分拨中心货量预测方法及装置与流程

本发明涉及物流运输领域，尤其是一种分拨中心货量预测方法及装置。

背景技术：

如今，物流行业出现了各种物流形式，均得到了极大的发展，例如零担物流，指当一批货物的重量或容积不满一辆货车时，可与其他几批甚至上百批货物共用一辆货车装运，这种物流方式叫零担货物运输，是一种承运部门将不同货主的货物按同一到站凑满一车后再发运的服务形式。但是零担物流一般来说货物大小悬殊、中转场地有限并且时效紧迫，其在分拨中心应当快进快出，并且应该集中在相对固定时间段进出场站以提高效率，如果现场人员调度不及时，极易造成货物堆积和资源浪费，另外，当分拨中心中转货物达到一定数量级后，就会存在各种资源调配不合理现象，造成货物装卸效率低下、月台使用率低下、货物在分拨中心周转时间过长、车辆使用效率低下等诸多问题。

因此需要提出一种对每天分拨中心的货量进行预测的货量预测方法，以进行物流资源的提前调度规划，提高分拨中心的周转效率，减少由于货物堆积造成的资源浪费现象。

技术实现要素：

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的目的是提供一种对每天分拨中心的货量进行预测的货量预测方法。

本发明所采用的技术方案是：

第一方面，本发明提供一种分拨中心货量预测方法，包括：

历史货量预测：根据分拨中心的历史货量计算得到预测日期的历史预计货量，所述历史预计货量预测包括：出港历史预计货量预测和进港预计货量预测；

实时货量预测：获取在库货量以及根据订单货物信息计算得到预测日期当天的实时预计货量，所述实时货量预测包括：出港实时货量预测和进港实时货量预测；

结合所述历史预计货量和所述实时预计货量得到所述分拨中心预测日期当天的预测货量。

进一步地，所述历史货量预测具体为：获取历史数据中与预测日期相关的平均货量数据以及日增长货量，计算得到预测日期的所述历史预计货量；

计算公式表示为：

x1+x2+x3+x4+x5＝1

v(q)＝v(q-1)+δv

其中，v(p)表示历史预计货量，p表示预测日期，表示历史货量数据中j个周w的平均货量，表示历史货量数据中k个每个月第d日的平均货量，表示历史货量数据中n个m月d日的平均货量，表示需要预测货量日期前h天的平均货量，v(q)表示预测日期前一天的货量，δv为日增长货量，x1到x5为变量权重。

进一步地，所述出港实时货量预测具体为：

计算所述分拨中心预测日期当前出港的在库货量；

获取所述分拨中心以及各营业网点的出港订单以及提货订单，计算出港的预计货量，进行出港实时货量预测，进而得到出港实时预计货量。

进一步地，所述进港实时货量预测具体为：

计算所述分拨中心当前卸货的在库货量；

获取干线进港运输货物的车辆到达时间，计算预设时间后到达分拨中心进港的预计货量，进行进港实时货量预测，进而得到进港出港实时预计货量。

第二方面，本发明还提供一种分拨中心货量预测装置，包括：

历史货量预测模块：用于根据分拨中心的历史货量计算得到预测日期的历史预计货量，所述历史预计货量预测包括：出港历史预计货量预测和进港预计货量预测；

实时货量预测模块：用于获取在库货量以及根据订单货物信息计算得到预测日期当天的实时预计货量，所述实时货量预测包括：出港实时货量预测和进港实时货量预测；

整体预测货量模块：用于结合所述历史预计货量和所述实时预计货量得到所述分拨中心预测日期当天的预测货量。

进一步地，所述实时货量预测模块包括：出港实时货量预测模块和进港实时货量预测模块。

进一步地，所述出港实时货量预测模块进行所述出港实时货量预测的过程具体为：

计算所述分拨中心预测日期当前出港的在库货量；

获取所述分拨中心以及各营业网点的出港订单以及提货订单，计算出港的预计货量，进行出港实时货量预测，进而得到出港实时预计货量。

进一步地，所述进港实时货量预测模块进行所述进港实时货量预测的过程具体为：

计算所述分拨中心当前卸货的在库货量；

获取干线进港运输货物的车辆到达时间，计算预设时间后到达分拨中心进港的预计货量，进行进港实时货量预测，进而得到进港出港实时预计货量。

第三方面，本发明还提供一种分拨中心货量预测设备，其特征在于，包括：

至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；

其中，所述处理器通过调用所述存储器中存储的计算机程序，用于执行如权利要求1至4任一项所述的方法。

第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如第一方面任一项所述的方法。

本发明的有益效果是：

本发明通过分拨中心的历史货量计算得到预测日期的历史预计货量，并获取在库货量以及根据订单货物信息计算得到预测日期当天的实时预计货量，然后结合历史预计货量和实时预计货量得到分拨中心预测日期当天的预测货量，用以进行物流资源的提前调度规划，避免了现场人员调度不及时，造成货物堆积和资源浪费问题，以及分拨中心中转货物达到一定数量级后存在的各种资源调配不合理现象，提高分拨中心的周转效率、满足客户需求，提高客户满意度，降低分拨中心运营成本，提高企业核心竞争力。可广泛应用于货量预测物流领域。

附图说明

图1是本发明中分拨中心货量预测方法的一具体实施例的实现流程图；

图2是本发明中分拨中心货量预测装置的一具体实施例的结构框图。

具体实施方式

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图，并获得其他的实施方式。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。

下面是本发明中一些名词的解释。

零担物流：当一批货物的重量或容积不满一辆货车时，可与其他几批甚至上百批货物共用一辆货车装运时，叫零担货物运输。

分拨中心：是物流行业运作的经济活动组织，它是集加工、理货、送货等多种职能于一体的物流据点。

干线：运输网中起骨干作用的线路运输。

支线：相对于干线运输来说的，是在干线运输的基础上，对干线运输起辅助作用的运输形式。

实施例一：

本发明实施例一提供一种分拨中心货量预测方法，图1为本发明实施例提供的一种分拨中心货量预测方法的实现流程图，如图1所示，该方法包括以下步骤：

s1：历史货量预测：根据分拨中心的历史货量计算得到预测日期的历史预计货量；

s2：实时货量预测：获取在库货量以及根据订单货物信息计算得到预测日期当天的实时预计货量，其中实时货量预测包括：出港实时货量预测和进港实时货量预测；

s3：结合历史预计货量和实时预计货量得到分拨中心预测日期当天的预测货量。

其中，步骤s1中，历史货量预测具体是使用历史规律货量预测算法进行货量预测，零担物流业务中，客户的货量根据时间呈现不同的规律性，本实施例中，定义其规律为周规律、月规律和年度规律，综合考虑了这三个规律的影响，并结合历史货量数据进行货量预测，获取历史数据中与预测日期相关的平均货量数据以及日增长货量，计算得到预测日期的历史预计货量，另外，本实施例中，历史预计货量预测包括出港历史预计货量预测和进港预计货量预测。具体的计算公式为：v(p)代表需要预测日期p的货量，x1～x5为权重，公示表示为：

x1+x2+x3+x4+x5＝1

v(q)＝v(q-1)+δv

其中，v(p)表示历史货量预计货量，p表示预测日期，表示历史货量数据中j个周w的平均货量，表示历史货量数据中k个d日的平均货量，表示历史货量数据中n个m月d日的平均货量，表示需要预测货量日期前h天的平均货量，v(q)表示预测日期前一天的货量，设置v(0)＝v(today)，δv为日增长货量，即前一天的货量乘以货量日增长率的结果。

在一种实施方式中，例如今天是4月29日，需要得到明天的预测货量，即4月30日的历史预计货量，根据以下几个条件获取历史货量数据来预测：

1)今天4月29日是星期一，获取客户历史上，每个星期一的历史货量平均值为

2)今天是29日，获取客户历史上，每个月29日的历史货量平均值为

3)今天是4月29日，获取客户历史上，每年的4月29日货量的平均值为

4)过去7天(即4月22日-4月28日)的历史货量平均值为

5)采用日增长率的方式，计算出4月29日的货量为v(q)。

通过上述数据即可得到4月30日的预计货量。

本实施例中，针对不同行业、不同用户设定不同的变量权重，例如，老客户历史数据权重更高，一种实施方式中，可以设定：x1＝30％，x2＝25％，x3＝25％，x4＝10％，x5＝10％)，新客户近期数据权重更高，一种实施方式中，可以设定：x1＝15％，x2＝15％，x3＝15％，x4＝25％，x5＝30％，在实际的业务运作过程中，可以结合预测货量和真实货量，通过机器学习，对各个历史规律数据的权重不断的进行动态调整，将与实际货量更接近的历史规律权重提高，关联度较小的权重降低。

