CN117273473A - 基于智能算法的智慧物流数据采集系统 - Google Patents
基于智能算法的智慧物流数据采集系统 Download PDFInfo
- Publication number
- CN117273473A CN117273473A CN202310241970.XA CN202310241970A CN117273473A CN 117273473 A CN117273473 A CN 117273473A CN 202310241970 A CN202310241970 A CN 202310241970A CN 117273473 A CN117273473 A CN 117273473A
- Authority
- CN
- China
- Prior art keywords
- target cell
- logistics
- target
- delivery
- order
- 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
- 238000012384 transportation and delivery Methods 0.000 claims abstract description 120
- 230000007246 mechanism Effects 0.000 claims abstract description 20
- 238000013480 data collection Methods 0.000 claims description 16
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 230000000875 corresponding effect Effects 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 11
- 238000013500 data storage Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000002596 correlated effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000013439 planning Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于智能算法的智慧物流数据采集系统。所述系统包括：二次归类机构，获取多条参考物流订单数据并对多条参考物流订单数据执行二次归类处理以获得预计到达时刻与次日目标送达时刻一致的参考物流订单数据的总数以作为时间匹配订单数量；智能预测设备，基于过往各天在目标送达时刻实际送达到目标小区的各条实际送达订单数量预测次日在目标送达时刻实际送达到目标小区的实际送达订单数量。通过本系统，通过基于智慧物流的各条物流订单数据的二次归类处理结果，预测次日在目标送达时刻实际送达到目标小区的实际送达订单数量，从而实现未来时刻的实际送达订单数量的针对性采集，避免后续物流派送策略出现误判。
Description
技术领域
本发明涉及智慧物流领域，更具体地，涉及一种基于智能算法的智慧物流数据采集系统。
背景技术
智慧物流是指将智慧化理念融入现代化物流运作系统，在降本增效等耦合力机制作用下实现智慧化的物流智能技术体系，推动物流系统主要功能环节相互适应、耦合协调、相辅相成并最终达成物流运作流程高效智能化、物流资源高度共享化、物流系统功能全面转型升级的新型物流运作模式。
智慧物流融合了智慧化理念，推动物流系统主要功能环节相互适应、耦合协调、相辅相成，并最终促进物流运作流程高效智能化、物流资源高度共享化以及物流功能全面转型升级。
现有技术中，在智慧物流的管理模式下，虽然能够粗略地分析出订单派送到目的小区的未来时间区间，但无法精确地分析出订单派送到目的小区的未来时刻，导致在执行物流派送资源调配时由于无法采集到准确的未来时刻的派送订单数据，进而形成未来时刻具体执行派送时派送资源过滤或者不足的现象发生。
通过检索现有技术，领域内公开了：
1.CN112819413A的发明公开了一种适用于即时物流的配送改进算法，包括以下步骤：依据骑手工作站为工作的中心点，设定骑手工作中心站点位置及骑手工作位置，计算骑手距离中心站点的位置，定义骑手工作区域；依据不同延时因素引入时间延迟，确定骑手的动态位置变化；获取关于订单及历史订单配送结果的历史数据集；将影响订单派送的因素作为参数引入多目标动态优化算法；利用降维代价函数，在参数上加上权重，定义各骑手的配送效率值；求得每个参数的权重，选择最优效率值得骑手进行订单派送。该方案就被动式派单方法进行改进，增加骑手的实时地理位置，根据平台的后台配送数据，根据骑手的实时位置信息来优化系统，选择最佳配送人员派单，提高了订单配送效率。
