CN116432880B - 一种共享云仓物流城配路线智能选择及运费报价*** - Google Patents

一种共享云仓物流城配路线智能选择及运费报价*** Download PDF

Info

Publication number
CN116432880B
CN116432880B CN202310363278.4A CN202310363278A CN116432880B CN 116432880 B CN116432880 B CN 116432880B CN 202310363278 A CN202310363278 A CN 202310363278A CN 116432880 B CN116432880 B CN 116432880B
Authority
CN
China
Prior art keywords
information
freight
truck
goods
delivery
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
Application number
CN202310363278.4A
Other languages
English (en)
Other versions
CN116432880A (zh
Inventor
卢稳
刘远
徐孝健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Xinniao Circulation Technology Co ltd
Original Assignee
Shenzhen Xinniao Circulation Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Xinniao Circulation Technology Co ltd filed Critical Shenzhen Xinniao Circulation Technology Co ltd
Priority to CN202310363278.4A priority Critical patent/CN116432880B/zh
Publication of CN116432880A publication Critical patent/CN116432880A/zh
Application granted granted Critical
Publication of CN116432880B publication Critical patent/CN116432880B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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
    • G06Q10/0834—Choice of carriers
    • G06Q10/08345—Pricing
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0611—Request for offers or quotes
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Human Resources & Organizations (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种共享云仓物流城配路线智能选择及运费报价***，包括：收集与货车配送相关的车主与货主信息上传到共享云仓的云端数据中心，并对云端数据中心中的信息进行审核；对审核通过的信息，构建装载任务将货车与货物进行匹配，将未完成装载的货物信息上传至共享云仓的边缘端服务器，通过查询未满载的车辆继续完成装载任务，直到货物分配完毕；在货物分配完毕后生成配送订单，通过对配送订单的解析以及根据出发地与目的地的位置智能计算最优路径，并将最优路径发送给车主进行选择，在完成选择后生成决策订单；制定运费策略发送到共享云仓中，并由共享云仓生成运费报价发送给***内用户。通过路径优化以及运费报价，提高了城配物流的运送效率。

