CN115239242A - 一种基于数字孪生的国际贸易海运运单智能管理方法 - Google Patents
一种基于数字孪生的国际贸易海运运单智能管理方法 Download PDFInfo
- Publication number
- CN115239242A CN115239242A CN202210877790.6A CN202210877790A CN115239242A CN 115239242 A CN115239242 A CN 115239242A CN 202210877790 A CN202210877790 A CN 202210877790A CN 115239242 A CN115239242 A CN 115239242A
- Authority
- CN
- China
- Prior art keywords
- shipping
- waybill
- delivery
- historical
- note
- 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
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
- G06Q10/0835—Relationships between shipper or supplier and carriers
-
- 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
- G06F16/242—Query formulation
- G06F16/243—Natural language query formulation
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0831—Overseas transactions
-
- 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
- G06Q10/0838—Historical data
-
- 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
Abstract
本发明公开一种基于数字孪生的国际贸易海运运单智能管理方法,在对国际贸易海运运单进行排单管理时,不仅以海运运单的下单时间点作为管理依据,还考虑了海运运单发货商品性质与发货环境的适配度和海运运单实际送达日期与预计送达日期之间的差异性对发货排单的影响,进而从发货紧急度、发货环境适配度、运输时长预计差异度三个维度进行排单管理,实现了国际贸易海运运单的多维度排单管理,能够有效弥补现有技术中国际贸易海运运单在发货排单过程中存在的片面性缺陷,进而提高了排单结果与海运运单实际发货需求的贴合度,使得排单准确度更高,同时也在一定程度上保障了商品的运输品质,有利于提升海运运单排单的管理水平。
Description
技术领域
本发明属于海运运单管理技术领域,特别涉及海运运单排单管理技术,具体而言是一种基于数字孪生的国际贸易海运运单智能管理方法。
背景技术
随着全球经济化和互联网的迅速发展,跨境电商迅速崛起,其增长速度远超过传统贸易,而我国跨境电商务的发展离不开跨境物流的支持,目前跨境物流的运输方式有海运、空运、快递,其中海运凭借运量大、运输成本低的优势在众多运输方式中脱颖而出,成为使用最为广泛的运输方式,由此产生了大量的国际贸易海运运单,为了提高发货效率,对国际贸易海运运单进行发货排单管理就成为必要操作。
然而当前对国际贸易海运运单的发货排单管理都只是依据海运运单的下单时间点进行排单,遵循先下单先发货的原则,忽略了海运运单发货商品性质与发货环境的适配度和海运运单实际送达日期与预计送达日期之间的差异性对发货排单的影响,具体体现如下:
1.海运由于在海面上运输,其运输船只直接暴露在海面上,周围没有遮挡,当遇到暴雨天气时,船只首当其冲会受到雨水冲击,对于一些易受潮的商品来说,如果仅因为该商品的下单时间点靠前,就将其优先发货,就会加重该商品的受潮率,进而影响商品的品质,同时海运的特点是运输周期较长,这对于一些生鲜商品来说,由于其保质期短,导致受发货期限影响较大,那么仅因为该商品的下单时间点靠后,就将其推后发货,就会使该商品发生变质的概率增大,难以保障商品的运输品质;
2.一般海运运单在下单后都会告知预计送达日期,用户会据此得出预计运输时长,并基于预计运输时长和实际运输时长来对购物体验感进行评价,但海运不同于其他运输方式,其运输时长受海面环境影响较大,这种情况就会导致实际运输时长与预计运输时长之间存在差异,对于差异度过大的海运运单如果因为该运单的下单时间点靠后就推后发货,就会进一步延迟该运单的发货,进而加重实际送达日期与预计送达日期之间的差异度,导致用户的购物体验感下降,从而降低了购物店铺的用户粘度。
综上可见目前对国际贸易海运运单的发货排单管理方式过于单一,无法贴合海运运单的实际发货需求,导致排单准确度不高,同时不利于商品的运输品质保障。
发明内容
本发明的技术任务是针对上述存在的问题,提供一种基于数字孪生的国际贸易海运运单智能管理方法,能够有效弥补现有技术中海运运单发货排单管理中存在的缺陷。
本发明的目的可以通过以下技术方案来实现:
一种基于数字孪生的国际贸易海运运单智能管理方法,包括以下步骤:
步骤1:统计当前目标港口中待发货的海运运单数量,并获取各海运运单对应的下单时间点,进而将各海运运单按照下单日期的先后顺序依次编号为1,2,...,i,...,n;
步骤2:从各海运运单对应的运单界面中提取运单参数;
步骤3:从各海运运单对应的运单参数中提取下单商品名称,进而以此确定各海运运单对应的发货期限影响系数;
步骤4:从各海运运单对应的运单参数中提取下单商品材质,并据此分析各海运运单对应的受潮影响系数;
步骤5:从各海运运单对应的运单参数中提取运单地址,进而从目标港口对应的历史海运运单中筛选出各海运运单对应的若干历史关联运单,并将其构成各海运运单对应的历史关联运单集合;
步骤6:依据各海运运单对应的历史关联运单集合评估各海运运单对应的运输时长预计差异度;
步骤7:统计目标港口内当前海运运输船的剩余存储参数,并从各海运运单对应的运单参数中提取商品基本信息,并将其与当前海运运输船的剩余存储参数进行对比,分析各海运运单对应的发货运输匹配度;
步骤8:从气象中心获取目标港口的当前天气降雨量,并将其结合各海运运单对应的受潮影响系数分析各海运运单对应的发货时机适宜度;
步骤9:根据各海运运单对应的下单日期、发货期限影响系数、运输时长预计差异度、发货运输匹配度和发货时机适宜度评估各海运运单对应的当前发货优先度,进而据此将各海运运单按照当前发货优先度由大到小的顺序进行发货排单管理。
基于上述改进的技术方案,所述运单参数包括下单商品名称、下单商品材质、商品基本信息、运单地址和预计送达日期,其中商品基本信息包括商品体积和商品重量。
基于上述改进的技术方案,所述步骤3中从各海运运单对应的运单参数中提取下单商品名称,进而以此确定各海运运单对应的发货期限影响系数具体操作方式为将各海运运单对应的商品名称与生鲜商品种类对应的商品名称进行匹配,若某海运运单匹配成功,则将该海运运单对应的发货期限影响系数记为λ,反之则记为λ′,且λ>λ′。
基于上述改进的技术方案,所述步骤4中从各海运运单对应的运单参数中提取下单商品材质,并据此分析各海运运单对应的受潮影响系数具体操作方式为将各海运运单对应的下单商品材质与预设的各种商品材质对应的受潮影响系数进行匹配,从中筛选出各海运运单对应的受潮影响系数。
基于上述改进的技术方案,所述步骤5中从目标港口对应的历史海运运单中筛选出各海运运单对应的若干历史关联运单具体参见以下步骤:
步骤51:将目标港口对应的各历史海运运单进行运单地址提取;
步骤52:分别将各历史海运运单对应的运单地址和各海运运单对应的运单地址在地图上进行标记,由此得到各历史海运运单和各海运运单对应的运单地址标记点;
步骤53:按照各海运运单的编号顺序依次获取各历史海运运单的运单地址标记点与各海运运单对应运单地址标记点之间的距离,将其记为各历史海运运单相对各海运运单的运单地址相近距离,并将其导入运单地址相似度计算公式得到各历史海运运单相对各海运运单的运单地址相似度其中表示为第j个历史海运运单相对第i个海运运单的运单地址相近距离,j表示为第j个历史海运运单的编号,j=1,2,...,m,l0表示为参考运单地址相近距离;
步骤54:将各历史海运运单相对各海运运单的运单地址相似度与设定的运单地址相似度阈值进行对比,若某历史海运运单相对某海运运单的运单地址相似度大于设定的运单地址相似度阈值,则将该历史海运运单作为该海运运单的历史关联运单,由此筛选出各海运运单对应的若干历史关联运单。
基于上述改进的技术方案,所述步骤6中依据各海运运单对应的历史关联运单集合评估各海运运单对应的海运时长包括以下步骤:
步骤61:分别获取各历史关联运单对应的实际海运时长;
步骤62:将各海运运单对应各历史关联运单的实际海运时长进行均值计算,得到各海运运单对应历史关联运单的平均海运时长;
步骤63:从各海运运单对应的运单参数中提取预计送达日期,并将其与各海运运单对应的下单日期进行对比,计算各海运运单对应的预计运输时长;
步骤64:将各海运运单对应历史关联运单的平均海运时长与预计运输时长进行对比,计算各海运运单对应的运输时长预计差异度,其计算公式为TDi表示为第i个海运运单对应的运输时长预计差异度,Ti表示为第i个海运运单对应历史关联运单的平均海运时长,Ti′表示为第i个海运运单对应的预计运输时长。
基于上述改进的技术方案,所述剩余存储参数包括剩余存储空间体积和剩余存储载重。
基于上述改进的技术方案,所述分析各海运运单对应的发货运输匹配度具体包括如下步骤:
步骤71:将各海运运单对应的商品基本信息构成海运运单基本信息集合Gw={gw1,gw2,...,gwi,…,gwn},gwi表示为第i个海运运单对应的商品基本信息,w表示为商品基本信息,w=r1或r2,其中r1、r2分别表示为商品体积、商品重量;
步骤72:将海运运单基本信息集合与当前海运运输船的剩余存储参数进行对比,计算各海运运单对应的发货运输匹配度,其计算公式为SMi表示为第i个海运运单对应的发货运输匹配度,gr1i、gr2i分别表示为第i个海运运单对应的商品体积、商品重量,V0、G0分别表示为当前海运运输船的剩余存储空间体积、剩余存储载重。
基于上述改进的技术方案,所述分析各海运运单对应的发货时机适宜度具体包括如下步骤:
步骤81:将目标港口的当前天气降雨量与各种环境受潮度对应的天气降雨量范围进行对比,从中筛选出目标港口的当前天气降雨量对应的环境受潮度;
步骤82:将目标港口的当前天气降雨量对应的环境潮湿度与各海运运单对应的受潮影响系数进行对比,计算各海运运单对应的发货时机适宜度,其计算公式为DTi表示为第i个海运运单对应的发货时机适宜度,ξ0表示为目标港口的当前天气降雨量对应的环境潮湿度,ξi表示为第i个海运运单对应的受潮影响系数。
基于上述改进的技术方案,所述步骤9中根据各海运运单对应的下单日期、发货期限影响系数、运输时长预计差异度、发货运输匹配度和发货时机适宜度评估各海运运单对应的当前发货优先度,其具体评估方法如下:
步骤91:假设以当前日期作为发货日期,将各海运运单对应的下单日期与发货日期进行对比,得到各海运运单对应的下单发货时长,并将其与参考下单发货时长进行对比,计算各海运运单对应的发货紧急度,其计算公式为UDi表示为第i个海运运单对应的发货紧急度,ti表示为第i个海运运单对应的下单发货时长,t0表示为参考下单发货时长;
步骤92:基于各海运运单对应的发货期限影响系数、发货运输匹配度和发货时机适宜度统计各海运运单对应的发货环境适配度,其计算公式为ADi表示为第i个海运运单对应的发货环境适配度,DPi表示为第i个海运运单对应的发货期限影响系数,且DPi的值为λ或λ′;
步骤93:将各海运运单对应的发货紧急度、发货环境适配度和运输时长预计差异度导入当前发货优先度评估公式得到各海运运单对应的当前发货优先度,记为A、B、C分别表示为发货紧急度、发货环境适配度、运输时长预计差异度对应的权重因子,e表示为自然常数。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:
(1)本发明在对国际贸易海运运单进行排单管理时,不仅以海运运单的下单时间点作为管理依据,还考虑了海运运单发货商品性质与发货环境的适配度和海运运单实际送达日期与预计送达日期之间的差异性对发货排单的影响,进而从发货紧急度、发货环境适配度、运输时长预计差异度三个维度进行排单管理,实现了国际贸易海运运单的多维度排单管理,能够有效弥补现有技术中国际贸易海运运单在发货排单过程中存在的片面性缺陷,进而提高了排单结果与海运运单实际发货需求的贴合度,使得排单准确度更高,更加具有实用价值,同时也在一定程度上保障了商品的运输品质,有利于提升海运运单排单的管理水平。
(2)本发明在分析海运运单实际运输时长与预计运输时长之间的差异性时,需要对海运运单进行实际运输时长预测,而本发明采取的预测方式是依据海运运单的运单地址从目标港口的历史海运运单中筛选出与其运单地址相似的关联运单,进而根据关联运单的实际运输时长来对海运运单的实际运输时长进行预测,该预测方式利用了数据孪生模型的特点,有效结合历史参考数据,大大提高了预测结果的准确度和可靠度,具有较强的实用性价值。
(3)本发明在考虑海运运单发货商品性质与发货环境的适配度过程中不仅能够综合海运运单商品的种类和材质来对海运运单的发货期限匹配和发货时机匹配进行分析,还能够基于海运运单商品的体积和重量对其与海运运输船的剩余存储空间进行匹配,扩展了发货环境的适用范围,使得海运运单发货商品性质与发货环境适配度的考虑更加全面,为后续进行海运运单的当前发货优先度评估提供精准可靠的发货环境适配度参数支撑。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的方法实施步骤流程图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1所示,一种基于数字孪生的国际贸易海运运单智能管理方法,包括以下步骤:
步骤1:统计当前目标港口中待发货的海运运单数量,并获取各海运运单对应的下单时间点,进而将各海运运单按照下单日期的先后顺序依次编号为1,2,...,i,...,n;
步骤2:从各海运运单对应的运单界面中提取运单参数,其中运单参数包括下单商品名称、下单商品材质、商品基本信息、运单地址和预计送达日期,其中商品基本信息包括商品体积和商品重量;
步骤3:从各海运运单对应的运单参数中提取下单商品名称,进而以此确定各海运运单对应的发货期限影响系数,其具体操作方式为将各海运运单对应的商品名称与生鲜商品种类对应的商品名称进行匹配,若某海运运单匹配成功,则将该海运运单对应的发货期限影响系数记为λ,反之则记为λ′,且λ>λ′;
步骤4:从各海运运单对应的运单参数中提取下单商品材质,并据此分析各海运运单对应的受潮影响系数,其具体操作方式为将各海运运单对应的下单商品材质与预设的各种商品材质对应的受潮影响系数进行匹配,从中筛选出各海运运单对应的受潮影响系数;
需要说明的是,上述提到的下单商品材质中纸质和木质最容易受潮;
步骤5:从各海运运单对应的运单参数中提取运单地址,进而从目标港口对应的历史海运运单中筛选出各海运运单对应的若干历史关联运单,并将其构成各海运运单对应的历史关联运单集合;
在本发明的具体实施例中,从目标港口对应的历史海运运单中筛选出各海运运单对应的若干历史关联运单具体参见以下步骤:
步骤51:将目标港口对应的各历史海运运单进行运单地址提取;
步骤52:分别将各历史海运运单对应的运单地址和各海运运单对应的运单地址在地图上进行标记,由此得到各历史海运运单和各海运运单对应的运单地址标记点;
步骤53:按照各海运运单的编号顺序依次获取各历史海运运单的运单地址标记点与各海运运单对应运单地址标记点之间的距离,将其记为各历史海运运单相对各海运运单的运单地址相近距离,并将其导入运单地址相似度计算公式得到各历史海运运单相对各海运运单的运单地址相似度其中表示为第j个历史海运运单相对第i个海运运单的运单地址相近距离,j表示为第j个历史海运运单的编号,j=1,2,...,m,l0表示为参考运单地址相近距离;
步骤54:将各历史海运运单相对各海运运单的运单地址相似度与设定的运单地址相似度阈值进行对比,若某历史海运运单相对某海运运单的运单地址相似度大于设定的运单地址相似度阈值,则将该历史海运运单作为该海运运单的历史关联运单,由此筛选出各海运运单对应的若干历史关联运单;
步骤6:依据各海运运单对应的历史关联运单集合评估各海运运单对应的运输时长预计差异度,其具体评估步骤如下:
步骤61:分别获取各历史关联运单对应的实际海运时长;
步骤62:将各海运运单对应各历史关联运单的实际海运时长进行均值计算,得到各海运运单对应历史关联运单的平均海运时长;
步骤63:从各海运运单对应的运单参数中提取预计送达日期,并将其与各海运运单对应的下单日期进行对比,计算各海运运单对应的预计运输时长;
步骤64:将各海运运单对应历史关联运单的平均海运时长与预计运输时长进行对比,计算各海运运单对应的运输时长预计差异度,其计算公式为TDi表示为第i个海运运单对应的运输时长预计差异度,Ti表示为第i个海运运单对应历史关联运单的平均海运时长,Ti′表示为第i个海运运单对应的预计运输时长;
需要说明的是,上述提到的运输时长预计差异度计算公式中某海运运单对应历史关联运单的平均海运时长与该海运运单对应的预计运输时长之间相差越大,该海运运单对应的运输时长预计差异度越大;
本发明实施例在分析海运运单实际运输时长与预计运输时长之间的差异性时,需要对海运运单进行实际运输时长预测,而本发明采取的预测方式是依据海运运单的运单地址从目标港口的历史海运运单中筛选出与其运单地址相似的关联运单,进而根据关联运单的实际运输时长来对海运运单的实际运输时长进行预测,该预测方式利用了数据孪生模型的特点,有效结合历史参考数据,大大提高了预测结果的准确度和可靠度,具有较强的实用性价值。
步骤7:统计目标港口内当前海运运输船的剩余存储参数,其中剩余存储参数包括剩余存储空间体积和剩余存储载重,并从各海运运单对应的运单参数中提取商品基本信息,并将其与当前海运运输船的剩余存储参数进行对比,分析各海运运单对应的发货运输匹配度,其具体分析步骤为:
步骤71:将各海运运单对应的商品基本信息构成海运运单基本信息集合Gw={gw1,gw2,…,gwi,...,gwn},gwi表示为第i个海运运单对应的商品基本信息,w表示为商品基本信息,w=r1或r2,其中r1、r2分别表示为商品体积、商品重量;
步骤72:将海运运单基本信息集合与当前海运运输船的剩余存储参数进行对比,计算各海运运单对应的发货运输匹配度,其计算公式为SMi表示为第i个海运运单对应的发货运输匹配度,gr1i、gr2i分别表示为第i个海运运单对应的商品体积、商品重量,V0、G0分别表示为当前海运运输船的剩余存储空间体积、剩余存储载重;
需要说明的是,上述提到的发货运输匹配度计算公式中某海运运单对应的商品体积、商品重量越接近于当前海运运输船的剩余存储空间体积、剩余存储载重,则该海运运单对应的发货运输匹配度越大,海运运输船的运输满载率越高;
步骤8:从气象中心获取目标港口的当前天气降雨量,并将其结合各海运运单对应的受潮影响系数分析各海运运单对应的发货时机适宜度,具体包括如下步骤:
步骤81:将目标港口的当前天气降雨量与各种环境受潮度对应的天气降雨量范围进行对比,从中筛选出目标港口的当前天气降雨量对应的受潮度;
步骤82:将目标港口的当前天气降雨量对应的环境潮湿度与各海运运单对应的受潮影响系数进行对比,计算各海运运单对应的发货时机适宜度,其计算公式为DTi表示为第i个海运运单对应的发货时机适宜度,ξ0表示为目标港口的当前天气降雨量对应的环境潮湿度,ξi表示为第i个海运运单对应的受潮影响系数,其中某海运运单对应的受潮影响系数相较于当前天气降雨量对应的环境潮湿度越小,则该海运运单对应的发货时机适宜度越大;
步骤9:根据各海运运单对应的下单日期、发货期限影响系数、运输时长预计差异度、发货运输匹配度和发货时机适宜度评估各海运运单对应的当前发货优先度,进而据此将各海运运单按照当前发货优先度由大到小的顺序进行发货排单管理。
上述中评估各海运运单对应的当前发货优先度对应的具体评估方法如下:
步骤91:假设以当前日期作为发货日期,将各海运运单对应的下单日期与发货日期进行对比,得到各海运运单对应的下单发货时长,并将其与参考下单发货时长进行对比,计算各海运运单对应的发货紧急度,其计算公式为UDi表示为第i个海运运单对应的发货紧急度,ti表示为第i个海运运单对应的下单发货时长,t0表示为参考下单发货时长,其中某海运运单对应的下单发货时长越长,该海运运单对应的发货紧急度越大;
步骤92:基于各海运运单对应的发货期限影响系数、发货运输匹配度和发货时机适宜度统计各海运运单对应的发货环境适配度,其计算公式为ADi表示为第i个海运运单对应的发货环境适配度,DPi表示为第i个海运运单对应的发货期限影响系数,且DPi的值为λ或λ′;
本发明实施例在考虑海运运单发货商品性质与发货环境的适配度过程中不仅能够综合海运运单商品的种类和材质来对海运运单的发货期限匹配和发货时机匹配进行分析,还能够基于海运运单商品的体积和重量对其与海运运输船的剩余存储空间进行匹配,扩展了发货环境的适用范围,使得海运运单发货商品性质与发货环境适配度的考虑更加全面,为后续进行海运运单的当前发货优先度评估提供精准可靠的发货环境适配度参数支撑。
步骤93:将各海运运单对应的发货紧急度、发货环境适配度和运输时长预计差异度导入当前发货优先度评估公式得到各海运运单对应的当前发货优先度,记为A、B、C分别表示为发货紧急度、发货环境适配度、运输时长预计差异度对应的权重因子,e表示为自然常数。
本发明实施例在对国际贸易海运运单进行排单管理时,不仅以海运运单的下单时间点作为管理依据,还考虑了海运运单发货商品性质与发货环境的适配度和海运运单实际送达日期与预计送达日期之间的差异性对发货排单的影响,进而从发货紧急度、发货环境适配度、运输时长预计差异度三个维度进行排单管理,实现了国际贸易海运运单的多维度排单管理,能够有效弥补现有技术中国际贸易海运运单在发货排单过程中存在的片面性缺陷,进而提高了排单结果与海运运单实际发货需求的贴合度,使得排单准确度更高,更加具有实用价值,同时也在一定程度上保障了商品的运输品质,有利于提升海运运单排单的管理水平。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种基于数字孪生的国际贸易海运运单智能管理方法,其特征在于,包括以下步骤:
步骤1:统计当前目标港口中待发货的海运运单数量,并获取各海运运单对应的下单时间点,进而将各海运运单按照下单日期的先后顺序依次编号为1,2,...,i,...,n;
步骤2:从各海运运单对应的运单界面中提取运单参数;
步骤3:从各海运运单对应的运单参数中提取下单商品名称,进而以此确定各海运运单对应的发货期限影响系数;
步骤4:从各海运运单对应的运单参数中提取下单商品材质,并据此分析各海运运单对应的受潮影响系数;
步骤5:从各海运运单对应的运单参数中提取运单地址,进而从目标港口对应的历史海运运单中筛选出各海运运单对应的若干历史关联运单,并将其构成各海运运单对应的历史关联运单集合;
步骤6:依据各海运运单对应的历史关联运单集合评估各海运运单对应的运输时长预计差异度;
步骤7:统计目标港口内当前海运运输船的剩余存储参数,并从各海运运单对应的运单参数中提取商品基本信息,并将其与当前海运运输船的剩余存储参数进行对比,分析各海运运单对应的发货运输匹配度;
步骤8:从气象中心获取目标港口的当前天气降雨量,并将其结合各海运运单对应的受潮影响系数分析各海运运单对应的发货时机适宜度;
步骤9:根据各海运运单对应的下单日期、发货期限影响系数、运输时长预计差异度、发货运输匹配度和发货时机适宜度评估各海运运单对应的当前发货优先度,进而据此将各海运运单按照当前发货优先度由大到小的顺序进行发货排单管理。
2.根据权利要求1所述的一种基于数字孪生的国际贸易海运运单智能管理方法,其特征在于:所述运单参数包括下单商品名称、下单商品材质、商品基本信息、运单地址和预计送达日期,其中商品基本信息包括商品体积和商品重量。
3.根据权利要求2所述的一种基于数字孪生的国际贸易海运运单智能管理方法,其特征在于:所述步骤3中从各海运运单对应的运单参数中提取下单商品名称,进而以此确定各海运运单对应的发货期限影响系数具体操作方式为将各海运运单对应的商品名称与生鲜商品种类对应的商品名称进行匹配,若某海运运单匹配成功,则将该海运运单对应的发货期限影响系数记为λ,反之则记为λ′,且λ>λ′。
4.根据权利要求3所述的一种基于数字孪生的国际贸易海运运单智能管理方法,其特征在于:所述步骤4中从各海运运单对应的运单参数中提取下单商品材质,并据此分析各海运运单对应的受潮影响系数具体操作方式为将各海运运单对应的下单商品材质与预设的各种商品材质对应的受潮影响系数进行匹配,从中筛选出各海运运单对应的受潮影响系数。
5.根据权利要求4所述的一种基于数字孪生的国际贸易海运运单智能管理方法,其特征在于:所述步骤5中从目标港口对应的历史海运运单中筛选出各海运运单对应的若干历史关联运单具体参见以下步骤:
步骤51:将目标港口对应的各历史海运运单进行运单地址提取;
步骤52:分别将各历史海运运单对应的运单地址和各海运运单对应的运单地址在地图上进行标记,由此得到各历史海运运单和各海运运单对应的运单地址标记点;
步骤53:按照各海运运单的编号顺序依次获取各历史海运运单的运单地址标记点与各海运运单对应运单地址标记点之间的距离,将其记为各历史海运运单相对各海运运单的运单地址相近距离,并将其导入运单地址相似度计算公式得到各历史海运运单相对各海运运单的运单地址相似度其中表示为第j个历史海运运单相对第i个海运运单的运单地址相近距离,j表示为第j个历史海运运单的编号,j=1,2,...,m,l0表示为参考运单地址相近距离;
步骤54:将各历史海运运单相对各海运运单的运单地址相似度与设定的运单地址相似度阈值进行对比,若某历史海运运单相对某海运运单的运单地址相似度大于设定的运单地址相似度阈值,则将该历史海运运单作为该海运运单的历史关联运单,由此筛选出各海运运单对应的若干历史关联运单。
6.根据权利要求5所述的一种基于数字孪生的国际贸易海运运单智能管理方法,其特征在于:所述步骤6中依据各海运运单对应的历史关联运单集合评估各海运运单对应的海运时长包括以下步骤:
步骤61:分别获取各历史关联运单对应的实际海运时长;
步骤62:将各海运运单对应各历史关联运单的实际海运时长进行均值计算,得到各海运运单对应历史关联运单的平均海运时长;
步骤63:从各海运运单对应的运单参数中提取预计送达日期,并将其与各海运运单对应的下单日期进行对比,计算各海运运单对应的预计运输时长;
7.根据权利要求6所述的一种基于数字孪生的国际贸易海运运单智能管理方法,其特征在于:所述剩余存储参数包括剩余存储空间体积和剩余存储载重。
8.根据权利要求7所述的一种基于数字孪生的国际贸易海运运单智能管理方法,其特征在于:所述分析各海运运单对应的发货运输匹配度具体包括如下步骤:
步骤71:将各海运运单对应的商品基本信息构成海运运单基本信息集合Gw={gw1,gw2,...,gwi,...,gwn},gwi表示为第i个海运运单对应的商品基本信息,w表示为商品基本信息,w=r1或r2,其中r1、r2分别表示为商品体积、商品重量;
10.根据权利要求9所述的一种基于数字孪生的国际贸易海运运单智能管理方法,其特征在于:所述步骤9中根据各海运运单对应的下单日期、发货期限影响系数、运输时长预计差异度、发货运输匹配度和发货时机适宜度评估各海运运单对应的当前发货优先度,其具体评估方法如下:
步骤91:假设以当前日期作为发货日期,将各海运运单对应的下单日期与发货日期进行对比,得到各海运运单对应的下单发货时长,并将其与参考下单发货时长进行对比,计算各海运运单对应的发货紧急度,其计算公式为UDi表示为第i个海运运单对应的发货紧急度,ti表示为第i个海运运单对应的下单发货时长,t0表示为参考下单发货时长;
步骤92:基于各海运运单对应的发货期限影响系数、发货运输匹配度和发货时机适宜度统计各海运运单对应的发货环境适配度,其计算公式为ADi表示为第i个海运运单对应的发货环境适配度,DPi表示为第i个海运运单对应的发货期限影响系数,且DPi的值为λ或λ′;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210877790.6A CN115239242B (zh) | 2022-07-25 | 2022-07-25 | 一种基于数字孪生的国际贸易海运运单智能管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210877790.6A CN115239242B (zh) | 2022-07-25 | 2022-07-25 | 一种基于数字孪生的国际贸易海运运单智能管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115239242A true CN115239242A (zh) | 2022-10-25 |
CN115239242B CN115239242B (zh) | 2023-07-28 |
Family
ID=83674505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210877790.6A Active CN115239242B (zh) | 2022-07-25 | 2022-07-25 | 一种基于数字孪生的国际贸易海运运单智能管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115239242B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116934348A (zh) * | 2023-09-14 | 2023-10-24 | 广州淘通科技股份有限公司 | 一种交易售后数据的分析方法、装置、设备以及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140279669A1 (en) * | 2013-03-13 | 2014-09-18 | Sap Ag | Predictive Order Scheduling |
US20150019454A1 (en) * | 2013-07-12 | 2015-01-15 | Pitney Bowes Inc. | Method and system for classifying parameters of commodities required for global shipping and customs clearance |
WO2015177808A2 (en) * | 2014-05-19 | 2015-11-26 | Hexaware Technologies Limited | Freight information management system and method |
CN109154469A (zh) * | 2016-03-18 | 2019-01-04 | 开利公司 | 在整个冷链配送系统中对易腐物品参数的自动化和预测性监控 |
CN112785041A (zh) * | 2020-12-31 | 2021-05-11 | 上海汇航捷讯网络科技有限公司 | 一种国际航运集装箱运价预测方法 |
CN112862321A (zh) * | 2021-02-08 | 2021-05-28 | 国家海洋信息中心 | 一种基于ais大数据的海运统计系统及其统计方法 |
CN113780952A (zh) * | 2021-09-16 | 2021-12-10 | 上海船舶运输科学研究所 | 一种集装箱班轮航线运力分析方法及系统 |
CN114612029A (zh) * | 2020-12-08 | 2022-06-10 | 顺丰科技有限公司 | 风险运单数据识别方法、装置、计算机设备和存储介质 |
-
2022
- 2022-07-25 CN CN202210877790.6A patent/CN115239242B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140279669A1 (en) * | 2013-03-13 | 2014-09-18 | Sap Ag | Predictive Order Scheduling |
US20150019454A1 (en) * | 2013-07-12 | 2015-01-15 | Pitney Bowes Inc. | Method and system for classifying parameters of commodities required for global shipping and customs clearance |
WO2015177808A2 (en) * | 2014-05-19 | 2015-11-26 | Hexaware Technologies Limited | Freight information management system and method |
CN109154469A (zh) * | 2016-03-18 | 2019-01-04 | 开利公司 | 在整个冷链配送系统中对易腐物品参数的自动化和预测性监控 |
CN114612029A (zh) * | 2020-12-08 | 2022-06-10 | 顺丰科技有限公司 | 风险运单数据识别方法、装置、计算机设备和存储介质 |
CN112785041A (zh) * | 2020-12-31 | 2021-05-11 | 上海汇航捷讯网络科技有限公司 | 一种国际航运集装箱运价预测方法 |
CN112862321A (zh) * | 2021-02-08 | 2021-05-28 | 国家海洋信息中心 | 一种基于ais大数据的海运统计系统及其统计方法 |
CN113780952A (zh) * | 2021-09-16 | 2021-12-10 | 上海船舶运输科学研究所 | 一种集装箱班轮航线运力分析方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116934348A (zh) * | 2023-09-14 | 2023-10-24 | 广州淘通科技股份有限公司 | 一种交易售后数据的分析方法、装置、设备以及存储介质 |
CN116934348B (zh) * | 2023-09-14 | 2023-12-26 | 广州淘通科技股份有限公司 | 一种交易售后数据的分析方法、装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115239242B (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7509228B2 (en) | Systems and methods for forecasting container density | |
US11593753B2 (en) | Multi-phase consolidation optimization tool | |
US20190210798A1 (en) | Solid Waste Evaluation and Weighing System | |
US20100161170A1 (en) | Trailer utilization systems, methods, computer programs embodied on computer-readable media, and apparatuses | |
CN115239242A (zh) | 一种基于数字孪生的国际贸易海运运单智能管理方法 | |
US11948124B2 (en) | Shipment record systems and methods | |
Diaz et al. | Forecasting empty container volumes | |
CN113793106A (zh) | 外贸物流处理系统及处理方法 | |
CN113487096A (zh) | 一种商品销售库存精准动态管理调整方法、系统及计算机存储介质 | |
CN115660137B (zh) | 一种船舶风浪航行能耗精准估算方法 | |
CN112435153A (zh) | 一种运输船货搓合平台和方法 | |
CN111667215A (zh) | 一种基于大数据的区域性智能物流快递管理系统 | |
CN113902529A (zh) | 基于大数据分析的商品运损少货订单管理方法、系统及介质 | |
Ing et al. | The evolution of export quality: China and Indonesia | |
CN115034720A (zh) | 一种水果储运过程中保鲜质量状态判别方法及系统 | |
CN115081961A (zh) | 一种基于大数据的物流运力智能调派方法 | |
CN114612029A (zh) | 风险运单数据识别方法、装置、计算机设备和存储介质 | |
Wen et al. | A discrete choice model of ocean carrier choice | |
CN115759514A (zh) | 一种冷链配送车调度管理方法及装置 | |
CN114781982A (zh) | 一种冷链仓库管理方法及系统 | |
CN113592379B (zh) | 散粮集装箱物流运输环境异常检测的关键特征识别方法 | |
CN113157673A (zh) | 基于用户特征识别分析的快递物流用户数据库统一化建立方法 | |
CN112862406B (zh) | 基于大数据分析的物流订单在线智能管理云平台 | |
CN117273579B (zh) | 一种基于大数据的电商商品溯源管理系统 | |
CN114255199A (zh) | 一种包裹数量检测方法、装置及存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230705 Address after: Room 405, Building 3, No. 11 Spectral Middle Road, Huangpu District, Guangzhou City, Guangdong Province, 510000 Applicant after: Guangdong Matai ship Finding Technology Co.,Ltd. Address before: No. 258, Qingnian Road, Jianghan District, Wuhan, Hubei 430021 Applicant before: Wuhan Aohengao Trading Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |