CN112785062B - 一种基于大数据的物流运输路径规划系统 - Google Patents
一种基于大数据的物流运输路径规划系统 Download PDFInfo
- Publication number
- CN112785062B CN112785062B CN202110105316.7A CN202110105316A CN112785062B CN 112785062 B CN112785062 B CN 112785062B CN 202110105316 A CN202110105316 A CN 202110105316A CN 112785062 B CN112785062 B CN 112785062B
- Authority
- CN
- China
- Prior art keywords
- driver
- driving
- value
- acquiring
- transportation
- 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
- 238000013439 planning Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims abstract description 11
- 206010039203 Road traffic accident Diseases 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000012384 transportation and delivery Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 8
- 208000034423 Delivery Diseases 0.000 claims description 4
- 241001282135 Poromitra oscitans Species 0.000 claims description 3
- 206010048232 Yawning Diseases 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 210000004709 eyebrow Anatomy 0.000 claims description 3
- 210000003128 head Anatomy 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000007726 management method Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 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"
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的物流运输路径规划系统，本发明属于大数据领域，涉及物流运输管理技术，现有技术在寻找最优路线往往忽略在最优线路上是否存在可以代驾的司机，当驾驶员遇到突发情况时可以及时寻找合适的代驾进行驾驶，避免运输过程中造成损失，通过获取司机面部视频图像信息与驾驶时长值，并通过疲劳驾驶模型获取司机疲劳驾驶值；司机根据代驾司机信息向选定的代驾司机发送代驾请求，和代驾人达成代驾协议，使得在规划物流运输路径时，可以更好地应对运输途中司机出现突发情况时，没有司机继续驾驶车辆进而影响货物输送情况，使得物流运输路径规划时可以通过参考输送时间以及输送优先级进行路径规划，避免超时输送的情况发生。
Description
技术领域
本发明属于大数据领域，涉及物流运输管理技术，具体是一种基于大数据的物流运输路径规划系统。
背景技术
随着物流业向全球化、信息化及一体化发展，货品配送在整个物流系统中的作用变得越来越重要。运输线路是否合理直接影响到配送速度、成本和效益，特别是多货车配送线路的确定是一项复杂的系统工程。选取恰当的车辆调度方法，可以加快对配送点需求的响应速度，提高服务质量，增强客户对物流环节的满意度，降低服务商运作成本。进入21世纪以来，物流产业作为一个新兴产业迅猛发展，被认为降低资源消耗和提高劳动生产率两大企业利润来源之后的第三利润源泉。物流配送车辆路径问题(VehicleRoutingProblem,VRP)，最早是由Danting和Ramser于1959年首次提出的，之后很快就引起了运筹学、管理学、计算机应用、图论等学科专家的高度重视。具体来说就是，根据客户需求，在满足时间限制、车辆载重量限制、里程限制等前提下，设计出一种配送车辆行走的合理路线，使得在配送过程中，所用的时间最短、所走的路程最短、费用最少、车辆的利用率高等多重目标，最终实现客户的需求。然而，目前物流配送车辆路径问题的求解所采用的技术大多是启发式方法，为了寻找最优解，需要反复迭代，或者多次求解进行比较寻优，同时现有技术在寻找最优路线往往忽略在最优线路上是否存在可以代驾的司机，当驾驶员遇到突发情况时可以及时寻找合适的代驾进行驾驶，避免运输过程中造成损失。
