CN113837688A - 运输资源匹配方法、装置、可读存储介质和计算机设备 - Google Patents
运输资源匹配方法、装置、可读存储介质和计算机设备 Download PDFInfo
- Publication number
- CN113837688A CN113837688A CN202111039768.6A CN202111039768A CN113837688A CN 113837688 A CN113837688 A CN 113837688A CN 202111039768 A CN202111039768 A CN 202111039768A CN 113837688 A CN113837688 A CN 113837688A
- Authority
- CN
- China
- Prior art keywords
- freight
- target
- transportation
- transportation resource
- threshold
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004590 computer program Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 12
- 238000003058 natural language processing Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—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)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种运输资源匹配方法、运输资源匹配装置、计算机可读存储介质和计算机设备。运输资源匹配方法包括:根据货主发布的货源信息确定货运标签;获取与货运标签对应的目标历史订单;根据目标历史订单计算货运标签在不同预设阈值下的阈值参数;根据多个阈值参数在多个预设阈值中选取一个预设阈值作为目标阈值;根据目标阈值从在库资源中确定与货源信息匹配的目标运输资源。本申请实施方式的运输资源匹配方法、运输资源匹配装置、计算机可读存储介质和计算机设备可以提高运输资源匹配的准确率。
Description
技术领域
本申请涉及计算机技术领域,具体而言,本申请涉及一种运输资源匹配方法、运输资源匹配装置、计算机可读存储介质和计算机设备。
背景技术
随着互联网的发展,互联网在物流运输业中也得到了广泛的应用。货主可以在货运APP上发布货运订单,货车司机可以通过货运APP接收货运订单。货主在货运APP上发布货运订单后,还可以接收到货运APP自主推荐的货车司机及对应的货车信息,以助于提高订单交易成功率。然而,目前用于判断车辆与货物是否匹配的方法的准确度较低,亟需优化。
发明内容
为至少能解决上述的技术缺陷之一,本申请提供了以下技术方案的运输资源匹配方法、运输资源匹配装置、计算机可读存储介质和计算机设备。
本申请实施方式提供了一种运输资源匹配方法。运输资源匹配方法包括:根据货主发布的货源信息确定货运标签;获取与所述货运标签对应的目标历史订单;根据所述目标历史订单计算所述货运标签在不同预设阈值下的阈值参数;根据多个所述阈值参数在多个所述预设阈值中选取一个所述预设阈值作为目标阈值;根据所述目标阈值从在库资源中确定与所述货源信息匹配的目标运输资源。
在某些实施方式中,所述根据货主发布的货源信息确定货运标签,包括:利用正则匹配或自然语言处理处理所述货源信息以确定所述货主的货运需求;根据所述货运需求确定所述货运标签。
在某些实施方式中,所述运输资源匹配方法还包括:根据所述货运需求对所述在库资源中的运输资源进行初筛以得到初始运输资源。所述根据所述目标阈值从在库资源中确定与所述货源信息匹配的目标运输资源,包括:根据所述目标阈值从所述初始资源中确定与所述货源信息匹配的目标运输资源。
在某些实施方式中,所述根据所述目标历史订单计算所述货运标签在不同预设阈值下的阈值参数,包括:获取所述目标历史订单中的在不同所述预设阈值下的预估匹配信息和实际匹配信息;根据同一所述预设阈值下的所述预估匹配信息和所述实际匹配信息计算在对应的预设阈值下的不匹配准确率和取消单召回率,所述不匹配准确率为预估结果为不匹配且实际结果也为取消的订单的数量占所有预估结果为不匹配的订单的数量的比例,所述取消单召回率为预估结果为不匹配的订单的数量占所有实际结果为取消的订单的数量的比例;根据同一所述预设阈值下的所述不匹配准确率及所述取消单召回率计算对应的所述预设阈值下的所述阈值参数。
在某些实施方式中,所述根据多个所述阈值参数在多个所述预设阈值中选取一个所述预设阈值作为目标阈值,包括:确定值最大的所述阈值参数对应的所述预设阈值为所述目标阈值。
在某些实施方式中,所述运货标签包括多个,所述根据所述目标阈值从在库资源中确定与所述货源信息匹配的目标运输资源,包括:根据每个所述运货标签对应的所述目标阈值从在库资源中确定与每个所述货运标签对应的中间运输资源;对多个所述中间运输资源求并集以得到所述目标运输资源。
在某些实施方式中,所述运输资源匹配方法还包括:将所述目标运输资源推送给所述货主。
本申请实施方式提供了一种运输资源匹配装置。运输资源匹配装置包括第一确定模块、获取模块、计算模块、选取模块、第二确定模块。第一确定模块用于根据货主发布的货源信息确定货运标签。获取模块用于获取与所述货运标签对应的目标历史订单。计算模块用于根据所述目标历史订单计算所述货运标签在不同预设阈值下的阈值参数。选取模块用于根据多个所述阈值参数在多个所述预设阈值中选取一个所述预设阈值作为目标阈值。第二确定模块用于根据所述目标阈值从在库资源中确定与所述货源信息匹配的目标运输资源。
本申请实施方式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,所述计算机程序被处理器执行时实现上述任一项实施方式所述的运输资源匹配方法。
本申请实施方式提供了一种计算机设备。计算机设备包括一个或多个处理器、存储器、一个或多个计算机程序。其中所述一个或多个计算机程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行。所述一个或多个计算机程序配置用于:执行根据上述任一实施方式所述的运输资源匹配方法。
本申请提供的运输资源匹配方法、运输资源匹配装置、计算机可读存储介质和计算机设备依托数据挖掘,利用历史订单数据进行进行阈值参数计算,再基于计算后的阈值参数确定出合适的目标阈值,利用该目标阈值在在库资源中进行资源选取,可以提高运输资源匹配的准确率。本申请的方案相对于传统人工规则判别的方式,其时效性更强,且更具灵活性和准确性,在帮助货主准确匹配到货运司机的同时提高了订单匹配的效率,被货运平台认定匹配的货运司机能及时收到合适的订单,实现了全局上的优化。
本申请附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请某些实施方式的运输资源匹配方法的流程示意图;
图2为本申请某些实施方式的运输资源匹配装置的模块示意图;
图3为本申请某些实施方式的运输资源匹配方法的流程示意图;
图4为本申请某些实施方式的运输资源匹配方法的流程示意图;
图5为本申请某些实施方式的运输资源匹配方法的场景示意图;
图6为本申请某些实施方式的运输资源匹配方法的流程示意图;
图7为本申请某些实施方式的计算机可读存储介质与处理器的示意图;
图8为本申请某些实施方式的计算机设备的模块示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本申请的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
本申请实施例提供了一种运输资源匹配方法。如图1所示,运输资源匹配方法包括:
01:根据货主发布的货源信息确定货运标签;
02:获取与货运标签对应的目标历史订单;
03:根据目标历史订单计算货运标签在不同预设阈值下的阈值参数;
04:根据多个阈值参数在多个预设阈值中选取一个预设阈值作为目标阈值;
05:根据目标阈值从在库资源中确定与货源信息匹配的目标运输资源。
请参阅图2,本申请实施方式还提供一种运输资源匹配装置10。本申请实施方式的运输资源匹配方法可以由本申请实施方式的运输资源匹配装置10实现。运输资源匹配装置10包括第一确定模块11、获取模块12、计算模块13、选取模块14、第二确定模块15。步骤01可以由第一确定模块11实现。步骤02可以由获取模块12实现。步骤03可以由计算模块13实现。步骤04可以由选取模块14实现。步骤05可以由第二确定模块15实现。
也即是说,第一确定模块11用于根据货主发布的货源信息确定货运标签。获取模块12用于获取与所述货运标签对应的目标历史订单。计算模块13用于根据所述目标历史订单计算所述货运标签在不同预设阈值下的阈值参数。选取模块14用于根据多个所述阈值参数在多个所述预设阈值中选取一个所述预设阈值作为目标阈值。第二确定模块15用于根据所述目标阈值从在库资源中确定与所述货源信息匹配的目标运输资源。
具体地,此处的运输资源主要指的是货运司机。
通常地,货主可以在货运平台上发布货源信息,货源信息例如货物类型、货物尺寸、货物数量、运输起点、运输终点、所需货车车型等信息。货主发布货源信息后,货运平台上会生成相应的货运订单,货运司机可以在货运平台上看到上述货运订单。
为提升货运平台上的订单交易成功率,在货主发布货源信息后,货运平台能够自主为货主推送与该货源信息匹配的运输资源。例如,可以基于人工制定商业规则来为货源信息匹配合适的运输资源。然而,这种方式只对于规则涵盖到的订单有较高的准确度,对于规则未涵盖到的订单,其准确度较低,缺乏灵活性,未考虑到不同货运司机、不同订单之间的是否同质,且由于规则更新有滞后性,使得该规则无法及时随业务发展进行变化,导致匹配准确率不高。
本申请实施方式的运输资源匹配方法及运输资源匹配装置10依托数据挖掘,利用历史订单数据进行进行阈值参数计算,再基于计算后的阈值参数确定出合适的目标阈值,利用该目标阈值在在库资源中进行资源选取,可以提高运输资源匹配的准确率。本申请的方案相对于传统人工规则判别的方式,其时效性更强,且更具灵活性和准确性,在帮助货主准确匹配到货运司机的同时提高了订单匹配的效率,被货运平台认定匹配的货运司机能及时收到合适的订单,实现了全局上的优化。
请参阅图3,在某些实施方式中,步骤01根据货主发布的货源信息确定货运标签,包括:
011:利用正则匹配或自然语言处理处理货源信息以确定货主的货运需求;
012:根据货运需求确定货运标签。
请参阅图2,在某些实施方式中,步骤011和步骤012均可以由第一确定模块11实现。也即是说,第一确定模块11可以用于利用正则匹配或自然语言处理处理货源信息以确定货主的货运需求,并根据货运需求确定货运标签。
其中,正则匹配是一种通过正则表达式(Regular Expression)来提取信息的方法,可以精确识别某种文字规则。正则表达式是用于描述一组字符串特征的模式,用来匹配特定的字符串。通过特殊字符加普通字符来进行模式描述,从而达到文本匹配目的。
自然语言处理(Natural Language Processing,NLP)是一种教导计算机理解人类语言的模型,属于机器学习模型的一种。与正则匹配方式相比,NLP的灵活性更高。
示例地,货主在货运平台上发布以下货源信息:货运订单,货长3米,要平板车而不用厢货,需于2021年9月15号14:00从A地开始运输到B地。那么,货运平台可以通过正则匹配或自然语言处理的方式处理上述货源信息,从而确定货主的货运需求为:订单类型:运货;货物尺寸:3米;运输起点:A地;运输终点:B地,所需货车车型:平板车;运货时间:2021年9月15号14:00。随后,货运平台可以基于该货运需求确定包括但不限于订单类型、运输轨迹、货运长度、货运时间等货运标签。
请参阅图3,在某些实施方式中,运输资源匹配方法还包括:
06:根据货运需求对在库资源中的运输资源进行初筛以得到初始运输资源;
步骤05根据目标阈值从在库资源中确定与货源信息匹配的目标运输资源,包括:
051:根据目标阈值从初始运输资源中确定与货源信息匹配的目标运输资源。
请参阅图2,在某些实施方式中,运输资源匹配装置还包括初筛模块16。步骤06可以由初筛模块16实现。步骤051可以由第二确定模块15实现。也即是说,初筛模块16可以用于根据货运需求对在库资源中的运输资源进行初筛以得到初始运输资源。第二确定模块15可以用于根据目标阈值从初始运输资源中确定与货源信息匹配的目标运输资源。
示例地,假设货主在货运平台上发布以下货源信息:货运订单,货长3米,要平板车而不用厢货,需于2021年9月15号14:00从A地开始运输到B地。那么,在货运平台处理该货源信息获得货运需求时,货运平台可以获知货主需要的是平板车。则货运平台可以先在在库资源中筛选出货车为平板车的运输资源以作为初始运输资源,在后续的运输资源匹配过程中,只需要在初始运输资源中作进一步筛选即可。如此,一方面可以减少所需处理的数据量,另一方面可以更准确地匹配到货主的货运需求。
请参阅图4,在某些实施方式中,步骤03根据目标历史订单计算货运标签在不同预设阈值下的阈值参数,包括:
031:获取目标历史订单中的在不同预设阈值下的预估匹配信息和实际匹配信息;
032:根据同一预设阈值下的预估匹配信息和实际匹配信息计算在对应的预设阈值下的不匹配准确率和取消单召回率,不匹配准确率为预估结果为不匹配且实际结果也为取消的订单的数量占所有预估结果为不匹配的订单的数量的比例,取消单召回率为预估结果为不匹配的订单的数量占所有实际结果为取消的订单的数量的比例;
033:根据同一预设阈值下的不匹配准确率及取消单召回率计算对应的预设阈值下的阈值参数。
步骤04根据多个阈值参数在多个预设阈值中选取一个预设阈值作为目标阈值,包括:
041:确定值最大的阈值参数对应的预设阈值为目标阈值。
请参阅图2,在某些实施方式中,步骤031至步骤033均可以由计算模块13实现。步骤04可以由选取模块14实现。也即是说,计算模块13可以用于获取目标历史订单中的在不同预设阈值下的预估匹配信息和实际匹配信息,根据同一预设阈值下的预估匹配信息和实际匹配信息计算在对应的预设阈值下的不匹配准确率和取消单召回率,并根据同一预设阈值下的不匹配准确率及取消单召回率计算对应的预设阈值下的阈值参数。其中,不匹配准确率为预估结果为不匹配且实际结果也为取消的订单的数量占所有预估结果为不匹配的订单的数量的比例,取消单召回率为预估结果为不匹配的订单的数量占所有实际结果为取消的订单的数量的比例。选取模块14可以用于确定值最大的阈值参数对应的预设阈值为目标阈值。
以货运标签为货运长度为例,请结合图5,图5中的命中标签的订单量145003即为货运长度这一货运标签对应的目标历史订单的数量。货运平台可以根据目标历史订单中各个订单的情况来统计该目标历史订单在不同预设阈值下的匹配完单的数量、不匹配取消单的数量、匹配取消单的数量及不匹配完单的数量。其中,匹配完单指的是货运平台预估结果为匹配(即预估运输资源与货运资源是匹配的)且实际结果也为完单(订单是完成的,而非被取消了的)的订单;不匹配取消单的指的是货运平台预估结果为不匹配且实际结果为取消的订单;匹配取消单的数量指的是货运平台预估结果为匹配但实际结果为取消的订单;不匹配完单的数量指的是货运平台预估结果为不匹配但实际结果为完单的订单。
在统计出每个预设阈值下的匹配完单的数量、不匹配取消单的数量、匹配取消单的数量及不匹配完单的数量后,货运平台可以基于同一个预设阈值下的不匹配取消单的数量、匹配取消单的数量及不匹配完单的数量等计算不匹配准确率和取消单召回率。其中,不匹配准确率=不匹配取消单的数量/(不匹配取消单的数量+不匹配完单的数量),取消单召回率=不匹配取消单的数量/(不匹配取消单的数量+匹配取消单的数量)。
随后,货运平台可以基于每一个预设阈值下的不匹配准确率和取消单召回率,计算每一个预设阈值的阈值参数。示例地,首先对多个预设阈值下的取消单召回率和不匹配准确率做归一化处理,将多个取消单召回率中值最小的取消单召回率的值放缩为0,将多个不匹配准确率中值最小的不匹配准确率的值放缩为0,并将多个取消单召回率中值最大的取消单召回率的值放缩为1,将多个不匹配准确率中值最大的不匹配准确率的值放缩为1。随后,采用以下公式计算归一化F1值(即阈值参数):归一化F1值=(2*[取消单召回率归一值]*[不匹配准确率归一值])/([取消单召回率归一值]+[不匹配准确率归一值]),其中,用于计算某一个预设阈值下的归一化F1值的取消单召回率归一值和不匹配准确率归一值为该预设阈值下的取消单召回率归一值和不匹配准确率归一值。可以理解的是,取消单召回率和不匹配准确率满足以下规则:取消单召回率和不匹配准确率的变化方向相反,换言之,当取消单召回率变大时,不匹配准确率变小;取消单召回率变小时,不匹配准确率变大。而为了使得货源信息与运输资源之间具有较高的匹配度,需要取消单召回率和不匹配准确率都能变大,或者使得二者处于一个差距较小的位置。那么,通过上述的公式来计算归一化F1值就可以同时考虑到这两个值的变化方向。
随后,货运平台可以从多个归一化F1值中选取值最大的归一化F1值,该值最大的归一化F1值对应的预设阈值即为目标阈值。随后,货运平台就可以基于目标阈值在在库资源中进行货运司机运货能力的判断,从而筛选出合适的货运司机,合适的货运司机即为目标运输资源。示例地,如图5所示,47.5%为所有归一化F1值中值最大的归一化F1值,其对应的预设阈值为0.75。那么,如果一个货运司机过往运送过十单有长度需求的订单,则他运货能力的上限定为这10单货运订单中货物长度从小到大排列以后的75%的分位值。随后,货运平台可以判断该货运司机的运货能力的上限是否满足当前货主的货运需求,若符合,则该货运司机可以被纳入到目标运输资源中,若不符合,则该货运司机会被剔除,不被纳入到目标运输资源中。例如,货主的货运需求为货长3米,要平板车不要厢货。在库资源中包括3个货运司机。其中,货运司机1:面包车,后台查询到历史运货长度的75%分位值(目标阈值)为2.8米;货运司机2:平板车,后台查询到历史运货长度的75%分位值(目标阈值)为4米;货运司机3:厢货车,后台查询到历史运货长度的75%分位值(阈值)为5米。那么,货运平台可以将货运司机2纳入目标运输资源中,而货运司机1(因货运能力不满足)和货运司机3(货运能力虽然满足,但货车类型不满足)则被过滤掉。
可以理解,当归一化F1值最大时,说明在该预设阈值下,取消单召回率和不匹配准确率之间的差距最小。基于此时的预设阈值(即目标阈值)从在库资源中选取目标运输资源,既可以避免预设阈值过大导致过滤掉的货运司机较少,导致实际上不匹配的货运司机无法被有效过滤的情况,还可以避免预设阈值过小导致过滤掉较多的货运司机,可能把合适的货运司机过滤掉,造成误判的情况。本申请实施方式的运输资源匹配方法最终选取的预设阈值是综合考虑到上述两个弊端的情况下选择出的,从而可以在尽量少误伤合适的货运司机的情况下,尽可能多的过滤掉不合适的货运司机。
请参阅图6,在某些实施方式中,步骤05根据目标阈值从在库资源中确定与货源信息匹配的目标运输资源,包括:
052:根据每个运货标签对应的目标阈值从在库资源中确定与每个货运标签对应的中间运输资源;
053:对多个中间运输资源求并集以得到目标运输资源。
请参阅图2,在某些实施方式中,步骤052和步骤053均可以由第二确定模块实现。也即是说,第二确定模块还可以用于根据每个运货标签对应的目标阈值从在库资源中确定与每个货运标签对应的中间运输资源,并对多个中间运输资源求并集以得到目标运输资源。
具体地,货运标签例如可以包括货运长度、货运时间、货运轨迹等等多个。货运平台可以计算出每个货运标签下的目标阈值,并根据目标阈值在在库资源中进行筛选,以获得每个货运标签对应的中间运输资源。随后,货运平台对中间运输资源求并集,以得到目标运输资源。此时,目标运输资源中的货运司机与货主的货运需求的匹配度较高。例如,货运长度这一货运标签的中间运输资源包括:货运司机1,货运司机2,货运司机3,货运司机5,货运司机6;货运时间这一货运标签的中间运输资源包括:货运司机1,货运司机2,货运司机4,货运司机6;货运轨迹这一货运标签的运输资源包括:货运司机2,货运司机3,货运司机6。那么,最终确定的目标运输资源包括:货运司机2和货运司机6。如此,通过求并集可以筛选出与货主的货运需求匹配度更高的货运司机。
请参阅图3,在某些实施方式中,运输资源匹配方法还包括:
07:将目标运输资源推送给所述货主。
请参阅图2,在某些实施方式中,步骤07可以由推送模块实现。也即是说,推送模块可以用于将目标运输资源推送给所述货主。
具体地,在确定目标运输资源后,货运平台可以将目标运输资源推送给货主,则货主可以在货运平台提供的目标运输资源中进行货运司机的选择,可以极大地提升货主的使用体验。
此外,请参阅图7,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现以上任一实施方式所述的运输资源匹配方法。其中,所述计算机可读存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory,只读存储器)、RAM(RandomAcceSS Memory,随即存储器)、EPROM(EraSable Programmable Read-Only Memory,可擦写可编程只读存储器)、EEPROM(Electrically EraSable Programmable Read-Only Memory,电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是,存储设备包括由设备(例如,计算机、手机)以能够读的形式存储或传输信息的任何介质,可以是只读存储器,磁盘或光盘等。
本申请方法实施例的内容均适用于本存储介质实施例,本存储介质实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法达到的有益效果也相同,具体请参见方法实施例中的说明,在此不再赘述。
此外,请参阅图8,本申请实施例还提供了一种计算机设备,本实施例所述的计算机设备可以是服务器、个人计算机以及网络设备等设备。所述计算机设备包括一个或多个处理器、存储器、以及一个或多个计算机程序。其中一个或多个计算机程序被存储在存储器中并被配置为由一个或多个处理器执行。一个或多个计算机程序配置用于执行以上任一实施方式所述的运输资源匹配方法。
本申请方法实施例的内容均适用于本计算机设备实施例,本计算机设备实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法达到的有益效果也相同,具体请参见方法实施例中的说明,在此不再赘述。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种运输资源匹配方法,其特征在于,包括:
根据货主发布的货源信息确定货运标签;
获取与所述货运标签对应的目标历史订单;
根据所述目标历史订单计算所述货运标签在不同预设阈值下的阈值参数;
根据多个所述阈值参数在多个所述预设阈值中选取一个所述预设阈值作为目标阈值;
根据所述目标阈值从在库资源中确定与所述货源信息匹配的目标运输资源。
2.根据权利要求1所述的运输资源匹配方法,其特征在于,所述根据货主发布的货源信息确定货运标签,包括:
利用正则匹配或自然语言处理处理所述货源信息以确定所述货主的货运需求;
根据所述货运需求确定所述货运标签。
3.根据权利要求2所述的运输资源匹配方法,其特征在于,所述运输资源匹配方法还包括:
根据所述货运需求对所述在库资源中的运输资源进行初筛以得到初始运输资源;
所述根据所述目标阈值从在库资源中确定与所述货源信息匹配的目标运输资源,包括:
根据所述目标阈值从所述初始资源中确定与所述货源信息匹配的目标运输资源。
4.根据权利要求1所述的运输资源匹配方法,其特征在于,所述根据所述目标历史订单计算所述货运标签在不同预设阈值下的阈值参数,包括:
获取所述目标历史订单中的在不同所述预设阈值下的预估匹配信息和实际匹配信息;
根据同一所述预设阈值下的所述预估匹配信息和所述实际匹配信息计算在对应的预设阈值下的不匹配准确率和取消单召回率,所述不匹配准确率为预估结果为不匹配且实际结果也为取消的订单的数量占所有预估结果为不匹配的订单的数量的比例,所述取消单召回率为预估结果为不匹配的订单的数量占所有实际结果为取消的订单的数量的比例;
根据同一所述预设阈值下的所述不匹配准确率及所述取消单召回率计算对应的所述预设阈值下的所述阈值参数。
5.根据权利要求4所述的运输资源匹配方法,其特征在于,所述根据多个所述阈值参数在多个所述预设阈值中选取一个所述预设阈值作为目标阈值,包括:
确定值最大的所述阈值参数对应的所述预设阈值为所述目标阈值。
6.根据权利要求5所述的运输资源匹配方法,其特征在于,所述运货标签包括多个,所述根据所述目标阈值从在库资源中确定与所述货源信息匹配的目标运输资源,包括:
根据每个所述运货标签对应的所述目标阈值从在库资源中确定与每个所述货运标签对应的中间运输资源;
对多个所述中间运输资源求并集以得到所述目标运输资源。
7.根据权利要求6所述的运输资源匹配方法,其特征在于,所述运输资源匹配方法还包括:
将所述目标运输资源推送给所述货主。
8.一种运输资源匹配装置,其特征在于,所述运输资源匹配装置包括:
第一确定模块,用于根据货主发布的货源信息确定货运标签;
获取模块,用于获取与所述货运标签对应的目标历史订单;
计算模块,用于根据所述目标历史订单计算所述货运标签在不同预设阈值下的阈值参数;
选取模块,用于根据多个所述阈值参数在多个所述预设阈值中选取一个所述预设阈值作为目标阈值;
第二确定模块,用于根据所述目标阈值从在库资源中确定与所述货源信息匹配的目标运输资源。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的运输资源匹配方法。
10.一种计算机设备,其特征在于,其包括:
一个或多个处理器;
存储器;
一个或多个计算机程序,其中所述一个或多个计算机程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个计算机程序配置用于:执行根据权利要求1至7任一项所述的运输资源匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111039768.6A CN113837688B (zh) | 2021-09-06 | 2021-09-06 | 运输资源匹配方法、装置、可读存储介质和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111039768.6A CN113837688B (zh) | 2021-09-06 | 2021-09-06 | 运输资源匹配方法、装置、可读存储介质和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113837688A true CN113837688A (zh) | 2021-12-24 |
CN113837688B CN113837688B (zh) | 2024-02-02 |
Family
ID=78962334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111039768.6A Active CN113837688B (zh) | 2021-09-06 | 2021-09-06 | 运输资源匹配方法、装置、可读存储介质和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113837688B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116562749A (zh) * | 2023-03-28 | 2023-08-08 | 北京知藏云道科技有限公司 | 一种基于自然语言处理的车货匹配推荐系统 |
CN117522089A (zh) * | 2024-01-05 | 2024-02-06 | 江苏运满满同城信息科技有限公司 | 一种基于货主发货意图的智能匹配调度系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866997A (zh) * | 2015-06-10 | 2015-08-26 | 南京大学 | 一种用于车货在线配载的智能配对方法 |
US20150339624A1 (en) * | 2014-05-14 | 2015-11-26 | Trakkx.Com, Llc | Systems and methods for device-based carrier verification in a freight transportation network |
