CN113807759A - 基于深度学习的货物运费决定方法以及装置 - Google Patents
基于深度学习的货物运费决定方法以及装置 Download PDFInfo
- Publication number
- CN113807759A CN113807759A CN202011484215.7A CN202011484215A CN113807759A CN 113807759 A CN113807759 A CN 113807759A CN 202011484215 A CN202011484215 A CN 202011484215A CN 113807759 A CN113807759 A CN 113807759A
- Authority
- CN
- China
- Prior art keywords
- information
- freight
- vehicle
- cargo
- platform
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000013135 deep learning Methods 0.000 title claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 28
- 238000004891 communication Methods 0.000 description 16
- 239000000470 constituent Substances 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000000969 carrier Substances 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0834—Choice of carriers
- G06Q10/08345—Pricing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/0895—Weakly supervised learning, e.g. semi-supervised or self-supervised learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- 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
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
-
- 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
- G06Q10/0833—Tracking
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
基于深度学习的货物运费决定方法以及装置。实施例可以提供一种由计算装置执行的、通过平台决定货物运费的方法。此时,决定货物运费的方法,可以包括:从第一计算装置获取货物相关信息的步骤;基于货物相关信息从第二计算装置获取车辆相关信息的步骤;基于货物相关信息及车辆相关信息决定货物运费的步骤;以及将决定的货物运费提供给所述第一计算装置的步骤。
Description
技术领域
实施例涉及提供运送服务的方法以及装置。更加详细而言,涉及一种考虑货物信息匹配货物主人(以下,货主)和货物车主人(车主)来决定运费之后,提供运送服务的技术。
背景技术
以往为了购买物品,主要采用直接访问销售场地进行购买的访问购买形式。然而,最近随着运送手段的发展以及保管技术的提升,相比直接购买物品,通过线上确认物品之后进行订购的交易在增加。由此,通过快递传递给家庭的货物以几何级数增长,为此,目前货车也在增加的趋势。
然而,货车配送的目的地可以彼此不同,并考虑配送货物的时间,会需要有效配送货物的方法。作为一例,目前正在使用如下形态的配送方式,即在各个地区设置集货的仓库,将货物先运送到各个地区之后,在地区内向各个家庭进行配送。
此时,货主可以将需要配送的货物委托给车主进行配送,并考虑配送距离来预测运费。考虑到上述点,有必要设定适当的运费。另外,作为一例,车主可以向多个目的地配送多个货主的货物,可以按照各个配送地设定运费。此时,考虑车主移动的路径,则可以有效完成配送,由此可以预测合适的运费。然而,用于适当运费以及有效的配送的平台尚不完善的状态,对此,在本说明书中进行说明。
现有技术文献
专利文献
韩国授权专利第10-2086801号
发明内容
本说明书可以提供一种连接货主和车主的平台。
本说明书可以提供一种基于连接货主和车主的平台,预测合适运费的方法。
本说明书可以提供一种基于连接货主和车主的平台,决定适合货物运送的车主的方法。
本说明书可以提供一种将人工智能(Artificial intelligence,AI)应用在连接货主和车主的平台的方法。
本说明书所要解决的课题不限于上述内容,可以扩展为可以通过以下说明的发明的实施例导出的多种事项。
根据本说明书的一实施例,可以提供一种由计算装置执行的、通过平台来决定货物运费的方法。此时,货物运费决定方法,可以包括:从第一计算装置获取货物相关信息的步骤;基于所述货物相关信息从第二计算装置获取车辆相关信息的步骤;基于所述货物相关信息及所述车辆相关信息决定所述货物运费的步骤;以及将所述决定的货物运费提供给所述第一计算装置的步骤。
而且,根据本说明书的一实施例,所述第一计算装置为请求货物搬运的用户的计算装置,所述第二计算装置为拥有进行所述货物搬运的车辆的用户的计算装置。
而且,根据本说明书的一实施例,所述货物相关信息可以包括货物的种类信息、目的地(路径)信息以及运送时间相关信息中的至少一种,所述车辆相关信息可以包括车型信息、货物的种类信息、车辆中装载的货物的种类和顺序信息、装卸场地能力信息、现有目的地信息、运送时间信息、运送路径信息、车主的加油信息、维护信息以及保险信息中的至少一种。
而且,根据本说明书的一实施例,所述货物运费基于所述货物相关信息利用所述车辆相关信息中的实时信息决定,所述货物相关信息是对货物的出发地点及目的地的信息,所述实时信息包括所述车辆是否移动的信息、对计划移动的时间的信息、车辆的位置信息、对车辆移动路径的交通信息及车辆内的货物的位置信息中的至少一种,所述货物运费可基于实时信息改变。
而且,根据本说明书的一实施例,当所述平台基于所述第一货物相关信息及第一车辆相关信息决定第一货物运费的情况下,所述第一货物相关信息、所述第一车辆相关信息及所述第一货物运费信息存储于所述平台的大数据,当所述平台基于所述第二货物相关信息及第二车辆相关信息决定第二货物运费的情况下,将存储于所述大数据的所述第一货物相关信息、所述第一车辆相关信息及所述第一货物运费信息与所述第二货物相关信息、所述第二车辆相关信息及所述第二货物运费信息相比较,基于所述比较的信息决定所述第二货物运费信息,所述被决定的第二货物运费信息与所述第一货物运费信息一起存储于所述大数据。