Description

一种共享云仓物流城配路线智能选择及运费报价***
技术领域
本发明涉及物流技术领域，具体涉及一种共享云仓库物流城配路线智能选择及运费报价***。
背景技术
随着云计算，边缘计算等新兴技术的深入发展，在“互联网+”的背景下，传统的物流行业以及物流城配已经探索新模式的道路。物流城配是整个物流过程中的重要环节，其中“配”主要是指货物与货车的匹配，而车货匹配主要分为两种类型，一种由运输中心统一进行匹配和车主自行选择货物，配送中心主要在服务端综合货物信息与货车信息进行在线匹配，然后将匹配结果发送给车主，车主进行运输工作，在这一过程中，车主并不关心配送产生的其他费用只关心配送的收益，第二种在配送中心中，由车主综合货物的重量、价格、体积以及收益等方面选择是否合适承担货物运输，在这一过程中，车主不仅关心收益还会综合考虑货车运输过程中的时间成本问题，另一方面，在“送”的过程中，车货匹配完成后，有车主将货物运送到客户需求点，在这一过程中路径的选择关系到运送成本，因此在货车运送过程中需要选择一条路径成本最低的道路。
然而在当下城配路线的选择中，如何将“配”与“送”的问题结合到一起，并计算出最优城配路线是一直困扰的问题，因此需要设计一种智能选择路线以及运费报价***，实时进行物流***的路线分配，减少额外路径花费，提高物流行业的收益。
发明内容
本发明提供一种共享云仓物流城配路线智能选择及运费报价***，以解决现有技术中存在的上述问题。
一种共享云仓物流城配路线智能选择及运费报价***，包括：
信息上传模块：收集与货车配送相关的车主与货主信息上传到共享云仓的云端数据中心，并对云端数据中心中的信息进行审核；
车货匹配模块：对审核通过的信息，构建装载任务将货车与货物进行匹配，将未完成装载的货物信息上传至共享云仓的边缘端服务器，通过查询未满载的车辆继续完成装载任务，直到货物分配完毕；
路径优化模块：在货物分配完毕后生成配送订单，通过对配送订单的解析以及根据出发地与目的地的位置智能计算最优路径，并将最优路径发送给车主进行选择，在完成选择后生成决策订单。
优选的，一种共享云仓物流城配路线智能选择及运费报价***，还包括：
运费决策模块：获取货车中的货物信息以及所述决策订单，并根据决策订单中的路径信息实施运费策略，所述运费策略包括完全免运费策略，完全不免费策略以及条件免费策略；
运费报价模块：根据货物信息以及路径信息制定的运费策略发送到共享云仓中，并由共享云仓生成运费报价发送给***内用户；
运营分析模块：对运费报价流程进行实时监控，并计算出最优运费策略，使物流利润保持在***所设定的阈值范围内。
优选的，所述收集与货车配送相关的车主与货主信息，包括：
信息采集单元：收集车主信息以及货主信息上传到共享云仓中，所述车主信息包括车主的个人信息以及货车信息，共享云仓在接收到车主信息后进行审核，审核通过后将车主信息进行提取并形成待匹配货车信息；所述货主信息包括货主的货物信息与个人信息，共享云仓接收到货主信息后进行审核，并将审核后的信息进行提取形成待匹配货物信息；
信息分类单元：共享云仓在接收到车主信息和货主信息信息后，根据货主的类型将货主的配送方式分为单线配送、个体配送、以及优先级配送；所述单线配送以有特殊需求的货物为配送标准，所述个体配送以货物与价格匹配度为配送标准。
优选的，所述构建装载任务将货车与货物进行匹配，包括：
模型构造单元：获取所述待匹配货车信息以及待匹配货物信息，构造匹配模型进行车货匹配，将匹配结果反馈至***内用户；
信息传送单元：记录匹配成功的车货匹配订单，根据订单计算货车的装载率，若当前货车的装载率较低，则共享云仓根据所述目标地址的货车路径信息以及历史的实时货物信息构建任务表，并将任务表反馈至货车行驶过程中实时货物出现较多的，且在路况中靠近边缘服务器的边缘节点中；
路径选择单元：获取货车配送目标地址的路径信息，智能选择配送路线的最优路径，并进行配送。
优选的，所述构造匹配模型进行车货匹配，包括：
云端数据处理子单元：所述云端数据中心在进行车货第一次匹配的同时计算货车的装载率，并将未装载满的货车信息传输到共享云仓的边缘端服务器中，并由共享云仓进行车货第二次匹配；
边缘服务计算子单元：通过由所述边缘端服务器接收货物实时信息的同时接收由货车上传的实时路况信息，根据所述货物实时信息与所述实时路况信息计算所述车货第二次匹配的装载率；所述装载率用于查询当前货车是否有继续进行装载与配送的使用容量。
优选的，所述智能选择配送路线的最优路径，包括：
