CN117273245B - 一种物流运输成本管理智能优化方法及系统 - Google Patents

Abstract

本发明公开了一种物流运输成本管理智能优化方法及系统，涉及物流运输技术领域，该系统包括依次运行的运输需求模块、实时数据采集模块、状态智能计算模块、评估分析模块以及响应动作模块；其技术要点为：利用状态智能计算模块采集到的各个数据，并以对应的数据为依据，经过计算生成所需的状态系数，经过初次与对应阈值的对比，根据情况完成提醒或提示操作，依据各个状态系数，得到预计成本评估指标，该指标综合考虑了驾驶员状态因素、货物状态以及载具状态因素，确保预计成本评估指标的准确性和有效性，依据该预计成本评估指标与评估阈值进行对比，能够及时的对驾驶员提供预警信号，在保证运输安全的前提下，降低了运输成本。

Description

一种物流运输成本管理智能优化方法及系统

技术领域

本发明涉及物流运输技术领域，具体为一种物流运输成本管理智能优化方法及系统。

背景技术

物流运输是指将货物从一个地点运送到另一个地点的过程，它是供应链管理中的重要环节，涉及货物的收集、包装、运输、分拣、储存和交付等环节，物流运输涉及多种运输方式，例如陆路运输（如卡车、火车），水路运输（如船舶）、航空运输（如飞机）以及管道运输等，物流运输的目标是高效、安全地将货物运送至目的地，以满足供应链的需求。

现有授权公告号为CN112288374B，名称为基于云计算的智慧供应链物流智能优化管理系统的专利中指出的技术方案为：包括供应方下单物流记录筛选模块、下单物流信息获取模块、物流运输参数收集模块、收货方收货参数收集模块、运输品质系数分析模块和智能推荐终端，本通过从供应方的下单物流记录中筛选各候选物流方，并获取各候选物流方的平均物流运输时长、平均总运输成本、运输包装损坏率和好评率，根据以上统计各候选物流方的运输品质系数，以此对各候选物流方进行排序，从而向供应方推荐品质最佳的物流方。

现有申请公布号为CN116822745A，名称为一种物流成本管理优化系统的专利中指出的技术方案包括：特点获取模块，用于获取当前企业的物流信息；数据调用模块，用于根据企业的物流信息，在数据库中选择对应的数据，以进行对比分析；物流成本获取模块，用于获取当前企业的物流成本明细表，所述物流成本明细表具有费用项目及对应数目；信息分析模块，用于根据物流成本明细表，选取典型费用项目；实证获取模块，用于将选取的典型费用项目生成问卷，并通过问卷获取相关受访者意见；问题关联模块，根据企业的物流信息和问卷调查的评价结果，匹配相对应的问题；管理优化模块，根据企业的问题，匹配对应的物流成本管理优化方案。本发明将物流成本管理优化方法系统化，辅助管理人员进行物流管理优化。

然而，针对上述专利结合现有技术，传统在对物流运输进行成本优化管理过程中，没有更加侧重考虑运输的安全性，对于一些情况下，运输过程会存在隐患或是风险，虽然在单次运输过程中没有产生危险的情况，但由于长时间的运输作业，若是出现一次危险或风险，则会导致人员伤亡或是货物损坏，从而大大增加运输成本。

发明内容

（一）解决的技术问题

针对现有技术的不足，本发明提供了一种物流运输成本管理智能优化方法及系统，利用状态智能计算模块采集到的各个数据，并以对应的数据为依据，经过计算生成所需的状态系数，经过初次与对应阈值的对比，可以根据情况完成提醒或提示操作，依据各个状态系数，可以得到预计成本评估指标，该指标综合考虑了驾驶员状态因素、货物状态以及载具状态因素，确保预计成本评估指标的准确性和有效性，依据该预计成本评估指标与评估阈值进行对比，能够及时的对驾驶员提供预警信号，在保证运输安全的前提下，降低了运输成本，解决了背景技术中提出的问题。