而且,根据本说明书的一实施例,在决定所述货物运费时,所述平台可以提供每个车辆候选群信息,并按照所述每个候选车辆决定所述货物运费,然后提供给所述第一计算装置。
而且,根据本说明书的一实施例,基于所述平台所述车辆候选群信息及所述货物运费信息被提供到所述第一计算装置时,所述平台可以对所述货物相关信息及所述车辆相关信息决定优先顺序信息,并基于所述优先顺序信息按照优先顺序高的候选车辆顺序提供给所述第一计算装置。
发明效果
本说明书通过提供连接货主和车主的平台,从而可以提高运送货物的效率。
本说明书通过提供基于连接货主和车主的平台来预测合适运费的方法,从而可以提供合适价格。
本说明书通过基于连接货主和车主的平台来决定适合货物运送的车主,从而可以提供货物运送的多样性。
本说明书通过在连接货主和车主的平台应用人工智能,从而可以提供合适的服务。
本说明书的效果不限于以上记载的事项,应理解可以扩展为可以从以下对发明的实施例的详细说明中导出的多种内容。
附图说明
图1是示出根据本说明书的一实施例的系统的运行环境的一例的图。
图2是在本说明书的一实施例中用于说明计算装置200的内部结构的框图。
图3是示出在本说明书的一实施例中计算装置决定运送距离的方法的图。
图4是示出在本说明书的一实施例中计算装置决定运送距离的方法的图。
图5是示出在本说明书的一实施例中连接货主和车主的平台的图。
图6是示出在本说明书的一实施例中将深度学习应用在使货主和车主相匹配的平台中的方法的图。
图7是示出在本说明书的一实施例中计算装置基于运送路径预测运费的方法的图。
图8是示出在本说明书的一实施例中计算装置基于运送路径预测运费的方法的图。
图9是示出在本说明书的一实施例中将优先顺序信息应用于使货主和车主相匹配的平台的方法的图。
图10是示出在本说明书的一实施例中通过平台提供与车主相关的信息的方法的图。
图11是示出在本说明书的一实施例中通过平台提供与车主相关的信息的方法的图。
图12是示出在本说明书的一实施例中通过平台提供与车主相关的信息的方法的图。
图13是示出在本说明书的一实施例中通过平台提供与车主相关的信息的方法的图。
图14是示出在本说明书的一实施例中基于使货主和车主相匹配的平台进行运行的方法的图。
具体实施方式
在说明本说明书的实施例时,当判断为对公知构成或者功能的具体说明能够混淆本说明书的实施例的要旨时,省略对其的详细说明。而且,附图中省略了与对本说明书的实施例的说明无关的部分,对于相似的部分标注了相似的附图标记。
在本说明书的实施例中,当提及某一构成要素与其他构成要素“连接”、“结合”或者“接通”时,其不仅包括直接的连接关系,还可以包括在其中间存在又一其他构成要素的间接的连接关系。另外,当提及某一构成要素“包括”或者“具备”其他构成要素时,在没有特别相反的记载的情况下,不是排除其他构成要素而是指还可以包括又一其他构成要素。
在本说明书的实施例中,第一、第二等术语仅是用于将一个构成要素与其他构成要素进行区分的目的,在没有特别提及的情况下,不限定构成要素之间的顺序或者重要性等。因此,在本说明书的实施例的范围内,也可以在其他实施例中将实施例中的第一构成要素称为第二构成要素,相同地,也可以在其他实施例中将实施例中的第二构成要素称为第一构成要素。
在本说明书的实施例中,互相区别的构成要素是用于明确说明各个特征的,并不指构成要素一定要分离。即,也可以是多个构成要素被统一而构成为一个硬件或者软件单位,也可以是一个构成要素被分散而构成为多个硬件或者软件单位。因此,即便没有另外提及,如上统一或者分散的实施例也包含在本说明书的实施例的范围中。
本说明书中,网络可以是包括有无线网络的所有的概念。此时,网络可以是指可以执行设备和系统以及设备之间的数据交换的通信网,不限于特定网络。
本说明书中说明的实施例可以是整体上为硬件,或者一部分为硬件,一部分为软件,或者整体上为软件。本说明书中,“部(unit)”、“装置”或者“系统”等指代硬件、硬件和软件的组合、或者软件等计算机相关实体(entity)。例如,本说明书中,部、模块、装置或者系统等可以为执行中的流程、处理器、个体(object)、可执行文件(executable)、执行线程(thread of execution)、程序(program)以及/或者计算机(computer),然而不限于此。例如,计算机中正在执行的应用程序(application)以及计算机均可以属于本说明书的部、模块、装置或者系统等。
另外,本说明书中,设备不仅是智能手机、平板电脑(PC)、穿戴式设备以及HMD(头戴式显示器;Head Mounted Display)之类的手机设备,还可以是PC或者具有显示器功能的家电之类被固定的设备。另外,作为一例,设备可以为车辆内仪表或者IoT(物联网;Internet of Things)设备。即,本说明书中,设备可以指代可以使应用程序运行的设备,不限于特定类型。为了方便说明,下面将应用程序运行的设备称为设备。
本说明书中,网络的通信方式不受限制,各个构成要素之间的连接还可以不通过相同的网络方式进行连接。网络不仅包括活用通信网(作为一例,移动通信网、有线互联网、无线互联网、广播网、卫星网等)的通信方式,还可以包括设备之间的近距离无线通信。例如,网络可以包括可以使个体和个体网络连接的所有通信方法,不限于有线通信、无线通信、3G、4G、5G或者除此之外的方法。例如,有线以及/或者网络可以指代通过选自由LAN(局域网;Local Area Network)、MAN(城域网;Metropolitan Area Network)、GSM(全球移动通信系统;Global System for Mobile Network)、EDGE(增强型数据速率GSM演进技术;Enhanced Data GSM Environment)、HSDPA(高速下行链路分组接入;High Speed DownlinkPacket Access)、W-CDMA(宽带码分多址;Wideband Code Division Multiple Access)、CDMA(码分多址;Code Division Multiple Access)、TDMA(时分多址;Time DivisionMultiple Access)、蓝牙(Bluetooth)、紫峰(Zigbee)、无线上网(Wi-Fi)、VoIP(网络电话;Voice over Internet Protocol)、LTE的演进(LTE Advanced)、IEEE802.16m、WirelessMAN-Advanced、HSPA+(增强型高速分组接入)、3GPP长期演进(Long TermEvolution;LTE)、移动(Mobile)WiMAX(IEEE 802.16e)、UMB(formerly EV-DO Rev.C)、Flash-OFDM(正交频分复用技术)、iBurst and MBWA(IEEE 802.20)systems(iBurst及移动无线宽带接入系统)、HIPERMAN(高性能无线城域网)、Beam-Division Multiple Access(波束分多址;BDMA)、Wi-MAX(全球微波接入互操作性;World Interoperability forMicrowave Access)以及超声波活用通信而成的群中的一种以上的通信方法的通信网络,然而不限于此。
