CN115730892B - 一种基于智慧物流的货物运输方法与装置 - Google Patents
一种基于智慧物流的货物运输方法与装置 Download PDFInfo
- Publication number
- CN115730892B CN115730892B CN202211591522.4A CN202211591522A CN115730892B CN 115730892 B CN115730892 B CN 115730892B CN 202211591522 A CN202211591522 A CN 202211591522A CN 115730892 B CN115730892 B CN 115730892B
- Authority
- CN
- China
- Prior art keywords
- value
- preset
- goods
- values
- module
- 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.)
- Active
Links
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于智慧物流的货物运输方法与装置,其中,方法包括:通过获取指定区域内多个时间段用户浏览购物平台各个货品的被浏览的记录信息,并根据记录信息计算各种货物的指标值,根据指标值进行货物运输。本发明的有益效果:实现了对存储仓库中的货物进行实时调控,极大的满足了大多数客户的购物体验,减小了存储仓库的压力。
Description
技术领域
本发明涉及人工智能领域,特别涉及一种基于智慧物流的货物运输方法与装置。
背景技术
随着社会的发展,网络购物逐渐成为了网民的主要购物手段,是指将线下的商务机会与互联网结合,让互联网成为线下交易的平台。网络购物一般是指用户在平台处下单,然后由商家从发货地邮寄给客户,但是中国地广物博,难以做到货物的及时发送,给客户造成了不好的购物体验,因此,存储仓库应运而生,解决了远距离配送的难题,但是对于存储仓库的货物,一般需要不断的补给,当货物足够多时,会给存储仓库造成一定的压力,当货物足够少时,依然会导致部分客户购物体验不佳,因此,需要一种可以对货物进行实时调控的智慧物流运输方法。
发明内容
本发明的主要目的为提供一种基于智慧物流的货物运输方法与装置,旨在解决无法对存储仓库中的货物进行实时调控的问题。
本发明提供了一种基于智慧物流的货物运输方法,包括:
获取指定区域内多个时间段用户浏览购物平台各个货品的被浏览的记录信息;其中,所述指定区域内至少包括一个存储仓库;
按照货品的预设类别将各种货品的所述记录信息进行分类;
按照预设的数值转换方法将各个记录信息转换为数值,并按照类别进行分组,得到与时间段数量对应的多个数值集合;
提取所述数值集合中的最大值与最小值;
根据公式计算每个所述数值集合对应的数值的标准值,其中,xij表示第j个所述数值集合中第i个所述数值,min(xij)表示第j个所述数值集合中数值的最小值,max(xij)第j个所述数值集合中元素的最大值,Yij表示所述数值集合中第i个数值对应的所述标准值;
根据公式计算各个所述数值集合的指标值,其中其中,Ej表示第j个所述数值集合的所述指标值,当pij=0时,定义pij表示第j个所述数值集合的第i个所述数值对应的概率值,n表示所述数值集合的个数;
判断各个所述指标值与存储仓库中存有的货物是否对应;
若否,则更新所述指定区域内的存储仓库中各种货物的配比;
根据所述货物配比为所述存储仓库发送货物。
进一步地,所述按照预设的数值转换方法将各个记录信息转换为数值,并按照类别进行分组,得到与时间段数量对应的多个数值集合的步骤之后,还包括:
获取历史货品售卖记录;
获取所述历史货品售卖记录中各个预设类别货物的售卖记录;
将所述售卖记录转换为历史数值,得到目标集合;
根据公式计算各所述时间段的数值集合与目标集合的相似度;其中,p为所述相似度,si表示第i个预设类别的权重参数,xi表示所述数值集合第i个预设类别的值,yi表示所述目标集合第i个预设类别的值,m表示预设类别的数量;
判断各个相似度是否小于预设相似度;
将所述相似度小于预设相似度的所述数值集合剔除。
进一步地,所述按照货品的预设类别将各种货品的所述记录信息进行分类的步骤之前,还包括:
检测历史货品售卖记录中是否存在未分类货品;
若存在所述未分类货品,则检测所述未分类货品在各所述记录信息中存在的百分比是否超过了预设百分比;
若超过了预设百分比,则检测各所述记录信息中的所述未分类货品的类别与各个预设类别之间的相似度;
判断各个所述相似度是否均不在预设相似度范围内;
若均不在预设的相似度范围内,则将所述未分类货品的类别作为新的预设类别。
进一步地,所述获取指定区域内多个时间段用户浏览购物平台各个货品的被浏览的记录信息的步骤,包括:
获取各所述记录信息的目标特征信息;
根据所述目标特征信息判断各所述记录信息所在的位置信息;
通过sqoop脚本在所述位置信息对应的位置处,采集对应的所述记录信息。
进一步地,所述按照预设的数值转换方法将各个记录信息转换为数值,并按照类别进行分组,得到与时间段数量对应的多个数值集合的步骤之后,还包括:
从所述多个数值集合中选取一个数值集合作为第一数值集合;
计算第一数值集合与其他所述数值的分差值;
将所述分差值小于或等于预设分差的数值集合构建一个分差集合;
将所述分差集合中的各个元素与第一数值集合分差定义为所述预设分差;
根据公式计算所述第一数值集合的密度,其中,所述ρc(O)表示所述第一数值集合的密度,N(O)表示所述分差集合,P表示所述分差集合中的元素,O表示所述第一数值集合,dc(O,P)表示元素P与O的分差值,c表示所述预设分差;
根据公式计算所述第一数值集合的离散分值;其中,LOFc(O)表示所述第一数值集合的离散分值,ρc(P)表示元素P对应的数值集合的密度;
判断所述离散分值是否大于预设离散分值;
若是,则将所述第一数值集合从多个数值集合中剔除。
本发明还提供了一种基于智慧物流的货物运输装置,包括:
获取模块,用于获取指定区域内多个时间段用户浏览购物平台各个货品的被浏览的记录信息;其中,所述指定区域内至少包括一个存储仓库;
分类模块,用于按照货品的预设类别将各种货品的所述记录信息进行分类;
转换模块,用于按照预设的数值转换方法将各个记录信息转换为数值,并按照类别进行分组,得到与时间段数量对应的多个数值集合;
提取模块,用于提取所述数值集合中的最大值与最小值;
第一计算模块,用于根据公式计算每个所述数值集合对应的数值的标准值,其中,xij表示第j个所述数值集合中第i个所述数值,min(xij)表示第j个所述数值集合中数值的最小值,max(xij)第j个所述数值集合中元素的最大值,Yij表示所述数值集合中第i个数值对应的所述标准值;
第二计算模块,用于根据公式计算各个所述数值集合的指标值,其中/>其中,Ej表示第j个所述数值集合的所述指标值,当pij=0时,定义/>pij表示第j个所述数值集合的第i个所述数值对应的概率值,n表示所述数值集合的个数;
判断模块,用于判断各个所述指标值与存储仓库中存有的货物是否对应;
更新模块,用于若否,则更新所述指定区域内的存储仓库中各种货物的配比;
发送模块,用于根据所述货物配比为所述存储仓库发送货物。
进一步地,所述货物运输装置,还包括:
历史货品售卖记录获取模块,用于获取历史货品售卖记录;
售卖记录获取模块,用于获取所述历史货品售卖记录中各个预设类别货物的售卖记录;
售卖记录转换模块,用于将所述售卖记录转换为历史数值,得到目标集合;
相似度计算模块,用于根据公式计算各所述时间段的数值集合与目标集合的相似度;其中,p为所述相似度,si表示第i个预设类别的权重参数,xi表示所述数值集合第i个预设类别的值,yi表示所述目标集合第i个预设类别的值,m表示预设类别的数量;
相似度判断模块,用于判断各个相似度是否小于预设相似度;
剔除模块,用于将所述相似度小于预设相似度的所述数值集合剔除。
进一步地,所述货物运输装置,还包括:
货品检测模块,用于检测历史货品售卖记录中是否存在未分类货品;
百分比检测模块,用于若存在所述未分类货品,则检测所述未分类货品在各所述记录信息中存在的百分比是否超过了预设百分比;
相似度检测模块,用于若超过了预设百分比,则检测各所述记录信息中的所述未分类货品的类别与各个预设类别之间的相似度;
相似度判断模块,用于判断各个所述相似度是否均不在预设相似度范围内;
作为模块,用于若均不在预设的相似度范围内,则将所述未分类货品的类别作为新的预设类别。
进一步地,所述获取模块,包括:
获取子模块,用于获取各所述记录信息的目标特征信息;
判断子模块,用于根据所述目标特征信息判断各所述记录信息所在的位置信息;
采集子模块,用于通过sqoop脚本在所述位置信息对应的位置处,采集对应的所述记录信息。
进一步地,所述货物运输装置,还包括:
选取模块,用于从所述多个数值集合中选取一个数值集合作为第一数值集合;
分差计算模块,用于计算第一数值集合与其他所述数值的分差值;
构建模块,用于将所述分差值小于或等于预设分差的数值集合构建一个分差集合;
定义模块,用于将所述分差集合中的各个元素与第一数值集合分差定义为所述预设分差;
密度计算模块,用于根据公式计算所述第一数值集合的密度,其中,所述ρc(O)表示所述第一数值集合的密度,N(O)表示所述分差集合,P表示所述分差集合中的元素,O表示所述第一数值集合,dc(O,P)表示元素P与O的分差值,c表示所述预设分差;
离散分值计算模块,用于根据公式计算所述第一数值集合的离散分值;其中,LOFc(O)表示所述第一数值集合的离散分值,ρc(P)表示元素P对应的数值集合的密度;
离散分值判断模块,用于判断所述离散分值是否大于预设离散分值;
剔除模块,用于若是,则将所述第一数值集合从多个数值集合中剔除。
本发明的有益效果:通过获取指定区域内多个时间段用户浏览购物平台各个货品的被浏览的记录信息,并根据记录信息计算各种货物的指标值,从而实现了对存储仓库中的货物进行实时调控,极大的满足了大多数客户的购物体验,减小了存储仓库的压力。
附图说明
图1是本发明一实施例的一种基于智慧物流的货物运输方法的流程示意图;
图2是本发明一实施例的一种基于智慧物流的货物运输装置的结构示意框图。
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
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的一部分实施例,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,都属于本发明保护的范围。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后等)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变,所述的连接可以是直接连接,也可以是间接连接。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
另外,在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
参照图1,本发明提出1.一种基于智慧物流的货物运输方法,包括:
S1:获取指定区域内多个时间段用户浏览购物平台各个货品的被浏览的记录信息;其中,所述指定区域内至少包括一个存储仓库;
S2:按照货品的预设类别将各种货品的所述记录信息进行分类;
S3:按照预设的数值转换方法将各个记录信息转换为数值,并按照类别进行分组,得到与时间段数量对应的多个数值集合;
S4:提取所述数值集合中的最大值与最小值;
S5:根据公式计算每个所述数值集合对应的数值的标准值,其中,xij表示第j个所述数值集合中第i个所述数值,min(xij)表示第j个所述数值集合中数值的最小值,max(xij)第j个所述数值集合中元素的最大值,Yij表示所述数值集合中第i个数值对应的所述标准值;
S6:根据公式计算各个所述数值集合的指标值,其中/>其中,Ej表示第j个所述数值集合的所述指标值,当pij=0时,定义pij表示第j个所述数值集合的第i个所述数值对应的概率值,n表示所述数值集合的个数;
S7:判断各个所述指标值与存储仓库中存有的货物是否对应;
S8:若否,则更新所述指定区域内的存储仓库中各种货物的配比;
S9:根据所述货物配比为所述存储仓库发送货物。
如上述步骤S1所述,获取指定区域内多个时间段用户浏览购物平台各个货品的被浏览的记录信息;其中,所述指定区域内至少包括一个存储仓库,其中,指定区域的大小一般指的是从对应存储仓库对应的发货范围,需要通过对应的购物平台获取到用户的常用发货位置以作为用户的位置,用户对应的浏览位置可以与常用发货位置相同也可以不同,需要说明的是,此处用户是否购买的信息不需要知晓,只需要知晓对货物查看的信息,一般而言,存储仓库会足够大,不会建立多个存储仓库进行分开保存,即指定区域内一般只有一个存储仓库。
如上述步骤S2所述,按照货品的预设类别将各种货品的所述记录信息进行分类,该预设类别为相关人员提前设置的类别,各种货物都有对应的预设类别。因此可以根据货物的类别对记录信息进行分类,当然,预设类别也可以就是货物本身,例如空调,格力空调和关的空调,还可以是具体的型号作为一种类别,本申请对此不作限定。
如上述步骤S3所述,按照预设的数值转换方法将各个记录信息转换为数值,并按照类别进行分组,得到与时间段数量对应的多个数值集合,其中,数值的转换为将各个记录信息进行转换,需要说明的是,若在该段时间段内,用户多次看的是同一类型的产品,则按照一次浏览记录进行计算,还可以将浏览时间小于预设浏览时间的浏览记录删除等,因此,数值转换方法中还包括去噪处理,然后将其按照数值与记录的对应关系转换为数值。
如上述步骤S4-S6所述,即先获取数值集合中的最大值与最小值,根据最大值和最小值来反应整个数值集合的数据波动情况,即先根据公式计算各个数值对应的标准值,即先将各个类别数值进行标准处理,将其进行归一化处理,避免造成的数据过大而导致计算结果出现偏差。然后根据各个数值对应的标准差所出现的概率pij,计算第j个所述数值集合的所述指标值。指标值体现了该种货物对应的浏览情况,根据上述计算公式计算得到的信息熵值,其充分考虑了同一集合中各个数值的波动情况,并且也充分考虑了极个别值对指标值所带来的影响,使计算的指标值更具有参考性。
如上述步骤S7-S9所述,判断各个所述指标值与存储仓库中存有的货物是否对应;若否,则更新所述指定区域内的存储仓库中各种货物的配比;根据所述货物配比为所述存储仓库发送货物。具体地,即指标值占所有指标值的百分比是否与存储仓库中对应货物的占比对应,需要说明的是,对应是指该百分比与货物的占比的差值小于等于预设值,该预设值为预先设定的值,从而确定是否对应,当不对应时,此时需要更换其中的货物配比,从而使存储仓库中的货物可以更加贴合广大客户,需要说明的是,由于存储仓库的容纳量有限,此处只需要更换配比,从而可以尽可能做到用户的购买货物的配比与仓库的配比一致,另外,配比的更新不需要实时更新,否则会导致仓库处于不断更新的状态,不利于调控,每个季度更新一次为宜,从而实现了对存储仓库中的货物进行实时调控,极大的满足了大多数客户的购物体验,减小了存储仓库的压力。