本实施例步骤s2中，出港实时货量预测具体为：

1)计算分拨中心预测日期当前出港的在库货量；

2)获取分拨中心以及各营业网点的出港订单以及提货订单，计算出港的预计货量，进行出港实时货量预测，进而得到出港实时预计货量。

本实施例根据历史货量预测得到的出港的历史预计货量结果，提交到运输车辆管理部门，运输车辆管理部门能够根据以上数据规划当天各方向需准备的运输车辆数量。并且当天实际运营中，结合当天分拨中心的在库货量和预计货量，进行出港实时货量预测，以进行车辆实时调整、月台和装卸小组的预约，以满足高效调度的需求。

本实施例步骤s2中，进港实时货量预测具体为：

1)计算分拨中心当前卸货的在库货量；

2)获取干线进港运输货物的车辆到达时间，计算预设时间后到达分拨中心进港的预计货量，进行进港实时货量预测，进而得到进港出港实时预计货量。

本实施例根据历史货量预测得到的进港的历史预计货量结果，提交到运输车辆管理部门，运输车辆管理部门能够根据以上数据规划当天需准备的运输车辆数量。并结合营业部已录单未配载的货量，根据相关订单预计发货时间、在途信息等计算干线车辆预计进港时间，和预计实时进港货量，用以预约月台和装卸小组，满足高效调度的需求。

本实施例通过结合历史预计货量和实时预计货量得到分拨中心预测日期当天的预测货量，包括出港预测货量和进港预测货量，用来提前调度物流资源，例如月台、装卸小组、运输场地、运输车辆等，避免了现场人员调度不及时，造成货物堆积和资源浪费问题，以及分拨中心中转货物达到一定数量级后存在的各种资源调配不合理现象，提高分拨中心的周转效率、满足客户需求，提高客户满意度，降低分拨中心运营成本，提高企业核心竞争力。

实施例二：

本实施例提供一种分拨中心货量预测装置，用于执行如实施例一所述的方法。如图2所示，为本实施例的分拨中心货量预测装置结构框图，包括：

历史货量预测模块10：用于根据分拨中心的历史货量计算得到预测日期的历史预计货量，其中，历史预计货量预测包括：出港历史预计货量预测和进港预计货量预测；

实时货量预测模块20：用于获取在库货量以及根据订单货物信息计算得到预测日期当天的实时预计货量，其中，实时货量预测包括：出港实时货量预测和进港实时货量预测；

整体预测货量模块30：用于结合历史预计货量和实时预计货量得到分拨中心预测日期当天的预测货量。

另外，实时货量预测模块包括：出港实时货量预测模块21和进港实时货量预测模块22。

具体的，出港实时货量预测模块21进行出港实时货量预测的过程具体为：

计算分拨中心预测日期当前出港的在库货量；

获取分拨中心以及各营业网点的出港订单以及提货订单，计算出港的预计货量，进行出港实时货量预测，进而得到出港实时预计货量。

进港实时货量预测模块22进行进港实时货量预测的过程具体为：

计算分拨中心当前卸货的在库货量；

获取干线进港运输货物的车辆到达时间，计算预设时间后到达分拨中心进港的预计货量，进行进港实时货量预测，进而得到进港出港实时预计货量。

另外，本发明还提供一种分拨中心货量预测设备，包括：

至少一个处理器，以及与所述至少一个处理器通信连接的存储器；

其中，所述处理器通过调用所述存储器中存储的计算机程序，用于执行如实施例一所述的方法。

另外，本发明还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，其中计算机可执行指令用于使计算机执行如实施例一所述的方法。

以上各实施例仅用以说明本发明的技术方案，而非对其限制，尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。