在多种实施例中说明的构成要素并不一定是指必要的构成要素,一部分可以为选择性的构成要素。因此,由实施例中说明的构成要素的部分集合构成的实施例也包含在本说明书的实施例的范围。另外,在多种实施例中说明的构成要素之上进一步包括其他构成要素的实施例也包含在本说明书的实施例的范围。
以下,参考附图详细说明本说明书的实施例。
图1是示出根据本说明书的一实施例的系统的运行环境的一例的图。参考图1,一个以上的用户设备110-1、110-2、一个以上的服务器120、130、140通过网络1相互连接。所述图1为用于说明发明的一例,用户设备的数量或者服务器的数量不限于图1所示。
一个以上的用户设备110-1、110-2可以为由计算机系统实现的固定型终端或者移动终端。一个以上的用户设备110-1、110-2例如有智能手机(smart phone)、移动电话、导航仪、电脑、笔记本、数字广播用终端、PDA(个人数字助理;Personal Digital Assistants)、PMP(便携式多媒体播放器;Portable Multimedia Player)、平板电脑(PC)、游戏机(gameconsole)、穿戴式设备(wearable device)、IoT(物联网;internet of things)设备、VR(虚拟现实;virtual reality)设备、AR(增强现实;augmented reality)设备等。作为一例,实施例中,用户设备110实质上可以是指可以利用无线或者有限通信方式通过网络1与其他服务器120至140相互通信的多种物理性计算机系统中的一个。
各个服务器可以由与一个以上的用户设备110-1、110-2通过网络1进行通信来提供指令、代码、文档、内容、服务等的计算机装置或者多个计算机装置体现。例如,服务器可以为向通过网络1接通的一个以上的用户设备110-1、110-2提供各自的服务的系统。作为更加具体的一例,服务器可以通过作为设置在一个以上的用户设备110-1、110-2进行驱动的计算机程序的应用程序,向一个以上的用户设备110-1、110-2提供所述应用程序所要求的服务(作为一例,信息提供等)。作为其他例,服务器可以向一个以上的用户设备110-1、110-2发送用于设置以及驱动所述应用程序的文档,接收用户输入信息,提供相对应的服务。
图2是在本说明书的一实施例中用于说明计算装置200的内部结构的框图。所述计算装置200可以参考图1应用在所述一个以上的用户设备110-1、110-2或者服务器120至140,各个装置和服务器通过进一步包括一部分构成要素或者排除一部分构成要素来构成,从而,可以具有相同或者相似的内部结构。
参考图2,计算装置200可以包括存储器210、处理器220、通信模块230以及收发部240。存储器210作为非暂时性计算机可读记录介质,可以包括RAM(随机存取存储器;randomaccess memory)、ROM(只读存储器;read only memory)、磁盘驱动器、SSD(固态硬盘;solidstate drive)、闪速存储器(flash memory)等的非易失性大容量存储装置(permanentmass storage device)。其中,ROM、SSD、闪速存储器、磁盘驱动器等的非易失性大容量存储装置作为与存储器210区分的单独的永久存储装置,也可以包含在所述装置或者服务器中。另外,存储器210中可以存储有操作系统和至少一个程序码(作为一例,用于设置在用户设备110等进行驱动的浏览器或者为了提供特定服务而设置在用户设备110等的应用程序等的代码)。所述软件构成要素可以由在与存储器210区分的单独的计算机可读记录介质加载。所述单独的计算机可读记录介质可以包括软盘驱动器、磁盘、磁带、DVD/CD-ROM(只读光盘驱动器)驱动器、存储卡等的计算机可读记录介质。
在其他实施例中,软件构成要素也可以通过通信模块230而不是计算机可读记录介质加载在存储器210中。例如,至少一个程序可以基于通过文档设置的计算机程序(作为一例,上述应用程序)加载在存储器210中,其中,所述文档是开发者或者发送应用程序的设置文档的文档发送系统(作为一例,上述服务器)通过网络1提供的。
处理器220可以构成为通过进行基本的算术、逻辑以及输出入运算,从而处理计算机程序的指令。指令可以通过存储器210或者通信模块230提供给处理器220。例如,处理器220可以构成为执行根据存储器210之类的记录装置中存储的程序代码接收的指令。
通信模块230可以提供用于使用户设备110和服务器120至140通过网络1相互通信的功能,可以提供用于使用户设备110以及/或者服务器120至140分别与不同的电子设备通信的功能。
收发部240可以为用于与外部输入/输出装置(未图示)的接口的单元。例如,外部输入装置可以包括键盘、鼠标、麦克风、摄像头等装置,外部输出装置可以包括显示器、扬声器、触觉反馈设备(haptic feedback device)等的装置。
作为其他例,收发部240也可以为用于与触摸屏之类用于输入和输出的功能整合为一体的装置的接口的单元。
另外,在其他实施例中,计算装置200也可以根据被应用的装置的性质,包括相比图2的构成要素更多的构成要素。例如,计算装置200被应用在用户设备110时,也可以体现为包括上述输出入装置中的至少一部分或者还包括收发器(transceiver)、GPS(全球定位系统;Global Positioning System)模块、摄像头、各种传感器、数据库等的其他构成要素。作为更加具体的一例,当用户设备为智能手机时,可以体现为还包括一般智能手机中包含的加速度传感器或者陀螺仪传感器、摄像头模块、各种物理按钮、利用触控板的按钮、输出入接口、用于振动的振动器等多种构成要素。
下面,以计算装置为基准说明本说明书的动作。此时,作为一例,计算装置可以为上述服务器以及设备中的至少一种。即,以下计算装置的动作可以在服务器或者设备中执行,不限于特定装置。然而,为了方便说明,下面,以计算装置为准进行说明。
图3是示出在本说明书的一实施例中计算装置决定运送距离的方法的图。
参考图3,可以提供连接货物主人(以下,称为货主)和车辆主人(以下,称为车主)的平台。作为一例,平台是可以基于上述图1,通过网络1提供。另外,平台可以基于计算装置提供。此时,提供平台的计算装置可以为由上述图1的服务器120至140实现的计算装置。另外,货主和车主也可以基于计算装置接近平台。作为具体的一例,货主和车主的计算装置可以基于网络1接近平台,可以通过接近的平台,提供得到运送服务。即,与货主和车主有关的计算装置可以为终端,可以为图1中公开的上述装置中的一个。