US20180082253A1 (en) * | 2016-09-20 | 2018-03-22 | International Business Machines Corporation | Cargo logistics dispatch service with integrated pricing and scheduling |
US20190012641A1 (en) * | 2015-08-04 | 2019-01-10 | David Klyce Roberts | Freight capacity maximization system |
KR20190012701A (ko) * | 2017-07-28 | 2019-02-11 | 임경현 | 화물 운송 중계방법, 화물 운송 중계서버 및 이를 포함하는 화물 운송 중계시스템 |
WO2019061129A1 (en) * | 2017-09-28 | 2019-04-04 | Beijing Didi Infinity Technology And Development Co., Ltd. | SYSTEMS AND METHODS FOR EVALUATING PROGRAMMING STRATEGY ASSOCIATED WITH DESIGNATED DRIVING SERVICES |
CN111768019A (zh) * | 2019-04-02 | 2020-10-13 | 北京三快在线科技有限公司 | 订单处理方法、装置、计算机设备及存储介质 |
CN112258122A (zh) * | 2020-10-29 | 2021-01-22 | 江苏满运物流信息有限公司 | 运输方式匹配方法、系统、设备及存储介质 |
CN112862184A (zh) * | 2021-02-04 | 2021-05-28 | 江苏满运物流信息有限公司 | 运输信息预测方法、装置、电子设备及可读存储介质 |
CN113127735A (zh) * | 2021-04-02 | 2021-07-16 | 北京知藏云道科技有限公司 | 车货匹配方法、装置、计算机设备和介质 |
CN113316797A (zh) * | 2019-11-01 | 2021-08-27 | 株式会社日立制作所 | 资源共享支援系统以及资源共享支援方法 |
-
2021
- 2021-09-06 CN CN202111039768.6A patent/CN113837688B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150339624A1 (en) * | 2014-05-14 | 2015-11-26 | Trakkx.Com, Llc | Systems and methods for device-based carrier verification in a freight transportation network |
CN104866997A (zh) * | 2015-06-10 | 2015-08-26 | 南京大学 | 一种用于车货在线配载的智能配对方法 |
US20190012641A1 (en) * | 2015-08-04 | 2019-01-10 | David Klyce Roberts | Freight capacity maximization system |
US20180082253A1 (en) * | 2016-09-20 | 2018-03-22 | International Business Machines Corporation | Cargo logistics dispatch service with integrated pricing and scheduling |
KR20190012701A (ko) * | 2017-07-28 | 2019-02-11 | 임경현 | 화물 운송 중계방법, 화물 운송 중계서버 및 이를 포함하는 화물 운송 중계시스템 |
WO2019061129A1 (en) * | 2017-09-28 | 2019-04-04 | Beijing Didi Infinity Technology And Development Co., Ltd. | SYSTEMS AND METHODS FOR EVALUATING PROGRAMMING STRATEGY ASSOCIATED WITH DESIGNATED DRIVING SERVICES |
CN111768019A (zh) * | 2019-04-02 | 2020-10-13 | 北京三快在线科技有限公司 | 订单处理方法、装置、计算机设备及存储介质 |
CN113316797A (zh) * | 2019-11-01 | 2021-08-27 | 株式会社日立制作所 | 资源共享支援系统以及资源共享支援方法 |
CN112258122A (zh) * | 2020-10-29 | 2021-01-22 | 江苏满运物流信息有限公司 | 运输方式匹配方法、系统、设备及存储介质 |
CN112862184A (zh) * | 2021-02-04 | 2021-05-28 | 江苏满运物流信息有限公司 | 运输信息预测方法、装置、电子设备及可读存储介质 |
CN113127735A (zh) * | 2021-04-02 | 2021-07-16 | 北京知藏云道科技有限公司 | 车货匹配方法、装置、计算机设备和介质 |
Non-Patent Citations (1)
Title |
---|
王洪艳;: "O2O货运平台车货撮合策略优化思路探析", 现代商贸工业, no. 29 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116562749A (zh) * | 2023-03-28 | 2023-08-08 | 北京知藏云道科技有限公司 | 一种基于自然语言处理的车货匹配推荐系统 |
CN117522089A (zh) * | 2024-01-05 | 2024-02-06 | 江苏运满满同城信息科技有限公司 | 一种基于货主发货意图的智能匹配调度系统 |
CN117522089B (zh) * | 2024-01-05 | 2024-03-19 | 江苏运满满同城信息科技有限公司 | 一种基于货主发货意图的智能匹配调度系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113837688B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679794A (zh) | 一种基于区块链的物流管理方法及装置 | |
CN113837688A (zh) | 运输资源匹配方法、装置、可读存储介质和计算机设备 | |
CN106529855A (zh) | 一种安全物流运输交互方法 | |
CN112862184A (zh) | 运输信息预测方法、装置、电子设备及可读存储介质 | |
CN110853349A (zh) | 车辆调度方法、装置及设备 | |
CN113935528B (zh) | 智能调度方法、装置、计算机设备及存储介质 | |
US20230186226A1 (en) | Artificial Intelligence (AI) Based Systems and Methods for Analyzing Order Data to Generate a Driver Logistics Prediction Value | |
US20230061547A1 (en) | Using machine learning to dynamically determine shipping information | |
CN108932595A (zh) | 一种运输车辆评价方法及设备 | |
CN102479199B (zh) | 一种实现单据反写的方法和系统 | |
CN108399524A (zh) | 信息处理方法及系统 | |
CN116415747A (zh) | 拼车路线确定方法、装置和电子设备 | |
CN111260407B (zh) | 物流管理系统以及订单查货核价方法 | |
CN116187718B (zh) | 基于计算机视觉的智慧货物识别分拣方法及系统 | |
CN112633587A (zh) | 一种物流信息的处理方法和装置 | |
CN114742503B (zh) | 一种基于深度学习的智慧物流拼车方法和装置 | |
CN110705754A (zh) | 基于区块链的物流订单分配方法及系统 | |
CN108197865A (zh) | 物流配送任务快速调度控制方法及装置 | |
CN112053087A (zh) | 投诉工单的处理方法、装置、设备及存储介质 | |
CN112364262A (zh) | 一种找货路线推荐方法、装置、电子设备及存储介质 | |
US20220042808A1 (en) | Method for operating a vehicle | |
CN112734237A (zh) | 用于交易业务的配送员匹配方法 | |
CN111445188A (zh) | 货物库存管理方法及装置 | |
CN115730879B (zh) | 一种基于零储存的商品物流运输配送方法 | |
CN111932035B (zh) | 基于多模型的数据处理方法、装置及分类建模的方法 |
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 |