CN114490807A - 物流时效跟踪方法、装置、终端设备以及存储介质 - Google Patents
物流时效跟踪方法、装置、终端设备以及存储介质 Download PDFInfo
- Publication number
- CN114490807A CN114490807A CN202111624141.7A CN202111624141A CN114490807A CN 114490807 A CN114490807 A CN 114490807A CN 202111624141 A CN202111624141 A CN 202111624141A CN 114490807 A CN114490807 A CN 114490807A
- Authority
- CN
- China
- Prior art keywords
- logistics
- information
- order
- node
- statistical analysis
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种物流时效跟踪方法、装置、终端设备以及存储介质,通过获取订单的轨迹信息;根据所述轨迹信息匹配自定义节点,得到订单各节点的信息;对各所述节点的信息进行统计分析,得到统计分析结果;根据所述统计分析结果对物流商进行评级。本发明解决了对物流商进行准确评估的问题。
Description
技术领域
本发明涉及物流管理领域,尤其涉及物流时效跟踪方法、装置、终端设备以及存储介质。
背景技术
作为经济全球化的产物之一,物流运输逐渐成为经济生活中至关重要的环节,近年来物流行业保持快速增长,物流体系不断完善,物流商数目越来越多,对于物流商而言,既要把虚拟商店的货物送到用户手中,而且还要从生产企业及时进货入库。物流公司既是生产企业的仓库,又是用户的实物供应者。物流商已成为社会生产链条的领导者和协调者,为社会提供全方位的物流服务。
对于现代企业来说,需要对物流商进行准确评估,才能实现产品供应链全过程的价值和经营行为的最适化,目前信息已成为物流管理的核心,但由于物流信息纷繁庞杂,需要对信息进行有效提取和分析才能对物流商进行准确评估,从而有效提高企业的物流效率,降低物流管理成本。
因此,有必要提出一种对物流商进行准确评估的解决方案。
发明内容
本发明的主要目的在于提供一种物流时效跟踪方法、装置、终端设备以及存储介质,旨在解决对物流商进行准确评估的问题。
为实现上述目的,本发明提供一种物流时效跟踪方法,所述物流时效跟踪方法包括:
获取订单的轨迹信息;
根据所述轨迹信息匹配自定义节点,得到订单各节点的信息;
对各所述节点的信息进行统计分析,得到统计分析结果;
根据所述统计分析结果对物流商进行评级。
可选地,所述获取订单的轨迹信息的步骤包括:
通过爬虫技术从物流网站获取所述订单的轨迹信息;或者
通过对接物流商的应用程序接口API获取所述订单的轨迹信息。
可选地,所述通过爬虫技术从物流网站获取所述订单的轨迹信息的步骤包括:
通过若干台爬虫主机同时爬取所述物流网站的订单的轨迹信息,其中,所述爬虫主机使用智能代理网际协议IP。
可选地,所述通过爬虫技术从物流网站获取所述订单的轨迹信息的步骤之后还包括:
对所述爬虫主机的状态信息进行监控,其中,所述爬虫主机的状态信息包括所述爬虫主机的工作状态、每天需要爬取的数量、当前已爬取的数量、当前插队爬取的数量以及当前异常爬取的数量。
可选地,所述根据所述轨迹信息匹配自定义节点,得到订单各节点的信息的步骤之前还包括:
配置自定义节点,其中,所述自定义节点包括等待上网、离港、海关清关、到达目的地、客户拒签、退回以及已妥投中的一种或多种。
可选地,所述根据所述轨迹信息匹配自定义节点,得到订单各节点的信息的步骤包括:
提取所述轨迹信息中的关键词;
将所述关键词与预先配置的所述自定义节点进行匹配;
根据匹配结果得到所述订单各节点的信息。
可选地,所述对各所述节点的信息进行统计分析,得到统计分析结果的步骤包括:
对到达各所述节点所用的时间进行统计分析,得到各所述节点的时效;
对所述订单的上网时间进行统计分析,得到所述订单的上网时效;
对各国家的签收信息进行统计分析,得到各所述国家的签收率;
对各订单的签收信息进行统计分析,得到各所述订单的签收率;
将各所述节点的时效、所述订单的上网时效、各所述国家的签收率以及各所述订单的签收率作为所述统计分析结果。
此外,为实现上述目的,本发明还提供一种物流时效跟踪装置,所述物流时效跟踪装置包括:
获取模块,用于获取订单的轨迹信息;
匹配模块,用于根据所述轨迹信息匹配自定义节点,得到订单各节点的信息;
分析模块,用于对各所述节点的信息进行统计分析,得到统计分析结果;
评级模块,用于根据所述统计分析结果对物流商进行评级。
此外,为实现上述目的,本发明还提供一种终端设备,所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的物流时效跟踪程序,所述物流时效跟踪程序被所述处理器执行时实现如上所述的物流时效跟踪方法的步骤。
此外,为实现上述目的,本发明还提供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物流时效跟踪程序,所述物流时效跟踪程序被处理器执行时实现如上所述的物流时效跟踪方法的步骤。
本发明实施例提出的一种物流时效跟踪方法、装置、终端设备以及存储介质,通过获取订单的轨迹信息;根据所述轨迹信息匹配自定义节点,得到订单各节点的信息;对各所述节点的信息进行统计分析,得到统计分析结果;根据所述统计分析结果对物流商进行评级。通过获取订单的轨迹信息,并将轨迹信息与自定义节点进行匹配,可以从庞杂的物流信息中抽取出订单各节点的有效信息,通过对大量订单节点的信息进行统计分析,可以对供应商进行有效评估,从而筛选出更优质的物流商,提高物流效率。
附图说明
图1为本发明物流时效跟踪装置所属终端设备的功能模块示意图;
图2为本发明物流时效跟踪方法一示例性实施例的流程示意图;
图3为本发明物流时效跟踪方法另一示例性实施例的流程示意图;
图4为本发明实施例中根据所述轨迹信息匹配自定义节点,得到订单各节点的信息的细化流程示意图;
图5为本发明实施例中对订单各节点信息进行监控的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例的主要解决方案是:通过获取订单的轨迹信息;根据所述轨迹信息匹配自定义节点,得到订单各节点的信息;对各所述节点的信息进行统计分析,得到统计分析结果;根据所述统计分析结果对物流商进行评级。通过获取订单的轨迹信息,并将轨迹信息与自定义节点进行匹配,可以从庞杂的物流信息中抽取出订单各节点的有效信息,通过对大量订单节点的信息进行统计分析,可以对供应商进行有效评估,从而筛选出更优质的物流商,提高物流效率。
本发明实施例涉及的技术术语:
API(Application Programming Interface,应用程序接口):是一些预先定义的接口,或指软件系统不同组成部分衔接的约定。用来提供应用程序与开发人员基于某软件或硬件得以访问的一组例程,而又无需访问源码,或理解内部工作机制的细节。
IP(Internet Protocol,网际协议):可实现大规模、异构网络的互联互通,以及分割顶层网络应用和底层网络技术之间的耦合关系,以利于两者的独立发展。
Python(计算机编程语言):一种解释型编程语言,提供了高效的高级数据结构,还能简单有效地面向对象编程。
lazada(来赞达):东南亚地区最大的在线购物网站之一。
17track:跨境电商物流平台的一种。
具体地,参照图1,图1为本发明物流时效跟踪装置所属终端设备的功能模块示意图。该物流时效跟踪装置可以为独立于终端设备的、能够进行物流时效跟踪的装置,其可以通过硬件或软件的形式承载于终端设备上。该终端设备可以为手机、平板电脑等具有数据处理功能的智能移动终端,还可以为具有数据处理功能的固定终端设备或服务器等。
在本实施例中,该物流时效跟踪装置所属终端设备至少包括输出模块110、处理器120、存储器130以及通信模块140。
存储器130中存储有操作系统以及物流时效跟踪程序,物流时效跟踪装置可以将获取的订单的轨迹信息、根据所述轨迹信息匹配自定义节点,得到的订单各节点的信息、对各所述节点的信息进行统计分析,得到的统计分析结果,以及根据所述统计分析结果对物流商的评级等信息存储于该存储器130中;输出模块110可为显示屏等。通信模块140可以包括WIFI模块、移动通信模块以及蓝牙模块等,通过通信模块140与外部设备或服务器进行通信。
其中,存储器130中的物流时效跟踪程序被处理器执行时实现以下步骤:
获取订单的轨迹信息;
根据所述轨迹信息匹配自定义节点,得到订单各节点的信息;
对各所述节点的信息进行统计分析,得到统计分析结果;
根据所述统计分析结果对物流商进行评级。
进一步地,存储器130中的物流时效跟踪程序被处理器执行时还实现以下步骤:
通过爬虫技术从物流网站获取所述订单的轨迹信息;或者
通过对接物流商的应用程序接口API获取所述订单的轨迹信息。
进一步地,存储器130中的物流时效跟踪程序被处理器执行时还实现以下步骤:
通过若干台爬虫主机同时爬取所述物流网站的订单的轨迹信息,其中,所述爬虫主机使用智能代理网际协议IP。
进一步地,存储器130中的物流时效跟踪程序被处理器执行时还实现以下步骤:
对所述爬虫主机的状态信息进行监控,其中,所述爬虫主机的状态信息包括所述爬虫主机的工作状态、每天需要爬取的数量、当前已爬取的数量、当前插队爬取的数量以及当前异常爬取的数量。
进一步地,存储器130中的物流时效跟踪程序被处理器执行时还实现以下步骤:
配置自定义节点,其中,所述自定义节点包括等待上网、离港、海关清关、到达目的地、客户拒签、退回以及已妥投中的一种或多种。
进一步地,存储器130中的物流时效跟踪程序被处理器执行时还实现以下步骤:
提取所述轨迹信息中的关键词;
将所述关键词与预先配置的所述自定义节点进行匹配;
根据匹配结果得到所述订单各节点的信息。
进一步地,存储器130中的物流时效跟踪程序被处理器执行时还实现以下步骤:
对到达各所述节点所用的时间进行统计分析,得到各所述节点的时效;
对所述订单的上网时间进行统计分析,得到所述订单的上网时效;
对各国家的签收信息进行统计分析,得到各所述国家的签收率;
对各订单的签收信息进行统计分析,得到各所述订单的签收率;
将各所述节点的时效、所述订单的上网时效、各所述国家的签收率以及各所述订单的签收率作为所述统计分析结果。
本实施例通过上述方案,具体通过获取订单的轨迹信息;根据所述轨迹信息匹配自定义节点,得到订单各节点的信息;对各所述节点的信息进行统计分析,得到统计分析结果;根据所述统计分析结果对物流商进行评级。通过获取订单的轨迹信息,并将轨迹信息与自定义节点进行匹配,可以从庞杂的物流信息中抽取出订单各节点的有效信息,通过对大量订单节点的信息进行统计分析,可以对供应商进行有效评估,从而筛选出更优质的物流商,提高物流效率。
基于上述终端设备架构但不限于上述架构,提出本发明方法实施例。
本实施例方法的执行主体可以为一种物流时效跟踪装置或终端设备等,本实施例以物流时效跟踪装置进行举例。
参照图2,图2为本发明物流时效跟踪方法一示例性实施例的流程示意图。所述物流时效跟踪方法包括:
步骤S10,获取订单的轨迹信息;
在货物运输过程中,物流公司将发货人发出的货物收揽,给出每个货物对应的运单编号,然后将货物的发货信息及运单编号在物流管理系统进行登记,最后再发往目的地的货物中转站。当货物到达中转站后,及时将货物的当前位置信息发送给物流时效跟踪平台,经由物流时效跟踪平台更新后,即可查询货物的物流信息,获取货物所处的位置信息,根据货物的各个位置信息可构成订单的轨迹信息。
订单的轨迹信息可以通过Python爬虫技术从物流网站获取,或者通过对接物流商的应用程序接口API获取。其中,通过Python爬虫技术从物流网站获取的方式主要是通过若干台爬虫主机同时爬取所述物流网站的订单的轨迹信息,其中所述爬虫主机使用智能代理网际协议IP跳过所述物流网站的IP限量,以确保每日爬取的轨迹信息数量。
在本发明实施例中,采用4台虚拟主机,共部署20台爬虫脚本同时爬取各个网站的轨迹信息,所述网站包括cainiao、lazada、17track等,使用智能代理IP跳过第三方网址IP限量,从而保证每天能高效爬取10多万跟踪号的轨迹信息。此外,需要对爬虫主机进行异常监控,包括监控爬虫主机是否存活,是否处于正常工作状态,监控每天需要爬取的数量,当前已爬取的数量,当前插队爬取的数量,当前异常爬取的数量,准确知道每天轨迹爬取情况,及时处理异常。
步骤S20,根据所述轨迹信息匹配自定义节点,得到订单各节点的信息;
获取到各订单的轨迹信息后,由于不同的物流商对于不同节点的命名可能存在差异,例如有的物流商将转运中心命名为某集散地,而有的物流商将转运中心命名为某中转站,使得难以对庞杂的物流信息进行统计分析。在本发明实施例中,预先配置自定义节点,包括等待上网、离港以及海关清关等节点信息,可以通过提取轨迹信息中的关键词,再根据所述关键词与配置的自定义节点的关键词进行模糊或精确匹配,得到订单的轨迹节点。
步骤S30,对各所述节点的信息进行统计分析,得到统计分析结果;
在得到订单的轨迹节点后,可以根据各节点的信息进行统计分析,通过统计到达每个节点所用的时间,得到各节点的时效;通过统计各个订单的上网时效,确保物流商将各个订单及时进行上网记录,避免出现遗漏的情况;通过统计分析各个国家的签收信息,可以统计各国的签收率;通过统计各个订单的签收信息,可以准确分析各物流商的订单签收率情况,从而对物流商进行评级。
步骤S40,根据所述统计分析结果对物流商进行评级。
在得到各节点的时效、订单的上网时效、各国家的签收率以及各订单的签收率等统计分析结果之后,根据各节点的时效可以评估物流商的整体效率,根据订单的上网时效可以评估物流商是否及时更新订单的物流信息;根据各国家的签收率可以针对不同国家选取更合适的物流商;根据订单的签收率可以分析比较各物流的签收情况,综合各分析结果对物流商进行评级,进而及时跟进或更换更优质的物流商,从而提高物流效率。
在本实施例中,通过获取订单的轨迹信息;根据所述轨迹信息匹配自定义节点,得到订单各节点的信息;对各所述节点的信息进行统计分析,得到统计分析结果;根据所述统计分析结果对物流商进行评级。通过获取订单的轨迹信息,并将轨迹信息与自定义节点进行匹配,可以从庞杂的物流信息中抽取出订单各节点的有效信息,通过对大量订单节点的信息进行统计分析,可以对供应商进行有效评估,从而筛选出更优质的物流商,提高物流效率。
参照图3,图3为本发明物流时效跟踪方法另一示例性实施例的流程示意图。基于上述图2所示的实施例,在本实施例中,在根据所述轨迹信息匹配自定义节点,得到订单各节点的信息的步骤之前,所述物流时效跟踪方法还包括:
步骤S11,配置自定义节点,其中,所述自定义节点包括等待上网、离港、海关清关、到达目的地、客户拒签、退回以及已妥投。本实施例以步骤S11在步骤S10与步骤S20之间实施,在其他实施例中,步骤S11也可以在步骤S10之前实施。
相比上述图2所示的实施例,本实施例还包括配置自定义节点的方案。
具体地,在货物运输过程中,由于不同的物流商对于不同节点的命名可能存在差异,例如有的物流商将转运中心命名为某集散地,而有的物流商将转运中心命名为某中转站、某分拨中心或者某仓库等,使得难以对庞杂的物流信息进行统计分析。在本发明实施例中,预先配置的自定义节点包括等待上网、离港、海关清关、到达目的地、客户拒签、退回、已妥投等25个节点信息,之后将配置的自定义节点与轨迹信息中的节点关键词进行匹配,从而统一各订单的物流信息,以便于对物流信息进行统计分析。
本实施例通过上述方案,具体通过配置自定义节点,包括等待上网、离港、海关清关、到达目的地、客户拒签、退回、已妥投等25个节点信息,以便于将配置的自定义节点与轨迹信息中的节点关键词进行匹配,从而统一各订单的物流信息,进而对物流信息进行统计分析,使得对物流商的评估更加高效准确。
参照图4,图4为本发明实施例中根据所述轨迹信息匹配自定义节点,得到订单各节点的信息的细化流程示意图,在本实施例中,根据所述轨迹信息匹配自定义节点,得到订单各节点的信息的步骤包括:
步骤S201,提取所述轨迹信息中的关键词;
在物流运输过程中,订单的轨迹信息通常包括快递揽收、到达分拨中心、到达派送站点、客户拒签、已退回、投递完成等,然后可以将轨迹信息中的关键词提取出来后与预先配置的自定义节点进行匹配。
步骤S202,将所述关键词与预先配置的所述自定义节点进行匹配;
在提取出各订单的轨迹信息中的关键词后,将轨迹信息中的关键词提取出来后与预先配置的自定义节点进行匹配,根据各物流对关键词命名的区别与联系,进行模糊或精确匹配,从而得到较为统一的物流节点信息。
步骤S203,根据匹配结果得到所述订单各节点的信息。
根据各订单的轨迹信息与预先配置的自定义节点的匹配结果,可以得到统一后的订单各节点信息,参照图5,图5为本发明实施例中对订单各节点信息进行监控的流程示意图,根据匹配结果得到订单各节点的信息,可以设置节点超时告警天数,统计上网率、国家签收率、物流签收率等不同维度的数据,根据分析超时告警及时督促物流商处理,并对物流商评级,从而使用更优质的物流商提高效率。
在本实施例中,通过根据所述轨迹信息匹配自定义节点,得到订单各节点的信息,具体包括提取所述轨迹信息中的关键词;将所述关键词与预先配置的所述自定义节点进行匹配;根据匹配结果得到所述订单各节点的信息。根据得到的订单各节点信息,可以设置节点超时告警天数,统计上网率、国家签收率、物流签收率等不同维度的数据,根据分析超时告警及时督促物流商处理,并对物流商评级,从而使用更优质的物流商提高效率。
此外,本发明实施例还提出一种物流时效跟踪装置,所述物流时效跟踪装置包括:
获取模块,用于获取订单的轨迹信息;
匹配模块,用于根据所述轨迹信息匹配自定义节点,得到订单各节点的信息;
分析模块,用于对各所述节点的信息进行统计分析,得到统计分析结果;
评级模块,用于根据所述统计分析结果对物流商进行评级。
