本发明涉及一种物流技术，具体地涉及一种基于云服务器大数据分析的物流自动化调度方法及系统。
背景技术：
随着物流技术的快速发展，用户对物流的要求也越来越高。物流调度是物流技术的最重要内容之一。在传统的物流调度技术下国内外各物流公司都是将各自客户的货物从出发地送达目的地，所以各个物流公司之间形成物流资源孤岛。因此，传统的整个物流行业物流资源存在分布不均的问题，导致物流资源利用率低，无法达到有效的调整。
技术实现要素：
有鉴于此，本发明的主要目的是提供一种基于云服务器大数据分析的物流自动化调度方法及系统。
本发明采用的技术方案是：
一种基于云服务器大数据分析的物流自动化调度方法，包括获取物流资源信息，通过云服务器组内的处理模块对物流资源信息进行处理，建立物流资源信息的目的地和路径轨迹，依据目的地和路径轨迹建立至少一个匹配路径轨迹的派送点，依据派送点派送流量建立派送点派送量阈值，依据派送量阈值选择是否启用预派送调度模块，所述预派送调度模块向云服务器组发送预派送调度模块启用指令，所述云服务器组接收该预派送调度模块启用指令后通过所述云服务器组内设置的通信接口模块识别派送点的已派送量、未派送量以及派送点的单日派送量最大值组合形成的派送比率，通过派送比率的变化状态修订派送量阈值，通过修订的派送量阈值选择是否启用派送调度模块。
进一步地，所述通信接口模块内设置有处理模块，所述处理模块按照已派送量、未派送量以及派送点的单日派送量最大值组合计算派送比率。
进一步地，所述物流资源信息由揽货移动终端采集，采集信息包括发件人数据、收件人数据以及提取收件人目的地数据，以及获取订单的揽货实时运动轨迹数据。
本发明还提供了一种基于云服务器大数据分析的物流自动化调度系统，包括
设置至少一个揽货管控终端以及设置至少一个揽货移动终端与所述揽货管控终端匹配，
在所述揽货移动终端内设置有揽货位置采集模块，所述揽货移动终端获取订单数据，并通过所述揽货位置采集模块获取订单的揽货实时运动轨迹数据，所述揽货管控终端获取订单数据以及与该订单数据匹配的揽货实时运动轨迹数据；
设置一个云服务器组，用于实时获取管控终端的订单数据以及订单数据匹配的揽货实时运动轨迹数据；
设置一个揽货调度模块，依据揽货实时运动轨迹数据调度移动终端的行驶路线至最近的分拣点；
设置一个分拣采集模块，获取订单数据的分拣数据以及移动轨迹数据，
设置一个至少一个派送管控终端以及设置至少一个派送移动终端与所述派送管控终端匹配，
设置一个派送量阈值，按照分拣数据分发至匹配分拣数据的派送点；派送管控终端形成派送指令，所述派送移动终端接收派送指令并获取派送信息，以及所述派送移动终端内设置有派送位置采集模块，所述派送位置采集模块获取订单的派送实时运动轨迹数据，并将该派送实时运动轨迹数通过派送管控终端发送至云服务器组，所述云服务器组依据派送量阈值选择是否启用派送调度模块。
进一步地，所述云服务器内还设置有预派送调度模块和监测模块，所述监测模块用于实时监测派送点已派送量、未派送量以及派送总量的数据变化信息，依据该数据变化信息确定是否启用预派送调度模块。
进一步地，所述云服务器组内设置的通信接口模块。
进一步地，所述通信接口模块内设置有处理模块，所述处理模块按照已派送量、未派送量以及派送点的单日派送量最大值组合计算派送比率。
进一步地，通过所述派送比率的变化状态修订派送量阈值，通过修订的派送量阈值选择是否启用派送调度模块。
本发明具有以下优点：
1、基于物流后端云的数据和订单流程管控，结合人员和车辆佩戴的位置采集终端，实时多维度采集物品轨迹数据；
2、基于物流后端云的大数据分析模型，构建大数据仓库；
3、基于物流后端云强大的大数据运算能力，根据数据模型，快速产出分析成果；
4、根据大数据轨迹分析结果，配合调度系统，可实现实时自动化高效调度。
附图说明
图1为本发明的流程图；
图2为本发明的系统框架原理图。
具体实施方式
下面将结合附图以及具体实施例来详细说明本发明，在此本发明的示意性实施例以及说明用来解释本发明，但并不作为对本发明的限定。
参照图1至图2，本发明公开了一种基于云计算的实时通信方法及系统。
本发明采用的技术方案是：
参照图2：本发明还提供了一种基于云服务器大数据分析的物流自动化调度系统，包括
设置至少一个揽货管控终端2以及设置至少一个揽货移动终端1 与所述揽货管控终端2匹配，
在所述揽货移动终端1内设置有揽货位置采集模块，所述揽货移动终端获取订单数据，并通过所述揽货位置采集模块获取订单的揽货实时运动轨迹数据，所述揽货管控终端2获取订单数据以及与该订单数据匹配的揽货实时运动轨迹数据；
设置一个云服务器组3，用于实时获取揽货管控终端2的订单数据以及订单数据匹配的揽货实时运动轨迹数据；
设置一个揽货调度模块31，依据揽货实时运动轨迹数据调度移动终端的行驶路线至最近的分拣点；
设置一个分拣采集模块32，获取订单数据的分拣数据以及移动轨迹数据，
设置一个至少一个派送管控终端4以及设置至少一个派送移动终端5与所述派送管控终端4匹配，
设置一个派送量阈值33，按照分拣数据分发至匹配分拣数据的派送点；派送管控终端4形成派送指令，所述派送移动终端5接收派送指令并获取派送信息，以及所述派送移动终端5内设置有派送位置采集模块，所述派送位置采集模块获取订单的派送实时运动轨迹数据，并将该派送实时运动轨迹数通过派送管控终端发送至云服务器组，所述云服务器组依据派送量阈值选择是否启用派送调度模块。
所述云服务器组3内还设置有预派送调度模块和监测模块，所述监测模块用于实时监测派送点已派送量、未派送量以及派送总量的数据变化信息，依据该数据变化信息确定是否启用预派送调度模块。
所述云服务器组3内设置的通信接口模块。
所述通信接口模块内设置有处理模块，所述处理模块按照已派送量、未派送量以及派送点的单日派送量最大值组合计算派送比率。
通过所述派送比率的变化状态修订派送量阈值，通过修订的派送量阈值选择是否启用派送调度模块。
参照图2：本发明还提供了一种基于云服务器大数据分析的物流自动化调度方法，包括获取物流资源信息，通过云服务器组内的处理模块对物流资源信息进行处理，建立物流资源信息的目的地和路径轨迹，依据目的地和路径轨迹建立至少一个匹配路径轨迹的派送点，依据派送点派送流量建立派送点派送量阈值，依据派送量阈值选择是否启用预派送调度模块，所述预派送调度模块向云服务器组发送预派送调度模块启用指令，所述云服务器组接收该预派送调度模块启用指令后通过所述云服务器组内设置的通信接口模块识别派送点的已派送量、未派送量以及派送点的单日派送量最大值组合形成的派送比率，通过派送比率的变化状态修订派送量阈值，通过修订的派送量阈值选择是否启用派送调度模块。
所述通信接口模块内设置有处理模块，所述处理模块按照已派送量、未派送量以及派送点的单日派送量最大值组合计算派送比率。
所述物流资源信息由揽货移动终端采集，采集信息包括发件人数据、收件人数据以及提取收件人目的地数据，以及获取订单的揽货实时运动轨迹数据。
本发明基于物流后端云的数据和订单流程管控，结合人员和车辆佩戴的位置采集终端，实时多维度采集物品轨迹数据；基于物流后端云的大数据分析模型，可以构建大数据仓库；基于物流后端云强大的大数据运算能力，根据数据模型，快速产出分析成果；根据大数据轨迹分析结果，配合调度系统，可实现实时自动化高效调度。
以上对本发明实施例所公开的技术方案进行了详细介绍，本文中应用了具体实施例对本发明实施例的原理以及实施方式进行了阐述，以上实施例的说明只适用于帮助理解本发明实施例的原理；同时，对于本领域的一般技术人员，依据本发明实施例，在具体实施方式以及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。