CN112668967A - 基于大数据分析的冷链物流跟踪与溯源处理方法及大数据云平台 - Google Patents
基于大数据分析的冷链物流跟踪与溯源处理方法及大数据云平台 Download PDFInfo
- Publication number
- CN112668967A CN112668967A CN202011551609.XA CN202011551609A CN112668967A CN 112668967 A CN112668967 A CN 112668967A CN 202011551609 A CN202011551609 A CN 202011551609A CN 112668967 A CN112668967 A CN 112668967A
- Authority
- CN
- China
- Prior art keywords
- transportation
- section
- transportation section
- logistics
- module
- 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- Withdrawn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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开基于大数据分析的冷链物流跟踪与溯源处理方法及大数据云平台，通过将物流运输路线按照该物流运输路线上存在的中转站个数划分为若干运输段，并结合各运输段的路面类型和环境参数统计各运输段的标准运输时长、风向影响系数、雾影响系数和路面摩擦阻力系数，进而统计各运输段的预计运输时长，同时统计各运输段的实际运输时长，由此将各运输段的预计运输时长与实际运输时长进行对比，统计各运输段的运输效率系数，以此得到运输效率低下运输段，从而进行物流溯源，实现了对生鲜产品冷链物流的跟踪与溯源，弥补了因物流运输时长过长导致生鲜产品出现质量问题时难以找到责任主体的问题，保障了消费者的切身利益。
Description
技术领域
本发明属于冷链物流溯源处理技术领域，具体涉及基于大数据分析的冷链物流跟踪与溯源处理方法及大数据云平台。
背景技术
随着经济快速的发展及国民消费观念的改变,人们对于生鲜产品的数量以及质量要求不断的提高，加快发展生鲜产品冷链物流已经成为降低生鲜农产品损失、保证其质量的必要手段。由于生鲜产品自身存在的难保鲜和易损坏的特点，所以生鲜产品在冷链物流运输过程中最重要的就是运输时长，运输时长越短，就越能保障生鲜产品的质量。但当某生鲜产品由于运输时长过长而导致生鲜产品出现质量问题时，由于消费者无法看到整个物流运输过程，所以消费者难以判断是在哪一段运输途中导致运输时长过长，从而难以找到责任主体，进而损害了消费者的切身利益，因此对生鲜产品在冷链运输过程中进行物流跟踪及物流溯源处理是非常有必要的。
发明内容
为实现上述目的，本发明提出一种基于大数据分析的冷链物流跟踪与溯源处理方法及大数据云平台，通过对物流运输路线划分为若干运输段，并结合各运输段的路面类型和环境参数统计各运输段的预计运输时长，同时统计各运输段的实际运输时长，进而将各运输段的预计运输时长与实际运输时长进行对比，统计各运输段的运输效率系数，以此得到运输效率低下运输段编号，从而进行物流溯源，解决了背景技术中提到的问题。
本发明的目的可以通过以下技术方案来实现：
第一方面，本发明提供一种基于大数据分析的冷链物流跟踪与溯源处理方法，该基于基于大数据分析的冷链物流跟踪与溯源处理方法在具体实施过程中需要用到一种基于大数据分析的冷链物流跟踪与溯源处理系统，该基于大数据分析的冷链物流跟踪与溯源处理系统包括生鲜产品订单信息获取模块、物流运输路线确定模块、运输段运输人员信息统计模块、运输段路面类型获取模块、运输数据库、运输段环境参数采集模块、人工输入模块、运输段预计运输时长统计模块、运输段实际运输时长统计模块、运输时长对比分析模块、管理服务器和物流溯源终端；
所述生鲜产品订单信息获取模块用于对下单的生鲜产品订单信息进行获取，其中订单信息包括商家名称、商家发货地址、收货方名称和收货方地址，并将获取的下单生鲜产品的订单信息存储在订单信息库中；
所述物流运输路线确定模块用于提取订单信息库中商家发货地址和收货方地址，进而根据商家发货地址和收货方地址确定物流运输路线，并统计该物流运输路线中存在的中转站个数，各中转站将该物流运输路线划分为若干运输段，以此将各运输段按照预设的顺序进行编号，分别标记为1,2...j...m，同时统计各运输段的距离，构成运输段距离集合S(S1,S2,...,Sj,...,Sm)，Sj表示为第j个运输段的距离，物流运输路线确定模块将运输段距离集合发送至运输段预计运输时长统计模块；
