CN117371886B - 基于云计算的农产品智能配送方法及系统 - Google Patents
基于云计算的农产品智能配送方法及系统 Download PDFInfo
- Publication number
- CN117371886B CN117371886B CN202311682346.XA CN202311682346A CN117371886B CN 117371886 B CN117371886 B CN 117371886B CN 202311682346 A CN202311682346 A CN 202311682346A CN 117371886 B CN117371886 B CN 117371886B
- Authority
- CN
- China
- Prior art keywords
- freshness
- cost
- agricultural product
- transportation
- agricultural products
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000006870 function Effects 0.000 claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 238000007405 data analysis Methods 0.000 claims abstract description 13
- 238000010801 machine learning Methods 0.000 claims abstract description 13
- 230000007613 environmental effect Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004321 preservation Methods 0.000 claims description 10
- 230000003247 decreasing effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 241000220223 Fragaria Species 0.000 description 17
- 235000021012 strawberries Nutrition 0.000 description 13
- 241000220225 Malus Species 0.000 description 10
- 235000016623 Fragaria vesca Nutrition 0.000 description 4
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 4
- 235000021016 apples Nutrition 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012258 culturing Methods 0.000 description 1
- 235000013365 dairy product Nutrition 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 235000013311 vegetables Nutrition 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/08355—Routing methods
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- Data Mining & Analysis (AREA)
- Agronomy & Crop Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于云计算的农产品智能配送方法及系统，包括：获取原始数据，所述原始数据包括农产品的初始新鲜度、适宜温度、湿度、出厂成本；预测分配路径，基于云平台的大数据分析和机器学习算法，结合历史数据和实时数据，预测农产品的供应链需求和运输路线，同时输出运输成本；构建新鲜度衰减函数，根据每一种农产品的新鲜度在不同环境下的衰减指数和农产品的初始新鲜度，建立农产品在不同环境下随着时间维度的衰减函数；建立三方博弈模型，根据出厂地、商户、客户三者不同的需求，输出三方的均衡点；根据新鲜度衰减函数和三方博弈模型，可以选择最经济、最有效的运输路径和方式，降低运输和储存成本。
Description
技术领域
本发明涉及智能配送技术领域，特别涉及基于云计算的农产品智能配送方法及系统。
背景技术
生鲜农产品，一般是指通过种植、养殖、捕捞等形式得到的，未加工或只经过简单加工之后，供人们食用的农产品，主要包括蔬菜、水果、畜禽、奶制品以及鲜活水产品等，生鲜农产品物流成本高，流通过程中损耗惊人。因此，如何降低生鲜农产品的物流成本，是目前生鲜农产品供应链运作中亟待解决的问题。从供应商到零售商的配送过程是造成农产品物流高昂的运输成本和影响生鲜农产品新鲜度的重要因素之一；由于车辆运输安排不合理，生鲜农产品易腐变质特性，再加上不同新鲜度批次产品混合配送的难度，造成了生鲜农产品从供应商到零售店配送过程中的巨大损耗，如何平衡农产品新鲜度和物流之间的关系是减少农产品损耗的关键。