2.CN113255997A的发明公开提供了智慧物流运输路径规划方法、系统、设备和计算机存储介质，该智慧物流运输路径规划方法包括：获取该派送人员派送订单的数量；获取各派送订单对应的基本信息；获取各派送物流点对应的信息；获取各派送人员对应的信息；对各派送订单对应的派送时长进行预估；获取紧急派送订单对应的信息；对各派送订单的顺序和路线进行分析；将分析的各派送订单对应的派送顺序和派送优选路径发送至该派送人员；通过该方法有效的解决了现有的同城物流运输路径规划方法无法实现路径的智能规划的问题，大大的提高了派送人员订单派送的效率和订单派送的数量，同时也大大的节省了派送人员订单派送的时长。
发明内容
区别于上述技术方案，为了解决现有技术中的技术问题，本发明提供了一种基于智能算法的智慧物流数据采集系统，通过对执行智慧物流数据存储的大数据服务网元内的各条物流订单数据的二次归类处理，获取预计到达时刻与目标送达时刻匹配的归属于目标小区的各条订单信息的数量以作为目标送达时刻对应的参考物流订单数据，并根据目标送达时刻的实际送达目标小区的订单数量、过往各天在目标送达时刻实际送达到目标小区的各条实际送达订单数量预测次日在目标送达时刻实际送达到目标小区的实际送达订单数量，从而实现未来时刻的实际送达订单数量的针对性采集。
根据本发明的一方面，提供了一种基于智能算法的智慧物流数据采集系统，所述系统包括：
内容录入机构，设置在执行智慧物流数据存储的大数据服务网元内，用于录入每一条物流订单数据，所述每一条物流订单数据包括订单目的小区、订单货物类型、订单发出时刻、预计到达时刻、订单货物重量以及是否派发标识；
归类处理机构，设置在所述大数据服务网元内且与所述内容录入机构连接，用于将当前时刻所述大数据服务网元存储的、处于未派发状态的各条物流订单数据作为各条有效物流订单数据，对各条有效物流订单数据进行归类处理以获得归属于目标小区的多条有效物流订单数据并作为多条参考物流订单数据输出；
二次归类机构，设置在所述大数据服务网元内且与所述归类处理机构连接，用于获取多条参考物流订单数据并对所述多条参考物流订单数据执行二次归类处理以获得预计到达时刻与次日目标送达时刻一致的参考物流订单数据的总数以作为时间匹配订单数量；
智能预测设备，与所述二次归类机构连接，用于基于过往各天在目标送达时刻实际送达到目标小区的各条实际送达订单数量、目标小区的常住居民数量、时间匹配订单数量以及目标小区所在街区的小区总数预测次日在目标送达时刻实际送达到目标小区的实际送达订单数量；
网络建立设备，与所述智能预测设备连接，用于将完成学习后的BP神经网络发送给所述智能预测设备；
其中，基于过往各天在目标送达时刻实际送达到目标小区的各条实际送达订单数量、目标小区的常住居民数量、时间匹配订单数量以及目标小区所在街区的小区总数预测次日在目标送达时刻实际送达到目标小区的实际送达订单数量包括：所述预测基于完成学习后的BP神经网络。
本发明的基于智能算法的智慧物流数据采集系统运行稳定、操作简便。由于通过基于智慧物流的各条物流订单数据的二次归类处理结果，预测次日在目标送达时刻实际送达到目标小区的实际送达订单数量，从而实现未来时刻的实际送达订单数量的针对性采集，避免后续物流派送策略出现误判。
附图简要说明
本领域技术人员通过参考附图可更好理解本发明的众多优点，其中：
图1是依照本发明第一实施例的基于智能算法的智慧物流数据采集系统的内部结构图。
图2是依照本发明第二实施例的基于智能算法的智慧物流数据采集系统的内部结构图。
图3是依照本发明第三实施例的基于智能算法的智慧物流数据采集系统的内部结构图。
具体实施方式
第一实施例
图1是依照本发明第一实施例的基于智能算法的智慧物流数据采集系统的内部结构图，所述系统包括：
内容录入机构，设置在执行智慧物流数据存储的大数据服务网元内，用于录入每一条物流订单数据，所述每一条物流订单数据包括订单目的小区、订单货物类型、订单发出时刻、预计到达时刻、订单货物重量以及是否派发标识；
归类处理机构，设置在所述大数据服务网元内且与所述内容录入机构连接，用于将当前时刻所述大数据服务网元存储的、处于未派发状态的各条物流订单数据作为各条有效物流订单数据，对各条有效物流订单数据进行归类处理以获得归属于目标小区的多条有效物流订单数据并作为多条参考物流订单数据输出；
二次归类机构，设置在所述大数据服务网元内且与所述归类处理机构连接，用于获取多条参考物流订单数据并对所述多条参考物流订单数据执行二次归类处理以获得预计到达时刻与次日目标送达时刻一致的参考物流订单数据的总数以作为时间匹配订单数量；
智能预测设备，与所述二次归类机构连接，用于基于过往各天在目标送达时刻实际送达到目标小区的各条实际送达订单数量、目标小区的常住居民数量、时间匹配订单数量以及目标小区所在街区的小区总数预测次日在目标送达时刻实际送达到目标小区的实际送达订单数量；
