一种基于人工智能的大跨度物流管理系统及方法与流程

本发明涉及物流管理，具体为一种基于人工智能的大跨度物流管理系统及方法。

背景技术：

1、大跨度物流主要体现在三个方面，分别是跨地域、跨时间和跨资源；跨地域：能够根据不同的地理位置、市场需求、运输条件等因素，灵活地调配物流资源，实现物流网络的优化和协同。跨时间：能够根据不同的时间段、季节、节日等因素，合理地安排物流活动的节奏和顺序，实现物流服务的及时和高效。跨资源：能够根据不同的物资类型、数量、质量等因素，合理地利用物流设施、设备、人员等资源，实现物流成本的降低和效益的提高。

2、随着电商的不断兴起，物流配送也成为了一项重要的业务，在现实中，物流配送选址和运输路径优化的需求非常强烈。一方面，随着电商的发展，顾客的需求变得越来越个性化，许多地方的超市和供应商需要及时地配送货物到客户手中，以获得更高的满意度和市场份额。另一方面，随着现代物流业越来越发达，物流设施和配送网点的数量也在不断增加，对运输路径的优化更加重要。

3、在现有的技术下，物流行业的发展对运输路径优化即是对物资配送进行路径规划的过程中保证了物流配送的时效性但是缺少了依据物资属性特征在配送的过程中的保护，例如易碎品在配送的过程经过坑洼的路面，会造成车体颠簸，在一定程度上会增加配送物资损坏的概率，从而会造成客户的满意度低，无法实现物流配送的高效率。

技术实现思路

1、本发明的目的在于提供一种基于人工智能的大跨度物流管理系统及方法，提供技术手段以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：一种基于人工智能的大跨度物流管理方法，所述大跨度物流管理方法具体包括以下步骤：

3、s100、获取当前物资的数据信息，依据所述物流配送物资的数据信息判断物流配送物资的属性特征，并且通过所述物流配送物资的属性特征对物流配送路径进行选择；所述物流配送路径是指针对物流配送物资的属性特征而选择的特定道路，所述当前物资的数据信息包括当前物资的属性特征和当前物资的收货地点；如：针对配送的物资是玻璃等易碎品时，应该选择平坦的道路对易碎品进行配送，确保在配送过程中物资的完整度。

4、s200、依据物流配送路径针对当前物资的属性特征进行路径规划得到最优配送路线；

5、s300、获取终端后台物流待配送订单的数据信息，依据终端后台物流配送订单的数据信息选取与最优配送路线的匹配度大于预设匹配度阈值的物资进行标识，记被标识的物资为配送候选物资，所述终端后台物流配送订单的数据信息包括属性特征和物资收货地点；

6、s400、依据当前物资属性特征对配送候选物资进行筛选。

7、进一步的，所述s100中对物流配送路径进行选择具体方法如下：

8、s101、基于终端后台物流配送物资的历史数据获取配送物资历史属性特征和物资配送路径历史属性特征，利用支撑向量机分类算法对物流配送物资历史属性特征进行分类汇总，并且构建配送物资历史属性特征和物资配送路径历史属性特征之间关联链路得到si→zi，si＝{si1、si2、si3...sij}；其中，si表示为第i种配送物资历史属性特征集合，zi表示为针对第i种配送物资历史属性特征集合的配送路径历史属性特征，i＝1、2、3...i，i为常数，j＝1、2、3...j，j表示为配送物资历史属性特征集合中元素的数量；其中物资配送路径的属性特征包括道路平坦、道路坑洼等；同一个配送物资存在一个或者多个属性特征，并且这些属性特征并不相斥；

9、s102、获取当前物资的属性特征为a，通过配送物资历史属性特征和物资配送路径历史属性特征之间关联链路分析当前物资的属性特征a和配送物资历史属性特征的所属关系，得到当前物流配送路径属性特征为za，a∈{1、2、3...i}，在当前物资进行物流配送的时候针对当前物资的属性特征为了确保物资的完整度应当选择相应的物流配送路径对当前物资进行配送。

10、进一步的，所述s200中依据物流配送路径针对当前物资属性特征进行路径规划得到最优配送路线的具体方法如下：

11、s201、通过终端后台物流配送订单查询当前物资的收货地点，并且物流配送物资的历史数据获取所有物流配送路径，将当前物资的收货地点、配送起点以及所有物流配送路径映射到电子地图中对当前物资的收货地点和配送起点之间的路线进行遍历，得到配送路线集合为un，un＝{un1、un2、un3...unw}，w＝1、2、3...w，w表示为配送路线集合中元素数量，un表示为第n种配送路线的集合，unw表示为第n种配送路线集合中第w个配送路径，n＝1、2、3...n，n表示为当前物资物流配送路线的数量；

12、s202、通过物流配送物资的历史数据获取所有物流配送路径，并且通过高分辨率的摄像头获取所有物流配送路径的图像，将训练好的卷积神经网络模型对所有物流配送路径的图像进行分类对物流配送路径输出得到集合qz，qz＝{qz1、qz2、qz3...qzr}，qz表示为第z种物流配送路径，qzr表示为第z个物流配送路径种类集合中第r个路径；z＝1、2、3...z，z表示为物流配送路径种类集合的数量，r＝1、2、3...r，r表示为物流配送路径种类集合中元素数量；通过大数据对物流配送路径种类集合的属性特征进行提取，得到与当前物流配送路径属性特征相符的物流配送路径集合为qa’，qa’＝{qa’1、qa’2、qa’3...qa’r}，a’∈{1、2、3...z}；

13、s203、将集合qa’中的配送路径映射到电子地图中，通过距离大数据获取到到集合qa’∩un中物流配送距离，记为集合ln，其中qa’∩un能够得到在当前物资每条物流配送路线中与当前物流配送路径属性特征相符的物流配送路径；ln＝{ln1、ln2、ln3...lnv},lnv表示为当前物资每条物流配送路线中与当前物流配送路径属性特征相符的第v个物流配送路径的距离；计算出配送路线集合为un的物流配送距离，记为集合l；ln＝{l1、l2、l3...ln}，ln表示为第n种当前物资物流配送路线的距离；通过公式：

14、fn＝[(∑vv＝1lnv)/ln]/ln

15、计算得到当前物资每条物流配送路线推荐得分，通过分析当前物资每条物流配送路线中与当前物流配送路径属性特征相符的配送路径总距离在整个路线中的占比作为配送路线得分的影响因子，在物流配送路线总距离一样的情况下当前物资每条物流配送路线中与当前物流配送路径属性特征相符的配送路径总距离在整个路线中的占比越大配送路线得分越高；在影响因子一样的情况下，物流配送路线总距离越长配送路线得分越低；依据当前物资每条物流配送路线的推荐得分由高到低对物流配送路线进行排序，选取得分最高的物流配送路线作为当前物资的最优配送路线。

16、进一步的，所述s300中依据终端后台物流配送订单的数据信息对物资进行标识的具体方法如下：

17、s301、通过终端后台获取物流待配送订单的数据信息，将物流待配送订单的收货地点以及配送起点和当前物资的收货地点映射到直角坐标系中，依据所述物流待配送订单的数据信息和当前物资的数据信息得到物流待配送订单的收货地点为(xe，ye)和当前物资的收货地点(xa，ya)，设置配送起点为在直角坐标系的原点；e＝1、2、3...e，e表示为物流待配送订单的数量；

18、s302、依据公式：

19、能够计算得到物流待配送订单的配送方向与当前物资的配送方向之间的匹配值，其中，由于物流待配送订单的收货地点存在不确定因素所以

20、为了确保物流配送路线的一致性需要将的物流待配送订单进行剔除，因为为物流待配送订单与当前物资的配送方向之间的匹配值低，在对物资进行配送的过程中反而会降低配送的效率；将物流待配送订单的配送方向与当前物资的配送方向之间的匹配值进行标识，记为配送候选物资。

21、进一步的，所述s400中对配送候选物资进行筛选的具体方法如下：获取到配送候选物资的属性特征为se’，通过配送物资历史属性特征和物资配送路径历史属性特征之间关联链路分析配送候选物资的属性特征se’和配送物资历史属性特征的所属关系，得到配送候选物资的路径属性特征为ze’，将配送候选物资的路径属性特征与当前物流配送路径属性特征进行对比，当配送候选物资的路径属性特征与当前物流配送路径属性特征不一致时对配送候选物资进行剔除，反之保留；e’＝1、2、3...e’，e’≤e。

22、一种基于人工智能的大跨度物流管理系统，所述大跨度物流管理系统包括数据采集模块、数据分析模块和物流管理模块；所述数据采集模块的输出端与数据分析模块的输入端连接，所述数据分析模块的输出端与物流管理模块的输入端连接；所述数据采集模块用于采集物资的历史数据信息和当前物质属性特征以及物流配送订单的数据信息，物资的历史数据信息包括物资历史属性特征和物资配送路径历史属性特征，通过物资的历史数据信息构建物资和配送路径属性特征的关联链路，依据关联链路能够对物资的最优配送路径进行分析；所述数据分析模块是用于分析当前物资的最优配送路线以及与终端后台的物流待配送订单的匹配值；所述物流管理模块是对终端后台的物流待配送订单进行分析筛选。

23、进一步的，所述数据采集模块包括物资的历史数据采集单元、当前物资属性特征采集单元和物流待配送订单数据信息采集单元；所述物资的历史数据采集单元用于采集物资的历史数据信息，其中物资的历史数据信息包括物资历史属性特征和物资配送路径历史属性特征；所述当前物资属性特征采集单元用于采集当前物资的属性特征，通过当前物资的属性特征能够分析得到当前物流配送路径的属性特征；所述物流待配送订单数据信息采集单元用于采集终端后台的物流待配送订单的数据信息，通过采集的物流待配送订单数据信息对配送候选订单进行分析。

24、进一步的，所述数据分析模块包括配送路径分析单元、推荐得分分析单元和匹配度分析单元；所述配送路径分析单元用于分析针对当前物资属性特征的配送路径；所述推荐得分分析单元是基于所述针对当前物资属性特征的配送路径分析当前物资配送路线的推荐得分，基于所述推荐得分能够得到当前物资的最优配送路线；所述匹配度分析单元用于分析终端后台的物流待配送订单与当前物资最优配送路线的匹配值。

25、进一步的，所述物流管理模块包括配送候选物资分析单元和配送候选物资筛选单元；所述配送候选物资分析单元是基于终端后台的物流待配送订单与当前物资最优配送路线的匹配值对配送候选物资进行分析；所述配送候选物资筛选单元是用于筛选与最优配送路线属性特征不相符的配送候选物资。

26、与现有技术相比，本发明所达到的有益效果是：本发明通过依据配送物资历史属性特征和物资配送路径历史属性特征之间关联链路对当前物资的属性特征相应的配送路径的属性特征进行分析，并且通过推荐得分分析得到当前物资的最优配送路径，在一定程度上会保证了配送物资完好度，实现物流配送的高效率，从而提高客户的满意度。