所述运输段运输人员信息统计模块用于统计各运输段的运输人员信息，并发送至管理服务器；
所述运输段路面类型获取模块用于对划分的各运输段获取路面类型，并将各运输段的路面类型发送至运输段预计运输时长统计模块；
所述运输段环境参数采集模块包括若干环境参数采集终端，用于采集各运输段的环境参数，其中环境参数包括风向、风速和雾浓度，并将采集的各运输段的环境参数构成运输段环境参数集合Qw d(qw d1,qw d2,...,qw dj,...,qw dm)，qw dj表示为第d个运输段的第w个环境参数对应的数值，w表示为环境参数，w＝p1,p2,p3,p1,p2,p3分别表示为风向、风速、雾浓度，运输段环境参数采集模块将运输段环境参数集合发送至运输段预计运输时长统计模块；
所述人工输入模块用于获取物流运输车的行驶方向和平均行驶速度，并发送至运输段预计运输时长统计模块；
所述运输段预计运输时长统计模块用于接收物流运输路线确定模块发送的运输段距离集合，接收运输段路面类型获取模块发送的各运输段对应的路面类型，接收运输段环境参数采集模块发送的运输段环境参数集合，并接收人工输入模块发送的物流运输车的行驶方向和平均行驶速度，进而统计各运输段对应的预计运输时长，其具体统计方法包括以下几个步骤：
H1.标准运输时长统计：根据物流运输车的平均行驶速度和运输段距离集合统计各运输段的标准运输时长；
H2.运输段影响系数统计：从运输段环境参数集合中提取各运输段对应的风向，以此将物流运输车的行驶方向与各运输段对应的风向进行对比，若某运输段对应的风向与物流运输车的行驶方向同向，则表明该运输段为顺风运输段，并统计各顺风运输段的编号，再根据各顺风运输段的编号从运输段环境参数集合中提取各顺风运输段对应的风速，进而将各顺风运输段对应的风速与运输数据库中各顺风影响系数对应的风速进行对比，筛选得出各顺风运输段对应的顺风影响系数，若某运输段对应的风向与物流运输车的行驶方向相反，则表明该运输段为逆风运输段，并统计各逆风运输段的编号，再根据各逆风运输段的编号从运输段环境参数集合中提取各逆风运输段对应的风速，进而将各逆风运输段对应的风速与运输数据库中各逆风影响系数对应的风速进行对比，筛选得出各逆风运输段对应的逆风影响系数，其中顺风影响系数和逆风影响系数均记为风向影响系数，此时提取运输段环境参数集合中各运输段对应的雾浓度，并将其与运输数据库中各雾等级对应的雾浓度进行对比，由此得到各运输段的雾浓度对应的雾等级，以此将各运输段的雾浓度对应的雾等级与运输数据库中各种雾等级对应的雾影响系数进行对比，筛选各运输段对应的雾影响系数，此时再将各运输段对应的路面类型和物流运输车的平均行驶速度与运输数据库中各行驶速度情况下各路面类型对应的路面摩擦阻力系数；
H3.预计运输时长统计：根据各运输段的标准运输时长、各运输段的风向影响系数、各运输段的雾影响系数和各运输段的路面摩擦阻力系数统计各运输段的预计运输时长，并发送至运输时长对比分析模块；
所述运输段实际运输时长统计模块包括计时器，其放置在物流运输车上，用于跟踪统计物流运输车在各运输段对应的实际运输时长，并发送至运输时长对比分析模块；
所述运输时长对比分析模块分别接收运输段预计运输时长统计模块发送的各运输段的预计运输时长和运输段实际运输时长统计模块发送的各运输段对应的实际运输时长，进而将各运输段对应的实际运输时长与各运输段的预计运输时长进行一一对比，以此统计各运输段对应的运输效率系数，并将各运输段对应的运输效率系数与预设的最小运输效率系数进行对比，若某运输段的运输效率系数小于预设的最小运输效率系数，则该运输段存在运输效率低下现象，该运输段记为运输效率低下运输段，此时统计运输效率低下运输段的编号，并发送至管理服务器；
所述管理服务器接收运输时长对比分析模块发送的运输效率低下运输段编号，并接收运输段运输人员信息统计模块发送的各运输段的运输人员信息，进而根据运输效率低下运输段编号从各运输段的运输人员信息中获取运输效率低下运输段对应的运输人员信息，以此将运输效率低下运输段对应的运输人员信息发送至物流溯源终端；
所述物流溯源终端接收管理服务器发送的运输效率低下运输段对应的运输人员信息，并联系对应的运输人员，得到其运输效率低下的原因，进而进行针对性处理。
采用该基于大数据分析的冷链物流跟踪与溯源处理系统进行冷链物流跟踪与溯源处理的方法包括以下步骤：
S1.生鲜产品订单信息获取：获取下单生鲜产品的订单信息；
S2.物流运输路线确定：根据商家发货地址和收货方地址确定物流运输路线，并统计该物流运输路线中存在的中转站个数，进而将物流运输路线划分为若干运输段，同时构建运输段距离集合；
S3.运输段运输人员信息统计：统计各运输段的运输人员信息；
S4.运输段路面类型获取：获取各运输段获取路面类型；
S5.运输段环境参数采集：采集各运输段的环境参数；