参考图3,货主的计算装置可以通过平台注册自己的货物,请求运费(S310)。此时,货主的计算装置可以向平台提供与货物的种类信息、目的地(路径)信息、运送时间相关信息以及除此之外的货物相关信息中的至少一个信息。此时,作为一例,基于货物的种类信息,货物为容易摔碎或者容易腐烂时,对于需要小心轻放的物品,可以预测高的运费。另外,作为一例,可以是目的地离货主的位置越远,运费定价越高。作为又一其他例,如紧急配送,为运送时间短的情况时,可以预测高的运费。即,货物运费可以基于多种信息来决定。此时,与货物相关的各个信息可以被数值化。
通过平台提供运送服务时,如实反映所有信息来预测运费是有限的。因此,平台可以基于与货物有关的信息,将各个信息数值化。另外,对于数值化的各个信息,可以赋予加权值。作为一例,对于影响运费多的信息,可以赋予高的加权值。与此相反地,对于影响运费少的信息,可以赋予低的加权值。平台可以基于上述信息,将运费进行数值化,由此进行计算。
例如,货主的计算装置可以基于上述信息,在平台注册货物。平台可以基于上述信息,确认对相似货物的记录(S320)。此时,平台可以判断相似货物和注册货物的相似度(S330)。作为一例,当货主以及货物全部相同而仅目的地不同时,可以判断为相似度高。作为一例,如上所述,货物相关信息可以被数值化,可以以数值化的货物相关信息为准,判断与现有货物的相似度。作为一例,考虑加权值以及数值化信息,具有相似值的货物可以计算为相似的价格。此时,作为一例,基于计算装置运行的平台可以基于相似度函数,判断货物是否相似。
作为一例,相似度作为欧几里得距离(Euclidean Distance),可以基于以下数学式1来决定。即,与货物有关的各个信息可以如以下数学式1进行参数化,可以通过比较各个值,预测相似度。此时,可以用%表示相似度,当存在90%以上的相似度时,可以视为存在相似度。
【数学式1】
作为一例,在基于计算装置运行的平台中,相似度为90%以上时,可以向货主的计算装置自动提议运费(S340)。然后,货主的计算装置可以决定是否确定价格(S350)。另外,作为一例,当无法确认相似货物记录时,平台可以将合适价格表与货物信息进行对照(S360)。此时,在图4中说明合适价格表对照方法。
作为其他例,当与货物信息的相似度低于90%时,平台可以比较2个以上的相似货物记录(S370)。此时,基于2个以上的相似货物记录,确保90%以上的相似度信息时,平台可以自动提议运费(S340),其如上所述。与此相反地,即便基于2个以上的相似货物记录,相似度信息低于90%时,平台可以对照合适价格表(S360),对此图4中进行说明。
图4是示出在本说明书的一实施例中计算装置决定运送距离的方法的图。参考图4,如上所述,对照合适价格表时,平台可以评价价格合适度。此时,作为一例,价格合适度的评价可以是基于平台中存储的大数据来执行。作为一例,平台中可以基于人工智能应用深度学习法,由此可以执行价格合适度评价。即,平台可以基于通过大数据获取的信息,尝试用于预测合适价格。此时,平台对价格合适度评价成功时,平台可以制定替代方案合适价格并提供(S420)。与此相反地,平台没有完成价格合适度评价时,平台可以进行运送公司之间的内部投标(S430)。然后,平台可以基于运送公司之间的内部投标信息,制定替代方案竞争价格,将与此有关的信息提供给货主的计算装置(S440)。然后,平台可以向货主提供与预测的价格相对应的车主相关信息。车主可以通过平台获取与货主有关的信息、货物相关信息以及预测价格信息。此时,车主可以基于上述信息,决定是否回应货主的请求。此时,车主回应货主请求时,车主的计算装置可以通过平台向货主提供回应。
如上所述,货主和车主可以通过平台相互连接。
另外,作为一例,平台连接货主和车主时,可以使用多种信息以及多种方法。平台可以活用目前正在移动或者计划移动的货物的信息。即,平台可以实时利用与目前正在移动的车主有关的货物信息以及与计划在预设的时间内移动的车主有关的货物信息。例如,预设的时间可以为平台中设定的时间。
此处,预设的时间可以设定为1小时、计划上午出发、计划下午出发信息、计划夜间出发以及计划凌晨出发中的至少一种。然而,预设的时间也可以设定为不同,还可以根据货主请求而设定。
此时,运费可以是基于目前正在移动的货物以及计划移动的货物信息来决定。作为一例,在决定运费时,可以考虑目前正在移动的各个货物的原来的移动路径、装载该货物时改变的移动路径以及目前装载的货物的种类的多样性。此时,作为一例,货主可以基于上述信息,选定算出最合适的价格的车辆。
作为具体的一例,可以考虑包括A、B以及C的货物,需要在彼此不同的位置卸载货物的货车X。此时,可以考虑货车X在移动中移动到D货物的货主所在的L场地来运送货物D的情况。此时,对于货物D使用货车X时,在计算运费时,可以考虑A、B以及C的装卸场地、重量以及种类等。此时,由于随着价格计算时刻而X的位置在改变,装载的货物的量也在变化,因此价格可以具有流动性。
考虑上述点,平台可以利用多种信息计算运费。此时,多种信息可以是考虑车型、货物的种类、车辆中装载的货物的种类和顺序、装卸场地的目前可用能力(人员)、目的地(距离)、运送时间、运送路径中的至少一种来决定。作为又一其他例,平台可以通过计算装卸难度,反映装卸难度来计算运费。另外,作为一例,平台还可以利用货物的大小、重量、气味、食品与否以及腐烂可能性中的至少一种,不限于上述实施例。作为又一其他例,平台在计算运费之后,还在中间进一步装卸时,可以动态地修改该运费。作为一例,可以考虑装卸对象货物装载在货厢的内侧(初期装载的情况)的情况。此时,对于该货物,可以基于是否增加其他货物,来不同地决定费用。
作为具体的一例,可以考虑以A-B-C顺序装载货物的情况。此时,需要先卸载A货物时,由于需要将B以及C货物移动之后卸载A货物,因此对A的卸载难度可能会增加。因此,考虑上述点,对A货物的运费可能会增加。与此相反地,在无需最先卸载A货物的情况下,A的运费可能不变。
即,如上所述,在计算货物运费时,可以活用多种信息。此时,作为一例,平台中“智能合适价格制定算法”可以基于大数据收集以及加工来分析货物数据,基于此推荐合适运费,对于具体地方法,下面进行说明。
作为一例,如上所述,平台为了用于计算合适价格的算法,可以收集输入信息。作为一例,输入信息可以包括卡车的种类、货物的特性(种类、大小、重量、是否有气味等)以及货物运送距离中的至少一种。除此之外,还可以使用用于货物卸载的信息、车主的移动路径信息、车主的加油、维护以及保险等的车辆信息以及其他信息,而且不限于上述实施例。此时,作为一例,为了上述智能合适价格规定算法,有必要确保充分的比较群数据,平台可以获取对此的信息。另外,作为一例,平台可以提供服务的同时,存储输出信息作为比较群数据信息并活用,合适价格表可以实时更新,在后面说明具体的方法。
图5是示出在本说明书的一实施例中连接货主和车主的平台的图。
图5中,如上所述,货主的计算装置可以将车主与包括货物信息、目的地信息以及除此之外的信息中的至少一种信息一起,邀请到平台。此时,平台可以基于车辆信息、费用信息以及时间信息中的至少一个,从注册的车主中选择可以进行货物运送的车主候选群,按照各个车主算出运费。
此时,作为一例,如上所述,合适价格可以由平台决定,平台可以向货主和车主提供对合适价格的信息。此时,货主以及车主各自可以向平台提供对是否认可合适价格的的信息。即,平台基于大数据以及多种信息来传送合适价格时,货主以及车主可以通过最终确认来决定是否认可运费,但不限于上述实施例。
图6是示出在本说明书的一实施例中将深度学习应用在使货主和车主相匹配的平台中的方法的图。
参考图6,深度学习可以是指基于学习模型学习深度学习网络(Deep NeuralNetwork)。
作为一例,深度神经网络可以包括输入层(Input layer)、多层隐藏层(Hiddenlayer)以及输出层(Output layer)。此时,作为一例,深度神经网络的多层隐藏层(Hiddenlayer)可以是指人工神经网络(Artificial Neural Network)。此时,隐藏层可以基于通过输入信息学习的信息,向输出层提供输出信息。另外,隐藏层存储有与输入层以及输出层有关的多个信息,可基于对此的信息,算出整合的信息。
另外,可以存储输入层的信息以及输出层的信息,将其用作用于学习的数据,从而持续学习。此时,作为一例,如上所述,平台可以从货主和车主的利用信息获取大数据。即,可以定期更新货主和车主的利用信息,可以基于与此有关的信息,持续地学习。
作为具体的一例,深度学习的学习方式可以包括监督式学习(supervisedlearning)和非监督式学习(unsupervised learning)。此时,作为一例,监督式学习可以是基于通过输入而被规定的输出来学习的模型。另外,非监督式学习可以是基于多种图形信息而不是规定的输出,决定与输入层整合的输出层的方法。
作为一例,本发明中可以基于监督式学习以及非监督式学习中的至少一种来构成学习模型,并基于此进行匹配。
另外,作为一例,参考图6,输入信息可以包括货物种类、目的地、要求货物到达时间、货物运送距离以及除此之外的信息中的至少一种。另外,作为一例,通过平台获取的大数据信息可以为上述输入信息,不限于上述实施例。此时,作为一例,货物种类、目的地、要求货物到达时间、货物运送距离、对新路径的交通堵塞、增加新路径时的延误时间、优先顺序、车主信息、车主的车辆信息以及除此之外的相关信息中的至少一种可以在隐藏层中被参数化。
此时,平台可以利用输入信息以及隐藏层信息,作为输出信息获取车主候选群、对各个车主的运费以及预计运送时间信息中的至少一种。另外,除此之外,平台还可以获取货物运送中所需的输出信息,不限于上述实施例。例如,针对上述输出信息,平台可以从货主以及车主得到认可之后,提供彼此间的信息。此时,货主以及车主的计算装置可以通过平台相互连接,但不限于上述实施例。
图7是示出在本说明书的一实施例中计算装置基于运送路径预测运费的方法的图。并且,图8是示出在本说明书的一实施例中计算装置基于运送路径预测运费的方法的图。
另外,作为一例,图7及图8可以为通过上述平台决定输出信息的操作的构成。然而,这仅是示例,在隐藏层可以包含各种参数,并且与以下操作结合会影响输出信息。
作为一例,参考图7,车主的货物移动路径可以为第一地点710和目的地740。此时,作为一例,可根据基于平台的货主的请求,添加第二地点720和第三地点730作为车主的移动路径。此时,作为一例,可以考虑第一货主在第一地点710装载货物,并在第二地点720卸载货物的情况。此时,由于货物是在移动过程中包括的,而不是在出发地点,因此,会位于货物车辆的外围。另外,若第二地点720及第三地点730已作为移动路径添加的情况,则即使车主搬运相应货物,也可以最小化对其他货物的影响。此时,平台可以使用上述信息来决定对应车主的运费。此时,作为一例,会比移动在其他路径的车主或不移动相应地点的车主更低廉地预测运费,车主对运费可以具有竞争力。即,运费较低。此时,平台从车主获得对运费的认可后,可以向货主提供关于运费的信息。作为一例,货主可以获得多种车主候选群的信息,但基于上述内容选择预测价格相对较低的车主的可能性较高,并且,可以由此匹配货主和车主。
作为其他例,图8中可以考虑车辆的移动路径为第一地点810及目的地820的情况。此时,作为一例,在车主基于移动路径搬完货物之后,需要返回到出发地点以进行其他的配送。此时,作为一例,当为车主从目的地返回出发地点的回车车辆时,若在该路径上搬运货物,则运费会降低。作为一例,可以考虑第二货主打算将货物从车主的目的地运送到出发地点的情况。此时,由于该车主是回车车辆,货物也空着,并且路径也已确定,因此,可以基于此来决定运费。即,平台可以基于上述信息来预测运费为较低,并获得相应车主的认可。此时,平台获得相应车主的认可后,平台将相应信息提供给货主,货主可以根据相应信息选择车主,并基于此来确保运费上的竞争力。即,如上所述,平台可以获取各种信息作为输入信息,决定车主候选群的运费,并将该信息提供给货主。
图9是示出在本说明书的一实施例中将优先顺序信息应用于将货主和车主相匹配的平台的方法的图。
参考图9,如上所述,平台需要考虑的信息要素会很多。作为一例,平台可以考虑关于货主的信息、关于车主的信息、在运送货物的过程中产生的信息、关于运送时间产生的信息以及其他信息。此时,平台可以从货主和车主的使用信息中定期获取上述信息作为大数据,其为如上所述。
在这种情况下,作为一例,平台在多个信息中可以考虑对优先顺序的信息来决定运费。即,平台可以在多个信息中对优先顺序的候选群进行分类,并基于该信息决定运费。作为一例,可以由平台依次决定对优先顺序的候选群。作为一例,对优先顺序1(Priority1)的候选群可以为优先顺序高于优先顺序2(优先顺序2)的候选群。作为一例,车主的保险信息或评论信息可以为关于优先顺序1的信息,并且,车辆类型信息可以为关于优先顺序2的信息,但不限于此。即,平台可以对各种输入信息设置优先顺序组,并基于此决定运费。
作为其他例,可以根据货主的请求决定优先顺序。作为一例,在货主考虑紧急配送时,即使运费高,也可以将运送时间设置为最高优先顺序。此时,平台可以最优先安排运送时间最短的车主来决定运费。此时,作为一例,平台可以基于优先顺序的信息向货主提供运费。
作为其他例,货主作为优先顺序可以设置是否可以运送大容量货物。作为一例,平台可以基于货主的优先顺序来优先决定可以运送大容量货物的车主。作为一例,平台可以将在回车车辆中没有搬运货物的车主设置为优先顺序,并且可以基于此向货主提供信息。
另一方面,作为其他例,优先顺序可以与货物搬运的安全性有关。作为一例,在车主的车辆中可能存在同意提供GPS信息的车辆、提供货物黑匣子的车辆、提供保险车辆货物事故记录的车辆以及提供其他与安全有关的信息的车辆。此时,作为一例,当货主优先考虑货物的稳定性时,平台可以基于上述信息选择车主,并为所选车主预测运费。即,优先顺序可以被稳定,并且由此平台可以为货主提供可靠的服务。
另一方面,作为其他例,为了基于平台提供上述服务,车主的车辆可以向平台提供关于车辆的信息。此时,作为一例,关于车辆的信息可以包括车辆类型信息、加油信息、保险信息及其他信息中的至少一种。另外,作为一例,车辆需要基于车辆移动向平台提供移动性信息。作为一例,平台可以定期地确认已同意提供移动路径的车辆的位置信息来实时提供服务。作为其他例,车主可以在车内利用货物跟踪信息。作为一例,当车主将货物装载到车辆上时,在每个货物可以附着用于确认车辆中的相对位置的信息。作为一例,平台可以通过上述信息获知每个车辆中的货物的相对位置。作为其他例,平台可以通过3D仿真监视车辆的内部状态,并基于此确认车内货物位置,并在运费测量中反映相应的信息。作为其他例,平台可以定期地检查实时交通信息以及有关运送手段变动状况的信息。此时,作为一例,平台可以针对如上下班时间交通拥挤时间或如夜间交通不拥挤的情况设置不同的条件,并基于此提供服务。即,通过以上描述,平台可以获取各种输入信息,并且可以由此适当地连接车主和货主。
图10是示出在本说明书的一实施例中通过平台提供与车主相关的信息的方法的图。图11是示出在本说明书的一实施例中通过平台提供与车主相关的信息的方法的图,图12是示出在本说明书的一实施例中通过平台提供与车主相关的信息的方法的图。图13是示出在本说明书的一实施例中通过平台提供与车主相关的信息的方法的图。
参考图10(a)以及图10(b),平台可以提供与基于上述信息选择的对车主的信息。此时,平台可以提供对车主的评分信息或者除此之外的相关信息。另外,平台可以提供对车主候选群的信息,但不限于上述实施例。另外,作为一例,平台可以提供对车主的移动路径、运送现状的信息。此时,作为一例,平台可以提供对车主的多种信息,但不限于上述实施例。
另外,参考图11(a)以及图11(b),平台可以提供对车主的评价信息以及实际车辆信息。另外,作为一例,平台可以向货主提供对评价的信息以及除此之外的信息,从而有助于选择。
另外,作为一例,参考图12(a)以及图12(b),平台可以提供用于选择车主的多种分类信息。此时,作为一例,分类信息可以为上述的优先顺序信息或者过滤信息。此时,作为一例,平台可以基于上述信息选择车主,提供对所选择的车主候选群的信息,其为如上所述。
另外,作为一例,参考图13,平台可以提供对车主的移动路径的信息。此时,作为一例,平台可以实时确认车主的位置信息以及交通情况信息,可以考虑移动路径,向车主提供货物预计到达时间以及其他信息,但不限于上述实施例。
图14是示出在本说明书的一实施例中基于匹配货主和车主的平台运行的方法的图。
参考图14,可以提供由计算装置执行的、通过平台决定货物运费的方法。此时,作为一例,计算装置可以为图1及图2中描述的服务器或装置,但不限于上述实施例。即,如上所述,可以指代实现能应用本发明的平台的计算装置,并可以由此决定运费。此时,平台可以从第一计算装置获取货物相关信息(S1410),此时,作为一例,如上所述,第一计算装置可以为货主的计算装置。即,第一计算装置可以为请求货物搬运的用户的计算装置。接着,平台可以基于货物相关信息从第二计算装置获取车辆相关信息(S1420)。此时,第二计算装置可以为车主的计算装置。即,可以为执行货物搬运的车主的计算装置。平台可以由此获得关于车主的信息。
接着,平台可以基于所述货物相关信息和所述车辆相关信息来决定所述货物运费(S1430),接着,平台可以将所决定的货物运费提供给第一计算装置。(S1440)此时,作为一例,货物相关信息可以包括货物类型信息、目的地(路径)信息及运送时间相关信息中的至少一种。此外,车辆相关信息可以包括车辆类型信息、货物的种类信息、车辆中装载的货物的种类和顺序信息、装卸场地能力信息、现有目的地信息、运送时间信息、运送路径信息、车主的加油信息、维护信息以及保险信息中的至少一种。
另外,作为一例,可以基于货物相关信息利用车辆相关信息中的实时信息来决定货物运费。即,平台可以基于关于移动中的车辆或计划移动的车辆的信息来决定货物运费。在此,作为一例,货物相关信息可以为关于货物的出发地点及目的地的信息。另外,实时信息可以包括关于车辆是否在移动的信息、关于计划移动时间的信息、关于车辆的位置信息、关于车辆移动路径的交通信息、以及关于车辆内货物的位置信息中的至少一种。另外,作为一例,平台可以基于上述实时信息来改变货物运费。即,平台可以基于移动中的车辆信息来决定货物运费,并且可以灵活地改变提供,但不限于上述实施例。
另外,作为一例,平台可以在大数据中存储与先前的货物有关的信息、与先前的车辆有关的信息以及与先前的货物运费有关的信息。然后,平台可以基于大数据中包括的信息来决定新的货物相关信息、新的车辆相关信息以及新的货物运费信息。并且,上述信息可以再次存储在大数据中并更新。作为一例,平台可以对上述信息执行学习,其为如图6所描述。
另外,作为一例,当平台决定货物运费并将其提供给第一计算装置时,平台可以同时提供每个车辆候选群信息和货物运费信息。即,可以按照每个候选车辆决定货物运费信息。此时,作为一例,当基于平台将车辆候选群信息和货物运费信息提供给第一计算装置时,平台可以决定货物相关信息和车辆相关信息的优先顺序信息。此时,平台可以基于优先顺序信息以优先顺序高的候选车辆的顺序提供给第一计算装置,其为如上所述。
另外,作为一例,基于所述深度学习的货物运费决定方法可以通过存储在与硬件结合执行的计算机可读介质中的计算机程序来实现,并不限于特定装置。
以上说明的实施例可以记录在至少一部分由计算机程序体现且可由计算机读取的记录介质中。记录有用于体现实施例的程序且可由计算机读取的记录介质包括存储有可由计算机读取的数据的所有种类的记录装置。作为计算机可读记录介质的一例,有ROM、RAM、CD-ROM、磁带、光数据存储装置等。另外,计算机可读记录介质也可以分散在由网络连接的计算机系统中,通过分散方式存储计算机可读取的代码并被执行。另外,用于体现本实施例的功能性程序、代码以及代码段(segment)可以被本实施例所属技术领域的通常的技术人员容易理解。
以上参考附图中图示的实施例说明了本说明书,然而其仅属于示例,只要是本领域中具有通常知识的人应理解可由此进行多种变形以及实施例的变形。然而,这些变形应视为属于本说明书的技术保护范围内。因此,本说明书的真正的技术保护范围应被定义为也包括基于权利要求范围的技术思想的其他体现、其他实施例以及与权利要求范围等同的内容。
Claims (8)
1.一种基于深度学习的货物运费决定方法,其为由计算装置执行的、通过平台决定货物运费的方法,其中,包括:
从第一计算装置获取货物相关信息的步骤;
基于所述货物相关信息从第二计算装置获取车辆相关信息的步骤;
基于所述货物相关信息及所述车辆相关信息决定所述货物运费的步骤;以及
将所述决定的货物运费提供给所述第一计算装置的步骤。
2.根据权利要求1所述的基于深度学习的货物运费决定方法,其中,所述第一计算装置为请求货物搬运的用户的计算装置,
所述第二计算装置为拥有进行所述货物搬运的车辆的用户的计算装置。
3.根据权利要求1所述的基于深度学习的货物运费决定方法,其中,所述货物相关信息包括货物的种类信息、目的地(路径)信息以及运送时间相关信息中的至少一种,
所述车辆相关信息包括车型信息、货物的种类信息、车辆中装载的货物的种类和顺序信息、装卸场地能力信息、现有目的地信息、运送时间信息、运送路径信息、车主的加油信息、维护信息以及保险信息中的至少一种。
4.根据权利要求1所述的基于深度学习的货物运费决定方法,其中,所述货物运费基于所述货物相关信息利用所述车辆相关信息中的实时信息决定,
所述货物相关信息是对货物的出发地点及目的地的信息,所述实时信息包括所述车辆是否移动的信息、对计划移动时间的信息、车辆的位置信息、对车辆移动路径的交通信息及车量内的货物的位置信息中的至少一种,
所述货物运费基于实时信息改变。
5.根据权利要求1所述的基于深度学习的货物运费决定方法,其中,当所述平台基于所述第一货物相关信息及第一车辆相关信息决定第一货物运费的情况下,所述第一货物相关信息、所述第一车辆相关信息及所述第一货物运费信息存储于所述平台的大数据,
当所述平台基于所述第二货物相关信息及第二车辆相关信息决定第二货物运费的情况下,将存储于所述大数据的所述第一货物相关信息、所述第一车辆相关信息及所述第一货物运费信息与所述第二货物相关信息、所述第二车辆相关信息及所述第二货物运费信息进行比较,
基于所述比较的信息决定所述第二货物运费信息,
所述被决定的第二货物运费信息与所述第一货物运费信息一起存储于所述大数据。
6.根据权利要求1所述的基于深度学习的货物运费决定方法,其中,当决定所述货物运费的情况下,所述平台提供每个车辆候选群信息,并按照所述每个候选车辆决定所述货物运费,并提供给所述第一计算装置。
7.根据权利要求6所述的基于深度学习的货物运费决定方法,其中,基于所述平台所述车辆候选群信息及所述货物运费信息被提供到所述第一计算装置时,所述平台对所述货物相关信息及所述车辆相关信息决定优先顺序信息,并基于所述优先顺序信息按照优先顺序高的候选车辆顺序提供给所述第一计算装置。
8.一种存储在计算机可读取介质中的计算机程序,其中,其与硬件结合以执行基于利用权利要求1至7中任一项所述的平台的深度学习的货物运费决定方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2020-0071290 | 2020-06-12 | ||
KR1020200071290A KR20210154357A (ko) | 2020-06-12 | 2020-06-12 | 딥러닝에 기반한 화물 운송 가격 결정 방법 및 장치 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113807759A true CN113807759A (zh) | 2021-12-17 |
Family
ID=78943524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011484215.7A Pending CN113807759A (zh) | 2020-06-12 | 2020-12-16 | 基于深度学习的货物运费决定方法以及装置 |
Country Status (2)
Country | Link |
---|---|
KR (3) | KR20210154357A (zh) |
CN (1) | CN113807759A (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102497560B1 (ko) * | 2022-07-14 | 2023-02-08 | 주식회사 펜타콜 | 인공지능 기반 물류 중개 플랫폼 서비스 제공 방법, 장치 및 시스템 |
KR102565211B1 (ko) * | 2022-12-12 | 2023-08-10 | 강우영 | 인공지능 모델 기반 고정화물 일자리를 제공하는 방법 및 장치 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679405A (zh) * | 2012-08-31 | 2014-03-26 | 成都海存艾匹科技有限公司 | 物流配送系统和方法 |
CN104021488A (zh) * | 2014-06-30 | 2014-09-03 | 四川创物科技有限公司 | 货物运费计算方法、装置及移动终端 |
KR20190019599A (ko) * | 2017-08-18 | 2019-02-27 | 주식회사 트럭공차콜 | 위치정보를 이용한 화물운송 중개방법 및 시스템 |
CN109685411A (zh) * | 2018-11-16 | 2019-04-26 | 南京大学 | 一种物流货运平台的拼车匹配方法 |
CN110659850A (zh) * | 2018-06-29 | 2020-01-07 | 微软技术许可有限责任公司 | 用于货物调配的规划 |
US20200051020A1 (en) * | 2018-08-09 | 2020-02-13 | Vyomi Technetwork Services Private Limited | Method and system to predict cost of transportation of goods |
KR20200027730A (ko) * | 2018-09-05 | 2020-03-13 | (주)이음 커뮤니티 | 운송 중개 플랫폼 제공 방법 및 장치 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102086801B1 (ko) | 2019-07-11 | 2020-03-09 | 주식회사 코나투스 | 차량 운송 서비스의 공동 이용을 지원하는 방법 및 장치들 |
-
2020
- 2020-06-12 KR KR1020200071290A patent/KR20210154357A/ko not_active IP Right Cessation
- 2020-12-16 CN CN202011484215.7A patent/CN113807759A/zh active Pending
-
2022
- 2022-04-01 KR KR1020220041201A patent/KR20220044473A/ko active Application Filing
-
2023
- 2023-04-17 KR KR1020230049924A patent/KR20230053581A/ko not_active Application Discontinuation
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679405A (zh) * | 2012-08-31 | 2014-03-26 | 成都海存艾匹科技有限公司 | 物流配送系统和方法 |
