供应链运力资源配置方法及系统与流程

本技术涉及供应链物流管理及大数据处理，更具体地说，本技术涉及一种供应链运力资源配置方法及系统。

背景技术：

1、随着供应链数字化管理的发展，多个运输对象在连续运输任务执行过程中由车辆定位设备、车辆工况监测设备、司机终端以及运输管理系统持续产生运输状态记录，相关系统通常将不同来源、不同更新周期的运输状态记录汇聚为供应链运输状态大数据，以实现对车辆运行状态的实时感知和运输资源的动态配置。现有供应链运力资源配置方法通常通过采集运输过程中的状态数据，并依据车辆位置、任务完成情况或节点执行情况判断运力资源的可用状态，进而根据识别结果进行车辆调用、任务衔接及运输资源调整。然而，在实际供应链运输过程中，由于不同信息系统的数据采集机制、传输周期以及状态更新方式存在差异，同一运输对象在不同数据源中可能表现出不一致的状态信息，例如运输任务状态已更新而实际运输过程尚未完成，或者车辆状态信息未能同步反映实际执行情况，导致运力管理系统难以准确判断当前运力资源的实际可执行状态。现有技术通常采用单一数据源判断、异常数据剔除或数据可信度筛选方式进行处理，但上述方式仅针对数据本身的准确性进行修正，难以结合运输过程中的状态演变规律判断状态变化是否符合实际运输逻辑，从而容易造成错误的运力状态识别，影响后续资源配置准确性。因此，如何在多源运输状态信息不一致的情况下实现运力状态的准确重构，以降低因状态误判导致的资源配置偏差成为业界面临的难题。

技术实现思路

1、本技术提供一种供应链运力资源配置方法及系统，可在多源运输状态信息不一致的情况下实现运力状态的准确重构。

2、第一方面，本技术提供一种供应链运力资源配置方法，包括如下步骤：

3、采集供应链运输过程中由不同数据源持续形成的供应链运输状态大数据，并根据运输对象标识及任务关联关系对所述供应链运输状态大数据中的不同来源状态记录进行关联处理，形成对应于运输过程的状态数据集合；

4、对所述状态数据集合进行事件关联分析，按照运输任务执行过程中的状态变化顺序提取连续状态转换关系，并根据所述连续状态转换关系生成用于描述运力资源状态变化规律的状态迁移约束关系；

5、基于所述状态迁移约束关系，对实时运输状态数据进行一致性检测，进而对存在冲突的运输状态进行迁移路径分析，确定导致状态不一致的异常状态节点；

6、根据所述异常状态节点在状态迁移过程中的位置关系，对运输状态进行重构处理，将不同来源的状态信息融合生成符合运输过程连续性的统一运力状态；

7、基于所述统一运力状态，对运力资源的可执行状态进行重新识别，生成运力资源可执行状态识别结果，并根据所述运力资源可执行状态识别结果调整运力资源配置过程。

8、结合第一方面，在一种可能的实现方式中，根据运输对象标识及任务关联关系对所述供应链运输状态大数据中的不同来源状态记录进行关联处理，形成对应于运输过程的状态数据集合具体包括：

9、从所述供应链运输状态大数据中提取各条状态记录所对应的运输对象标识以及任务关联关系；

10、根据所述运输对象标识及所述任务关联关系对所述供应链运输状态大数据中的各来源状态记录按同一运输对象进行筛选与归属划分；

11、将归属同一运输对象的各来源状态记录按照运输任务执行时序进行拼接，形成对应于该运输过程的状态数据集合。

12、结合第一方面，在一种可能的实现方式中，对所述状态数据集合进行事件关联分析，按照运输任务执行过程中的状态变化顺序提取连续状态转换关系，并根据所述连续状态转换关系生成用于描述运力资源状态变化规律的状态迁移约束关系具体包括：

13、从所述状态数据集合中提取各运输任务在各时刻的运力状态信息，按照运输任务执行时序对状态信息进行排序，形成各运输任务对应的运输任务状态序列；

14、对所述运输任务状态序列进行事件关联分析，提取相邻状态之间发生的状态转换事件，由所述状态转换事件按运输任务执行时序形成所述连续状态转换关系；

15、根据所述连续状态转换关系中的状态转换事件生成以状态为节点、以状态转换事件为边的状态迁移图，将所述状态迁移图作为描述运力资源状态变化规律的状态迁移约束关系。

16、结合第一方面，在一种可能的实现方式中，基于所述状态迁移约束关系，对实时运输状态数据进行一致性检测具体包括：

17、获取实时运输状态数据，确定所述实时运输状态数据中的当前运力状态及其前序状态，将所述当前运力状态和所述前序状态组成状态对；

18、将所述状态对与所述状态迁移约束关系进行比对，以状态对中的前序状态和当前运力状态为查询条件查询合法迁移路径，若未查询到合法迁移路径则将所述实时运输状态数据标记为冲突状态。