业务功能单元：对货车信息以及路径智能选择信息进行管理，通过记录货车的行驶路线，并将行驶路线与货物信息进行结合，用于对车主的行驶偏好进行确认并生成配送订单；
订单解析单元：在所述配送订单生成以后，***对配送订单的信息进行解析，用于确认货车当前位置以及预计运单收益情况；
智能路径选择单元：结合初始与实时状况进行路径优化，将配送路线作为第一次装配路线，通过结合货物的配送信息以及装载率进行路径最优化，判断当前货车是否处于满载状态，并根据判断结果为车主规划第二次装配路线。
优选的，所述智能选择配送路线的最优路径，还包括：
最优路径显示单元：在对货车的路径进行路径最优化以后，***将最优路径发送给车主，并根据车主需求进行选择；
货车信息跟踪单元：在货车的行驶过程中，***通过GPS自动导航定位实时的获取当前货车的位置以及判断货车当前的道路情况，并根据路径情况判断是否需要重新规划路线；
实时信息反馈单元：在货车行驶过程中，自动开启位置共享功能，由共享云仓统计所有货车的行驶信息，接收来自货车的实时反馈，判断车辆行驶状态。
优选的，所述结合初始与实时状况进行路径优化，包括：
初始路径优化子单元：云端数据中心解析货车配送的属性信息以及装载率，并根据装载率对不同订单进行打分，对历史订单以及当前订单的属性信息进行相似度计算，选取相似度最高的路径进行推荐作为初始方案；
实时路径优化子单元：边缘端服务器在接收到共享云仓发送的初始方案后，对没有满载的车主进行优先级排序，边缘端服务器接收实时的货物信息，并根据货物的紧急情况以及收益率对货物进行排序，在排序后计算货车与货物的匹配方案，并结合实时的路径情况对车主进行推荐。
优选的，所述共享云仓生成运费报价发送给***内用户，包括：
货物分类单元：将车主需要运送的货物进行分类，并根据分类结果采用变动单价的方式计算每一种货物的运费；
模型构建单元：构建运费报价模型用于计算货物的运费，在货物运输过程中，除去货物质量的固定费用，剩余运费随着运输公里数的增长而增长且呈一定的线性关系，使用最小二乘法建立函数关系得出线性方程求得运费；根据货物不同属性的分类，得出不同货物类型的结算公式，构建运费报价模型；
运费结算单元：将运输的货车根据货物的不同种类通过所述运费报价模型进行运费合计相加，得出整辆货车的运费。
优选的，所述构造匹配模型进行车货匹配，包括：
数据协同单元：共享云仓与边缘端服务器共同维护***内的数据信息，在共享云仓中设置多个边缘节点，并设置边缘节点与中心节点中的数据同步，根据历史的货车配送量计算边缘节点的任务完成时间，并根据任务完成时间将数据信息分配到边缘节点；
资源协同单元：用于存储车货匹配的资源信息，通过记录边缘节点的资源信息情况，根据边缘节点的货车配送量进行协同任务调度，并将具有不同资源的边缘节点结合；
应用协同单元：用于结合共享云仓与边缘端服务器进行车货匹配部署。
与现有技术相比，本发明具有以下优点：
本发明提供一种共享云仓物流城配路线智能选择及运费报价***，通过云计算的车货匹配，可以有效利用资源，提高车货匹配效率，实现平台利益最大化。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种共享云仓物流城配路线智能选择及运费报价***的结构图；
图2为本发明实施例中通过共享云仓生成运费报价发送给***内用户的结构图；
图3为本发明实施例中构造匹配模型进行车货匹配的内部结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
参照图1，本发明实施例提供了一种共享云仓物流城配路线智能选择及运费报价***，包括：
信息上传模块：收集与货车配送相关的车主与货主信息上传到共享云仓的云端数据中心，并对云端数据中心中的信息进行审核；
车货匹配模块：对审核通过的信息，构建装载任务将货车与货物进行匹配，将未完成装载的货物信息上传至共享云仓的边缘端服务器，通过查询未满载的车辆继续完成装载任务，直到货物分配完毕；
路径优化模块：在货物分配完毕后生成配送订单，通过对配送订单的解析以及根据出发地与目的地的位置智能计算最优路径，并将最优路径发送给车主进行选择，在完成选择后生成决策订单。
上述技术方案的有益效果为：采用本实施例提供的方案，通过上传车主与货主信息进行审核，使货物运送的安全得到保障，通过车货匹配，使为配送提供最优路线，提高工作效率，最后对路径进行优化，使车主可以完全依赖配送***。
在另一实施例中，一种共享云仓物流城配路线智能选择及运费报价***，还包括：
运费决策模块：获取货车中的货物信息以及所述决策订单，并根据决策订单中的路径信息实施运费策略，所述运费策略包括完全免运费策略，完全不免费策略以及条件免费策略；
运费报价模块：根据货物信息以及路径信息制定的运费策略发送到共享云仓中，并由共享云仓生成运费报价发送给***内用户；
运营分析模块：对运费报价流程进行实时监控，并计算出最优运费策略，使物流利润保持在***所设定的阈值范围内。
上述技术方案的有益效果为：采用本实施例提供的方案，实施运费策略，可以提高运送效率。
在另一实施例中，所述收集与货车配送相关的车主与货主信息，包括：
信息采集单元：收集车主信息以及货主信息上传到共享云仓中，所述车主信息包括车主的个人信息以及货车信息，共享云仓在接收到车主信息后进行审核，审核通过后将车主信息中的主要信息进行提取并形成待匹配货车信息；所述货主信息包括货主的货物信息与个人信息，共享云仓接收到货主信息后进行审核，并将审核后的信息进行提取形成待匹配货物信息；
信息分类单元：共享云仓在接收到车主信息和货主信息信息后，根据货主的类型将货主的配送方式分为单线配送、个体配送、以及优先级配送；所述单线配送以有特殊需求的货物为配送标准，所述个体配送以货物与价格匹配度为配送标准。
上述技术方案的工作原理为：本实施例采用的方案是，在对获取进行路线分配时，需要先对车主司机及逆行上传，信息上传主要包括，车主、货主以及共享云仓，共享云仓在接收到车主信息以及货车信息后进行审核，将审核通过后的主要信息进行提取，其中，主要信息包括车主信息以及货车装载的相关信息形成待匹配的货车信息。货主上传货物信息与个人监控信息，平台接收后形成信息审核，提取形成待匹配的货物信息，共享云仓中主要包括路径监控器，信息自动上传平台，通过进行初始验证并记录，形成道路的有效信息。
在共享云仓接收到车主信息以及货主信息后，其中可以根据货主的类型将货主分为单线货主，这类司机对货物信息以及路信息若有特殊需求，则不接受其他货物派送。还有个体配送的司机，指的是对货物类型以及特殊货物没有特殊要求的司机，主要以货物的价格以及匹配度为主要需求。而货物信息可以分为普通货物以及特殊货物，特殊货物主要是指对于货车的类型以及装卸水平均有特殊需求的货物。信息分类环节主要是通过对信息进行审核清洗分类，形成待匹配的货物信息与货车信息，并存储在平台中，根据信息的状态形成信息的优先级，并根据优先级进行上传，较紧急的任务优先进行上传。
上述技术方案的有益效果为：采用本实施例提供的方案，通过收集车主与车货信息并进行分类，有利于共享云仓对货物进行分类。
在另一实施例中，所述构建装载任务将货车与货物进行匹配，包括：
模型构造单元：获取所述待匹配货车信息以及待匹配货物信息，构造匹配模型进行车货匹配，将匹配结果反馈至***内用户；
信息传送单元：记录匹配成功的车货匹配订单，根据订单计算货车的装载率，若当前货车的装载率较低，则共享云仓根据所述目标地址的货车路径信息以及历史的实时货物信息构建任务表，并将任务表反馈至货车行驶过程中实时货物出现较多的，且在路况中靠近边缘服务器的边缘节点中；
路径选择单元：获取货车配送目标地址的路径信息，智能选择配送路线的最优路径，并进行配送。
在另一实施例中，所述构造匹配模型进行车货匹配，包括：
云端数据处理子单元：所述云端数据中心在进行车货第一次匹配的同时计算货车的装载过程，并将未装载满的货车信息传输到共享云仓的边缘端服务器中，并由共享云仓进行车货第二次匹配；
边缘服务计算子单元：通过由所述边缘端服务器接收货物实时信息的同时接收由货车上传的实时路况信息，根据所述货物实时信息与所述实时路况信息计算所述车货第二次匹配的装载率；所述装载率用于查询当前货车是否有继续进行装载与配送的使用容量。
上述技术方案的工作原理为：本实施例采用的方案是，共享云仓在收到上传的任务后，构建车货匹配模型，并将匹配结果反馈至***中进行用户的反馈，。同时进行第一次匹配，共享云仓将记录匹配成功的方案，并计算货车的装载率，根据装载率判断货车在接下来是否需要继续进行第二次匹配。共享云仓记录已经匹配成功的车货匹配订单，并根据订单计算货车的装载率，若当前货车的装载率较低，云端则将货车信息进行收集，根据货车路径以及历史的实时货物信息的频率形成任务表，将任务表反馈至货车行驶过程中实时货物出现较多的路况中所靠近的边缘节点。
实时货物信息的上传与初始货物信息的上传相似，货主将货物与个人信息上传至平台，由平台进行审核以及提取，并将可靠的信息形成待匹配的货物信息并上传至边缘服务器。边缘服务器接收到第二次匹配任务后，根据共享云仓传输的货车信息与接收到的实时货物信息进行二次匹配，相比较于共享云仓的初始匹配过程，边缘服务器在进行匹配时需要结合货车的二次匹配费用以及初始货物的截止时间等进行匹配。
上述技术方案的有益效果为：采用本实施例提供的方案，将货车与车主进行匹配，选择最合适的配送方式，构造匹配模型方便车主进行选择，最后计算最短路径，使配送过程更加简单快速。
在另一实施例中，所述智能选择配送路线的最优路径，包括：
业务功能单元：对货车信息以及路径智能选择信息进行管理，通过记录货车的行驶路线，并将行驶路线与货物信息进行结合，用于对车主的行驶偏好进行确认并生成配送订单；
订单解析单元：在所述配送订单生成以后，***对配送订单的信息进行解析，用于确认货车当前位置以及预计运单收益情况；
智能路径选择单元：结合初始与实时状况进行路径优化，将配送路线作为第一次装配路线，通过结合货物的配送信息以及装载率进行路径最优化，判断当前货车是否处于满载状态，并根据判断结果为车主规划第二次装配路线。
上述技术方案的工作原理为：本实施例采用的方案是，对货车中的信息进行管理以及保存路径优化的相关信息，包括货车的行驶时间、行驶路线、保养情况、加油情况以及维修情况等，并且记录车辆的历史路径信息，将货车与行驶路线与货物信息进行结合，以及对车主的行驶偏好进行确认。在生成配送订单以后，***将解析订单信息包括发货点，货物接收电，发货时间，接收截止时间，是否接收货拼单，对车型是够特殊要求以及车辆信息等，主要是解析订单车辆当前的位置信息，车辆的状态信息，以及订单的收益情况等其他相关信息。在进行初始的路径优化时，主要结合货物的配送信息以及装载率进行路径优化，若当前货物处于满载状态，则不需要考虑货车的装载情况，则以最短路径有目标的对货车进行路径优化。若当前车辆的装载率低，则在进行车辆的路径优化时，应该以车辆的最大收益为目标进行路径优化，在车辆的行驶过程中，若车辆进行二次匹配，则此时的路径优化应该结合实时的路径信息，为车主规划出一条合适的二次装配路线。
上述技术方案的有益效果为：采用本实施例提供的方案，通过对路线进行规划，使货物与车主进行匹配后，快速找出最佳配送路线，提高作业效率。
在另一实施例中，所述智能选择配送路线的最优路径，还包括：
最优路径显示单元：在对货车的路径进行路径最优化以后，***将最优路径发送给车主，并根据车主需求进行选择；
货车信息跟踪单元：在货车的行驶过程中，***通过GPS自动导航定位实时的获取当前货车的位置以及判断货车当前的道路情况，并根据路径情况判断是否需要重新规划路线；
实时信息反馈单元：在货车行驶过程中，自动开启位置共享功能，由共享云仓统计所有货车的行驶信息，接收来自货车的实时反馈，判断车辆行驶状态。
上述技术方案的工作原理为：本实施例采用的方案是，在***选择到合适的路径后，将最优路径发送给车主，并由车主自由选择，在车主选择到合适的路径后，***将结合实际情况以及第三方平台为车主提供路线的最佳查看方式。货车在行驶的过程中，***通过GPS自动定位***实施的获取当前货车的位置以及结合大量货车的信息判断当前的道路情况，为实时的路径优化提供参考。货车在行驶的过程中，通过开启位置共享功能，以便***实时的获取货车的行驶信息，同时***可以根据货车的实时反馈，判断当前货车的行驶情况，为货车提供规划好的加油站、服务站、休息站等。
上述技术方案的有益效果为：采用本实施例提供的方案，为车主提供了更好的服务，并有效的提高了车辆的运输效率。
在另一实施例中，所述结合初始与实时状况进行路径优化，包括：
初始路径优化子单元：云端数据中心解析货车配送的属性信息以及装载率，并根据装载率对不同订单进行打分，对历史订单以及当前订单的属性信息进行相似度计算，选取相似度最高的路径进行推荐作为初始方案；
实时路径优化子单元：边缘端服务器在接收到共享云仓发送的初始方案后，对没有满载的车主进行优先级排序，边缘端服务器接收实时的货物信息，并根据货物的紧急情况以及收益率对货物进行排序，在排序后计算货车与货物的匹配方案，并结合实时的路径情况对车主进行推荐。
上述技术方案的工作原理为：本实施例采用的方案是，所述云端中心解析出车货配送的属性信息，以及货车的装载率，根据货车装载率对订单的不同属性进行打分，根据历史信息以及订单的属性进行相似度计算，选取相似度最高的路径进行推荐，其中，订单属性的总体相似度的计算公式如下：
其中，表示每个订单的属性信息的相似度，/>表示最优目标属性打分，包括时间、成本、路径，p1、p2、p3分别表示根据装载率对时间、成本、路径的不同程度的打分，lum代表货车出发地的装载率，lux代表出发地的货车属性信息，cum代表货车目的地货车装载率，cux代表货车目的地的货车属性信息，q1、q2分别代表订单与货车的属性向量，x1、x2为随机选择两个用户的属性信息作为打分参数，w1为订单属性相似度权重因子，w2为目标属性打分的权重因子，最后计算得到sim为订单属性的总体相似度。
边缘端服务器接收到共享云仓发送的初始方案后，对没有满载的用户进行优先级排序，边缘端服务器接收到实时的货物信息，根据货物的紧急程度和收益率对货物进行排序，计算货车与货物的匹配方案，并发送给车主，并通过当前路径情况进行路径的再次推荐。
上述技术方案的有益效果为：采用本实施例提供的方案，通过计算相似度，根据车辆的情况对货物配送路线进行优化，提高车辆工作效率。
在另一实施例中，参照图2，所述共享云仓生成运费报价发送给***内用户，包括：
货物分类单元：将车主需要运送的货物进行分类，并根据分类结果采用变动单价的方式计算每一种货物的运费；
模型构建单元：构建运费报价模型用于计算货物的运费，在货物运输过程中，除去货物质量的固定费用，剩余运费随着运输公里数的增长而增长且呈一定的线性关系，使用最小二乘法建立函数关系得出线性方程求得运费；根据货物不同属性的分类，得出不同货物类型的结算公式，构建运费报价模型；
运费结算单元：将运输的货车根据货物的不同种类通过所述运费报价模型进行运费合计相加，得出整辆货车的运费。
上述技术方案的工作原理为：本实施例采用的方案是，将货物分为普通货物与特殊货物，其中普通货物包括日用百货以及各种可食用品，特殊用品指在运输、保管、装卸中对车辆结构以及运输方式有特殊要求的货物，例如，需冷藏、易碎品等。将上述类别的货物进行分类，分别建立不同货物种类运费与公里数的关系图，建立线性回归方程用于求出货物运输费用以及公里数的数据集来求出运费关于公里数的线性回归方程，并且得出的线性回归方程可以用来计算任何物品运输公里数的运输相关费用，公式如下：
其中，xi、yi分别表示货车在运送某一种类的货物时，在抵达目的地后实际产生的运费以及实际行驶路径的公里数，n表示当前货车运输的所有货物的种类数量，i代表当前货物的种类，a则为计算得到的货物种类与运费的对应关系线性方程。
根据计算得到的线性方程，针对不同型号的运输货车，构建运费报价模型，当车主在进行运输前，在***运费报价模中输入车车辆型号以及运输货物的种类，则可以自动生成运费报价，并将运费报价上传到共享云仓中。
上述技术方案的有益效果为：采用本实施例提供的方案，将货物进行分类，并根据货物种类分别计算运费，提高配送效率。
在另一实施例中，参照图3，所述构造匹配模型进行车货匹配，包括：
数据协同单元：共享云仓与边缘端服务器共同维护***内的数据信息，在共享云仓中设置多个边缘节点，并设置边缘节点与中心节点中的数据同步，根据历史的货车配送量计算边缘节点的任务完成时间，并根据任务完成时间将数据信息分配到边缘节点；
资源协同单元：用于存储车货匹配的资源信息，通过记录边缘节点的资源信息情况，根据边缘节点的货车配送量进行协同任务调度，并将具有不同资源的边缘节点结合；
应用协同单元：用于结合共享云仓与边缘端服务器进行车货匹配部署。
上述技术方案的工作原理为：本实施例采用的方案是，数据协同将共享云仓与边缘端服务器结合共同维护***内数据以及边缘节点的配置，共享云仓与边缘端服务器在进行数据处理时，主要由云端进行数据整体分析，而边缘端应用实时产生的信息，对于无法上传到云端进行解决的数据实施就地处理，有效减少上传至中心节点的时间减少网络运输资源以及存储资源的损耗，为了更好的服务，将业务中心选择性发的部署在边缘节点上，设备数据则将上传至边缘节点处，而中心为了实现设备的统一管理则需要将上述数据进行同步，另外为了让统一管理容边缘网络产生故障时，边缘中心可为边缘节点提供强有力的支撑，保证用户可用性。
在进行资源协同时，主要包括协同共享云仓库对资源进行划分，将较多任务划分到资源量较丰富的边缘节点上，同时记录边缘节点的资源情况，根据边缘节点的资源量结合任务量进行协同任务调度，将具有不同资源量的边缘点结合，在任务紧急时进行协同任务计算。
上述技术方案的有益效果为：采用本实施例提供的方案，通过数据协同进行数据聚合，实现跨区域，跨***的多维时空融合，实现综合管控。通过资源协同，提供多种数据调度方案，提高用户体验，使用应用协同，实现计算的精准分析。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

1.一种共享云仓物流城配路线智能选择及运费报价***，包括：
信息上传模块：收集与货车配送相关的车主与货主信息上传到共享云仓的云端数据中心，并对云端数据中心中的信息进行审核；
车货匹配模块：对审核通过的信息，构建装载任务将货车与货物进行匹配，将未完成装载的货物信息上传至共享云仓的边缘端服务器，通过查询未满载的车辆继续完成装载任务，直到货物分配完毕；
路径优化模块：在货物分配完毕后生成配送订单，通过对配送订单的解析以及根据出发地与目的地的位置智能计算最优路径，并将最优路径发送给车主进行选择，在完成选择后生成决策订单；
所述构建装载任务将货车与货物进行匹配，包括：
模型构造单元：获取待匹配货车信息以及待匹配货物信息，构造匹配模型进行车货匹配，将匹配结果反馈至***内用户；
信息传送单元：记录匹配成功的车货匹配订单，根据订单计算货车的装载率，若当前货车的装载率较低，则共享云仓根据货车路径信息以及历史货物信息构建任务表，并将任务表反馈至货车行驶过程中实时货物出现较多的，且在路况中靠近边缘服务器的边缘节点中；
路径选择单元：获取货车配送目标地址的路径信息，智能选择配送路线的最优路径，并进行配送；
所述智能选择配送路线的最优路径，包括：
业务功能单元：对货车信息以及路径智能选择信息进行管理，通过记录货车的行驶路线，并将行驶路线与货物信息进行结合，用于对车主的行驶偏好进行确认并生成配送订单；
订单解析单元：在所述配送订单生成以后，***对配送订单的信息进行解析，用于确认货车当前位置以及预计运单收益情况；
智能路径选择单元：结合初始与实时状况进行路径优化，将配送路线作为第一次装配路线，通过结合货物的配送信息以及装载率进行路径最优化，判断当前货车是否处于满载状态，若当前货车处于满载状态，则以最短路径为目标对货车进行路径优化；若当前车辆的装载率低，则以车辆的最大收益为目标进行路径优化，若车辆进行二次匹配，则以车辆的最大收益为目标并结合实时路径信息为车主规划第二次装配路线；
还包括：
运费决策模块：获取货车中的货物信息以及所述决策订单，并根据决策订单中的路径信息实施运费策略，所述运费策略包括完全免运费策略，完全不免费策略以及条件免费策略；
运费报价模块：根据货物信息以及路径信息制定的运费策略发送到共享云仓中，并由共享云仓生成运费报价发送给***内用户；
运营分析模块：对运费报价流程进行实时监控，并计算出最优运费策略，使物流利润保持在***所设定的阈值范围内。
2.根据权利要求1所述的一种共享云仓物流城配路线智能选择及运费报价***，其特征在于，所述收集与货车配送相关的车主与货主信息，包括：
信息采集单元：收集车主信息以及货主信息上传到共享云仓中，所述车主信息包括车主的个人信息以及货车信息，共享云仓在接收到车主信息后进行审核，审核通过后将车主信息进行提取并形成待匹配货车信息；所述货主信息包括货主的货物信息与个人信息，共享云仓接收到货主信息后进行审核，并将审核后的信息进行提取形成待匹配货物信息；
信息分类单元：共享云仓在接收到车主信息和货主信息后，根据货主的类型将货主的配送方式分为单线配送、个体配送、以及优先级配送；所述单线配送以有特殊需求的货物为配送标准，所述个体配送以货物与价格匹配度为配送标准。
3.根据权利要求2所述的一种共享云仓物流城配路线智能选择及运费报价***，其特征在于，所述构造匹配模型进行车货匹配，包括：
云端数据处理子单元：所述云端数据中心在进行车货第一次匹配的同时计算货车的装载率，并将未装载满的货车信息传输到共享云仓的边缘端服务器中，并由共享云仓进行车货第二次匹配；
边缘服务计算子单元：通过由所述边缘端服务器接收货物实时信息的同时接收由货车上传的实时路况信息，根据所述货物实时信息与所述实时路况信息计算所述车货第二次匹配的装载率；所述装载率用于查询当前货车是否有继续进行装载与配送的使用容量。
4.根据权利要求1所述的一种共享云仓物流城配路线智能选择及运费报价***，其特征在于，所述智能选择配送路线的最优路径，还包括：
最优路径显示单元：在对货车的路径进行路径最优化以后，***将最优路径发送给车主，并根据车主需求进行选择；
货车信息跟踪单元：在货车的行驶过程中，***通过GPS自动导航定位实时的获取当前货车的位置以及判断货车当前的道路情况，并根据路径情况判断是否需要重新规划路线；
实时信息反馈单元：在货车行驶过程中，自动开启位置共享功能，由共享云仓统计所有货车的行驶信息，接收来自货车的实时反馈，判断车辆行驶状态。
5.根据权利要求1所述的一种共享云仓物流城配路线智能选择及运费报价***，其特征在于，所述结合初始与实时状况进行路径优化，包括：
初始路径优化子单元：云端数据中心解析货车配送的属性信息以及装载率，并根据装载率对不同配送订单进行打分，对历史配送订单以及当前配送订单的属性信息进行相似度计算，选取相似度最高的历史配送订单的路径进行推荐作为初始方案；
实时路径优化子单元：边缘端服务器在接收到共享云仓发送的初始方案后，对没有满载的车主进行优先级排序，边缘端服务器接收实时的货物信息，并根据货物的紧急情况以及收益率对货物进行排序，在排序后计算货车与货物的匹配方案，并结合实时的路径情况将车货匹配方案推荐给车主。
6.根据权利要求1所述的一种共享云仓物流城配路线智能选择及运费报价***，其特征在于，所述共享云仓生成运费报价发送给***内用户，包括：
货物分类单元：将车主需要运送的货物进行分类，并根据分类结果采用变动单价的方式计算每一种货物的运费；
模型构建单元：构建运费报价模型用于计算货物的运费，在货物运输过程中，除去货物质量的固定费用，剩余运费随着运输公里数的增长而增长且呈一定的线性关系，使用最小二乘法建立函数关系得出线性方程求得运费；根据货物不同属性的分类，得出不同货物类型的结算公式，构建运费报价模型；
运费结算单元：将运输的货车根据货物的不同种类通过所述运费报价模型进行运费合计相加，得出整辆货车的运费。
7.根据权利要求1所述的一种共享云仓物流城配路线智能选择及运费报价***，其特征在于，所述构造匹配模型进行车货匹配，包括：
数据协同单元：共享云仓与边缘端服务器共同维护***内的数据信息，在共享云仓中设置多个边缘节点，并设置边缘节点与中心节点中的数据同步，根据历史的货车配送量计算边缘节点的任务完成时间，并根据任务完成时间将数据信息分配到边缘节点；
资源协同单元：用于存储车货匹配的资源信息，通过记录边缘节点的资源信息情况，根据边缘节点的货车配送量进行协同任务调度，并将具有不同资源的边缘节点结合；
应用协同单元：用于结合共享云仓与边缘端服务器进行车货匹配部署。
CN202310363278.4A 2023-03-29 2023-03-29 一种共享云仓物流城配路线智能选择及运费报价*** Active CN116432880B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310363278.4A CN116432880B (zh) 2023-03-29 2023-03-29 一种共享云仓物流城配路线智能选择及运费报价***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310363278.4A CN116432880B (zh) 2023-03-29 2023-03-29 一种共享云仓物流城配路线智能选择及运费报价***

Publications (2)

Publication Number Publication Date
CN116432880A CN116432880A (zh) 2023-07-14
CN116432880B true CN116432880B (zh) 2023-10-20

Family

ID=87084926

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310363278.4A Active CN116432880B (zh) 2023-03-29 2023-03-29 一种共享云仓物流城配路线智能选择及运费报价***

Country Status (1)

Country Link
CN (1) CN116432880B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116720803B (zh) * 2023-08-10 2024-01-12 深圳市兰洋科技有限公司 一种基于智能设备的云配送任务处理方法及***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106910038A (zh) * 2017-04-25 2017-06-30 物载天下网络科技（苏州）有限公司 一种同城配送的货物与车辆匹配的***和方法
CN107679646A (zh) * 2017-09-04 2018-02-09 安徽共生物流科技有限公司 一种效益最优的运输路线智能优化方法
CN109409613A (zh) * 2018-11-16 2019-03-01 南京大学 一种基于物流运力团购车货匹配优化方法
CN113627855A (zh) * 2021-08-17 2021-11-09 百安居信息技术(上海)有限公司 一种物流配送运费核算方法、***及电子设备
CN114331257A (zh) * 2021-12-06 2022-04-12 上海东普信息科技有限公司 物流运输装载管理方法、装置、设备及存储介质
CN114548723A (zh) * 2022-02-15 2022-05-27 南京邮电大学 基于云边协同的实时车货匹配与路径推荐方法及其***
CN115700670A (zh) * 2021-07-22 2023-02-07 江西万佶物流有限公司 一种货运拼货方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4115364A4 (en) * 2020-03-06 2024-03-27 Braskem, S.A. METHOD AND SYSTEM FOR INTELLIGENT LOAD OPTIMIZATION FOR VEHICLES

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106910038A (zh) * 2017-04-25 2017-06-30 物载天下网络科技（苏州）有限公司 一种同城配送的货物与车辆匹配的***和方法
CN107679646A (zh) * 2017-09-04 2018-02-09 安徽共生物流科技有限公司 一种效益最优的运输路线智能优化方法
CN109409613A (zh) * 2018-11-16 2019-03-01 南京大学 一种基于物流运力团购车货匹配优化方法
CN115700670A (zh) * 2021-07-22 2023-02-07 江西万佶物流有限公司 一种货运拼货方法
CN113627855A (zh) * 2021-08-17 2021-11-09 百安居信息技术(上海)有限公司 一种物流配送运费核算方法、***及电子设备
CN114331257A (zh) * 2021-12-06 2022-04-12 上海东普信息科技有限公司 物流运输装载管理方法、装置、设备及存储介质
CN114548723A (zh) * 2022-02-15 2022-05-27 南京邮电大学 基于云边协同的实时车货匹配与路径推荐方法及其***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Research and application of optimization algorithm based on two-stage in distribution routing planning;Minai He等;《2008 IEEE International Conference on Automation and Logistics》;2104-2109 *
多温共配冷链物流车辆配送路径优化仿真;丁艳;《沈阳工业大学学报》;第43卷(第03期);311-316 *

Also Published As

Publication number Publication date
CN116432880A (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
Guastaroba et al. Intermediate facilities in freight transportation planning: a survey
US11887030B2 (en) Interactive network and method for securing conveyance services
Eshtehadi et al. Solving the vehicle routing problem with multi-compartment vehicles for city logistics
CN109308540B (zh) 一种配送车辆的配送计划生成方法、装置及***
CN112270135B (zh) 一种物流发运调度智能配送方法、装置、设备及存储介质
Savelsbergh et al. Drive: Dynamic routing of independent vehicles
US20130159208A1 (en) Shipper-oriented logistics base optimization system
US11100452B2 (en) Customized integrated pricing packages for freight shipment
US20190251508A1 (en) Systems and methods for facilitating freight transportation
CN116432880B (zh) 一种共享云仓物流城配路线智能选择及运费报价***
Farias et al. Model and exact solution for a two-echelon inventory routing problem
Liu et al. A scheduling decision support model for minimizing the number of drones with dynamic package arrivals and personalized deadlines
Cheng et al. Integrated people-and-goods transportation systems: from a literature review to a general framework for future research
Davidsson et al. Multi agent based simulation of transport chains
CN117436777B (zh) 一种用于智能物流货运的多式联运方法及***
Ramos et al. A new hybrid distribution paradigm: Integrating drones in medicines delivery
Endler et al. Systematic review of the latest scientific publications on the vehicle routing problem
Hanum et al. Vehicle routing problems in rice-for-the-poor distribution
CN117436778A (zh) 一种物流货运拼车方法及助手***
US20230196227A1 (en) Interactive network and method for securing conveyance services
JP2003233896A (ja) 配車計画立案方法および装置
Andreev et al. Magenta multi-agent systems for dynamic scheduling
US20200082335A1 (en) Methods and apparatus for load and route assignments in a delivery system
WO2014161895A1 (en) System for assigning a goods consumer to a goods provider
Liu et al. Logistics Hub Capacity Deployment in Hyperconnected Transportation Network Under Uncertainty

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