一种基于多渠道物流大数据分析推算系统

技术领域

本发明涉及物流分析推算技术领域，具体为一种基于多渠道物流大数据分析推算系统。

背景技术

随着物流市场的开拓发展，物流业已经横跨各个区域，给人们的生活带来了许多便利，同时目前物流体系已经覆盖多个支持商家，在激烈的物流市场竞争中，客户需要更加高效率和低成本的物流体系来满足自己的物流消费需求，在此基础上，物流分析推算便成为实现这一目标的关键工具。

现有技术如公告号为CN108764798B的发明专利公开的一种基于移动互联网数据分析的物流管理系统，包括：包括下单模块、扫描模块、物流配送网点模块、管理服务器和客户终端，客户终端分别与下单模块和管理服务器连接，管理服务器分别与扫描模块和物流配送网点模块连接，通过扫描模块、物流配送网点模块并结合管理服务器，有效地根据客户购买产品的发货地和配送目的地筛选不同的配送路径，且通过根据当前物流所在网点到目的地间筛选最佳的配送路径信息，以保证从一网点到达下一网点所需的时间最短，提高了物流配送管理的效率，并通过扫描模块对物流在各网点的扫描时间点以及预计到达时间进行统计，便于客户清楚了解物流到达所需的时间，提高客户的满意程度。

基于上述方案可见，当前在针对物流路径的分析推算时，以客户购买产品的发货地和配送目的地筛选不同的配送路径，缺乏对运送货物本体以及用户期望等物流信息进行分析，因而具有分析依从性不足的局限，且侧重的依据仅在物流路径上，没有分析出适合的运输体系，在一定程度上抑制了物流配送的时效性，无法高效保证货物的运输质量以及满足用户的物流交易期望。

发明内容

针对现有技术的不足，本发明提供了一种基于多渠道物流大数据分析推算系统，能够有效解决上述背景技术中涉及的问题。

为实现以上目的，本发明通过以下技术方案予以实现：一种基于多渠道物流大数据分析推算系统，包括：物流数据录入模块，用于通过推算服务处理器对物流数据进行录入。

数据多源耦合处理模块，用于根据所述物流数据，并预筛分各运输物流链，通过多源耦合处理得到各运输物流链的执行契合度。

推算执行共享云端，用于锁定目标执行运输体系进行共享推送显示。

作为进一步的方案，所述物流数据包括运输体系信息、货物物流标签以及货物物流约束参量，其中运输体系信息包括各地域的覆盖可用运输体系以及各种货物物流标签的历史成交数据。

货物物流标签包括货物类型和货物重量。

货物物流约束参量包括：货物发出地、货物目的地、用户预算以及用户期望达成时效。

作为进一步的方案，所述预筛分各运输物流链，具体包括：根据货物发出地以及货物目的地，并根据Dijkstra路径规划算法生成各条物流链，标定为各候选物流链。

采集各候选物流链的途径地域信息，并经过数值处理获取各候选物流链的约束值。

根据货物类型和货物重量，与预设的各类型货物在各重量范围的物流链约束界限值进行校验，得到货物的物流链约束界限值。

若某候选物流链的约束值低于货物的物流链约束界限值，则将该候选物流链定义为运输物流链，以此进行预筛分各运输物流链。

作为进一步的方案，所述各运输物流链的执行契合度，约束表达式如下：

式中，

作为进一步的方案，所述各运输物流链的经济效益序列值，具体分析过程为：根据货物物流标签，并抓取货物物流标签的历史成交数据，包括在各里程范围的成交均价以及平均完成时效。

统计货物物流标签在各运输物流链里程中的成交均价以及平均完成时效，依次标记为

计算各运输物流链的经济效益序列值，表达模型为：

式中，

作为进一步的方案，所述各运输物流链的时间效益序列值，具体分析模型为：

式中，

作为进一步的方案，所述各运输物流链的干扰因素评估序列值，具体分析过程为：根据用户期望达成时效，划分定位用户期望物流周期，并统计各运输物流链的途径地域在用户期望物流周期中的气象干扰信息，包括日均雨量、地表平均风速、极端天气覆盖种类数以及极端天气总持续时长。

计算各运输物流链的干扰因素评估序列值，表达模型为：

式中，

作为进一步的方案，所述锁定目标执行运输体系，具体过程包括：根据各运输物流链的执行契合度，提取执行契合度最高值的运输物流链记为目标物流链。

根据货物物流标签，与预设的各种货物物流标签的各候选架构运输体系进行匹配，得到货物的各候选架构运输体系。

根据各地域的覆盖可用运输体系，统计目标物流链的各可用运输体系，与货物的各候选架构运输体系进行交集处理得到目标物流链的各预执行运输体系，并进行组合处理得到目标物流链的各预执行体系组合模式，记为各候选体系模式。

提取目标物流链的干扰因素评估序列值，记为

统计各候选体系模式中的枢纽中转节点数以及各预执行运输体系的执行里程，并提取预先定义的各预执行运输体系的参照执行速度，通过处理得到各候选体系模式的择用评估值，并进行排序生成候选体系模式的参照择用次序，提取排序第一位的候选体系模式中的各预执行运输体系，联合标定为目标执行运输体系。

作为进一步的方案，所述各候选体系模式的择用评估值，具体评估过程为：获取各候选体系模式中的各预执行运输体系运送单位重量货物执行单位里程的标定成本价，记为

计算各候选体系模式的择用评估值，表达模型为：

式中，

相对于现有技术，本发明的实施例至少具有如下有益效果：

（1）本发明通过提供一种基于多渠道物流大数据分析推算系统，经过多源耦合处理得到各运输物流链的执行契合度，并最终锁定目标执行运输体系进行共享推送显示，有效实现在针对物流路径的分析推算时，同步针对运送货物本体以及用户期望等物流信息进行分析，因而弥补了现有技术所存在的分析依从性不足的局限问题，且侧重的分析推算依据不仅在物流路径上，最终也分析出适合的目标执行运输体系，高度保障了后续货物物流配送的时效性，并有利于保证货物的运输质量以及满足用户的物流交易期望。

（2）本发明通过预筛分各运输物流链，根据货物发出地以及货物目的地以及候选物流链上的途径地域信息，经过处理得到各运输物流链，通过前期的预筛选，在后续的最终运输体系分析中有了更多的选择余地，有助于获取最经济有效的运输物流方案，具备高度的灵活性以及可选性，这种灵活性有助于根据用户实际需求情况以及货物本体情况进行相应调整，在提高物流效率的同时也可高度保障用户的物流交易体验。

（3）本发明通过分析各运输物流链的执行契合度，依据每个物流链的经济效益评估、时间效益评估、干扰因素评估三个评估视角维度，综合性地分析了各运输物流链的执行契合状况，进而为后续目标物流链的筛选提取提供了更加充分性和可靠性的依据，同时也提升了目标执行运输体系的提取置信度，可以更好地满足客户需求，为客户提供更可靠和更及时的交货服务。

当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明

图1为本发明的系统功能模块连接示意图。

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。

在本发明的描述中，需要理解的是，术语“开孔”、“上”、“下”、“厚度”、“顶”、“中”、“长度”、“内”、“四周”等指示方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的组件或元件必须具有特定的方位，以特定的方位构造和操作，因此不能理解为对本发明的限制。

请参阅图1所示，本发明实施例提供一种技术方案：一种基于多渠道物流大数据分析推算系统，包括：物流数据录入模块、数据多源耦合处理模块、推算执行共享云端。

所述物流数据录入模块，用于通过推算服务处理器对物流数据进行录入，推算服务处理器进行自动化的物流数据录入能够减少人为错误，提高数据录入的准确性，同时，可以减少对人力资源的依赖，降低人力成本，物流管理层可以更好地了解物流运营状况，及时作出物流的调整和优化。

具体地，所述物流数据包括运输体系信息、货物物流标签以及货物物流约束参量，其中运输体系信息包括各地域的覆盖可用运输体系以及各种货物物流标签的历史成交数据。

货物物流标签包括货物类型，货物类型包括家居用品、电子产品、液体产品、机械设备、生鲜食品、冷链食品等，货物物流标签还包括货物重量。

货物物流约束参量包括：货物发出地、货物目的地、用户预算以及用户期望达成时效，用户预算和期望的交货时效是货物物流路径选择中两个至关重要的因素，它们直接影响了物流方案的制定和执行，用户的预算限制了整个物流过程中可用的资源，选择一种物流路径需要考虑运输、仓储、人力等各个环节的成本，以确保在用户预算范围内操作，达到用户期望的时效可能需要更快速、可追溯的货物物流服务，这通常会涉及更高的货物物流成本，因此，需要在用户预算和期望达成时效之间找到平衡，以确保最终执行的货物物流体系达到最佳的成本效益。

所述数据多源耦合处理模块，用于根据所述物流数据，并预筛分各运输物流链，通过多源耦合处理得到各运输物流链的执行契合度，在物流领域，多源耦合处理涉及整合和处理来自不同来源的物流数据，以提高物流系统的效率、可靠性和可视化，将来自不同数据源的物流数据进行融合，利用数据多源耦合处理技术分析物流模式和趋势洞察，从而优化物流的最终决策。

具体地，所述预筛分各运输物流链，具体包括：根据货物发出地以及货物目的地，并根据Dijkstra路径规划算法生成各条物流链，标定为各候选物流链，其中Dijkstra算法通常被设计用于寻找单源最短路径，即从一个起点到所有其他节点的最短路径。然而，它也可以被修改以生成多条路径，在现实世界的物流导航规划中，有时候不仅仅需要最短物流路径，还需要备用物流路径，以便在主要路径受阻时提供备选物流路径方案。

通过GIS技术采集各候选物流链的途径地域信息，包括平均地域高程、地势极差、地形平均坡度，高程变化会影响物流运输的能耗和成本，爬升的高程会增加燃料消耗，导致物流运输成本的上升，陡峭的坡度可能需要额外的动力来推动车辆，增加了物流燃料成本，地势的极差会影响运输时间，在地势复杂的地区，可能需要更多的时间来适应曲折的道路和地形，降低了物流运输的效率。

本实施例中，根据货物发出地为：上海，以及货物目的地为：昆明，并根据Dijkstra路径规划算法生成各条物流链包括：1.上海-南京-武汉-长沙-广州-南宁-昆明，2.上海-南京-武汉-长沙-广州-昆明，3.上海-合肥-武汉-长沙-广州-南宁-昆明，4.上海-南京-合肥-长沙-广州-南宁-昆明。

经过数值处理获取各候选物流链的约束值。

进一步要补充说明的是，上述经过数值处理获取各候选物流链的约束值，具体包括：根据各候选物流链的途径地域信息，包括平均地域高程、地势极差、地形平均坡度，分别标记为

根据货物类型和货物重量，与预设的各类型货物在各重量范围的物流链约束界限值进行校验，得到货物的物流链约束界限值。

应理解的是，本实施例分析各候选物流链的约束值，目的在于考虑到不同的候选物流链最终目的地方向一致，但往往经过不同地区，而不同地区之间往往存在着地形的差异，这些差异性因素决定了物流运送的质量以及时效，与此同时，不同的货物类型以及货物重量，对于物流途径地域的地形复杂程度的接收力度也存在差异，因此需要针对不同候选物流链的特有地域信息进行分析，以此才能确保最终执行的路径与货物本体之间的协调性，货物才能够更具效率地传输至目的地。

若某候选物流链的约束值低于货物的物流链约束界限值，则将该候选物流链定义为运输物流链，以此进行预筛分各运输物流链。

本发明在实施例中，通过预筛分各运输物流链，根据货物发出地以及货物目的地以及候选物流链上的途径地域信息，经过处理得到各运输物流链，通过前期的预筛选，在后续的最终运输体系分析中有了更多的选择余地，有助于获取最经济有效的运输物流方案，具备高度的灵活性以及可选性，这种灵活性有助于根据用户实际需求情况以及货物本体情况进行相应调整，在提高物流效率的同时也可高度保障用户的物流交易体验。

具体地，所述各运输物流链的执行契合度，约束表达式如下：

式中，

本发明在具体实施例中，通过分析各运输物流链的执行契合度，依据每个物流链的经济效益评估、时间效益评估、干扰因素评估三个评估视角维度，综合性地分析了各运输物流链的执行契合状况，进而为后续目标物流链的筛选提取提供了更加充分性和可靠性的依据，同时也提升了目标执行运输体系的提取置信度，可以更好地满足客户需求，为客户提供更可靠和更及时的交货服务。

进一步地，所述各运输物流链的经济效益序列值，具体分析过程为：根据货物物流标签，并根据各种货物物流标签的历史成交数据，从中抓取货物物流标签的历史成交数据，包括在各里程范围的成交均价以及平均完成时效。

根据货物物流标签在各里程范围的成交均价以及平均完成时效，并获取各运输物流链的里程，统计货物物流标签在各运输物流链里程中的成交均价以及平均完成时效，依次标记为

计算各运输物流链的经济效益序列值，表达模型为：

式中，

在实施例中，计算各运输物流链的经济效益序列值，可以识别和降低不必要的成本，优化物流环节，从而降低物流链整体运营成本，同时了解物流链的经济效益有助于提高物流链整体效率，通过更有效的物流链资源利用，能够优化运输路线和流程以及减少物流环节中的浪费，可以提高物流链运作效率，增强物流企业的竞争力并改善客户满意度。

进一步地，所述各运输物流链的时间效益序列值，具体分析模型为：

式中，

在实施例中，各运输物流链的时间效益序列值的分析，能够优化物流链流程以提高交付速度，并提高运输物流链的时间效益分析速率，减少在后续的物流过程中出现的信息滞后和沟通延误现象，从而确保物流产品按时送达目的地，进一步提升客户满意度和忠诚度。

进一步地，所述各运输物流链的干扰因素评估序列值，具体分析过程为：根据用户期望达成时效，划分定位用户期望物流周期，并从气象平台统计各运输物流链的途径地域在用户期望物流周期中的气象干扰信息，包括日均雨量、地表平均风速、极端天气覆盖种类数，例如暴雨、台风、沙尘暴等，气象干扰信息还包括极端天气总持续时长。

应理解的是，上述日均雨量、地表平均风速、极端天气产生的影响有：降雨可能导致洪水、积水或泥石流，影响道路通行，运输车辆可能受阻或无法通行，雨水可能影响货物品质，尤其是易受潮或易腐败的货物，需要采取额外措施来保护货物免受雨水侵害，还有可能延迟货物的交付时间。

地表风速可能影响航空、海运或陆路运输工具的稳定性，对于飞机、船舶或大型货车等，强风可能需要调整航线或速度，甚至暂停运输，同时堆放在露天的物流货物可能受到风力影响，易造成货物损坏或堆倒。

极端天气可能造成交通中断、运输工具损坏以及道路封闭，严重影响物流运输。

上述日均雨量、地表平均风速、极端天气这些天气因素可能会导致物流运输的延迟、货物损坏或丢失，增加运输成本，降低客户满意度，甚至对物流链的稳定性造成影响，因此，在物流计划中，需要考虑天气因素，制定相应的预案和措施，以减少潜在的不利影响。

在实施例中，上述根据用户期望达成时效，划分定位用户期望物流周期，具体示例为：以用户期望达成时效为48小时为例，以当前日期为12月6日下午5点为依据，那么用户期望物流周期则为12月6日下午5点到12月8日下午5点之间间隔的时间周期。

计算各运输物流链的干扰因素评估序列值，表达模型为：

式中，

在实施例中，计算各运输物流链的干扰因素评估序列值，有助于选择最优的运输路线和时间，有效避免在极端天气条件下进行运输，提高运输效率，对气象因素的监测和分析有助于及时向客户通报可能的延迟或问题，增强运输物流链的透明度，提高客户满意度，让客户在了解运输延误的情况下更容易理解，并能够针对性地提前调整计划。

所述推算执行共享云端，用于锁定目标执行运输体系进行共享推送显示，共享云计算提供实时性的访问，允许用户从任何有网络连接的地方访问其数据和应用程序，这种便捷性使得协作更加容易，员工可以轻松地远程办公并共享资源。

具体地，所述锁定目标执行运输体系，具体过程包括：根据各运输物流链的执行契合度，提取执行契合度最高值的运输物流链记为目标物流链。

在实施例中，若目标物流链受外部因素制约或者客户不满意，都可以根据执行契合度的大小依次类比甄选，直至择取最终的目标物流链。

根据货物物流标签，与预设的各种货物物流标签的各候选架构运输体系进行匹配，得到货物的各候选架构运输体系。

根据各地域的覆盖可用运输体系，统计目标物流链的各可用运输体系，与货物的各候选架构运输体系进行交集处理得到目标物流链的各预执行运输体系，并进行组合处理得到目标物流链的各预执行体系组合模式，记为各候选体系模式，各候选体系模式由各预执行运输体系进行组合构建而成。

提取目标物流链的干扰因素评估序列值，记为

统计各候选体系模式中的枢纽中转节点数以及各预执行运输体系的执行里程，其中枢纽中转节点数为物流链在运输过程中需要中转的枢纽节点。

提取预先定义的各预执行运输体系的参照执行速度，通过处理得到各候选体系模式的择用评估值，并进行排序生成候选体系模式的参照择用次序，提取排序第一位的候选体系模式中的各预执行运输体系，联合标定为目标执行运输体系。

在实施例中，候选体系模式的参照择用次序可以协同进行推送共享，当首次推送共享的目标执行运输体系达不到客户要求时，可以依次进行择取，进而选择最终的目标执行运输体系。

作为说明，上述候选体系模式中的执行运输体系组合方式包括但不限于公路运输体系与空运运输体系组合，公路运输体系与海运运输体系组合，空运运输体系、公路运输体系与海运运输体系组合等多种组合形式。

进一步地，所述各候选体系模式的择用评估值，具体评估过程为：获取各候选体系模式中的各预执行运输体系运送单位重量货物执行单位里程的标定成本价，记为

计算各候选体系模式的择用评估值，表达模型为：

式中，

本实施方案中，计算各候选体系模式的择用评估值，在进行组合处理得到目标物流链的各预执行体系组合模式，得到各候选体系模式，评估不同的候选体系模式可以提高物流运输体系分析的透明度，不同的候选体系模式可能在灵活性和可靠性方面有所不同，通过分析有助于更好地理解整个物流体系的运作，制定更具体、可行的物流战略，以确保最终货物能够以最快速度和最低成本到达目的地。

本发明在实施例中，通过提供一种基于多渠道物流大数据分析推算系统，经过多源耦合处理得到各运输物流链的执行契合度，并最终锁定目标执行运输体系进行共享推送显示，有效实现在针对物流路径的分析推算时，同步针对运送货物本体以及用户期望等物流信息进行分析，因而弥补了现有技术所存在的分析依从性不足的局限问题，且侧重的分析推算依据不仅在物流路径上，最终也分析出适合的目标执行运输体系，高度保障了后续货物物流配送的时效性，并有利于保证货物的运输质量以及满足用户的物流交易期望。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他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、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明，只要不偏离本发明的结构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。