发明内容
本发明的目的在于提供一种基于大数据的物流运输路径规划系统，用于解决现有技术在寻找最优路线往往忽略在最优线路上是否存在可以代驾的司机，当驾驶员遇到突发情况时可以及时寻找合适的代驾进行驾驶，避免运输过程中造成损失的问题。
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运输路径规划系统，所述物流运输路径规划系统包括智能匹配系统、智能评估模块、智能线路规划模块以及实时调整模块；
其中，所述智能匹配系统用于匹配智能线路规划模块筛选出的最优路径上符合匹配条件的司机，并进行分配；
所述智能评估模块用于对物流运输进行评估；所述智能线路规划模块用于对线路进行规划；所述实时调整模块用于对线路进行实时调整；
其中，所述智能匹配系统对司机进行分配，具体为：
步骤一：获取司机面部视频图像信息与驾驶时长值，并通过疲劳驾驶模型获取司机疲劳驾驶值；
步骤二：司机疲劳驾驶值查过当前道路疲劳驾驶阈值时，向司机发送代驾请求；
步骤三：司机确认代驾后，通过筛选模型筛选出最优代驾司机，并导航至代驾司机代驾地点；
步骤四：在前往代驾地点期间，向司机发出提示，并实时获取司机疲劳驾驶值；
步骤五：当前往代驾地点途中司机疲劳驾驶值超过阈值时，则将导航地址选取为当前距离最近的休息点，并获取途径休息点的代驾司机信息；
步骤六：司机根据代驾司机信息向选定的代驾司机发送代驾请求，和代驾人达成代驾协议。
进一步地，所述疲劳驾驶模型具体为：
A1：通过人脸识别判断是否存在疲劳驾驶的情况，分为：
AA1：当司机出现点头或/和皱眉头以及打哈欠的情况时，司机疲劳驾驶分增加1分；
AA2：当司机出现头部左右摇晃的情况时，司机疲劳驾驶分增加2分；
AA3：当司机出现睡着或/和眼睛完全打不开的情况时，司机疲劳驾驶分增加3分；
A2：通过物联网平台获取当前道路发生车祸的历史情况值；
A3：将当前道路发生车祸的历史情况值加入司机疲劳驾驶分内得到司机疲劳驾驶值；
其中，所述当前道路疲劳驾驶阈值具体为:
B1:获取司机当前驾驶时长值、当前道路发生车祸的历史情况值以未来行驶路线发生车祸的历史情况值；
B2:将驾驶时长值与当前道路发生车祸的历史情况值以未来行驶路线发生车祸的历史情况值相加得到预测驾驶阈值；
B3:将预测驾驶阈值乘以当前道路司机值获得当前道路疲劳驾驶阈值；
其中，当前道路司机值为当前路段内行驶车辆总数乘以预设比例调节系数。
进一步地，向驾驶人发送代驾请求包括代驾司机姓名、驾龄、准驾车型以及匹配度。
进一步地，所述匹配度具体为：
C1：获取与驾驶人同条路线的车辆，并判断车辆内是否有空闲驾驶人；
C2：获取空闲驾驶人的姓名、驾龄、准驾车型与驾驶人预设信息进行对比；
C3：将对比结果输出为匹配度；
所述在前往代驾地点期间，向驾驶人发出提示包括调节车窗开度、调节空调温度以及处风量以及调节中控音量大小；
所述当前往代驾地点途中驾驶人疲劳驾驶值超过阈值时具体为：
D1：获取当前道路疲劳驾驶阈值与驾驶人疲劳驾驶值；
D2：当前道路疲劳驾驶阈值减去驾驶人疲劳驾驶值乘预设修正系数得出当前往代驾地点途中驾驶人疲劳驾驶值超过阈值；
所述匹配度还包括获取司机预期需要到达目的地的预估时间，预期休息时间长，对车祸风险的排斥值；
所述获取驾驶人面部视频图像信息与驾驶时长值具体为获取车载ECU信息进行提取。
进一步地，所述步骤六之后还包括：
步骤七:进行代驾后，计算司机到达最终目的地所需要的时间与费用。
进一步地，所述智能评估模块用于对物流运输进行评估，具体为，
SS1：获取买家客户端口的物料总量Dz和物料日消耗量Dr，计算得到买家客户端口的物料使用日数Rs；
SS2：获取买家客户端口的送货位置坐标，利用地图模型得到买家客户端口与物料仓库位置之间的距离，并将距离标记为Jl；
SS3：获取买家客户端口的物料平均运输速度，并将物料平均运输速度标记为Si；
SS4：利用公式R＝Jl/Si计算得到物料的运输日数R；
SS5：利用公式Dx＝R×Dr得到物料运输日数期间买家的物料消耗量Dx；
SS6：获取买家客户端口的物料仓储量，并将物料仓储量标记为Cl，物料仓储量Cl与物料运输日数时的物料消耗量Dx进行比对，若Cl＞Dx+T2，买家客户端口标记为正常配送买家；当Cl≤Dx+T2，买家客户端口选定加急配送终端，并进行优先配送；
其中，T2代表额外消耗物料，额外消耗物料包括劣质损坏物料、人工损坏物料和外界因素损坏物料。