（二）技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种物流运输成本管理智能优化方法及系统，包括：

运输需求模块，收集确定运输的需求数据；

实时数据采集模块，依据需求数据中的导航路线，获取导航路线上的环境数据、驾驶员相关数据、运输车厢相关数据以及运输载具数据；

状态智能计算模块，搭建数据分析模型，依据驾驶员相关数据和环境数据，生成人 体状态系数，依据运输车厢相关数据，生成货物状态系数，依据运输载具数据和环 境数据，生成运输载具状态系数；状态智能计算模块还包括提示单元，在对应的状态系 数超过预定的对应阈值时，则完成提醒操作；

评估分析模块，二次搭建数据分析模型，依据状态智能计算模块获取的人体状态 系数、货物状态系数以及运输载具状态系数，生成预计成本评估指标；

响应动作模块，获取各个连续时刻t下的预计成本评估指标趋势图，并将各 个时刻t的预计成本评估指标均与预设的评估阈值mol进行对比，若是连续两个时刻 下的预计成本评估指标均超过评估阈值mol，则发出预警信号，反之，则不做响应。

进一步的，在运输需求模块中的需求数据包括货物类型、运输距离、发送起点和终点以及导航线路，且货物类型仅限于工业器材。

进一步的，在实时数据采集模块中，环境数据包括厢外温度、厢外湿度以及厢外风速，驾驶员相关数据包括对应驾驶员的驾驶时间和实时心率，运输车厢相关数据包括在货车车厢内监测到的货物位移量和运输车厢内环境数据集，且运输车厢内环境数据集包括厢内温度和厢内湿度，运输载具数据包括载具的使用时长和最近一年的故障率。

进一步的，在评估分析模块中，获取人体状态系数的过程为：

S101、对驾驶员相关数据和环境数据做无量纲化处理；

S102、生成人体状态系数所依据的公式如下：

式中，表示人体状态系数，分别表示驾驶员相关数据中的驾驶时间和 实时心率，、分别为驾驶时间和实时心率的预设比例系数，且01，01，且，表示环境指数，作为修正值计算，分别表示环境数据为中的 厢外温度、厢外湿度以及厢外风速，分别表示厢外温度、厢外湿度以及厢外风速的 预设比例系数，且，t表示对应时刻的编号，且t=1、2、…、n，n为正整数。

进一步的，在评估分析模块中，依据运输车厢相关数据，生成货物状态系数，所依据的公式如下：

式中，表示货物状态系数，分别表示货物位移量、厢内温度和 厢内湿度，且分别表示货物位移量、厢内温度和厢内湿度的预设比例系数，且。

进一步的，在评估分析模块中，依据运输载具数据和环境数据，生成运输载具状态系数，所依据的公式如下：

式中，表示运输载具状态系数，分别表示载具的使用时长和载具最近 一年的故障率，且分别表示载具的使用时长、载具最近一年的故障率和环境指 数的预设比例系数，且。

进一步的，在提示单元中，在人体状态系数超过预定的临界阈值时，则完成对 驾驶员的提示；在货物状态系数超过预定的标准阈值时，则发送一级警示信号；在运输载具 状态系数超过预定的相关阈值时，则发送二级警示信号。

进一步的，在评估分析模块，生成预计成本评估指标，所依据的公式如下：

式中，分别为人体状态系数、货物状态系数以及运输载具状态系数的权 重，且，G为常数修正系数，且，int为取整函数。

一种物流运输成本管理智能优化方法，包括如下步骤：

步骤一、收集确定运输的需求数据，包括货物类型、运输距离、发送起点和终点以及导航线路，且货物类型仅限于工业器材；

步骤二、依据需求数据中的导航路线，获取导航路线上的环境数据、驾驶员相关数据、运输车厢相关数据以及运输载具数据，环境数据包括厢外温度、厢外湿度以及厢外风速，驾驶员相关数据包括对应驾驶员的驾驶时间和实时心率，运输车厢相关数据包括在货车车厢内监测到的货物位移量和运输车厢内环境数据集，且运输车厢内环境数据集包括厢内温度和厢内湿度，运输载具数据包括载具的使用时长和最近一年的故障率；

步骤三、搭建数据分析模型，依据驾驶员相关数据和环境数据，生成人体状态系数，依据运输车厢相关数据，生成货物状态系数，依据运输载具数据和环境数据，生 成运输载具状态系数，在对应的状态系数超过预定的对应阈值时，则完成提醒操作；

步骤四、二次搭建数据分析模型，依据状态智能计算模块获取的人体状态系数、货物状态系数以及运输载具状态系数，生成预计成本评估指标；

步骤五、获取各个连续时刻t下的预计成本评估指标趋势图，并将各个时刻t 的预计成本评估指标均与预设的评估阈值mol进行对比，若是连续两个时刻下的预计 成本评估指标均超过评估阈值mol，则发出预警信号，反之，则不做响应。

（三）有益效果

本发明提供了一种物流运输成本管理智能优化方法及系统，具备以下有益效果：

1、 本发明通过设计相互配合的实时数据采集模块与状态智能计算模块，利用状态智能计算模块采集到的各个数据，并以对应的数据为依据，经过计算生成所需的状态系数，经过初次与对应阈值的对比，可以根据情况完成提醒或提示操作，实时监控运输货车和货物的状态，即使提供的反馈提醒，可以优化运输过程和降低运输风险，在保证运输安全性的基础上，降低物流成本；

2、 本发明通过在状态智能计算模块的基础上增设评估分析模块，依据各个状态系数，可以得到预计成本评估指标，该指标综合考虑了驾驶员状态因素、货物状态以及载具状态因素，确保预计成本评估指标的准确性和有效性，依据该预计成本评估指标与评估阈值进行对比，能够及时的对驾驶员提供预警信号，以提示驾驶员更换其他导航路线，实现脱离恶劣天气的操作，进一步确保了运输过程的安全性。

附图说明

图1为本发明物流运输成本管理智能优化系统的模块化结构示意图；

图2为本发明物流运输成本管理智能优化方法的整体流程图。

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、完整的描述，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。

实施例1：请参阅图1，本发明提供一种物流运输成本管理智能优化系统，该系统包括依次运行的运输需求模块、实时数据采集模块、状态智能计算模块、评估分析模块以及响应动作模块，且整个系统运用于通过货车运输工业器材的固定场景中；

其中，运输需求模块，收集确定运输的需求数据，且需求数据包括货物类型、运输距离、发送起点和终点以及导航线路，本申请中的货物类型仅限于工业器材，不包括任何需要或是不需要冷冻的食物，实际的运输距离根据发送起点至终点的导航路线计算，且发送起点至终点的导航路线至少为两条，在导航路线的中途也存在其他备用路线，以应对不同的环境情况。

实时数据采集模块，依据需求数据中的导航路线，获取导航路线上的环境数据、驾驶员相关数据、运输车厢相关数据以及运输载具数据；

环境数据为运输车厢外环境数据，运输车厢外环境数据包括车厢外的温度、湿度和风速，即厢外温度、厢外湿度以及厢外风速，通过在车厢外安装温湿度传感器以及风速传感器可以直接获取所需的厢外温度、厢外湿度以及厢外风速；

驾驶员相关数据包括对应驾驶员的驾驶时间和实时心率，该处的驾驶时间和实时心率通过在驾驶员的手腕处佩戴监测手环，实时获取驾驶员驾驶的时长，即驾驶时间和驾驶员的实时心率，该监测手环技术成熟，故在此不多做赘述；

运输车厢相关数据包括在货车车厢内监测到的货物位移量和运输车厢内环境数据集，货物位移量是通过在车厢内安装摄像头获取，该摄像头可以使用计算机视觉技术来获取检测物品的位移量，其中一种常用的技术是光流法，它利用连续帧之间的像素变化来计算物体在图像上的运动向量，通过分析像素的强度变化，可以估计出物体的速度和位移量；此外，还有其他一些技术可以用于位移检测，例如基于特征点的跟踪、结构光、深度摄像等技术，这些技术可以根据具体的监测需求和环境条件选择适合的方法；运输车厢内环境数据集包括车厢内的温度和湿度，即厢内温度和厢内湿度，通过会在车厢内配备温湿度监测器完成对车厢内温、湿度的实时监测处理，以直接获取所需的厢内温度和厢内湿度。

运输载具数据包括载具的使用时长和最近一年的故障率，且载具的使用时长和最近一年的故障率均可能通过记录获取，其中，载具记录：车辆的使用时长可以通过载具的日常使用记录来获得，这包括行驶里程、使用时间，即使用时长、维修记录，这些数据可以通过车辆的计算机系统、行驶里程仪或其他记录设备进行获取；载具维修和故障记录：最近一年的故障率可以通过维修和故障记录来获取，车辆维修记录中包含了修理的项目、时间和维修次数，通过统计这些数据，可以计算出故障率，即故障次数除以货车的总里程。

状态智能计算模块，搭建数据分析模型，依据驾驶员相关数据和环境数据，生成人体状态系数，该系数反映了驾驶员的疲劳度，依据该系数来提醒更换驾驶员，以保证物料运输过程中的安全性，且获取人体状态系数的过程为：

S101、对驾驶员相关数据和环境数据做无量纲化处理，以去除数据单位；

S102、生成人体状态系数所依据的公式如下：

式中，表示人体状态系数，分别表示驾驶员相关数据中的驾驶时间和 实时心率，、分别为驾驶时间和实时心率的预设比例系数，且01，01，且，表示环境指数，作为修正值计算，分别表示环境数据为中的 厢外温度、厢外湿度以及厢外风速，分别表示厢外温度、厢外湿度以及厢外风速的 预设比例系数，且，t表示对应时刻的编号，且t=1、2、…、n，n为正整数。

具体的，上述公式（1）获取的为实时的人体状态系数，在对驾驶时间和实时心 率进行加权计算后，与作为修正值的环境指数相减，以得到修正后的人体状态系数，对厢外 温度变化：高温或低温都可能对驾驶员的疲劳度产生影响，高温下，车内温度升高会增加驾 驶员的体力消耗，增加疲劳感，低温下，寒冷的环境可能导致驾驶员肢体僵硬，影响反应速 度和注意力；厢外风速变化：强风会增加车辆的稳定性挑战，需要驾驶员付出更多的精力和 注意力来保持控制，同时，强风还可能引起车辆的侧风推力，增加驾驶的难度，容易导致疲 劳和压力；厢外湿度变化：高湿度环境可能导致驾驶员感到不适和疲劳，特别是在空调不足 或故障的情况下，湿度会加重不适感；综上，这些环境因素的变化会影响到驾驶条件和驾驶 的舒适性，间接地影响到驾驶员的疲劳度，故将环境指数作为修正值来进行计算和处理，另 外，驾驶时间和实时心率越大，则人体状态系数越大，对应驾驶员越疲劳；上述公式（2）则是 通过加权平均的计算方式获取所需的环境指数，厢外温度、厢外湿度以及厢外风速越大，则 环境指数越大，环境的恶劣程度越高。

依据运输车厢相关数据，生成货物状态系数，所依据的公式如下：

式中，表示货物状态系数，分别表示货物位移量、厢内温度和 厢内湿度，且分别表示货物位移量、厢内温度和厢内湿度的预设比例系数，且，货物位移量、厢内温度和厢内湿度也需要提前进行无量纲化处理，以去 除单位。

具体的，上述公式中对厢内温度和厢内湿度进行累加后开平方是为了减小所得数 值，确保该最终数值的合理性，一般而言，货物位移量为0，故不做考虑，对于，则是为了减小分母的取值，并与货物位移量、厢内温度和厢内湿度综合 考虑计算，货物位移量、厢内温度和厢内湿度越大，则货物状态系数越大，表示货物状态也 不稳定。

依据运输载具数据和环境数据，生成运输载具状态系数，所依据的公式如下：

式中，表示运输载具状态系数，分别表示载具的使用时长和载具最近 一年的故障率，且分别表示载具的使用时长、载具最近一年的故障率和环境指 数的预设比例系数，且，该处的载具的使用时长和载具最近一年的故障率 也需要提前进行无量纲化处理。

具体的，运输载具状态系数是通过综合考虑运输载具数据和环境指数获取的，此时的环境指数则作为影响因素，在导航线路中物流运输所消耗的汽油在预定区间内，即使存在改换线路，也均会处于该预定区间内，对于整体的运输成本而言，影响较小，该处的载具的使用时长、载具最近一年的故障率和环境指数越大，则运输载具状态系数越大，表示载具的运行状态也不稳定。

状态智能计算模块还包括提示单元，在人体状态系数超过预定的临界阈值时，则完成对驾驶员的提示，通过语音设备发出“请替换驾驶”的提示音，以提醒驾驶员与副驾驶员进行相互替换，从而保证物流运输过程中的安全性；

在货物状态系数超过预定的标准阈值时，则发送一级警示信号，以提醒驾驶员对运输车厢进行检查，检查内容包括检测厢内温度、厢内湿度以及货物位移量，驾驶员控制车厢内安装的空调机以确保厢内温度、厢内湿度在预设的区间内，同时确保货物被打包固定完全；

在运输载具状态系数超过预定的相关阈值时，则发送二级警示信号，以提示驾驶员对运输货车进行检查，通过调试货车的各功能器件，确保货车无故障。

评估分析模块，二次搭建数据分析模型，依据状态智能计算模块获取的人体状态 系数、货物状态系数以及运输载具状态系数，生成预计成本评估指标，所依据的公式 如下：

式中，分别为人体状态系数、货物状态系数以及运输载具状态系数的权 重，且，G为常数修正系数，其具体值可由用户调整设置，或者由分析函数拟 合生成，且，int为取整函数。

需要说明的是：本领域技术人员采集多组样本数据并对每一组样本数据设定对应的预设比例系数；将设定的预设比例系数，可以是预设比例系数和采集的样本数据代入公式，任意三个公式构成三元一次方程组，将计算得到的系数进行筛选并取均值，得到的取值；系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的预设比例系数，也可说是根据实际进行预设规定的，只要不影响参数与量化后数值的比例关系即可，对于其他公式中说明的预设比例系数、常数修正系数中，也同样采取上述的说明；

具体的，上述得到预计成本评估指标综合考虑了驾驶员状态因素、货物状态以及载具状态因素，在人体状态系数、货物状态系数以及运输载具状态系数越大时，预计成本评估指标也越大，表示由于各个因素带来的预计成本也越大；上述通过设计相互配合的实时数据采集模块与状态智能计算模块，利用状态智能计算模块采集到的各个数据，并以对应的数据为依据，经过计算生成所需的状态系数，经过初次与对应阈值的对比，可以根据情况完成提醒或提示操作，实时监控运输货车和货物的状态，及时提供的反馈提醒，可以优化运输过程和降低运输风险，在保证运输安全性的基础上，降低物流成本。

响应动作模块，获取各个连续时刻下的预计成本评估指标趋势图，并将各个 时刻的预计成本评估指标均与预设的评估阈值mol进行对比，若是连续两个时刻下的 预计成本评估指标均超过评估阈值mol，则系统发出预警信号，提示驾驶员更换其他 导航路线，以脱离对应的恶劣天气，若是不存在连续两个时刻下的预计成本评估指标 均超过评估阈值mol，则系统不做响应。

具体的，通过在状态智能计算模块的基础上增设评估分析模块，依据各个状态系数，可以得到预计成本评估指标，该指标综合考虑了驾驶员状态因素、货物状态以及载具状态因素，确保预计成本评估指标的准确性和有效性，依据该预计成本评估指标与评估阈值进行对比，能够及时的对驾驶员提供预警信号，以提示驾驶员更换其他导航路线，实现脱离恶劣天气的操作，进一步确保了运输过程的安全性。

实施例2：请参阅图2，本发明提供一种物流运输成本管理智能优化方法，包括如下步骤：

步骤一、收集确定运输的需求数据，包括货物类型、运输距离、发送起点和终点以及导航线路，且货物类型仅限于工业器材；

步骤二、依据需求数据中的导航路线，获取导航路线上的环境数据、驾驶员相关数据、运输车厢相关数据以及运输载具数据，环境数据包括厢外温度、厢外湿度以及厢外风速，驾驶员相关数据包括对应驾驶员的驾驶时间和实时心率，运输车厢相关数据包括在货车车厢内监测到的货物位移量和运输车厢内环境数据集，且运输车厢内环境数据集包括厢内温度和厢内湿度，运输载具数据包括载具的使用时长和最近一年的故障率；

步骤三、搭建数据分析模型，依据驾驶员相关数据和环境数据，生成人体状态系数，依据运输车厢相关数据，生成货物状态系数，依据运输载具数据和环境数据，生 成运输载具状态系数，在对应的状态系数超过预定的对应阈值时，则完成提醒操作；

步骤四、二次搭建数据分析模型，依据状态智能计算模块获取的人体状态系数、货物状态系数以及运输载具状态系数，生成预计成本评估指标；

步骤五、获取各个连续时刻t下的预计成本评估指标趋势图，并将各个时刻t 的预计成本评估指标均与预设的评估阈值mol进行对比，若是连续两个时刻下的预计 成本评估指标均超过评估阈值mol，则发出预警信号，反之，则不做响应。

在申请中，所述涉及到的若干个公式均是去量纲后取其数值计算，而所述公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，预设的各个阈值则是由本领域的技术人员根据实际情况进行设置，可根据需要进行更换或修改。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件，或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。

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，既可以位于一个地方，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。

以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。

Claims (6)

1.一种物流运输成本管理智能优化系统，其特征在于，包括：

运输需求模块，收集确定运输的需求数据；

实时数据采集模块，依据需求数据中的导航路线，获取导航路线上的环境数据、驾驶员相关数据、运输车厢相关数据以及运输载具数据；

状态智能计算模块，搭建数据分析模型，依据驾驶员相关数据和环境数据，生成人体状态系数，依据运输车厢相关数据，生成货物状态系数/>，依据运输载具数据和环境数据，生成运输载具状态系数/>；状态智能计算模块还包括提示单元，在对应的状态系数超过预定的对应阈值时，则完成提醒操作；

在评估分析模块中，获取人体状态系数的过程为：

S101、对驾驶员相关数据和环境数据做无量纲化处理；

S102、生成人体状态系数所依据的公式如下：

；

式中，表示人体状态系数，/>分别表示驾驶员相关数据中的驾驶时间和实时心率，/>、/>分别为驾驶时间和实时心率的预设比例系数，且0/>1，0/>1，且，/>表示环境指数，作为修正值计算，/>分别表示环境数据为中的厢外温度、厢外湿度以及厢外风速，/>分别表示厢外温度、厢外湿度以及厢外风速的预设比例系数，且/>，t表示对应时刻的编号，且t=1、2、…、n，n为正整数；

依据运输车厢相关数据，生成货物状态系数，所依据的公式如下：

；

式中，表示货物状态系数，/>分别表示货物位移量、厢内温度和厢内湿度，且/>分别表示货物位移量、厢内温度和厢内湿度的预设比例系数，且；

依据运输载具数据和环境数据，生成运输载具状态系数，所依据的公式如下：

；

式中，表示运输载具状态系数，/>分别表示载具的使用时长和载具最近一年的故障率，且/>分别表示载具的使用时长、载具最近一年的故障率和环境指数的预设比例系数，且/>；

评估分析模块，二次搭建数据分析模型，依据状态智能计算模块获取的人体状态系数、货物状态系数/>以及运输载具状态系数/>，生成预计成本评估指标/>；

响应动作模块，获取各个连续时刻t下的预计成本评估指标趋势图，并将各个时刻t的预计成本评估指标/>均与预设的评估阈值mol进行对比，若是连续两个时刻下的预计成本评估指标/>均超过评估阈值mol，则发出预警信号，反之，则不做响应。

2.根据权利要求1所述的一种物流运输成本管理智能优化系统，其特征在于：在运输需求模块中的需求数据包括货物类型、运输距离、发送起点和终点以及导航线路，且货物类型仅限于工业器材。

3.根据权利要求2所述的一种物流运输成本管理智能优化系统，其特征在于：在实时数据采集模块中，环境数据包括厢外温度、厢外湿度以及厢外风速，驾驶员相关数据包括对应驾驶员的驾驶时间和实时心率，运输车厢相关数据包括在货车车厢内监测到的货物位移量和运输车厢内环境数据集，且运输车厢内环境数据集包括厢内温度和厢内湿度，运输载具数据包括载具的使用时长和最近一年的故障率。

4.根据权利要求3所述的一种物流运输成本管理智能优化系统，其特征在于：在提示单元中，在人体状态系数超过预定的临界阈值时，则完成对驾驶员的提示；在货物状态系数超过预定的标准阈值时，则发送一级警示信号；在运输载具状态系数超过预定的相关阈值时，则发送二级警示信号。

5.根据权利要求4所述的一种物流运输成本管理智能优化系统，其特征在于：在评估分析模块，生成预计成本评估指标，所依据的公式如下：

；

式中，分别为人体状态系数、货物状态系数以及运输载具状态系数的权重，且，G为常数修正系数，且/>，int为取整函数。

6.一种物流运输成本管理智能优化方法，使用权利要求1至5中的任一种所述系统，其特征在于：包括如下步骤：

步骤一、收集确定运输的需求数据，包括货物类型、运输距离、发送起点和终点以及导航线路，且货物类型仅限于工业器材；

步骤二、依据需求数据中的导航路线，获取导航路线上的环境数据、驾驶员相关数据、运输车厢相关数据以及运输载具数据，环境数据包括厢外温度、厢外湿度以及厢外风速，驾驶员相关数据包括对应驾驶员的驾驶时间和实时心率，运输车厢相关数据包括在货车车厢内监测到的货物位移量和运输车厢内环境数据集，且运输车厢内环境数据集包括厢内温度和厢内湿度，运输载具数据包括载具的使用时长和最近一年的故障率；

步骤三、搭建数据分析模型，依据驾驶员相关数据和环境数据，生成人体状态系数，依据运输车厢相关数据，生成货物状态系数/>，依据运输载具数据和环境数据，生成运输载具状态系数/>，在对应的状态系数超过预定的对应阈值时，则完成提醒操作；

其中，获取人体状态系数的过程为：

S101、对驾驶员相关数据和环境数据做无量纲化处理；

S102、生成人体状态系数所依据的公式如下：

；

式中，表示人体状态系数，/>分别表示驾驶员相关数据中的驾驶时间和实时心率，/>、/>分别为驾驶时间和实时心率的预设比例系数，且0/>1，0/>1，且，/>表示环境指数，作为修正值计算，/>分别表示环境数据为中的厢外温度、厢外湿度以及厢外风速，/>分别表示厢外温度、厢外湿度以及厢外风速的预设比例系数，且/>，t表示对应时刻的编号，且t=1、2、…、n，n为正整数；

依据运输车厢相关数据，生成货物状态系数，所依据的公式如下：

；

式中，表示货物状态系数，/>分别表示货物位移量、厢内温度和厢内湿度，且/>分别表示货物位移量、厢内温度和厢内湿度的预设比例系数，且；

依据运输载具数据和环境数据，生成运输载具状态系数，所依据的公式如下：

；

式中，表示运输载具状态系数，/>分别表示载具的使用时长和载具最近一年的故障率，且/>分别表示载具的使用时长、载具最近一年的故障率和环境指数的预设比例系数，且/>；

步骤四、二次搭建数据分析模型，依据状态智能计算模块获取的人体状态系数、货物状态系数/>以及运输载具状态系数/>，生成预计成本评估指标/>；

步骤五、获取各个连续时刻t下的预计成本评估指标趋势图，并将各个时刻t的预计成本评估指标/>均与预设的评估阈值mol进行对比，若是连续两个时刻下的预计成本评估指标/>均超过评估阈值mol，则发出预警信号，反之，则不做响应。