本实施例根据订单跟踪号及物流信息,使用Python爬虫技术爬取cainiao、lazada、17track等网站获取轨迹信息,还有对接物流商API获取轨迹信息。自定义配置等待上网、离港、海关清关、到达目的地、客户拒签、退回、已妥投等25个节点信息,根据轨迹信息和自定义配置关键词模糊或精确匹配轨迹节点,并记录上网时间、签收时间,配置节点滞留超时告警天数,配置节点停留超过配置天数即订单超时异常告警。采用4台虚拟主机20台机器,共部署20台爬虫脚本同时爬取各个网站轨迹信息,使用智能代理IP跳过第三方网址IP限量,从而保证每天能爬取10多万跟踪号的轨迹信息,高效获取轨迹信息。
此外,需要监控爬虫主机是否存活,是否处于正常工作状态,监控每天需要爬取数量,当前已爬取数量,当前插队爬取数量,当前异常爬取的数量,准确知道每天轨迹爬取情况,及时处理异常。将获取的轨迹信息与预先配置的自定义节点进行匹配后,得到订单各节点的信息,对各节点的信息进行数据分析,主要包括:节点时效:统计到达每个节点所用时间,准确知道各个节点时间,尽可能压缩能提高时效节点;上网时效:统计订单上网时效,确保物流商有让订单及时上网,避免遗漏情况;国家签收率:统计分析各国家签收率,过低需要及时跟进物流商,或更换更优质物流商;物流签收率:统计各个物流签收率,准确分析物流商签收率情况,分析物流商是否达标。
本发明实施例中,通过根据订单跟踪号及物流信息,使用Python爬虫技术、对接物流商API获取轨迹信息,根据轨迹信息自动匹配自定义节点,通过配置自定义节点,包括等待上网、离港、海关清关、到达目的地、客户拒签、退回、已妥投等25个节点信息,以便于将配置的自定义节点与轨迹信息中的节点关键词进行匹配,从而统一各订单的物流信息,设置节点超时告警天数,上网率统计、国家签收率统计、物流签收率统计等不同维度分析数据,提供了监控订单送往目的地情况及物流送货时效的方法,根据分析超时告警及时督促物流商处理,并对物流商评级,从而使用更优质的物流商提高效率。
此外,本发明实施例还提出一种终端设备,所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的物流时效跟踪程序,所述物流时效跟踪程序被所述处理器执行时实现如上所述的物流时效跟踪方法的步骤。
由于本物流时效跟踪程序被处理器执行时,采用了前述所有实施例的全部技术方案,因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果,在此不再一一赘述。
此外,本发明实施例还提出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物流时效跟踪程序,所述物流时效跟踪程序被处理器执行时实现如上所述的物流时效跟踪方法的步骤。
由于本物流时效跟踪程序被处理器执行时,采用了前述所有实施例的全部技术方案,因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果,在此不再一一赘述。
相比现有技术,本发明实施例提出的物流时效跟踪方法、装置、终端设备以及存储介质,通过获取订单的轨迹信息;根据所述轨迹信息匹配自定义节点,得到订单各节点的信息;对各所述节点的信息进行统计分析,得到统计分析结果;根据所述统计分析结果对物流商进行评级。通过获取订单的轨迹信息,并将轨迹信息与自定义节点进行匹配,可以从庞杂的物流信息中抽取出订单各节点的有效信息,通过对大量订单节点的信息进行统计分析,可以对供应商进行有效评估,从而筛选出更优质的物流商,提高物流效率。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的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如上的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,被控终端,或者网络设备等)执行本申请每个实施例的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种物流时效跟踪方法,其特征在于,所述物流时效跟踪方法包括以下步骤:
获取订单的轨迹信息;
根据所述轨迹信息匹配自定义节点,得到订单各节点的信息;
对各所述节点的信息进行统计分析,得到统计分析结果;
根据所述统计分析结果对物流商进行评级。
2.如权利要求1所述的物流时效跟踪方法,其特征在于,所述获取订单的轨迹信息的步骤包括:
通过爬虫技术从物流网站获取所述订单的轨迹信息;或者
通过对接物流商的应用程序接口API获取所述订单的轨迹信息。
3.如权利要求2所述的物流时效跟踪方法,其特征在于,所述通过爬虫技术从物流网站获取所述订单的轨迹信息的步骤包括:
通过若干台爬虫主机同时爬取所述物流网站的订单的轨迹信息,其中,所述爬虫主机使用智能代理网际协议IP。
4.如权利要求3所述的物流时效跟踪方法,其特征在于,所述通过爬虫技术从物流网站获取所述订单的轨迹信息的步骤之后还包括:
对所述爬虫主机的状态信息进行监控,其中,所述爬虫主机的状态信息包括所述爬虫主机的工作状态、每天需要爬取的数量、当前已爬取的数量、当前插队爬取的数量以及当前异常爬取的数量。
5.如权利要求1所述的物流时效跟踪方法,其特征在于,所述根据所述轨迹信息匹配自定义节点,得到订单各节点的信息的步骤之前还包括:
配置自定义节点,其中,所述自定义节点包括等待上网、离港、海关清关、到达目的地、客户拒签、退回以及已妥投中的一种或多种。
6.如权利要求5所述的物流时效跟踪方法,其特征在于,所述根据所述轨迹信息匹配自定义节点,得到订单各节点的信息的步骤包括:
提取所述轨迹信息中的关键词;
将所述关键词与预先配置的所述自定义节点进行匹配;
根据匹配结果得到所述订单各节点的信息。
7.如权利要求1所述的物流时效跟踪方法,其特征在于,所述对各所述节点的信息进行统计分析,得到统计分析结果的步骤包括:
对到达各所述节点所用的时间进行统计分析,得到各所述节点的时效;
对所述订单的上网时间进行统计分析,得到所述订单的上网时效;
对各国家的签收信息进行统计分析,得到各所述国家的签收率;
对各订单的签收信息进行统计分析,得到各所述订单的签收率;
将各所述节点的时效、所述订单的上网时效、各所述国家的签收率以及各所述订单的签收率作为所述统计分析结果。
8.一种物流时效跟踪装置,其特征在于,所述物流时效跟踪装置包括:
获取模块,用于获取订单的轨迹信息;
匹配模块,用于根据所述轨迹信息匹配自定义节点,得到订单各节点的信息;
分析模块,用于对各所述节点的信息进行统计分析,得到统计分析结果;
评级模块,用于根据所述统计分析结果对物流商进行评级。
9.一种终端设备,其特征在于,所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的物流时效跟踪程序,所述物流时效跟踪程序被所述处理器执行时实现如权利要求1-7中任一项所述的物流时效跟踪方法的步骤。
10.一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物流时效跟踪程序,所述物流时效跟踪程序被处理器执行时实现如权利要求1-7中任一项所述的物流时效跟踪方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111624141.7A CN114490807A (zh) | 2021-12-27 | 2021-12-27 | 物流时效跟踪方法、装置、终端设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111624141.7A CN114490807A (zh) | 2021-12-27 | 2021-12-27 | 物流时效跟踪方法、装置、终端设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114490807A true CN114490807A (zh) | 2022-05-13 |
Family
ID=81496311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111624141.7A Pending CN114490807A (zh) | 2021-12-27 | 2021-12-27 | 物流时效跟踪方法、装置、终端设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114490807A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115759912A (zh) * | 2022-12-01 | 2023-03-07 | 广州市昊链信息科技股份有限公司 | 一种ai机器人系统 |
-
2021
- 2021-12-27 CN CN202111624141.7A patent/CN114490807A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115759912A (zh) * | 2022-12-01 | 2023-03-07 | 广州市昊链信息科技股份有限公司 | 一种ai机器人系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110648185B (zh) | 一种目标人群圈选方法、装置及计算机设备 | |
CN103530808B (zh) | 一种果品物流全程质量安全追溯系统 | |
Kang et al. | Development of generic RFID traceability services | |
US8719066B2 (en) | Systems and methods for capturing, managing, sharing, and visualising asset information of an organization | |
Ko et al. | Adaptive product tracking in RFID-enabled large-scale supply chain | |
CN102948117B (zh) | 信息追踪系统和方法 | |
US20160048789A1 (en) | Graph database for determining and analyzing impact severity of event on a network | |
KR20220074839A (ko) | 자동화 된 애플리케이션 프로그래밍 인터페이스 평가 및 마이그레이션을 위한 시스템 및 방법 | |
US20140201331A1 (en) | Platform for the delivery of content and services to networked connected computing devices | |
US20030144858A1 (en) | Method and apparatus for providing intelligent and controlled access to supply chain information | |
US8332285B1 (en) | Inventory loss prediction | |
CN108780466A (zh) | 用于计算近实时数据聚集的搜索和检索数据处理系统 | |
US10832228B2 (en) | Parent and dependent recycling product codes for finished products | |
US11436555B2 (en) | Unified view operator interface system and method | |
US11481674B2 (en) | Digital content communications system for account management and predictive analytics | |
US20150220975A1 (en) | Client online account minimum advertised price (map) policy management application system, method and computer program product | |
CN103365946A (zh) | 数据库性能分析 | |
TW202215319A (zh) | 用於集中式狀態監測的系統、電腦實行方法及設備 | |
CN109544266A (zh) | 产品数据推送方法、装置及计算机可读存储介质 | |
CN114819861A (zh) | 一种物流货运平台的信息发布方法以及装置 | |
CN114490807A (zh) | 物流时效跟踪方法、装置、终端设备以及存储介质 | |
KR20220093037A (ko) | 자동화된 정보 수집 및 처리를 위한 시스템 및 방법 | |
KR20230139285A (ko) | 결정론적 또는 추론적 접근에 기초한 최고의 대안 제품을 식별하는 시스템 및 방법 | |
US8738473B2 (en) | Inventory filtering system, method, and computer program product | |
EP2811434A1 (en) | Mobile terminal management server, and mobile terminal management program |
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 |