同时，人们对生鲜农产品的新鲜度、品种、安全等等的要求越来越高，而在生鲜农产品的运输过程中，随着这些要求指数的提高，成本问题的提高随之而来。由于现在的物流效率低下，导致了生鲜农产品不能物尽其值，生鲜农产品在运输过程中损失严重，这样既损害了生产者的利益，也使得消费者为此付出更高的价格。为保证生产者和消费者的根本利益，增强生鲜农产品的市场竞争力，降低物流运输成本势在必行，为了平衡出产地、商户和消费者之间的关系，提出基于云计算的农产品智能配送方法及系统。
发明内容
有鉴于此，本发明实施例希望提供基于云计算的农产品智能配送方法及系统，以解决或缓解现有技术中存在的技术问题，至少提供一种有益的选择；
本发明实施例的技术方案是这样实现的：第一方面，基于云计算的农产品智能配送方法，包括如下步骤：
S1：获取原始数据，所述原始数据包括农产品的初始新鲜度、适宜温度、湿度、出厂成本；
S2：预测分配路径，基于云平台的大数据分析和机器学习算法，结合历史数据和实时数据，预测农产品的供应链需求和运输路线，同时输出运输成本；
S3：构建新鲜度衰减函数，根据每一种农产品的新鲜度在不同环境下的衰减指数和农产品的初始新鲜度，建立农产品在不同环境下随着时间维度的衰减函数；
S4：建立三方博弈模型，根据出厂地、商户、客户三者不同的需求，输出三方的均衡点；
在三方博弈模型中，除去运输成本的农产品利润作为最终收益是出厂地的博弈要素，除去售卖成本和损失成本的利润是商户的博弈要素，农场品的新鲜度和价格是客户的博弈要素。
进一步的，所述的基于云计算的农产品智能配送方法，在所述预测分配路径，基于云平台的大数据分析和机器学习算法，结合历史数据和实时数据，预测农产品的供应链需求和运输路线，同时输出运输成本步骤中包括：
收集相关的数据，包括农产品供应链的历史数据和实时数据，包括供应量、需求量、运输距离、运输时间、成本信息；
根据农产品的供应量和需求量，明确各个环节的需求和限制；
根据启发式算法来确定最佳的分配路径。
进一步的，所述的基于云计算的农产品智能配送方法，所述启发式算法包括：
设出厂地期望的利润为U作为决策变量，在运输上的损失为运输成本作为状态变量R，运输过程中农产品的新鲜度损失作为状态变量的因变量S，预测一路径的利润为：，下一路径的利润为/>，R i 与R i+1 之间存在时间t的关系，S i 与S i+1 的关系为：/>；在满足一定条件时，可以判定下一路径优于当前路径：
，
其中，i表示第i个路径，P是商户要求的新鲜度区间。
进一步的，所述的基于云计算的农产品智能配送方法，在所述构建新鲜度衰减函数，根据每一种农产品的新鲜度在不同环境下的衰减指数和农产品的初始新鲜度，建立农产品在不同环境下随着时间维度的衰减函数步骤中包括：
收集不同农产品在不同环境条件下的新鲜度数据；
分析收集到的数据，找出农产品在不同环境条件下的衰减规律；通过计算衰减指数，即新鲜度随时间变化的速率，可以确定不同环境条件下的衰减程度；
根据每种农产品的初始新鲜度和衰减指数，建立线性衰减函数，
并根据预测路径的不同，采取不同的运输环境对农产品进行运输。
进一步的，所述的基于云计算的农产品智能配送方法，在农产品进行运输的过程中，路径的长短决定农产品到达商户的新鲜度，设计新鲜度A与温度W、时间T三者的关系：
对于A随W的上升单调下降的曲线，A与W、T三者的关系为：
；
对于A随T的上升单调下降的曲线，A与W、T三者的关系为：
；
α是时间衰减系数，α与W相关，W增大α减小，B、B1、B2、B3分别为模型参数；
在时间延长的情况下，可以降低温度降低新鲜度的衰减速度。
进一步的，所述的基于云计算的农产品智能配送方法，在所述建立三方博弈模型，根据出厂地、商户、客户三者不同的需求，输出三方的均衡点步骤中包括，根据不同的效用函数反映三方的需求：
对于出厂地：农产品利润=农产品收入-运输成本，运输成本=运费+农产品保存成本；
对于商户：售卖利润=售卖收入-售卖成本，售卖成本=售卖支出+农产品损耗，售卖支出=售卖时间成本；
对于客户：根据农产品的新鲜度和价格选择购买，新鲜度=初始新鲜度-运输新鲜度损耗-售卖时间新鲜度损耗。
进一步的，所述的基于云计算的农产品智能配送方法，将所述效用函数中不同的参数值进行改变，得出不同的效用函数的值，分析不同的参数值对模型的影响。
另一个方面，基于云计算的农产品智能配送系统，实现任一项所述的基于云计算的农产品智能配送方法的步骤，所述基于云计算的农产品智能配送系统包括：
获取单元：获取原始数据，所述原始数据包括农产品的初始新鲜度、适宜温度、湿度、出厂成本；
预测单元：预测分配路径，基于云平台的大数据分析和机器学习算法，结合历史数据和实时数据，预测农产品的供应链需求和运输路线，同时输出运输成本；
构建单元：构建新鲜度衰减函数，根据每一种农产品的新鲜度在不同环境下的衰减指数和农产品的初始新鲜度，建立农产品在不同环境下随着时间维度的衰减函数；
计算单元：建立三方博弈模型，根据出厂地、商户、客户三者不同的需求，输出三方的均衡点；在三方博弈模型中，除去运输成本的农产品利润作为最终收益是出厂地的博弈要素，除去售卖成本和损失成本的利润是商户的博弈要素，农场品的新鲜度和价格是客户的博弈要素，
在计算单元中，对于出厂地：农产品利润=农产品收入-运输成本，运输成本=运费+农产品保存成本；
对于商户：售卖利润=售卖收入-售卖成本，售卖成本=售卖支出+农产品损耗，售卖支出=售卖时间成本；
对于客户：根据农产品的新鲜度和价格选择购买，新鲜度=初始新鲜度-运输新鲜度损耗-售卖时间新鲜度损耗。
一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现任一项所述的基于云计算的农产品智能配送方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现任一项所述的基于云计算的农产品智能配送方法的步骤。
与现有技术相比，本发明的有益效果是：
降低运输成本：根据新鲜度衰减函数和三方博弈模型，可以选择最经济、最有效的运输路径和方式，降低运输和储存成本。
保障产品质量：通过控制运输环境和时间，以及利用新鲜度衰减函数进行预测，可以尽可能保持农产品在运输过程中的新鲜度，从而保障产品质量。
提高客户满意度：客户可以获得价格合理且新鲜度较高的农产品，提高了购物体验和满意度。
实现可持续发展：该技术可以帮助减少农产品的浪费，支持农业的可持续发展，同时也对环境保护有积极影响。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的基于云计算的农产品智能配送方法的流程示意图；
图2为本发明的基于云计算的农产品智能配送方法中构建衰减函数的示意图；
图3为本发明的基于云计算的农产品智能配送系统的连接示意图；
图4为本发明实现基于云计算的农产品智能配送方法的一计算机设备的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制；
需要注意的是，术语“第一”、“第二”、“对称”、“阵列”等仅用于区分描述与位置描述目的，而不能理解为指示或暗示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”、“对称”等特征的可以明示或者隐含地包括一个或者更多个该特征；同样，对于未以“两个”、“三只”等文字形式对某些特征进行数量限制时，应注意到该特征同样属于明示或者隐含地包括一个或者更多个特征数量；对于本领域的普通技术人员而言，可以根据说明书附图结合具体情况理解上述术语在本发明中的具体含义。
人们对生鲜农产品的新鲜度、品种、安全等等的要求越来越高，而在生鲜农产品的运输过程中，随着这些要求指数的提高，成本问题的提高随之而来。由于现在的物流效率低下，导致了生鲜农产品不能物尽其值，生鲜农产品在运输过程中损失严重，这样既损害了生产者的利益，也是的消费者为此付出更高的价格。为保证生产者和消费者的根本利益，增强生鲜农产品的市场竞争力，降低物流运输成本势在必行；为此，请参阅图1-2，本发明提供一种技术方案以解决上述技术问题：一种基于云计算的农产品智能配送方法及系统的具体使用方法；
其中，在本申请一些具体实施方式中，请结合参阅图1：
在一个实施例中，基于云计算的农产品智能配送方法，包括如下步骤：
S1：获取原始数据，所述原始数据包括农产品的初始新鲜度、适宜温度、湿度、出厂成本；
S2：预测分配路径，基于云平台的大数据分析和机器学习算法，结合历史数据和实时数据，预测农产品的供应链需求和运输路线，同时输出运输成本；
S3：构建新鲜度衰减函数，根据每一种农产品的新鲜度在不同环境下的衰减指数和农产品的初始新鲜度，建立农产品在不同环境下随着时间维度的衰减函数；
S4：建立三方博弈模型，根据出厂地、商户、客户三者不同的需求，输出三方的均衡点；
在三方博弈模型中，除去运输成本的农产品利润作为最终收益是出厂地的博弈要素，除去售卖成本和损失成本的利润是商户的博弈要素，农场品的新鲜度和价格是客户的博弈要素。
假设有一种农产品，比如苹果，首先获取这种农产品的原始数据，包括它的初始新鲜度、适宜储存的温度和湿度以及出厂成本；接下来，利用基于云平台的大数据分析和机器学习算法，结合历史运输数据和实时市场需求数据，预测未来一段时间内苹果的供应链需求和最佳运输路线。同时，也会计算出预期的运输成本；然后，根据苹果在不同环境（例如不同的温度和湿度）下的新鲜度衰减情况，构建一个新鲜度衰减函数。这个函数可以帮助预测在特定运输条件下苹果新鲜度的变化情况；最后，建立一个三方博弈模型，考虑到出厂地（即苹果的生产者）、商户（即销售苹果的超市或店铺）和客户（即购买苹果的消费者）的需求，找出一个能满足所有人的均衡点。在这个模型中，生产者关注的是苹果的利润（减去运输成本），商户关注的是售卖利润（减去售卖成本和苹果的损耗成本），而消费者则关注苹果的新鲜度和价格。
在一个实施例中，在所述预测分配路径，基于云平台的大数据分析和机器学习算法，结合历史数据和实时数据，预测农产品的供应链需求和运输路线，同时输出运输成本步骤中包括：
收集相关的数据，包括农产品供应链的历史数据和实时数据，包括供应量、需求量、运输距离、运输时间、成本信息；
根据农产品的供应量和需求量，明确各个环节的需求和限制；
根据启发式算法来确定最佳的分配路径。
进一步的，所述启发式算法包括：
设出厂地期望的利润为U作为决策变量，在运输上的损失为运输成本作为状态变量R，运输过程中农产品的新鲜度损失作为状态变量的因变量S，预测一路径的利润为：，下一路径的利润为/>，R i 与R i+1 之间存在时间t的关系，S i 与S i+1 的关系为：/>；在满足一定条件时，可以判定下一路径优于当前路径：
，
其中，i表示第i个路径，P是商户要求的新鲜度区间。
在这个步骤中，预测分配路径是通过收集和分析农产品供应链的历史数据和实时数据来实现的。这些数据包括供应量、需求量、运输距离、运输时间以及成本信息。根据这些数据，可以明确各个环节的需求和限制；接下来，系统会利用启发式算法来确定最佳的分配路径。在此过程中，出厂地期望的利润（U）被设为决策变量，运输上的损失（运输成本R）和运输过程中农产品的新鲜度损失（S）被设为状态变量；假设预测一条路径的利润为U i ，下一条路径的利润为U i+1 ，两者之间存在时间t的关系，且和t的关系满足一定的条件，那么就可以判断下一条路径优于当前路径。这里的P是商户要求的新鲜度区间；简单来说，这个启发式算法是通过对比不同路径的预计利润，同时考虑农产品的新鲜度损失，从而确定最佳的配送路径；这样可以在保证农产品新鲜度的同时，尽可能降低运输成本，提高出厂地的利润。
在一个实施例中，在所述构建新鲜度衰减函数，根据每一种农产品的新鲜度在不同环境下的衰减指数和农产品的初始新鲜度，建立农产品在不同环境下随着时间维度的衰减函数步骤中包括：
S31：收集不同农产品在不同环境条件下的新鲜度数据；
S32：分析收集到的数据，找出农产品在不同环境条件下的衰减规律；通过计算衰减指数，即新鲜度随时间变化的速率，可以确定不同环境条件下的衰减程度；
S33：根据每种农产品的初始新鲜度和衰减指数，建立线性衰减函数，
S34：并根据预测路径的不同，采取不同的运输环境对农产品进行运输。
进一步的，所述的基于云计算的农产品智能配送方法，在农产品进行运输的过程中，路径的长短决定农产品到达商户的新鲜度，设计新鲜度A与温度W、时间T三者的关系：
对于A随W的上升单调下降的曲线，A与W、T三者的关系为：
；
对于A随T的上升单调下降的曲线，A与W、T三者的关系为：
；
α是时间衰减系数，α与W相关，W增大α减小，B、B1、B2、B3分别为模型参数；
在时间延长的情况下，可以降低温度降低新鲜度的衰减速度。
设正在处理一种特定的农产品，例如草莓。首先，收集了草莓在不同环境条件下（例如在不同的温度和湿度下）的新鲜度数据；然后，分析这些数据，找出草莓在不同环境条件下的新鲜度衰减规律。例如，可能发现，在相同的时间内，高温环境下草莓的新鲜度衰减速度比低温环境要快；基于这个发现，可以计算出新鲜度随时间变化的速率，即衰减指数。然后，根据草莓的初始新鲜度和衰减指数，建立一个线性衰减函数；接下来，需要考虑到草莓的运输过程。假设有两条可选的运输路径，一条时间短但温度较高，另一条时间长但温度较低；根据前面构建的新鲜度与温度和时间的关系模型，可以计算出两条路径下草莓的预期新鲜度，并选择收益高新鲜度降低最少的那条路径进行运输。
进一步的，在所述建立三方博弈模型，根据出厂地、商户、客户三者不同的需求，输出三方的均衡点步骤中包括，根据不同的效用函数反映三方的需求：
对于出厂地：农产品利润=农产品收入-运输成本，运输成本=运费+农产品保存成本；
对于商户：售卖利润=售卖收入-售卖成本，售卖成本=售卖支出+农产品损耗，售卖支出=售卖时间成本；
对于客户：根据农产品的新鲜度和价格选择购买，新鲜度=初始新鲜度-运输新鲜度损耗-售卖时间新鲜度损耗。
进一步的，将所述效用函数中不同的参数值进行改变，得出不同的效用函数的值，分析不同的参数值对模型的影响，在此过程中，不断调整参数值来确定最优的配送方法，通过调整路径，确定农作物的保存时间，为了保证新鲜度，需要增加保存手段和保存成本，保存成本的增加，对于出厂地的利润会下降，可能需要增加出厂价格，出厂价格增加，商户的售价会增加，这些数据都是环环相扣的，为了寻找到平衡点，不断调整参数值以匹配最佳的配送路线。
假设正在处理一种特定的农产品，例如草莓。对于出厂地（生产者）来说，他们想要最大化农产品利润。如果草莓的售价为¥1/磅，运费为¥0.1/磅，保存成本为¥0.05/磅，那么他们的利润将是¥1-¥0.1-¥0.05=¥0.85/磅；对于商户（销售者）来说，他们想要最大化售卖利润。假设他们以¥2/磅的价格售卖草莓，售卖支出（包括员工工资、店铺租金等）为¥0.5/磅，农产品损耗（可能由于过期或损坏）为¥0.2/磅，那么他们的利润将是¥2-¥0.5-¥0.2=¥1.3/磅；对于客户（消费者）来说，他们主要关注农产品的新鲜度和价格。如果草莓在出厂时的新鲜度为10（满分10分），经过运输和售卖后新鲜度降低到8，那么他们会根据这个新鲜度和草莓的售价（¥2/磅）来决定是否购买。
综合上述举例说明：
收集原始数据：以草莓为例，首先获取它的初始新鲜度、适宜储存的温度和湿度以及出厂成本。
预测分配路径：使用基于云平台的大数据分析和机器学习算法，结合历史运输数据和实时市场需求数据，预测未来一段时间内草莓的供应链需求和最佳运输路线，并计算预期的运输成本。
构建新鲜度衰减函数：收集草莓在不同环境条件下的新鲜度数据，并找出其在不同环境下的新鲜度衰减规律。然后根据草莓的初始新鲜度和衰减指数，建立一个线性衰减函数。
建立三方博弈模型：考虑到生产者（出厂地）、销售者（商户）和消费者（客户）的需求，寻找一个均衡点。对于生产者，关注的是农产品利润；对于商户，关注的是售卖利润；对于消费者，他们主要关注农产品的新鲜度和价格。
分析模型参数对结果的影响：通过改变模型中的参数值（例如售价、运费等），观察这些变化如何影响最终的配送策略，从而优化决策。
另一个方面，基于云计算的农产品智能配送系统，实现任一项所述的基于云计算的农产品智能配送方法的步骤，所述基于云计算的农产品智能配送系统包括：
获取单元：获取原始数据，所述原始数据包括农产品的初始新鲜度、适宜温度、湿度、出厂成本；
预测单元：预测分配路径，基于云平台的大数据分析和机器学习算法，结合历史数据和实时数据，预测农产品的供应链需求和运输路线，同时输出运输成本；
构建单元：构建新鲜度衰减函数，根据每一种农产品的新鲜度在不同环境下的衰减指数和农产品的初始新鲜度，建立农产品在不同环境下随着时间维度的衰减函数；
计算单元：建立三方博弈模型，根据出厂地、商户、客户三者不同的需求，输出三方的均衡点；在三方博弈模型中，除去运输成本的农产品利润作为最终收益是出厂地的博弈要素，除去售卖成本和损失成本的利润是商户的博弈要素，农场品的新鲜度和价格是客户的博弈要素，
在计算单元中，对于出厂地：农产品利润=农产品收入-运输成本，运输成本=运费+农产品保存成本；
对于商户：售卖利润=售卖收入-售卖成本，售卖成本=售卖支出+农产品损耗，售卖支出=售卖时间成本；
对于客户：根据农产品的新鲜度和价格选择购买，新鲜度=初始新鲜度-运输新鲜度损耗-售卖时间新鲜度损耗。
参照图4，本发明实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、显示屏、输入装置、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储本实施例中对应的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现方法。
S1：获取原始数据，所述原始数据包括农产品的初始新鲜度、适宜温度、湿度、出厂成本；
S2：预测分配路径，基于云平台的大数据分析和机器学习算法，结合历史数据和实时数据，预测农产品的供应链需求和运输路线，同时输出运输成本；
S3：构建新鲜度衰减函数，根据每一种农产品的新鲜度在不同环境下的衰减指数和农产品的初始新鲜度，建立农产品在不同环境下随着时间维度的衰减函数；
S4：建立三方博弈模型，根据出厂地、商户、客户三者不同的需求，输出三方的均衡点；
在三方博弈模型中，除去运输成本的农产品利润作为最终收益是出厂地的博弈要素，除去售卖成本和损失成本的利润是商户的博弈要素，农场品的新鲜度和价格是客户的博弈要素。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定。
本发明一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法。可以理解的是，本实施例中的计算机可读存储介质可以是易失性可读存储介质，也可以为非易失性可读存储介质。
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于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，本发明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通过多种形式可得，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等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它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它要素，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，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (6)
1.基于云计算的农产品智能配送方法，其特征在于，包括如下步骤：
S1：获取原始数据，所述原始数据包括农产品的初始新鲜度、适宜温度、湿度、出厂成本；
S2：预测分配路径，基于云平台的大数据分析和机器学习算法，结合历史数据和实时数据，预测农产品的供应链需求和运输路线，同时输出运输成本；
S3：构建新鲜度衰减函数，根据每一种农产品的新鲜度在不同环境下的衰减指数和农产品的初始新鲜度，建立农产品在不同环境下随着时间维度的衰减函数；
S4：建立三方博弈模型，根据出厂地、商户、客户三者不同的需求，输出三方的均衡点；
在三方博弈模型中，除去运输成本的农产品利润作为最终收益是出厂地的博弈要素，除去售卖成本和损失成本的利润是商户的博弈要素，农产品的新鲜度和价格是客户的博弈要素；
在所述预测分配路径，基于云平台的大数据分析和机器学习算法，结合历史数据和实时数据，预测农产品的供应链需求和运输路线，同时输出运输成本步骤中包括：
收集相关的数据，包括农产品供应链的历史数据和实时数据，包括供应量、需求量、运输距离、运输时间、成本信息；
根据农产品的供应量和需求量，明确各个环节的需求和限制；
根据启发式算法来确定最佳的分配路径；
所述启发式算法包括：
设出厂地期望的利润为U作为决策变量，在运输上的损失为运输成本作为状态变量R，运输过程中农产品的新鲜度损失作为状态变量的因变量S，预测一路径的利润为：，下一路径的利润为/>，R i 与R i+1 之间存在时间t的关系，S i 与S i+1 的关系为：/>；在满足一定条件时，可以判定下一路径优于当前路径：
，
其中，i表示第i个路径，P是商户要求的新鲜度区间；
在所述构建新鲜度衰减函数，根据每一种农产品的新鲜度在不同环境下的衰减指数和农产品的初始新鲜度，建立农产品在不同环境下随着时间维度的衰减函数步骤中包括：
收集不同农产品在不同环境条件下的新鲜度数据；
分析收集到的数据，找出农产品在不同环境条件下的衰减规律；通过计算衰减指数，即新鲜度随时间变化的速率，可以确定不同环境条件下的衰减程度；
根据每种农产品的初始新鲜度和衰减指数，建立线性衰减函数，
并根据预测路径的不同，采取不同的运输环境对农产品进行运输；
在农产品进行运输的过程中，路径的长短决定农产品到达商户的新鲜度，设计新鲜度A与温度W、时间T三者的关系：
对于A随W的上升单调下降的曲线，A与W、T三者的关系为：；
对于A随T的上升单调下降的曲线，A与W、T三者的关系为：；
α是时间衰减系数，α与W相关，W增大α减小，B、B1、B2、B3分别为模型参数；
在时间延长的情况下，可以降低温度降低新鲜度的衰减速度。
2.根据权利要求1所述的基于云计算的农产品智能配送方法，其特征在于，在所述建立三方博弈模型，根据出厂地、商户、客户三者不同的需求，输出三方的均衡点步骤中包括，根据不同的效用函数反映三方的需求：
对于出厂地：农产品利润=农产品收入-运输成本，运输成本=运费+农产品保存成本；
对于商户：售卖利润=售卖收入-售卖成本，售卖成本=售卖支出+农产品损耗，售卖支出=售卖时间成本；
对于客户：根据农产品的新鲜度和价格选择购买，新鲜度=初始新鲜度-运输新鲜度损耗-售卖时间新鲜度损耗。
3.根据权利要求2所述的基于云计算的农产品智能配送方法，其特征在于，将所述效用函数中不同的参数值进行改变，得出不同的效用函数的值，分析不同的参数值对模型的影响。
4.基于云计算的农产品智能配送系统，其特征在于，实现权利要求1至3中任一项所述的基于云计算的农产品智能配送方法的步骤，所述基于云计算的农产品智能配送系统包括：
获取单元：获取原始数据，所述原始数据包括农产品的初始新鲜度、适宜温度、湿度、出厂成本；
预测单元：预测分配路径，基于云平台的大数据分析和机器学习算法，结合历史数据和实时数据，预测农产品的供应链需求和运输路线，同时输出运输成本；
构建单元：构建新鲜度衰减函数，根据每一种农产品的新鲜度在不同环境下的衰减指数和农产品的初始新鲜度，建立农产品在不同环境下随着时间维度的衰减函数；
计算单元：建立三方博弈模型，根据出厂地、商户、客户三者不同的需求，输出三方的均衡点；在三方博弈模型中，除去运输成本的农产品利润作为最终收益是出厂地的博弈要素，除去售卖成本和损失成本的利润是商户的博弈要素，农产品的新鲜度和价格是客户的博弈要素，
在计算单元中，对于出厂地：农产品利润=农产品收入-运输成本，运输成本=运费+农产品保存成本；
对于商户：售卖利润=售卖收入-售卖成本，售卖成本=售卖支出+农产品损耗，售卖支出=售卖时间成本；
对于客户：根据农产品的新鲜度和价格选择购买，新鲜度=初始新鲜度-运输新鲜度损耗-售卖时间新鲜度损耗。
5.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述的基于云计算的农产品智能配送方法的步骤。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至3中任一项所述的基于云计算的农产品智能配送方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311682346.XA CN117371886B (zh) | 2023-12-08 | 2023-12-08 | 基于云计算的农产品智能配送方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311682346.XA CN117371886B (zh) | 2023-12-08 | 2023-12-08 | 基于云计算的农产品智能配送方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117371886A CN117371886A (zh) | 2024-01-09 |
| CN117371886B true CN117371886B (zh) | 2024-04-02 |
Family
ID=89408175
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311682346.XA Active CN117371886B (zh) | 2023-12-08 | 2023-12-08 | 基于云计算的农产品智能配送方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117371886B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104732435A (zh) * | 2015-04-03 | 2015-06-24 | 中国农业科学院农业信息研究所 | 一种农产品供需撮合系统与方法 |
| CN108537491A (zh) * | 2018-04-27 | 2018-09-14 | 河南农业大学 | 一种生鲜农产品配送路径优化方法、存储介质 |
| CN108985677A (zh) * | 2018-06-11 | 2018-12-11 | 华东理工大学 | 多品种多批次生鲜农产品配送路径优化方法 |
| CN114219558A (zh) * | 2021-12-03 | 2022-03-22 | 江苏业派生物科技有限公司 | 基于数据挖掘的农产品智能推荐系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050043829A1 (en) * | 2002-11-15 | 2005-02-24 | Rossides Michael T. | Betting method and system for comparing products and services |
| WO2017011262A1 (en) * | 2015-07-10 | 2017-01-19 | Mahasuverachai Sak | Systems and methods for managing subjective probability betting including user-provided handicaps and payout rates |
| US11580822B2 (en) * | 2019-10-03 | 2023-02-14 | Scoretrade Inc. | System and method for sports wagering using dynamic real-time pricing and trading |
-
2023
- 2023-12-08 CN CN202311682346.XA patent/CN117371886B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104732435A (zh) * | 2015-04-03 | 2015-06-24 | 中国农业科学院农业信息研究所 | 一种农产品供需撮合系统与方法 |
| CN108537491A (zh) * | 2018-04-27 | 2018-09-14 | 河南农业大学 | 一种生鲜农产品配送路径优化方法、存储介质 |
| CN108985677A (zh) * | 2018-06-11 | 2018-12-11 | 华东理工大学 | 多品种多批次生鲜农产品配送路径优化方法 |
| CN114219558A (zh) * | 2021-12-03 | 2022-03-22 | 江苏业派生物科技有限公司 | 基于数据挖掘的农产品智能推荐系统 |
Non-Patent Citations (3)
| Title |
|---|
| 基于三方博弈的鲜活农产品冷链主体市场行为分析;谢如鹤等;《广州大学学报》;第18卷(第6期);第45-52页 * |
| 绿色和保鲜消费导向的生鲜农产品供应链协调;朴惠淑;扈秀静;;工业工程;20200815(第04期);第5-14页 * |
| 考虑零售商保鲜和消费者效用的生鲜农产品供应链协调;王磊;但斌;;运筹与管理;20151025(第05期);第49-56页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117371886A (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Optimal purchase and inventory retrieval policies for perishable seasonal agricultural products | |
| Ghezavati et al. | A Benders’ decomposition algorithm for optimizing distribution of perishable products considering postharvest biological behavior in agri-food supply chain: a case study of tomato | |
| Kärkkäinen | Increasing efficiency in the supply chain for short shelf life goods using RFID tagging | |
| Tayal et al. | Two echelon supply chain model for deteriorating items with effective investment in preservation technology | |
| Tsao | Joint location, inventory, and preservation decisions for non-instantaneous deterioration items under delay in payments | |
| Khan et al. | Optimal lot-size decision for deteriorating items with price-sensitive demand, linearly time-dependent holding cost under all-units discount environment | |
| Pal et al. | Optimal replenishment policy for non-instantaneously perishable items with preservation technology and random deterioration start time | |
| Yan et al. | Supply chain coordination of fresh Agri-products based on value loss | |
| Shen et al. | Modelling and analysis of inventory replenishment for perishable agricultural products with buyer–seller collaboration | |
| Sckokai et al. | Estimating market power by retailers in a dynamic framework: the Italian PDO cheese market | |
| Mandal et al. | A two-warehouse integrated inventory model with imperfect production process under stock-dependent demand and quantity discount offer | |
| Li et al. | Optimising the configuration of food supply chains | |
| Banerjee et al. | Implementing E-commerce model for agricultural produce: a research roadmap | |
| Shah et al. | Greening efforts and deteriorating inventory policies for price-sensitive stock-dependent demand | |
| Wei et al. | Joint optimization of pricing and inventory strategy for perishable product with the quality and quantity loss | |
| Guo et al. | A multi-commodity location-inventory problem in a closed-loop supply chain with commercial product returns | |
| Khedlekar et al. | Pricing policy for declining demand using item preservation technology | |
| Su et al. | Research on coordination of fresh produce supply chain in big market sales environment | |
| Sinaga et al. | The development of a conceptual rural logistics system model to improve products distribution in Indonesia | |
| Ahmadi Malakot et al. | Optimizing the sales level of perishable goods in a two-echelon green supply chain under uncertainty in manufacturing cost and price | |
| Nagaraju et al. | Optimal cycle time and inventory decisions in coordinated and non-coordinated two-echelon inventory system under inflation and time value of money | |
| Dash et al. | Modeling traceability in food supply chain | |
| Hamilton et al. | How does advertising affect market performance? A note on generic advertising | |
| Kumar et al. | Optimized warehouse management of perishable goods. | |
| CN117371886B (zh) | 基于云计算的农产品智能配送方法及系统 |
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 |