CN104021488A (zh) * | 2014-06-30 | 2014-09-03 | 四川创物科技有限公司 | 货物运费计算方法、装置及移动终端 |
KR20190019599A (ko) * | 2017-08-18 | 2019-02-27 | 주식회사 트럭공차콜 | 위치정보를 이용한 화물운송 중개방법 및 시스템 |
CN110659850A (zh) * | 2018-06-29 | 2020-01-07 | 微软技术许可有限责任公司 | 用于货物调配的规划 |
US20200051020A1 (en) * | 2018-08-09 | 2020-02-13 | Vyomi Technetwork Services Private Limited | Method and system to predict cost of transportation of goods |
KR20200027730A (ko) * | 2018-09-05 | 2020-03-13 | (주)이음 커뮤니티 | 운송 중개 플랫폼 제공 방법 및 장치 |
CN109685411A (zh) * | 2018-11-16 | 2019-04-26 | 南京大学 | 一种物流货运平台的拼车匹配方法 |
Also Published As
Publication number | Publication date |
---|---|
KR20220044473A (ko) | 2022-04-08 |
KR20230053581A (ko) | 2023-04-21 |
KR20210154357A (ko) | 2021-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10956861B2 (en) | Apparatus and method for predictive dispatch for geographically distributed, on-demand services | |
US10776750B2 (en) | System and method for fulfilling e-commerce orders from a hierarchy of fulfilment centres | |
JP6707125B2 (ja) | 共有可能な注文を割り当てるためのシステムおよび方法 | |
US8386397B1 (en) | System and method for constraint-based reduction of a solution space for vehicle routing | |
US20160335593A1 (en) | Carrier and shipper interfacing and shipment tracking framework for efficient scheduling and transportation of cargo, with security monitoring and efficient payment to carriers | |
TW202038155A (zh) | 用於包裹收取及遞送之路徑計畫的設備、系統及電腦實施方法 | |
Zhong et al. | Priority-based speed control strategy for automated guided vehicle path planning in automated container terminals | |
KR20230053581A (ko) | 딥러닝에 기반한 화물 운송 가격 결정 방법 및 장치 | |
KR102503198B1 (ko) | 인공지능 기반의 최적 배송경로 제공 장치 및 방법 | |
KR20210008581A (ko) | 멀티 인수 및 멀티 배송을 위한 물류 운송 서비스 제공 시스템 | |
US20230061547A1 (en) | Using machine learning to dynamically determine shipping information | |
Wei et al. | A simulation modeling and analysis for RFID-enabled mixed-product loading strategy for outbound logistics: A case study | |
CN113822614A (zh) | 基于装卸场地状态提供运送服务的方法以及装置 | |
Kelleher et al. | Scheduling for intermodal transport | |
KR102671292B1 (ko) | 혼적 가능성을 기초로 화물 운송경로를 선택하는 사용자 인터페이스 제공 방법 및 장치 | |
CN112556706B (zh) | 一种导航方法、装置、设备和机器可读介质 | |
Dondo et al. | A branch-and-price approach to manage cargo consolidation and distribution in supply chains | |
Grunewald et al. | Multi-item single-source ordering with detailed consideration of transportation capacities | |
Gao et al. | Throughput evaluation of AGV transportation systems based on queueing modeling and AGV route decomposition | |
US20200082335A1 (en) | Methods and apparatus for load and route assignments in a delivery system | |
US20240027199A1 (en) | Adaptive electric vehicle (ev) scheduling | |
WO2022249772A1 (ja) | 情報出力方法、情報出力装置及びプログラム | |
KR102447123B1 (ko) | 인공지능 기반의 복화배차 서비스 제공 장치 및 방법 | |
CN110796417B (zh) | 一种货源价值确定方法、装置、设备和存储介质 | |
WO2023127099A1 (ja) | 輸送計画作成支援装置、輸送計画作成支援方法及びプログラム |
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 |