一种基于全流程可视化监控的物流运输智能管理方法与流程

本发明涉及一种基于全流程可视化监控的物流运输智能管理方法，属于运输管理。

背景技术：

1、我国日前快递物流交易量增长迅速，快递行业的服务能力和水平已经成为民生日益关注的一个社会焦点。拓宽服务范围、延升服务深度、增加服务品种、应用科技手段、提高处理效率，减少错误率成了我国快递行业目前发展的主要方向。“物流的水平在于科技”，现代物流的高科技性体现在基于internet进行的物流信息管理(logistics informationmanagement)。物流信息服务系统的建立必须依赖集成的数据，因此，建立全社会集成的物流信息数据库，包括寄送物和物流节点信息，为系统用户提供标准化的数据源，从而保证数据的准确性和及时性。但是目前市场上物理管理公司中应用的很多物流软件，都是线上的产品，如果物流公司网络突然出现问题，则无法保证数据的准确性和及时性。

技术实现思路

1、本发明的目的在于克服现有技术中的不足，提供一种基于全流程可视化监控的物流运输智能管理方法，解决现有技术中由于物流管理公司内部应用的物流软件多采用线上产品，若网络出现故障，对数据的准确性和及时性造成影响的技术问题。

2、为达到上述目的，本发明是采用下述技术方案实现的：

3、第一方面，本发明提供了一种基于全流程可视化监控的物流运输智能管理方法，包括：

4、获取当前任务物流车辆的出发时间、起止物流站点以及中间物流站点集；

5、将当前任务物流车辆的起止物流站点和中间物流站点集输入预训练的路径模型中，预测当前任务物流车辆驶入中间物流站点顺序；

6、根据当前任务物流车辆的出发时间、起止物流站点以及预测的驶入中间物流站点顺序预测各物流站点的驶入时间；

7、将当前任务物流车辆的预测的驶入中间物流站点顺序和各物流站点的驶入时间进行汇总并展示。

8、可选的，所述路径模型的训练包括：

9、获取历史任务物流车辆的起止物流站点、中间物流站点集以及驶入中间物流站点顺序；

10、将历史任务物流车辆的起止物流站点、中间物流站点集作为特征数据，将历史任务物流车辆的驶入中间物流站点顺序作为标签值，制作样本数据集；

11、按照预设的比例将样本数据集划分为训练数据集和验证数据集；

12、构建基于神经网络的路径模型，将训练数据集中的特征数据输入路径模型，预测历史任务物流车辆驶入中间物流站点顺序；

13、对预测历史任务物流车辆驶入中间物流站点顺序和相应的标签值使用交叉熵作为损失函数计算训练损失，根据训练损失优化路径模型的参数；

14、在每次优化路径模型的参数后，将验证数据集中的特征数据输入路径模型，使用交叉熵作为损失函数计算验证损失，取验证损失最小的路径模型作为训练好的路径模型。

15、可选的，所述物流运输智能管理方法还包括：

16、在当前任务物流车辆执行当前任务时，获取其实际的驶入中间物流站点顺序和各物流站点的驶入时间；

17、将实际的驶入中间物流站点顺序和各物流站点的驶入时间与预测的驶入中间物流站点顺序和各物流站点的驶入时间进行匹配比较：

18、若实际的驶入中间物流站点顺序和各物流站点的驶入时间与预测的驶入中间物流站点顺序和各物流站点的驶入时间均相同，则不动作；

19、若实际的驶入中间物流站点顺序和预测的驶入中间物流站点顺序相同，实际的各物流站点的驶入时间与预测的各物流站点的驶入时间不同，则计算实际的各物流站点的驶入时间与预测的各物流站点的驶入时间的时间误差，若时间误差处于预设范围内，则根据实际的各物流站点的驶入时间更新展示的预测的各物流站点的驶入时间；若时间误差超出预设范围，则根据实际的各物流站点的驶入时间更新展示的预测的各物流站点的驶入时间，并发出提醒信息至当前任务物流车辆；

20、若际的驶入中间物流站点顺序和各物流站点的驶入时间与预测的驶入中间物流站点顺序和各物流站点的驶入时间均不同，则重新预测中间物流站点顺序和各物流站点的驶入时间，并根据重新预测结果更新展示的预测的驶入中间物流站点顺序和各物流站点的驶入时间。

21、可选的，所述重新预测中间物流站点顺序和各物流站点的驶入时间包括：

22、获取当前任务物流车辆的当前实际的驶入的中间物流站点以及驶入时间、实际的已驶出的中间物流站点；

23、根据实际的当前驶入的中间物流站点的驶入时间确定驶出时间；

24、将当前任务物流车辆的出发时间更新为当前驶入的中间物流站点的驶出时间，将中间物流站点集更新为删除实际的已驶出的中间物流站点的集合，起止物流站点保持不变；

25、将当前任务物流车辆的起止物流站点以及更新后的中间物流站点集输入预训练的路径模型中，重新预测当前任务物流车辆驶入中间物流站点顺序；

26、根据当前任务物流车辆的更新后的出发时间、起止物流站点以及重新预测的驶入中间物流站点顺序重新预测各物流站点的驶入时间；

27、将当前任务物流车辆的重新预测的驶入中间物流站点顺序和各物流站点的驶入时间作为重新预测结果。

28、可选的，所述根据当前任务物流车辆的出发时间、起止物流站点以及预测的驶入中间物流站点顺序预测各物流站点的驶入时间包括：

29、获取各物流站点单位时间内的标准装载量以及各物流站点之间的运输时间；

30、根据物流车辆在各物流站点的载荷量除以单位时间内的标准装载量得到在各物流站点的停留时间；

31、将当前任务物流车辆的出发时间作为起始物流站点的到达时间，根据物流站点的途径顺序、各物流站点之间的运输时间以及在各物流站点的停留时间计算途径的物流站点的到达时间。

32、第二方面，本发明提供了一种基于全流程可视化监控的物流运输智能管理装置，所述装置包括：

33、信息获取模块，用于获取当前任务物流车辆的出发时间、起止物流站点以及中间物流站点集；

34、顺序预测模块，用于将当前任务物流车辆的起止物流站点和中间物流站点集输入预训练的路径模型中，预测当前任务物流车辆驶入中间物流站点顺序；

35、时间预测模块，用于根据当前任务物流车辆的出发时间、起止物流站点以及预测的驶入中间物流站点顺序预测各物流站点的驶入时间；

36、汇总展示模块，用于将当前任务物流车辆的预测的驶入中间物流站点顺序和各物流站点的驶入时间进行汇总并展示。

37、第三方面，本发明提供了一种基于全流程可视化监控的物流运输智能管理装置，包括处理器及存储介质；

38、所述存储介质用于存储指令；

39、所述处理器用于根据所述指令进行操作以执行上述方法的步骤。

40、第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。

41、与现有技术相比，本发明所达到的有益效果：

42、本发明提供的一种基于全流程可视化监控的物流运输智能管理方法，通过构建路径模型，并将物流车辆的起止物流站点、中间物流站点集作为特征数据，对物流车辆的路径进行预测，从而获取驶入中间物流站点顺序和各物流站点的驶入时间；在网络出现故障的时候，可以通过预测方案实现保证物流数据的准确性和及时性。