CN114742507A - 车辆货物配载方法、装置、计算机设备及存储介质 - Google Patents
车辆货物配载方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114742507A CN114742507A CN202210435733.2A CN202210435733A CN114742507A CN 114742507 A CN114742507 A CN 114742507A CN 202210435733 A CN202210435733 A CN 202210435733A CN 114742507 A CN114742507 A CN 114742507A
- Authority
- CN
- China
- Prior art keywords
- information
- transportation
- candidate
- preset
- weather
- 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
- 238000011068 loading method Methods 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
-
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种车辆货物配载方法、装置、计算机设备及存储介质，涉及物流运输技术领域。该方法包括：获取预先规划的物流运输路线在预设未来时间段内的目标天气预测信息；根据目标天气预测信息，采用预设的车辆货物配载模型，确定目标天气预测信息对应的运输货物为候选运输货物，确定候选运输货物对应的运输车型为候选运输车型，生成车辆货物配载结果，车辆货物配载结果包括：物流运输路线的信息、预设未来时间段的信息、候选运输货物的信息和候选运输车型的信息，车辆货物配载结果用于指示在预设未来时间段内采用候选运输车型沿着物流运输路线运输候选运输货物。本申请可以根据天气情况确定最佳的车辆货物配载方案，提升货物运输的效率和安全性。
Description
技术领域
本发明涉及物流管理技术领域，具体而言，涉及一种车辆货物配载方法、装置、计算机设备及存储介质。
背景技术
车辆运输是一种重要的运输方式，随着社会经济的发展以及路网建设的不断完善，车辆运输为更多的企业和人群提供了越来越快速、边界的服务。
货物运输途中的天气情况是影响货物运输时效性的主要因素，例如恶劣的天气情况将严重增长货物运输时间，这对于一些对时效性要求较高的货物所产生的影响是致命的，因此，如何根据运输途中的天气情况决定运输货物的类型和用于运输货物的车辆的类型，对提高货物运输的效率和安全性是至关重要的。
发明内容
本发明的目的在于，针对上述现有技术中的不足，提供一种车辆货物p配载方法、装置、计算机设备及存储介质，以便根据天气情况确定最佳的车辆货物配载方案，提升货物运输的效率和安全性。
为实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供了一种车辆货物配载方法，所述方法包括：
获取预先规划的物流运输路线在预设未来时间段内的目标天气预测信息；
根据所述目标天气预测信息，采用预设的车辆货物配载模型，确定所述目标天气预测信息对应的运输货物为候选运输货物，确定所述候选运输货物对应的运输车型为候选运输车型；其中，所述车辆货物配载模型预先集成有：预设的天气信息和运输货物的对应关系，以及预设的运输货物和运输车型的对应关系；
生成车辆货物配载结果，所述车辆货物配载结果包括：所述物流运输路线的信息、所述预设未来时间段的信息、所述候选运输货物的信息和所述候选运输车型的信息，所述车辆货物配载结果用于指示在所述预设未来时间段内采用所述候选运输车型沿着所述物流运输路线运输所述候选运输货物。
可选的，所述获取预先规划的物流运输路线在预设未来时间段内的目标天气预测信息，包括：
获取所述预设未来时间段内所述物流运输路线中各个位置点的预测到达时间；
根据所述各个位置点的预测到达时间以及所述各个位置点的位置信息，查询所述各个位置点在对应预测到达时间的天气预测信息；
根据所述各个位置点在对应预测到达时间的天气预测信息，确定所述目标天气预测信息。
可选的，所述根据所述各个位置点的预测到达时间以及所述各个位置点的位置信息，查询所述各个位置点在对应预测到达时间的天气预测信息，包括：
获取所述物流运输路线所在的预设区域内在所述预设未来时间段内的天气预测数据库；
根据所述各个位置点的预测到达时间以及所述各个位置点的位置信息，从所述天气预测数据库中查询所述各个位置点在对应预测到达时间的天气预测信息。
可选的，所述生成车辆货物配载结果之前，所述方法还包括：
根据所述候选运输货物和所述目标天气预测信息的天气信息影响系数，计算所述候选运输货物的运输成本；
所述车辆货物配载结果中还包括：所述候选运输货物的运输成本。
可选的，所述根据所述候选运输货物和所述目标天气预测信息的天气信息影响系数，计算所述候选运输货物的运输成本之前，所述方法还包括：
获取所述物流运输路线中多个位置点在对应预测到达时间的多种天气预测信息；
根据所述候选运输货物在所述多种天气预测信息的预设影响系数，以及每种天气预测信息在所述预设未来时间段内的时间占比，计算所述目标天气预测信息的天气信息影响系数。
可选的，所述根据所述候选运输货物在所述多种天气预测信息的预设影响系数，以及每种天气预测信息在所述预设未来时间段内的时间占比，计算所述目标天气预测信息的天气信息影响系数之前，所述方法还包括：
获取所述候选运输货物在预设历史时间段内所述多种历史天气信息下对应的多个历史运输成本；所述预设历史时间段为所述预设未来时间段所属的预设时间周期对应的历史时间周期，所述预设时间周期与所述历史时间周期为以年为单位的同一时间周期；
根据所述多种历史天气信息和所述多个历史运输成本，计算所述预设影响系数。
可选的，所述根据所述目标天气预测信息，采用预设的车辆货物配载模型，确定所述目标天气预测信息对应的运输货物为候选运输货物，确定所述候选运输货物对应的运输车型为候选运输车型之前，所述方法还包括：
根据多种天气信息匹配的运输货物，以及多种运输货物匹配的运输车型，建立所述车辆货物配载模型。
第二方面，本申请实施例还提供一种车辆货物配载装置，所述装置包括：
获取模块，用于获取预先规划的物流运输路线在预设未来时间段内的目标天气预测信息；
配载模块，用于根据所述目标天气预测信息，采用预设的车辆货物配载模型，确定所述目标天气预测信息对应的运输货物为候选运输货物，确定所述候选运输货物对应的运输车型为候选运输车型；其中，所述车辆货物配载模型预先集成有：预设的天气信息和运输货物的对应关系，以及预设的运输货物和运输车型的对应关系；
结果生成模块，用于生成车辆货物配载结果，所述车辆货物配载结果包括：所述物流运输路线的信息、所述预设未来时间段的信息、所述候选运输货物的信息和所述候选运输车型的信息，所述车辆货物配载结果用于指示在所述预设未来时间段内采用所述候选运输车型沿着所述物流运输路线运输所述候选运输货物。
可选的，所述获取模块，包括：
到达时间获取单元，用于获取所述预设未来时间段内所述物流运输路线中各个位置点的预测到达时间；
天气预测信息查询单元，用于根据所述各个位置点的预测到达时间以及所述各个位置点的位置信息，查询所述各个位置点在对应预测到达时间的天气预测信息；
目标天气预测信息确定单元，用于根据所述各个位置点在对应预测到达时间的天气预测信息，确定所述目标天气预测信息。
可选的，所述天气预测信息查询单元，包括：
天气预测数据库获取子单元，用于获取所述物流运输路线所在的预设区域内在所述预设未来时间段内的天气预测数据库；
天气预测信息查询子单元，用于根据所述各个位置点的预测到达时间以及所述各个位置点的位置信息，从所述天气预测数据库中查询所述各个位置点在对应预测到达时间的天气预测信息。
可选的，所述装置还包括：
运输成本计算模块，用于根据所述候选运输货物和所述目标天气预测信息的天气信息影响系数，计算所述候选运输货物的运输成本；
所述车辆货物配载结果中还包括：所述候选运输货物的运输成本。
可选的，所述装置还包括：
天气预测信息获取模块，用于获取所述物流运输路线中多个位置点在对应预测到达时间的多种天气预测信息；
天气信息影响系数计算模块，用于根据所述候选运输货物在所述多种天气预测信息的预设影响系数，以及每种天气预测信息在所述预设未来时间段内的时间占比，计算所述目标天气预测信息的天气信息影响系数。
可选的，所述装置还包括：
历史运输成本获取模块，用于获取所述候选运输货物在预设历史时间段内多种历史天气信息下对应的多个历史运输成本；所述预设历史时间段为所述预设未来时间段所属的预设时间周期对应的历史时间周期，所述预设时间周期与所述历史时间周期为以年为单位的同一时间周期；
预设影响系数计算模块，用于根据所述多种历史天气信息和所述多个历史运输成本，计算所述预设影响系数。
可选的，所述装置还包括：
模型建立模块，用于根据多种天气信息匹配的运输货物，以及多种运输货物匹配的运输车型，建立所述车辆货物配载模型。
第三方面，本申请实施例还提供一种计算机设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的程序指令，当所述计算机设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述程序指令，以执行如上述实施例任一所述的车辆货物配载方法的步骤。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上述实施例任一所述的车辆货物配载方法的步骤。
本申请的有益效果是：
本申请提供一种车辆货物配载方法、装置、计算机设备及存储介质，通过获取预先规划的物流运输路线在预设未来时间段内的目标天气预测信息；根据目标天气预测信息，采用预设的车辆货物配载模型，确定目标天气预测信息对应的运输货物为候选运输货物，确定候选运输货物对应的运输车型为候选运输车型，其中，车辆货物配载模型预先集成有：预设的天气信息和运输货物的对应关系，以及预设的运输货物和运输车型的对应关系；生成车辆货物配载结果，车辆货物配载结果包括：物流运输路线的信息、预设未来时间段的信息、候选运输货物的信息和候选运输车型的信息，车辆货物配载结果用于指示在预设未来时间段内采用候选运输车型沿着物流运输路线运输候选运输货物。本申请基于目标天气预测信息，采用车辆货物配载模型确定候选运输货物和候选运输车型，可以充分考虑到不同天气所适合运输的货物，并为该货物选择最匹配的运输车型，保证货物在运输过程中的安全性，提升货物运输的效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种车辆货物配载系统的结构示意图；
图2为本申请实施例提供的一种车辆货物配载方法的流程示意图；
图3为本申请实施例提供的一种车辆货物配载模型的结构示意图；
图4为本申请实施例提供的另一种车辆货物配载方法的流程示意图；
图5为本申请实施例提供的一种划分物流运输路线的示意图；
图6为本申请实施例提供的又一种车辆货物配载方法的流程示意图；
图7为本申请实施例提供的再一种车辆货物配载方法的流程示意图；
图8为本申请实施例提供的一种车辆货物配载装置的结构示意图；
图9为本申请实施例提供的计算机设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本发明的说明书和权利要求书中的术语“包括”和“具有”以及他们的任何变形，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。
需要说明的是，在不冲突的情况下，本申请的实施例中的特征可以相互结合。
本申请实施例提供的车辆货物配载方法，应用于计算机设备上的车辆货物配载系统，在计算机设备上运行该车辆货物配载系统，以执行本申请实施例提供的车辆货物配载方法，生成车辆货物配载结果。
请参考图1，为本申请实施例提供的一种车辆货物配载系统的结构示意图，如图1所示，该车辆货物配载系统包括：车辆货物配载装置10、路线规划装置20、气象中心30。
车辆货物配载装置10和路线规划装置20均为运行在计算机设备上的软件设备，车辆货物配载装置10与路径规划装置20通信连接，在路径规划装置20中输入运输起点和运输终点，以在路径规划装置20中生成物流运输路线，车辆货物配载装置10从路径规划装置20中获取该物流运输路线。在一种可能的实现方式中，若路径规划装置20基于运输起点和运输终点生成了多条物流运输路线，可以根据预设路线选择规则从多条物流运输路线中选择最佳的物流运输路线。示例的，预设路线选择规则可以为距离最短、高速收费最少、红绿灯数量最少等，本申请对此不做限制。
车辆货物配载装置10还与气象中心30通信连接，以从气象中心30获取物流运输路线所在的预设区域内在预设未来时间段内的天气预测数据库，并根据物流运输路线以及用于运输的预设未来时间段，从天气预测数据库中查询预先规划的物流运输路线在预设未来时间段内的目标天气预测信息。
车辆货物配载装置10中预先配置有车辆货物配载模型11，以便根据目标天气预测信息，采用车辆货物配载模型11，确定目标天气预测信息对应的运输货物为候选运输货物，确定候选运输货物对应的运输车型为候选运输车型，并生成车辆货物配载结果，车辆货物配载结果包括：物流运输路线的信息、预设未来时间段的信息、候选运输货物的信息和候选运输车型的信息，车辆货物配载结果用于指示在预设未来时间段内采用候选运输车型沿着物流运输路线运输候选运输货物。
在一种可选实施例中，车辆货物配载系统还包括：天气预测装置，天气预测装置与气象中心30通信连接，以定时从气象中心同步获取物流运输路线所在的预设区域的天气预测信息，将该天气预测信息存储在天气预测数据库中，将物流运输路线和预设未来时间段输入至天气预测装置，以使得天气预测装置根据该物流运输路线和预设未来时间段，从天气预测数据库中确定目标天气预测信息。
在上述车辆货物配载系统的基础上，本申请实施例还提供一种车辆货物配载方法。请参考图2，为本申请实施例提供的一种车辆货物配载方法的流程示意图，如图2所示，该方法包括：
S10：获取预先规划的物流运输路线在预设未来时间段内的目标天气预测信息。
本实施例中，预先规划的物流运输路线为路径规划装置根据运输调度人员输入的运输起点和运输终点确定的最佳物流运输路线，预设未来时间段为根据预设出发时间、物流运输路线的路程长度、该物流运输路线的平均限速计算得到的预估运输时间段。在确定物流运输路线和运输的预设未来时间段后，从气象中心获取在预设未来时间段内，该物流运输路线上的目标天气预测信息；或者，从气象中心获取该物流运输路线上，在预设未来时间段内的目标天气预测信息。
S20：根据目标天气预测信息，采用预设的车辆货物配载模型，确定目标天气预测信息对应的运输货物为候选运输货物，确定候选运输货物对应的运输车型为候选运输车型。
本实施例中，车辆货物配载模型预先集成有：预设的天气信息和运输货物的对应关系，以及预设的运输货物和运输车型的对应关系，车辆货物配载装置根据从气象中心获取的目标天气预设信息，采用车辆货物配载模型确定目标天气预测信息对应的运输货物为候选运输货物，并确定候选运输货物对应的运输车型为候选运输车型。
在一种可选实施例中，在上述S20之前，该方法还包括：
根据多种天气信息匹配的运输货物，以及多种运输货物匹配的运输车型，建立车辆货物配载模型。
本实施例中，获取多个历史运输数据，多个历史运输数据包括：多个历史天气信息、每个历史天气信息对应的运输货物和运输车型、运输时长以及货物的运输状态，根据多个历史运输数据确定多种天气信息匹配的运输货物，以及多种运输货物匹配的运输车型，以建立天气预测信息与运输货物的对应关系，以及运输货物和运输车型的对应关系，得到车辆货物配载模型。在一种可选实施例中，可以基于运输调度人员的经验确定多种天气信息匹配的运输货物，以及多种运输货物匹配的运输车型，或者对多个历史运输数据进行深度学习，以确定多种天气信息匹配的运输货物，以及多种运输货物匹配的运输车型。
S30：生成车辆货物配载结果。
本实施例中，车辆货物配载装置根据车辆货物配载模型确定候选运输货物和候选运输车型后，根据物流运输路线的信息、预设未来时间段的信息、候选运输货物的信息和候选运输车型的信息生成车辆货物配载结果，车辆货物配载结果用于指示在预设未来时间段内采用候选运输车型沿着物流运输路线运输候选运输货物。
在一种可选实施例中，车辆货物配载模型针对每种天气信息对应至少一种候选运输货物，每种候选运输货物对应至少一种候选运输车型。当目标天气预测信息对应两种候选运输货物，两种候选运输货物各自均对应一种候选运输车型，或者，目标天气预测信息对应一种候选运输货物，该候选运输货物对应两种候选运输车型时，车辆货物配载结果中包括：两种车辆货物配载方案，运输调度人员可以根据当前的运输调度情况从两种车辆货物配载方案中选择目标车辆货物配载方案。
示例的，请参考图3，为本申请实施例提供的一种车辆货物配载模型的结构示意图，如图3所示，车辆货物配载模型中包括三种天气信息W1、W2和W3，天气信息W1对应候选运输货物C，候选运输货物C对应候选运输车型A和候选运输车型B，天气信息W2对应候选运输货物A和候选运输货物B，候选运输货物A对应候选运输车型C，候选运输货物B对应和候选运输车型A，天气信息W3对应候选运输货物B，候选运输货物B对应候选运输车型A。
本申请实施例提供的车辆货物配载方法，通过获取预先规划的物流运输路线在预设未来时间段内的目标天气预测信息；根据目标天气预测信息，采用预设的车辆货物配载模型，确定目标天气预测信息对应的运输货物为候选运输货物，确定候选运输货物对应的运输车型为候选运输车型，其中，车辆货物配载模型预先集成有：预设的天气信息和运输货物的对应关系，以及预设的运输货物和运输车型的对应关系；生成车辆货物配载结果，车辆货物配载结果包括：物流运输路线的信息、预设未来时间段的信息、候选运输货物的信息和候选运输车型的信息，车辆货物配载结果用于指示在预设未来时间段内采用候选运输车型沿着物流运输路线运输候选运输货物。本申请实施例基于目标天气预测信息，采用车辆货物配载模型确定候选运输货物和候选运输车型，可以充分考虑到不同天气所适合运输的货物，并为该货物选择最匹配的运输车型，保证货物在运输过程中的安全性，提升货物运输的效率。
在上述实施例的基础上，本申请实施例还提供另一种车辆货物配载方法。请参考图4，为本申请实施例提供的另一种车辆货物配载方法的流程示意图，如图4所示，上述S10包括：
S11：获取预设未来时间段内物流运输路线中各个位置点的预测到达时间。
本实施例中，当物流运输路线较长，例如跨区域、跨市、跨省等情况，在预设未来时间段内物流运输路线上的天气情况存在变化，为了获取准确的目标天气预测信息，采用路径规划装置根据预设的路径划分规则，在物流运输路线上确定多个位置点，根据各个位置点之间的距离，以及各个位置点之间的运输路线段的平均限速，计算各个位置点的预测到达时间。
在一种可选实施例中，路径划分规则可以为对物流运输路线进行等距离划分，各个位置点之间的距离相等，根据各个位置点与物流运输路线的起点的距离，以及各个位置点之间的运输路线段的平均限速，计算从起点到各个位置点的预计到达时间。
示例的，请参考图5，为本申请实施例提供的一种划分物流运输路线的示意图，如图5所示，对物流运输路线进行等距离划分，在物流运输路线的起点A和终点Z之间包括多个位置点，各个位置点之间的距离相等，根据各个位置点之间的距离，以及各个位置点之间的运输路线段的平均限速，计算各个位置点之间的耗时，根据起始运输时间和各个位置点之间的耗时，确定各个位置点的预测到达时间。
S12：根据各个位置点的预测到达时间以及各个位置点的位置信息，查询各个位置点在对应预测到达时间的天气预测信息。
本实施例中，在气象中心中输入各个位置点的预测到达时间和各个位置点的位置信息，以查询各个位置点在对应预测到达时间的天气预测信息。示例的，各个位置点的位置信息可以为各个位置点的经纬度。
在一种可选实施例中，S12包括：获取物流运输路线所在的预设区域内在预设未来时间段内的天气预测数据库；根据各个位置点的预测到达时间以及各个位置点的位置信息，从天气预测数据库中查询各个位置点在对应预测到达时间的天气预测信息。
本实施例中，若车辆货物配载系统中包括天气预测装置，则天气预测装置定时从气象中心同步获取物流运输路线所在的预设区域的天气预测信息，将该天气预测信息存储在天气预测数据库中。在确定各个位置点的预测到达时间和各个位置点的位置信息后，将各个位置点的预测到达时间和各个位置点的位置信息输入至天气预测装置，天气预测装置从天气预测数据库中查询各个位置点在对应预测到达时间的天气预测信息。
S13：根据各个位置点在对应预测到达时间的天气预测信息，确定目标天气预测信息。
本实施例中，根据各个位置点在对应预测到达时间的天气预测信息，统计多种天气预测信息对应的位置点的数量，选择位置点数量占比最多的天气预测信息为目标天气预测信息。
本申请实施例提供的车辆货物配载方法，获取预设未来时间段内物流运输路线中各个位置点的预测到达时间，根据各个位置点的预测到达时间以及各个位置点的位置信息，查询各个位置点在对应预测到达时间的天气预测信息，根据各个位置点在对应预测到达时间的天气预测信息，确定目标天气预测信息。本申请实施例通过物流运输路线上各个位置点在对应预测到达时间的天气预测信息，确定整个物流运输路线在预设未来时间段的目标天气预测信息，使确定的天气信息更加准确，以便生成的车辆货物配载结果更准确。
在一种可选实施例中，在上述S30生成车辆货物配载结果之前，该方法还包括：
根据候选运输货物和目标天气预测信息的天气信息影响系数，计算候选运输货物的运输成本；车辆货物配载结果中还包括：候选运输货物的运输成本。
本实施例中，天气信息影响系数为天气情况对候选运输货物的影响程度，目标天气预测信息的天气信息影响系数的目标天气预测情况对候选运输货物的影响程度。在对候选运输货物进行运输的过程中，考虑天气情况对运输成本的影响，计算候选运输货物的运输成本。示例的，根据候选运输货物的单价、数量、物流运输线路的路程和目标天气预测信息的天气信息影响系数，计算候选运输货物的运输成本，其计算方式为：运输成本＝单价*数量*路程*天气信息影响系数。
在计算出运输成本后，车辆货物配载装置将运输成本作为车辆货物配载结果的一部分输出，以供运输调度人员作为选择车辆货物配载方案的参考。
在上述实施例的基础上，本申请实施例还通过又一种车辆货物配载方法。请参考图6，为本申请实施例提供的又一种车辆货物配载方法的流程示意图，如图6所示，在上述根据候选运输货物和目标天气预测信息的天气信息影响系数，计算候选运输货物的运输成本之前，该方法还包括：
S41：获取物流运输路线中多个位置点在对应预测到达时间的多种天气预测信息。
本实施例中，获取物流运输路线中多个位置点、多个位置点在对应预测到达时间，以及多个位置点在对应预测到达时间的多种天气预测信息的具体方式可以参考S11-S12，在此不做赘述。
S42：根据候选运输货物在多种天气预测信息的预设影响系数，以及每种天气预测信息在预设未来时间段内的时间占比，计算目标天气预测信息的天气信息影响系数。
本实施例中，将物流运输路线划分为多个位置点，确定各个位置点之间的路线段，以计算在预设未来时间段内各个路线段对应的预设未来时间子段，根据各个路线段和对应的预设未来时间子段，从气象中心获取在每个路线段在对应的预设未来时间子段内的至少一种天气预测信息的持续时长，统计每种天气预测信息在预设未来时间段内的时间占比。根据候选运输货物多种天气预测信息的预设影响系数和时间占比，计算目标天气预测信息的天气信息影响系数。示例的，针对候选运输货物G1，在物流运输线路上预设未来时间段内的多种天气预测信息为W1、W2、W3……，天气预测信息W1的预设影响系数为n1，时间占比为r1，天气预测信息W2的预设影响系数为n2，时间占比为r2，天气预测信息W3的预设影响系数为n3，时间占比为r3，目标天气预测信息的天气信息影响系数N＝n1*r1+n2*r2+n3*r3+…。
在一种可选实施例中，本申请实施例还通过再一种车辆货物配载方法。请参考图7，为本申请实施例提供的再一种车辆货物配载方法的流程示意图，如图7所示，该方法还包括：
S51：获取所述候选运输货物在预设历史时间段内多种历史天气信息下对应的多个历史运输成本；预设历史时间段为预设未来时间段所属的预设时间周期对应的历史时间周期，预设时间周期与历史时间周期为以年为单位的同一时间周期。
本实施例中，预设未来时间段所属的预设时间周期可以为预设未来时间段所属的月份、季度、半年或年，则预设历史时间段为预设时间周期对应的历史时间周期，预设历史周期和预设时间周期为以年为单元的同一时间周期。若天气对候选运输货物的影响较大，则预设时间周期可以选择短周期，如预设未来时间段所属的月份或者季度；若天气对候选运输货物的影响较小，则预设时间周期可以选择长周期，如预设未来时间段所属的半年或年。例如，若候选运输货物为易腐烂货物，易腐烂货物在夏季运输的腐烂速度大于在冬季运输的腐烂速度，则确定预设时间周期可以为月份或者季度；若候选运输货物为不易腐烂货物，天气对不易腐烂货物影响较小，则确定预设时间周期可以为半年或者年。在确定预设时间周期后，以年为单位，确定与预设时间周期属于同一时间周期的历史时间周期为预设历史时间段。示例的，预设未来时间段为2022年2月1日到2022年2月5日，预设时间周期为2月份，则预设历史时间段可以为2021年2月份、2020年2月份等。
在确定预设历史时间段后，获取在该预设历史时间段内，在多种历史天气信息下运输该候选运输货物所用的历史运输成本。
S52：根据多种历史天气信息和多个历史运输成本，计算预设影响系数。
本实施例中，根据不同历史天气信息下运输候选运输货物的历史运输成本计算每种天气信息对候选运输货物的运输成本的影响程度，得到多种天气信息对应的预设影响系数。
本申请实施例提供的车辆货物配载方法，获取物流运输路线中多个位置点在对应预测到达时间的多种天气预测信息，根据候选运输货物在多种天气预测信息的预设影响系数，以及每种天气预测信息在预设未来时间段内的时间占比，计算目标天气预测信息的天气信息影响系数。本申请实施例通过计算天气信息影响系数，以确定天气情况对货物运输成本的影响，以便选择最佳的车辆货物配载方案，节约运输成本。
在上述实施例的基础上，本申请实施例还提供一种车辆货物配载装置，请参考图8，为本申请实施例提供的一种车辆货物配载装置的结构示意图，如图8所示，该装置包括：
获取模块101，用于获取预先规划的物流运输路线在预设未来时间段内的目标天气预测信息；
配载模块102，用于根据目标天气预测信息，采用预设的车辆货物配载模型，确定目标天气预测信息对应的运输货物为候选运输货物，确定候选运输货物对应的运输车型为候选运输车型；其中，车辆货物配载模型预先集成有：预设的天气信息和运输货物的对应关系，以及预设的运输货物和运输车型的对应关系；
结果生成模块103，用于生成车辆货物配载结果，车辆货物配载结果包括：物流运输路线的信息、预设未来时间段的信息、候选运输货物的信息和候选运输车型的信息，车辆货物配载结果用于指示在预设未来时间段内采用候选运输车型沿着物流运输路线运输候选运输货物。
可选的，获取模块101，包括：
到达时间获取单元，用于获取预设未来时间段内物流运输路线中各个位置点的预测到达时间；
天气预测信息查询单元，用于根据各个位置点的预测到达时间以及各个位置点的位置信息，查询各个位置点在对应预测到达时间的天气预测信息；
目标天气预测信息确定单元，用于根据各个位置点在对应预测到达时间的天气预测信息，确定目标天气预测信息。
可选的，天气预测信息查询单元，包括：
天气预测数据库获取子单元，用于获取物流运输路线所在的预设区域内在预设未来时间段内的天气预测数据库；
天气预测信息查询子单元，用于根据各个位置点的预测到达时间以及各个位置点的位置信息，从天气预测数据库中查询各个位置点在对应预测到达时间的天气预测信息。
可选的，该装置还包括：
运输成本计算模块，用于根据候选运输货物和目标天气预测信息的天气信息影响系数，计算候选运输货物的运输成本；
车辆货物配载结果中还包括：候选运输货物的运输成本。
可选的，该装置还包括：
天气预测信息获取模块，用于获取物流运输路线中多个位置点在对应预测到达时间的多种天气预测信息；
天气信息影响系数计算模块，用于根据候选运输货物在多种天气预测信息的预设影响系数，以及每种天气预测信息在预设未来时间段内的时间占比，计算目标天气预测信息的天气信息影响系数。
可选的，该装置还包括：
历史运输成本获取模块，用于获取候选运输货物在预设历史时间段内多种历史天气信息下对应的多个历史运输成本；预设历史时间段为预设未来时间段所属的预设时间周期对应的历史时间周期，预设时间周期与历史时间周期为以年为单位的同一时间周期；
预设影响系数计算模块，用于根据多种历史天气信息和多个历史运输成本，计算预设影响系数。
可选的，该装置还包括：
模型建立模块，用于根据多种天气信息匹配的运输货物，以及多种运输货物匹配的运输车型，建立车辆货物配载模型。
上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
请参考图9，为本申请实施例提供的计算机设备的示意图，如图9所示，该计算机设备200包括：处理器201、存储介质202和总线，存储介质202存储有处理器201可执行的程序指令，当计算机设备200运行时，处理器201与存储介质202之间通过总线通信，处理器201执行程序指令，以执行上述方法实施例。具体实现方式和技术效果类似，这里不再赘述。
可选地，本发明还提供一种计算机可读存储介质，存储介质上存储有计算机程序，计算机程序被处理器运行时执行时用于执行上述方法实施例。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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)或处理器(英文：processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
上仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种车辆货物配载方法，其特征在于，所述方法包括：
获取预先规划的物流运输路线在预设未来时间段内的目标天气预测信息；
根据所述目标天气预测信息，采用预设的车辆货物配载模型，确定所述目标天气预测信息对应的运输货物为候选运输货物，确定所述候选运输货物对应的运输车型为候选运输车型；其中，所述车辆货物配载模型预先集成有：预设的天气信息和运输货物的对应关系，以及预设的运输货物和运输车型的对应关系；
生成车辆货物配载结果，所述车辆货物配载结果包括：所述物流运输路线的信息、所述预设未来时间段的信息、所述候选运输货物的信息和所述候选运输车型的信息，所述车辆货物配载结果用于指示在所述预设未来时间段内采用所述候选运输车型沿着所述物流运输路线运输所述候选运输货物。
2.根据权利要求1所述的方法，其特征在于，所述获取预先规划的物流运输路线在预设未来时间段内的目标天气预测信息，包括：
获取所述预设未来时间段内所述物流运输路线中各个位置点的预测到达时间；
根据所述各个位置点的预测到达时间以及所述各个位置点的位置信息，查询所述各个位置点在对应预测到达时间的天气预测信息；
根据所述各个位置点在对应预测到达时间的天气预测信息，确定所述目标天气预测信息。
3.如权利要求2所述的方法，其特征在于，所述根据所述各个位置点的预测到达时间以及所述各个位置点的位置信息，查询所述各个位置点在对应预测到达时间的天气预测信息，包括：
获取所述物流运输路线所在的预设区域内在所述预设未来时间段内的天气预测数据库；
根据所述各个位置点的预测到达时间以及所述各个位置点的位置信息，从所述天气预测数据库中查询所述各个位置点在对应预测到达时间的天气预测信息。
4.根据权利要求1所述的方法，其特征在于，所述生成车辆货物配载结果之前，所述方法还包括：
根据所述候选运输货物和所述目标天气预测信息的天气信息影响系数，计算所述候选运输货物的运输成本；
所述车辆货物配载结果中还包括：所述候选运输货物的运输成本。
5.根据权利要求4所述的方法，其特征在于，所述根据所述候选运输货物和所述目标天气预测信息的天气信息影响系数，计算所述候选运输货物的运输成本之前，所述方法还包括：
获取所述物流运输路线中多个位置点在对应预测到达时间的多种天气预测信息；
根据所述候选运输货物在所述多种天气预测信息的预设影响系数，以及每种天气预测信息在所述预设未来时间段内的时间占比，计算所述目标天气预测信息的天气信息影响系数。
6.如权利要求5所述的方法，其特征在于，所述根据所述候选运输货物在所述多种天气预测信息的预设影响系数，以及每种天气预测信息在所述预设未来时间段内的时间占比，计算所述目标天气预测信息的天气信息影响系数之前，所述方法还包括：
获取所述候选运输货物在预设历史时间段内多种历史天气信息下对应的多个历史运输成本；所述预设历史时间段为所述预设未来时间段所属的预设时间周期对应的历史时间周期，所述预设时间周期与所述历史时间周期为以年为单位的同一时间周期；
根据所述多种历史天气信息和所述多个历史运输成本，计算所述预设影响系数。
7.如权利要求1所述的方法，其特征在于，所述根据所述目标天气预测信息，采用预设的车辆货物配载模型，确定所述目标天气预测信息对应的运输货物为候选运输货物，确定所述候选运输货物对应的运输车型为候选运输车型之前，所述方法还包括：
根据多种天气信息匹配的运输货物，以及多种运输货物匹配的运输车型，建立所述车辆货物配载模型。
8.一种车辆货物配载装置，其特征在于，所述装置包括：
获取模块，用于获取预先规划的物流运输路线在预设未来时间段内的目标天气预测信息；
配载模块，用于根据所述目标天气预测信息，采用预设的车辆货物配载模型，确定所述目标天气预测信息对应的运输货物为候选运输货物，确定所述候选运输货物对应的运输车型为候选运输车型；其中，所述车辆货物配载模型预先集成有：预设的天气信息和运输货物的对应关系，以及预设的运输货物和运输车型的对应关系；
结果生成模块，用于生成车辆货物配载结果，所述车辆货物配载结果包括：所述物流运输路线的信息、所述预设未来时间段的信息、所述候选运输货物的信息和所述候选运输车型的信息，所述车辆货物配载结果用于指示在所述预设未来时间段内采用所述候选运输车型沿着所述物流运输路线运输所述候选运输货物。
9.一种计算机设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的程序指令，当所述计算机设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述程序指令，以执行如权利要求1至7任一所述的车辆货物配载方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一所述的车辆货物配载方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210435733.2A CN114742507A (zh) | 2022-04-24 | 2022-04-24 | 车辆货物配载方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210435733.2A CN114742507A (zh) | 2022-04-24 | 2022-04-24 | 车辆货物配载方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114742507A true CN114742507A (zh) | 2022-07-12 |
Family
ID=82283028
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210435733.2A Pending CN114742507A (zh) | 2022-04-24 | 2022-04-24 | 车辆货物配载方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114742507A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115497180A (zh) * | 2022-09-14 | 2022-12-20 | 广东星舆科技有限公司 | 一种基于etc站点的货车路费支付方法及装置 |
| CN117808384A (zh) * | 2024-02-29 | 2024-04-02 | 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 (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111985873A (zh) * | 2020-08-21 | 2020-11-24 | 杨培 | 一种物流运输方案获取方法 |
| CN113627757A (zh) * | 2021-07-30 | 2021-11-09 | 上海东普信息科技有限公司 | 物流运输车辆的货物配载方法、装置、设备及存储介质 |
| CN113793106A (zh) * | 2021-09-28 | 2021-12-14 | 广东省电子口岸管理有限公司 | 外贸物流处理系统及处理方法 |
| KR20220006726A (ko) * | 2020-07-09 | 2022-01-18 | 주식회사 와이엘피 | 경로 빅데이터 기반 밀크런 자동배차 제공 장치 및 방법 |
-
2022
- 2022-04-24 CN CN202210435733.2A patent/CN114742507A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220006726A (ko) * | 2020-07-09 | 2022-01-18 | 주식회사 와이엘피 | 경로 빅데이터 기반 밀크런 자동배차 제공 장치 및 방법 |
| CN111985873A (zh) * | 2020-08-21 | 2020-11-24 | 杨培 | 一种物流运输方案获取方法 |
| CN113627757A (zh) * | 2021-07-30 | 2021-11-09 | 上海东普信息科技有限公司 | 物流运输车辆的货物配载方法、装置、设备及存储介质 |
| CN113793106A (zh) * | 2021-09-28 | 2021-12-14 | 广东省电子口岸管理有限公司 | 外贸物流处理系统及处理方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115497180A (zh) * | 2022-09-14 | 2022-12-20 | 广东星舆科技有限公司 | 一种基于etc站点的货车路费支付方法及装置 |
| CN117808384A (zh) * | 2024-02-29 | 2024-04-02 | 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI638320B (zh) | 推薦預計到達時間的系統、方法及非暫態電腦可讀儲存媒體 | |
| US8775059B2 (en) | Method and system for fleet navigation, dispatching and multi-vehicle, multi-destination routing | |
| US20190370713A1 (en) | System and method for managing supply of service | |
| US8738289B2 (en) | Advanced routing of vehicle fleets | |
| US20180101877A1 (en) | Method and syetem for determining transport service fee | |
| WO2016155517A1 (zh) | 物流监测方法及设备 | |
| US20180314998A1 (en) | Resource Allocation in a Network System | |
| CN114742507A (zh) | 车辆货物配载方法、装置、计算机设备及存储介质 | |
| US20170046653A1 (en) | Planning of transportation requests | |
| CN103890792A (zh) | 位置信息的比较 | |
| US10528604B2 (en) | Methods and systems for tracking the flow of trucking freight and/or other assets using mobile device geolocation data | |
| Zhang et al. | Traveler information tool with integrated real-time transit information and multimodal trip planning: Design and implementation | |
| Mahmoudi et al. | A cumulative service state representation for the pickup and delivery problem with transfers | |
| Flamini et al. | Assessing the value of information for retail distribution of perishable goods | |
| Chu et al. | A multi-trip split-delivery vehicle routing problem with time windows for inventory replenishment under stochastic travel times | |
| Sung et al. | Speed optimization algorithm with routing to minimize fuel consumption under time-dependent travel conditions | |
| Qureshi et al. | Application of exact route optimization for the evaluation of a city logistics truck ban scheme | |
| Kampf et al. | Proposal for optimizing specific distribution routes by means of the specific method of operational analysis | |
| KR102395527B1 (ko) | 빅데이터에 기반하여 물류 서비스를 관리하는 컴퓨팅 시스템 | |
| US20230090740A1 (en) | System and Method for Predicting Arrival Time in a Freight Delivery System | |
| Gracious et al. | Performance Evaluation of Passenger Information Systems | |
| Charisis et al. | Logistics hub location-scheduling model for innercity last mile deliveries | |
| CN113792900A (zh) | 配送路线生成方法及装置、计算机存储介质、电子设备 | |
| Heywood et al. | GPS tracking of intermodal transportation: System integration with delivery order system | |
| Nguyen et al. | Estimating costs and CO2 emissions for last mile delivery of groceries in Paris using alternative modes and routing strategies |
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 |