进一步地，所述智能线路规划模块用于规划运输路线，具体为，获取买家的配送度与运输日数R，并将运输日数R作为系数代入规划模型中得出最优路径；
其中，所述规划模型得出最优路径具体为，将出发点坐标与物料仓库位置坐标代入导航APP中，获得若干导航路线，选取若干导航路线满足运输日数R的导航路线为预选路径，获取预选路径内可选代驾司机最多的路径为最优路径，并将最优路径最优路径发送至实时调整模块内。
进一步地，所述实时调整模块内用于对线路进行实时调整，具体为，获取物料的最优路径与预选路径，并在最优路径上随机设定n+1个检测点，其中n大于等于最优路径上收费站个数，最优路径被划分为n个运输路线段；获取物料的运输起始日T0和运输日数R，通过导航APP获取到每个运输路线段的所需时间Td，由此得到每个检测点的预设时间依次为T0，……，T0+n×Td；当达到检测点的预设时间，获取物料运输设备的实时地理位置，以物料运输设备为原点建立二维坐标系，利用距离公式计算得到物料运输设备距离检测点的最近距离Jmin；最近距离Jmin与设定距离阈值比对，若最近距离Jmin大于设定距离阈值，判定物料运输设备偏离路线，其中，设定距离阈值为运输路线段的二分之一；
其中，当判定物料运输设备偏离路线时，通过导航APP通知司机进行调整。
与现有技术相比，本发明的有益效果是：
(1)通过获取司机面部视频图像信息与驾驶时长值，并通过疲劳驾驶模型获取司机疲劳驾驶值；司机疲劳驾驶值查过当前道路疲劳驾驶阈值时，向司机发送代驾请求；司机确认代驾后，通过筛选模型筛选出最优代驾司机，并导航至代驾司机代驾地点；在前往代驾地点期间，向司机发出提示，并实时获取司机疲劳驾驶值；当前往代驾地点途中司机疲劳驾驶值超过阈值时，则将导航地址选取为当前距离最近的休息点，并获取途径休息点的代驾司机信息；司机根据代驾司机信息向选定的代驾司机发送代驾请求，和代驾人达成代驾协议，使得在规划物流运输路径时，可以更好地应对运输途中司机出现突发情况时，没有司机继续驾驶车辆进而影响货物输送情况；
(2)获取买家客户端口的物料总量Dz和物料日消耗量Dr，计算得到买家客户端口的物料使用日数Rs；获取买家客户端口的送货位置坐标，利用地图模型得到买家客户端口与物料仓库位置之间的距离，并将距离标记为Jl；获取买家客户端口的物料平均运输速度，并将物料平均运输速度标记为Si；利用公式R＝Jl/Si计算得到物料的运输日数R；利用公式Dx＝R×Dr得到物料运输日数期间买家的物料消耗量Dx；获取买家客户端口的物料仓储量，并将物料仓储量标记为Cl，物料仓储量Cl与物料运输日数时的物料消耗量Dx进行比对，若Cl＞Dx+T2，买家客户端口标记为正常配送买家；当Cl≤Dx+T2，买家客户端口选定加急配送终端，并进行优先配送；其中，T2代表额外消耗物料，额外消耗物料包括劣质损坏物料、人工损坏物料和外界因素损坏物料，使得物流运输路径规划时可以通过参考输送时间以及输送优先级进行路径规划，避免超时输送的情况发生。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中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为本发明原理框图；
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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他实施方式，都属于本发明保护的范围。
因此，在下述附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。
如图1所示，一种基于大数据的物流运输路径规划系统，物流运输路径规划系统包括智能匹配系统、智能评估模块、智能线路规划模块以及实时调整模块；
其中，智能匹配系统用于匹配智能线路规划模块筛选出的最优路径上符合匹配条件的司机，并进行分配；
智能评估模块用于对物流运输进行评估；智能线路规划模块用于对线路进行规划；实时调整模块用于对线路进行实时调整；
其中，智能匹配系统对司机进行分配，具体为：
步骤一：获取司机面部视频图像信息与驾驶时长值，并通过疲劳驾驶模型获取司机疲劳驾驶值；
其中，疲劳驾驶模型具体为：
A1：通过人脸识别判断是否存在疲劳驾驶的情况，分为：
AA1：当司机出现点头或/和皱眉头以及打哈欠的情况时，司机疲劳驾驶分增加1分；
AA2：当司机出现头部左右摇晃的情况时，司机疲劳驾驶分增加2分；
AA3：当司机出现睡着或/和眼睛完全打不开的情况时，司机疲劳驾驶分增加3分；
A2：通过物联网平台获取当前道路发生车祸的历史情况值；
A3：将当前道路发生车祸的历史情况值加入司机疲劳驾驶分内得到司机疲劳驾驶值；
其中，当前道路疲劳驾驶阈值具体为:
B1:获取司机当前驾驶时长值、当前道路发生车祸的历史情况值以未来行驶路线发生车祸的历史情况值；
