一种车、货智能匹配方法、装置及系统的制作方法

文档序号:9397344
一种车、货智能匹配方法、装置及系统的制作方法
【技术领域】
[0001]本发明涉及物流管理应用领域,具体地说,涉及一种车、货智能匹配方法、装置及系统。
【背景技术】
[0002]随着互联网和物流行业的发展,现代物流已经提升为一个城市或一个国家乃至全球经济发展的一个重要经济指标,物流产业对经济的影响也越来越重要,而物流配送作为物流行业中最重要的一环,其作用和优化显得极其重要。
[0003]目前,已有的物流配送方式基本靠人工方式配送,车主一般通过传统物流或配货站获取信息,然后对货物进行发送,而物流公司调车发货时,基本都是通过电话、人工找车、找货,通过人工的比较去确定合适的车辆,业务繁忙时,往往需要安排很多调度员,这种配送方式存在诸多不足。其一,这种传统的配货方式时间较长,导致司机停留成本高,有效资源得不到更好利用;其二、发货企业无法及时找到适合自己的车辆,发货不及时,货物流转率偏低;其三、货物类型与所需车型、车长、吨位、体积、地理位置、优先配载返程车等属性获得匹配的时间较长,增加沟通交流成本;
[0004]为此,如何解决上述应用中存在的缺陷,提供一种车、货智能匹配方法、装置及系统,是本领域技术人员亟待解决的问题。

【发明内容】

[0005]本发明针对上述存在的问题,提供了一种车、货智能匹配方法、装置及系统,能够实现车源与货源各重要特征属性优先匹配,解决沟通成本高、返程资源浪费、货物流转率偏低等问题。
[0006]本发明为实现上述目的,采取以下技术方案予以实现:
[0007]一种车、货智能匹配方法,包括步骤:
[0008]I)服务器对车特征元数据和货物特征元数据进行存储;
[0009]2)服务器对车特征元数据和货物特征元数据进行初步匹配,获取初步结果;
[0010]3)服务器对获取到的所述匹配结果进行分析,获取最优整车匹配结果。
[0011]优选地,在所述服务器对获取到的所述匹配结果进行分析,获取最优整车匹配结果步骤之后还包括:
[0012]对非最优整车匹配结果,服务器记录其相对应的车特征元数据和/或货物特征元数据,进行递归匹配。
[0013]优选地,所述对非最优整车匹配结果,服务器记录其相对应的车特征元数据和/或货物特征元数据,进行递归匹配步骤具体为:
[0014]服务器使用贪婪算法,对剩余车特征元数据和/或货物特征元数据进行二次匹配,递归执行所述步骤3),直到待分析处理的数据为空。
[0015]优选地,在所述服务器使用贪婪算法,对剩余车特征元数据和/或货物特征元数据进行二次匹配,递归执行所述步骤3),直到待分析处理的数据为空步骤之后还包括:
[0016]服务器将获取到的最终匹配结果写入数据库,并向终端推送相匹配的信息。
[0017]优选地,所述步骤2)具体为:
[0018]所述车特征元数据包括车辆出发地、目的地、车辆类型、车辆长度、重量、车辆容积等数据;
[0019]所述货物特征元数据包括货物出发地、目的地、货物重量、货物长度、货物体积等数据;
[0020]服务器按照出发地和目的地相同、货物类型和车辆类型相容、重量、立方、长度等匹配的车源和货源进行匹配,并采用二进制方式计算形成初步结果。
[0021]优选地,所述步骤3)具体为:
[0022]服务器对获取的所述初步结果进行分析,通过二进制bit位的对比,分析所述初步结果中的车特征元数据和货物特征元数据的相似度,并按照配载额度占总额度的比例大小方式设置所述初步结果的优先级,将优先级排序后,得出最优整车匹配结果。
[0023]本发明的另一目的在于提供一种车、货智能匹配装置,包括服务器,所述服务器内设置有存储模块和分布式调度模块,所述分布式调度模块包括匹配单元、比对分析单元,所述分布式调度模块和所述存储模块连接,其中:
[0024]所述存储模块用于对车特征元数据和货物特征元数据进行存储;
[0025]所述匹配单元用于对车特征元数据和货物特征元数据进行初步匹配,获取初步结果;
[0026]所述比对分析单元用于对获取到的所述匹配结果进行分析,获取最优整车匹配结果O
[0027]优选地,所述分布式调度模块还包括记录单元和计算单元;
[0028]所述记录单元用于对非最优整车匹配结果相对应的车特征元数据和/或货物特征元数据进行记录;
[0029]所述计算单元用于采用贪婪算法,对剩余车特征元数据和/或货物特征元数据进行二次匹配,递归执行所述步骤3),直到待分析处理的数据为空。
[0030]本发明的又一目的在于提供一种车、货智能匹配系统,包括终端设备和车、货智能匹配装置;
[0031]所述终端设备与所述车、货智能匹配装置交互。
[0032]与现有技术相比,本发明具备以下有益效果:
[0033]本发明通过将车特征元数据与货物特征元数据进行收集、存储和分析,实现车源与货源各重要特征属性优先匹配,达到车和货物的灵活匹配,解决沟通成本高、返程资源浪费、货物流转率偏低等问题,最大程度发挥社会资源。
【附图说明】
[0034]图1是本发明实施例中一种车、货智能匹配方法的一个流程示意图;
[0035]图2是本发明实施例中一种车、货智能匹配方法的另一个流程示意图;
[0036]图3是本发明实施例中一种车、货智能匹配方法的又一个流程示意图;
[0037]图4是本发明实施例中一种车、货智能匹配装置的一个结构示意图;
[0038]图5是本发明实施例中一种车、货智能匹配装置的另一个结构示意图;
[0039]图6是本发明实施例中一种车、货智能匹配系统的一个组成示意图。
【具体实施方式】
[0040]本发明实施例提供了一种车、货智能匹配方法、装置及系统,能够实现车和货物的灵活匹配,解决沟通成本高、返程资源浪费、货物流转率偏低等问题,最大程度发挥社会资源。
[0041]为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围。
[0042]如图1,实施例1,本发明实施例中一种车、货智能匹配方法的一个实施例包括:
[0043]101、服务器对车特征元数据和货物特征元数据进行存储;
[0044]本发明实施例中,为了实现对车和货物的最佳匹配,实现物流资源的合理利用,首先,服务器对车的特征元数据和货物的特征元数据进行收集存储,从而为下一步的匹配做好准备。
[0045]102、服务器对车特征元数据和货物特征元数据进行初步匹配,获取初步结果;
[0046]服务器针对存储后的车和货物的特征元数据进行初步的匹配,通过该匹配程序,获得初步匹配结果。
[0047]103、服务器对获取到的所述匹配结果进行分析,获取最优整车匹配结果。
[0048]然后,服务器对获取的初步结果、即匹配结果进行分析对比,最终获得最优整车匹配结果。
[0049]本发明实施例中,通过将车特征元数据与货物特征元数据进行收集、存储和分析,获得车源与货源各重要特征属性最优优先匹配,实现车和货物的灵活匹配,解决沟通成本高、返程资源浪费、货物流转率偏低等问题,最大程度发挥社会资源。
[0050]实施例2,如图2,本发明实施例中一种车、货智能匹配方法的另一个实施例包括:
[0051]201、服务器对车特征元数据和货物特征元数据进行存储;
[0052]202、服务器对车特征元数据和货物特征元数据进行初步匹配,获取初步结果;
[0053]203、服务器对获取到的所述匹配结果进行分析,获取最优整车匹配结果。
[0054]本实施例步骤201至203与上述实施例1中的步骤101至103步骤内容类似,不再累述。
[0055]204、对非最优整车匹配结果,服务器记录其相对应的车特征元数据和/或货物特征元数据,进行递归匹配。
[0056]在步骤203获得最优整车匹配结果的同时,实际上还有一部分是属于非最优整车匹配结果的数据,对这一部分的数据,包括车特征元数据和/或货特征元数据,服务器对其进行记录,并对其按照递归匹配法进行二次匹配。
[0057]本发明实施例中,通过将车特征元数据与货物特征元数据进行收集、存储和分析,获得车源与货源各重要特征属性最优优先匹配;同时,对不属于最优整车匹配结果的数据,即属于非最优整车匹配结果的车特征元数据和/或货特征元数据,服务器对其进行记录,并对其按照递归匹配法进行二次匹配,直至待分析处理的数据为空,从而实现了车和货物的灵活匹配,解决返程资源浪费、货物流转率低等问题,最大程度发挥社会资源。
[0058]需要指出的是,针对非最优整车匹配结果的数据,即不属于最优整车匹配结果的车特征元数据和/或货特征元数据,服务器对这些数据进行记录,使用贪婪算法,对剩余的这些不属于最优整车匹配结果的车特征元数据和/或货物特征元数据进行二次匹配,递归执行步骤203,直到待分析处理的数据为空。
[0059]实施例3,如图3,本发明实施例中一种车、货智能匹配方法的另一个实施例包括:
[0060]301、服务器对车特征元数据和货物特征元数据进行存储;
[0061]302、服务器对车特征元数据
再多了解一些
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1