一种基于物流追踪的运力智能配置方法、系统及介质

技术领域

本发明涉及物流技术领域，尤其涉及一种基于物流追踪的运力智能配置方法、计算机可读存储介质及物流系统。

背景技术

南方电网统一物流运力平台是“层级扁平、调度集中、资源共享、内外协同”的现代物流体系，通过整合内外部运力资源，面向物流运输领域提供运输过程监控，实时展示司机、车辆运输轨迹，动态监控全程，有效管控装货、卸货、结算流程，对物流信息实现全流程跟踪、记录、存储、分析。目前物流运力平台的研发重点是在途轨迹监控和智能调度，但由于寻址算法轨迹固化程度过高，导致整个物流业务的运力调度灵活性差，难以实时匹配快速变化的物流情况。

发明内容

本发明所要解决的技术问题是提供一种基于物流追踪的运力智能配置方法，能够提升运力调度灵活性。

为了解决上述技术问题，第一方面，本发明提供了一种基于物流追踪的运力智能配置方法，包括如下步骤：

物流数据采集步骤，根据用户的操作指令，分别从各个物流中转点的物流库中采集预设时间段内尚未进行的物流数据表，将所采集的多个物流数据表同步形成物流数据文件；

获取当前的物流请求信息，识别当前的物流请求信息与数据文件的相匹配字段，相匹配字段包括物流路径上的物流中转点、途经时间和运载量；

将该物流请求信息映射到数据文件的各个物流数据表；计算相匹配字段的匹配程度；

分别将匹配程度最高的多个物流数据表按照匹配程度由高到低输出为运力配置策略。

进一步地，对各个物流数据表和当前的物流请求信息与数据文件的相匹配字段，计算相匹配字段的匹配程度包括如下步骤：

计算多个相匹配字段各自指标数据的平均值；

计算多个相匹配字段各自指标数据与其平均值相比的指标比值；

以各个相匹配字段各自指标数据的指标比值倒数作为权重对当前的物流请求信息与各个物流数据表的匹配程度进行加权计算，得到各个物流数据表的加权得分；

根据加权得分对多个物流数据表进行匹配程度排序。

进一步地，物流中转点日均物流量越大，对应匹配程度权重越高。

进一步地，物流中转点附近的物流中转点密度越小，对应匹配程度权重越高。

进一步地，物流数据采集步骤中，根据目标区域的物流量调整预设时间段的时长，物流量越大预设时间段越短。

进一步地，还包括如下目标区域的物流量调整步骤：

物流数据调取步骤，调取目标区域历史数据库中在预设时间段内的预测物流量和对应的实际物流量；

物流中转点影响值计算步骤，获取与当前物流中转点的距离在预设范围内的仓储点，识别这些仓储点的类别信息，将类别信息在预设仓储类别库中的仓储点的数量记为当前仓储点的物流中转点影响值，以该物流中转点影响值表征当前物流中转点受到仓储点影响的程度；

偏差物流量计算步骤，计算当前物流中转点影响值，根据历史数据库中的预测物流量和实际物流量确定该目标区域的物流偏差系数，以物流中转点影响值与物流偏差系数的乘积作为偏差物流量；

数据过滤步骤，从预测物流数据中减去偏差物流量得到纠偏物流数据；

物流量输出步骤，以数据过滤步骤中计算得到的纠偏物流数据替换物流数据调取步骤中调取的预测物流数据作为目标区域的物流量。

进一步地，仓储点的类别信息包括仓储规模、物品类别、仓储转换率、日均物流量当中的一种或多种。

进一步地，预设范围是指与当前物流中转点相邻的预设多个物流中转点之间的覆盖范围。

第二方面，本发明提供了一种计算机可读存储介质，其上存储有可执行的计算机程序，该计算机程序被执行时实现上述基于物流追踪的运力智能配置方法。

第三方面，本发明提供物流系统，包括处理器和计算机可读存储介质，该计算机可读存储介质是如上的计算机可读存储介质，上述处理器执行该计算机可读存储介质中的计算机程序从而实现上述基于物流追踪的运力智能配置方法。

有益效果：该基于物流追踪的运力智能配置方法，分别从各个物流中转点的物流库中采集预设时间段内尚未进行的物流数据表，对物流数据表进行字段处理得到物流数据文件，当存在需要分配的物流请求信息，提取该物流请求信息的全部字段，识别其与数据文件的相匹配字段，以此相匹配字段将该物流请求信息映射到数据文件的各个物流数据表，计算各个物流数据表与相匹配字段的匹配程度，分别将匹配程度最高的多个物流数据表按照匹配程度由高到低输出为运力配置策略，实时匹配快速变化的物流情况，提升运力调度灵活性。

附图说明

图1是本发明的基于物流追踪的运力智能配置方法的流程示意图。

具体实施方式

以下结合具体实施方式对本发明创造作进一步详细说明。

本实施例给出一种物流系统，包括运力处理模块、物流生成模块、物流分发模块。运力处理模块用于对生成物流的需求数据进行处理。例如，需求数据包括车主自主上报的车辆数据以及业务方需求数据上报的物品数据，车辆数据包括车辆运载量、行车路线等，物品数据包括物流起止地和物品品类、体积等。运力处理模块基于业务方需求数据创建物流请求，对需求数据进行收集、过滤等预处理操作，得到预处理数据，发送给物流生成模块。物流生成模块针对运力处理模块输出的预处理数据，采用规则配置子模块进行处理。该规则配置子模块可以包括生成各种物流的配置信息，用于对预处理数据进行筛选和判断操作。例如，预处理数据中包含了运输时间信息和订单时间，基于配置信息判断该运输时间信息能满足订单时间，则规则配置子模块判断该物流能够分配给相关车主，运力处理模块将物流请求转给物流分发模块，物流分发模块将物流请求下发以车主并提示车主处理。该物流系统还包括处理器和计算机可读存储介质。该计算机可读存储介质存储有可执行的物流的运力配置程序(即计算机程序)，电子终端的处理器运行物流的运力配置程序从而实现如图1所示的基于物流追踪的运力智能配置方法。

下文详述该基于物流追踪的运力智能配置方法的执行过程。

物流数据采集步骤，根据用户的操作指令，分别从各个物流中转点的物流库中采集预设时间段内尚未进行的物流数据表，将所采集的多个物流数据表同步形成物流数据文件。其中，根据目标区域的物流量调整预设时间段的时长，物流量越大预设时间段越短。

目标区域的物流量具体地：

物流数据调取步骤，调取目标区域历史数据库中在预设时间段内的预测物流量和对应的实际物流量；

物流中转点影响值计算步骤，获取与当前物流中转点的距离在预设范围内的仓储点，识别这些仓储点的类别信息，将类别信息在预设仓储类别库中的仓储点的数量记为当前仓储点的物流中转点影响值，以该物流中转点影响值表征当前物流中转点受到仓储点影响的程度；仓储点的类别信息包括仓储规模、物品类别、仓储转换率、日均物流量；

偏差物流量计算步骤，计算当前物流中转点影响值，根据历史数据库中的预测物流量和实际物流量确定该目标区域的物流偏差系数，以物流中转点影响值与物流偏差系数的乘积作为偏差物流量；

数据过滤步骤，从预测物流数据中减去偏差物流量得到纠偏物流数据；

物流量输出步骤，以数据过滤步骤中计算得到的纠偏物流数据替换物流数据调取步骤中调取的预测物流数据作为目标区域的物流量。

获取当前的物流请求信息，识别当前的物流请求信息与数据文件的相匹配字段，相匹配字段包括物流路径上的物流中转点、途经时间和运载量。

将该物流请求信息映射到数据文件的各个物流数据表。

计算相匹配字段的匹配程度：

计算多个相匹配字段各自指标数据的平均值；

计算多个相匹配字段各自指标数据与其平均值相比的指标比值；

以各个相匹配字段各自指标数据的指标比值倒数作为权重对当前的物流请求信息与各个物流数据表的匹配程度进行加权计算，得到各个物流数据表的加权得分；

其中，物流中转点日均物流量越大，对应匹配程度权重越高，物流中转点附近的物流中转点密度越小，对应匹配程度权重越高。

根据加权得分对多个物流数据表进行匹配程度排序。

本实施例的基于物流追踪的运力智能配置方法，最后分别将匹配程度最高的多个物流数据表按照匹配程度由高到低输出为运力配置策略，能够实时匹配快速变化的物流情况，提升运力调度灵活性。

如上仅为本发明创造的实施方式，不以此限定专利保护范围。本领域技术人员在本发明创造的基础上作出非实质性的变化或替换，仍落入专利保护范围。