B2:将驾驶时长值与当前道路发生车祸的历史情况值以未来行驶路线发生车祸的历史情况值相加得到预测驾驶阈值；
B3:将预测驾驶阈值乘以当前道路司机值获得当前道路疲劳驾驶阈值；
其中，当前道路司机值为当前路段内行驶车辆总数乘以预设比例调节系数。
步骤二：司机疲劳驾驶值查过当前道路疲劳驾驶阈值时，向司机发送代驾请求；其中，向驾驶人发送代驾请求包括代驾司机姓名、驾龄、准驾车型以及匹配度，其中，匹配度具体为：获取与驾驶人同条路线的车辆，并判断车辆内是否有空闲驾驶人；获取空闲驾驶人的姓名、驾龄、准驾车型与驾驶人预设信息进行对比；将对比结果输出为匹配度；
在本发明具体实施中，获取得到的司机面部视频图像信息将存储在存储器内，即机器可读存储介质，用于存储一条或多条计算机指令，一条或多条计算机指令被处理器执行，以实现上述车况检测方法的步骤，在此不进行限制，其中，存储器可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器。通过至少一个通信接口(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。其中，总线可以是ISA总线、PCI总线或EISA总线等，总线可以分为地址总线、数据总线、控制总线等。
在本发明具体实施中，当前往代驾地点途中驾驶人疲劳驾驶值超过阈值时具体为：
D1：获取当前道路疲劳驾驶阈值与驾驶人疲劳驾驶值；
D2：当前道路疲劳驾驶阈值减去驾驶人疲劳驾驶值乘预设修正系数得出当前往代驾地点途中驾驶人疲劳驾驶值超过阈值；
在前往代驾地点期间，向驾驶人发出提示包括调节车窗开度、调节空调温度以及处风量以及调节中控音量大小；
匹配度还包括获取司机预期需要到达目的地的预估时间，预期休息时间长，对车祸风险的排斥值；
获取驾驶人面部视频图像信息与驾驶时长值具体为获取车载ECU信息进行提取。
步骤三：司机确认代驾后，通过筛选模型筛选出最优代驾司机，并导航至代驾司机代驾地点；
步骤四：在前往代驾地点期间，向司机发出提示，并实时获取司机疲劳驾驶值；
步骤五：当前往代驾地点途中司机疲劳驾驶值超过阈值时，则将导航地址选取为当前距离最近的休息点，并获取途径休息点的代驾司机信息；
步骤六：司机根据代驾司机信息向选定的代驾司机发送代驾请求，和代驾人达成代驾协议。
步骤七:进行代驾后，计算司机到达最终目的地所需要的时间与费用。
智能评估模块用于对物流运输进行评估，具体为，
SS1：获取买家客户端口的物料总量Dz和物料日消耗量Dr，计算得到买家客户端口的物料使用日数Rs；
SS2：获取买家客户端口的送货位置坐标，利用地图模型得到买家客户端口与物料仓库位置之间的距离，并将距离标记为Jl；
SS3：获取买家客户端口的物料平均运输速度，并将物料平均运输速度标记为Si；
SS4：利用公式R＝Jl/Si计算得到物料的运输日数R；
SS5：利用公式Dx＝R×Dr得到物料运输日数期间买家的物料消耗量Dx；
SS6：获取买家客户端口的物料仓储量，并将物料仓储量标记为Cl，物料仓储量Cl与物料运输日数时的物料消耗量Dx进行比对，若Cl＞Dx+T2，买家客户端口标记为正常配送买家；当Cl≤Dx+T2，买家客户端口选定加急配送终端，并进行优先配送；
其中，T2代表额外消耗物料，额外消耗物料包括劣质损坏物料、人工损坏物料和外界因素损坏物料。
智能线路规划模块用于规划运输路线，具体为，获取买家的配送度与运输日数R，并将运输日数R作为系数代入规划模型中得出最优路径；
其中，规划模型得出最优路径具体为，将出发点坐标与物料仓库位置坐标代入导航APP中，获得若干导航路线，选取若干导航路线满足运输日数R的导航路线为预选路径，获取预选路径内可选代驾司机最多的路径为最优路径，并将最优路径最优路径发送至实时调整模块内。
在本发明具体实施时，导航APP可选百度地图、高德地图、腾讯地图、搜狗地图等，在本发明具体实施中，不做任何限制；
其中，本发明在具体实施时，各模块之间进行数据连接可以包括有线通信组件或无线通信组件；其中，有线通信组件可以为传输线、USB接口；无线通信组件可以包括蓝牙模块、wifi模块、3G/4G/5G模块等。
实时调整模块内用于对线路进行实时调整，具体为，获取物料的最优路径与预选路径，并在最优路径上随机设定n+1个检测点，其中n大于等于最优路径上收费站个数，最优路径被划分为n个运输路线段；获取物料的运输起始日T0和运输日数R，通过导航APP获取到每个运输路线段的所需时间Td，由此得到每个检测点的预设时间依次为T0，……，T0+n×Td；当达到检测点的预设时间，获取物料运输设备的实时地理位置，以物料运输设备为原点建立二维坐标系，利用距离公式计算得到物料运输设备距离检测点的最近距离Jmin；最近距离Jmin与设定距离阈值比对，若最近距离Jmin大于设定距离阈值，判定物料运输设备偏离路线，其中，设定距离阈值为运输路线段的二分之一；
其中，当判定物料运输设备偏离路线时，通过导航APP通知司机进行调整。
在本发明具体实施中，各个模块存储在处理器内，其中，可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processing，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施方式中的发明的各方法以及步骤。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施方式所发明的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
在本发明所提供的实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式；所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方法的目的。
另对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (4)
1.一种基于大数据的物流运输路径规划系统，其特征在于，所述物流运输路径规划系统包括智能匹配系统、智能评估模块、智能线路规划模块以及实时调整模块；
其中，所述智能匹配系统用于匹配智能线路规划模块筛选出的最优路径上符合匹配条件的司机，并进行分配；
所述智能评估模块用于对物流运输进行评估；所述智能线路规划模块用于对线路进行规划；所述实时调整模块用于对线路进行实时调整；
其中，所述智能匹配系统对司机进行分配，具体为：
步骤一：获取司机面部视频图像信息与驾驶时长值，并通过疲劳驾驶模型获取司机疲劳驾驶值；
步骤二：司机疲劳驾驶值超过当前道路疲劳驾驶阈值时，向司机发送代驾请求；
步骤三：司机确认代驾后，通过筛选模型筛选出最优代驾司机，并导航至代驾司机代驾地点；
步骤四：在前往代驾地点期间，向司机发出提示，并实时获取司机疲劳驾驶值；
步骤五：当前往代驾地点途中司机疲劳驾驶值超过阈值时，则将导航地址选取为当前距离最近的休息点，并获取途径休息点的代驾司机信息；
步骤六：司机根据代驾司机信息向选定的代驾司机发送代驾请求，和代驾人达成代驾协议；
所述疲劳驾驶模型具体为：
A1：通过人脸识别判断是否存在疲劳驾驶的情况，分为：
AA1：当司机出现点头或/和皱眉头以及打哈欠的情况时，司机疲劳驾驶分增加1分；
AA2：当司机出现头部左右摇晃的情况时，司机疲劳驾驶分增加2分；
AA3：当司机出现睡着或/和眼睛完全打不开的情况时，司机疲劳驾驶分增加3分；
A2：通过物联网平台获取当前道路发生车祸的历史情况值；
A3：将当前道路发生车祸的历史情况值加入司机疲劳驾驶分内得到司机疲劳驾驶值；
其中，所述当前道路疲劳驾驶阈值具体为：
B1:获取司机当前驾驶时长值、当前道路发生车祸的历史情况值以及未来行驶路线发生车祸的历史情况值；
B2:将驾驶时长值与当前道路发生车祸的历史情况值以及未来行驶路线发生车祸的历史情况值相加得到预测驾驶阈值；
B3:将预测驾驶阈值乘以当前道路司机值获得当前道路疲劳驾驶阈值；
其中，当前道路司机值为当前路段内行驶车辆总数乘以预设比例调节系数；
所述智能评估模块用于对物流运输进行评估，具体为，
SS1：获取买家客户端口的物料总量Dz和物料日消耗量Dr，计算得到买家客户端口的物料使用日数Rs；
SS2：获取买家客户端口的送货位置坐标，利用地图模型得到买家客户端口与物料仓库位置之间的距离，并将距离标记为Jl；
SS3：获取买家客户端口的物料平均运输速度，并将物料平均运输速度标记为Si；
SS4：利用公式R＝Jl/Si计算得到物料的运输日数R；
SS5：利用公式Dx＝R×Dr得到物料运输日数期间买家的物料消耗量Dx；
SS6：获取买家客户端口的物料仓储量，并将物料仓储量标记为Cl，物料仓储量Cl与物料运输日数时的物料消耗量Dx进行比对，若Cl＞Dx+T2，买家客户端口标记为正常配送买家；当Cl≤Dx+T2，买家客户端口选定加急配送终端，并进行优先配送；
其中，T2代表额外消耗物料，额外消耗物料包括劣质损坏物料、人工损坏物料和外界因素损坏物料；
所述智能线路规划模块用于规划运输路线，具体为，获取买家的配送度与运输日数R，并将运输日数R作为系数代入规划模型中得出最优路径；
其中，所述规划模型得出最优路径具体为，将出发点坐标与物料仓库位置坐标代入导航APP中，获得若干导航路线，选取若干导航路线满足运输日数R的导航路线为预选路径，获取预选路径内可选代驾司机最多的路径为最优路径，并将最优路径最优路径发送至实时调整模块内；
所述实时调整模块内用于对线路进行实时调整，具体为，获取物料的最优路径与预选路径，并在最优路径上随机设定n+1个检测点，其中n大于等于最优路径上收费站个数，最优路径被划分为n个运输路线段；获取物料的运输起始日T0和运输日数R，通过导航APP获取到每个运输路线段的所需时间Td，由此得到每个检测点的预设时间依次为T0，……，T0+n×Td；当达到检测点的预设时间，获取物料运输设备的实时地理位置，以物料运输设备为原点建立二维坐标系，利用距离公式计算得到物料运输设备距离检测点的最近距离Jmin；最近距离Jmin与设定距离阈值比对，若最近距离Jmin大于设定距离阈值，判定物料运输设备偏离路线，其中，设定距离阈值为运输路线段的二分之一；
其中，当判定物料运输设备偏离路线时，通过导航APP通知司机进行调整。
2.根据权利要求1所述的一种基于大数据的物流运输路径规划系统，其特征在于，向驾驶人发送代驾请求包括代驾司机姓名、驾龄、准驾车型以及匹配度。
3.根据权利要求2所述的一种基于大数据的物流运输路径规划系统，其特征在于，所述匹配度具体为：
C1：获取与驾驶人同条路线的车辆，并判断车辆内是否有空闲驾驶人；
C2：获取空闲驾驶人的姓名、驾龄、准驾车型与驾驶人预设信息进行对比；
C3：将对比结果输出为匹配度；
所述在前往代驾地点期间，向驾驶人发出提示包括调节车窗开度、调节空调温度以及出风量以及调节中控音量大小；
所述当前往代驾地点途中驾驶人疲劳驾驶值超过阈值时具体为：
D1：获取当前道路疲劳驾驶阈值与驾驶人疲劳驾驶值；
D2：当前道路疲劳驾驶阈值减去驾驶人疲劳驾驶值，乘预设修正系数得出当前往代驾地点途中驾驶人疲劳驾驶值超过阈值；
所述匹配度还包括获取司机预期需要到达目的地的预估时间，预期休息时间长，对车祸风险的排斥值；
所述获取司机面部视频图像信息与驾驶时长值具体为获取车载ECU信息进行提取。
4.根据权利要求3所述的一种基于大数据的物流运输路径规划系统，其特征在于，所述步骤六之后还包括：
步骤七:进行代驾后，计算司机到达最终目的地所需要的时间与费用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110105316.7A CN112785062B (zh) | 2021-01-26 | 2021-01-26 | 一种基于大数据的物流运输路径规划系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110105316.7A CN112785062B (zh) | 2021-01-26 | 2021-01-26 | 一种基于大数据的物流运输路径规划系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112785062A CN112785062A (zh) | 2021-05-11 |
| CN112785062B true CN112785062B (zh) | 2023-12-05 |
Family
ID=75757318
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110105316.7A Active CN112785062B (zh) | 2021-01-26 | 2021-01-26 | 一种基于大数据的物流运输路径规划系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112785062B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000030179A (ja) * | 1998-07-15 | 2000-01-28 | Hitachi Ltd | 配車計画方法 |
| KR101826307B1 (ko) * | 2017-01-25 | 2018-02-06 | 진정식 | 상품 주문 및 배달을 위한 판매업체와 배달업체 간의 중개 서비스 시스템 |
| CN108891413A (zh) * | 2018-07-03 | 2018-11-27 | 爱驰汽车有限公司 | 车载防疲劳驾驶系统、方法、设备及存储介质 |
| CN109443370A (zh) * | 2018-09-13 | 2019-03-08 | 中通国脉物联科技南京有限公司 | 一种检测轨迹偏离的方法 |
| CN111489115A (zh) * | 2020-03-10 | 2020-08-04 | 安徽西尔艾叉车零部件有限公司 | 一种用于电商的物流系统 |
| CN111738570A (zh) * | 2020-06-05 | 2020-10-02 | 苏州华易通物流有限公司 | 一种基于互联网的物流管理系统 |
| CN111950939A (zh) * | 2020-09-15 | 2020-11-17 | 四川创客知佳科技有限公司 | 基于智能制造的物料管理方法 |
| CN112053082A (zh) * | 2020-09-15 | 2020-12-08 | 四川创客知佳科技有限公司 | 基于云计算的物料管理系统 |
| CN112130445A (zh) * | 2020-11-24 | 2020-12-25 | 四川写正智能科技有限公司 | 基于儿童行驶路线进行安全预警的智能手表及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180374032A1 (en) * | 2017-06-27 | 2018-12-27 | Uber Technologies, Inc. | Match-based route navigation system |
-
2021
- 2021-01-26 CN CN202110105316.7A patent/CN112785062B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000030179A (ja) * | 1998-07-15 | 2000-01-28 | Hitachi Ltd | 配車計画方法 |
| KR101826307B1 (ko) * | 2017-01-25 | 2018-02-06 | 진정식 | 상품 주문 및 배달을 위한 판매업체와 배달업체 간의 중개 서비스 시스템 |
| CN108891413A (zh) * | 2018-07-03 | 2018-11-27 | 爱驰汽车有限公司 | 车载防疲劳驾驶系统、方法、设备及存储介质 |
| CN109443370A (zh) * | 2018-09-13 | 2019-03-08 | 中通国脉物联科技南京有限公司 | 一种检测轨迹偏离的方法 |
| CN111489115A (zh) * | 2020-03-10 | 2020-08-04 | 安徽西尔艾叉车零部件有限公司 | 一种用于电商的物流系统 |
| CN111738570A (zh) * | 2020-06-05 | 2020-10-02 | 苏州华易通物流有限公司 | 一种基于互联网的物流管理系统 |
| CN111950939A (zh) * | 2020-09-15 | 2020-11-17 | 四川创客知佳科技有限公司 | 基于智能制造的物料管理方法 |
| CN112053082A (zh) * | 2020-09-15 | 2020-12-08 | 四川创客知佳科技有限公司 | 基于云计算的物料管理系统 |
| CN112130445A (zh) * | 2020-11-24 | 2020-12-25 | 四川写正智能科技有限公司 | 基于儿童行驶路线进行安全预警的智能手表及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112785062A (zh) | 2021-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10639995B2 (en) | Methods, circuits, devices, systems and associated computer executable code for driver decision support | |
| US10037503B2 (en) | System and method for managing supply of service | |
| US12012109B2 (en) | System and methods for determining owner's preferences based on vehicle owners telematics data | |
| US20220122011A1 (en) | Method and system for operating a fleet of vehicles | |
| CN116307306B (zh) | 基于大数据的智能调度方法、装置、设备以及存储介质 | |
| CN111861009A (zh) | 一种智能路由规划方法、装置和设备 | |
| CN112629524A (zh) | 出行路径推荐管理方法、装置和电子设备 | |
| Rabe et al. | Evaluating the consolidation of distribution flows using a discrete event supply chain simulation tool: Application to a case study in Greece | |
| CN114169813A (zh) | 运输调度方法、装置、电子设备和存储介质 | |
| CN114049059A (zh) | 物流用货物配送智能管理系统 | |
| CN114036411A (zh) | 一种路线规划方法、装置、设备及介质 | |
| CN112785062B (zh) | 一种基于大数据的物流运输路径规划系统 | |
| CN114005294A (zh) | 一种路径确定方法、装置、设备及介质 | |
| CN116442787A (zh) | 一种电动汽车能耗预警方法、装置、介质及设备 | |
| CN111383055A (zh) | 租车中心仓选品方法、装置、设备及计算机可读存储介质 | |
| Horažďovský et al. | Dynamic service of public transport in smart city and region | |
| CN114742507A (zh) | 车辆货物配载方法、装置、计算机设备及存储介质 | |
| Szimba et al. | How beneficial is fully automated driving in urban areas from a socio-economic point of view | |
| CN111626495A (zh) | 基于云平台的作业调度系统 | |
| CN114739418B (zh) | 一种网约车用户出行方式选择方法及系统 | |
| CN116772877B (zh) | 一种新能源汽车续航里程预测方法、系统、装置及介质 | |
| US20230090740A1 (en) | System and Method for Predicting Arrival Time in a Freight Delivery System | |
| US20210110416A1 (en) | Analytics system and method for building an autonomous vehicle deployment readiness model for a geographic area | |
| CN114461933B (zh) | 基于周边搜索的车辆推荐方法、装置、设备及存储介质 | |
| Filatov et al. | Efficiency Criteria for the Operation of Ground Vehicles in the Dynamic System of Transportation Management |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210805 Address after: 518109 room 611, Taojing Jinhua building, Gaofeng community, Dalang street, Longhua District, Shenzhen City, Guangdong Province Applicant after: Shenzhen Liuyu Industrial Co.,Ltd. Address before: Room 1407, 14th floor, Guangdong Huaxin center, 450 Huanshi East Road, Yuexiu District, Guangzhou, Guangdong 510000 Applicant before: Yu Jiaxian |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231110 Address after: Building 14B, Commercial Buildings 86, 87, and 88, Gangwang Building Project, north of Gangxing Street and west of Xingfu Road, Tangshan Haigang Development Zone, Tangshan City, Hebei Province, 063000 Applicant after: Yuanfa Technology (Haigang District, Tangshan City) Co.,Ltd. Address before: 518109 room 611, Taojing Jinhua building, Gaofeng community, Dalang street, Longhua District, Shenzhen City, Guangdong Province Applicant before: Shenzhen Liuyu Industrial Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |