CN112862184A - 运输信息预测方法、装置、电子设备及可读存储介质 - Google Patents
运输信息预测方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN112862184A CN112862184A CN202110159697.7A CN202110159697A CN112862184A CN 112862184 A CN112862184 A CN 112862184A CN 202110159697 A CN202110159697 A CN 202110159697A CN 112862184 A CN112862184 A CN 112862184A
- Authority
- CN
- China
- Prior art keywords
- information
- transportation
- historical
- transportation information
- freight
- 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- Withdrawn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
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000004088 simulation Methods 0.000 claims description 63
- 238000004590 computer program Methods 0.000 claims description 8
- 230000004931 aggregating effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 31
- 238000004891 communication Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012550 audit Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000000586 desensitisation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000012795 verification Methods 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
- G06Q10/04—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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- 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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q10/0834—Choice of carriers
- G06Q10/08345—Pricing
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/10—Payment architectures specially adapted for electronic funds transfer [EFT] systems; specially adapted for home banking systems
- G06Q20/102—Bill distribution or payments
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种运输信息预测方法、装置、电子设备及可读存储介质,涉及物流技术领域。该方法通过从历史运输信息中查找与货源信息匹配的目标历史运输信息,可基于目标历史运输信息预测运输货物的运输信息,从而可结合历史运输信息,针对不同的货源信息预测合适的运输信息,实现了历史运输信息的有效利用。
Description
技术领域
本申请涉及物流技术领域,具体而言,涉及一种运输信息预测方法、装置、电子设备及可读存储介质。
背景技术
随着社会经济的繁荣,物流运输业得到蓬勃发展,而随着物流行业中互联网和信息服务的发展,车货匹配的应用程序应运而生。货主可在应用程序上发布货源信息,货车司机可通过应用程序进行接单,由此会产生大量的物流运输数据,而目前如何利用这些运输数据来对货主当前的货物进行运输的运输信息进行预测并没有相应的解决方案。
发明内容
本申请实施例的目的在于提供一种运输信息预测方法、装置、电子设备及可读存储介质,用以基于与货源信息匹配的目标历史信息来预测运输货物的运输信息。
第一方面,本申请实施例提供了一种运输信息预测方法,应用于模拟预测平台,所述方法包括:获取货主在货运客户端发布的货源信息;从存储的历史运输信息中查找获得与所述货源信息匹配的目标历史运输信息,所述历史运输信息包括历史运输轨迹数据和历史交易数据;基于所述目标历史运输信息预测运输所述货源信息中的货物的运输信息。
在上述实现过程中,通过从历史运输信息中查找与货源信息匹配的目标历史运输信息,可基于目标历史运输信息预测运输货物的运输信息,从而可结合历史运输信息,针对不同的货源信息预测合适的运输信息,实现了历史运输信息的有效利用。
可选地,所述从存储的历史运输信息中查找获得与所述货源信息匹配的目标历史运输信息,包括:
生成所述货源信息对应的至少一个货运标签;
根据所述至少一个货运标签从存储的历史运输信息中查找获得与所述货源信息匹配的目标历史运输信息。
在上述实现过程中,通过货运标签可以在历史运输信息中快速检索出与货源信息匹配的目标历史运输信息。
可选地,所述从存储的历史运输信息中查找获得与所述货源信息匹配的目标历史运输信息,包括:
生成所述货源信息对应的至少一个货运标签;
