一种基于机器学习的出口提单无人预警系统及算法

技术领域

本发明涉及物流运输管控相关技术领域，尤其涉及一种基于机器学习的出口提单无人预警系统及算法。

背景技术

物流管理服务让顾客满意是进行物流管理的目标之一，是决定物流企业能否生存下去的关键。社会向多元化、信息化发展，使得消费者的需求也呈现出多样化的特征。针对历史提单的全链条数据，特别是海外端集装箱提货时间等数据的沉淀，货物运输过程以及提货过程的实际数据情况监控预测通常是通过人工监控核实，这样会导致跟进不及时，监控效果较差。

有鉴于上述的缺陷，本设计人积极加以研究创新，以期创设一种基于机器学习的出口提单无人预警系统及算法，使其更具有产业上的利用价值。

发明内容

为解决上述技术问题，本发明的目的是提供一种基于机器学习的出口提单无人预警系统及算法。

为实现上述目的，本发明采用如下技术方案：

本发明目的之一：

一种基于机器学习的出口提单无人预警系统，包括动态更新模块、GPS导航模块、信息跟踪模块、信息采集模块、主控分析系统和推送预警模块，动态更新模块和信息跟踪模块相连接，动态更新模块、GPS导航模块和信息跟踪模块分别与信息采集模块相连接，信息采集模块通过第一传输模块与主控分析系统相连接，主控分析系统与推送预警模块相连接，主控分析系统通过第二传输模块与后台服务器相连接。

作为本发明的进一步改进，还包括人机界面和存储模块，人机界面和存储模块分别与主控分析系统相连接。

作为本发明的进一步改进，动态更新模块根据信息跟踪模块的反馈信息并用于对预测时间进行动态更新，利用机器学习的方式对运输数据进行分析，集成船公司、航线、船只和季节信息中一个或者多个的组合，生成运输轨迹，分析各个节点的历史作业时间、预测运输时间、对即将发生的提前或者预期情况作出动态更新；信息跟踪模块包括计划节点跟踪、实际节点跟踪和提单货物跟踪中一个或者多个的组合。

作为本发明的进一步改进，人机界面用于对根据各站点采集的位置信息绘制提单货物运输轨迹，对运输提单货物根据品种、产地和运输量中一个或多个进行多维度分析，将提单货物货运数据转化为图表可视化显示。

作为本发明的进一步改进，推送预警模块包括推送模块和预警模块，推送模块对计划或者实际情况对客户进行实时推送处理，预警模块对运输异常情况或者货物异常情况对客户进行实时推送处理。

本发明目的之二：

一种基于机器学习的出口提单无人预警算法，包括以下步骤：

步骤S1、信息采集模块汇总由动态更新模块、GPS导航模块和信息跟踪模块采集的信息并通过第一传输模块传输至主控分析系统中；

步骤S2、主控分析系统将通过信息采集模块采集的信息通过人机界面进行可视化处理，人机界面对根据各站点采集的位置信息绘制提单货物运输轨迹，对运输提单货物根据品种、产地和运输量中一个或多个进行多维度分析，将提单货物货运数据转化为图表可视化显示；

步骤S3、主控分析系统将通过信息采集模块采集的信息通过推送预警模块进行推送预警处理，推送预警模块包括推送模块和预警模块，推送模块对计划或者实际情况对客户进行实时推送处理，预警模块对运输异常情况或者货物异常情况对客户进行实时推送处理。

作为本发明的进一步改进，步骤S1中，动态更新模块根据信息跟踪模块的反馈信息并用于对预测时间进行动态更新，利用机器学习的方式对运输数据进行分析，集成船公司、航线、船只和季节信息中一个或者多个的组合，生成运输轨迹，分析各个节点的历史作业时间、预测运输时间、对即将发生的提前或者预期情况作出动态更新；信息跟踪模块包括计划节点跟踪、实际节点跟踪和提单货物跟踪中一个或者多个的组合。

作为本发明的进一步改进，步骤S3中，推送预警模块的推送方式包括电话推送、短信推送、邮件推送和微信推送中一种或者多种以上的组合。

借由上述方案，本发明至少具有以下优点：

本发明一种基于机器学习的出口提单无人预警系统及算法，本发明通过预警推送对各种异常情况推送进行预警，使承运人能够第一时间快捷获取船货数据，极大减少了由于货物异常导致的各种不必要的经济损失，提高了监控效果；

本发明针对历史提单的全链条数据，特别是海外端集装箱提货时间等数据的沉淀，利用机器学习的方式，按照船公司/航线/船只/季节等不同的标签，结合多种维度的数据，总结了一套提单预警的规则和引擎，并不断调优模型，对提单的申领和发放时间做推算，通过系统推送预警给相关人员跟进。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1是本发明一种基于机器学习的出口提单无人预警系统的结构示意图。

其中，图中各附图标记的含义如下。

1动态更新模块 2GPS导航模块

3信息跟踪模块 4信息采集模块

5第一传输模块 6主控分析系统

7人机界面 8存储模块

9推送预警模块 10第二传输模块

11后台服务器

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中附图，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。

实施例

如图1所示，

本发明目的之一：

一种基于机器学习的出口提单无人预警系统，包括动态更新模块1、GPS导航模块2、信息跟踪模块3、信息采集模块4、主控分析系统6和推送预警模块9，动态更新模块1和信息跟踪模块3相连接，动态更新模块1、GPS导航模块2和信息跟踪模块3分别与信息采集模块4相连接，信息采集模块4通过第一传输模块5与主控分析系统6相连接，主控分析系统6与推送预警模块9相连接，主控分析系统6通过第二传输模块10与后台服务器11相连接。

优选的，还包括人机界面7和存储模块8，人机界面7和存储模块8分别与主控分析系统6相连接。

优选的，动态更新模块1根据信息跟踪模块3的反馈信息并用于对预测时间进行动态更新，利用机器学习的方式对运输数据进行分析，集成船公司、航线、船只和季节信息中一个或者多个的组合，生成运输轨迹，分析各个节点的历史作业时间、预测运输时间、对即将发生的提前或者预期情况作出动态更新；信息跟踪模块3包括计划节点跟踪、实际节点跟踪和提单货物跟踪中一个或者多个的组合。

优选的，人机界面7用于对根据各站点采集的位置信息绘制提单货物运输轨迹，对运输提单货物根据品种、产地和运输量中一个或多个进行多维度分析，将提单货物货运数据转化为图表可视化显示。

优选的，推送预警模块9包括推送模块和预警模块，推送模块对计划或者实际情况对客户进行实时推送处理，预警模块对运输异常情况或者货物异常情况对客户进行实时推送处理。

本发明目的之二：

一种基于机器学习的出口提单无人预警算法，包括以下步骤：

步骤S1、信息采集模块4汇总由动态更新模块1、GPS导航模块2和信息跟踪模块3采集的信息并通过第一传输模块5传输至主控分析系统6中；

步骤S2、主控分析系统6将通过信息采集模块4采集的信息通过人机界面7进行可视化处理，人机界面7对根据各站点采集的位置信息绘制提单货物运输轨迹，对运输提单货物根据品种、产地和运输量中一个或多个进行多维度分析，将提单货物货运数据转化为图表可视化显示；

步骤S3、主控分析系统6将通过信息采集模块4采集的信息通过推送预警模块9进行推送预警处理，推送预警模块9包括推送模块和预警模块，推送模块对计划或者实际情况对客户进行实时推送处理，预警模块对运输异常情况或者货物异常情况对客户进行实时推送处理。

优选的，步骤S1中，动态更新模块1根据信息跟踪模块3的反馈信息并用于对预测时间进行动态更新，利用机器学习的方式对运输数据进行分析，集成船公司、航线、船只和季节信息中一个或者多个的组合，生成运输轨迹，分析各个节点的历史作业时间、预测运输时间、对即将发生的提前或者预期情况作出动态更新；信息跟踪模块3包括计划节点跟踪、实际节点跟踪和提单货物跟踪中一个或者多个的组合。

优选的，步骤S3中，推送预警模块9的推送方式包括电话推送、短信推送、邮件推送和微信推送中一种或者多种以上的组合。

本发明一种基于机器学习的出口提单无人预警系统及算法，本发明通过预警推送对各种异常情况推送进行预警，使承运人能够第一时间快捷获取船货数据，极大减少了由于货物异常导致的各种不必要的经济损失，提高了监控效果；

本发明针对历史提单的全链条数据，特别是海外端集装箱提货时间等数据的沉淀，利用机器学习的方式，按照船公司/航线/船只/季节等不同的标签，结合多种维度的数据，总结了一套提单预警的规则和引擎，并不断调优模型，对提单的申领和发放时间做推算，通过系统推送预警给相关人员跟进。

以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。