S6.物流运输行驶参数获取：获取物流运输车的行驶方向和平均行驶速度；
S7.运输段预计运输时长统计：统计各运输段的标准运输时长，并根据运输段环境参数和运输段路面类型统计风向影响系数、各运输段的雾影响系数和各运输段的路面摩擦阻力系数，进而以此统计各运输段预计运输时长；
S8.运输段实际运输时长统计：统计物流运输车在各运输段对应的实际运输时长；
S9.运输时长对比分析：将各运输段对应的实际运输时长与各运输段的预计运输时长进行一一对比，并统计各运输段对应的运输效率系数，以此筛选出运输效率低下运输段的编号及对应的运输人员信息；
S10.物流溯源：对运输效率低下运输段对应的运输效率低下的原因进行针对性处理。
在第一方面的一种能够实现的方式中，所述运输数据库用于存储各顺风影响系数对应的风速，存储各逆风影响系数对应的风速，存储各雾等级对应的雾浓度及各雾等级R＝1,2,3对应的雾影响系数，存储各行驶速度情况下各路面类型对应的路面摩擦阻力系数，并存储预设的最小运输效率系数。
在第一方面的一种能够实现的方式中，所述各路面类型包括沥青或混凝土路面、碎石路面、泥泞土路、干沙路面、湿沙路面、结冰路面和积雪路面。
在第一方面的一种能够实现的方式中，所述运输人员信息包括运输人员姓名和运输人员联系方式。
在第一方面的一种能够实现的方式中，所述环境参数采集终端包括风速风向仪和雾霾检测仪，其中风速风向仪用于检测运输段的风速和风向，雾霾检测仪用于检测运输段的雾浓度。
在第一方面的一种能够实现的方式中，所述各运输段的标准运输时长的计算公式为
式中Tj0表示为第j个运输段的标准运输时长，V表示为物流运输车的平均行驶速度。
在第一方面的一种能够实现的方式中，所述各运输段的预计运输时长的计算公式为T′j＝Tj0*ηj*χRj*σj，式中T′j表示为第j个运输段的预计运输时长，ηj表示为第j个运输段的风向影响系数，χRj表示为第j个运输段的第R个雾等级对应的雾影响系数，R＝1,2,3,σj表示为第j个运输段对应的路面摩擦阻力系数。
在第一方面的一种能够实现的方式中，所述各运输段对应的运输效率系数的计算公式为
式中
表示为第j个运输段对应的运输效率系数，T″j表示为第j个运输段的实际运输时长。
在第二方面，本发明还提供一种大数据云平台，所述大数据云平台包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个冷链物流跟踪与溯源处理终端通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行本发明基于大数据分析的冷链物流跟踪与溯源处理方法。
基于上述任意一个方面，本发明的有益效果如下：
(1)本发明通过将物流运输路线划分为若干运输段，并结合各运输段的路面类型和环境参数统计各运输段的预计运输时长，同时统计各运输段的实际运输时长，进而将各运输段的预计运输时长与实际运输时长进行对比，统计各运输段的运输效率系数，以此得到运输效率低下运输段，从而进行物流溯源，实现了对生鲜产品冷链物流的跟踪与溯源，弥补了因物流运输时长过长导致生鲜产品出现质量问题时难以找到责任主体的问题，保障了消费者的切身利益。
(2)本发明在统计各运输段的预计运输时长时首先根据各运输段的距离和物流运输车的平均行驶速度，以此得到各运输段的标准运输时长，再进一步获取各运输段的环境参数和路面类型，以此得到各运输段的风向影响系数、雾影响系数和路面摩擦阻力系数，进而综合以上得出各运输段的预计运输时长，该预计运输时长充分考虑了运输段的环境因素和路面因素，避免了单纯只根据运输段的距离和物流运输车的平均行驶速度统计预计运输时长存在的片面性和可靠度低的问题，提高了统计结果的准确度和可靠度，为后期统计运输段的运输效率系数提供可靠的参考依据。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的基于大数据分析的冷链物流跟踪与溯源处理方法流程图；
图2为本发明的基于大数据分析的冷链物流跟踪与溯源处理系统模块示意图。
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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1所示，本发明的第一方面提供一种基于大数据分析的冷链物流跟踪与溯源处理方法，包括以下步骤：
S1.生鲜产品订单信息获取：获取下单生鲜产品的订单信息；
S2.物流运输路线确定：根据商家发货地址和收货方地址确定物流运输路线，并统计该物流运输路线中存在的中转站个数，进而将物流运输路线划分为若干运输段，同时构建运输段距离集合；
S3.运输段运输人员信息统计：统计各运输段的运输人员信息；
S4.运输段路面类型获取：获取各运输段获取路面类型；
S5.运输段环境参数采集：采集各运输段的环境参数；