根据所述至少一个货运标签从存储的历史运输信息中查找获得对应的候选历史运输信息;
获取每个货运标签对应的标签分数值,所述标签分数值用于表征该货运标签对应的货源信息的交易成功几率;
根据每个货运标签对应的标签分数值获取所述货源信息的运输分数值;
根据所述运输分数值从所述候选历史运输信息中确定大于或等于所述运输分数值的历史运输信息,将所述历史运输信息作为与所述货源信息匹配的目标历史运输信息。
在上述实现过程中,通过获取货源信息对应的运输分数值,可基于运输分数值为货源信息找到交易成功几率比较高的运输信息,从而可提高货源信息的交易成功率。
可选地,所述获取每个货运标签对应的标签分数值,包括:
统计所述历史运输信息中每个历史货运标签所占的比例;
根据所述比例确定每个历史货运标签对应的标签分数值;
从历史货运标签对应的标签分数值查找获得每个货运标签对应的标签分数值。
在上述实现过程中,根据历史货运标签所占的比例来确定对应的标签分数值,从而可以将交易成功率较高的标签赋予较高的分数值,从而可便于基于货源信息的货运标签的标签分数值来为货源信息找到交易成功率较高的运输信息。
可选地,所述基于所述历史运输信息预测运输所述货源信息中的货物的运输信息,包括:
获取所述历史运输信息中的运货信息,所述运货信息包括运输时长、运输路线、运输价格、货车类型中的至少一种;
根据所述运货信息预测运输所述货源信息中的货物的运输信息。
在上述实现过程中,基于历史运输信息中的运货信息来预测运输信息,从而可从不同维度对货物的运输信息进行预测。
可选地,所述基于所述历史运输信息预测运输所述货源信息中的货物的运输信息之后,还包括:
获取所述货主所选择的最终运输信息;
将最终运输信息与预测获得的所述运输信息进行比对,获得比对结果;
根据所述比对结果对所述模拟预测平台进行校正。
在上述实现过程中,通过对模拟预测平台进行校正,从而可以不断对模拟预测平台的预测精度进行修正,以提高模拟预测平台的预测精度。
可选地,所述获取货主在货运客户端发布的货源信息之前,还包括:
通过所述货运客户端获取司机的定位数据,并根据所述定位数据生成历史运输轨迹数据;
从所述货运客户端获取货主与司机的成交订单中的历史交易数据;
将所述历史运输轨迹数据与所述历史交易数据作为所述历史运输信息进行存储。
在上述实现过程中,通过将历史运输轨迹数据和历史交易数据进行存储,可便于后续利用这些数据进行运输信息的预测,提高对这些数据的利用率。
可选地,所述将所述历史运输轨迹数据与所述历史交易数据作为所述历史运输信息进行存储,包括:
对所述历史运输信息按照不同维度进行聚合,获得不同维度的聚合数据;
构建每个聚合数据的索引信息,并将聚合数据存储到对应的索引信息对应的存储介质中。
在上述实现过程中,通过对这些历史运输信息进行聚合后,构建聚合数据的索引信息进行存储,从而可便于后续对历史运输信息进行搜索。
第二方面,本申请实施例提供了一种运输信息预测装置,运行于模拟预测平台,所述装置包括:
信息获取模块,用于获取货主在货运客户端发布的货源信息;
信息查找模块,用于从存储的历史运输信息中查找获得与所述货源信息匹配的目标历史运输信息,所述历史运输信息包括历史运输轨迹数据和历史交易数据;
信息预测模块,用于基于所述目标历史运输信息预测运输所述货源信息中的货物的运输信息。
可选地,所述信息查找模块,用于生成所述货源信息对应的至少一个货运标签;根据所述至少一个货运标签从存储的历史运输信息中查找获得与所述货源信息匹配的目标历史运输信息。
可选地,所述信息查找模块,用于生成所述货源信息对应的至少一个货运标签;根据所述至少一个货运标签从存储的历史运输信息中查找获得对应的候选历史运输信息;获取每个货运标签对应的标签分数值,所述标签分数值用于表征该货运标签对应的货源信息的交易成功几率;根据每个货运标签对应的标签分数值获取所述货源信息的运输分数值;根据所述运输分数值从所述候选历史运输信息中确定大于或等于所述运输分数值的历史运输信息,将所述历史运输信息作为与所述货源信息匹配的目标历史运输信息。
可选地,所述信息查找模块,用于统计所述历史运输信息中每个历史货运标签所占的比例;根据所述比例确定每个历史货运标签对应的标签分数值;从历史货运标签对应的标签分数值查找获得每个货运标签对应的标签分数值。
可选地,所述信息预测模块,用于获取所述历史运输信息中的运货信息,所述运货信息包括运输时长、运输路线、运输价格、货车类型中的至少一种;根据所述运货信息预测运输所述货源信息中的货物的运输信息。
可选地,所述装置还包括:
校正模块,用于获取所述货主所选择的最终运输信息;将最终运输信息与预测获得的所述运输信息进行比对,获得比对结果;根据所述比对结果对所述模拟预测平台进行校正。
可选地,所述装置还包括:
历史信息存储模块,用于通过所述货运客户端获取司机的定位数据,并根据所述定位数据生成历史运输轨迹数据;从所述货运客户端获取货主与司机的成交订单中的历史交易数据;将所述历史运输轨迹数据与所述历史交易数据作为所述历史运输信息进行存储。
可选地,所述历史信息存储模块,用于对所述历史运输信息按照不同维度进行聚合,获得不同维度的聚合数据;构建每个聚合数据的索引信息,并将聚合数据存储到对应的索引信息对应的存储介质中。
第三方面,本申请实施例提供一种电子设备,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如上述第一方面提供的所述方法中的步骤。
第四方面,本申请实施例提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的一种用于执行运输信息预测方法的电子设备的结构示意图;
图2为本申请实施例提供的一种运输信息预测方法的流程图;
图3为本申请实施例提供的一种运输信息预测装置的结构框图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述。
本申请实施例提供了一种运输信息预测方法,该方法应用于一模拟预测平台,通过该模拟预测平台从历史运输信息中查找获得与货主发布的货源信息匹配的目标历史运输信息,然后基于目标历史运输信息来预测运输货源信息中的货物的运输信息,从而可结合历史运输信息,针对不同的货源信息预测合适的运输信息,实现了历史运输信息的有效利用。并且可以为货物预测出更准确的运输信息,以使得货主可以知晓符合货源信息的运输信息,进而货主可基于运输信息来调整发布的运输条件,以提高交易成功率。
请参照图1,图1为本申请实施例提供的一种用于执行运输信息预测方法的电子设备的结构示意图,所述电子设备可以包括:至少一个处理器110,例如CPU,至少一个通信接口120,至少一个存储器130和至少一个通信总线140。其中,通信总线140用于实现这些组件直接的连接通信。其中,本申请实施例中设备的通信接口120用于与其他节点设备进行信令或数据的通信。存储器130可以是高速RAM存储器,也可以是非易失性的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器130可选的还可以是至少一个位于远离前述处理器的存储装置。存储器130中存储有计算机可读取指令,当所述计算机可读取指令由所述处理器110执行时,电子设备执行下述图2所示方法过程。
该电子设备可以为服务器或其他具有数据处理能力的处理设备等,本申请实施例提供的模拟预测平台可以运行于该电子设备中,模拟预测平台可以理解为是用于进行运输信息预测的应用程序,或者是用于提供多种功能的平台,如除了可以预测运输信息外,还可以进行运输量预测、运输量计算、货物推荐等。
可以理解,图1所示的结构仅为示意,所述电子设备还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参照图2,图2为本申请实施例提供的一种运输信息预测方法的流程图,该方法包括如下步骤:
步骤S110:获取货主在货运客户端发布的货源信息。
其中,货运客户端安装于司机终端和货主终端中,货主可以在货运客户端中发布相关的货源信息,司机可在货运客户端中查看相关的货源信息,货运客户端还可以提供更多的功能,如司机可在货运客户端中选择对应的货源信息进行接单等操作,以及货主与司机可以通过货运客户端进行信息交互,以协商对货物的运输等。
货主在发布货源信息时,可通过注册的账户信息登录货运客户端,然后在相应的货源发布界面中填写需要发布的货源信息,其货源信息可以包括货物的类型、货物大小、货物数量、发货地、卸货地、价格、发货时间以及货物图片等信息。货主在将这些货源信息录入货运客户端后,货运客户端可将货源信息发送给模拟预测平台。在一些实施方式中,模拟预测平台也可以是集成在货运客户端中的,也可以是部署在另一设备中的,然后可由模拟预测平台对货源信息进行分析,从而可以预测获得对应的运输信息。
在一些实施方式中,模拟预测平台可以先对货源信息进行初步审核,如审核货源信息是否有填写完整、输入的信息是否合格等,在审核通过后可进行后续步骤,在审核未通过时,则可向货运客户端返回相应的提示信息,由货运客户端对货主发布的货源信息不合格进行提示,以提示货主对货源信息进行进一步完善后可再提交给模拟预测平台。
步骤S120:从存储的历史运输信息中查找获得与所述货源信息匹配的目标历史运输信息。
为了对货源信息进行运输信息的预测,本申请中可结合历史运输信息来预测,模拟预测平台中可存储有历史运输信息,历史运输信息可包括有历史运输轨迹数据和历史交易数据等信息,模拟预测平台可从这些信息中查找与货源信息匹配的目标历史运输信息。
其中,历史运输轨迹信息是指在历史订单中司机运输货物的轨迹信息,其轨迹信息包括运输的起止位置,以及运输过程中的导航定位等信息。运输的起止位置可以由以下过程确定:例如,在某次运输过程中,货主在货运客户端中发布了货源信息,其填写的发货地为A,目的地为B,而司机的实际装货地为A1,实际运输目的地为B1,其A1和B1可以通过司机在货运客户端中上传的定位获得,由于货主发布的地址和司机的地址可能存在一定误差,所以,货运客户端可以对这些信息进行校验,如比较A和A1,以及比较B和B1,如果两个位置误差超过一定范围,则使用A1和B1作为该次运输的起止位置,如果两个位置误差没有超过一定范围,则使用A和B作为该次运输的起止位置,货运客户端可在该次运输完成后,将最终确定的运输起止位置包含在运输轨迹数据中发送给模拟预测平台,或者也可以将两个起止位置均发送给模拟预测平台进行备用,以便于后续发生纠纷问题后可以追溯。
其运输过程中的导航定位的获取方式有如下几种:货运客户端可每隔一定时间上报司机的定位信息;司机的运输车辆上安装有定位装置,可以通过运输车辆上报定位信息;或者通过合作厂商以及第三方公司来提供定位信息。
在获取上述的运输起止位置和运输过程中的定位信息后,则可以根据运输轨迹数据判定一次运输过程中各个运输阶段和时间阶段的点、线状态分布,以便于在进行运输信息预测时,可以实现更细化的预测。
历史交易数据可以是指历史订单中司机与货主达成的运输货物的成交价格、司机的加油费用、过路费以及在运输过程中产生的其他费用等信息,在一次运输完成后货主可通过货运客户端向司机支付运费,并且在运输过程中司机的加油费用也可以通过货运客户端记录,这样即可获得每次运输过程中产生的交易数据。
在一些实施方式中,历史运输信息还可包括货运客户端中用户的操作数据,用户的操作数据是指用户对货运客户端的操作数据,如包括司机对货源信息的点击操作、交易完成后货主对司机的评价操作、司机对货主的评价操作(例如,司机运输完货物到达目的地后,货主完成运费支付,费用保存到司机的货运客户端的钱包中,司机和货主分别对双方进行评价,包括星级好评、文字评论、打分等)、以及司机或货主在货运客户端中输入的车辆状态、货物状态(如货物是否损坏等,如在装货前和装货后,司机和货主各自拍摄货物图片上传至货运客户端中,司机在运输货物到达目的地后,在卸货完成后,可拍摄货物图片上传在货运客户端,货主可以以此进行收货确认或当做发生矛盾时的事实依据)等信息,这些信息也可以作为操作数据存入模拟预测平台中。
上述的历史运输信息可以通过货运客户端发送给模拟预测平台,也可以是模拟预测平台从货运客户端处主动获取,模拟预测平台则可以对历史运输信息进行整合后保存。在对当前的货源信息进行匹配时,则可以从历史运输信息中查找与货源信息匹配的目标历史运输信息,其匹配可以是将货源信息中的起止位置、价格等信息与历史运输信息中的起止位置、价格等信息进行匹配,从而找到与货源信息匹配的目标历史运输信息。
步骤S130:基于所述目标历史运输信息预测运输所述货源信息中的货物的运输信息。
在查找到目标历史运输信息后,可基于目标历史运输信息预测获得运输货物的运输信息,如目标历史运输信息中包括的价格有5000、4000、4500,而货主发布的货源信息中的价格为3800,由于目标历史运输信息中的价格高于货主的出价,说明货主当前出价较低,交易成功率则较低,所以,模拟预测平台预测获得的运输信息中的价格可以为4000-5000的范围,其预测的运输路线可以是目标历史运输信息中的某条运输路线,也可以是基于当前外部环境,如未来天气预报、道路因素、货物状态等情况来综合确定目标历史运输信息中最合适的运输路线作为预测的运输路线,并可以基于运输路线和发货时间预测运输时长,即模拟预测平台预测获得的运输信息可以包括运输价格、运输路线、运输时长中的至少一种。
在一些实施方式中,可以先获取历史运输信息中的运货信息,该运货信息包括运输时长、运输路线、运输价格、货车类型中的至少一种,然后可根据运货信息来预测运输货源信息中的货物的运输信息。
例如,历史运输信息中的运输时长平均为48小时,则模拟预测平台预测的运输时长可以为48小时上下浮动3小时,即运输时长为45小时-51小时,其运输路线可以是历史运输信息中与货源信息匹配的某条历史运输路线,模拟预测平台还可以基于该历史运输路线和当前的外部环境来综合预测一条运输货物的运输路线,而运输价格的预测也可以基于历史运输信息中的运输价格来考虑,如历史运输价格为5千,则可以将上下浮动一千作为预测的运输价格,即预测的运输价格为4千-6千。这样可从不同维度对货物的运输信息进行预测。
或者,模拟预测平台还可以基于目标历史运输信息中运输的司机,预测可以运输当前货物的司机,如获取目标历史运输信息中的运输的司机的在货物的发货时间内是否处于运输状态,若否,则可将该司机作为预测司机,所以,运输信息中还可以包括运输司机。模拟预测平台还可以基于目标历史运输信息中的货车类型来输出与货物匹配的货车类型,以供货主选择。模拟预测平台预测获得的这些运输信息可以发送给货运客户端,呈现给货主,这样货主可知晓货物可能的运输情况,从而货主可基于预测的运输信息调整相关的运输条件,如价格、车型、货物数量等,或者货主还可以自行与运输司机联系,以协商相应的运输信息。
在一些实施方式中,若货主接受了模拟预测平台预测的运输信息,表示货主想要增加交易成功率,则货运客户端可增加对货主的货源信息的曝光率,以使得更多司机能够看到该货主的货源信息,提高接单成功率。或者模拟预测平台也可以将货主的货源信息放到一个推荐池中,推荐给一些司机。但是在货主不接受模拟预测平台预测的运输信息时,货运客户端可相应减少该货主的货源信息的曝光率。所以,模拟预测平台预测的运输信息可在与货源信息匹配的情况下,还能够增加对货源信息的交易成功率,例如,货主发布的运输价格为5千,而模拟预测平台预测得出的运输价格为6千,表明在历史运输过程中运输价格大概在6千,若货主将运输价格调整为6千,可能有更多的司机愿意接单,可提高货源信息的交易成功率。
在一些实施方式中,模拟预测平台还可以根据预测获得的运输信息输出相应的提示信息,以提示货主对运输条件的修改方向,如增加价格,或者在货主的运输价格过高的情况下,为了保障货主利益,还可以适当提醒货主降价等,或者还可以提示货主将发货地、目的地修改准确等提示信息。
在上述实现过程中,通过从历史运输信息中查找与货源信息匹配的目标历史运输信息,可基于目标历史运输信息预测运输货物的运输信息,从而可结合历史运输信息,针对不同的货源信息预测合适的运输信息,实现了历史运输信息的有效利用。
在一些实施方式中,为了便于模拟预测平台从历史运输信息中快速查找到与货源信息匹配的目标历史运输信息,模拟预测平台在将历史运输信息进行存储时,可以对历史运输信息进行相关处理后再存储。如可以通过货运客户端获取司机的定位数据,并可以根据定位数据生成历史运输轨迹数据,以及可以从货运客户端获取货主与司机的成交订单中的历史交易数据,然后将历史运输轨迹数据与历史交易数据作为历史运输信息进行存储,或者还可以将货运客户端的用户操作数据一并作为历史运输信息进行存储。
而在进行存储时,可以对历史运输信息按照不同维度进行聚合,获得不同维度的聚合数据,然后构建每个聚合数据的索引信息,并将聚合数据存储到对应的索引信息对应的存储介质中。
由于初始从货运客户端获取的数据有很多,所以,在对历史运输信息进行聚合之前,还可以对历史运输信息进行初步处理,如数据可以有不同的用途,可以根据数据的类型或用途等将数据进行分类存储,如对于位置类数据可以存储在一起,可便于后续对司机的运输过程进行追溯等,对于交易数据可以存储在一起,可便于对交易完成后若司机与货主产生纠纷进行追溯。对于分类存储的数据,可进行分类处理,如解压、过滤、校验、去敏感信息等处理。
上述处理后的数据,可以根据不同的业务场景将数据进行分类,业务场景如价格计算、运输时长计算等,这些不同业务场景所需的数据不同,则还可以将上述数据根据不同的业务场景进行划分,不同的业务场景对应的数据可存入不同的数据库中。
所以,可以将历史运输信息按照不同维度进行聚合,如对于价格计算来说,其所需的数据包括运输起止位置、运输时长、过路费、加油费用等信息,则可以将这些信息聚合在一起,如对于运输时长计算来说,其所需的数据包括运输起止位置、路线、货车载重等信息,则可以将这些信息聚合在一起,如此可获得不同维度的聚合数据。
或者,还可以基于运输起止位置进行聚合,如以发货地-目的地为聚合头目,其可将该发货地到目的地之间的运输数据串联起来,如货主发货->司机联系确认->司机开车到发货地装货->运输行程->司机到达目的地->司机卸货->货主确认货已送到->货主支付运输费用->司机确认收到运输劳务费->司机/货主彼此通过货运客户端评价对方。这样可以将每个发货地到目的地之间的运输数据聚合在一起,从而在查找与货源信息匹配的运输信息时,可以找到与货源信息的发货地、目的地匹配的运输信息,进而可实现更精准更细维度的预测。
而为了便于对历史运输信息进行检索,则可以构建每个聚合数据的索引信息,并构建索引信息与对应的聚合数据的对应关系,不同的聚合数据可存储到不同的存储介质(存储介质可以指不同的数据库或者不同的存储设备)中。当然也可以将索引信息与对应的聚合数据一起存储到Elastic Search搭建的集群中,从而可便于后续进行数据查找。
在上述实现过程中,通过对这些历史运输信息进行聚合后,构建聚合数据的索引信息进行存储,从而可便于后续对历史运输信息进行搜索。
在一些实施方式中,为了便于将货源信息与历史运输信息进行匹配,在获得目标历史运输信息的过程中,还可以先生存货源信息对应的至少一个货运标签,然后根据至少一个货运标签从存储的历史运输信息中查找获得与货源信息匹配的目标历史运输信息。
其中,至少一个货运标签可以是指运输价格、运输时长、发货地、目的地、货物类型、货物大小等标签,这些标签可以直接基于货源信息中的相关特征信息来生成,然后在进行查找时,可以基于这些货运标签来查找,如查找与运输价格匹配的历史运输信息,获得一些运输信息后,再从中筛选与货物匹配的运输信息等,即筛选出同时满足这些货运标签的历史运输信息,或者至少满足其中一个货运标签的历史运输信息。这样可以快速从历史运输信息中检索出与货源信息匹配的目标历史运输信息。
在一些实施方式中,为了更加直观且快速找到与货源信息匹配的目标历史运输信息,还可以在生成货源信息对应的至少一个货运标签后,根据至少一个货运标签从历史运输信息中查找获得对应的候选历史运输信息,然后获取每个货运标签对应的标签分数值,该标签分数值用于表征该货运标签对应的货源信息的交易成功率,然后根据每个货运标签的标签分数值获取货运信息的运输分数值,根据运输分数值从候选历史运输信息中确定大于或等于运输分数值的历史运输信息,该历史运输信息即作为与货源信息匹配的目标历史运输信息。
例如,针对每个货运标签均可有对应的标签分数值,其可以是预设的,如对于某个运输路线的运输价格为5千对应的标签分数值为60分,而运输价格为4千对应的标签分数值为50分,表示运输价格越高其交易成功率越高。按照该方式可获得每个货运标签所对应的标签分数值,在计算货源信息对应的运输分数值时,可以将每个货运标签对应的标签分数值进行求和运算,其和值为运输分数值,或者将多个货运标签的标签分数值进行求平均运算,其平均值为运输分数值,不管是何种方式,均可以根据多个货运标签的标签分数值综合计算出一个货源信息对应的运输分数值。
而对于历史运输信息,也可以针对历史运输信息生成对应的历史货运标签,根据这些历史货运标签还可以衍生出各个维度的多个标签,如货主发货维度标签:货主经常发货时间段、货主常发货物类型、货主常发货物起始地、目的地等;司机维度标签:司机联系时间、司机驾驶货车时长、司机驾驶货车车型、司机长跑路线的起始地、司机常跑路线的起始地、司机常跑路线的目的地;运输维度标签:路线长度、路线类型(如长途、短途、中途)、运输路线是否经常堵车、是否需要绕路等。
以上这些标签,还可以通过模拟预测平台对历史运输信息进行分析,获得对于整个运输流程中影响比较大的标签,如时长、价格、货物类型等标签,然后将这些标签提取出来,对这些标签进行打分,即获取这些标签的标签分数值,然后可获得候选历史运输信息中每个运输方案的运输分数值,如候选历史运输信息包括运输价格、时长、路线、发货地、目的地,这些运输信息可以相互组合成运输方案,这样组合可以形成多个运输方案,一个运输方案为一个完整的运输过程,而每个运输方案可以基于标签的标签分数值计算出一个运输分数值。
或者,也可以基于运输能力、用户好评率、货物流转率指标等对一个运输方案进行打分,获得其对应的运输分数值。其中,运输能力是指在一定周期内,一条线路上所有车辆运输货物的总和,用户好评率是指一次运输司机/货主被平均的平均分,货物流转率是指一个货物从出厂到最终目的地,总共经历了几次运输,基于这几个指标也可以获得一次运输过程的运输分数值。
所以,在后续历史运输信息中查找与货源信息匹配的目标历史运输信息时,可以将货源信息对应的运输分数值与由候选历史运输信息中的各个运输信息组合形成的多个运输方案的运输分数值进行比对,找到最接近货源信息的运输分数值的运输方案,或者找到大于或等于货源信息的运输分数值的运输方案,该运输方案中的运输信息即可作为与货源信息匹配的目标历史运输信息。
在上述实现过程中,通过获取货源信息对应的运输分数值,可基于运输分数值为货源信息找到交易成功几率比较高的运输信息,从而可提高货源信息的交易成功率。
在一些实施方式中,上述获得每个货运标签对应的标签分数值的方式可以是基于历史运输信息来获得的,如统计历史运输信息中每个历史货运标签所占的比例,然后根据比例确定每个历史货运信息对应的标签分数值,从历史货运标签对应的标签分数值查找获得每个货运标签对应的标签分数值。
其中,在统计历史货运标签所占的比例时,可以先获取每个历史订单,其历史订单中包含一次完整的运输过程,并提取这些运输过程中的运输信息,然后获取其对应的历史货运标签,如A地到B地运输货物c的运输订单有800单,其运输价格有5千、6千、7千等,若运输价格5千在800单中所占的比例为50%,则该货运标签对应的标签分数值则为50分,运输价格6千在800单中所占的比例为40%,则该货运标签对应的标签分数值则为40分,如此,可获得每个历史货运标签对应的标签分数值。
在获得货源信息对应的每个货运标签的标签分数值时,可以先查找与该货源信息中的起始地和目的地相同的运输路线,或者与起始地和目的地位置相近的运输路线,如历史运输信息中存在有从该货源信息的起始地到目的地的运输,则可获得该运输路线中各个历史货运标签对应的标签分数值,如货源信息的起始地为A地,目的地为B地,若历史运输信息中的运输价格为5千,其对应的标签分数值为50分,货源信息中的运输价格也为5千,则其货源信息中运输价格为5千对应的标签分数值为50分,按照该方式,可获得每个货运标签对应的标签分数值,然后可获得货源信息对应的运输分数值。
然后可将运输分数值与候选历史运输信息中各个运输信息所组合形成的运输方案对应的运输分数值进行比对,从而可找到与其匹配的运输过程,该运输方案对应的各个运输信息即为与货源信息匹配的目标运输信息。
例如,找到匹配的运输方案后,可获取这个运输方案所对应的运输路线,作为预测的运输路线,然后将这个运输路线的平均运输时长,上下浮动20%作为预测的运输时长,其所对应的运输费用,上下浮动20%作为预测的运输价格。
当然,模拟预测平台还可以根据发货地定位附近的司机,筛选出在一定距离范围内在发货时间时处于空闲状态的司机推荐给货主。模拟预测平台也可以筛选出一些车型的卡车供货主选择。
在上述实现过程中,根据历史货运标签所占的比例来确定对应的标签分数值,从而可以将交易成功率较高的标签赋予较高的分数值,从而可便于基于货源信息的货运标签的标签分数值来为货源信息找到交易成功率较高的运输信息。
在一些实施方式中,为了提高模拟预测平台的预测精度,还可以在输出预测的运输信息后,获取货主所选择的最终运输信息,然后将最终运输信息与预测获得的运输信息进行比对,获得比对结果,根据比对结果对模拟预测平台进行校正。
其中,最终运输信息可以是货主从预测的运输信息中选择的,也可以不是从预测的运输信息中选择的,而是通过货主与司机共同协商的运输信息,其可能与模拟预测平台预测获得的运输信息存在差异,所以可以将最终运输信息与预测的运输信息进行比对,获得比对结果,比对结果包括比对有差异的信息,然后可将这个有差异的信息重新输入模拟预测平台中,使得模拟预测平台可以基于差异的信息重新学习,重新训练,或者模拟预测平台可以基于比对结果调整相关的预测策略,从而可以不断校正模拟预测平台的预测准确度。
或者,还可以将在未来时间完成的真实运输数据输入模拟预测平台中,通过真实的运输数据结合历史运输信息来对模拟预测平台进行重新训练,这样可以通过积累大量的数据来对模拟预测平台进行训练,从而可不断提升模拟预测平台的预测精度。
在上述实现过程中,通过对模拟预测平台进行校正,从而可以不断对模拟预测平台的预测精度进行修正,以提高模拟预测平台的预测精度。
另外,本申请中的模拟预测平台还可以实现运力数据的预测,如针对每个运输路线、区县、地级市、省等的聚合数据进行分析,然后生成日、周、月、季度、年等指标的同、环比运力数据,并可以输入特定的货物供求比来预测未来时间段的运力数据,从而可以预测未来的数据,并可以将预测获得的结果与实际结果进行比较,根据比较结果来自动化校正模拟预测平台,以提高模拟预测平台的预测精度和预测效率。
请参照图3,图3为本申请实施例提供的一种运输信息预测装置200的结构框图,该装置200可以是电子设备上的模块、程序段或代码。应理解,该装置200与上述图2方法实施例对应,能够执行图3方法实施例涉及的各个步骤,该装置200具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。
可选地,所述装置200包括:
信息获取模块210,用于获取货主在货运客户端发布的货源信息;
信息查找模块220,用于从存储的历史运输信息中查找获得与所述货源信息匹配的目标历史运输信息,所述历史运输信息包括历史运输轨迹数据和历史交易数据;
信息预测模块230,用于基于所述目标历史运输信息预测运输所述货源信息中的货物的运输信息。
可选地,所述信息查找模块220,用于生成所述货源信息对应的至少一个货运标签;根据所述至少一个货运标签从存储的历史运输信息中查找获得与所述货源信息匹配的目标历史运输信息。
可选地,所述信息查找模块220,用于生成所述货源信息对应的至少一个货运标签;根据所述至少一个货运标签从存储的历史运输信息中查找获得对应的候选历史运输信息;获取每个货运标签对应的标签分数值,所述标签分数值用于表征该货运标签对应的货源信息的交易成功几率;根据每个货运标签对应的标签分数值获取所述货源信息的运输分数值;根据所述运输分数值从所述候选历史运输信息中确定大于或等于所述运输分数值的历史运输信息,将所述历史运输信息作为与所述货源信息匹配的目标历史运输信息。
可选地,所述信息查找模块220,用于统计所述历史运输信息中每个历史货运标签所占的比例;根据所述比例确定每个历史货运标签对应的标签分数值;从历史货运标签对应的标签分数值查找获得每个货运标签对应的标签分数值。
可选地,所述信息预测模块230,用于获取所述历史运输信息中的运货信息,所述运货信息包括运输时长、运输路线、运输价格、货车类型中的至少一种;根据所述运货信息预测运输所述货源信息中的货物的运输信息。
可选地,所述装置200还包括:
校正模块,用于获取所述货主所选择的最终运输信息;将最终运输信息与预测获得的所述运输信息进行比对,获得比对结果;根据所述比对结果对所述模拟预测平台进行校正。
可选地,所述装置200还包括:
历史信息存储模块,用于通过所述货运客户端获取司机的定位数据,并根据所述定位数据生成历史运输轨迹数据;从所述货运客户端获取货主与司机的成交订单中的历史交易数据;将所述历史运输轨迹数据与所述历史交易数据作为所述历史运输信息进行存储。
可选地,所述历史信息存储模块,用于对所述历史运输信息按照不同维度进行聚合,获得不同维度的聚合数据;构建每个聚合数据的索引信息,并将聚合数据存储到对应的索引信息对应的存储介质中。
需要说明的是,本领域技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再重复描述。
本申请实施例提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,执行如图2所示方法实施例中电子设备所执行的方法过程。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如,包括:获取货主在货运客户端发布的货源信息;从存储的历史运输信息中查找获得与所述货源信息匹配的目标历史运输信息,所述历史运输信息包括历史运输轨迹数据和历史交易数据;基于所述目标历史运输信息预测运输所述货源信息中的货物的运输信息。
综上所述,本申请实施例提供一种运输信息预测方法、装置、电子设备及可读存储介质,通过从历史运输信息中查找与货源信息匹配的目标历史运输信息,可基于目标历史运输信息预测运输货物的运输信息,从而可结合历史运输信息,针对不同的货源信息预测合适的运输信息,实现了历史运输信息的有效利用。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (11)
1.一种运输信息预测方法,其特征在于,应用于模拟预测平台,所述方法包括:
获取货主在货运客户端发布的货源信息;
从存储的历史运输信息中查找获得与所述货源信息匹配的目标历史运输信息,所述历史运输信息包括历史运输轨迹数据和历史交易数据;
基于所述目标历史运输信息预测运输所述货源信息中的货物的运输信息。
2.根据权利要求1所述的方法,其特征在于,所述从存储的历史运输信息中查找获得与所述货源信息匹配的目标历史运输信息,包括:
生成所述货源信息对应的至少一个货运标签;
根据所述至少一个货运标签从存储的历史运输信息中查找获得与所述货源信息匹配的目标历史运输信息。
3.根据权利要求1所述的方法,其特征在于,所述从存储的历史运输信息中查找获得与所述货源信息匹配的目标历史运输信息,包括:
生成所述货源信息对应的至少一个货运标签;
根据所述至少一个货运标签从存储的历史运输信息中查找获得对应的候选历史运输信息;
获取每个货运标签对应的标签分数值,所述标签分数值用于表征该货运标签对应的货源信息的交易成功几率;
根据每个货运标签对应的标签分数值获取所述货源信息的运输分数值;
根据所述运输分数值从所述候选历史运输信息中确定大于或等于所述运输分数值的历史运输信息,将所述历史运输信息作为与所述货源信息匹配的目标历史运输信息。
4.根据权利要求3所述的方法,其特征在于,所述获取每个货运标签对应的标签分数值,包括:
统计所述历史运输信息中每个历史货运标签所占的比例;
根据所述比例确定每个历史货运标签对应的标签分数值;
从历史货运标签对应的标签分数值查找获得每个货运标签对应的标签分数值。
5.根据权利要求1所述的方法,其特征在于,所述基于所述历史运输信息预测运输所述货源信息中的货物的运输信息,包括:
获取所述历史运输信息中的运货信息,所述运货信息包括运输时长、运输路线、运输价格、货车类型中的至少一种;
根据所述运货信息预测运输所述货源信息中的货物的运输信息。
6.根据权利要求1-5任一所述的方法,其特征在于,所述基于所述历史运输信息预测运输所述货源信息中的货物的运输信息之后,还包括:
获取所述货主所选择的最终运输信息;
将最终运输信息与预测获得的所述运输信息进行比对,获得比对结果;
根据所述比对结果对所述模拟预测平台进行校正。
7.根据权利要求1-5任一所述的方法,其特征在于,所述获取货主在货运客户端发布的货源信息之前,还包括:
通过所述货运客户端获取司机的定位数据,并根据所述定位数据生成历史运输轨迹数据;
从所述货运客户端获取货主与司机的成交订单中的历史交易数据;
将所述历史运输轨迹数据与所述历史交易数据作为所述历史运输信息进行存储。
8.根据权利要求7所述的方法,其特征在于,所述将所述历史运输轨迹数据与所述历史交易数据作为所述历史运输信息进行存储,包括:
对所述历史运输信息按照不同维度进行聚合,获得不同维度的聚合数据;
构建每个聚合数据的索引信息,并将聚合数据存储到对应的索引信息对应的存储介质中。
9.一种运输信息预测装置,其特征在于,运行于模拟预测平台,所述装置包括:
信息获取模块,用于获取货主在货运客户端发布的货源信息;
信息查找模块,用于从存储的历史运输信息中查找获得与所述货源信息匹配的目标历史运输信息,所述历史运输信息包括历史运输轨迹数据和历史交易数据;
信息预测模块,用于基于所述目标历史运输信息预测运输所述货源信息中的货物的运输信息。
10.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如权利要求1-8任一所述的方法。
11.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时运行如权利要求1-8任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110159697.7A CN112862184A (zh) | 2021-02-04 | 2021-02-04 | 运输信息预测方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110159697.7A CN112862184A (zh) | 2021-02-04 | 2021-02-04 | 运输信息预测方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112862184A true CN112862184A (zh) | 2021-05-28 |
Family
ID=75988038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110159697.7A Withdrawn CN112862184A (zh) | 2021-02-04 | 2021-02-04 | 运输信息预测方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112862184A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837688A (zh) * | 2021-09-06 | 2021-12-24 | 深圳依时货拉拉科技有限公司 | 运输资源匹配方法、装置、可读存储介质和计算机设备 |
CN113888098A (zh) * | 2021-11-04 | 2022-01-04 | 江苏满运物流信息有限公司 | 车辆信息推荐方法、装置和电子设备 |
CN114202208A (zh) * | 2021-12-14 | 2022-03-18 | 江苏满运物流信息有限公司 | 延迟装卸货的风险检测方法、装置及电子设备 |
CN114862299A (zh) * | 2022-03-31 | 2022-08-05 | 盒马(中国)有限公司 | 运输路线规划方法以及装置 |
CN115587779A (zh) * | 2022-11-24 | 2023-01-10 | 永立数智(北京)科技有限公司 | 一种基于时空动态信息的货物运输价格容错估算方法 |
CN116753966A (zh) * | 2023-04-10 | 2023-09-15 | 中核勘察设计研究有限公司 | 一种导航电子地图数据获取方法及设备 |
CN118134226A (zh) * | 2024-05-10 | 2024-06-04 | 鱼快创领智能科技(南京)有限公司 | 一种货车运力调配方法 |
-
2021
- 2021-02-04 CN CN202110159697.7A patent/CN112862184A/zh not_active Withdrawn
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837688A (zh) * | 2021-09-06 | 2021-12-24 | 深圳依时货拉拉科技有限公司 | 运输资源匹配方法、装置、可读存储介质和计算机设备 |
CN113837688B (zh) * | 2021-09-06 | 2024-02-02 | 深圳依时货拉拉科技有限公司 | 运输资源匹配方法、装置、可读存储介质和计算机设备 |
CN113888098A (zh) * | 2021-11-04 | 2022-01-04 | 江苏满运物流信息有限公司 | 车辆信息推荐方法、装置和电子设备 |
CN114202208A (zh) * | 2021-12-14 | 2022-03-18 | 江苏满运物流信息有限公司 | 延迟装卸货的风险检测方法、装置及电子设备 |
CN114862299A (zh) * | 2022-03-31 | 2022-08-05 | 盒马(中国)有限公司 | 运输路线规划方法以及装置 |
CN115587779A (zh) * | 2022-11-24 | 2023-01-10 | 永立数智(北京)科技有限公司 | 一种基于时空动态信息的货物运输价格容错估算方法 |
CN116753966A (zh) * | 2023-04-10 | 2023-09-15 | 中核勘察设计研究有限公司 | 一种导航电子地图数据获取方法及设备 |
CN116753966B (zh) * | 2023-04-10 | 2024-04-12 | 中核勘察设计研究有限公司 | 一种导航电子地图数据获取方法及设备 |
CN118134226A (zh) * | 2024-05-10 | 2024-06-04 | 鱼快创领智能科技(南京)有限公司 | 一种货车运力调配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112862184A (zh) | 运输信息预测方法、装置、电子设备及可读存储介质 | |
US20190172010A1 (en) | Freight shipment booking system | |
US9747578B2 (en) | Measuring device and system for freight rate optimization | |
US20150127429A1 (en) | Expectation price providing system of used car and method thereof | |
US20240220942A1 (en) | Systems and Methods for Task Distribution and Tracking | |
CN113888098A (zh) | 车辆信息推荐方法、装置和电子设备 | |
CN113837688B (zh) | 运输资源匹配方法、装置、可读存储介质和计算机设备 | |
US20230061547A1 (en) | Using machine learning to dynamically determine shipping information | |
CN112364262A (zh) | 一种找货路线推荐方法、装置、电子设备及存储介质 | |
CN110598989B (zh) | 一种货源质量评估方法、装置、设备和存储介质 | |
CN111680941A (zh) | 保价推荐方法、装置、设备及存储介质 | |
WO2022204352A9 (en) | Electronic system for monitoring and automatically controlling cargo transportation | |
CN111815250A (zh) | 用于物流的货物状态识别方法、装置及二分类建模方法 | |
Popescu | Eliminating transportation waste using the transportation value stream map | |
CN112053087A (zh) | 投诉工单的处理方法、装置、设备及存储介质 | |
US20240193648A1 (en) | Invoice payment authorization platform | |
CN111932035B (zh) | 基于多模型的数据处理方法、装置及分类建模的方法 | |
KR20200045769A (ko) | 해상 수출 물류 비용 연산 및 중개 시스템 | |
CN111932031B (zh) | 货物状态预测的方法、装置及多分类建模方法 | |
US20240220926A1 (en) | Techniques for training a neural network to dynamically predict order fulfillment | |
CN110796417B (zh) | 一种货源价值确定方法、装置、设备和存储介质 | |
KR102248337B1 (ko) | 항공 수출 물류 비용 연산 및 중개 시스템 | |
CN114202208A (zh) | 延迟装卸货的风险检测方法、装置及电子设备 | |
CN117669900A (zh) | 车辆推荐方法、装置、计算机可读介质及电子设备 | |
CN117455338A (zh) | 一种基于eta模型的货物送达时间预估方法及系统 |
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: 20210528 |
|
WW01 | Invention patent application withdrawn after publication |