CN117114528B - 一种基于大数据的物流运输分析系统及方法 - Google Patents

一种基于大数据的物流运输分析系统及方法 Download PDF

Info

Publication number
CN117114528B
CN117114528B CN202310982664.1A CN202310982664A CN117114528B CN 117114528 B CN117114528 B CN 117114528B CN 202310982664 A CN202310982664 A CN 202310982664A CN 117114528 B CN117114528 B CN 117114528B
Authority
CN
China
Prior art keywords
vehicle
fault
vehicles
information
unit
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
Application number
CN202310982664.1A
Other languages
English (en)
Other versions
CN117114528A (zh
Inventor
宋青松
孙江涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Jiawa Cloud Network Technology Co ltd
Original Assignee
Qingdao Jiawa Cloud Network Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao Jiawa Cloud Network Technology Co ltd filed Critical Qingdao Jiawa Cloud Network Technology Co ltd
Priority to CN202310982664.1A priority Critical patent/CN117114528B/zh
Publication of CN117114528A publication Critical patent/CN117114528A/zh
Application granted granted Critical
Publication of CN117114528B publication Critical patent/CN117114528B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0838—Historical data
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及大数据技术领域，具体为一种基于大数据的物流运输分析系统及方法，包括：物流运输监控模块、车辆信息采集模块、数据库、车辆信息分析模块和接替目标筛选模块，通过物流运输监控模块在车辆进行货物运输时进行实时监控，在车辆出现故障时采集故障车辆信息，通过车辆信息采集模块采集故障车辆出现故障时的待接替车辆信息，将采集到的全部数据传输至数据库，通过数据库存储采集到的全部数据，通过车辆信息分析模块分析利用待接替车辆接替故障车辆运输货物的适配度，通过接替目标筛选模块筛选出建议接替车辆，将建议接替车辆信息传输至监控终端，在减短故障车辆的货物运输停滞时长的同时减少了货物运输成本。

Description

一种基于大数据的物流运输分析系统及方法
技术领域
本发明涉及大数据技术领域，具体为一种基于大数据的物流运输分析系统及方法。
背景技术
目前，货运物流行业发展日益迅速，在运输货物过程中，一些重要货物可能会由于道路的冲击波动、车辆本身出现故障等情况等影响到货物本身的质量，需要在车辆运行过程中进行实时的记录和追踪，以便及时发现故障情况，调整货物运输工作，使得货物及时地被运输到目的地；
然而，现有技术中，在运输货物的车辆发生故障时，往往采用在确认故障位置后派发另外的车辆前往接替故障车辆继续运输货物，但是，对于运输行程已过半的车辆发生故障时，另外派发的车辆前往故障位置花费的时间较长，不利于尽快解决车辆故障导致货物运输停滞的问题。
所以，人们需要一种基于大数据的物流运输分析系统及方法来解决上述问题。
发明内容
本发明的目的在于提供一种基于大数据的物流运输分析系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的物流运输分析系统，所述系统包括：物流运输监控模块、车辆信息采集模块、数据库、车辆信息分析模块和接替目标筛选模块；
所述物流运输监控模块和车辆信息采集模块的输出端连接所述数据库的输入端，所述数据库的输出端连接所述车辆信息分析模块的输入端，所述车辆信息分析模块的输出端连接所述接替目标筛选模块的输入端；
所述物流运输监控模块用于在车辆进行货物运输时进行实时监控，在车辆出现故障时采集故障车辆信息，将故障车辆信息传输至所述数据库；
所述车辆信息采集模块用于采集故障车辆出现故障时的待接替车辆信息，将待接替车辆信息传输至所述数据库；
所述数据库用于存储采集到的全部数据；
所述车辆信息分析模块用于分析利用待接替车辆接替故障车辆运输货物的适配度；
所述接替目标筛选模块用于筛选出建议接替车辆，将建议接替车辆信息传输至监控终端。
进一步的，所述物流运输监控模块包括运输车辆监控单元、车辆故障预警单元和故障信息采集单元；
所述运输车辆监控单元的输出端连接所述车辆故障预警单元的输入端，所述车辆故障预警单元的输出端连接所述故障信息采集单元的输入端，所述故障信息采集单元的输出端连接所述数据库的输入端；
所述运输车辆监控单元用于对进行货物运输的车辆进行实时监控；
所述车辆故障预警单元用于在监控到车辆出现故障时发送警报信号；
所述故障信息采集单元用于采集故障车辆出现故障时的位置信息、故障车辆所运货物目的地信息以及故障车辆运输当前货物的路线信息，采集的是出现故障时运输路程已过半的车辆信息。
进一步的，所述车辆信息采集模块包括运输信息采集单元和历史路线采集单元；
所述运输信息采集单元和历史路线采集单元的输出端连接所述数据库的输入端；
所述运输信息采集单元用于采集故障车辆出现故障时，已完成货物运输并在返程中的车辆的位置信息和车辆对应驾驶人员的已连续行驶时长信息；
所述历史路线采集单元用于采集已完成货物运输并在返程中的车辆以往行驶过的路线信息。
进一步的，所述车辆信息分析模块包括车辆信息调取单元和适配度分析单元；
所述车辆信息调取单元的输入端连接所述数据库的输出端，所述车辆信息调取单元的输出端连接所述适配度分析单元的输入端；
所述车辆信息调取单元用于调取故障车辆出现故障时，已完成货物运输并在返程中的车辆的信息至所述适配度分析单元；
所述适配度分析单元用于分析利用不同车辆接替故障车辆继续运输故障车辆运输的货物的适配度。
进一步的，所述接替目标筛选模块包括适配度比较单元、接替车辆筛选单元和筛选信息传输单元；
所述适配度比较单元的输入端连接所述适配度分析单元的输出端，所述适配度比较单元的输出端连接所述接替车辆筛选单元的输入端，所述接替车辆筛选单元的输出端连接所述筛选信息传输单元的输入端；
所述适配度比较单元用于比较适配度，将车辆按适配度大小进行分组，获取最优的分组结果；
所述接替车辆筛选单元用于筛选出最优的分组结果中平均适配度最高的一组车辆作为建议接替车辆；
所述筛选信息传输单元用于将筛选出的建议接替车辆信息传输至监控终端供终端选择车辆接替故障车辆继续运输货物到目的地。
一种基于大数据的物流运输分析方法，包括以下步骤：
S1：在车辆进行货物运输时进行实时监控，在车辆出现故障时采集故障车辆信息；
S2：采集故障车辆出现故障时的待接替车辆信息；
S3：分析利用待接替车辆接替故障车辆运输货物的适配度；
S4：比较适配度，筛选出建议接替车辆；
S5：将建议接替车辆信息传输至监控终端供选择。
进一步的，在步骤S1中：采集货物匀速路程已过半的故障车辆的故障点位置以及故障时间，采集计划的故障车辆的运输路线，将故障点位置以及故障车辆的运输路线在GIS地图上进行显示。
进一步的，在步骤S2中：采集故障车辆出现故障时，已完成货物运输并在返程中的车辆的位置信息，获取到已完成货物运输并在返程中的车辆行驶到故障点的路程集合为d＝{d1，d2，…，dm}，对应车辆驾驶人员当天的已连续行驶时长集合为t＝{t1，t2，…，tm}，其中，m表示故障车辆出现故障时已完成货物运输并在返程中的车辆数量，获取对应车辆到达故障点的行驶路线，将对应车辆所在位置和行驶路线在GIS地图上进行显示，采集已完成货物运输并在返程中的车辆以往行驶过的路线信息，故障车辆出现故障时已完成货物运输并在返程中的车辆即为待接替车辆。
进一步的，在步骤S3中：生成待接替车辆从所在位置到故障点并从故障点到达故障车辆的货物运输目的地的完整路线，获取到随机一个待接替车辆以往行驶过的随机一条路线与生成的完整路线重合的曲线弧共有n条，获取到随机一条曲线弧为：y＝f(x),(a≤x≤b)，其中，a和b表示曲线弧的两个端点，根据公式计算随机一条曲线弧的长度Li，通过相同计算方式得到n条曲线弧的长度，得到随机一个待接替车辆以往行驶过的随机一条路线与生成的完整路线重合的曲线弧总长度为Dj，其中，/>统计到随机一个待接替车辆以往行驶过的所有路线与生成的完整路线重合的曲线弧总长度为we，其中，/>u表示统计的随机一个待接替车辆以往行驶过的路线数量，得到m个待接替车辆以往行驶过的所有路线与生成的完整路线重合的曲线弧总长度集合为w＝{w1，w2，…，we，…，wm}，根据下列公式计算利用随机一个待接替车辆接替故障车辆运输货物的适配度Xe：
得到利用不同待接替车辆接替故障车辆运输货物的适配度集合为X＝{X1，X2，…，
Xe，…，Xm}；
针对行驶路程已过半的车辆发生故障的情况，在已完成货物运输且在返程路途中的车辆中选择合适的车辆前往故障点接替故障车辆运输货物，若由监控终端人员随机选择接替车辆，监控终端人员无法在短时间内获取到所有接替车辆的有效信息，且没有有效的车辆数据作为参考以帮助其选择合适的接替车辆，因此，通过大数据技术采集并分析接替车辆的信息，分析不同接替车辆接替故障车辆运输货物的适配度、并将建议的接替车辆信息发送至监控终端来帮助选择接替车辆，有利于为监控终端人员提供有效的车辆信息，帮助其选择合适的车辆尽快赶往故障点运输货物，在分析适配度过程中，结合车辆到故障点的路程、车辆驾驶人员的已连续行驶时长以及车辆以往运输货物时的路线与故障车辆运输路线的重合程度分析适配度，在选择到故障点路程短的车辆的基础上，考虑到驾驶人员的疲劳程度以及对线路的熟悉程度，重合的路线越长，说明对应车辆驾驶人员对故障车辆的运输路线越熟悉，结合三方面数据分析适配度，有利于在减短故障车辆货物运输停滞时间、尽快将货物运输到目的地的同时提高了运输货物的安全性。
进一步的，在步骤S4中：将适配度按从小到大的顺序进行排列，将m个待接替车辆按排列后的适配度分为k组，其中，前一组车辆对应的适配度都小于后一组，获取到随机一种分组结果中，k组中每组车辆的适配度均值集合为R＝{R1，R2，…，Rk}，根据下列公式计算随机一种分组结果中k组适配度参数的差异程度Yf：
其中，Rv表示随机一种分组结果中，k组中第v组车辆的适配度均值，分析不同分组结果中k组适配度参数的差异程度，选择差异程度最大的分组结果作为最优的分组结果，筛选出最优的分组结果中适配度均值最高的一组车辆作为建议接替车辆；
通过将车辆按适配度大小分组、选择最优的分组结果的方式筛选出建议接替车辆，提高了筛选结果对监控终端人员选择接替车辆的可参考性和帮助性，利用现有资源寻找车辆接替故障车辆完成货物运输工作，在减短故障车辆的货物运输停滞时长的同时减少了货物运输成本。
进一步的，在步骤S5中：将筛选出的建议接替车辆信息传输至监控终端供终端选择车辆接替故障车辆继续运输货物到目的地。
与现有技术相比，本发明所达到的有益效果是：
本发明针对行驶路程已过半的车辆发生故障的情况，在已完成货物运输且在返程路途中的车辆中选择合适的车辆前往故障点接替故障车辆运输货物；通过大数据技术采集并分析接替车辆的信息，分析不同接替车辆接替故障车辆运输货物的适配度、并将建议的接替车辆信息发送至监控终端来帮助选择接替车辆，有利于为监控终端人员提供有效的车辆信息，帮助其选择合适的车辆尽快赶往故障点运输货物，在分析适配度过程中，结合车辆到故障点的路程、车辆驾驶人员的已连续行驶时长以及车辆以往运输货物时的路线与故障车辆运输路线的重合程度分析适配度，有利于在减短故障车辆货物运输停滞时间、尽快将货物运输到目的地的同时提高了运输货物的安全性；
通过将车辆按适配度大小分组、选择最优的分组结果的方式筛选出建议接替车辆，提高了筛选结果对监控终端人员选择接替车辆的可参考性和帮助性，利用现有资源寻找车辆接替故障车辆完成货物运输工作，在减短故障车辆的货物运输停滞时长的同时减少了货物运输成本。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于大数据的物流运输分析系统的结构图；
图2是本发明一种基于大数据的物流运输分析方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
下面结合图1-图2和具体实施例对本发明作进一步的说明。
实施例一：
如图1所示，本实施例提供了一种基于大数据的物流运输分析系统，系统包括：物流运输监控模块、车辆信息采集模块、数据库、车辆信息分析模块和接替目标筛选模块；
物流运输监控模块和车辆信息采集模块的输出端连接数据库的输入端，数据库的输出端连接车辆信息分析模块的输入端，车辆信息分析模块的输出端连接接替目标筛选模块的输入端；
物流运输监控模块用于在车辆进行货物运输时进行实时监控，在车辆出现故障时采集故障车辆信息，将故障车辆信息传输至数据库；
车辆信息采集模块用于采集故障车辆出现故障时的待接替车辆信息，将待接替车辆信息传输至数据库；
数据库用于存储采集到的全部数据；
车辆信息分析模块用于分析利用待接替车辆接替故障车辆运输货物的适配度；
接替目标筛选模块用于筛选出建议接替车辆，将建议接替车辆信息传输至监控终端。
物流运输监控模块包括运输车辆监控单元、车辆故障预警单元和故障信息采集单元；
运输车辆监控单元的输出端连接车辆故障预警单元的输入端，车辆故障预警单元的输出端连接故障信息采集单元的输入端，故障信息采集单元的输出端连接数据库的输入端；
运输车辆监控单元用于对进行货物运输的车辆进行实时监控；
车辆故障预警单元用于在监控到车辆出现故障时发送警报信号；
故障信息采集单元用于采集故障车辆出现故障时的位置信息、故障车辆所运货物目的地信息以及故障车辆运输当前货物的路线信息，采集的是出现故障时运输路程已过半的车辆信息。
车辆信息采集模块包括运输信息采集单元和历史路线采集单元；
运输信息采集单元和历史路线采集单元的输出端连接数据库的输入端；
运输信息采集单元用于采集故障车辆出现故障时，已完成货物运输并在返程中的车辆的位置信息和车辆对应驾驶人员的已连续行驶时长信息；
历史路线采集单元用于采集已完成货物运输并在返程中的车辆以往行驶过的路线信息。
车辆信息分析模块包括车辆信息调取单元和适配度分析单元；
车辆信息调取单元的输入端连接数据库的输出端，车辆信息调取单元的输出端连接适配度分析单元的输入端；
车辆信息调取单元用于调取故障车辆出现故障时，已完成货物运输并在返程中的车辆的信息至适配度分析单元；
适配度分析单元用于分析利用不同车辆接替故障车辆继续运输故障车辆运输的货物的适配度。
接替目标筛选模块包括适配度比较单元、接替车辆筛选单元和筛选信息传输单元；
适配度比较单元的输入端连接适配度分析单元的输出端，适配度比较单元的输出端连接接替车辆筛选单元的输入端，接替车辆筛选单元的输出端连接筛选信息传输单元的输入端；
适配度比较单元用于比较适配度，将车辆按适配度大小进行分组，获取最优的分组结果；
接替车辆筛选单元用于筛选出最优的分组结果中平均适配度最高的一组车辆作为建议接替车辆；
筛选信息传输单元用于将筛选出的建议接替车辆信息传输至监控终端供终端选择车辆接替故障车辆继续运输货物到目的地。
实施例二：
如图2所示，本实施例提供了一种基于大数据的物流运输分析方法，其基于实施例中的分析系统实现，具体包括以下步骤：
S1：在车辆进行货物运输时进行实时监控，在车辆出现故障时采集故障车辆信息，采集货物匀速路程已过半的故障车辆的故障点位置以及故障时间，采集计划的故障车辆的运输路线，将故障点位置以及故障车辆的运输路线在GIS地图上进行显示；
S2：采集故障车辆出现故障时的待接替车辆信息，采集故障车辆出现故障时，已完成货物运输并在返程中的车辆的位置信息，获取到已完成货物运输并在返程中的车辆行驶到故障点的路程集合为d＝{d1，d2，…，dm}，对应车辆驾驶人员当天的已连续行驶时长集合为t＝{t1，t2，…，tm}，其中，m表示故障车辆出现故障时已完成货物运输并在返程中的车辆数量，获取对应车辆到达故障点的行驶路线，将对应车辆所在位置和行驶路线在GIS地图上进行显示，采集已完成货物运输并在返程中的车辆以往行驶过的路线信息，故障车辆出现故障时已完成货物运输并在返程中的车辆即为待接替车辆；
例如：采集到故障车辆出现故障时，已完成货物运输并在返程中的车辆共有7个，获取到对应车辆行驶到故障点的路程集合为d＝{d1，d2，d3，d4，d5，d6，d7}＝{3，10，5，7，6，6.5，8.2}，单位为：km，对应车辆驾驶人员当天的已连续行驶时长集合为t＝{t1，t2，t3，t4，t5，t6，t7}＝{2，2.5，3，2.8，1，0.9，0.6}，单位为：小时；
S3：分析利用待接替车辆接替故障车辆运输货物的适配度，生成待接替车辆从所在位置到故障点并从故障点到达故障车辆的货物运输目的地的完整路线，获取到随机一个待接替车辆以往行驶过的随机一条路线与生成的完整路线重合的曲线弧共有n＝3条，获取到随机一条曲线弧为：其中，a和b表示曲线弧的两个端点，根据公式/>计算随机一条曲线弧的长度Li≈3.14，通过相同计算方式得到n＝3条曲线弧的长度集合为{L1，L2，L3}＝{3.14，15.20，6.40}，得到随机一个待接替车辆以往行驶过的随机一条路线与生成的完整路线重合的曲线弧总长度为Dj＝24.74，其中，/>统计到随机一个待接替车辆以往行驶过的所有路线与生成的完整路线重合的曲线弧总长度为we，其中，/>u表示统计的随机一个待接替车辆以往行驶过的路线数量，得到m个待接替车辆以往行驶过的所有路线与生成的完整路线重合的曲线弧总长度集合为w＝{w1，w2，w3，w4，w5，w6，w7}＝{30，12.2，15.7，32，36，40，19.1}，根据下列公式计算利用随机一个待接替车辆接替故障车辆运输货物的适配度Xe：
得到利用不同待接替车辆接替故障车辆运输货物的适配度集合为X＝{X1，X2，X3，X4，X5，X6，X7}＝{21.8，9.8，13.5，11.3，20.6，26.5，27.0}；
S4：比较适配度，筛选出建议接替车辆，将适配度按从小到大的顺序进行排列，将m个待接替车辆按排列后的适配度分为k组，其中，前一组车辆对应的适配度都小于后一组，获取到随机一种分组结果中，k组中每组车辆的适配度均值集合为R＝{R1，R2，…，
Rk}，根据下列公式计算随机一种分组结果中k组适配度参数的差异程度Yf：
其中，Rv表示随机一种分组结果中，k组中第v组车辆的适配度均值；
例如：将车辆分为3组，获取到随机一种分组结果中每组车辆的适配度分别为{9.8，11.3}、{13.5，20.6}、{21.8，26.5，27.0}，获取到k组中每组车辆的适配度均值集合为R＝{R1，R2，R3}＝{10.55，17.05，25.1}，计算得到差异程度Yf≈5.95；
分析不同分组结果中k组适配度参数的差异程度，选择差异程度最大的分组结果作为最优的分组结果，筛选出最优的分组结果中适配度均值最高的一组车辆作为建议接替车辆；
得到差异程度最大的分组结果为{9.8，11.3，13.5}、{20.6，21.8}、{26.5，27.0}，筛选出第六、第七辆车作为建议接替车辆；
S5：将筛选出的建议接替车辆信息传输至监控终端供终端选择车辆接替故障车辆继续运输货物到目的地。
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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保护范围之内。

Claims (8)

1.一种基于大数据的物流运输分析方法，其特征在于：包括以下步骤：
S1：在车辆进行货物运输时进行实时监控，在车辆出现故障时采集故障车辆信息；
S2：采集故障车辆出现故障时的待接替车辆信息；
S3：分析利用待接替车辆接替故障车辆运输货物的适配度；
S4：比较适配度，筛选出建议接替车辆；
S5：将建议接替车辆信息传输至监控终端供选择；
在步骤S1中：采集货物匀速路程已过半的故障车辆的故障点位置以及故障时间，采集计划的故障车辆的运输路线，将故障点位置以及故障车辆的运输路线在GIS地图上进行显示；
在步骤S2中：采集故障车辆出现故障时，已完成货物运输并在返程中的车辆的位置信息，获取到已完成货物运输并在返程中的车辆行驶到故障点的路程集合为d＝{d1，d2，…，dm}，对应车辆驾驶人员当天的已连续行驶时长集合为t＝{t1，t2，…，tm}，其中，m表示故障车辆出现故障时已完成货物运输并在返程中的车辆数量，获取对应车辆到达故障点的行驶路线，将对应车辆所在位置和行驶路线在GIS地图上进行显示，采集已完成货物运输并在返程中的车辆以往行驶过的路线信息，故障车辆出现故障时已完成货物运输并在返程中的车辆即为待接替车辆；
在步骤S3中：生成待接替车辆从所在位置到故障点并从故障点到达故障车辆的货物运输目的地的完整路线，获取到随机一个待接替车辆以往行驶过的随机一条路线与生成的完整路线重合的曲线弧共有n条，获取到随机一条曲线弧为：y＝f(x),(a≤x≤b)，其中，a和b表示曲线弧的两个端点，根据公式计算随机一条曲线弧的长度Li，通过相同计算方式得到n条曲线弧的长度，得到随机一个待接替车辆以往行驶过的随机一条路线与生成的完整路线重合的曲线弧总长度为Dj，其中，/>统计到随机一个待接替车辆以往行驶过的所有路线与生成的完整路线重合的曲线弧总长度为we，其中，u表示统计的随机一个待接替车辆以往行驶过的路线数量，得到m个待接替车辆以往行驶过的所有路线与生成的完整路线重合的曲线弧总长度集合为w＝{w1，w2，…，we，…，wm}，根据下列公式计算利用随机一个待接替车辆接替故障车辆运输货物的适配度Xe：
得到利用不同待接替车辆接替故障车辆运输货物的适配度集合为X＝{X1，X2，…，Xe，…，Xm}。
2.根据权利要求1所述的一种基于大数据的物流运输分析方法，其特征在于：在步骤S4中：将适配度按从小到大的顺序进行排列，将m个待接替车辆按排列后的适配度分为k组，其中，前一组车辆对应的适配度都小于后一组，获取到随机一种分组结果中，k组中每组车辆的适配度均值集合为R＝{R1，R2，…，Rk}，根据下列公式计算随机一种分组结果中k组适配度参数的差异程度Yf：
其中，Rv表示随机一种分组结果中，k组中第v组车辆的适配度均值，分析不同分组结果中k组适配度参数的差异程度，选择差异程度最大的分组结果作为最优的分组结果，筛选出最优的分组结果中适配度均值最高的一组车辆作为建议接替车辆。
3.根据权利要求2所述的一种基于大数据的物流运输分析方法，其特征在于：在步骤S5中：将筛选出的建议接替车辆信息传输至监控终端供终端选择车辆接替故障车辆继续运输货物到目的地。
4.一种基于大数据的物流运输分析系统，应用于如权利要求1所述的一种基于大数据的物流运输分析方法，其特征在于：所述系统包括：物流运输监控模块、车辆信息采集模块、数据库、车辆信息分析模块和接替目标筛选模块；
所述物流运输监控模块和车辆信息采集模块的输出端连接所述数据库的输入端，所述数据库的输出端连接所述车辆信息分析模块的输入端，所述车辆信息分析模块的输出端连接所述接替目标筛选模块的输入端；
所述物流运输监控模块用于在车辆进行货物运输时进行实时监控，在车辆出现故障时采集故障车辆信息，将故障车辆信息传输至所述数据库；
所述车辆信息采集模块用于采集故障车辆出现故障时的待接替车辆信息，将待接替车辆信息传输至所述数据库；
所述数据库用于存储采集到的全部数据；
所述车辆信息分析模块用于分析利用待接替车辆接替故障车辆运输货物的适配度；
所述接替目标筛选模块用于筛选出建议接替车辆，将建议接替车辆信息传输至监控终端。
5.根据权利要求4所述的一种基于大数据的物流运输分析系统，其特征在于：所述物流运输监控模块包括运输车辆监控单元、车辆故障预警单元和故障信息采集单元；
所述运输车辆监控单元的输出端连接所述车辆故障预警单元的输入端，所述车辆故障预警单元的输出端连接所述故障信息采集单元的输入端，所述故障信息采集单元的输出端连接所述数据库的输入端；
所述运输车辆监控单元用于对进行货物运输的车辆进行实时监控；
所述车辆故障预警单元用于在监控到车辆出现故障时发送警报信号；
所述故障信息采集单元用于采集故障车辆出现故障时的位置信息、故障车辆所运货物目的地信息以及故障车辆运输当前货物的路线信息。
6.根据权利要求4所述的一种基于大数据的物流运输分析系统，其特征在于：所述车辆信息采集模块包括运输信息采集单元和历史路线采集单元；
所述运输信息采集单元和历史路线采集单元的输出端连接所述数据库的输入端；
所述运输信息采集单元用于采集故障车辆出现故障时，已完成货物运输并在返程中的车辆的位置信息和车辆对应驾驶人员的已连续行驶时长信息；
所述历史路线采集单元用于采集已完成货物运输并在返程中的车辆以往行驶过的路线信息。
7.根据权利要求6所述的一种基于大数据的物流运输分析系统，其特征在于：所述车辆信息分析模块包括车辆信息调取单元和适配度分析单元；
所述车辆信息调取单元的输入端连接所述数据库的输出端，所述车辆信息调取单元的输出端连接所述适配度分析单元的输入端；
所述车辆信息调取单元用于调取故障车辆出现故障时，已完成货物运输并在返程中的车辆的信息至所述适配度分析单元；
所述适配度分析单元用于分析利用不同车辆接替故障车辆继续运输故障车辆运输的货物的适配度。
8.根据权利要求7所述的一种基于大数据的物流运输分析系统，其特征在于：所述接替目标筛选模块包括适配度比较单元、接替车辆筛选单元和筛选信息传输单元；
所述适配度比较单元的输入端连接所述适配度分析单元的输出端，所述适配度比较单元的输出端连接所述接替车辆筛选单元的输入端，所述接替车辆筛选单元的输出端连接所述筛选信息传输单元的输入端；
所述适配度比较单元用于比较适配度，将车辆按适配度大小进行分组，获取最优的分组结果；
所述接替车辆筛选单元用于筛选出最优的分组结果中平均适配度最高的一组车辆作为建议接替车辆；
所述筛选信息传输单元用于将筛选出的建议接替车辆信息传输至监控终端供终端选择车辆接替故障车辆继续运输货物到目的地。
CN202310982664.1A 2023-08-07 2023-08-07 一种基于大数据的物流运输分析系统及方法 Active CN117114528B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310982664.1A CN117114528B (zh) 2023-08-07 2023-08-07 一种基于大数据的物流运输分析系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310982664.1A CN117114528B (zh) 2023-08-07 2023-08-07 一种基于大数据的物流运输分析系统及方法

Publications (2)

Publication Number Publication Date
CN117114528A CN117114528A (zh) 2023-11-24
CN117114528B true CN117114528B (zh) 2024-04-26

Family

ID=88811942

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310982664.1A Active CN117114528B (zh) 2023-08-07 2023-08-07 一种基于大数据的物流运输分析系统及方法

Country Status (1)

Country Link
CN (1) CN117114528B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1329738A (zh) * 1998-12-09 2002-01-02 富士通株式会社 车载车辆引导设备、通信服务器系统、及代用车辆引导系统
CN112686605A (zh) * 2020-12-30 2021-04-20 四川全网运通物流科技有限公司 一种物流车辆故障应急匹配处理系统
CN115409398A (zh) * 2022-09-06 2022-11-29 珠海格力电器股份有限公司 车辆调度方法、装置、电子设备及可读介质
CN115600713A (zh) * 2022-01-04 2023-01-13 苏州凌归物流科技有限公司（Cn） 基于物流货代与交通传感器联合调度系统
KR20230020028A (ko) * 2021-08-02 2023-02-10 주식회사 테크코드 이차전지 건상상태 모니터링 및 분석

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11403724B2 (en) * 2015-02-27 2022-08-02 Transportation Ip Holdings, Llc Vehicle control system and methods
CN106506645B (zh) * 2016-11-10 2019-11-22 中车青岛四方机车车辆股份有限公司 轨道车辆的监控方法和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1329738A (zh) * 1998-12-09 2002-01-02 富士通株式会社 车载车辆引导设备、通信服务器系统、及代用车辆引导系统
CN112686605A (zh) * 2020-12-30 2021-04-20 四川全网运通物流科技有限公司 一种物流车辆故障应急匹配处理系统
KR20230020028A (ko) * 2021-08-02 2023-02-10 주식회사 테크코드 이차전지 건상상태 모니터링 및 분석
CN115600713A (zh) * 2022-01-04 2023-01-13 苏州凌归物流科技有限公司（Cn） 基于物流货代与交通传感器联合调度系统
CN115409398A (zh) * 2022-09-06 2022-11-29 珠海格力电器股份有限公司 车辆调度方法、装置、电子设备及可读介质

Also Published As

Publication number Publication date
CN117114528A (zh) 2023-11-24

Similar Documents

Publication Publication Date Title
CN1129800C (zh) 确定车辆行驶路线的方法和系统
CN107944797B (zh) 运输任务的监控方法、装置及系统
US5948042A (en) Method and system for updating digital road maps
US20060089787A1 (en) Traffic scheduling system
US5666109A (en) Vehicle to roadside communication system for determining equipment problems
CN101965601A (zh) 驾驶辅助装置、驾驶辅助方法及驾驶辅助程序
CN113570864B (zh) 一种电动自行车行驶路径匹配方法、设备及存储介质
CN112509356A (zh) 一种车辆行驶路线生成方法及系统
CN108099961A (zh) 一种列车的电子化行车系统
CN111062655A (zh) 一种异常物流运单的识别方法、装置及系统
DE102015212027A1 (de) Verfahren und Vorrichtung zum automatischen Ermitteln von Verkehrsregelungen an Straßenkreuzungen
CN112288353A (zh) 一种物流运输监控系统
CN109272603A (zh) 车辆故障分析数据库及构建方法、故障预测方法、故障预测系统
CN117114528B (zh) 一种基于大数据的物流运输分析系统及方法
Barabino et al. Diagnosis of irregularity sources by automatic vehicle location data
CN116868248A (zh) 用于受基础设施支持地辅助多个机动车的方法
US11574537B2 (en) Ascertaining a number of traffic lanes and lane markings on road segments
EP1782358A1 (de) Verfahren zur automatischen analyse von transportabläufen
CN116704751B (zh) 一种基于大数据的车辆智能监控预警系统及方法
JP2012221168A (ja) 走行情報演算装置、ナビゲーションシステムおよび走行情報演算方法
CN113673815A (zh) 基于车辆数据处理的矿车调度方法及装置
CN115909734A (zh) 一种基于轨迹大数据的车辆行驶数据筛选更新系统及其方法
CN115620509A (zh) 根据轨迹数据识别连接模式、控制器、计算机程序以及存储介质
CN113837691A (zh) 一种车辆偏航检测方法、装置、设备及存储介质
CN115019532A (zh) 一种基于客运数据的公路安全隐患自动识别与预警系统

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