S6.物流运输行驶参数获取：获取物流运输车的行驶方向和平均行驶速度；
S7.运输段预计运输时长统计：统计各运输段的标准运输时长，并根据运输段环境参数和运输段路面类型统计风向影响系数、各运输段的雾影响系数和各运输段的路面摩擦阻力系数，进而以此统计各运输段预计运输时长；
S8.运输段实际运输时长统计：统计物流运输车在各运输段对应的实际运输时长；
S9.运输时长对比分析：将各运输段对应的实际运输时长与各运输段的预计运输时长进行一一对比，并统计各运输段对应的运输效率系数，以此筛选出运输效率低下运输段的编号及对应的运输人员信息；
S10.物流溯源：对运输效率低下运输段对应的运输效率低下的原因进行针对性处理。
参照图2所示，该基于基于大数据分析的冷链物流跟踪与溯源处理方法在具体实施过程中需要用到一种基于大数据分析的冷链物流跟踪与溯源处理系统，该基于大数据分析的冷链物流跟踪与溯源处理系统包括生鲜产品订单信息获取模块、物流运输路线确定模块、运输段运输人员信息统计模块、运输段路面类型获取模块、运输数据库、运输段环境参数采集模块、人工输入模块、运输段预计运输时长统计模块、运输段实际运输时长统计模块、运输时长对比分析模块、管理服务器和物流溯源终端。
生鲜产品订单信息获取模块用于对下单的生鲜产品订单信息进行获取，其中订单信息包括商家名称、商家发货地址、收货方名称和收货方地址，并将获取的下单生鲜产品的订单信息存储在订单信息库中。
物流运输路线确定模块用于提取订单信息库中商家发货地址和收货方地址，进而根据商家发货地址和收货方地址确定物流运输路线，并统计该物流运输路线中存在的中转站个数，各中转站将该物流运输路线划分为若干运输段，以此将各运输段按照预设的顺序进行编号，分别标记为1,2...j...m，同时统计各运输段的距离，构成运输段距离集合S(S1,S2,...,Sj,...,Sm)，Sj表示为第j个运输段的距离，物流运输路线确定模块将运输段距离集合发送至运输段预计运输时长统计模块。
本实施例通过将物流运输路线划分为各运输段，并进行编号，为后面进行物流溯源时溯源到对应的运输段提供方便。
运输段运输人员信息统计模块用于统计各运输段的运输人员信息，其中运输人员信息包括运输人员姓名和运输人员联系方式，并发送至管理服务器。
运输段路面类型获取模块用于对划分的各运输段获取路面类型，并将各运输段的路面类型发送至运输段预计运输时长统计模块。
运输段环境参数采集模块包括若干环境参数采集终端，用于采集各运输段的环境参数，其中环境参数包括风向、风速和雾浓度，其中环境参数采集终端包括风速风向仪和雾霾检测仪，所述风速风向仪用于检测运输段的风速和风向，所述雾霾检测仪用于检测运输段的雾浓度，并将采集的各运输段的环境参数构成运输段环境参数集合Qw d(qw d1,qw d2,...,qw dj,...,qw dm)，qw dj表示为第d个运输段的第w个环境参数对应的数值，w表示为环境参数，w＝p1,p2,p3,p1,p2,p3分别表示为风向、风速、雾浓度，运输段环境参数采集模块将运输段环境参数集合发送至运输段预计运输时长统计模块。
人工输入模块用于获取物流运输车的行驶方向和平均行驶速度，并发送至运输段预计运输时长统计模块。
运输数据库用于存储各顺风影响系数对应的风速，存储各逆风影响系数对应的风速，存储各雾等级对应的雾浓度及各雾等级R＝1,2,3对应的雾影响系数，存储各行驶速度情况下各路面类型对应的路面摩擦阻力系数，其中各路面类型包括沥青或混凝土路面、碎石路面、泥泞土路、干沙路面、湿沙路面、结冰路面和积雪路面，并存储预设的最小运输效率系数。
运输段预计运输时长统计模块用于接收物流运输路线确定模块发送的运输段距离集合，接收运输段路面类型获取模块发送的各运输段对应的路面类型，接收运输段环境参数采集模块发送的运输段环境参数集合，并接收人工输入模块发送的物流运输车的行驶方向和平均行驶速度，进而统计各运输段对应的预计运输时长，其具体统计方法包括以下几个步骤：
H1.标准运输时长统计：根据物流运输车的平均行驶速度和运输段距离集合统计各运输段的标准运输时长
式中Tj0表示为第j个运输段的标准运输时长，V表示为物流运输车的平均行驶速度；
H2.运输段影响系数统计：从运输段环境参数集合中提取各运输段对应的风向，以此将物流运输车的行驶方向与各运输段对应的风向进行对比，若某运输段对应的风向与物流运输车的行驶方向同向，则表明该运输段为顺风运输段，并统计各顺风运输段的编号，再根据各顺风运输段的编号从运输段环境参数集合中提取各顺风运输段对应的风速，进而将各顺风运输段对应的风速与运输数据库中各顺风影响系数对应的风速进行对比，筛选得出各顺风运输段对应的顺风影响系数，若某运输段对应的风向与物流运输车的行驶方向相反，则表明该运输段为逆风运输段，并统计各逆风运输段的编号，再根据各逆风运输段的编号从运输段环境参数集合中提取各逆风运输段对应的风速，进而将各逆风运输段对应的风速与运输数据库中各逆风影响系数对应的风速进行对比，筛选得出各逆风运输段对应的逆风影响系数，其中顺风影响系数和逆风影响系数均记为风向影响系数，此时提取运输段环境参数集合中各运输段对应的雾浓度，并将其与运输数据库中各雾等级对应的雾浓度进行对比，由此得到各运输段的雾浓度对应的雾等级，以此将各运输段的雾浓度对应的雾等级与运输数据库中各种雾等级对应的雾影响系数进行对比，筛选各运输段对应的雾影响系数，此时再将各运输段对应的路面类型和物流运输车的平均行驶速度与运输数据库中各行驶速度情况下各路面类型对应的路面摩擦阻力系数；
H3.预计运输时长统计：根据各运输段的标准运输时长、各运输段的风向影响系数、各运输段的雾影响系数和各运输段的路面摩擦阻力系数统计各运输段的预计运输时长T′j＝Tj0*ηj*χRj*σj，式中T′j表示为第j个运输段的预计运输时长，ηj表示为第j个运输段的风向影响系数，χRj表示为第j个运输段的第R个雾等级对应的雾影响系数，R＝1,2,3,σj表示为第j个运输段对应的路面摩擦阻力系数，并发送至运输时长对比分析模块。
本实施例在统计各运输段的预计运输时长时首先根据各运输段的距离和物流运输车的平均行驶速度，以此得到各运输段的标准运输时长，再进一步获取各运输段的环境参数和路面类型，以此得到各运输段的风向影响系数、雾影响系数和路面摩擦阻力系数，进而综合以上得出各运输段的预计运输时长，该预计运输时长充分考虑了运输段的环境因素和路面因素，避免了单纯只根据运输段的距离和物流运输车的平均行驶速度统计预计运输时长存在的片面性和可靠度低的问题，提高了统计结果的准确度和可靠度，为后期统计运输段的运输效率系数提供可靠的参考依据，且某运输段的各类影响系数越大，该运输段的预计运输时长就越长。
运输段实际运输时长统计模块包括计时器，其放置在物流运输车上，用于跟踪统计物流运输车在各运输段对应的实际运输时长，并发送至运输时长对比分析模块。
运输时长对比分析模块分别接收运输段预计运输时长统计模块发送的各运输段的预计运输时长和运输段实际运输时长统计模块发送的各运输段对应的实际运输时长，进而将各运输段对应的实际运输时长与各运输段的预计运输时长进行一一对比，以此统计各运输段对应的运输效率系数
式中
表示为第j个运输段对应的运输效率系数，T″j表示为第j个运输段的实际运输时长，并将各运输段对应的运输效率系数与预设的最小运输效率系数进行对比，若某运输段的运输效率系数小于预设的最小运输效率系数，则该运输段存在运输效率低下现象，该运输段记为运输效率低下运输段，此时统计运输效率低下运输段的编号，并发送至管理服务器。
本实施例统计的运输段的运输效率系数直观地展示了运输段的运输效率状况，运输段的实际运输时长越短，运输效率系数就越大，其运输段的运输效率就越高，其统计的运输段的运输效率系数为后面筛选运输效率低下的运输段奠定基础。
管理服务器接收运输时长对比分析模块发送的运输效率低下运输段编号，并接收运输段运输人员信息统计模块发送的各运输段的运输人员信息，进而根据运输效率低下运输段编号从各运输段的运输人员信息中获取运输效率低下运输段对应的运输人员信息，以此将运输效率低下运输段对应的运输人员信息发送至物流溯源终端。
物流溯源终端接收管理服务器发送的运输效率低下运输段对应的运输人员信息，并联系对应的运输人员，得到其运输效率低下的原因，进而进行针对性处理，便于消费者快速找到责任主体，切实保障了消费者的权益。
在第二方面，本发明还提供一种大数据云平台，所述大数据云平台包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个冷链物流跟踪与溯源处理终端通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行本发明基于大数据分析的冷链物流跟踪与溯源处理方法。
以上内容仅仅是对本发明结构所作的举例和说明，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，只要不偏离发明的结构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 (9)
1.基于大数据分析的冷链物流跟踪与溯源处理方法，其特征在于：该基于基于大数据分析的冷链物流跟踪与溯源处理方法在具体实施过程中需要用到一种基于大数据分析的冷链物流跟踪与溯源处理系统，该基于大数据分析的冷链物流跟踪与溯源处理系统包括生鲜产品订单信息获取模块、物流运输路线确定模块、运输段运输人员信息统计模块、运输段路面类型获取模块、运输段环境参数采集模块、运输数据库、人工输入模块、运输段预计运输时长统计模块、运输段实际运输时长统计模块、运输时长对比分析模块、管理服务器和物流溯源终端；
所述生鲜产品订单信息获取模块用于对下单的生鲜产品订单信息进行获取，其中订单信息包括商家名称、商家发货地址、收货方名称和收货方地址，并将获取的下单生鲜产品的订单信息存储在订单信息库中；
所述物流运输路线确定模块用于提取订单信息库中商家发货地址和收货方地址，进而根据商家发货地址和收货方地址确定物流运输路线，并统计该物流运输路线中存在的中转站个数，各中转站将该物流运输路线划分为若干运输段，以此将各运输段按照预设的顺序进行编号，分别标记为1,2...j...m，同时统计各运输段的距离，构成运输段距离集合S(S1,S2,...,Sj,...,Sm)，Sj表示为第j个运输段的距离，物流运输路线确定模块将运输段距离集合发送至运输段预计运输时长统计模块；
所述运输段运输人员信息统计模块用于统计各运输段的运输人员信息，并发送至管理服务器；
所述运输段路面类型获取模块用于对划分的各运输段获取路面类型，并将各运输段的路面类型发送至运输段预计运输时长统计模块；
所述运输段环境参数采集模块包括若干环境参数采集终端，用于采集各运输段的环境参数，其中环境参数包括风向、风速和雾浓度，并将采集的各运输段的环境参数构成运输段环境参数集合Qw d(qw d1,qw d2,...,qw dj,...,qw dm)，qw dj表示为第d个运输段的第w个环境参数对应的数值，w表示为环境参数，w＝p1,p2,p3,p1,p2,p3分别表示为风向、风速、雾浓度，运输段环境参数采集模块将运输段环境参数集合发送至运输段预计运输时长统计模块；
所述人工输入模块用于获取物流运输车的行驶方向和平均行驶速度，并发送至运输段预计运输时长统计模块；
所述运输段预计运输时长统计模块用于接收物流运输路线确定模块发送的运输段距离集合，接收运输段路面类型获取模块发送的各运输段对应的路面类型，接收运输段环境参数采集模块发送的运输段环境参数集合，并接收人工输入模块发送的物流运输车的行驶方向和平均行驶速度，进而统计各运输段对应的预计运输时长，其具体统计方法包括以下几个步骤：
H1.标准运输时长统计：根据物流运输车的平均行驶速度和运输段距离集合统计各运输段的标准运输时长；
H2.运输段影响系数统计：从运输段环境参数集合中提取各运输段对应的风向，以此将物流运输车的行驶方向与各运输段对应的风向进行对比，若某运输段对应的风向与物流运输车的行驶方向同向，则表明该运输段为顺风运输段，并统计各顺风运输段的编号，再根据各顺风运输段的编号从运输段环境参数集合中提取各顺风运输段对应的风速，进而将各顺风运输段对应的风速与运输数据库中各顺风影响系数对应的风速进行对比，筛选得出各顺风运输段对应的顺风影响系数，若某运输段对应的风向与物流运输车的行驶方向相反，则表明该运输段为逆风运输段，并统计各逆风运输段的编号，再根据各逆风运输段的编号从运输段环境参数集合中提取各逆风运输段对应的风速，进而将各逆风运输段对应的风速与运输数据库中各逆风影响系数对应的风速进行对比，筛选得出各逆风运输段对应的逆风影响系数，其中顺风影响系数和逆风影响系数均记为风向影响系数，此时提取运输段环境参数集合中各运输段对应的雾浓度，并将其与运输数据库中各雾等级对应的雾浓度进行对比，由此得到各运输段的雾浓度对应的雾等级，以此将各运输段的雾浓度对应的雾等级与运输数据库中各种雾等级对应的雾影响系数进行对比，筛选各运输段对应的雾影响系数，此时再将各运输段对应的路面类型和物流运输车的平均行驶速度与运输数据库中各行驶速度情况下各路面类型对应的路面摩擦阻力系数；
H3.预计运输时长统计：根据各运输段的标准运输时长、各运输段的风向影响系数、各运输段的雾影响系数和各运输段的路面摩擦阻力系数统计各运输段的预计运输时长，并发送至运输时长对比分析模块；
所述运输段实际运输时长统计模块包括计时器，其放置在物流运输车上，用于跟踪统计物流运输车在各运输段对应的实际运输时长，并发送至运输时长对比分析模块；
所述运输时长对比分析模块分别接收运输段预计运输时长统计模块发送的各运输段的预计运输时长和运输段实际运输时长统计模块发送的各运输段对应的实际运输时长，进而将各运输段对应的实际运输时长与各运输段的预计运输时长进行一一对比，以此统计各运输段对应的运输效率系数，并将各运输段对应的运输效率系数与预设的最小运输效率系数进行对比，若某运输段的运输效率系数小于预设的最小运输效率系数，则该运输段存在运输效率低下现象，该运输段记为运输效率低下运输段，此时统计运输效率低下运输段的编号，并发送至管理服务器；
所述管理服务器接收运输时长对比分析模块发送的运输效率低下运输段编号，并接收运输段运输人员信息统计模块发送的各运输段的运输人员信息，进而根据运输效率低下运输段编号从各运输段的运输人员信息中获取运输效率低下运输段对应的运输人员信息，以此将运输效率低下运输段对应的运输人员信息发送至物流溯源终端；
所述物流溯源终端接收管理服务器发送的运输效率低下运输段对应的运输人员信息，并联系对应的运输人员，得到其运输效率低下的原因，进而进行针对性处理。
采用该基于大数据分析的冷链物流跟踪与溯源处理系统进行冷链物流跟踪与溯源处理的方法包括以下步骤：
S1.生鲜产品订单信息获取：获取下单生鲜产品的订单信息；
S2.物流运输路线确定：根据商家发货地址和收货方地址确定物流运输路线，并统计该物流运输路线中存在的中转站个数，进而将物流运输路线划分为若干运输段，同时构建运输段距离集合；
S3.运输段运输人员信息统计：统计各运输段的运输人员信息；
S4.运输段路面类型获取：获取各运输段获取路面类型；
S5.运输段环境参数采集：采集各运输段的环境参数；
S6.物流运输行驶参数获取：获取物流运输车的行驶方向和平均行驶速度；
S7.运输段预计运输时长统计：统计各运输段的标准运输时长，并根据运输段环境参数和运输段路面类型统计风向影响系数、各运输段的雾影响系数和各运输段的路面摩擦阻力系数，进而以此统计各运输段预计运输时长；
S8.运输段实际运输时长统计：统计物流运输车在各运输段对应的实际运输时长；
S9.运输时长对比分析：将各运输段对应的实际运输时长与各运输段的预计运输时长进行一一对比，并统计各运输段对应的运输效率系数，以此筛选出运输效率低下运输段的编号及对应的运输人员信息；
S10.物流溯源：对运输效率低下运输段对应的运输效率低下的原因进行针对性处理。
2.根据权利要求1所述的基于大数据分析的冷链物流跟踪与溯源处理方法，其特征在于：所述运输数据库用于存储各顺风影响系数对应的风速，存储各逆风影响系数对应的风速，存储各雾等级对应的雾浓度及各雾等级R＝1,2,3对应的雾影响系数，存储各行驶速度情况下各路面类型对应的路面摩擦阻力系数，并存储预设的最小运输效率系数。
3.根据权利要求2所述的基于大数据分析的冷链物流跟踪与溯源处理方法，其特征在于：所述各路面类型包括沥青或混凝土路面、碎石路面、泥泞土路、干沙路面、湿沙路面、结冰路面和积雪路面。
4.根据权利要求1所述的基于大数据分析的冷链物流跟踪与溯源处理方法，其特征在于：所述运输人员信息包括运输人员姓名和运输人员联系方式。
5.根据权利要求1所述的基于大数据分析的冷链物流跟踪与溯源处理方法，其特征在于：所述环境参数采集终端包括风速风向仪和雾霾检测仪，其中风速风向仪用于检测运输段的风速和风向，雾霾检测仪用于检测运输段的雾浓度。
6.根据权利要求1所述的基于大数据分析的冷链物流跟踪与溯源处理方法，其特征在于：所述各运输段的标准运输时长的计算公式为
式中Tj0表示为第j个运输段的标准运输时长，V表示为物流运输车的平均行驶速度。
7.根据权利要求1所述的基于大数据分析的冷链物流跟踪与溯源处理方法，其特征在于：所述各运输段的预计运输时长的计算公式为T′j＝Tj0*ηj*χRj*σj，式中T′j表示为第j个运输段的预计运输时长，ηj表示为第j个运输段的风向影响系数，χRj表示为第j个运输段的第R个雾等级对应的雾影响系数，R＝1,2,3,σj表示为第j个运输段对应的路面摩擦阻力系数。
8.根据权利要求1所述的基于大数据分析的冷链物流跟踪与溯源处理方法，其特征在于：所述各运输段对应的运输效率系数的计算公式为
式中
表示为第j个运输段对应的运输效率系数，T″j表示为第j个运输段的实际运输时长。
9.一种大数据云平台，其特征在于：所述大数据云平台包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个冷链物流跟踪与溯源处理终端通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行权利要求1-8中任意一项的基于大数据分析的冷链物流跟踪与溯源处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011551609.XA CN112668967A (zh) | 2020-12-24 | 2020-12-24 | 基于大数据分析的冷链物流跟踪与溯源处理方法及大数据云平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011551609.XA CN112668967A (zh) | 2020-12-24 | 2020-12-24 | 基于大数据分析的冷链物流跟踪与溯源处理方法及大数据云平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112668967A true CN112668967A (zh) | 2021-04-16 |
Family
ID=75408429
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011551609.XA Withdrawn CN112668967A (zh) | 2020-12-24 | 2020-12-24 | 基于大数据分析的冷链物流跟踪与溯源处理方法及大数据云平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112668967A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114819862A (zh) * | 2022-06-27 | 2022-07-29 | 中国信息通信研究院 | 冷链物流追溯服务方法、系统与存储介质 |
| CN116452102A (zh) * | 2023-06-15 | 2023-07-18 | 成都运荔枝科技有限公司 | 一种基于数据分析的物流车辆运输监测管控系统 |
-
2020
- 2020-12-24 CN CN202011551609.XA patent/CN112668967A/zh not_active Withdrawn
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114819862A (zh) * | 2022-06-27 | 2022-07-29 | 中国信息通信研究院 | 冷链物流追溯服务方法、系统与存储介质 |
| CN116452102A (zh) * | 2023-06-15 | 2023-07-18 | 成都运荔枝科技有限公司 | 一种基于数据分析的物流车辆运输监测管控系统 |
| CN116452102B (zh) * | 2023-06-15 | 2023-09-19 | 成都运荔枝科技有限公司 | 一种基于数据分析的物流车辆运输监测管控系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108320501B (zh) | 基于用户手机信令的公交线路识别方法 | |
| CN106600960B (zh) | 基于时空聚类分析算法的交通出行起讫点识别方法 | |
| CN108171993B (zh) | 一种基于手机信令大数据的高速公路车辆速度计算方法 | |
| CN107657267B (zh) | 产品潜在用户挖掘方法及装置 | |
| CN109255288A (zh) | 一种路面破损检测方法、装置及终端设备 | |
| CN107563566B (zh) | 一种基于支持向量机的公交站间运行时间区间预测方法 | |
| CN104021671B (zh) | 一种svm与模糊判断相结合的道路实时路况的判断方法 | |
| CN112668967A (zh) | 基于大数据分析的冷链物流跟踪与溯源处理方法及大数据云平台 | |
| CN107958031B (zh) | 基于融合数据的居民出行od分布提取方法 | |
| CN109636013B (zh) | 配送范围的生成方法、装置、电子设备和存储介质 | |
| CN104794184B (zh) | 一种基于大规模数据的贝叶斯分类算法的黑车识别方法 | |
| CN106446208A (zh) | 一种考虑路网契合度的智能手机出行方式识别方法 | |
| CN107705551A (zh) | 交通路况的评估方法以及装置 | |
| CN113516105B (zh) | 一种车道检测方法、装置及计算机可读存储介质 | |
| CN110852354A (zh) | 车辆轨迹点识别方法及设备 | |
| CN115034720A (zh) | 一种水果储运过程中保鲜质量状态判别方法及系统 | |
| CN115311229A (zh) | 基于激光雷达的路面病害检测分类方法、系统和存储介质 | |
| CN107545318A (zh) | 公交线路优先级确定、公交换乘线路排序方法及装置 | |
| CN117649632B (zh) | 基于多源交通数据的高速公路事件识别方法及识别装置 | |
| CN111414878A (zh) | 一种关于地块的社会属性分析、图像处理方法及装置 | |
| CN110827537A (zh) | 一种潮汐车道的设置方法、装置及设备 | |
| CN104598548A (zh) | 一种分析农产品价格空间关联性的方法及装置 | |
| CN116911620B (zh) | 台风全生命周期风险评估预警方法、装置及电子设备 | |
| 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 | |
| CN115271565A (zh) | 基于dea的高速公路路面养护措施评价方法、装置及设备 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210416 |