网络建立设备，与所述智能预测设备连接，用于将完成学习后的BP神经网络发送给所述智能预测设备；
其中，基于过往各天在目标送达时刻实际送达到目标小区的各条实际送达订单数量、目标小区的常住居民数量、时间匹配订单数量以及目标小区所在街区的小区总数预测次日在目标送达时刻实际送达到目标小区的实际送达订单数量包括：所述预测基于完成学习后的BP神经网络。
第二实施例
图2是依照本发明第二实施例的基于智能算法的智慧物流数据采集系统的内部结构图。
在图2中，与图1的区别在于，本发明第二实施例的基于智能算法的智慧物流数据采集系统还可以包括：
车辆分配设备，与所述智能预测设备连接，用于基于次日在目标送达时刻实际送达到目标小区的实际送达订单数量分配次日在目标送达时刻服务于目标小区物流派送车辆数量；
其中，基于次日在目标送达时刻实际送达到目标小区的实际送达订单数量分配次日在目标送达时刻服务于目标小区物流派送车辆数量包括：次日在目标送达时刻实际送达到目标小区的实际送达订单越少，分配的次日在目标送达时刻服务于目标小区物流派送车辆数量越少。
第三实施例
图3是依照本发明第三实施例的基于智能算法的智慧物流数据采集系统的内部结构图。
在图3中，与图1的区别在于，本发明第三实施例的基于智能算法的智慧物流数据采集系统还可以包括：
人员分配设备，与所述智能预测设备连接，用于基于次日在目标送达时刻实际送达到目标小区的实际送达订单数量分配次日在目标送达时刻服务于目标小区物流派送人员数量；
其中，基于次日在目标送达时刻实际送达到目标小区的实际送达订单数量分配次日在目标送达时刻服务于目标小区物流派送人员数量包括：次日在目标送达时刻实际送达到目标小区的实际送达订单越少，分配的次日在目标送达时刻服务于目标小区物流派送人员数量越少。
接着，继续对本发明的基于智能算法的智慧物流数据采集系统的具体结构进行进一步的说明。
在根据本发明的各个实施例的基于智能算法的智慧物流数据采集系统中：
基于过往各天在目标送达时刻实际送达到目标小区的各条实际送达订单数量、目标小区的常住居民数量、时间匹配订单数量以及目标小区所在街区的小区总数预测次日在目标送达时刻实际送达到目标小区的实际送达订单数量包括：将过往各天在目标送达时刻实际送达到目标小区的各条实际送达订单数量、目标小区的常住居民数量、时间匹配订单数量以及目标小区所在街区的小区总数分别二进制转换后输入到所述完成学习后的BP神经网络；
其中，基于过往各天在目标送达时刻实际送达到目标小区的各条实际送达订单数量、目标小区的常住居民数量、时间匹配订单数量以及目标小区所在街区的小区总数预测次日在目标送达时刻实际送达到目标小区的实际送达订单数量包括：所述完成学习后的BP神经网络的输出数据为次日在目标送达时刻实际送达到目标小区的实际送达订单数量的二进制数据；
其中，基于过往各天在目标送达时刻实际送达到目标小区的各条实际送达订单数量、目标小区的常住居民数量、时间匹配订单数量以及目标小区所在街区的小区总数预测次日在目标送达时刻实际送达到目标小区的实际送达订单数量包括：所述BP神经网络完成学习的次数与目标小区所在街区的小区总数正向关联。
以及在根据本发明的各个实施例的基于智能算法的智慧物流数据采集系统中：
将当前时刻所述大数据服务网元存储的、处于未派发状态的各条物流订单数据作为各条有效物流订单数据，对各条有效物流订单数据进行归类处理以获得归属于目标小区的多条有效物流订单数据并作为多条参考物流订单数据输出包括：将订单目的小区归属于目标小区且是否派发标识标志未派发的每一条物流订单数据作为一条有效物流订单数据；
其中，录入每一条物流订单数据，所述每一条物流订单数据包括订单目的小区、订单货物类型、订单发出时刻、预计到达时刻、订单货物重量以及是否派发标识包括：当是否派发标识为1时，标志对应的物流订单数据为未派发状态。
另外，在所述基于智能算法的智慧物流数据采集系统中，录入每一条物流订单数据，所述每一条物流订单数据包括订单目的小区、订单货物类型、订单发出时刻、预计到达时刻、订单货物重量以及是否派发标识包括：当是否派发标识为0时，标志对应的物流订单数据为派发状态。
因此，本发明至少需要具备以下几处重要的发明点：
第一处、通过对执行智慧物流数据存储的大数据服务网元内的各条物流订单数据的二次归类处理，获取预计到达时刻与目标送达时刻匹配的归属于目标小区的各条订单信息的数量以作为目标送达时刻对应的参考物流订单数据，从而为目标送达时刻的实际送达目标小区的订单数量的预测提供关键数据；
第二处、根据目标送达时刻的实际送达目标小区的订单数量、过往各天在目标送达时刻实际送达到目标小区的各条实际送达订单数量、目标小区的常住居民数量、时间匹配订单数量以及目标小区所在街区的小区总数预测次日在目标送达时刻实际送达到目标小区的实际送达订单数量；
第三处、根据预测的次日在目标送达时刻实际送达到目标小区的实际送达订单数量为次日在目标送达时刻服务于目标小区的派送车辆数量以及派送人员数量进行提前规划，从而避免造成派送资源的不足或者浪费。
