CN117371900B - 一种基于互联网的智能供应链运输管理平台 - Google Patents

Abstract

本发明属于供应运输管理技术领域，具体公开一种基于互联网的智能供应链运输管理平台，包括下单信息提取模块、适配生产基地选取模块、取货便利分析模块、运输协调能力分析模块、运输经验分析模块、适配物流方确定模块、历史运输损坏率分析模块、云管理库、运输路线规划模块和运输过程质量检测模块，通过根据下单商品名称分析下单商品的历史运输损坏率，实现了对下单商品的损坏特点分析，并在运输路线规划中将生产方考虑在内，由此在生产基地与下单地址规划的可选运输路线中基于下单商品的历史运输损坏率进行优选运输路线选取，避免出现偏向运输效率的固化规划，有利于满足不同运输商品的针对性运输需求。

Description

一种基于互联网的智能供应链运输管理平台

技术领域

本发明属于供应运输管理技术领域，具体为一种基于互联网的智能供应链运输管理平台。

背景技术

电子商务的普及使得消费者可以方便地在线购物，这导致了物流需求的急剧增加，在这种情况下就体现出物流运输管理的重要性，有效的物流运输管理可以在满足物流运输需求的基础上降低运输成本。

目前的物流运输管理主要涉及运输路线规划、运输装卸、运输监控方面等，其中运输路线规划是其他所有管理方面的首端，做好运输路线规划有利于整合和优化物流，便于其他方面的开展。

然而现有技术在进行运输路线规划时基于对运输效率的重视使得规划的运输路线过于追求短距离，以满足消费者对快速交付的期望，这种规划方式仅适用于运输过程中不易损坏的商品，对于一些高精密度的商品来说，例如电子产品、电器，通常对振动和冲击非常敏感，其在运输过程中容易因车辆震动、搬运、车辆事故造成损坏，如果运输路线中没有相应的生产服务中心对其进行质量检测维护，就会使运输到消费者手中的商品存在质量问题，大大影响了消费者的购买体验感，由此可见在进行高精密度商品运输时对运输路线的服务配置重视要优于运输效率。

综上所述，现有的运输路线规划方式由于只针对运输方与消费者两方，未将生产方考虑在内，使其在进行运输路线规划时对运输效率与运输质量保障的权衡存在偏向运输效率的固化操作，具有适用局限性，难以满足不同运输商品的针对性运输需求。

发明内容

有鉴于此，本发明提供了一种基于互联网的智能供应链运输管理平台，通过在规划运输路线中将物流方、生产方与消费者联合在一起，以供应链方式结合下单商品的损坏特点，实现了运输路线的针对性规划，有效解决了背景技术提到的问题。

本发明具体采用以下技术方案来实现：一种基于互联网的智能供应链运输管理平台，包括：下单信息提取模块，用于从当前商品订单中提取下单信息，包括下单商品名称和下单地址。

适配生产基地选取模块，用于基于当前商品订单的下单地址进行适配生产基地选取。

取货便利分析模块，用于将生产方合作的物流企业记为物流方，由此统计生产方合作的物流方数量，进而基于适配生产基地分析各物流方对应的取货便利系数。

运输协调能力分析模块，用于从历史下单记录中提取承运物流方，由此将历史下单记录划分为各物流方对应的若干归属下单记录，进而据此分析各物流方对应的运输协调能力系数。

运输经验分析模块，用于基于下单商品名称从各物流方对应的若干归属下单记录中提取有效归属下单记录，由此利用运输经验系数分析公式计算各物流方对应的运输经验系数。

适配物流方确定模块，用于基于各物流方对应的取货便利系数、运输协调能力系数和运输经验系数确定当前商品订单的适配物流方。

历史运输损坏率分析模块，用于根据下单商品名称从历史下单记录中分析下单商品对应的历史运输损坏率。

云管理库，用于存储各种运输故障率对应的需求物流服务分布密度。

运输路线规划模块，用于基于适配生产基地、下单商品对应的历史运输损坏率和适配物流方进行当前商品订单的运输路线规划。

作为本发明的进一步创新，所述基于当前商品订单的下单地址进行适配生产基地选取参见下述方式：获取生产方拥有的生产基地数量及各生产基地的坐落位置，由此基于坐落位置在地图上标记各生产基地。

从地图上标记当前商品订单对应的下单地址。

结合地图上标记的各生产基地与当前商品订单对应的下单地址获取各生产基地对应的运输距离，进而选取最小运输距离对应的生产基地作为适配生产基地。

作为本发明的进一步创新，所述基于适配生产基地分析各物流方对应的取货便利系数参见下述过程：获取各物流方拥有的物流中心数量及各物流中心的分布位置，进而基于分布位置在地图上标记各物流方对应的物流中心。

依据地图上标记的各物流方对应的物流中心与适配生产基地获取各物流方对应各物流中心的取货距离，并将同一物流方对应各物流中心的取货距离进行对比，利用分析公式，得到各物流方对应的取货便利系数/>，/>表示为物流方编号，/>，/>表示为第/>物流方对应第/>物流中心的取货距离，/>表示为物流中心编号，/>，/>表示为自然常数。

作为本发明的进一步创新，所述各物流方对应的运输协调能力系数包括下述分析步骤：基于各物流方对应的若干归属下单记录调取各归属下单记录关联的物流运输记录，并从物流运输记录中提取运输车辆是否存在故障的记录结果，由此统计记录结果为存在故障的归属下单记录数量，进而导入表达式，计算出各物流方对应的运输故障率。

从归属下单记录关联的物流运输记录中提取物流运输路线，进而将各物流方对应各物流中心的分布位置与相应物流方对应归属下单记录中的物流运输路线进行对比，由此统计落在物流运输路线上的物流中心数量。

基于各物流方对应各条归属下单记录的物流运输路线获取各物流方对应各条归属下单记录的运输距离。

利用表达式计算出各物流方对应各归属下单记录的物流服务分布密度。

将各物流方对应各归属下单记录的物流服务分布密度进行均值计算，得到各物流方对应的平均物流服务分布密度。

将各物流方对应的运输故障率与云管理库中各种运输故障率对应的需求物流服务分布密度进行匹配，从中匹配出各物流方对应的需求物流服务分布密度。

将各物流方对应的需求物流服务分布密度与平均物流服务分布密度对比，通过分析公式计算各物流方对应的运输协调能力系数/>，式中/>、/>分别表示为第/>物流方对应的平均物流服务分布密度、需求物流服务分布密度。

作为本发明的进一步创新，所述运输经验系数分析公式为。

作为本发明的进一步创新，所述确定当前商品订单的适配物流方包括下述过程：将各物流方对应的取货便利系数、运输协调能力系数和运输经验系数导入模型，计算出各物流方对应的运输适配度/>，/>表示为第/>物流方对应的运输经验系数。

将各物流方对应的运输适配度进行对比，从中选取最大运输适配度对应的物流方作为当前商品订单的适配物流方。

作为本发明的进一步创新，所述下单商品对应的运输损坏率包括下述分析步骤：根据下单商品名称从历史下单记录中提取与下单商品一致的历史下单记录作为参考下单记录，并调取各参考下单记录关联的用户反馈记录。

从各参考下单记录关联的用户反馈记录中提取商品是否存在损坏的反馈结果，并统计反馈结果为存在损坏的参考下单记录数量。

利用表达式，计算出下单商品对应的历史运输损坏率。

作为本发明的进一步创新，所述基于适配生产基地、下单商品对应的历史运输损坏率和适配物流方进行当前商品订单的运输路线规划参见下述过程：基于适配生产基地的位置和当前商品订单的下单地址从地图中进行运输路线规划，得到各条可选运输路线，并获取各条可选运输路线的运输距离。

获取生产方拥有的服务中心数量及各服务中心的设立位置，并基于各服务中心的设立位置从各条可选运输路线中统计落在可选运输路线上的服务中心数量，作为落入服务中心数量，并获取服务中心落入均衡度，同时基于适配物流方对应各物流中心的分布位置从各条可选运输路线中统计落在可选运输路线上的物流中心数量，作为落入物流中心数量，并获取物流中心落入均衡度。

通过表达式，计算出各条可选运输路线的运输配置供应系数/>，式中/>、/>分别表示为第/>条可选运输路线对应的落入服务中心数量、服务中心落入均衡度，/>、/>分别表示为第/>条可选运输路线对应的落入物流中心数量、物流中心落入均衡度，/>表示为可选运输路线编号，/>，/>表示为生产方拥有的服务中心数量，/>表示为适配物流方拥有的物流中心数量。

将下单商品对应的历史运输损坏率导入权重赋值模型，得到运输配置与运输距离对应的权重因子/>、/>，模型中/>表示为下单商品对应的历史运输损坏率，/>表示为预设的限定历史运输损坏率。

将各条可选运输路线的运输距离、运输配置供应系数结合运输配置与运输距离对应的权重因子评估各条可选运输路线的选用价值度，评估公式为，式中/>表示为第/>条可选运输路线的运输距离。

从各条可选运输路线的选用价值度中提取最大选用价值度对应的可选运输路线作为当前商品订单的优选运输路线。

作为本发明的进一步创新，还包括运输过程质量检测模块，用于按照优选运输路线对当前商品订单执行运输过程中当到达相应的服务中心时进行商品质量检测，并根据检测结果进行商品维护。

相较于现有技术，本发明的有益效果如下：1、本发明通过根据下单商品名称从历史下单记录中分析下单商品的历史运输损坏率，实现了对下单商品的损坏特点分析，并在运输路线规划中将生产方考虑在内，由此在生产基地与下单地址规划的可选运输路线中基于下单商品的历史运输损坏率进行优选运输路线选取，实现了下单商品运输路线的合理性、针对性规划，避免出现偏向运输效率的固化规划，有利于满足不同运输商品的针对性运输需求。

2、本发明在规划运输路线时依据下单地址从生产方拥有的生产基地中选取适配生产基地进行生产，在一定程度上缩短了运输距离，为运输效率的提升提供了首端保障。

3、本发明在规划运输路线时依据取货便利、运输协调能力和运输经验从生产方合作的物流方中进行适配物流方确定，实现适配物流方的多维度全面筛定，使得确定的物流方更加适配当前商品订单，更加可靠。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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发明的一些实施例，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为本发明系统各模块连接示意图。

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、完整地描述，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。

参见图1所示，本发明提出一种基于互联网的智能供应链运输管理平台，包括下单信息提取模块、适配生产基地选取模块、取货便利分析模块、运输协调能力分析模块、运输经验分析模块、适配物流方确定模块、历史运输损坏率分析模块、云管理库、运输路线规划模块和运输过程质量检测模块。

其中下单信息提取模块分别与适配生产基地选取模块和历史运输损坏率分析模块连接，适配生产基地选取模块与取货便利分析模块连接，取货便利分析模块、运输协调能力分析模块和运输经验分析模块均与适配物流方确定模块连接，适配生产基地选取模块、适配物流方确定模块和历史运输损坏率分析模块均与运输路线规划模块连接，运输路线规划模块与运输过程质量检测模块连接，云管理库与运输协调能力分析模块连接。

所述下单信息提取模块用于从当前商品订单中提取下单信息，包括下单商品名称和下单地址。

所述适配生产基地选取模块用于基于当前商品订单的下单地址进行适配生产基地选取，具体参见下述方式：获取生产方拥有的生产基地数量及各生产基地的坐落位置，由此基于坐落位置在地图上标记各生产基地。

从地图上标记当前商品订单对应的下单地址。

结合地图上标记的各生产基地与当前商品订单对应的下单地址获取各生产基地的坐落位置与当前商品订单对应的下单地址之间的距离，作为各生产基地对应的运输距离，进而选取最小运输距离对应的生产基地作为适配生产基地。

本发明在规划运输路线时依据下单地址从生产方拥有的生产基地中选取适配生产基地进行生产，在一定程度上缩短了运输距离，为运输效率的提升提供了首端保障。

所述取货便利分析模块用于将生产方合作的物流企业记为物流方，由此统计生产方合作的物流方数量，进而基于适配生产基地分析各物流方对应的取货便利系数，具体参见下述过程：获取各物流方拥有的物流中心数量及各物流中心的分布位置，进而基于分布位置在地图上标记各物流方对应的物流中心。

依据地图上标记的各物流方对应的物流中心与适配生产基地获取物流中心的分布位置与适配生产基地的坐落位置之间的距离，作为各物流方对应各物流中心的取货距离，并将同一物流方对应各物流中心的取货距离进行对比，利用分析公式，得到各物流方对应的取货便利系数/>，/>表示为物流方编号，，/>表示为第/>物流方对应第/>物流中心的取货距离，/>表示为物流中心编号，，/>表示为自然常数。其中取货距离越小，取货便利系数越大。

需要理解的是为了能大范围接收物流运输订单，一般大型的物流企业会在每个城市建设物流中心，在物流中心内配备相应的物流网络和基础设施，其中基础设施包括运输车辆、运输人员，以支持货物运输和配送服务。

所述运输协调能力分析模块用于从历史下单记录中提取承运物流方，由此将历史下单记录划分为各物流方对应的若干归属下单记录，进而据此分析各物流方对应的运输协调能力系数，具体分析过程如下：基于各物流方对应的若干归属下单记录调取各归属下单记录关联的物流运输记录，并从物流运输记录中提取运输车辆是否存在故障的记录结果，由此统计记录结果为存在故障的归属下单记录数量，进而导入表达式，计算出各物流方对应的运输故障率。

需要说明的是，上述进行运输故障率分析的目的在于运输故障率受多种因素影响，例如驾驶习惯、车辆质量、运输装载方式等，而这些都与物流方的运输行为能力息息相关，因而运输故障率能够在一定程度上反映物流方的运输行为能力。

从归属下单记录关联的物流运输记录中提取物流运输路线，进而将各物流方对应各物流中心的分布位置与相应物流方对应归属下单记录中的物流运输路线进行对比，由此统计落在物流运输路线上的物流中心数量。

基于各物流方对应各条归属下单记录的物流运输路线获取各物流方对应各条归属下单记录的运输距离。

利用表达式计算出各物流方对应各归属下单记录的物流服务分布密度。

将各物流方对应各归属下单记录的物流服务分布密度进行均值计算，得到各物流方对应的平均物流服务分布密度。

进一步需要说明的是，物流方对应的物流服务分布密度能够在一定程度上反映物流方的运输服务能力，其中物流服务分布密度越高，表明运输服务能力越强。

将各物流方对应的运输故障率与云管理库中各种运输故障率对应的需求物流服务分布密度进行匹配，从中匹配出各物流方对应的需求物流服务分布密度。

将各物流方对应的需求物流服务分布密度与平均物流服务分布密度对比，通过分析公式计算各物流方对应的运输协调能力系数/>，式中/>、/>分别表示为第/>物流方对应的平均物流服务分布密度、需求物流服务分布密度，其中平均物流服务分布密度越接近需求物流服务分布密度，运输协调能力系数越大，表明运输协调能力越强。

需要补充的是，本发明通过结合运输故障率和物流服务分布密度进行运输协调能力分析实质是分析运输行为能力与运输服务能力之间的协调性，对于物流方来说，单纯依据运输故障率进行运输品质评价是过于片面的，如果某个物流方的运输故障率较高，但其能够提供足够的运输服务能力来平衡运输故障率，具体体现在当运输车辆发生故障时有相应的物流中心进行运输车辆、运输人员更换，在这种情况下该物流方是能够正常完成运输的，可以评价该物流方的运输品质是不错的，相反的如果某个物流方的运输故障率较低，但其无法提供与之匹配的运输服务能力，具体体现在当运输车辆发生故障时缺乏相应的物流中心进行运输车辆、运输人员更换，在这种情况下物流方存在无法正常完成运输的隐患，进而影响运输品质，由此可见运输协调能力可以客观、合理反映物流方的运输品质。

所述运输经验分析模块用于基于下单商品名称从各物流方对应的若干归属下单记录中提取与下单商品一致的归属下单记录，作为有效归属下单记录，由此利用运输经验系数分析公式计算各物流方对应的运输经验系数，其中有效归属下单记录数量越多，运输经验系数越大。

所述适配物流方确定模块用于基于各物流方对应的取货便利系数、运输协调能力系数和运输经验系数确定当前商品订单的适配物流方，包括下述过程：将各物流方对应的取货便利系数、运输协调能力系数和运输经验系数导入模型，计算出各物流方对应的运输适配度/>，/>表示为第/>物流方对应的运输经验系数。

将各物流方对应的运输适配度进行对比，从中选取最大运输适配度对应的物流方作为当前商品订单的适配物流方。

本发明在规划运输路线时依据取货便利、运输协调能力和运输经验从生产方合作的物流方中进行适配物流方确定，实现适配物流方的多维度全面筛定，使得确定的物流方更加适配当前商品订单，更加可靠。

所述历史运输损坏率分析模块用于根据下单商品名称从历史下单记录中分析下单商品对应的历史运输损坏率，具体分析过程如下：

根据下单商品名称从历史下单记录中提取与下单商品一致的历史下单记录作为参考下单记录，并调取各参考下单记录关联的用户反馈记录。

从各参考下单记录关联的用户反馈记录中提取商品是否存在损坏的反馈结果，并统计反馈结果为存在损坏的参考下单记录数量；

利用表达式，计算出下单商品对应的历史运输损坏率。

所述云管理库用于存储各种运输故障率对应的需求物流服务分布密度。

所述运输路线规划模块用于基于适配生产基地、下单商品对应的历史运输损坏率和适配物流方进行当前商品订单的运输路线规划，具体实施过程如下：基于适配生产基地的位置和当前商品订单的下单地址从地图中进行运输路线规划，得到各条可选运输路线，并获取各条可选运输路线的运输距离。

获取生产方拥有的服务中心数量及各服务中心的设立位置，并基于各服务中心的设立位置从各条可选运输路线中统计落在可选运输路线上的服务中心数量，作为落入服务中心数量，并获取服务中心落入均衡度，同时基于适配物流方对应各物流中心的分布位置从各条可选运输路线中统计落在可选运输路线上的物流中心数量，作为落入物流中心数量，并获取物流中心落入均衡度。

需要理解的是，为了可以更接近客户，提供更快速、灵活、本地化的客户服务和支持，一般大型生产方都会在各地设立服务中心，在服务中心可以进行产品质量检测、产品维修。

应用于上述实施例，服务中心落入均衡度与物流中心落入均衡度的计算方式为：分别获取落在可选运输路线上相邻服务中心的间隔距离、相邻物流中心的间隔距离，进而将相邻服务中心的间隔距离进行对比，从中选取最大服务中心间隔距离、最小服务中心间隔距离和平均服务中心间隔距离，将相邻物流中心的间隔距离进行对比，从中选取最大物流中心间隔距离、最小物流中心间隔距离和平均物流中心间隔距离，由此利用表达式，计算出服务中心落入均衡度、物流中心落入均衡度。

通过表达式，计算出各条可选运输路线的运输配置供应系数/>，式中/>、/>分别表示为第/>条可选运输路线对应的落入服务中心数量、服务中心落入均衡度，/>、/>分别表示为第/>条可选运输路线对应的落入物流中心数量、物流中心落入均衡度，/>表示为可选运输路线编号，/>，/>表示为生产方拥有的服务中心数量，/>表示为适配物流方拥有的物流中心数量，其中落入服务中心数量越大，服务中心落入均衡度越大，落入物流中心数量越多，物流中心落入均衡度越大，运输配置供应系数越大，代表运输配置供应能力越强。

将下单商品对应的历史运输损坏率导入权重赋值模型，得到运输配置与运输距离对应的权重因子/>、/>，模型中/>表示为下单商品对应的历史运输损坏率，/>表示为预设的限定历史运输损坏率，由于/>的取值为/>，示例性的，/>。

需要解释的，当下单商品对应的历史运输损坏率越大时对运输配置供应能力的需求越高，这就需要在权衡运输距离与运输配置时加大运输配置的权重占比，反之则加大运输距离的权重占比。

将各条可选运输路线的运输距离、运输配置供应系数结合运输配置与运输距离对应的权重因子评估各条可选运输路线的选用价值度，评估公式为，式中/>表示为第/>条可选运输路线的运输距离，其中某条可选运输路线的运输距离越小、运输配置供应系数越大，该条可选运输路线的选用价值度越大。

从各条可选运输路线的选用价值度中提取最大选用价值度对应的可选运输路线作为当前商品订单的优选运输路线。

本发明通过根据下单商品名称从历史下单记录中分析下单商品的历史运输损坏率，实现了对下单商品的损坏特点分析，并在运输路线规划中将生产方考虑在内，由此在生产基地与下单地址规划的可选运输路线中基于下单商品的历史运输损坏率进行优选运输路线选取，实现了下单商品运输路线的合理性、针对性规划，避免出现偏向运输效率的固化规划，有利于满足不同运输商品的针对性运输需求。

所述运输过程质量检测模块用于按照优选运输路线对当前商品订单执行运输过程中当到达相应的服务中心时进行商品质量检测，并根据检测结果进行商品维护，具体维护方式为当检测商品存在质量问题时，例如零件缺损、外壳损坏，进行相应质量问题的解决，例如零件补齐、外壳更换，使得下单商品在运输过程中存在的质量问题能够及时解决，大大降低下单商品在运送到消费者手中存在质量问题的发生率，有效保障了下单商品在运输过程中的质量，有利于增强消费者的购物体验感。

以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。

Claims (7)

1.一种基于互联网的智能供应链运输管理平台，其特征在于，包括：

下单信息提取模块，用于从当前商品订单中提取下单信息，包括下单商品名称和下单地址；

适配生产基地选取模块，用于基于当前商品订单的下单地址进行适配生产基地选取；

取货便利分析模块，用于将生产方合作的物流企业记为物流方，由此统计生产方合作的物流方数量，进而基于适配生产基地分析各物流方对应的取货便利系数；

运输协调能力分析模块，用于从历史下单记录中提取承运物流方，由此将历史下单记录划分为各物流方对应的若干归属下单记录，进而据此分析各物流方对应的运输协调能力系数；

运输经验分析模块，用于基于下单商品名称从各物流方对应的若干归属下单记录中提取有效归属下单记录，由此利用运输经验系数分析公式计算各物流方对应的运输经验系数；

适配物流方确定模块，用于基于各物流方对应的取货便利系数、运输协调能力系数和运输经验系数确定当前商品订单的适配物流方；

历史运输损坏率分析模块，用于根据下单商品名称从历史下单记录中分析下单商品对应的历史运输损坏率；

云管理库，用于存储各种运输故障率对应的需求物流服务分布密度；

运输路线规划模块，用于基于适配生产基地、下单商品对应的历史运输损坏率和适配物流方进行当前商品订单的运输路线规划；

所述基于适配生产基地、下单商品对应的历史运输损坏率和适配物流方进行当前商品订单的运输路线规划参见下述过程：

基于适配生产基地的位置和当前商品订单的下单地址从地图中进行运输路线规划，得到各条可选运输路线，并获取各条可选运输路线的运输距离；

获取生产方拥有的服务中心数量及各服务中心的设立位置，并基于各服务中心的设立位置从各条可选运输路线中统计落在可选运输路线上的服务中心数量，作为落入服务中心数量，并获取服务中心落入均衡度，同时基于适配物流方对应各物流中心的分布位置从各条可选运输路线中统计落在可选运输路线上的物流中心数量，作为落入物流中心数量，并获取物流中心落入均衡度；

通过表达式，计算出各条可选运输路线的运输配置供应系数/>，式中/>、/>分别表示为第/>条可选运输路线对应的落入服务中心数量、服务中心落入均衡度，/>、/>分别表示为第/>条可选运输路线对应的落入物流中心数量、物流中心落入均衡度，/>表示为可选运输路线编号，/>；/>表示为生产方拥有的服务中心数量，/>表示为适配物流方拥有的物流中心数量；

将下单商品对应的历史运输损坏率导入权重赋值模型，得到运输配置与运输距离对应的权重因子/>、/>，模型中/>表示为下单商品对应的历史运输损坏率，/>表示为预设的限定历史运输损坏率；

将各条可选运输路线的运输距离、运输配置供应系数结合运输配置与运输距离对应的权重因子评估各条可选运输路线的选用价值度，评估公式为，式中/>表示为第/>条可选运输路线的运输距离；

从各条可选运输路线的选用价值度中提取最大选用价值度对应的可选运输路线作为当前商品订单的优选运输路线；

服务中心落入均衡度与物流中心落入均衡度的计算方式为：分别获取落在可选运输路线上相邻服务中心的间隔距离、相邻物流中心的间隔距离，进而将相邻服务中心的间隔距离进行对比，从中选取最大服务中心间隔距离、最小服务中心间隔距离和平均服务中心间隔距离，将相邻物流中心的间隔距离进行对比，从中选取最大物流中心间隔距离、最小物流中心间隔距离和平均物流中心间隔距离，由此利用表达式，计算出服务中心落入均衡度、物流中心落入均衡度；

还包括运输过程质量检测模块，用于按照优选运输路线对当前商品订单执行运输过程中当到达相应的服务中心时进行商品质量检测，并根据检测结果进行商品维护。

2.如权利要求1所述的一种基于互联网的智能供应链运输管理平台，其特征在于：所述基于当前商品订单的下单地址进行适配生产基地选取参见下述方式：

获取生产方拥有的生产基地数量及各生产基地的坐落位置，由此基于坐落位置在地图上标记各生产基地；

从地图上标记当前商品订单对应的下单地址；

结合地图上标记的各生产基地与当前商品订单对应的下单地址获取各生产基地对应的运输距离，进而选取最小运输距离对应的生产基地作为适配生产基地。

3.如权利要求1所述的一种基于互联网的智能供应链运输管理平台，其特征在于：所述基于适配生产基地分析各物流方对应的取货便利系数参见下述过程：

获取各物流方拥有的物流中心数量及各物流中心的分布位置，进而基于分布位置在地图上标记各物流方对应的物流中心；

依据地图上标记的各物流方对应的物流中心与适配生产基地获取各物流方对应各物流中心的取货距离，并将同一物流方对应各物流中心的取货距离进行对比，利用分析公式，得到各物流方对应的取货便利系数/>，/>表示为物流方编号，，/>表示为第/>物流方对应第/>物流中心的取货距离，/>表示为物流中心编号，，/>表示为自然常数。

4.如权利要求3所述的一种基于互联网的智能供应链运输管理平台，其特征在于：所述各物流方对应的运输协调能力系数包括下述分析步骤：

基于各物流方对应的若干归属下单记录调取各归属下单记录关联的物流运输记录，并从物流运输记录中提取运输车辆是否存在故障的记录结果，由此统计记录结果为存在故障的归属下单记录数量，进而导入表达式，计算出各物流方对应的运输故障率；

从归属下单记录关联的物流运输记录中提取物流运输路线，进而将各物流方对应各物流中心的分布位置与相应物流方对应归属下单记录中的物流运输路线进行对比，由此统计落在物流运输路线上的物流中心数量；

基于各物流方对应各条归属下单记录的物流运输路线获取各物流方对应各条归属下单记录的运输距离；

利用表达式计算出各物流方对应各归属下单记录的物流服务分布密度；

将各物流方对应各归属下单记录的物流服务分布密度进行均值计算，得到各物流方对应的平均物流服务分布密度；

将各物流方对应的运输故障率与云管理库中各种运输故障率对应的需求物流服务分布密度进行匹配，从中匹配出各物流方对应的需求物流服务分布密度；

将各物流方对应的需求物流服务分布密度与平均物流服务分布密度对比，通过分析公式计算各物流方对应的运输协调能力系数/>，式中、/>分别表示为第/>物流方对应的平均物流服务分布密度、需求物流服务分布密度。

5.如权利要求4所述的一种基于互联网的智能供应链运输管理平台，其特征在于：所述运输经验系数分析公式为。

6.如权利要求5所述的一种基于互联网的智能供应链运输管理平台，其特征在于：所述确定当前商品订单的适配物流方包括下述过程：

将各物流方对应的取货便利系数、运输协调能力系数和运输经验系数导入模型，计算出各物流方对应的运输适配度/>，/>表示为第/>物流方对应的运输经验系数；

将各物流方对应的运输适配度进行对比，从中选取最大运输适配度对应的物流方作为当前商品订单的适配物流方。

7.如权利要求1所述的一种基于互联网的智能供应链运输管理平台，其特征在于：所述下单商品对应的运输损坏率包括下述分析步骤：

根据下单商品名称从历史下单记录中提取与下单商品一致的历史下单记录作为参考下单记录，并调取各参考下单记录关联的用户反馈记录；

从各参考下单记录关联的用户反馈记录中提取商品是否存在损坏的反馈结果，并统计反馈结果为存在损坏的参考下单记录数量；

利用表达式，计算出下单商品对应的历史运输损坏率。