CN113780956B - 物流运费生成方法、装置、设备及存储介质 - Google Patents
物流运费生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113780956B CN113780956B CN202111095882.0A CN202111095882A CN113780956B CN 113780956 B CN113780956 B CN 113780956B CN 202111095882 A CN202111095882 A CN 202111095882A CN 113780956 B CN113780956 B CN 113780956B
- Authority
- CN
- China
- Prior art keywords
- freight
- risk
- order
- calculating
- rate
- 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 52
- 238000012384 transportation and delivery Methods 0.000 claims abstract description 43
- 238000013439 planning Methods 0.000 claims abstract description 22
- 238000013441 quality evaluation Methods 0.000 claims description 56
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000013528 artificial neural network Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 230000017105 transposition Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 9
- 210000002569 neuron Anatomy 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 230000002068 genetic effect Effects 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/08—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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及人工智能领域,公开了一种物流运费生成方法、装置、设备及存储介质,该方法包括:获取订单的订单信息并对订单信息中的配送地址进行分析,确定车辆调度策略,调度可运输订单的车辆并规划行驶路线;根据行驶路线计算运输距离,并根据订单重量和运输距离计算初始运费;从预设的货运险推荐表中查找与订单类型对应的货运险,计算货运险费用;根据初始运费和货运险费用生成订单的运费。本发明通过车辆调度策略对行驶路线进行规划,提高了根据该行驶路线的运输距离计算运费时运费计算的合理性,并根据订单重量和运输距离计算初始运费,再结合货运险费用计算运输该订单的运费,提高了运费计算的准确度和可靠性。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种物流运费生成方法、装置、设备及存储介质。
背景技术
物流作为现代经济的重要组成部分,在国民经济和社会发展中发挥着重要作用,物流是一个企业的根基,信息流和资金流架构在物流的基础上,合理的物流管理能降低企业成本,提高企业竞争力,其中,物流运费的计算对于物流管理至关重要。
现有的物流运费的计算方法往往仅根据订单的配送地址信息,即根据订单的发出地和签收地信息计算其配送距离,再根据配送距离计算运费。这种运费计算方法通常会存在一定的误差,且该计算方法并没有合理计算运费,导致该运费计算的准确度低、可靠性低。
发明内容
本发明的主要目的在于解决现有技术中难以对交通拥堵情况进行预测的技术问题。
本发明第一方面提供了一种物流运费生成方法,所述物流运费生成方法包括:获取订单的订单信息,其中,所述订单信息包括配送地址、订单类型和订单重量;对所述配送地址进行分析,确定所述订单的车辆调度策略,并根据所述车辆调度策略,调度可运输所述订单的车辆并规划行驶路线;根据所述行驶路线,计算运输所述订单的运输距离,并根据所述订单重量和所述运输距离计算所述订单的初始运费;从预设的货运险推荐表中查找与所述订单类型对应的货运险,并根据所述货运险,计算所述订单的货运险费用;根据所述初始运费和所述货运险费用生成所述订单的运费。
可选的,在本发明的第一方面的第一种实现方式中,所述对所述配送地址进行分析,确定所述订单的车辆调度策略,并根据所述车辆调度策略,调度可运输所述订单的车辆并规划行驶路线包括:对所述订单信息中的配送地址进行分析,确定运输所述订单的过程中进行中转的各汇点、起点、终点和各所述汇点之间的有向路径,并根据所述有向路径生成有向图;提取所述有向图中各参数值,并根据各所述参数值生成邻接矩阵;调用预设的神经网络,构建所述邻接矩阵中的各元素与所述神经网络中各神经元的对应关系;根据所述对应关系,对所述邻接矩阵进行网络演化,生成换位阵,并根据所述换位阵生成车辆调度策略;根据所述车辆调度策略,调度可运输所述订单的车辆;对所述订单按照所述配送地址和所述车辆规划行驶路线。
可选的,在本发明的第一方面的第二种实现方式中,在所述从预设的货运险推荐表中查找与所述订单类型对应的货运险类型,并根据所述货运险类型,计算所述订单的货运险费用之前,还包括:获取各所述订单类型对应的货运险类型中各货运险的基本信息;基于各所述货运险的基本信息,计算各所述货运险的出险率,并根据所述出险率,对各所述货运险进行质量评价,得到各所述货运险对应的质量评价值;根据所述质量评价值和所述出险率,计算各所述货运险的推荐值;将各所述货运险按照所述推荐值进行排序,并根据排序的结果生成货运险推荐表。
可选的,在本发明的第一方面的第三种实现方式中,所述基于各所述货运险的基本信息,计算各所述货运险的出险率,并根据所述出险率,对各所述货运险进行质量评价,得到各所述货运险对应的质量评价值包括:对各所述货运险的基本信息进行分析,统计各所述货运险的出险次数,以及相同货运险类型中所有所述货运险的出险总次数;根据所述出险次数和所述出险总次数,分别计算各所述货运险的出险率;对各所述货运险进行质量评价,计算相同货运险类型中各所述货运险的出险率的标准差值;将所述标准差值作为各所述货运险对应的质量评价值。
可选的,在本发明第一方面的第四种实现方式中,所述根据所述质量评价值和所述出险率,计算各所述货运险的推荐值包括:对每个所述货运险对应的所述质量评价值按照预设的质量权重进行权值计算,得到质量权值;对每个所述货运险对应的所述出险率按照预设的出险权重进行权值计算,得到出险权值;将所述质量权值和所述出险权值进行算术加运算,得到各所述货运险对应的推荐值。
可选的,在本发明第一方面的第五种实现方式中,所述对所述订单按照所述配送地址和所述车辆规划行驶路线包括:根据所述配送地址和所述车辆,确定所述订单的车辆行驶方向;采用预设的遗传算法,对所述订单按照所述车辆行驶方向和所述配送地址进行配送路径计算,得到多组配送路径;采用预设的蚁群算法,计算多组所述配送路径中的最优配送路径,并将所述最优配送路径作为所述订单的行驶路线。
可选的,在本发明第一方面的第六种实现方式中,所述根据所述行驶路线,计算运输所述订单的运输距离,并根据所述订单重量和所述运输距离计算所述订单的初始运费包括:对所述行驶路线进行分析,计算所述订单按照所述行驶路线进行运输的运输距离;判断所述运输距离是否落在预设的运距阶段区间内,并根据判断的结果确定所述订单的运距阶段;从预设的运费单价表中提取与所述运距阶段对应的运费单价,并将所述运费单价与所述订单重量进行乘积运算,得到所述订单的初始运费。
本发明第二方面提出一种物流运费生成装置,所述物流运费生成装置包括:获取模块,用于获取订单的订单信息,其中,所述订单信息包括配送地址、订单类型和订单重量;分析模块,用于对所述配送地址进行分析,确定所述订单的车辆调度策略,并根据所述车辆调度策略,调度可运输所述订单的车辆并规划行驶路线;计算模块,用于根据所述行驶路线,计算运输所述订单的运输距离,并根据所述订单重量和所述运输距离计算所述订单的初始运费;查找模块,用于从预设的货运险推荐表中查找与所述订单类型对应的货运险,并根据所述货运险,计算所述订单的货运险费用;生成模块,用于根据所述初始运费和所述货运险费用生成所述订单的运费。
可选的,在本发明第二方面的第一种实现方式中,所述分析模块包括:分析单元,用于对所述订单信息中的配送地址进行分析,确定运输所述订单的过程中进行中转的各汇点、起点、终点和各所述汇点之间的有向路径,并根据所述有向路径生成有向图;提取单元,用于提取所述有向图中各参数值,并根据各所述参数值生成邻接矩阵;构建单元,用于调用预设的神经网络,构建所述邻接矩阵中的各元素与所述神经网络中各神经元的对应关系;演化单元,用于根据所述对应关系,对所述邻接矩阵进行网络演化,生成换位阵,并根据所述换位阵生成车辆调度策略;调度单元,用于根据所述车辆调度策略,调度可运输所述订单的车辆;规划单元,用于对所述订单按照所述配送地址和所述车辆规划行驶路线。
可选的,在本发明第二方面的第二种实现方式中,所述物流运费生成装置还包括推荐模块,所述推荐模块包括:获取单元,用于获取各所述订单类型对应的货运险类型中各货运险的基本信息;评价单元,用于基于各所述货运险的基本信息,计算各所述货运险的出险率,并根据所述出险率,对各所述货运险进行质量评价,得到各所述货运险对应的质量评价值;计算单元,用于根据所述质量评价值和所述出险率,计算各所述货运险的推荐值;排序单元,用于将各所述货运险按照所述推荐值进行排序,并根据排序的结果生成货运险推荐表。
可选的,在本发明第二方面的第三种实现方式中,所述评价单元具体用于:对各所述货运险的基本信息进行分析,统计各所述货运险的出险次数,以及相同货运险类型中所有所述货运险的出险总次数;根据所述出险次数和所述出险总次数,分别计算各所述货运险的出险率;对各所述货运险进行质量评价,计算相同货运险类型中各所述货运险的出险率的标准差值;将所述标准差值作为各所述货运险对应的质量评价值。
可选的,在本发明第二方面的第四种实现方式中,所述计算单元具体用于:对每个所述货运险对应的所述质量评价值按照预设的质量权重进行权值计算,得到质量权值;对每个所述货运险对应的所述出险率按照预设的出险权重进行权值计算,得到出险权值;将所述质量权值和所述出险权值进行算术加运算,得到各所述货运险对应的推荐值。
可选的,在本发明第二方面的第五种实现方式中,所述规划单元具体用于:根据所述配送地址和所述车辆,确定所述订单的车辆行驶方向;采用预设的遗传算法,对所述订单按照所述车辆行驶方向和所述配送地址进行配送路径计算,得到多组配送路径;采用预设的蚁群算法,计算多组所述配送路径中的最优配送路径,并将所述最优配送路径作为所述订单的行驶路线。
可选的,在本发明第二方面的第六种实现方式中,所述计算模块具体用于:对所述行驶路线进行分析,计算所述订单按照所述行驶路线进行运输的运输距离;判断所述运输距离是否落在预设的运距阶段区间内,并根据判断的结果确定所述订单的运距阶段;从预设的运费单价表中提取与所述运距阶段对应的运费单价,并将所述运费单价与所述订单重量进行乘积运算,得到所述订单的初始运费。
本发明第三方面提供了一种物流运费生成设备,所述物流运费生成设备包括:存储器和至少一个处理器,所述存储器中存储有计算机程序,所述存储器和所述至少一个处理器通过线路互连;所述至少一个处理器调用所述存储器中的所述计算机程序,以使得所述物流运费生成设备执行上述的物流运费生成方法的步骤。
本发明第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机执行上述的物流运费生成方法的步骤。
在本发明提供的技术方案中,通过获取订单的订单信息并对订单信息中的配送地址进行分析,确定订单的车辆调度策略,调度可运输订单的车辆并规划行驶路线;根据行驶路线,计算运输订单的运输距离,并根据订单重量和运输距离计算订单的初始运费;从预设的货运险推荐表中查找与订单类型对应的货运险,计算订单的货运险费用;根据初始运费和货运险费用生成订单的运费。本发明通过车辆调度策略对行驶路线进行规划,提高了根据该行驶路线的运输距离计算运费时,运费计算的合理性,并根据订单重量和运输距离计算初始运费,再结合货运险费用计算运输该订单的运费,避免了运费结算流程的混乱,提高了运费计算的准确度和可靠性,同时提高了用户的满意度。
附图说明
图1为本发明实施例中物流运费生成方法的第一个实施例示意图;
图2为本发明实施例中物流运费生成方法的第二个实施例示意图;
图3为本发明实施例中物流运费生成方法的第三个实施例示意图;
图4为本发明实施例中物流运费生成方法的第四个实施例示意图;
图5为本发明实施例中物流运费生成装置的一个实施例示意图;
图6为本发明实施例中物流运费生成装置的另一个实施例示意图;
图7为本发明实施例中物流运费生成设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种物流运费生成方法、装置、设备及存储介质,通过获取订单的订单信息并对订单信息中的配送地址进行分析,确定订单的车辆调度策略,调度可运输订单的车辆并规划行驶路线;根据行驶路线,计算运输订单的运输距离,并根据订单重量和运输距离计算订单的初始运费;从预设的货运险推荐表中查找与订单类型对应的货运险,计算订单的货运险费用;根据初始运费和货运险费用生成订单的运费。本发明实施例通过车辆调度策略对行驶路线进行规划,提高了根据该行驶路线的运输距离计算运费时,运费计算的合理性,并根据订单重量和运输距离计算初始运费,再结合货运险费用计算运输该订单的运费,避免了运费结算流程的混乱,提高了运费计算的准确度和可靠性,同时提高了用户的满意度。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体内容进行描述,请参阅图1,本发明实施例中物流运费生成方法的第一个实施例包括:
101,获取订单的订单信息;
当服务器根据客户发起订单的基本信息生成订单信息后,将订单信息发送至调度模块来执行该订单的物流调度流程。具体的,服务器获取客户发起订单的订单信息,在本实施例中,订单信息具体包括客户代码、客户订单号、订单类型、订单状态;配送地址、起运点代码、起运点名称、起运点地址、起运点联系人、起运点联系电话;到达点代码、到达点名称、到达地址、到达联系人、到达地址;商品代码、商品名称、商品批次、订单数量、订单重量、订单体积。
另外,本发明实施例可以基于人工智能技术对订单信息进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
102,对配送地址进行分析,确定订单的车辆调度策略,并根据车辆调度策略,调度可运输订单的车辆并规划行驶路线;
服务器对配送地址进行分析,提取出该订单的发出地和签收地信息,然后根据该发出地和签收地,确定该订单的车辆调度策略,并获取所有可调度车辆的类型、大小尺寸,以及获取该订单的订单信息中的订单类型、尺寸、包装,发出地、签收地等信息,根据该车辆调度策略对该订单和车辆进行智能匹配。服务器根据该订单的配送地址和调度的运输车辆对该订单规划行驶路线,即根据该订单的发出地和签收地,查找最短配送路径作为该订单的行驶路线。
103,根据行驶路线,计算运输订单的运输距离,并根据订单重量和运输距离计算订单的初始运费;
服务器计算该行驶路线的运输距离,即计算按照该行驶路线运输该订单的运输距离。服务器预先根据运输距离设置不同重量的订单的运费单价,即规定在不同的运输距离内不同重量的订单的运费单价。根据该行驶路线计算得到运输该订单的运输距离,并根据该订单对应的订单重量和运输距离查找对应的运费单价,并由运费单价计算运输该订单的初始运费。
104,从预设的货运险推荐表中查找与订单类型对应的货运险,并根据货运险,计算订单的货运险费用;
服务器预先根据订单类型和货运险类型生成货运险推荐表,从该货运险推荐表中查找与该订单的订单类型对应的货运险类型,并根据该货运险推荐表中该货运险类型下各货运险的推荐指数,选取合适的货运险,根据该货运险对应预设的费用计算规则,计算该订单的货运险费用。
105,根据初始运费和货运险费用生成订单的运费。
服务器根据该初始运费和货运险费用计算运输该订单的运费,即将初始运费和货运险费用进行算术相加运算,得到该订单的运费。服务器封装该运费生成支付消息发送至客户,当客户在指定的支付页面完成运费支付后,服务器接收到该订单的运费支付成功消息提示,则下发该订单的运输任务。
在本发明实施例中,通过获取订单信息,确定车辆调度策略并规划行驶路线,根据该行驶路线确定运输距离并结合订单重量计算初始运费,再选取货运险计算货运险费用,根据初始运费和货运险费用计算该订单的运费。本发明实施例的运费计算方式能够合理计算运费,且提高了运费计算的准确度和可靠性。
请参阅图2,本发明实施例中物流运费生成方法的第二个实施例包括:
201,获取订单的订单信息;
当服务器根据客户发起订单的基本信息生成订单信息后,将订单信息发送至调度模块来执行该订单的物流调度流程。具体的,服务器获取客户发起订单的订单信息,在本实施例中,订单信息具体包括客户代码、客户订单号、订单类型、订单状态;配送地址、起运点代码、起运点名称、起运点地址、起运点联系人、起运点联系电话;到达点代码、到达点名称、到达地址、到达联系人、到达地址;商品代码、商品名称、商品批次、订单数量、订单重量、订单体积。
202,对订单信息中的配送地址进行分析,确定运输订单的过程中进行中转的各汇点、起点、终点和各汇点之间的有向路径,并根据有向路径生成有向图;
203,提取有向图中各参数值,并根据各参数值生成邻接矩阵;
服务器对该订单信息中的配送地址进行分析,即提取出订单信息中的发出地与签收地信息,确定运输该订单的起点、终点和所经过的各个汇点,并将起点、终点和各个汇点抽象成网络的结点,它们之间的有向路径抽象成网络的边,由此构成一个有向图G=(N,L,D),其中N表示结点数,L表示边数,D为N*N的矩阵,可根据优化的目标分别是边(i,j)对应的长度、费用或时间,这样可定义距离邻接矩阵、费用邻接矩阵和时间邻接矩阵。如果两个结点间存在路径,则相应矩阵元素的值为路径的长度或运费或运时;如果两个结点间不存在路径,则相应矩阵元素的值为∞。
204,调用预设的神经网络,构建邻接矩阵中的各元素与神经网络中各神经元的对应关系;
205,根据对应关系,对邻接矩阵进行网络演化,生成换位阵,并根据换位阵生成车辆调度策略;
对于车辆调度中的约束,将其作为预设的神经网络的一个能量项来处理,将其施加一个惩罚项后加入到神经网络的能量方程式中,这样随着神经网络的收敛,约束的能量也逐渐趋于稳态,使约束得到体现。邻接矩阵中的每个元素对应着一个神经元,定义位于位置(x,i)的神经元的输出为Vxi。首先确定神经网络的能量函数,该能量函数包括神经网络的输出能量函数和各个约束转化的能量函数,进而,确定神经元的传递函数和状态转移方程,经过神经网络的反复演化,直至收敛。当神经网络经过演化最终收敛时,可形成一个由0和1组成的换位阵,阵中的1所在位置即表示所经过的结点,这些结点间的距离、费用和运时之和即为最短距离、最少运费和最小运时。根据换位阵所形成的最短距离、最小运费和最小运时路径生成车辆调度策略。
206,根据车辆调度策略,调度可运输订单的车辆;
207,对订单按照配送地址和车辆规划行驶路线;
获取所有可调度车辆的类型、大小尺寸,以及获取该订单的订单信息中的订单类型、尺寸、包装,发出地、签收地等信息,根据该车辆调度策略对该订单和车辆进行智能匹配。服务器根据该订单的配送地址和调度的运输车辆对该订单规划行驶路线,即根据该订单的发出地和签收地,查找最短配送路径作为该订单的行驶路线。
另外,当根据车辆调度策略,调度运输该订单的车辆时,若调度员觉得不合适或需要调整,可选择需要调整的订单进行调整或微调,例如,若业务上需要指定订单同车配送或者指定订单首单配送、将某个订单移动到另一个线路中,可以设置指定订单同车配送或者指定订单首单配送的约束关系,配置运力、设置规则策略,执行车辆调度功能。车辆调度完成后,进行订单和车辆的绑定,哪辆车装哪些订单,然后经由服务器指派任务给司机,将车辆和订单信息推送给司机,完成车辆的调度。
进一步的,司机登录客户端后进入派车单页面,可查看派单车及派车单明细,派车单跟司机的登录账号绑定,司机只能看到自己的配送任务;配送任务含有客户信息和订单信息,司机配送客户的顺序后台系统已预先分配好,客户信息和行驶路线在客户端上显示。
根据配送地址和车辆,确定订单的车辆行驶方向;即提取配送地址中的起始配送地点,即发出地与签收地的地址信息,并根据调度的运输该订单的车辆,结合发出地与签收地的地址信息,确定运输该订单的车辆行驶方向。服务器采用预设的遗传算法根据该订单配送地址中的发出地和签收地进行配送路径的计算,得到多组配送路径;并采用蚁群算法对多组配送路径进行最优解计算,得到最优配送路径,将该最优配送路径作为运送该订单的行驶路线。具体的,先利用遗传算法具有比较强的全局搜索能力的优点,对该订单的配送路径进行计算,得到大范围内的配送路径的一组解,然后以此为基础,用蚁群算法在多组配送路径中快速寻找最优解,即最优配送路径。将该最优配送路径作为运送该订单的行驶路线。
另外,计算车辆的最优配送路径,通过自研究遍历所有目标点的代价最优值算法,即采用遗传算法和蚁群算法,代价最优值算法更为简单高效,本提案中遍历次序的算法采用的是代价搜索法。代价搜索法也是基于宽度优先搜索上进行了部分优化的一种算法,每次只展开某一个结点(不是展开所有结点),具体步骤如下:
S1、从A点开始依次展开得到AB(7)、AC(3)、AD(10)、AE(15)四个新结点,把第一层结点A标记为已展开,并且每个新结点要记录下其距离(括号中的数字),BE(5)、ED(7)、BD(10);
S2、把未展开过的AB、AC、AD、AE四个结点中距离最小的一个展开,即展开AC(3),得到ACB(8)、ACD(16)、ACE(13)三个结点,并把结点AC标记为已展开结点;
S3、再从未展开的所有结点中找出距离最小的一个展开,即展开AB(7)结点,得到ABC(12)、ABD(20)、ABE(19)三个结点,并把结点AB标记为已展开;
S4、再次从未展开的所有结点中找出距离最小的一个展开,即展开ACB(8)结点…(不再展开AD、AE);
S5、每次展开所有未展开的结点中距离最小的那个结点,直到展开的新结点中出现目标结果时(结点含有5个字母),即得到最终路线图,按此图例子最优路线则是ACBED(20)。
由上述内容可见,等代价搜索法并没有象宽度优先搜索一样展开所有结点,只是根据某一原则或某一估价函数值每次展开距离A点最近的那个结点,反复下去即可最终得到答案。虽然中途有时也展开了一些并不是答案的结点,但这种展开并不是大规模的,不是全部展开,因而耗时要比宽度优先搜索小得多。
208,根据行驶路线,计算运输订单的运输距离,并根据订单重量和运输距离计算订单的初始运费;
209,从预设的货运险推荐表中查找与订单类型对应的货运险,并根据货运险,计算订单的货运险费用;
210,根据初始运费和货运险费用生成订单的运费。
在本发明实施例中,步骤208-210与上述的物流运费生成方法的第一个实施例中的步骤103-105一致,在此不做赘述。
在本发明实施例中,根据订单的配送地址生成运输路径的有向图,并根据有向图和神经网络生成车辆调度策略对车辆进行调度并规划行驶路线,从而根据行驶路线计算运输距离及初始运费,提高了根据运输距离进行运费计算的合理性和准确性。
请参阅图3,本发明实施例中物流运费生成方法的第三个实施例包括:
301,获取订单的订单信息;
302,对配送地址进行分析,确定订单的车辆调度策略,并根据车辆调度策略,调度可运输订单的车辆并规划行驶路线;
303,根据行驶路线,计算运输订单的运输距离,并根据订单重量和运输距离计算订单的初始运费;
304,获取各订单的订单类型对应的货运险类型中各货运险的基本信息;
305,基于各货运险的基本信息,计算各货运险的出险率,并根据出险率,对各货运险进行质量评价,得到各货运险对应的质量评价值;
服务器获取各订单的订单类型对应的货运险类型中各货运险的基本信息,其中,一个订单类型对应一个货运险类型,一个货运险类型包括多个货运险。该货运险的基本信息包括该货运险的出险次数、赔付情况等信息。对各货运险的出险次数进行分析,根据该出险次数,计算各货运险的出险率。
服务器根据各货运险的出险率对各货运险进行质量评价,具体的,对各货运险进行出险率的标准差值的计算,并根据各货运险的出险率的标准差值确定各货运险对应的质量评价值。
在本实施例中,对各货运险的基本信息进行分析,统计各货运险的出险次数,以及相同货运险类型中所有货运险的出险总次数;根据出险次数和出险总次数,分别计算各货运险的出险率。具体的,服务器对该货运险的基本信息进行分析,即统计一定周期内的该货运险的出险次数,同时统计同一货运险类型下所有货运险的出险总次数,即统计每个货运险类型对应的出险总次数。对货运险对应的出险次数和该货运险对应的货运险类型的出险总次数进行算术除法运算,得到该货运险对应的出险率;对每个货运险进行出险次数与出险总次数的计算,并根据该出险次数和出险总次数计算得到每个货运险的出险率。
对各货运险进行质量评价,计算相同货运险类型中各货运险的出险率的标准差值;根据标准差值确定各货运险对应的质量评价值。具体的,服务器对各货运险进行质量评价,对同一货运险类型中各货运险进行随机分组,并计算该货运险类型中M个货运险分组的出险率的第一标准差值(X1),以及计算N个货运险分组的出险率的第二标准差值(X2),将第一标准差值(X1)和第二标准差值(X2)进行算术除法运算,计算得到该货运险类型的质量评价值,其中,同一货运险类型中各货运险的质量评价值一致。
306,根据质量评价值和出险率,计算各货运险的推荐值;
307,将各货运险按照推荐值进行排序,并根据排序的结果生成货运险推荐表;
根据各货运险的质量评价值和出险率,计算各货运险的推荐值,具体的,按照预设的质量评价值和出险率的权重,计算质量评价值和出险率的权值,从而得到各货运险的推荐值。将各货运险按照各货运险对应的推荐值由大到小进行排序,形成推荐序列,并根据该推荐序列生成货运险推荐表。在本实施例中,该推荐序列反映了同一货运险类型下各货运险的推荐指数,以及所有货运险类型中各货运险类型的推荐指数,其中,同一货运险类型中,货运险的推荐值越大,在推荐序列中的位置越靠前,则说明该货运险的推荐指数越高;在所有货运险类型中,货运险类型的推荐值越大,在推荐序列中的位置越靠前,则说明该货运险类型的推荐指数越高。
对每个货运险对应的质量评价值按照预设的质量权重进行权值计算,得到质量权值,对每个货运险对应的出险率按照预设的出险权重进行权值计算,得到出险权值,将质量权值和出险权值进行算术加运算,得到各货运险对应的推荐值。具体的,服务器预先对质量评价值设定质量权重,根据该质量权重,对每个货运险对应的质量评价值进行权值计算,即将该货运险对应的质量评价值与质量权重进行乘积运算,从而得到每个货运险对应的质量权值。服务器预先对出险率设定出险权重,根据该出险权重,对每个货运险对应的出险率进行权值计算,即将该货运险对应的出险率与出险权重进行乘积运算,从而得到每个货运险对应的出险权值。服务器将得到该货运险对应的质量权值和出险权值进行算术加运算,即将质量权值和出险权值相加,得到该货运险对应的推荐值。当根据每个货运险的质量权值和出险权值进行计算之后,可得到各货运险对应的推荐值。
308,从预设的货运险推荐表中查找与订单类型对应的货运险,并根据货运险,计算订单的货运险费用;
309,根据初始运费和货运险费用生成订单的运费。
在本发明实施例中,步骤301-303与上述的物流运费生成方法的第一个实施例中的步骤101-103一致,在此不做赘述。
在本发明实施例中,通过计算每个货运险的质量评价值和出险率,并根据各个货运险的质量评价值和出险率计算各个货运险的推荐值,以进行货运险的推荐,由于质量评价值和出险率可以较为客观的反映该货运险的保障质量,因此可以提高货运险推荐的准确性,另外,与人工推荐货运险相比,还提高了货运险推荐的效率,从而提高了后续物流运费生成的效率和准确度。
请参阅图4,本发明实施例中物流运费生成方法的第四个实施例包括:
401,获取订单的订单信息;
402,对配送地址进行分析,确定订单的车辆调度策略,并根据车辆调度策略,调度可运输订单的车辆并规划行驶路线;
403,对行驶路线进行分析,计算订单按照行驶路线进行运输的运输距离;
404,判断运输距离是否落在预设的运距阶段区间内,并根据判断的结果确定订单的运距阶段;
服务器对该订单的行驶路线进行分析,即根据该订单所规划的行驶路线,对运输该订单的运输距离进行计算,从而得到该订单的运输距离。对运输距离进行运距阶段划分,其中,运距阶段由近到远依次为包括同街道、同县区不同街道、同市不同县区以及同省不同市、邻省、跨省、西部偏远地区,一个运距阶段对应一个运输距离区间,且该运输距离区间为运距阶段区间
具体的,判断该运输距离是否落在预设的运距阶段区间内,即判断该运输距离是否属于该运距阶段区间,若该运输距离落在预设的运距阶段区间内,则将该运距阶段区间对应的运距阶段作为该订单的运距阶段。
405,从预设的运费单价表中提取与运距阶段对应的运费单价,并将运费单价与订单重量进行乘积运算,得到订单的初始运费;
服务器预先对不同运距阶段设置不同的每单位重量的运费单价,形成运费单价表,并为每个运距阶段设置首重运费和续重运费,从而形成运费单价表。
服务器从运费单价表中查找出与该订单的运距阶段对应的运费单价,根据该运费单价和该订单的订单重量,对运费单价和订单重量进行乘积运算,得到该订单的初始运费,即根据首重运费和续重运费以及运距阶段对应的运费单价计算得到初始运费。
406,从预设的货运险推荐表中查找与订单类型对应的货运险,并根据货运险,计算订单的货运险费用;
407,根据初始运费和货运险费用生成订单的运费。
在本发明实施例中,步骤401-402、步骤406-407与上述的物流运费生成方法的第一个实施例中的步骤101-102、步骤104-105一致,在此不做赘述。
在本发明实施例中,根据运输距离确定该运输距离对应的运距阶段,从而提取与运距阶段对应的运费单价,根据运费单价计算初始运费,从而提高了运费计算的准确度和可靠性。
上面对本发明实施例中的物流运费生成方法进行了描述,下面对本发明实施例中的物流运费生成装置进行描述,请参照图5,本发明实施例中的物流运费生成装置的一个实施例包括:
获取模块501,用于获取订单的订单信息,其中,所述订单信息包括配送地址、订单类型和订单重量;
分析模块502,用于对所述配送地址进行分析,确定所述订单的车辆调度策略,并根据所述车辆调度策略,调度可运输所述订单的车辆并规划行驶路线;
计算模块503,用于根据所述行驶路线,计算运输所述订单的运输距离,并根据所述订单重量和所述运输距离计算所述订单的初始运费;
查找模块504,用于从预设的货运险推荐表中查找与所述订单类型对应的货运险,并根据所述货运险,计算所述订单的货运险费用;
生成模块505,用于根据所述初始运费和所述货运险费用生成所述订单的运费。
在本发明实施例中,通过物流运费生成装置获取订单信息,确定车辆调度策略并规划行驶路线,根据该行驶路线确定运输距离并结合订单重量计算初始运费,再选取货运险计算货运险费用,根据初始运费和货运险费用计算该订单的运费。本发明实施例的物流运费生成装置能够合理计算运费,且提高了运费计算的准确度和可靠性。
请参阅图6,本发明实施例中的物流运费生成装置的另一个实施例包括:
获取模块501,用于获取订单的订单信息,其中,所述订单信息包括配送地址、订单类型和订单重量;
分析模块502,用于对所述配送地址进行分析,确定所述订单的车辆调度策略,并根据所述车辆调度策略,调度可运输所述订单的车辆并规划行驶路线;
计算模块503,用于根据所述行驶路线,计算运输所述订单的运输距离,并根据所述订单重量和所述运输距离计算所述订单的初始运费;
查找模块504,用于从预设的货运险推荐表中查找与所述订单类型对应的货运险,并根据所述货运险,计算所述订单的货运险费用;
生成模块505,用于根据所述初始运费和所述货运险费用生成所述订单的运费。
其中,所述分析模块502包括:
分析单元5021,用于对所述订单信息中的配送地址进行分析,确定运输所述订单的过程中进行中转的各汇点、起点、终点和各所述汇点之间的有向路径,并根据所述有向路径生成有向图;
提取单元5022,用于提取所述有向图中各参数值,并根据各所述参数值生成邻接矩阵;
构建单元5023,用于调用预设的神经网络,构建所述邻接矩阵中的各元素与所述神经网络中各神经元的对应关系;
演化单元5024,用于根据所述对应关系,对所述邻接矩阵进行网络演化,生成换位阵,并根据所述换位阵生成车辆调度策略;
调度单元5025,用于根据所述车辆调度策略,调度可运输所述订单的车辆;
规划单元5026,用于对所述订单按照所述配送地址和所述车辆规划行驶路线。
其中,所述物流运费生成装置还包括推荐模块506,所述推荐模块506包括:
获取单元5061,用于获取各所述订单类型对应的货运险类型中各货运险的基本信息;
评价单元5062,用于基于各所述货运险的基本信息,计算各所述货运险的出险率,并根据所述出险率,对各所述货运险进行质量评价,得到各所述货运险对应的质量评价值;
计算单元5063,用于根据所述质量评价值和所述出险率,计算各所述货运险的推荐值;
排序单元5064,用于将各所述货运险按照所述推荐值进行排序,并根据排序的结果生成货运险推荐表。
其中,所述评价单元5062具体用于:
对各所述货运险的基本信息进行分析,统计各所述货运险的出险次数,以及相同货运险类型中所有所述货运险的出险总次数;
根据所述出险次数和所述出险总次数,分别计算各所述货运险的出险率;
对各所述货运险进行质量评价,计算相同货运险类型中各所述货运险的出险率的标准差值;
将所述标准差值作为各所述货运险对应的质量评价值。
其中,所述计算单元5063具体用于:
对每个所述货运险对应的所述质量评价值按照预设的质量权重进行权值计算,得到质量权值;
对每个所述货运险对应的所述出险率按照预设的出险权重进行权值计算,得到出险权值;
将所述质量权值和所述出险权值进行算术加运算,得到各所述货运险对应的推荐值。
其中,所述规划单元5026具体用于:
根据所述配送地址和所述车辆,确定所述订单的车辆行驶方向;
采用预设的遗传算法,对所述订单按照所述车辆行驶方向和所述配送地址进行配送路径计算,得到多组配送路径;
采用预设的蚁群算法,计算多组所述配送路径中的最优配送路径,并将所述最优配送路径作为所述订单的行驶路线。
其中,所述计算模块503具体用于:
对所述行驶路线进行分析,计算所述订单按照所述行驶路线进行运输的运输距离;
判断所述运输距离是否落在预设的运距阶段区间内,并根据判断的结果确定所述订单的运距阶段;
从预设的运费单价表中提取与所述运距阶段对应的运费单价,并将所述运费单价与所述订单重量进行乘积运算,得到所述订单的初始运费。
在本发明实施例中,通过物流运费生成装置计算每个货运险的质量评价值和出险率,并根据各个货运险的质量评价值和出险率计算各个货运险的推荐值,以进行货运险的推荐,由于质量评价值和出险率可以较为客观的反映该货运险的保障质量,因此可以提高货运险推荐的准确性,并且还提高了货运险推荐的效率,从而提高了后续物流运费生成的效率和准确度。
请参阅图7,下面从硬件处理的角度对本发明实施例中的物流运费生成设备的一个实施例进行详细描述。
图7是本发明实施例提供的一种物流运费生成设备的结构示意图,该物流运费生成设备700可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)710(例如,一个或一个以上处理器)和存储器720,一个或一个以上存储应用程序733或数据732的存储介质730(例如一个或一个以上海量存储设备)。其中,存储器720和存储介质730可以是短暂存储或持久存储。存储在存储介质730的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对物流运费生成设备700中的一系列指令操作。更进一步地,处理器710可以设置为与存储介质730通信,在物流运费生成设备700上执行存储介质730中的一系列指令操作。
物流运费生成设备700还可以包括一个或一个以上电源740,一个或一个以上有线或无线网络接口750,一个或一个以上输入输出接口760,和或或,一个或一个以上操作系统731,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图7示出的物流运费生成设备结构并不构成对物流运费生成设备的限定,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。
本发明所指服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述物流运费生成方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括: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。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种物流运费生成方法,其特征在于,所述物流运费生成方法包括:
获取订单的订单信息,其中,所述订单信息包括配送地址、订单类型和订单重量;
对所述配送地址进行分析,确定所述订单的车辆调度策略,并根据所述车辆调度策略,调度可运输所述订单的车辆并规划行驶路线;
根据所述行驶路线,计算运输所述订单的运输距离,并根据所述订单重量和所述运输距离计算所述订单的初始运费;
从预设的货运险推荐表中查找与所述订单类型对应的货运险,并根据所述货运险,计算所述订单的货运险费用;
根据所述初始运费和所述货运险费用生成所述订单的运费;
在所述从预设的货运险推荐表中查找与所述订单类型对应的货运险类型,并根据所述货运险类型,计算所述订单的货运险费用之前,还包括:
获取各所述订单类型对应的货运险类型中各货运险的基本信息;
基于各所述货运险的基本信息,计算各所述货运险的出险率,并根据所述出险率,对各所述货运险进行质量评价,得到各所述货运险对应的质量评价值;
根据所述质量评价值和所述出险率,计算各所述货运险的推荐值;
将各所述货运险按照所述推荐值进行排序,并根据排序的结果生成货运险推荐表;
所述对所述配送地址进行分析,确定所述订单的车辆调度策略,并根据所述车辆调度策略,调度可运输所述订单的车辆并规划行驶路线包括:
对所述订单信息中的配送地址进行分析,确定运输所述订单的过程中进行中转的各汇点、起点、终点和各所述汇点之间的有向路径,并根据所述有向路径生成有向图;
提取所述有向图中各参数值,并根据各所述参数值生成邻接矩阵;
调用预设的神经网络,构建所述邻接矩阵中的各元素与所述神经网络中各神经元的对应关系;
根据所述对应关系,对所述邻接矩阵进行网络演化,生成换位阵,并根据所述换位阵生成车辆调度策略;
根据所述车辆调度策略,调度可运输所述订单的车辆;
对所述订单按照所述配送地址和车辆规划行驶路线;
所述基于各所述货运险的基本信息,计算各所述货运险的出险率,并根据所述出险率,对各所述货运险进行质量评价,得到各所述货运险对应的质量评价值包括:
对各所述货运险的基本信息进行分析,统计各所述货运险的出险次数,以及相同货运险类型中所有所述货运险的出险总次数;
根据所述出险次数和所述出险总次数,分别计算各所述货运险的出险率;
对各所述货运险进行质量评价,计算相同货运险类型中各所述货运险的出险率的标准差值;
将所述标准差值作为各所述货运险对应的质量评价值。
2.根据权利要求1所述的物流运费生成方法,其特征在于,所述根据所述质量评价值和所述出险率,计算各所述货运险的推荐值包括:
对每个所述货运险对应的所述质量评价值按照预设的质量权重进行权值计算,得到质量权值;
对每个所述货运险对应的所述出险率按照预设的出险权重进行权值计算,得到出险权值;
将所述质量权值和所述出险权值进行算术加运算,得到各所述货运险对应的推荐值。
3.根据权利要求1-2中任一项所述的物流运费生成方法,其特征在于,所述对所述订单按照所述配送地址和所述车辆规划行驶路线包括:
根据所述配送地址和所述车辆,确定所述订单的车辆行驶方向;
采用预设的遗传算法,对所述订单按照所述车辆行驶方向和所述配送地址进行配送路径计算,得到多组配送路径;
采用预设的蚁群算法,计算多组所述配送路径中的最优配送路径,并将所述最优配送路径作为所述订单的行驶路线。
4.根据权利要求1-2中任一项所述的物流运费生成方法,其特征在于,所述根据所述行驶路线,计算运输所述订单的运输距离,并根据所述订单重量和所述运输距离计算所述订单的初始运费包括:
对所述行驶路线进行分析,计算所述订单按照所述行驶路线进行运输的运输距离;
判断所述运输距离是否落在预设的运距阶段区间内,并根据判断的结果确定所述订单的运距阶段;
从预设的运费单价表中提取与所述运距阶段对应的运费单价,并将所述运费单价与所述订单重量进行乘积运算,得到所述订单的初始运费。
5.一种物流运费生成装置,其特征在于,所述物流运费生成装置包括:
获取模块,用于获取订单的订单信息,其中,所述订单信息包括配送地址、订单类型和订单重量;
分析模块,用于对所述配送地址进行分析,确定所述订单的车辆调度策略,并根据所述车辆调度策略,调度可运输所述订单的车辆并规划行驶路线;
计算模块,用于根据所述行驶路线,计算运输所述订单的运输距离,并根据所述订单重量和所述运输距离计算所述订单的初始运费;
查找模块,用于从预设的货运险推荐表中查找与所述订单类型对应的货运险,并根据所述货运险,计算所述订单的货运险费用;
生成模块,用于根据所述初始运费和所述货运险费用生成所述订单的运费;
排序模块,用于获取各所述订单类型对应的货运险类型中各货运险的基本信息;基于各所述货运险的基本信息,计算各所述货运险的出险率,并根据所述出险率,对各所述货运险进行质量评价,得到各所述货运险对应的质量评价值;根据所述质量评价值和所述出险率,计算各所述货运险的推荐值;将各所述货运险按照所述推荐值进行排序,并根据排序的结果生成货运险推荐表;
分析模块,还用于对所述订单信息中的配送地址进行分析,确定运输所述订单的过程中进行中转的各汇点、起点、终点和各所述汇点之间的有向路径,并根据所述有向路径生成有向图;提取所述有向图中各参数值,并根据各所述参数值生成邻接矩阵;调用预设的神经网络,构建所述邻接矩阵中的各元素与所述神经网络中各神经元的对应关系;根据所述对应关系,对所述邻接矩阵进行网络演化,生成换位阵,并根据所述换位阵生成车辆调度策略;根据所述车辆调度策略,调度可运输所述订单的车辆;对所述订单按照所述配送地址和车辆规划行驶路线;
排序模块,还用于对各所述货运险的基本信息进行分析,统计各所述货运险的出险次数,以及相同货运险类型中所有所述货运险的出险总次数;根据所述出险次数和所述出险总次数,分别计算各所述货运险的出险率;对各所述货运险进行质量评价,计算相同货运险类型中各所述货运险的出险率的标准差值;将所述标准差值作为各所述货运险对应的质量评价值。
6.一种物流运费生成设备,其特征在于,所述物流运费生成设备包括:
存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述物流运费生成设备执行如权利要求1-4中任一项所述的物流运费生成方法的步骤。
7.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-4中任一项所述的物流运费生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111095882.0A CN113780956B (zh) | 2021-09-18 | 2021-09-18 | 物流运费生成方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111095882.0A CN113780956B (zh) | 2021-09-18 | 2021-09-18 | 物流运费生成方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113780956A CN113780956A (zh) | 2021-12-10 |
CN113780956B true CN113780956B (zh) | 2024-02-13 |
Family
ID=78852046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111095882.0A Active CN113780956B (zh) | 2021-09-18 | 2021-09-18 | 物流运费生成方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113780956B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116011912A (zh) * | 2022-12-30 | 2023-04-25 | 广州联雅网络科技有限公司 | 跨境电商智能发货方法及装置、设备、存储介质 |
CN115953102A (zh) * | 2023-03-13 | 2023-04-11 | 北京全路通信信号研究设计院集团有限公司 | 一种铁路货运制票管理方法及系统 |
CN117808384B (zh) * | 2024-02-29 | 2024-06-21 | 天津小铁马科技有限公司 | 货物运输车货匹配方法、装置、设备及介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002073994A (ja) * | 2000-08-31 | 2002-03-12 | Nri & Ncc Co Ltd | 保険契約のためのリスク分析支援装置 |
JP2004326711A (ja) * | 2003-04-30 | 2004-11-18 | Hitachi Eng Co Ltd | 配車計画立案方法および装置 |
CN106997520A (zh) * | 2017-04-25 | 2017-08-01 | 物载天下网络科技(苏州)有限公司 | 一种长途物流配送信息平台系统和使用方法 |
KR20170115831A (ko) * | 2016-04-08 | 2017-10-18 | 삼성에스디에스 주식회사 | 운전자 구분을 이용한 보험 상품의 제안 방법 및 그 장치 |
CN107679646A (zh) * | 2017-09-04 | 2018-02-09 | 安徽共生物流科技有限公司 | 一种效益最优的运输路线智能优化方法 |
CN108985669A (zh) * | 2017-06-01 | 2018-12-11 | 长安民生(上海)供应链有限公司 | 一种汽车托运费用计算的系统及其使用方法 |
CN109460964A (zh) * | 2018-09-29 | 2019-03-12 | 中国平安财产保险股份有限公司 | 基于数据更新生成车险报价单的方法、装置和计算机设备 |
CN109816246A (zh) * | 2019-01-28 | 2019-05-28 | 江苏大地物流有限责任公司 | 基于gis和智能算法的物流调度系统 |
CN110428279A (zh) * | 2019-07-05 | 2019-11-08 | 深圳壹账通智能科技有限公司 | 车险推荐方法、装置、设备及计算机可读存储介质 |
CN113011644A (zh) * | 2021-03-11 | 2021-06-22 | 华南理工大学 | 基于蚁群优化算法的智慧城市动态冷链物流调度方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080010223A1 (en) * | 2006-06-22 | 2008-01-10 | Digital River, Inc. | Shipping Charge Calculation System and Method |
US20190325525A1 (en) * | 2018-04-24 | 2019-10-24 | International Business Machines Corporation | Insurance price determination of autonomous vehicle based on predicted accident threat from surrounding vehicles |
-
2021
- 2021-09-18 CN CN202111095882.0A patent/CN113780956B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002073994A (ja) * | 2000-08-31 | 2002-03-12 | Nri & Ncc Co Ltd | 保険契約のためのリスク分析支援装置 |
JP2004326711A (ja) * | 2003-04-30 | 2004-11-18 | Hitachi Eng Co Ltd | 配車計画立案方法および装置 |
KR20170115831A (ko) * | 2016-04-08 | 2017-10-18 | 삼성에스디에스 주식회사 | 운전자 구분을 이용한 보험 상품의 제안 방법 및 그 장치 |
CN106997520A (zh) * | 2017-04-25 | 2017-08-01 | 物载天下网络科技(苏州)有限公司 | 一种长途物流配送信息平台系统和使用方法 |
CN108985669A (zh) * | 2017-06-01 | 2018-12-11 | 长安民生(上海)供应链有限公司 | 一种汽车托运费用计算的系统及其使用方法 |
CN107679646A (zh) * | 2017-09-04 | 2018-02-09 | 安徽共生物流科技有限公司 | 一种效益最优的运输路线智能优化方法 |
CN109460964A (zh) * | 2018-09-29 | 2019-03-12 | 中国平安财产保险股份有限公司 | 基于数据更新生成车险报价单的方法、装置和计算机设备 |
CN109816246A (zh) * | 2019-01-28 | 2019-05-28 | 江苏大地物流有限责任公司 | 基于gis和智能算法的物流调度系统 |
CN110428279A (zh) * | 2019-07-05 | 2019-11-08 | 深圳壹账通智能科技有限公司 | 车险推荐方法、装置、设备及计算机可读存储介质 |
WO2021004121A1 (zh) * | 2019-07-05 | 2021-01-14 | 深圳壹账通智能科技有限公司 | 车险推荐方法、装置、设备及计算机可读存储介质 |
CN113011644A (zh) * | 2021-03-11 | 2021-06-22 | 华南理工大学 | 基于蚁群优化算法的智慧城市动态冷链物流调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113780956A (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113780956B (zh) | 物流运费生成方法、装置、设备及存储介质 | |
CN111461624B (zh) | 物流线路规划方法、装置、设备及存储介质 | |
JP7266649B2 (ja) | Eコマースフルフィルメント用の効率的な経路計画のシステム、装置、および方法 | |
Solak et al. | The stop-and-drop problem in nonprofit food distribution networks | |
Cheung et al. | Dynamic routing model and solution methods for fleet management with mobile technologies | |
CN107094165A (zh) | 配送能力确定、配送任务获取、配送资源调度方法和设备 | |
CN110222893B (zh) | 共享交通资源的投放地点推荐方法、装置与电子设备 | |
US9342787B2 (en) | Sensor based truth maintenance | |
CN109087030B (zh) | 实现c2c通用移动众包的方法、通用移动众包服务器及系统 | |
CN113705901A (zh) | 物流配送路径选择方法、装置、设备及存储介质 | |
KR102560210B1 (ko) | 인공지능 기반의 최적화된 수출입화물 운송경로의 운임 예측 및 맞춤형 고객 관리 시스템 | |
Mohammadi et al. | A dynamic approach for the multi-compartment vehicle routing problem in waste management | |
CN113554387A (zh) | 基于司机偏好的电商物流订单分配方法、装置、设备及存储介质 | |
Yu et al. | Maximizing profit for vehicle routing under time and weight constraints | |
Wang et al. | Joint optimization of parcel allocation and crowd routing for crowdsourced last-mile delivery | |
Nagpal et al. | Use of data analytics to increase the efficiency of last mile logistics for ecommerce deliveries | |
Meesuptaweekoon et al. | Dynamic vehicle routing problem with multiple depots | |
Massobrio et al. | A parallel micro evolutionary algorithm for taxi sharing optimization | |
Schau et al. | Intelligent Infrastructure for Last-mile and Short-distance Freight Transportation with Electric Vehicles in the Domain of Smart City Logistic. | |
CN114723373A (zh) | 保健用品的配货调度管理方法、装置、设备及存储介质 | |
CN115222340A (zh) | 基于智能仓储的货物调度管理方法及相关装置 | |
Shi et al. | An integer l-shaped method for dynamic order dispatching in autonomous last-mile delivery with demand uncertainty | |
CN113554386A (zh) | 适用于电商订单的物流分配方法、装置、设备及存储介质 | |
Gingerich et al. | Border crossing choice behavior of trucks along trade corridor between Toronto, Ontario, Canada, and Chicago, Illinois | |
Luan et al. | A data-based opportunity identification engine for collaborative freight logistics based on a trailer capacity graph |
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 |