由于在不脱离本发明的精神和范围的情况下，可以做出本发明的很多明显不同的实施例，因此，应该理解，除了在所附权利要求中定义之外，本发明不局限于特定的实施例。
Claims (10)
1.一种基于智能算法的智慧物流数据采集系统，其特征在于，所述系统包括：
内容录入机构，设置在执行智慧物流数据存储的大数据服务网元内，用于录入每一条物流订单数据，所述每一条物流订单数据包括订单目的小区、订单货物类型、订单发出时刻、预计到达时刻、订单货物重量以及是否派发标识；
归类处理机构，设置在所述大数据服务网元内且与所述内容录入机构连接，用于将当前时刻所述大数据服务网元存储的、处于未派发状态的各条物流订单数据作为各条有效物流订单数据，对各条有效物流订单数据进行归类处理以获得归属于目标小区的多条有效物流订单数据并作为多条参考物流订单数据输出；
二次归类机构，设置在所述大数据服务网元内且与所述归类处理机构连接，用于获取多条参考物流订单数据并对所述多条参考物流订单数据执行二次归类处理以获得预计到达时刻与次日目标送达时刻一致的参考物流订单数据的总数以作为时间匹配订单数量；
智能预测设备，与所述二次归类机构连接，用于基于过往各天在目标送达时刻实际送达到目标小区的各条实际送达订单数量、目标小区的常住居民数量、时间匹配订单数量以及目标小区所在街区的小区总数预测次日在目标送达时刻实际送达到目标小区的实际送达订单数量；
网络建立设备，与所述智能预测设备连接，用于将完成学习后的BP神经网络发送给所述智能预测设备；
其中，基于过往各天在目标送达时刻实际送达到目标小区的各条实际送达订单数量、目标小区的常住居民数量、时间匹配订单数量以及目标小区所在街区的小区总数预测次日在目标送达时刻实际送达到目标小区的实际送达订单数量包括：所述预测基于完成学习后的BP神经网络。
2.如权利要求1所述的基于智能算法的智慧物流数据采集系统，其特征在于，所述系统进一步包括：
车辆分配设备，与所述智能预测设备连接，用于基于次日在目标送达时刻实际送达到目标小区的实际送达订单数量分配次日在目标送达时刻服务于目标小区物流派送车辆数量。
3.如权利要求2所述的基于智能算法的智慧物流数据采集系统，其特征在于：
基于次日在目标送达时刻实际送达到目标小区的实际送达订单数量分配次日在目标送达时刻服务于目标小区物流派送车辆数量包括：次日在目标送达时刻实际送达到目标小区的实际送达订单越少，分配的次日在目标送达时刻服务于目标小区物流派送车辆数量越少。
4.如权利要求1所述的基于智能算法的智慧物流数据采集系统，其特征在于，所述系统进一步包括：
人员分配设备，与所述智能预测设备连接，用于基于次日在目标送达时刻实际送达到目标小区的实际送达订单数量分配次日在目标送达时刻服务于目标小区物流派送人员数量。
5.如权利要求4所述的基于智能算法的智慧物流数据采集系统，其特征在于：
基于次日在目标送达时刻实际送达到目标小区的实际送达订单数量分配次日在目标送达时刻服务于目标小区物流派送人员数量包括：次日在目标送达时刻实际送达到目标小区的实际送达订单越少，分配的次日在目标送达时刻服务于目标小区物流派送人员数量越少。
6.如权利要求1-4任一所述的基于智能算法的智慧物流数据采集系统，其特征在于：
基于过往各天在目标送达时刻实际送达到目标小区的各条实际送达订单数量、目标小区的常住居民数量、时间匹配订单数量以及目标小区所在街区的小区总数预测次日在目标送达时刻实际送达到目标小区的实际送达订单数量包括：将过往各天在目标送达时刻实际送达到目标小区的各条实际送达订单数量、目标小区的常住居民数量、时间匹配订单数量以及目标小区所在街区的小区总数分别二进制转换后输入到所述完成学习后的BP神经网络。
7.如权利要求6所述的基于智能算法的智慧物流数据采集系统，其特征在于：
基于过往各天在目标送达时刻实际送达到目标小区的各条实际送达订单数量、目标小区的常住居民数量、时间匹配订单数量以及目标小区所在街区的小区总数预测次日在目标送达时刻实际送达到目标小区的实际送达订单数量包括：所述完成学习后的BP神经网络的输出数据为次日在目标送达时刻实际送达到目标小区的实际送达订单数量的二进制数据。
8.如权利要求7所述的基于智能算法的智慧物流数据采集系统，其特征在于：
基于过往各天在目标送达时刻实际送达到目标小区的各条实际送达订单数量、目标小区的常住居民数量、时间匹配订单数量以及目标小区所在街区的小区总数预测次日在目标送达时刻实际送达到目标小区的实际送达订单数量包括：所述BP神经网络完成学习的次数与目标小区所在街区的小区总数正向关联。
9.如权利要求1-4任一所述的基于智能算法的智慧物流数据采集系统，其特征在于：
将当前时刻所述大数据服务网元存储的、处于未派发状态的各条物流订单数据作为各条有效物流订单数据，对各条有效物流订单数据进行归类处理以获得归属于目标小区的多条有效物流订单数据并作为多条参考物流订单数据输出包括：将订单目的小区归属于目标小区且是否派发标识标志未派发的每一条物流订单数据作为一条有效物流订单数据。
