CN112906926B - 一种铁路运输流向的预测方法、装置、设备及存储介质 - Google Patents
一种铁路运输流向的预测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112906926B CN112906926B CN201911136209.XA CN201911136209A CN112906926B CN 112906926 B CN112906926 B CN 112906926B CN 201911136209 A CN201911136209 A CN 201911136209A CN 112906926 B CN112906926 B CN 112906926B
- Authority
- CN
- China
- Prior art keywords
- shift
- transportation
- determining
- collection
- flow direction
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000001550 time effect Effects 0.000 claims abstract description 27
- 238000013439 planning Methods 0.000 claims abstract description 25
- 238000012546 transfer Methods 0.000 claims description 126
- 230000032683 aging Effects 0.000 claims description 52
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012384 transportation and delivery Methods 0.000 abstract description 40
- 238000012545 processing Methods 0.000 abstract description 5
- 230000007704 transition Effects 0.000 description 37
- 238000004364 calculation method Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000013410 fast food Nutrition 0.000 description 1
- 229910052742 iron Inorganic materials 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"
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种铁路运输流向的预测方法、装置、计算机设备及存储介质,涉及数据处理技术领域。其中,方法,包括:确定铁路运输规划中每个不同流向的铁路运输时效;以及历史陆运数据中的相同流向的陆运运输时效;将所确定的陆运运输时效和铁路运输时效进行对比,确定出铁路运输更优的流向,将更优的流向作为预测的目标流向。本发明实施例根据陆运运输时效的数据和铁路运输规划中的铁路运输时效进行对比,来预测铁路运输更优的目标流向,以开放更多流向使用铁路资源,提高不同快递件(货运产品)运输过程的稳定性、安全性、运输效率,降低成本,可满足远距离运输需求,并且能承运各类货物。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种铁路运输流向的预测方法、装置、计算机设备及存储介质。
背景技术
在现有的物流运输方式中,由于受陆运和航空运输属性的限制,重量/容积较大或种类特殊的快递件可能无法实行运输。同时,陆运和航空的运输方式容易受天气和距离约束,在外界环境不良的情况下,易导致快递件时效延误。
发明内容
本发明实施例提供一种铁路运输流向的预测方法、装置、计算机设备及存储介质,可实现对铁路运输流向的预测,解决上述提及的快递件运输中的问题。
本发明实施例提供了一种铁路运输流向的预测方法,包括:
确定铁路运输规划中每个不同流向的集货班次和散货班次;
根据所述铁路运输规划中的所述集货班次和所述散货班次确定每个不同流向的铁路运输时效;
从历史陆运数据中获取相同流向的相同集货班次,以及所述相同集货班次对应的散货班次;
根据所述历史陆运数据中的所述相同集货班次和所述对应的散货班次确定相同流向的陆运运输时效;
将所述陆运运输时效和所述铁路运输时效进行对比,确定出铁路运输更优的流向,将所述更优的流向作为预测的目标流向。
本发明实施例还提供了一种铁路运输流向的预测装置,包括:
班次确定单元,用于确定铁路运输规划中每个不同流向的集货班次和散货班次;
第一时效确定单元,用于根据所述铁路运输规划中的所述集货班次和所述散货班次确定每个不同流向的铁路运输时效;
获取单元,用于从历史陆运数据中获取相同流向的相同集货班次,以及所述相同集货班次对应的散货班次;
第二时效确定单元,用于根据所述历史陆运数据中的所述相同集货班次和所述对应的散货班次确定相同流向的陆运运输时效;
目标流向确定单元,用于将所述陆运运输时效和所述铁路运输时效进行对比,确定出铁路运输更优的流向,将所述更优的流向作为预测的目标流向。
进一步地,所述班次确定单元,包括:
站点获取单元,用于获取铁路运输规划中每个不同流向的始发站点和目的地站点;
第一班次确定单元,用于确定所述始发站点所对应的始发中转场的集货班次;
第二班次确定单元,用于确定所述目的地站点所对应的目的地中转场的散货班次。
进一步地,所述第一班次确定单元,包括:
始发确定单元,用于确定所述始发站点所对应的始发中转场;
集货时间确定单元,用于根据所述始发站点的发车时间确定所述始发中转场的最晚集货发车时间;
集货班次确定单元,用于根据所述最晚集货发车时间从所述始发中转场的所有集货班次中,确定所述始发中转场的集货班次。
进一步地,所述第二班次确定单元,包括:
目的地确定单元,用于确定所述目的地站点所对应的目的地中转场;
散货时间确定单元,用于根据所述目的地站点的到车时间确定所述目的地中转场的最晚散货到车时间;
散货班次确定单,用于根据所述最晚散货到车时间,从所述目的地中转场的所有散货班次中,确定所述目的地中转场的散货班次。
进一步地,所述班次确定单元,还包括:
路线获取单元,用于获取铁路运输中的原始路线信息;
流向确定单元,用于根据预设条件,从所述原始路线信息中确定目标路线信息,将不同目标路线确定为所述铁路运输规划中的不同流向。
进一步地,所述第一时效确定单元,包括:
日期获取单元,用于获取所述铁路运输规划中的所述集货班次所对应的日期和所述散货班次所对应的日期,以及铁路运输方式;
铁路天数计算单元,用于根据所述集货班次所对应的日期和所述散货班次所对应的日期,以及所述铁路运输方式计算所述铁路运输方式所对应的铁路运输天数;
铁路时效确定单元,用于根据所述散货班次确定所述铁路运输方式所对应的时效时间;
铁路运输时效确定单元,用于根据所述铁路运输天数和所述时效时间确定所述铁路运输方式所对应的铁路运输时效。
进一步地,所述第二时效确定单元,包括:
陆运运输时效计算单元,用于根据所述历史陆运数据中所述相同集货班次,以及多个快递件的所述对应的散货班次,计算相同流向下所述多个快递件的陆运运输时效。
占比计算单元,用于统计所计算的多个快递件的陆运运输时效占比;
陆运运输时效确定单元,用于将占比最大的陆运运输时效作为所述相同集货班次、相同流向下的陆运运输时效。
本发明实施例还提供了一种计算机设备,所述计算机设备包括:一个或多个处理器;存储器;以及一个或多个应用程序,其中所述处理器和所述存储器相连接,所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行上述任一项所述的铁路运输流向的预测方法。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行上述任一项所述的铁路运输流向的预测方法。
本发明实施例通过确定铁路运输规划中每个不同流向的铁路运输时效;以及历史陆运数据中的相同流向的陆运运输时效;将所确定的陆运运输时效和铁路运输时效进行对比,确定出铁路运输更优的流向,将更优的流向作为预测的目标流向。本发明实施例根据陆运运输时效的数据和铁路运输规划中的铁路运输时效进行对比,来预测铁路运输更优的目标流向,以开放更多流向使用铁路资源,提高不同快递件(货运产品)运输过程的稳定性(受地理位置和气候影响小),安全性和运输效率;通过铁路运输快递件(货运产品),减少陆运/航空运输资源,实现降低成本目的;可满足远距离运输需求,并且能承运各类货物,提升客户体验。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是本发明实施例提供的铁路运输流向的预测方法的流程示意图;
图2是本发明实施例提供的铁路运输流向的预测方法的子流程示意图;
图3是本发明实施例提供的铁路运输流向的预测方法的子流程示意图;
图4是本发明实施例提供的铁路运输流向的预测方法的子流程示意图;
图5是本发明实施例提供的铁路运输流向的预测装置的示意性框图;
图6是本发明实施例提供的班次确定单元的示意性框图;
图7是本发明实施例提供的第一时效确定单元的示意性框图;
图8是本发明实施例提供的计算机设备的示意性框图。
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例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。另外,“第一”、“第二”这些术语用来将多个元素彼此区分开。例如,在不脱离本发明范围的前提下,第一预设时间可以被称为第二预设时间,并且类似地,第二预设时间可以被称为第一预设时间。第一预设时间和第二预设时间均为预设时间,但它们并非同一预设时间。
在本发明中,“示例性”一词用来表示“用作例子、例证或说明”。本发明中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本发明。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本发明的描述变得晦涩。因此,本发明并非旨在限于所示的实施例,而是与符合本发明所公开的原理和特征的最广范围相一致。
本发明实施例提供一种铁路运输流向的预测方法、装置、计算机设备及存储介质。该铁路运输流向的预测方法运行于设备中,该设备可以是服务器,也可以是终端,如手机、Pad、台式电脑等设备。以下分别进行详细说明。
图1是本发明实施例提供的铁路运输流向的预测方法的流程示意图,该铁路运输流向的预测方法主要包括下列步骤101~105,具体如下:
101,确定铁路运输规划中每个不同流向的集货班次和散货班次。
其中,将快递件(货运产品)从一个始发地运输到一个目的地,即对应一个流向。可以理解地,流向包括始发地和目的地,不同流向指的是不同始发地和/或不同目的地,如将快递件从北京运输到南京,与将快递件从北京运输到深圳是两个不同流向。在铁路运输规划中,由于每趟火车都有对应的站点,所有的快递件都只能在对应的站点上下车,因此,始发地对应指的是始发站点,目的地对应指的是目的地站点。
一天中对应有多个集货班次和多个散货班次。一个集货班次对应一天中的一个集货时间段,如将上午9:00-11:00的时间段确定为一个集货班次,将下午的14:00-16:00确定为另一个集货班次。在每一个集货班次中,都有很多的快递件(货运产品)被收集。一个散货班次对应一天中的一个散货时间段,如上午的10:00-12:00的时间段确定为一个散货班次,下午的14:00-16:00确定为另一个散货班次。在每一个散货班次中,都有很多的快递件(货运产品)被散发,如将快递件从中转场散发到各个网点。可类比进行理解,例如上班时有早班和晚班,那么一天中有多个不同的集货班次和多个不同的散货班次。需要注意的是,每一个集货班次和每一个散货班次中包括中转场以及对应的时间段信息,可理解为一个集货班次或者一个散货班次对应某一个中转场的某个时间段信息。在此,为了方便理解,只对时间段信息进行了说明。
具体地,如图2所示,步骤101,包括1011~1013,具体如下:
1011,获取铁路运输规划中每个不同流向的始发站点和目的地站点。
例如,将快递件从北京南运输到深圳北,对应一个流向;该流向的始发站点对应的是北京南站,该目的地站点对应的是深圳北站。如快递件从北京南运输到上海虹桥,对应一个流向;该流向的始发站点是北京南站,该目的地站点对应的是上海虹桥。如此,获取铁路运输规划中每个不同流向的始发站点和目的地站点。
1012,确定始发站点所对应的始发中转场的集货班次。
首先,确定始发站点所对应的始发中转场;获取始发站点的发车时间;再根据始发站点的发车时间确定始发中转场的最晚发车时间,将始发中转场的最晚发车时间确定为最晚集货发车时间;最后根据最晚集货发车时间从始发中转场对应的所有集货班次中,确定始发中转场的集货班次。其中,所确定的始发中转场的集货班次,理解为,始发中转场能参加的集货班次。
其中,确定始发站点所对应的始发中转场的步骤,包括:获取始发站点所属城市所对应的所有中转场,以及所有中转场的网络代码;按照预设的网络代码顺序,从所有中转场中确定始发站点的始发中转场。其中,每个始发站点所属城市所对应的所有中转场的信息,以及所有中转场的网络代码都已保存。例如,始发站点为北京南站,始发站点所属城市为北京,获取北京所对应的所有中转场,以及所有中转场的网络代码。预设的网络代码顺序可以是W/WA/VA/XA/XB/XT。其中,该网络代码顺序是根据始发站点所对应的所有中转场所到达的快递件件量从大到小的顺序排列的。例如,将所有中转场所到达的快递件按照件量分级排列,如设置快递件的件量在(A1-A2]范围内的中转场的网络代码包括W,设置快递件的件量在(A2-A3]范围内的中转场的网络代码包括WA,以此类推。其中,(A1-A2],指的是不包括A1但包括A2,(A2-A3],指的是不包括A2但包括A3,A1>A2>A3。如将北京先映射为010,然后从北京所对应的所有中转场中查找010W的中转场,若存在010W的中转场,则将该中转场确定为始发站点的中转场;若不存在010W的中转场,则从北京所对应的所有中转场中查找010WA的中转场,若存在010WA的中转场,则将该中转场确定为始发站点的中转场;若不存在010WA的中转场,则从北京所对应的所有中转场中查找010VA的中转场,以此类推。可以理解地,所有站点(包括始发站点和目的地站点)所属城市的中转场(包括始发中转场和目的地中转场)都按照预设的网络代码顺序,例如W/WA/VA/XA/XB/XT,来确定。
或者,确定始发站点所对应的始发中转场的步骤,包括:获取始发站点所属城市所对应的所有中转场,以及所有中转场的历史到达的快递件件量;根据所有中转场的历史到达的快递件件量确定所有中转场历史到达的平均快递件件量;按照历史到达的平均快递件件量,从所有中转场中确定始发站点的始发中转场。其中,历史到达的快递件件量可以是过去一周到达的快递件件量,也可以是过去一个月到达的快递件件量等。按照历史到达的平均快递件件量,从所有中转场中确定始发站点的始发中转场,包括:从所有中转场中将历史到达的平均快递件件量最大的确定为始发站点的始发中转场。
上述始发站点的始发中转场根据始发站点所属城市所对应的所有中转场中到达的快递件件量来确定,将所有中转场中到达的快递件件量最大的中转场确定为始发中转场,以保证最多的快递件可以从该始发中转场运输到始发站点。
确定始发站点的始发中转场还可以按照其他的方式来确定,如:确定始发站点附近的预设距离内的所有中转场;在所有中转场中,将行驶时长最小的中转场作为始发中转场。例如,若始发站点是北京南站,按照距离来确定北京南站附近的所有中转场,如将北京南站附近的预设距离内的中转场确定为北京南站附近的所有中转场。确定的北京南站附近的所有中转场包括中转场A、中转场B、中转场C等,其中,中转场A到北京南站的行驶时长为0.5h,中转场B到北京南站的行驶时长为1.1h,中转场C到北京南站的行驶时长为1.2h,则将中转场A确定为北京南站的始发中转场。需要说明的是,预先已保存有所有地区的所有中转场的信息,且这些中转场的信息短时间内一般不会发生变化。该始发站点的始发中转场根据距离和行驶时长来确定,以充分利用距离优势,减少货运车从始发中转场运输到始发站点的运输费用等。
还可以结合上述两种方式进行确定。例如,先按照始发站点所对应的所有中转场到达的快递件件量确定,若快递件件量的等级在同一个等级的有多个中转场,则按照距离和行驶时长,从多个中转场中确定一个距离始发站点在预设距离内,且行驶时长最小的中转场,确定为始发站点的始发中转场。或者,先按照距离和行驶时长,从始发站点所对应的所有中转场中确定距离始发站点在预设距离内,且行驶时长最小的中转场;若所确定的中转场有多个,则按照到达的快递件件量从多个中转场中确定一个到达的快递件件量最大的中转场确定为始发站点的始发中转场。
需要注意的是,所有的中转场(包括始发中转场和目的地中转场)都有对应的网络代码。在确定了站点的中转场后,可将该中转场映射为对应的网络代码。例如所确定的北京南站所属城市北京的中转场为010W。
始发站点的发车时间,指的是铁路运输中的每趟火车的发车时间。
其中,根据始发站点的发车时间确定始发中转场的最晚集货发车时间的步骤,包括:将始发站点的发车时间,向前推第一预设时间,以得到始发中转场的最晚集货发车时间。其中,第一预设时间可以设置为2h,其中,1h短驳(包括行驶时长、临时停车时长等的短途驳载,亦即长途运输中改变运输手段的中继驳运),1h装车(包括将快递件装上货运车、将快递件从货运车装上火车等),第一预设时间还可以设置为其他的时间。需要注意的是,该第一预设时间预留充足,货运车一定会从始发中转场赶上始发站点的火车,并进行装货等。其中,始发中转场的最晚集货发车时间,可以理解为,在该最晚集货发车时间以及最晚集货发车时间之前出发到始发站点的货运车,都可以赶上始发站点的发车时间对应的火车。如始发站点的发车时间为12:00,向前推2h,为10:00,则始发中转场的最晚集货发车时间为10:00;在10:00以及10:00之前出发到始发站点的货运车,都可以赶上12:00的始发站点的火车。
其中,根据所述最晚集货发车时间从所述始发中转场的所有集货班次中,确定所述始发中转场的集货班次的步骤,包括:获取始发中转场的所有集货班次,其中,该处的所有集货班次指的是当天以及前一天中的所有集货班次;确定所有集货班次中离最晚集货发车时间最近的一个集货班次;将该最近的一个集货班次确定为始发中转场的集货班次。其中,离最晚集货发车时间最近的一个集货班次,可以指在最晚集货发车时间之前,离最晚集货发车时间最近的一个集货班次。例如,始发中转场的最晚集货发车时间为10:00,若始发中转场的所有集货班次中有8:00-9:30、10:20-12:20的集货班次,在最晚集货发车时间之前,离最晚集货发车时间最近的一个集货班次为8:00-9:30的集货班次,将该集货班次确定为始发中转场的集货班次。可以理解为在8:00-9:30之间出发到始发站点的货运车,一定赶得上始发站点的发车时间(12:00)对应的火车。离最晚集货发车时间最近的一个集货班次,在一些情况下,还可以指包括该最晚集货发车时间的一个集货班次(集货班次的开始时间为该最晚集货发车时间的不计入内),若不存在包括该最晚集货发车时间最近的一个集货班次,则指在最晚集货发车时间之前,离最晚集货发车时间最近的一个集货班次。例如,始发中转场的最晚集货发车时间为10:00,若始发中转场的所有集货班次中有9:00-11:00的一个集货班次,则该集货班次对应的时间中包括最晚集货发车时间10:00,则将该集货班次作为始发中转场的集货班次。可以理解为在9:00-10:00之间出发到始发站点的货运车,可以赶上始发站点的发车时间(12:00)对应的火车。始发中转场的集货班次还可以按照其他的方式确定。
需要注意的是,若离最晚集货发车时间最近的一个集货班次,指的是在最晚集货发车时间之前,离最晚集货发车时间最近的一个集货班次。若计算出的最晚集货发车时间为9:00,始发中转场的所有集货班次中有8:00-9:30、10:20-12:20的集货班次,在最晚集货发车时间之前,当天内不存在离最晚集货发车时间最近的一个集货班次,则将前一天对应的集货班次确定为始发中转场的集货班次。其中,将前一天对应的集货班次确定为始发中转场的集货班次,包括:将前一天的最后一个集货班次确定为始发中转场的集货班次,如22:20-00:20的集货班次;也可以将前一天在最晚集货发车时间之前,离最晚集货发车时间最近的一个集货班次确定为始发中转场的集货班次,如前一天的8:00-9:30的集货班次;也可以按照其他的方式确定。
1013,确定目的地站点所对应的目的地中转场的散货班次。
首先,确定目的地站点所对应的目的地中转场;获取目的地站点的到车时间;再根据目的地站点的到车时间确定目的地中转场的最晚到车时间,将目的地中转场的最晚到车时间确定为最晚散货到车时间;最后根据最晚散货到车时间,从目的地中转场的所有散货班次中,确定目的地中转场的散货班次。
其中,确定目的地站点所对应的目的地中转场的步骤,包括:获取目的地站点所属城市所对应的所有中转场,以及所有中转场的网络代码;按照预设的网络代码顺序,从所有中转场中确定目的地站点的目的地中转场。其中,预设的网络代码顺序可以是W/WA/VA/XA/XB/XT。或者,确定目的地站点所对应的目的地中转场的步骤,包括:获取目的地站点所属城市所对应的所有中转场,以及所有中转场的历史到达的快递件件量;根据所有中转场的历史到达的快递件件量确定所有中转场历史到达的平均快递件件量;按照历史到达的平均快递件件量,从所有中转场中确定目的地站点的目的地中转场。具体地,确定目的地站点的目的地中转场的方式与确定始发站点的始发中转场的方式相同,在此不再赘述。
还可以通过其他方式来确定目的地站点所对应的目的地中转场,如:确定目的地站点附近的预设距离内的所有中转场;在所有中转场中,将行驶时长最小的中转场作为目的地中转场。具体地,确定目的地站点所对应的目的地中转场的方式与确定始发站点所对应的始发中转场的方式相同,在此不再赘述。
还可以结合上述两种方式来确定目的地站点所对应的目的地中转场的,具体地,请参看上文中确定始发站点所对应的始发中转场的对应描述。
目的地站点的到车时间,指的是铁路运输中的每趟火车到达目的地站点的时间。
其中,根据目的地站点的到车时间确定目的地中转场的最晚散货到车时间的步骤,包括:将目的地站点的到车时间,向后推第二预设时间,以得到目的地中转场的最晚散货到车时间。其中,第二预设时间可以设置为2h,其中,1h短驳(包括行驶时长、临时停车时长等),1h装车(包括将快递件从火车装上货运车等),第二预设时间还可以设置为其他的时间。第二预设时间可以与第一预设时间相同。其中,目的地中转场的最晚散货到车时间,可以理解为,货运车在该最晚散货到车时间都可以到达目的地中转场。如目的地站点的到车时间为16:00,向后推2h,为18:00,则目的地中转场的最晚散货到车时间为18:00。
其中,根据所述最晚散货到车时间,从所述目的地中转场的所有散货班次中,确定所述目的地中转场的散货班次的步骤,包括:获取目的地中转场的所有散货班次,其中,该处的所有散货班次指的是当天和后一天中的所有散货班次;确定所有散货班次中离最晚散货到车时间最近的一个散货班次;将该最近的一个散货班次确定为目的地中转场的散货班次。其中,离最晚散货到车时间最近的一个散货班次,可以指包括该最晚散货到车时间的一个散货班次(散货班次的截止时间为该最晚散货到车时间的不计入内),也可以指在最晚散货到车时间之后,离最晚散货到车时间最近的一个散货班次。例如,目的地中转场的最晚散货到车时间为18:00,若目的地中转场的所有散货班次中有17:30-18:20的一个散货班次,则该散货班次对应的时间中包括最晚散货到车时间18:00,则将该散货班次作为目的地中转场的散货班次。可以理解为在18:00或者之前到达目的地中转场的货运车,一定能赶上该散货班次中的17:30-18:20的散货时间进行散货,因此,也一定能赶上17:30-18:20这个散货班次。再例如,目的地中转场的最晚散货到车时间为18:00,若目的地中转场的所有散货班次中有15:30-17:30、18:30-20:30的散货班次,在最晚散货到车时间之后,离最晚散货到车时间最近的一个散货班次为18:30-20:30的散货班次,将该散货班次确定为目的地中转场的散货班次。
其中,还可以通过其他的方式来确定目的地中转场的散货班次,具体地,包括:获取目的地中转场的所有散货班次,其中,该处的所有散货班次指的是当天和后一天中的所有散货班次;获取所有散货班次中的班次最晚到车时间;将最晚散货到车时间在班次最晚到车时间或者班次最晚到车时间之前的一个散货班次确定为目的地中转场的散货班次。可以理解地,目的地中转场的最晚散货到车时间<=班次最晚到车时间。在该方案中,可以理解为,在每个散货班次中,都对应设置一个班次最晚到车时间,在该班次最晚到车时间或者该班次最晚到车时间之前到达的快递件(货运产品),在该散货班次中都可以被散发出去,而在该班次最晚到车时间之后到的快递件(货运产品),在该散货班次中不会被散发出去。因此,获取所有散货班次中的班次最晚到车时间之后,将目的地中转场的最晚散货到车时间在班次最晚到车时间或者班次最晚到车时间之前的一个散货班次确定为目的地中转场的散货班次。例如,目的地中转场的最晚散货到车时间为18:00,若目的地中转场的所有散货班次中有15:30-17:30、17:00-19:00、18:30-20:30的散货班次,每个散货班次中的班次最晚到车时间为16:30、18:00、19:30,则最晚散货到车时间(18:00)在班次最晚到车时间(6:30、18:00、19:30)或者班次最晚到车时间之前的一个时间为18:00(班次最晚到车时间),将班次最晚到车时间为18:00所对应的散货班次17:00-19:00确定为目的地中转场的散货班次。
需要注意的是,若当天最晚散货到车时间在所有的班次最晚到车时间之后,则将后一天对应的散货班次确定为目的地中转场的散货班次。其中,将后一天对应的散货班次确定为目的地中转场的散货班次,包括:将后一天的最早的一个散货班次确定为目的地中转场的散货班次;也可以按照其他的方式确定目的地中转场的散货班次。
需要注意的是,步骤1012与步骤1013的执行顺序并不做具体限定,如步骤1012与步骤1013可同步并行执行,也可异步串行执行。如异步串行执行时也可以先执行步骤1013,再执行步骤1012。
进一步地,在步骤1011之前,还包括:1011a~1011b。
1011a,获取铁路运输中的原始路线信息。
每个原始路线中,除了包括站点信息(始发站点、经停站点、目的地站点)之外,还包括经停时间信息。其中,经停时间信息包括站点经过时间信息、在该站点停留时间信息。例如,从北京到上海的路线中,站点信息包括:北京南、济南西、南京南、上海虹桥等。每个经停站点信息都包括经停时间信息,如济南西的经停时间信息分别为:12:00,30分钟;表示12:00到达济南西站,在济南西站停留30分钟。或者济南西的经停时间信息分别为12:00,12:30;表示12:00到达济南西站(到达时间),12:30从济南西站出发(出发时间)。则在该站点停留时间信息,也可通过站点的到达时间和出发时间计算出来。如在济南西的站点停留时间信息为12:30-12:00=0:30,即30分钟。
1011b,根据预设条件,从原始路线信息中确定目标路线信息,将不同目标路线确定为铁路运输规划中的不同流向。
具体地,步骤1011b,包括:将原始路线信息按照“站-站”形式拆解,以得到多个候选路线;根据预设条件,从多个候选路线中提取出目标路线。其中,预设条件包括原始路线中的始发站点和目的地站点的路线、经停时间不低于第一预设时间的经停站点的路线。
例如,从北京到上海的路线中,站点信息包括:北京南、济南西、南京南、上海虹桥等,那么可拆解为北京南-济南西、北京南-南京南、北京南-上海虹桥、济南西-南京南、济南西-上海虹桥、南京南-上海虹桥等多个候选路线。从多个候选路线中提取原始路线中的始发站点和终到站点的路线,以及经停不低于第一预设时间的经停站点的路线,作为目标路线。原始路线中的始发站点和终到站点的路线,为北京南-上海虹桥。其中,第一预设时间可以是30分钟,也可以是其他的时间。如在济南西停留30分钟,在南京南停留20分钟,如此,该从北京到上海的路线,目标路线包括:北京南-济南西、济南西-上海虹桥、北京南-上海虹桥。将不同目标路线确定为不同流向。
102,根据铁路运输规划中的集货班次和散货班次确定每个不同流向的铁路运输时效。
对于每一天,都有多个集货班次和多个散货班次。对于每一个集货班次和每一个散货班次,都有开始时间和截止时间。例如,18:00-19:00的散货班次中,开始时间为18:00,截止时间为19:00。
具体地,如图3所示,步骤102包括1021~1024,具体如下:
1021,获取铁路运输规划中的集货班次所对应的日期和散货班次所对应的日期,以及铁路运输方式。
获取铁路运输规划中的始发中转场的集货班次所对应的日期和目的地中转场的散货班次所对应的日期,其中,始发中转场的集货班次所对应的日期,即为始发站点的发车日期,目的地中转场的散货班次所对应的日期即为目的地站点的到车日期。其中,铁路运输方式包括行李车、高铁、城际、动车等。行李车指的是在铁路上运行的,主要用于装载快递件(货运产品)的车。需要注意的是,上文中的火车包括行李车、高铁、城际、动车等。为了简化,将铁路运输方式分为两种:行李车、高铁/城际/动车。
1022,根据集货班次所对应的日期和散货班次所对应的日期,以及铁路运输方式计算铁路运输方式所对应的铁路运输天数。
其中,行李车、高铁/城际/动车的铁路运输天数的计算方式不同。
具体地,步骤1022,包括:根据集货班次所对应的日期和散货班次所对应的日期计算运输天数;判断铁路运输方式是否为铁路运输中的行李车;若铁路运输方式为行李车,根据行李车在始发站点的发车时间和所计算出的运输天数确定行李车的铁路运输天数;若铁路运输方式为非行李车,将所计算车的运输天数作为铁路运输天数。其中,非行李车包括高铁/城际/动车。
其中,根据集货班次所对应的日期和散货班次所对应的日期计算运输天数,包括:将散货班次所对应的日期-集货班次所对应的日期+1所对应的结果,确定为计算出的运输天数。例如,散货班次所对应的日期为2018.9.26日,集货班次所对应的日期为2018.9.25,则计算出的运输天数为2天。
其中,若铁路运输方式为铁路运输中的行李车,根据行李车在始发站点的发车时间和所计算出的运输天数确定行李车的铁路运输天数,包括:判断行李车在始发站点的发车时间是否在预设发车时间之前;若是,则将计算出的运输天数+1,作为行李车的铁路运输天数;若否,则将计算出的运输天数作为行李车的铁路运输天数。其中,预设发车时间可以设置为15:00。考虑了行李车在始发站点的发车时间,主要是为了解决行李车在预设发车时间之前集货较少的问题。可以理解地,若行李车在始发站点的发车时间在预设发车时间之前,则认为行李车上所集的货都是前一天的货,因此,将计算出的运输天数再加1,作为行李车的铁路运输天数。
1023,根据散货班次确定铁路运输方式所对应的时效时间。
具体地,将散货班次的截止时间确定为铁路运输方式所对应的时效时间。例如,18:00-19:00的散货班次中,截止时间为19:00,则将19:00作为时效时间。或者将散货班次的开始时间确定为铁路运输方式所对应的时效时间。
1024,根据铁路运输天数和时效时间确定铁路运输方式所对应的铁路运输时效。
例如,若计算出的铁路运输天数为2天,时效时间为19:00,则铁路运输时效为2D1900;若计算出的铁路运输天数为1天,即当天到达,时效时间为15:00,则铁路运输时效为1D1500。
在一些情况下,为了方便计算,也为了能进行统一,将所确定的铁路运输时效进行统一换算。如将铁路运输时效中的时效时间划分为几个:1200、1800、2359。具体地,可以理解为,将时效时间(散货班次的截止时间)为12:00之前的都统一换算为1200,将时效时间(散货班次的截止时间)在12:00-18:00之间的都统一换算为1800,将时效时间(散货班次的截止时间)在18:00-23:59之间的都统一换算为2359。例如,若铁路运输时效为2D1900,则统一换算后为2D2359;若铁路运输时效为1D1500,则统一换算后为1D1800。
需要注意的是,步骤1022与步骤1023的执行顺序不做限定,步骤1022与步骤1023可以同步并行执行,也可以异步串行执行。当异步串行执行时,也可以先执行步骤1023,再执行步骤1022。
按照以上步骤1021~1024计算出所有不同流向的铁路运输时效。
103,从历史陆运数据中获取相同流向的相同集货班次,以及相同集货班次对应的散货班次。
历史陆运数据是第三预设时间段内的陆运数据,如可以是过去一个月的陆运数据,也可以是过去好几个月的陆运数据等。需要注意的是,该处的历史陆运数据中不包括铁路运输的相关数据。
具体地,步骤103包括:获取预设时间的历史陆运数据,该历史陆运数据中包括多个快递件信息,每个快递件信息中包括快递件流向、快递件的集货班次、快递件的散货班次等;确定相同流向且相同集货班次的所有快递件对应的散货班次。
获取与铁路运输规划中的流向相同且集货班次相同的多个快递件信息,并根据多个快递件信息确定该多个快递件对应的散货班次。例如,铁路运输规划中的流向包括北京南-上海虹桥,集货班次为始发中转场A的9:00-10:00,则从历史陆运数据中,找到从北京发往上海,且集货班次为始发中转场A的9:00-10:00发出的所有快递件信息,在该种情况下,则认为将同一个始发中转场,且开始时间和截止时间都相同的集货班次作为相同集货班次,该相同集货班次可以用始发中转场网络代码+班次开始时间+班次截止时间来表示,如可以用代码010W09001000(始发中转场网络代码010W+班次开始时间09:00,班次截止时间1000)来表示。或者在一些情况下,将同一个始发中转场,且集货班次的开始时间相同的集货班次确定为相同集货班次,该相同集货班次可以用始发中转场网络代码+班次开始时间来表示,如可以用代码010W0900(始发中转场网络代码010W+班次开始时间09:00)来表示;或者将同一个始发中转场,且集货班次的截止时间相同的集货班次确定为相同集货班次,该相同集货班次可以用始发中转场网络代码+班次截止时间来表示,如可以用代码010W0900(始发中转场网络代码010W+班次截止时间10:00)来表示。例如,找到始发中转场A,且集货班次的开始时间为9:00的集货班次发出的所有快递件信息;或者找到始发中转场A,且集货班次的截止时间为10:00的相同集货班次发出的所有快递件信息。在这些情况下,则认为将同一个始发中转场且开始时间相同的集货班次作为相同集货班次,或者将同一个始发中转场,且截止时间相同的集货班次作为相同集货班次。每个快递件可能会存在多个散货班次,若存在多个散货班次,则将时间最晚的一个散货班次作为该快递件对应的散货班次,即相同集货班次(的快递件)对应的散货班次。将时间最晚的一个散货班次作为该快递件对应的散货班次,是因为考虑到快递件可能会存在多次中转。其中,时间最晚,可理解为日期最晚,若日期相同,则以散货班次的截止时间最晚为准。例如,一个快递件的散货班次,包括:目的地中转场B的20:00-22:00(2018.9.25)、15:00-17:00(2018.9.26),则将2018.9.26日的目的地中转场B的15:00-17:00的散货班次确定为该快递件对应的散货班次;一个快递件的散货班次,包括:目的地中转场B的10:00-12:00(2018.9.25)、15:00-17:00(2018.9.25),则将2018.9.25日的目的地中转场B的15:00-17:00的散货班次确定为该快递件对应的散货班次。如此,以获取所有相同流向且相同集货班次发出的所有快递件对应的散货班次。
104,根据历史陆运数据中的相同集货班次和对应的散货班次确定相同流向的陆运运输时效。
确定历史陆运数据中的相同集货班次、相同流向,多个快递件的陆运运输时效。
具体地,如图4所示,步骤104包括1041~1043,具体如下:
1041,根据历史陆运数据中相同集货班次,以及多个快递件对应的散货班次,计算相同流向下多个快递件的陆运运输时效。
根据历史陆运数据中相同集货班次所对应的日期和多个快递件的散货班次所对应的日期,计算陆运运输天数。例如,相同集货班次为始发中转场A的9:00-10:00,该相同集货班次所对应的日期为2018.9.25,其中,一个快递件的散货班次为目的地中转场B的20:00-22:00,该散货班次所对应的日期为2018.9.27日;则该快递件的陆运运输天数为:散货班次所对应的日期-相同集货班次所对应的日期+1,即3天。如此,计算相同流向下的,相同集货班次的多个快递件的陆运运输天数。
根据历史陆运数据中的对应的散货班次确定陆运所对应的时效时间。具体地,将散货班次的截止时间确定为陆运所对应的时效时间。例如,18:00-19:00的散货班次中,截止时间为19:00,则将19:00作为陆运所对应的时效时间。或者将散货班次的开始时间确定为陆运所对应的时效时间。
根据陆运运输天数和陆运所对应的时效时间确定陆运运输时效。例如,若计算出的陆运运输天数为2天,陆运所对应的时效时间为19:00,则陆运运输时效为2D1900;若计算出的陆运运输天数为1天,即当天到达,陆运所对应的时效时间为15:00,则陆运运输时效为1D1500。
在一些情况下,为了方便计算,也为了能进行统一,将所确定的陆运运输时效进行统一换算。具体地换算方式和对应的解释请参看铁运运输时效对应的内容,在此不再赘述。
1042,统计所计算的多个快递件的陆运运输时效占比。
具体地,将相同陆运运输时效的快递件进行统计,如将相同陆运运输时效的快递件的数量相加,再除以总的快递件数量,以得到所对应的陆运运输时效占比。例如,计算出的陆运运输时效包括2D1800、3D1200等。假设该流向该相同集货班次的快递件有1000件,陆运运输时效为2D1800的快递件相加后为200件,陆运运输时效为3D1200的快递件相加后为800件,则陆运运输时效为2D1800的占比为20%,陆运运输时效为3D1200的占比为80%。
1043,将占比最大的陆运运输时效作为相同集货班次、相同流向下的陆运运输时效。
例如,若陆运运输时效为2D1800的占比为20%,陆运运输时效为3D1200的占比为80%,则占比最大的陆运运输时效即为3D1200,将该陆运运输时效作为该流向该相同集货班次所对应的陆运运输时效。可以理解地,将该流向该相同集货班次中的大部分快件的陆运运输时效作为该流向该相同集货班次所对应的陆运运输时效,以避免一些意外情况而导致陆运运输时效的不准确。
需要注意的是,陆运运输中的快递件包括特惠件和标快件。计算陆运运输时效时,将特惠件和标快件分开来计算。因为,特惠件的陆运运输时效要比标快件的陆运运输时效要长一些。
如此,按照步骤1041~1043以得到历史陆运数据中所有流向所有相同集货班次的快递件的陆运运输时效。
105,将陆运运输时效和铁路运输时效进行对比,确定出铁路运输更优的流向,将铁路运输更优的流向作为预测的目标流向。
具体地,将陆运运输中的特惠件的陆运运输时效和铁路运输中的行李车的铁路运输时效进行对比,将陆运运输中的标快件的陆运运输时效和铁路运输中的非行李车(高铁/城际/动车)的铁路运输时效进行对比。通过对比,将铁路运输时效较小的流向确定为铁路运输更优的流向,将该更优的流向作为预测的目标流向,且获取该目标流向所对应的目标车次。其中,目标车次对应有一个或者多个,如从北京到上海的流向选择铁路运输更优,对应的北京到上海包括北京-上海,北京-上海-乌鲁木齐等车次,将北京-上海,北京-上海-乌鲁木齐等车次确定为北京到上海的目标车次。
本发明实施例根据陆运运输时效的数据和铁路运输规划中的铁路运输时效进行对比,来预测铁路运输更优的目标流向,以开放更多流向使用铁路资源,提高不同快递件(货运产品)运输过程的稳定性(受地理位置和气候影响小),安全性和运输效率;通过铁路运输快递件(货运产品),减少陆运/航空运输资源,实现降低成本目的;可满足远距离运输需求,并且能承运各类货物,提升客户体验。
为了更好实施本发明实施例中铁路运输流向的预测方法,在铁路运输流向的预测方法基础之上,本发明实施例中还提供一种铁路运输流向的预测装置。该铁路运输流向的预测装置集成于设备中,该设备可以是服务器,也可以是终端,如手机、Pad、台式电脑等设备。
图5是本发明实施例提供的铁路运输流向的预测装置的示意性框图,该铁路运输流向的预测装置包括班次确定单元201、第一时效确定单元202、获取单元203、第二时效确定单元204以及目标流向确定单元205。
班次确定单元201,用于确定铁路运输规划中每个不同流向的集货班次和散货班次。
进一步地,如图6所示,班次确定单元201包括站点获取单元2011、第一班次确定单元2012、第二班次确定单元2013。其中,站点获取单元2011,用于获取铁路运输规划中每个不同流向的始发站点和目的地站点。第一班次确定单元2012,用于确定始发站点所对应的始发中转场的集货班次。第二班次确定单元2013,用于确定目的地站点所对应的目的地中转场的散货班次。
进一步地,第一班次确定单元2012,包括:始发确定单元、集货时间确定单元、集货班次确定单元。其中,始发确定单元,用于确定始发站点所对应的始发中转场。集货时间确定单元,用于根据始发站点的发车时间确定始发中转场的最晚发车时间,将始发中转场的最晚发车时间确定为最晚集货发车时间。集货班次确定单元,用于根据最晚集货发车时间从始发中转场的所有集货班次中,确定始发中转场的集货班次。
进一步地,第二班次确定单元2013,包括:目的地确定单元、散货时间确定单元、散货班次确定单元。其中,目的地确定单元,用于确定所述目的地站点所对应的目的地中转场。散货时间确定单元,用于根据目的地站点的到车时间确定目的地中转场的最晚到车时间,将目的地中转场的最晚到车时间确定为最晚散货到车时间。散货班次确定单元,用于根据最晚散货到车时间,从目的地中转场的所有散货班次中,确定目的地中转场的散货班次。
进一步地,如图6所示,班次确定单元201还包括:路线获取单元2011a、流向确定单元2011b。其中,路线获取单元2011a,用于获取铁路运输中的原始路线信息。流向确定单元2011b,用于根据预设条件,从原始路线信息中确定目标路线信息,将不同目标路线确定为铁路运输规划中的不同流向。
第一时效确定单元202,用于根据铁路运输规划中的集货班次和散货班次确定每个不同流向的铁路运输时效。
进一步地,如图7所示,第一时效确定单元202,包括:日期获取单元2021、铁路天数计算单元2022、铁路时效确定单元2023、铁路运输时效确定单元2024。日期获取单元2021,用于获取铁路运输规划中的集货班次所对应的日期和散货班次所对应的日期,以及铁路运输方式。铁路天数计算单元2022,用于根据集货班次所对应的日期和散货班次所对应的日期,以及铁路运输方式计算铁路运输方式所对应的铁路运输天数。铁路时效确定单元2023,用于根据散货班次确定铁路运输方式所对应的时效时间。铁路运输时效确定单元2024,用于根据铁路运输天数和时效时间确定铁路运输方式所对应的铁路运输时效。
进一步地,第一时效确定单元202,还包括:第一换算单元。其中,第一换算单元,用于将所确定的铁路运输时效进行统一换算。
获取单元203,用于从历史陆运数据中获取相同流向的相同集货班次,以及相同集货班次对应的散货班次。
第二时效确定单元204,用于根据历史陆运数据中的相同集货班次和所述对应的散货班次确定相同流向的陆运运输时效。
进一步地,第二时效确定单元204,包括:陆运运输时效计算单元、占比计算单元、陆运运输时效确定单元。其中,陆运运输时效计算单元,用于根据历史陆运数据中相同集货班次,以及多个快递件对应的散货班次,计算相同流向下多个快递件的陆运运输时效。占比计算单元,用于统计所计算的多个快递件的陆运运输时效占比。陆运运输时效确定单元,用于将占比最大的陆运运输时效作为相同集货班次、相同流向下的陆运运输时效。
进一步地,第二时效确定单元204,还包括:第二换算单元。其中,第二换算单元,用于将所确定的陆运运输时效进行统一换算。
目标流向确定单元205,用于将陆运运输时效和铁路运输时效进行对比,确定出铁路运输更优的流向,将更优的流向作为预测的目标流向。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述装置和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
本发明实施例还提供一种计算机设备,其集成了本发明实施例所提供的任一种铁路运输流向的预测装置,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行上述任一实施例中所述的铁路运输流向的预测方法中的步骤。
如图8所示,其示出了本发明实施例所涉及的计算机设备的结构示意图,具体来讲:
该计算机设备可以包括一个或者一个以上处理核心的处理器301、一个或一个以上计算机可读存储介质的存储器302、电源303和输入单元304等部件。本领域技术人员可以理解,图中示出的计算机设备结构并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器301是该计算机设备的控制中心,利用各种接口和线路连接整个计算机设备的各个部分,通过运行或执行存储在存储器302内的软件程序和/或模块,以及调用存储在存储器302内的数据,执行计算机设备的各种功能和处理数据,从而对计算机设备进行整体监控。可选的,处理器301可包括一个或多个处理核心;优选的,处理器301可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器301中。
存储器302可用于存储软件程序以及模块,处理器301通过运行存储在存储器302的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器302可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器302可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器302还可以包括存储器控制器,以提供处理器301对存储器302的访问。
计算机设备还包括给各个部件供电的电源303,优选的,电源303可以通过电源管理系统与处理器301逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源303还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该计算机设备还可包括输入单元304,该输入单元304可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,计算机设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,计算机设备中的处理器301会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器302中,并由处理器301来运行存储在存储器302中的应用程序,从而实现各种功能,如下:
确定铁路运输规划中每个不同流向的集货班次和散货班次;
根据所述铁路运输规划中的所述集货班次和所述散货班次确定每个不同流向的铁路运输时效;
从历史陆运数据中获取相同流向的相同集货班次,以及所述相同集货班次对应的散货班次;
根据所述历史陆运数据中的所述相同集货班次和所述对应的散货班次确定相同流向的陆运运输时效;
将所述陆运运输时效和所述铁路运输时效进行对比,确定出铁路运输更优的流向,将所述更优的流向作为预测的目标流向。
该计算机设备可以实现本发明实施例所提供的铁路运输流向的预测方法任一实施例中的步骤,因此,可以实现本发明实施例所提供的任一铁路运输流向的预测方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本发明实施例提供一种存储介质,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行本发明实施例所提供的任一种铁路运输流向的预测方法中的步骤。例如,所述计算机程序被处理器进行加载可以执行如下步骤:
确定铁路运输规划中每个不同流向的集货班次和散货班次;
根据所述铁路运输规划中的所述集货班次和所述散货班次确定每个不同流向的铁路运输时效;
从历史陆运数据中获取相同流向的相同集货班次,以及所述相同集货班次对应的散货班次;
根据所述历史陆运数据中的所述相同集货班次和所述对应的散货班次确定相同流向的陆运运输时效;
将所述陆运运输时效和所述铁路运输时效进行对比,确定出铁路运输更优的流向,将所述更优的流向作为预测的目标流向。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见上文针对其他实施例的详细描述,此处不再赘述。
具体实施时,以上各个单元或结构可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元或结构的具体实施可参见前面的方法实施例,在此不再赘述。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
以上对本发明实施例所提供的一种铁路运输流向的预测方法、装置、计算机设备及存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种铁路运输流向的预测方法,其特征在于,包括:
确定铁路运输规划中每个不同流向的集货班次和散货班次,所述流向包括铁路运输规划中的始发站点和目的地站点;
根据所述铁路运输规划中的所述集货班次和所述散货班次确定每个不同流向的铁路运输时效,所述铁路运输时效包括铁路运输天数和所述散货班次的开始时间或者截止时间,所述铁路运输天数由所述集货班次所对应的日期、所述散货班次所对应的日期和铁路运输方式确定;
从历史陆运数据中获取相同流向的相同集货班次,以及所述相同集货班次对应的散货班次;
根据所述历史陆运数据中的所述相同集货班次和所述对应的散货班次确定相同流向的陆运运输时效,包括:根据所述历史陆运数据中所述相同集货班次,以及多个快递件的所述对应的散货班次,计算相同流向下所述多个快递件的陆运运输时效;统计所计算的多个快递件的陆运运输时效占比;将占比最大的陆运运输时效作为所述相同集货班次、相同流向下的陆运运输时效;
将所述陆运运输时效和所述铁路运输时效进行对比,确定出铁路运输更优的流向,将所述更优的流向作为预测的目标流向;
其中,所述确定铁路运输规划中每个不同流向的集货班次和散货班次,包括:
获取铁路运输规划中每个不同流向的始发站点和目的地站点;
确定所述始发站点所对应的始发中转场的集货班次,并确定所述目的地站点所对应的目的地中转场的散货班次;
其中,所述确定所述始发站点所对应的始发中转场的集货班次,包括:
确定所述始发站点所对应的始发中转场;
根据所述始发站点的发车时间确定所述始发中转场的最晚集货发车时间;
根据所述最晚集货发车时间从所述始发中转场的所有集货班次中,确定所述始发中转场的集货班次,其中,该处的所有集货班次指的是当天以及前一天中的所有集货班次。
2.如权利要求1所述的铁路运输流向的预测方法,其特征在于,所述确定所述目的地站点所对应的目的地中转场的散货班次,包括:
确定所述目的地站点所对应的目的地中转场;
根据所述目的地站点的到车时间确定所述目的地中转场的最晚散货到车时间;
根据所述最晚散货到车时间,从所述目的地中转场的所有散货班次中,确定所述目的地中转场的散货班次。
3.如权利要求1所述的铁路运输流向的预测方法,其特征在于,在所述获取铁路运输规划中每个不同流向的始发站点和目的地站点之前,还包括:
获取铁路运输中的原始路线信息;
根据预设条件,从所述原始路线信息中确定目标路线信息,将不同目标路线确定为所述铁路运输规划中的不同流向。
4.如权利要求1所述的铁路运输流向的预测方法,其特征在于,所述根据所述铁路运输规划中的所述集货班次和所述散货班次确定每个不同流向的铁路运输时效,包括:
获取所述铁路运输规划中的所述集货班次所对应的日期和所述散货班次所对应的日期,以及铁路运输方式;
根据所述集货班次所对应的日期和所述散货班次所对应的日期,以及所述铁路运输方式计算所述铁路运输方式所对应的铁路运输天数;
根据所述散货班次确定所述铁路运输方式所对应的时效时间;
根据所述铁路运输天数和所述时效时间确定所述铁路运输方式所对应的铁路运输时效。
5.一种铁路运输流向的预测装置,其特征在于,包括:
班次确定单元,用于确定铁路运输规划中每个不同流向的集货班次和散货班次,所述流向包括铁路运输规划中的始发站点和目的地站点;
第一时效确定单元,用于根据所述铁路运输规划中的所述集货班次和所述散货班次确定每个不同流向的铁路运输时效,所述铁路运输时效包括铁路运输天数和所述散货班次的开始时间或者截止时间,所述铁路运输天数由所述集货班次所对应的日期、所述散货班次所对应的日期和铁路运输方式确定;
获取单元,用于从历史陆运数据中获取相同流向的相同集货班次,以及所述相同集货班次对应的散货班次;
第二时效确定单元,用于根据所述历史陆运数据中的所述相同集货班次和所述对应的散货班次确定相同流向的陆运运输时效,包括:根据所述历史陆运数据中所述相同集货班次,以及多个快递件的所述对应的散货班次,计算相同流向下所述多个快递件的陆运运输时效;统计所计算的多个快递件的陆运运输时效占比;将占比最大的陆运运输时效作为所述相同集货班次、相同流向下的陆运运输时效;
目标流向确定单元,用于将所述陆运运输时效和所述铁路运输时效进行对比,确定出铁路运输更优的流向,将所述更优的流向作为预测的目标流向;
其中,所述班次确定单元包括:
站点获取单元,用于获取铁路运输规划中每个不同流向的始发站点和目的地站点;
第一班次确定单元,用于确定始发站点所对应的始发中转场的集货班次,具体包括:确定所述始发站点所对应的始发中转场;根据所述始发站点的发车时间确定所述始发中转场的最晚集货发车时间;根据所述最晚集货发车时间从所述始发中转场的所有集货班次中,确定所述始发中转场的集货班次,其中,该处的所有集货班次指的是当天以及前一天中的所有集货班次;
第二班次确定单元,用于确定目的地站点所对应的目的地中转场的散货班次。
6.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;存储器;以及一个或多个应用程序,其中所述处理器和所述存储器相连接,所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现权利要求1至4中任一项所述的铁路运输流向的预测方法。
7.一种存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行权利要求1至4任一项所述的铁路运输流向的预测方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911136209.XA CN112906926B (zh) | 2019-11-19 | 2019-11-19 | 一种铁路运输流向的预测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911136209.XA CN112906926B (zh) | 2019-11-19 | 2019-11-19 | 一种铁路运输流向的预测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112906926A CN112906926A (zh) | 2021-06-04 |
CN112906926B true CN112906926B (zh) | 2024-02-02 |
Family
ID=76104624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911136209.XA Active CN112906926B (zh) | 2019-11-19 | 2019-11-19 | 一种铁路运输流向的预测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112906926B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113723882A (zh) * | 2021-08-26 | 2021-11-30 | 拉扎斯网络科技(上海)有限公司 | 中继柜选址方法、订单配送方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809401A (zh) * | 2016-03-11 | 2016-07-27 | 惠龙易通国际物流股份有限公司 | 一种基于动态规划算法的货运信息处理方法及系统 |
CN107274665A (zh) * | 2017-07-31 | 2017-10-20 | 多维新创(北京)技术有限公司 | 巴士运力资源规划方法及系统 |
CN109658037A (zh) * | 2019-01-10 | 2019-04-19 | 跨越速运集团有限公司 | 一种物流路径智能规划方法及系统 |
CN109816151A (zh) * | 2018-12-29 | 2019-05-28 | 天津五八到家科技有限公司 | 运输路线规划、重现方法、服务器及存储介质 |
-
2019
- 2019-11-19 CN CN201911136209.XA patent/CN112906926B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809401A (zh) * | 2016-03-11 | 2016-07-27 | 惠龙易通国际物流股份有限公司 | 一种基于动态规划算法的货运信息处理方法及系统 |
CN107274665A (zh) * | 2017-07-31 | 2017-10-20 | 多维新创(北京)技术有限公司 | 巴士运力资源规划方法及系统 |
CN109816151A (zh) * | 2018-12-29 | 2019-05-28 | 天津五八到家科技有限公司 | 运输路线规划、重现方法、服务器及存储介质 |
CN109658037A (zh) * | 2019-01-10 | 2019-04-19 | 跨越速运集团有限公司 | 一种物流路径智能规划方法及系统 |
Non-Patent Citations (1)
Title |
---|
卫蓝.北京市铁路物流发展趋势分析.铁道货运.2016,第34卷(第07期),第6-11页. * |
Also Published As
Publication number | Publication date |
---|---|
CN112906926A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Amirgholy et al. | Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach | |
CN107438226B (zh) | 订单发布处理方法及服务器 | |
Wangapisit et al. | Multi-agent systems modelling for evaluating joint delivery systems | |
CN105448082B (zh) | 一种可变间隔发车的快速公交车组合调度方法 | |
CN107563683A (zh) | 一种城市内乘客及货物协同运输方法及系统 | |
JP2019511440A (ja) | タクシーに基づく宅配便の配達方法、システム及びサーバ | |
CN205139982U (zh) | 自动化新型城市轨道物流运输系统 | |
CN105128894A (zh) | 一种列车的运行调度方法及运行调度系统 | |
CN104239484A (zh) | 一种基于多模式公交组合调度的时刻表编制方法 | |
CN112214873B (zh) | 一种轨道交通故障下的客流分布仿真评估方法及系统 | |
CN111080116A (zh) | 一种共享单车和公共自行车的协同调度方法 | |
CN103778778A (zh) | 一种快速公交站台服务信息系统及快速公交车到站信息的测算方法 | |
Wang et al. | Optimization of bus bridging service under unexpected metro disruptions with dynamic passenger flows | |
Repolho et al. | Optimizing station location and fleet composition for a high-speed rail line | |
CN106845857A (zh) | 一种智能电表的配送任务排程优化方法 | |
CN112085271B (zh) | 一种基于众包模式的传统产业集群集货路径优化方法 | |
CN109670709B (zh) | 一种基于众包公共交通系统的货物运输方法和系统 | |
CN114154801A (zh) | 智慧公交组合调度方法、装置及存储介质 | |
CN112749864A (zh) | 地铁货运调度方法、存储介质、计算设备和系统 | |
Leachman et al. | Estimating flow times for containerized imports from Asia to the United States through the Western rail network | |
CN112906926B (zh) | 一种铁路运输流向的预测方法、装置、设备及存储介质 | |
CN109229152A (zh) | 基于实时客流的列车自组织调度系统的提前折返调度方法 | |
He et al. | Parcel delivery by collaborative use of truck fleets and bus-transit vehicles | |
CN117077952A (zh) | 一种即时快递模式中物品调度方法、调度装置及电子设备 | |
CN110969851A (zh) | 一种智慧城市公交系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |