CN113673901A - 一种基于大数据的ai智能物流车货匹配方法及系统 - Google Patents

一种基于大数据的ai智能物流车货匹配方法及系统 Download PDF

Info

Publication number
CN113673901A
CN113673901A CN202111007193.XA CN202111007193A CN113673901A CN 113673901 A CN113673901 A CN 113673901A CN 202111007193 A CN202111007193 A CN 202111007193A CN 113673901 A CN113673901 A CN 113673901A
Authority
CN
China
Prior art keywords
goods
logistics
matching
carrying
logistics company
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.)
Pending
Application number
CN202111007193.XA
Other languages
English (en)
Inventor
於梅芬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202111007193.XA priority Critical patent/CN113673901A/zh
Publication of CN113673901A publication Critical patent/CN113673901A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种基于大数据的AI智能物流车货匹配方法及系统，其方法包括以下步骤：货主注册认证后，发布货源信息；物流公司注册认证后，上传承运认证信息，所述承运认证信息包括承运种类信息、承运等级信息和承运路线信息；将货源的货物种类信息与物流公司的承运种类信息进行匹配，得到多个种类匹配成功的物流公司；对每一组种类匹配成功的货源和物流公司进行线路匹配，得到若干个路线匹配成功的物流公司；对路线匹配成功的货源和物流公司进行承运等级匹配，得到若干个以货物承运等级匹配的物流公司；将承运等级匹配成功物流公司信息发送至货主处。本申请具有快速及时为货主匹配合适物流公司提升承运交易促成效率的效果。

Description

一种基于大数据的AI智能物流车货匹配方法及系统
技术领域
本申请涉及物流运输的领域，尤其是涉及一种基于大数据的AI智能物流车货匹配方法及系统。
背景技术
物流是物品从供应地向接收地的实体流动过程中，根据实际需要，将运输、储存、装卸搬运、包装、流通加工、配送、信息处理等功能有机结合起来实现用户要求的过程。而且随着。随着电商平台的兴起以及运输业的蓬勃发展，货物的配送距离上限也在不断提升，物流行业也迎来了蓬勃的发展。
随着信息技术在交通运输领域的深入发展，以车源信息和货源信息为代表的物流信息资源越来越丰富，在应用中需要准确的提取其中的关键信息并快速对物流资源进行匹配与推荐，由于车货信息资源具有数据量大，更新频繁，数据的流速、流量、流向复杂多变等流式数据特征，造成了匹配效率低下，不能实时产生匹配方案等问题。
目前，市场上有一些车货互配，车找货或者货找车的网站或者物流园内的电子公示牌，该手段虽然在一定意义上信息化了一部分数据，也达成了车货自主匹配的过程。但是往往需要较长的匹配时间，且信息的时效性也无法确保。。
针对上述中的相关技术，发明人认为存在车货匹配难度较大，车货匹配不及时效率低。
发明内容
为了改善车货匹配难度较大，车货匹配不及时效率低的问题，本申请提供一种基于大数据的AI智能物流车货匹配方法。
第一方面，本申请提供一种基于大数据的AI智能物流车货匹配方法，采用如下的技术方案：
一种基于大数据的AI智能物流车货匹配方法，包括以下步骤：
货主注册认证后，发布货源信息，所述货源信息包括货物种类信息、货物收发地址信息、货物承运等级信息和货物数量信息；
物流公司注册认证后，上传承运认证信息，所述承运认证信息包括承运种类信息、承运等级信息和承运路线信息；
将货源的货物种类信息与物流公司的承运种类信息进行匹配，得到多个种类匹配成功的物流公司；
对每一组种类匹配成功的货源和物流公司进行线路匹配，得到若干个路线匹配成功的物流公司；
对路线匹配成功的货源和物流公司进行承运等级匹配，得到若干个以货物承运等级匹配的物流公司；
将承运等级匹配成功物流公司信息发送至货主处，若与同一货源承运等级匹配成功物流公司有多家时，按照预设的优先级规则对多家物流公司进行排序；
货主选定物流公司后与该物流公司完成价格协商后，签订合同完成车货匹配。
通过采用上述技术方案，通过采用种类匹配、线路匹配和承运等级匹配的方式对货源和物流公司进行快速及时的匹配，将符合货主需求的物流公司推送给货主，实现货源和物流公司的快速匹配，提高货主与物流公司达成合作的效率，达到提升承运交易促成效率的效果。
优选的，还包括货主的货物在完成运输后对物业公司进行评分和评价，管理人员对货主的评价进行核实后对翔实评价予以通过后该评价的评分生效，并定时根据该时段的评分数据更新对应物流公司的评分。
通过采用上述技术方案，通过评分设置能够对物流公司起到监督作用，促进物流行业服务质量的提升，提升货主的使用体验。
优选的，将货源的货物种类信息与物流公司的承运种类信息进行匹配，得到多个种类匹配成功的物流公司具体包括：根据货物种类信息为货源生成货物种类标签，根据承运种类信息为物业公司生成若干个承运种类标签，所述货物种类标签包括普通运输标签、冷链运输标签和危化品运输标签；所述承运种类标签包括普通承运标签、冷链承运标签和危化品承运便签；根据货源的货物种类标签匹配拥有对应承运种类标签的物流公司，得到多个种类匹配成功的物流公司。
通过采用上述技术方案，通过货物种类标签和承运种类标签的设置，便于快速为货主的货物匹配满足运输条件的物流公司，提高货物和物流公司的匹配效率，实现货主和物流公司双赢，达到提升承运交易促成效率的效果。
优选的，所述对每一组种类匹配成功的货源和物流公司进行线路匹配具体包括：
若货物的发货地点和收货地点均位于物流公司的承运路线中城市点的，则路线匹配成功；
若货物的发货地点和收货地点均不位于物流公司的承运路线中城市点的，则路线匹配失败；
若货物的发货地点和收货地点其中之一位于物流公司的承运路线中城市点的，以货物的发货地点为起点收货地点为终点生成导航路线，将导航路线与物流公司的承运路线进行拟合生成拟合度，若拟合度大于预设阈值A时，则路线匹配成功，反之路线匹配失败，所述路线拟合公式为a=[（b+c）-d]/（b+c）,其中a为拟合度，b为物流公司两个站点配送路线距离，c为货源发货地到收货地导航路线距离，d为由物流公司发车站点到发货站点到收货站点最后到收车站点的路线距离。
通过采用上述技术方案，通过路线匹配的方式，便于快速为货主的货物匹配满足运输路线的物流公司，提高货物和物流公司的匹配效率，同时保证物流公司的合理利益，实现货主和物流公司双赢，达到提升承运交易促成效率的效果。
优选的，物流公司的承运路线中城市点具体包括物流公司承运路线中途经的城市和这些城市周边与其接壤的城市。
通过采用上述技术方案，将物流公司承运路线中途经的城市和这些城市周边与其接壤的城市均设为承运路线中的城市点，扩大物流公司的匹配范围，提高货物和物流公司的匹配效率，在确保物流公司利益的前提下，为货主提供更多的选择，实现货主和物流公司双赢，达到提升承运交易促成效率的效果。
优选的，所述对路线匹配成功的货源和物流公司进行承运等级匹配具体包括：若货源和物流公司均无承运等级则匹配成功，若物流公司承运等级大于货源等级则匹配成功，若货源等级大于物流公司承运等级则匹配失败。
通过采用上述技术方案，通过承运等级的设置便于在危化品领域进行货物运输时进行运输资质筛选，为货主的危化品货源快速匹配具有对应承运资质的物流公司，实现全方面覆盖，为各种类货物匹配对应的运输物流公司，达到提高货物和物流公司的匹配效率的效果。
优选的，所述按照预设的优先级规则对多家物流公司进行排序具体包括：
根据物流公司评分生成评分优先级，根据物流公司的承接单数生成经验优先级，根据投诉数量生成服务优先级，结合评分优先级、经验优先级和服务优先级对多家物流公司进行排序。
通过采用上述技术方案，按照优先级规则对匹配成功的物流公司进行排序，能够使得货主更加直观的了解到适合自身的优质物流公司，而无需对多个满足条件的物流公司进行繁复的筛选，提高货主用户的体验满意度，提高货物和物流公司的匹配效率，达到提升承运交易促成效率的效果。
优选的，所述货主接收到排序数据后能够根据自身需求选取一优先级为最高优先级。
通过采用上述技术方案，便于货主根据自身想法筛选出符合自身心意的物流公司，提高货主用户的体验满意度，提高货物和物流公司的匹配效率，达到提升承运交易促成效率的效果。
第二方面，本申请提供一种基于大数据的AI智能物流车货匹配系统，采用如下的技术方案：
一种基于大数据的AI智能物流车货匹配系统，应用于上述任意一种基于大数据的AI智能物流车货匹配方法，包括服务器模块、数据匹配模块、优先级排序模块和合同管理模块，所述服务器模块、数据匹配模块、优先级排序模块和合同管理模块相互通信连接；
所述服务器模块，用于接收货主注册认证信息和物流公司注册认证信息，并在货主注册认证后接受货主发布的货源信息，在物流公司注册认证后接受其上传的承运认证信息；
所述数据匹配模块，用于将货源的货物种类信息与物流公司的承运种类信息进行匹配，得到多个种类匹配成功的物流公司；对每一组种类匹配成功的货源和物流公司进行线路匹配，得到若干个路线匹配成功的物流公司；对路线匹配成功的货源和物流公司进行承运等级匹配，得到若干个以货物承运等级匹配的物流公司；
所述优先级排序模块，用于将承运等级匹配成功物流公司信息发送至货主处，若与同一货源承运等级匹配成功物流公司有多家时，按照预设的优先级规则对多家物流公司进行排序；
所述合同管理模块，用于货主选定物流公司后与该物流公司完成价格协商后，签订合同完成车货匹配。
通过采用上述技术方案，通过采用种类匹配、线路匹配和承运等级匹配的方式对货源和物流公司进行快速及时的匹配，将符合货主需求的物流公司推送给货主，实现货源和物流公司的快速匹配，提高货主与物流公司达成合作的效率，达到提升承运交易促成效率的效果。
第三方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1至8中任一种方法的计算机程序。
通过采用上述技术方案，通过采用种类匹配、线路匹配和承运等级匹配的方式对货源和物流公司进行快速及时的匹配，将符合货主需求的物流公司推送给货主，实现货源和物流公司的快速匹配，提高货主与物流公司达成合作的效率，达到提升承运交易促成效率的效果。
综上所述，本申请包括以下至少一种有益技术效果：
1.通过采用种类匹配、线路匹配和承运等级匹配的方式对货源和物流公司进行快速及时的匹配，将符合货主需求的物流公司推送给货主，实现货源和物流公司的快速匹配，提高货主与物流公司达成合作的效率，达到提升承运交易促成效率的效果；
2.通过路线匹配的方式，便于快速为货主的货物匹配满足运输路线的物流公司，提高货物和物流公司的匹配效率，同时保证物流公司的合理利益，实现货主和物流公司双赢，达到提升承运交易促成效率的效果。；
3.按照优先级规则对匹配成功的物流公司进行排序，能够使得货主更加直观的了解到适合自身的优质物流公司，而无需对多个满足条件的物流公司进行繁复的筛选，提高货主用户的体验满意度，提高货物和物流公司的匹配效率，达到提升承运交易促成效率的效果；
4.通过货物种类标签和承运种类标签的设置，便于快速为货主的货物匹配满足运输条件的物流公司，提高货物和物流公司的匹配效率，实现货主和物流公司双赢，达到提升承运交易促成效率的效果。
附图说明
图1是本申请实施例中一种基于大数据的AI智能物流车货匹配方法的方法流程图；
图2是本申请实施例中一种基于大数据的AI智能物流车货匹配系统的系统框图。
附图标记说明：1、服务器模块；2、数据匹配模块；3、优先级排序模块；4、合同管理模块。
具体实施方式
以下结合附图1-2对本申请作进一步详细说明。
本申请实施例公开一种基于大数据的AI智能物流车货匹配方法。参照图1，一种基于大数据的AI智能物流车货匹配方法包括以下步骤：
S1、获取货源信息：货主注册认证后，发布货源信息，货源信息包括货物种类信息、货物收发地址信息、货物承运等级信息和货物数量信息；
S2、获取承运认证信息：物流公司注册认证后，上传承运认证信息，所述承运认证信息包括承运种类信息、承运等级信息和承运路线信息；
S3、承运种类匹配：将货源的货物种类信息与物流公司的承运种类信息进行匹配，得到多个种类匹配成功的物流公司；
S4、线路匹配：对每一组种类匹配成功的货源和物流公司进行线路匹配，得到若干个路线匹配成功的物流公司；
S5、承运等级匹配：对路线匹配成功的货源和物流公司进行承运等级匹配，得到若干个以货物承运等级匹配的物流公司；
S6、优先级排序：将承运等级匹配成功物流公司信息发送至货主处，若与同一货源承运等级匹配成功物流公司有多家时，按照预设的优先级规则对多家物流公司进行排序；
S7、完成车货匹配：货主选定物流公司后与该物流公司完成价格协商后，签订合同完成车货匹配。
S8、服务评分评价：括货主的货物在完成运输后对物业公司进行评分和评价，管理人员对货主的评价进行核实后对翔实评价予以通过后该评价的评分生效，并定时根据该时段的评分数据更新对应物流公司的评分。具体的物流公司评分=接单数量分*50%+订单处理及时分*20%+客户评分*30%，其中物流公司评分、接单数量分、订单处理及时分和客户评分满分均为10分，接单数量分=8+（接单数量/100）*2，订单处理及时分=（接单数量-未及时处理数量）/接单数量*10，客户评分为所有客户评分的平均分。通过评分设置能够对物流公司起到监督作用，促进物流行业服务质量的提升，提升货主的使用体验。通过采用种类匹配、线路匹配和承运等级匹配的方式对货源和物流公司进行快速及时的匹配，将符合货主需求的物流公司推送给货主，实现货源和物流公司的快速匹配，提高货主与物流公司达成合作的效率，达到提升承运交易促成效率的效果。
上述步骤S3中将货源的货物种类信息与物流公司的承运种类信息进行匹配，得到多个种类匹配成功的物流公司具体包括：根据货物种类信息为货源生成货物种类标签，根据承运种类信息为物业公司生成若干个承运种类标签，所述货物种类标签包括普通运输标签、冷链运输标签和危化品运输标签；所述承运种类标签包括普通承运标签、冷链承运标签和危化品承运便签；根据货源的货物种类标签匹配拥有对应承运种类标签的物流公司，得到多个种类匹配成功的物流公司。通过货物种类标签和承运种类标签的设置，便于快速为货主的货物匹配满足运输条件的物流公司，提高货物和物流公司的匹配效率，实现货主和物流公司双赢，达到提升承运交易促成效率的效果。
上述步骤S4中对每一组种类匹配成功的货源和物流公司进行线路匹配具体包括：
若货物的发货地点和收货地点均位于物流公司的承运路线中城市点的，则路线匹配成功；
若货物的发货地点和收货地点均不位于物流公司的承运路线中城市点的，则路线匹配失败；
若货物的发货地点和收货地点其中之一位于物流公司的承运路线中城市点的，以货物的发货地点为起点收货地点为终点生成导航路线，将导航路线与物流公司的承运路线进行拟合生成拟合度，若拟合度大于预设阈值A时，则路线匹配成功，反之路线匹配失败，所述路线拟合公式为a=[（b+c）-d]/（b+c）,其中a为拟合度，b为物流公司两个站点配送路线距离，c为货源发货地到收货地导航路线距离，d为由物流公司发车站点到发货站点到收货站点最后到收车站点的路线距离。其中预设阈值A有管理人员设置，本实施例中预设阈值A为60%。通过路线匹配的方式，便于快速为货主的货物匹配满足运输路线的物流公司，提高货物和物流公司的匹配效率，同时保证物流公司的合理利益，实现货主和物流公司双赢，达到提升承运交易促成效率的效果。
并且上述物流公司的承运路线中城市点具体包括物流公司承运路线中途经的城市和这些城市周边与其接壤的城市。将物流公司承运路线中途经的城市和这些城市周边与其接壤的城市均设为承运路线中的城市点，扩大物流公司的匹配范围，提高货物和物流公司的匹配效率，在确保物流公司利益的前提下，为货主提供更多的选择，实现货主和物流公司双赢，达到提升承运交易促成效率的效果。
上述步骤S5中对路线匹配成功的货源和物流公司进行承运等级匹配具体包括：若货源和物流公司均无承运等级则匹配成功，若物流公司承运等级大于货源等级则匹配成功，若货源等级大于物流公司承运等级则匹配失败。通过承运等级的设置便于在危化品领域进行货物运输时进行运输资质筛选，为货主的危化品货源快速匹配具有对应承运资质的物流公司，实现全方面覆盖，为各种类货物匹配对应的运输物流公司，达到提高货物和物流公司的匹配效率的效果。
上述步骤S6中按照预设的优先级规则对多家物流公司进行排序具体包括：根据物流公司评分生成评分优先级，根据物流公司的承接单数生成经验优先级，根据投诉数量生成服务优先级，结合评分优先级、经验优先级和服务优先级对多家物流公司进行排序。按照优先级规则对匹配成功的物流公司进行排序，能够使得货主更加直观的了解到适合自身的优质物流公司，而无需对多个满足条件的物流公司进行繁复的筛选，提高货主用户的体验满意度，提高货物和物流公司的匹配效率，达到提升承运交易促成效率的效果。并且货主接收到排序数据后能够根据自身需求选取一优先级为最高优先级。便于货主根据自身想法筛选出符合自身心意的物流公司，提高货主用户的体验满意度，提高货物和物流公司的匹配效率，达到提升承运交易促成效率的效果。
本申请实施例还公开一种基于大数据的AI智能物流车货匹配系统，应用于上述方法方案。参照图1，一种基于大数据的AI智能物流车货匹配系统，包括服务器模块1、数据匹配模块2、优先级排序模块3和合同管理模块4，服务器模块1、数据匹配模块2、优先级排序模块3和合同管理模块4相互通信连接；
服务器模块1，用于接收货主注册认证信息和物流公司注册认证信息，并在货主注册认证后接受货主发布的货源信息，在物流公司注册认证后接受其上传的承运认证信息；其中货源信息包括货物种类信息、货物收发地址信息、货物承运等级信息和货物数量信息；承运认证信息包括承运种类信息、承运等级信息和承运路线信息。
数据匹配模块2，用于将货源的货物种类信息与物流公司的承运种类信息进行匹配，得到多个种类匹配成功的物流公司；对每一组种类匹配成功的货源和物流公司进行线路匹配，得到若干个路线匹配成功的物流公司；对路线匹配成功的货源和物流公司进行承运等级匹配，得到若干个以货物承运等级匹配的物流公司；
优先级排序模块3，用于将承运等级匹配成功物流公司信息发送至货主处，若与同一货源承运等级匹配成功物流公司有多家时，按照预设的优先级规则对多家物流公司进行排序；
合同管理模块4，用于货主选定物流公司后与该物流公司完成价格协商后，签订合同完成车货匹配。通过采用种类匹配、线路匹配和承运等级匹配的方式对货源和物流公司进行快速及时的匹配，将符合货主需求的物流公司推送给货主，实现货源和物流公司的快速匹配，提高货主与物流公司达成合作的效率，达到提升承运交易促成效率的效果。
具体的优先级排序模块3根据物流公司评分生成评分优先级，根据物流公司的承接单数生成经验优先级，根据投诉数量生成服务优先级，结合评分优先级、经验优先级和服务优先级对多家物流公司进行排序。按照优先级规则对匹配成功的物流公司进行排序，能够使得货主更加直观的了解到适合自身的优质物流公司，而无需对多个满足条件的物流公司进行繁复的筛选，提高货主用户的体验满意度，提高货物和物流公司的匹配效率，达到提升承运交易促成效率的效果。并且货主接收到排序数据后能够根据自身需求选取一优先级为最高优先级。便于货主根据自身想法筛选出符合自身心意的物流公司，提高货主用户的体验满意度，提高货物和物流公司的匹配效率，达到提升承运交易促成效率的效果。
本申请实施例还公开一种计算机可读存储介质，其存储有能够被处理器加载并执行如上述方法中的计算机程序，所述计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例仅用以说明本发明的技术方案，而非对发明的保护范围进行限制。显然，所描述的实施例仅仅是本发明部分实施例，而不是全部实施例。基于这些实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明所要保护的范围。尽管参照上述实施例对本发明进行了详细的说明，本领域普通技术人员依然可以在不冲突的情况下，不作出创造性劳动对本发明各实施例中的特征根据情况相互组合、增删或作其他调整，从而得到不同的、本质未脱离本发明的构思的其他技术方案，这些技术方案也同样属于本发明所要保护的范围。

Claims (10)

1.一种基于大数据的AI智能物流车货匹配方法，其特征在于，包括以下步骤：
货主注册认证后，发布货源信息，所述货源信息包括货物种类信息、货物收发地址信息、货物承运等级信息和货物数量信息；
物流公司注册认证后，上传承运认证信息，所述承运认证信息包括承运种类信息、承运等级信息和承运路线信息；
将货源的货物种类信息与物流公司的承运种类信息进行匹配，得到多个种类匹配成功的物流公司；
对每一组种类匹配成功的货源和物流公司进行线路匹配，得到若干个路线匹配成功的物流公司；
对路线匹配成功的货源和物流公司进行承运等级匹配，得到若干个以货物承运等级匹配的物流公司；
将承运等级匹配成功物流公司信息发送至货主处，若与同一货源承运等级匹配成功物流公司有多家时，按照预设的优先级规则对多家物流公司进行排序；
货主选定物流公司后与该物流公司完成价格协商后，签订合同完成车货匹配。
2.根据权利要求1所述的一种基于大数据的AI智能物流车货匹配方法，其特征在于，还包括货主的货物在完成运输后对物业公司进行评分和评价，管理人员对货主的评价进行核实后对翔实评价予以通过后该评价的评分生效，并定时根据该时段的评分数据更新对应物流公司的评分。
3.根据权利要求1所述的一种基于大数据的AI智能物流车货匹配方法，其特征在于，将货源的货物种类信息与物流公司的承运种类信息进行匹配，得到多个种类匹配成功的物流公司具体包括：根据货物种类信息为货源生成货物种类标签，根据承运种类信息为物业公司生成若干个承运种类标签，所述货物种类标签包括普通运输标签、冷链运输标签和危化品运输标签；所述承运种类标签包括普通承运标签、冷链承运标签和危化品承运便签；根据货源的货物种类标签匹配拥有对应承运种类标签的物流公司，得到多个种类匹配成功的物流公司。
4.根据权利要求1所述的一种基于大数据的AI智能物流车货匹配方法，其特征在于，所述对每一组种类匹配成功的货源和物流公司进行线路匹配具体包括：
若货物的发货地点和收货地点均位于物流公司的承运路线中城市点的，则路线匹配成功；
若货物的发货地点和收货地点均不位于物流公司的承运路线中城市点的，则路线匹配失败；
若货物的发货地点和收货地点其中之一位于物流公司的承运路线中城市点的，以货物的发货地点为起点收货地点为终点生成导航路线，将导航路线与物流公司的承运路线进行拟合生成拟合度，若拟合度大于预设阈值A时，则路线匹配成功，反之路线匹配失败，所述路线拟合公式为a=[（b+c）-d]/（b+c）,其中a为拟合度，b为物流公司两个站点配送路线距离，c为货源发货地到收货地导航路线距离，d为由物流公司发车站点到发货站点到收货站点最后到收车站点的路线距离。
5.根据权利要求4所述的一种基于大数据的AI智能物流车货匹配方法，其特征在于：所述物流公司的承运路线中城市点具体包括物流公司承运路线中途经的城市和这些城市周边与其接壤的城市。
6.根据权利要求1所述的一种基于大数据的AI智能物流车货匹配方法，其特征在于，所述对路线匹配成功的货源和物流公司进行承运等级匹配具体包括：若货源和物流公司均无承运等级则匹配成功，若物流公司承运等级大于货源等级则匹配成功，若货源等级大于物流公司承运等级则匹配失败。
7.根据权利要求2所述的一种基于大数据的AI智能物流车货匹配方法，其特征在于，所述按照预设的优先级规则对多家物流公司进行排序具体包括：
根据物流公司评分生成评分优先级，根据物流公司的承接单数生成经验优先级，根据投诉数量生成服务优先级，结合评分优先级、经验优先级和服务优先级对多家物流公司进行排序。
8.根据权利要求7所述的一种基于大数据的AI智能物流车货匹配方法，其特征在于：所述货主接收到排序数据后能够根据自身需求选取一优先级为最高优先级。
9.一种基于大数据的AI智能物流车货匹配系统，应用于权利要求1-8中任一所述的一种基于大数据的AI智能物流车货匹配方法，其特征在于：包括服务器模块(1)、数据匹配模块(2)、优先级排序模块(3)和合同管理模块(4)，所述服务器模块(1)、数据匹配模块(2)、优先级排序模块(3)和合同管理模块(4)相互通信连接；
所述服务器模块(1)，用于接收货主注册认证信息和物流公司注册认证信息，并在货主注册认证后接受货主发布的货源信息，在物流公司注册认证后接受其上传的承运认证信息；
所述数据匹配模块(2)，用于将货源的货物种类信息与物流公司的承运种类信息进行匹配，得到多个种类匹配成功的物流公司；对每一组种类匹配成功的货源和物流公司进行线路匹配，得到若干个路线匹配成功的物流公司；对路线匹配成功的货源和物流公司进行承运等级匹配，得到若干个以货物承运等级匹配的物流公司；
所述优先级排序模块(3)，用于将承运等级匹配成功物流公司信息发送至货主处，若与同一货源承运等级匹配成功物流公司有多家时，按照预设的优先级规则对多家物流公司进行排序；
所述合同管理模块(4)，用于货主选定物流公司后与该物流公司完成价格协商后，签订合同完成车货匹配。
10.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1至8中任一种方法的计算机程序。
CN202111007193.XA 2021-08-30 2021-08-30 一种基于大数据的ai智能物流车货匹配方法及系统 Pending CN113673901A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111007193.XA CN113673901A (zh) 2021-08-30 2021-08-30 一种基于大数据的ai智能物流车货匹配方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111007193.XA CN113673901A (zh) 2021-08-30 2021-08-30 一种基于大数据的ai智能物流车货匹配方法及系统

Publications (1)

Publication Number Publication Date
CN113673901A true CN113673901A (zh) 2021-11-19

Family

ID=78547467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111007193.XA Pending CN113673901A (zh) 2021-08-30 2021-08-30 一种基于大数据的ai智能物流车货匹配方法及系统

Country Status (1)

Country Link
CN (1) CN113673901A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114399250A (zh) * 2021-12-30 2022-04-26 淮阴工学院 基于认知图谱的冷链多温混配选温方法及装置
CN115271616A (zh) * 2022-09-26 2022-11-01 济宁港航内河经济研究院有限公司 一种基于大数据的内河港航智慧物流派单系统及方法
CN117670183A (zh) * 2023-12-01 2024-03-08 北京天玺在线科技有限公司 空中物流园零担货车匹配系统
CN117787840A (zh) * 2024-02-23 2024-03-29 鲁西化工集团股份有限公司 一种液体危化品物流运力调配、灌装的控制系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012067350A2 (ko) * 2010-11-15 2012-05-24 (주)와이에이피 차량 배차 매칭 시스템
CN105761032A (zh) * 2015-12-25 2016-07-13 芜湖众创物流投资中心（有限合伙） 一种大规模车货实时智能匹配系统
CN108734424A (zh) * 2017-04-25 2018-11-02 物载天下网络科技（苏州）有限公司 一种车货匹配系统的身份自动认证的方法和系统
CN110400060A (zh) * 2019-07-08 2019-11-01 拉货宝网络科技有限责任公司 一种基于车辆地理位置定位的公路物流货源推荐方法
CN110991967A (zh) * 2019-12-05 2020-04-10 惠龙易通国际物流股份有限公司 物流运输方法及装置
CN111489121A (zh) * 2020-04-09 2020-08-04 上海摩库数据技术有限公司 Ai智能大数据车货匹配方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012067350A2 (ko) * 2010-11-15 2012-05-24 (주)와이에이피 차량 배차 매칭 시스템
CN105761032A (zh) * 2015-12-25 2016-07-13 芜湖众创物流投资中心（有限合伙） 一种大规模车货实时智能匹配系统
CN108734424A (zh) * 2017-04-25 2018-11-02 物载天下网络科技（苏州）有限公司 一种车货匹配系统的身份自动认证的方法和系统
CN110400060A (zh) * 2019-07-08 2019-11-01 拉货宝网络科技有限责任公司 一种基于车辆地理位置定位的公路物流货源推荐方法
CN110991967A (zh) * 2019-12-05 2020-04-10 惠龙易通国际物流股份有限公司 物流运输方法及装置
CN111489121A (zh) * 2020-04-09 2020-08-04 上海摩库数据技术有限公司 Ai智能大数据车货匹配方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114399250A (zh) * 2021-12-30 2022-04-26 淮阴工学院 基于认知图谱的冷链多温混配选温方法及装置
CN115271616A (zh) * 2022-09-26 2022-11-01 济宁港航内河经济研究院有限公司 一种基于大数据的内河港航智慧物流派单系统及方法
CN115271616B (zh) * 2022-09-26 2022-12-30 济宁港航内河经济研究院有限公司 一种基于大数据的内河港航智慧物流派单系统及方法
CN117670183A (zh) * 2023-12-01 2024-03-08 北京天玺在线科技有限公司 空中物流园零担货车匹配系统
CN117787840A (zh) * 2024-02-23 2024-03-29 鲁西化工集团股份有限公司 一种液体危化品物流运力调配、灌装的控制系统及方法

Similar Documents

Publication Publication Date Title
CN113673901A (zh) 一种基于大数据的ai智能物流车货匹配方法及系统
CN103229199B (zh) 动态线路规划
CN102542395B (zh) 一种应急物资调度系统及计算方法
US20120158608A1 (en) Fleet dispatch plan optimization
Wong et al. Evaluation of factors for carrier selection in the China Pearl River delta
Żak et al. Multiple objective optimization of the fleet sizing problem for road freight transportation
CN105303385A (zh) 直销社交网络平台与系统
CN110400060A (zh) 一种基于车辆地理位置定位的公路物流货源推荐方法
US20160171440A1 (en) Method and system for freight management
KR20180124299A (ko) 묶음 단위 배송 처리 시스템
CN110991967A (zh) 物流运输方法及装置
CN111489121A (zh) Ai智能大数据车货匹配方法
CN109299901A (zh) 一种确定商品配送门店的方法、装置、设备及存储介质
CN107392534A (zh) 一种基于二维码的邮政物流系统及方法
Jucha Use of artificial intelligence in last mile delivery
CN113780941B (zh) 一种多式联运的基于区块链的单证系统
CN115409439A (zh) 基于改进蚁群算法的多车型供应链调度方法及电子设备
KR20190032044A (ko) 배송지에 따른 터미널 결정방법
US20200272991A1 (en) Intelligent dynamic container routing
CN112016871B (zh) 一种订单派送方法、装置、设备及存储介质
Sumantri Analyzing the three supply chain flows in the maritime logistics and distribution industry
Ding et al. Evaluating key factors influencing the development of multi-country consolidation for ocean freight forwarders in Taiwan
CN115619307A (zh) 物流路线规划方法、装置、设备及可读存储介质
CN107977814A (zh) 一种物流智能客服系统
CN113780923A (zh) 派件方法、装置、电子设备及介质

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