在一个实施例中,所述按照预设的数值转换方法将各个记录信息转换为数值,并按照类别进行分组,得到与时间段数量对应的多个数值集合的步骤S3之后,还包括:
S401:获取历史货品售卖记录;
S402:获取所述历史货品售卖记录中各个预设类别货物的售卖记录;
S403:将所述售卖记录转换为历史数值,得到目标集合;
S404:根据公式计算各所述时间段的数值集合与目标集合的相似度;其中,p为所述相似度,si表示第i个预设类别的权重参数,xi表示所述数值集合第i个预设类别的值,yi表示所述目标集合第i个预设类别的值,m表示预设类别的数量;
S405:判断各个相似度是否小于预设相似度;
S406:将所述相似度小于预设相似度的所述数值集合剔除。
如上述步骤S401-S404所述,实现了对数值集合的筛选。获取历史货品售卖记录,其中,历史售卖记录可以是与当前的记录季度相同的上一年份的售卖记录,然后,从而可以得到各个预设类别货物的售卖记录,将其转换为数值,即历史数值,从而得到目标集合,然后计算其中的相似度,由于历史的售卖记录会与当前售卖的情况具有一定的相似度,变换情况不会很大,因此,可以基于此将一些特别的数值集合剔除,从而提高预测的准确性。
在一个实施例中,所述按照货品的预设类别将各种货品的所述记录信息进行分类的步骤S2之前,还包括:
S101:检测历史货品售卖记录中是否存在未分类货品;
S102:若存在所述未分类货品,则检测所述未分类货品在各所述记录信息中存在的百分比是否超过了预设百分比;
S103:若超过了预设百分比,则检测各所述记录信息中的所述未分类货品的类别与各个预设类别之间的相似度;
S104:判断各个所述相似度是否均不在预设相似度范围内;
S105:若均不在预设的相似度范围内,则将所述未分类货品的类别作为新的预设类别。
如上述步骤S101-S105所述,实现了对除预设类别的其他待定类别的检测。即,在获取记录信息中的类别信息时,可以对所有的类别信息进行获取,判断是否有其他的待定类别信息,其中,待定类别信息不是预设类别中的信息,然后检测该待定类别信息在各个记录信息中的存在的数目占所有记录信息的百分比是否超过了预设百分比,若超过了预设百分比,则表明该待定类别信息可能为重要的类别信息,而预设类别中没有,此时可以检测该待定类别信息之间的相似度,即将具有该待定类别信息的记录信息进行相似度计算,若相似度计算相同,则将其归类于相似度最相似的类别,若不同,则将所述未分类货品的类别作为新的预设类别。
在一个实施例中,所述获取指定区域内多个时间段用户浏览购物平台各个货品的被浏览的记录信息的步骤S1,包括:
S111:获取各所述记录信息的目标特征信息;
S112:根据所述目标特征信息判断各所述记录信息所在的位置信息;
S113:通过sqoop脚本在所述位置信息对应的位置处,采集对应的所述记录信息。
如上述步骤S111-S113所述,实现了对记录信息的获取。具体地,先获取各记录信息的目标特征信息,例如类别,关键词等信息,然后根据目标特征信息判断记录信息所在的位置信息,位置信息包括对应的平台信息,以及平台中对应的存储位置,然后再通过sqoop脚本在各个平台上获取相应的维度数据源。
在一个实施例中,所述按照预设的数值转换方法将各个记录信息转换为数值,并按照类别进行分组,得到与时间段数量对应的多个数值集合的步骤S3之后,还包括:
S411:从所述多个数值集合中选取一个数值集合作为第一数值集合;
S412:计算第一数值集合与其他所述数值的分差值;
S413:将所述分差值小于或等于预设分差的数值集合构建一个分差集合;
S414:将所述分差集合中的各个元素与第一数值集合分差定义为所述预设分差;
S415:根据公式计算所述第一数值集合的密度,其中,所述ρc(O)表示所述第一数值集合的密度,N(O)表示所述分差集合,P表示所述分差集合中的元素,O表示所述第一数值集合,dc(O,P)表示元素P与O的分差值,c表示所述预设分差;
S416:根据公式计算所述第一数值集合的离散分值;其中,LOFc(O)表示所述第一数值集合的离散分值,ρc(P)表示元素P对应的数值集合的密度;
S417:判断所述离散分值是否大于预设离散分值;
S418:若是,则将所述第一数值集合从多个数值集合中剔除。
如上述步骤S411-S418所述,由于个别数值集合可能会与其他的数值集合偏差过大,与大多数的数值集合的区别较大,因此需要将这部分的数值集合进行剔除。具体地,先计算第一数值集合与其他数值集合的分差值,获取分差值小于预设分差值的其他数值集合,其中预设分差为事先设置的一个定值,然后计算第一数值集合的密度,根据密度计算离散分值,若这个离散分值较大时,表明第一数值集合与其他数值集合的差异较大,此时可以将第一数值集合的进行剔除,通过这种方式依次各个数值集合记为第一数值集合进行计算,并逐一进行剔除,从而使最终的数值集合可以进行更好的预测。
参照图2,本发明还提供了一种基于智慧物流的货物运输装置,包括:
获取模块10,用于获取指定区域内多个时间段用户浏览购物平台各个货品的被浏览的记录信息;其中,所述指定区域内至少包括一个存储仓库;
分类模块20,用于按照货品的预设类别将各种货品的所述记录信息进行分类;
转换模块30,用于按照预设的数值转换方法将各个记录信息转换为数值,并按照类别进行分组,得到与时间段数量对应的多个数值集合;
提取模块40,用于提取所述数值集合中的最大值与最小值;
第一计算模块50,用于根据公式计算每个所述数值集合对应的数值的标准值,其中,xij表示第j个所述数值集合中第i个所述数值,min(xij)表示第j个所述数值集合中数值的最小值,max(xij)第j个所述数值集合中元素的最大值,Yij表示所述数值集合中第i个数值对应的所述标准值;
第二计算模块60,用于根据公式计算各个所述数值集合的指标值,其中/>其中,Ej表示第j个所述数值集合的所述指标值,当pij=0时,定义/> pij表示第j个所述数值集合的第i个所述数值对应的概率值,n表示所述数值集合的个数;
判断模块70,用于判断各个所述指标值与存储仓库中存有的货物是否对应;
更新模块80,用于若否,则更新所述指定区域内的存储仓库中各种货物的配比;
发送模块90,用于根据所述货物配比为所述存储仓库发送货物。
在一个实施例中,所述货物运输装置,还包括:
历史货品售卖记录获取模块,用于获取历史货品售卖记录;
售卖记录获取模块,用于获取所述历史货品售卖记录中各个预设类别货物的售卖记录;
售卖记录转换模块,用于将所述售卖记录转换为历史数值,得到目标集合;
相似度计算模块,用于根据公式计算各所述时间段的数值集合与目标集合的相似度;其中,p为所述相似度,si表示第i个预设类别的权重参数,xi表示所述数值集合第i个预设类别的值,yi表示所述目标集合第i个预设类别的值,m表示预设类别的数量;
相似度判断模块,用于判断各个相似度是否小于预设相似度;
剔除模块,用于将所述相似度小于预设相似度的所述数值集合剔除。
在一个实施例中,所述货物运输装置,还包括:
货品检测模块,用于检测历史货品售卖记录中是否存在未分类货品;
百分比检测模块,用于若存在所述未分类货品,则检测所述未分类货品在各所述记录信息中存在的百分比是否超过了预设百分比;
相似度检测模块,用于若超过了预设百分比,则检测各所述记录信息中的所述未分类货品的类别与各个预设类别之间的相似度;
相似度判断模块,用于判断各个所述相似度是否均不在预设相似度范围内;
作为模块,用于若均不在预设的相似度范围内,则将所述未分类货品的类别作为新的预设类别。
在一个实施例中,所述获取模块10,包括:
获取子模块,用于获取各所述记录信息的目标特征信息;
判断子模块,用于根据所述目标特征信息判断各所述记录信息所在的位置信息;
采集子模块,用于通过sqoop脚本在所述位置信息对应的位置处,采集对应的所述记录信息。
在一个实施例中,所述货物运输装置,还包括:
选取模块,用于从所述多个数值集合中选取一个数值集合作为第一数值集合;
分差计算模块,用于计算第一数值集合与其他所述数值的分差值;
构建模块,用于将所述分差值小于或等于预设分差的数值集合构建一个分差集合;
定义模块,用于将所述分差集合中的各个元素与第一数值集合分差定义为所述预设分差;
密度计算模块,用于根据公式计算所述第一数值集合的密度,其中,所述ρc(O)表示所述第一数值集合的密度,N(O)表示所述分差集合,P表示所述分差集合中的元素,O表示所述第一数值集合,dc(O,P)表示元素P与O的分差值,c表示所述预设分差;
离散分值计算模块,用于根据公式计算所述第一数值集合的离散分值;其中,LOFc(O)表示所述第一数值集合的离散分值,ρc(P)表示元素P对应的数值集合的密度;
离散分值判断模块,用于判断所述离散分值是否大于预设离散分值;
剔除模块,用于若是,则将所述第一数值集合从多个数值集合中剔除。
本发明的有益效果:通过获取指定区域内多个时间段用户浏览购物平台各个货品的被浏览的记录信息,并根据记录信息计算各种货物的指标值,从而实现了对存储仓库中的货物进行实时调控,极大的满足了大多数客户的购物体验,减小了存储仓库的压力。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储与一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM一多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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、装置、物品或者方法不仅包括那些要素,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、装置、物品或者方法所固有的要素。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、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种基于智慧物流的货物运输方法,其特征在于,包括:
获取指定区域内多个时间段用户浏览购物平台各个货物的记录信息;其中,所述指定区域内至少包括一个存储仓库;
按照货物的预设类别将各种货物的所述记录信息进行分类;
按照预设的数值转换方法将各个记录信息转换为数值,并按照类别进行分组,得到与时间段数量对应的多个数值集合;
提取所述数值集合中的最大值与最小值;
根据公式计算每个所述数值集合对应的数值的标准值,其中,xij表示第j个所述数值集合中第i个所述数值,min(xij)表示第j个所述数值集合中数值的最小值,max(xij)表示第j个所述数值集合中数值的最大值,Yij表示所述数值集合中第i个数值对应的所述标准值;
根据公式计算各个所述数值集合的指标值,其中其中,Ej表示第j个所述数值集合的所述指标值,当pij=0时,定义pij表示第j个所述数值集合的第i个所述数值对应的概率值,n表示所述数值集合的个数;
判断各个所述指标值占所有指标值的百分比是否与存储仓库中对应货物的占比对应;
若否,则更新所述指定区域内的存储仓库中各种货物的配比;
根据所述货物配比为所述存储仓库发送货物。
2.如权利要求1所述的基于智慧物流的货物运输方法,其特征在于,所述按照预设的数值转换方法将各个记录信息转换为数值,并按照类别进行分组,得到与时间段数量对应的多个数值集合的步骤之后,还包括:
获取历史货物售卖记录;
获取所述历史货物售卖记录中各个预设类别货物的售卖记录;
将所述售卖记录转换为历史数值,得到目标集合;
根据公式计算各所述时间段的数值集合与目标集合的相似度;其中,q为所述相似度,sa表示第ɑ个预设类别的权重参数,ra表示所述数值集合第ɑ个预设类别的值,ya表示所述目标集合第ɑ个预设类别的值,m表示预设类别的数量;
判断各个相似度是否小于预设相似度;
将所述相似度小于预设相似度的所述数值集合剔除。
3.如权利要求1所述的基于智慧物流的货物运输方法,其特征在于,所述按照货物的预设类别将各种货物的所述记录信息进行分类的步骤之前,还包括:
检测历史货物售卖记录中是否存在未分类货物;
若存在所述未分类货物,则检测所述未分类货物在各所述记录信息中存在的百分比是否超过了预设百分比;
若超过了预设百分比,则检测各所述记录信息中的所述未分类货物的类别与各个预设类别之间的相似度;
判断各个所述相似度是否均不在预设相似度范围内;
若均不在预设的相似度范围内,则将所述未分类货物的类别作为新的预设类别。
4.如权利要求1所述的基于智慧物流的货物运输方法,其特征在于,所述获取指定区域内多个时间段用户浏览购物平台各个货物的记录信息的步骤,包括:
获取各所述记录信息的目标特征信息;
根据所述目标特征信息判断各所述记录信息所在的位置信息;
通过sqoop脚本在所述位置信息对应的位置处,采集对应的所述记录信息。
5.如权利要求1所述的基于智慧物流的货物运输方法,其特征在于,所述按照预设的数值转换方法将各个记录信息转换为数值,并按照类别进行分组,得到与时间段数量对应的多个数值集合的步骤之后,还包括:
从所述多个数值集合中选取一个数值集合作为第一数值集合;
计算第一数值集合与其他所述数值集合的分差值;
将所述分差值小于或等于预设分差的数值集合构建一个分差集合;
将所述分差集合中的各个元素与第一数值集合分差定义为所述预设分差;
根据公式计算所述第一数值集合的密度,其中,所述ρc(O)表示所述第一数值集合的密度,N(O)表示所述分差集合,P表示所述分差集合中的元素,O表示所述第一数值集合,dc(O,P)表示元素P与O的分差值,c表示所述预设分差;
根据公式计算所述第一数值集合的离散分值;其中,LOFc(O)表示所述第一数值集合的离散分值,ρc(P)表示元素P对应的分差集合的密度;
判断所述离散分值是否大于预设离散分值;
若是,则将所述第一数值集合从多个数值集合中剔除。
6.一种基于智慧物流的货物运输装置,其特征在于,包括:
获取模块,用于获取指定区域内多个时间段用户浏览购物平台各个货物的记录信息;其中,所述指定区域内至少包括一个存储仓库;
分类模块,用于按照货物的预设类别将各种货物的所述记录信息进行分类;
转换模块,用于按照预设的数值转换方法将各个记录信息转换为数值,并按照类别进行分组,得到与时间段数量对应的多个数值集合;
提取模块,用于提取所述数值集合中的最大值与最小值;
第一计算模块,用于根据公式计算每个所述数值集合对应的数值的标准值,其中,xij表示第j个所述数值集合中第i个所述数值,min(xij)表示第j个所述数值集合中数值的最小值,max(xij)表示第j个所述数值集合中数值的最大值,Yij表示所述数值集合中第i个数值对应的所述标准值;
第二计算模块,用于根据公式计算各个所述数值集合的指标值,其中/>其中,Ej表示第j个所述数值集合的所述指标值,当pij=0时,定义/>pij表示第j个所述数值集合的第i个所述数值对应的概率值,n表示所述数值集合的个数;
判断模块,用于判断各个所述指标值占所有指标值的百分比是否与存储仓库中对应货物的占比对应;
更新模块,用于若否,则更新所述指定区域内的存储仓库中各种货物的配比;
发送模块,用于根据所述货物配比为所述存储仓库发送货物。
7.如权利要求6所述的基于智慧物流的货物运输装置,其特征在于,所述货物运输装置,还包括:
历史货物售卖记录获取模块,用于获取历史货物售卖记录;
售卖记录获取模块,用于获取所述历史货物售卖记录中各个预设类别货物的售卖记录;
售卖记录转换模块,用于将所述售卖记录转换为历史数值,得到目标集合;
相似度计算模块,用于根据公式计算各所述时间段的数值集合与目标集合的相似度;其中,q为所述相似度,sa表示第ɑ个预设类别的权重参数,ra表示所述数值集合第ɑ个预设类别的值,ya表示所述目标集合第ɑ个预设类别的值,m表示预设类别的数量;
相似度判断模块,用于判断各个相似度是否小于预设相似度;
剔除模块,用于将所述相似度小于预设相似度的所述数值集合剔除。
8.如权利要求6所述的基于智慧物流的货物运输装置,其特征在于,所述货物运输装置,还包括:
货物检测模块,用于检测历史货物售卖记录中是否存在未分类货物;
百分比检测模块,用于若存在所述未分类货物,则检测所述未分类货物在各所述记录信息中存在的百分比是否超过了预设百分比;
相似度检测模块,用于若超过了预设百分比,则检测各所述记录信息中的所述未分类货物的类别与各个预设类别之间的相似度;
相似度判断模块,用于判断各个所述相似度是否均不在预设相似度范围内;
作为模块,用于若均不在预设的相似度范围内,则将所述未分类货物的类别作为新的预设类别。
9.如权利要求6所述的基于智慧物流的货物运输装置,其特征在于,所述获取模块,包括:
获取子模块,用于获取各所述记录信息的目标特征信息;
判断子模块,用于根据所述目标特征信息判断各所述记录信息所在的位置信息;
采集子模块,用于通过sqoop脚本在所述位置信息对应的位置处,采集对应的所述记录信息。
10.如权利要求6所述的基于智慧物流的货物运输装置,其特征在于,所述货物运输装置,还包括:
选取模块,用于从所述多个数值集合中选取一个数值集合作为第一数值集合;
分差计算模块,用于计算第一数值集合与其他所述数值集合的分差值;
构建模块,用于将所述分差值小于或等于预设分差的数值集合构建一个分差集合;
定义模块,用于将所述分差集合中的各个元素与第一数值集合分差定义为所述预设分差;
密度计算模块,用于根据公式计算所述第一数值集合的密度,其中,所述ρc(O)表示所述第一数值集合的密度,N(O)表示所述分差集合,P表示所述分差集合中的元素,O表示所述第一数值集合,dc(O,P)表示元素P与O的分差值,c表示所述预设分差;
离散分值计算模块,用于根据公式计算所述第一数值集合的离散分值;其中,LOFc(O)表示所述第一数值集合的离散分值,ρc(P)表示元素P对应的分差集合的密度;
离散分值判断模块,用于判断所述离散分值是否大于预设离散分值;
剔除模块,用于若是,则将所述第一数值集合从多个数值集合中剔除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211591522.4A CN115730892B (zh) | 2022-12-12 | 2022-12-12 | 一种基于智慧物流的货物运输方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211591522.4A CN115730892B (zh) | 2022-12-12 | 2022-12-12 | 一种基于智慧物流的货物运输方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115730892A CN115730892A (zh) | 2023-03-03 |
CN115730892B true CN115730892B (zh) | 2023-07-25 |
Family
ID=85301129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211591522.4A Active CN115730892B (zh) | 2022-12-12 | 2022-12-12 | 一种基于智慧物流的货物运输方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115730892B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114493400A (zh) * | 2021-12-17 | 2022-05-13 | 杭州但丁云科技有限公司 | 一种进销存智能分析系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016207020A (ja) * | 2015-04-24 | 2016-12-08 | ソフトバンク・テクノロジー株式会社 | 行動データの情報エントロピーに基づくマーケティング方法及びシステム |
CN110880084A (zh) * | 2018-09-06 | 2020-03-13 | 北京京东振世信息技术有限公司 | 一种仓库补货的方法和装置 |
CN109754191A (zh) * | 2019-01-15 | 2019-05-14 | 深圳市毅景科技有限公司 | 一种中小企业一站式销售智能供应链管理平台 |
CN110570251A (zh) * | 2019-09-11 | 2019-12-13 | 瞿秋昱 | 一种基于大数据的用户购买意愿预测系统及其方法 |
CN115392947A (zh) * | 2022-07-22 | 2022-11-25 | 阿里巴巴(中国)有限公司 | 需求量预测方法以及装置 |
-
2022
- 2022-12-12 CN CN202211591522.4A patent/CN115730892B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114493400A (zh) * | 2021-12-17 | 2022-05-13 | 杭州但丁云科技有限公司 | 一种进销存智能分析系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115730892A (zh) | 2023-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8941645B2 (en) | Comparing virtual and real images in a shopping experience | |
CN108391446B (zh) | 基于机器学习算法对针对数据分类器的训练语料库的自动提取 | |
CN110705666A (zh) | 人工智能云计算展示架货架货物和标签监控与存储货物方法 | |
CN101147160B (zh) | 自适应分类器以及建立其分类参数的方法 | |
CN111415193B (zh) | 基于关联商品的门店相似度的品类销售提升度计算方法 | |
US11062236B2 (en) | Self-learning analytical attribute and clustering segmentation system | |
CN114187120A (zh) | 一种车险理赔欺诈风险识别方法及装置 | |
CN116187718B (zh) | 基于计算机视觉的智慧货物识别分拣方法及系统 | |
CN112396428B (zh) | 一种基于用户画像数据的客群分类管理方法及装置 | |
WO2019097694A1 (ja) | 商品配置システム、商品配置方法、及び商品配置プログラム | |
CN115730892B (zh) | 一种基于智慧物流的货物运输方法与装置 | |
CN116596441A (zh) | 一种基于云计算的智能仓储服务管理方法及系统 | |
CN111260214A (zh) | 核电站预留工单领料方法、装置、设备及存储介质 | |
CN112016581A (zh) | 一种多维数据处理方法、装置、计算机设备及存储介质 | |
CN114398059A (zh) | 参数的更新方法、装置、设备以及存储介质 | |
KR102556474B1 (ko) | 최적화된 재고 관리를 통한 관공서의 필요 물품의 제조 및 주문 처리 방법, 장치 및 시스템 | |
CN113947476A (zh) | 失信客户识别方法、装置、设备及存储介质 | |
CN113537878A (zh) | 包裹派送方法、装置、设备及存储介质 | |
CN111047261B (zh) | 一种仓储物流委托单识别方法及系统 | |
KR102558440B1 (ko) | 식음료 공산품의 유통 처리를 위한 재고 관리 방법, 장치 및 시스템 | |
CN114897588B (zh) | 基于数据分析的订单管理方法和装置 | |
CN117275011A (zh) | 一种商品识别与商品价签匹配方法、系统、终端及介质 | |
CN115587769A (zh) | 商品缺货状态的检测方法、装置、计算机设备及存储介质 | |
CN111275371A (zh) | 数据处理方法、数据处理设备和计算机可读存储介质 | |
US11803868B2 (en) | System and method for segmenting customers with mixed attribute types using a targeted clustering approach |
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 |