10.如权利要求9所述的基于智能算法的智慧物流数据采集系统，其特征在于：
录入每一条物流订单数据，所述每一条物流订单数据包括订单目的小区、订单货物类型、订单发出时刻、预计到达时刻、订单货物重量以及是否派发标识包括：当是否派发标识为1时，标志对应的物流订单数据为未派发状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310241970.XA CN117273473B (zh) | 2023-03-14 | 2023-03-14 | 基于智能算法的智慧物流数据采集系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310241970.XA CN117273473B (zh) | 2023-03-14 | 2023-03-14 | 基于智能算法的智慧物流数据采集系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117273473A true CN117273473A (zh) | 2023-12-22 |
| CN117273473B CN117273473B (zh) | 2024-04-16 |
Family
ID=89209286
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310241970.XA Active CN117273473B (zh) | 2023-03-14 | 2023-03-14 | 基于智能算法的智慧物流数据采集系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117273473B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105447667A (zh) * | 2015-11-17 | 2016-03-30 | 成都信息工程大学 | 快递订单的自动分配方法 |
| CN110119847A (zh) * | 2019-05-14 | 2019-08-13 | 拉扎斯网络科技（上海）有限公司 | 一种配送时长的预测方法、装置、存储介质和电子设备 |
| CN114372834A (zh) * | 2022-03-21 | 2022-04-19 | 广州宜推网络科技有限公司 | 一种基于大数据的电商平台管理系统及方法 |
| US20220227582A1 (en) * | 2019-05-20 | 2022-07-21 | Autostore Technology AS | Method and control system for preparing orders of goods stored in an automated storage system |
| CN114926120A (zh) * | 2022-05-23 | 2022-08-19 | 上海禹璨信息技术有限公司 | 自提点推送方法、装置、设备及存储介质 |
| CN115630733A (zh) * | 2022-10-17 | 2023-01-20 | 北京永辉科技有限公司 | 订单送达时间预估方法、系统、介质及电子设备 |
-
2023
- 2023-03-14 CN CN202310241970.XA patent/CN117273473B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105447667A (zh) * | 2015-11-17 | 2016-03-30 | 成都信息工程大学 | 快递订单的自动分配方法 |
| CN110119847A (zh) * | 2019-05-14 | 2019-08-13 | 拉扎斯网络科技（上海）有限公司 | 一种配送时长的预测方法、装置、存储介质和电子设备 |
| US20220227582A1 (en) * | 2019-05-20 | 2022-07-21 | Autostore Technology AS | Method and control system for preparing orders of goods stored in an automated storage system |
| CN114372834A (zh) * | 2022-03-21 | 2022-04-19 | 广州宜推网络科技有限公司 | 一种基于大数据的电商平台管理系统及方法 |
| CN114926120A (zh) * | 2022-05-23 | 2022-08-19 | 上海禹璨信息技术有限公司 | 自提点推送方法、装置、设备及存储介质 |
| CN115630733A (zh) * | 2022-10-17 | 2023-01-20 | 北京永辉科技有限公司 | 订单送达时间预估方法、系统、介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117273473B (zh) | 2024-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106875066B (zh) | 用车出行行为的预测方法、装置、服务器以及存储介质 | |
| CN109772714A (zh) | 货物拣选方法及装置、存储介质、电子设备 | |
| CN108162771A (zh) | 一种电动汽车智能充电导航方法 | |
| Lee et al. | A hybrid hub-and-spoke postal logistics network with realistic restrictions: A case study of Korea Post | |
| CN103854472A (zh) | 出租车云智能调度方法及系统 | |
| CN110222893B (zh) | 共享交通资源的投放地点推荐方法、装置与电子设备 | |
| CN110428206B (zh) | 快递末端派件智能解决方法、装置、存储介质和电子设备 | |
| CN109816128A (zh) | 网约车订单的处理方法、装置、设备及可读存储介质 | |
| CN101908275A (zh) | 基于多网络的公共交通优化出行方法 | |
| CN109522117A (zh) | 一种面向异构环境下的链上数据调度系统 | |
| CN116824861B (zh) | 基于城市大脑平台多维数据的共享单车调度方法和系统 | |
| CN116562738B (zh) | 一种货运智能调度方法、装置、设备及存储介质 | |
| CN110751317A (zh) | 一种电力负荷预测系统及预测方法 | |
| CN107506937B (zh) | 一种基于关联规则的水电站发电能力评估方法 | |
| CN113762624A (zh) | 一种垃圾清运车路线优化方法及城市垃圾清运生态系统 | |
| CN115545623A (zh) | 一种智能物流货物定位监控方法及装置 | |
| CN109978241B (zh) | 一种电动汽车充电负荷的确定方法及装置 | |
| CN113593217B (zh) | 一种交通警力指挥调度方法、设备及可读存储介质 | |
| CN117273473B (zh) | 基于智能算法的智慧物流数据采集系统 | |
| Sun et al. | Two-stage vehicle routing optimization for logistics distribution based on HSA-HGBS algorithm | |
| CN117151368A (zh) | 换电调度方法、装置、电子设备及换电调度系统 | |
| CN116307991A (zh) | 智慧物流关联需求判断系统 | |
| CN115712636A (zh) | 一种基于大数据分析的电力规划数据采集方法 | |
| CN115796732A (zh) | 基于电商平台商品的区域物流送货上门分配管理方法 | |
| CN112001646B (zh) | 一种物料调度方法、装置、存储介质及电子设备 |
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: 20240322 Address after: 518100, 2nd Floor, No. 5, Longtang Industrial Zone, Liuyue Community, Henggang Street, Longgang District, Shenzhen City, Guangdong Province Applicant after: Shenzhen Zhiyuan Technology Co.,Ltd. Country or region after: China Address before: Room 611, Building 1, No. 98 Yingchun East Road, Hailing Industrial Park, Taizhou City, Jiangsu Province, 225300 Applicant before: Jiangsu Qibo Cold Chain Technology Co.,Ltd. Country or region before: China |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |