计算的智慧物流信息实时协同管理系统及云物流平台 | |
CN115796732B (zh) | 基于电商平台商品的区域物流送货上门分配管理方法 | |
CN115358813A (zh) | 一种跨境电商平台智能运营系统 | |
CN114493465B (zh) | 一种多目标物流路径优化方法 | |
CN114926062A (zh) | 一种确定配送时长的方法、装置、计算机可读存储介质 | |
CN108846612B (zh) | 一种基于物联网的物流信息实时监测方法 | |
CN108764798B (zh) | 一种基于移动互联网数据分析的物流管理系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210226 |
|
WW01 | Invention patent application withdrawn after publication |