19、结合第一方面，在一种可能的实现方式中，对存在冲突的运输状态进行迁移路径分析，确定导致状态不一致的异常状态节点具体包括：

20、获取被标记为冲突状态的实时运输状态数据，并根据该冲突状态对应的运输对象标识确定该运输对象在冲突发生时刻之前最近一次有效状态记录；

21、根据所述最近一次有效状态记录中的运力状态以及该运输对象的任务执行历史记录，沿时间轴反向追溯该运输对象在所述冲突状态之前的全部状态变迁轨迹；

22、根据所述全部状态变迁轨迹与所述状态迁移约束关系进行逐项比对，将变迁轨迹中首次出现不满足合法迁移路径的状态节点确定为导致状态不一致的异常状态节点。

23、结合第一方面，在一种可能的实现方式中，根据所述异常状态节点在状态迁移过程中的位置关系，对运输状态进行重构处理，将不同来源的状态信息融合生成符合运输过程连续性的统一运力状态具体包括：

24、确定所述异常状态节点在状态迁移过程中的位置，根据该位置确定所述异常状态节点在时间轴上所处的异常时段；

25、从所述供应链运输状态大数据中筛选所述异常时段内与所述异常状态节点关联的状态记录，形成异常时段关联状态记录，并以所述异常状态节点之前的最近一次有效状态记录中的运力状态作为起始状态，以所述异常状态节点之后的首次有效状态记录中的运力状态作为目标状态，将所述起始状态和所述目标状态组成重构基准；

26、从所述重构基准中读取起始状态和目标状态，以读取的起始状态和目标状态作为端点，读取所述状态迁移约束关系中的有向边集合，利用读取的有向边集合确定合法迁移路径，从所述异常时段关联状态记录中读取不同来源状态记录，将读取的不同来源状态记录进行融合以形成多源状态融合结果，并根据所述多源状态融合结果对所述合法迁移路径中的状态节点进行筛选，生成修正状态序列以替代所述异常状态节点，并将所述修正状态序列作为符合运输过程连续性的统一运力状态。

27、结合第一方面，在一种可能的实现方式中，基于所述统一运力状态，对运力资源的可执行状态进行重新识别，生成运力资源可执行状态识别结果，并根据所述运力资源可执行状态识别结果调整运力资源配置过程具体包括：

28、根据所述统一运力状态确定每个运输对象当前可执行的运输任务类型，并生成各运输对象的可执行状态识别记录；

29、汇总所述各运输对象的可执行状态识别记录，形成所述运力资源可执行状态识别结果，并根据所述运力资源可执行状态识别结果生成运力资源的可调度清单；

30、依据所述可调度清单与待执行的运输任务需求进行匹配，将待执行的运输任务分配至匹配的可用运输对象，并更新各运输对象的任务分配计划和运输路径规划。

31、第二方面，本技术提供一种供应链运力资源配置系统，包括：

32、采集模块，用于采集供应链运输过程中由不同数据源持续形成的供应链运输状态大数据，并根据运输对象标识及任务关联关系对所述供应链运输状态大数据中的不同来源状态记录进行关联处理，形成对应于运输过程的状态数据集合；

33、处理模块，用于对所述状态数据集合进行事件关联分析，按照运输任务执行过程中的状态变化顺序提取连续状态转换关系，并根据所述连续状态转换关系生成用于描述运力资源状态变化规律的状态迁移约束关系；

34、所述处理模块，还用于基于所述状态迁移约束关系，对实时运输状态数据进行一致性检测，进而对存在冲突的运输状态进行迁移路径分析，确定导致状态不一致的异常状态节点；

35、所述处理模块，还用于根据所述异常状态节点在状态迁移过程中的位置关系，对运输状态进行重构处理，将不同来源的状态信息融合生成符合运输过程连续性的统一运力状态；

36、执行模块，用于基于所述统一运力状态，对运力资源的可执行状态进行重新识别，生成运力资源可执行状态识别结果，并根据所述运力资源可执行状态识别结果调整运力资源配置过程。

37、第三方面，本技术提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于从所述存储器中调用并运行所述计算机程序，使得所述计算机设备执行上述的供应链运力资源配置方法。

38、第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令或代码，当所述指令或代码在计算机上运行时，使得所述计算机执行上述的供应链运力资源配置方法。

39、本技术提供的技术方案具有以下有益效果：

40、本技术方案通过对供应链运输状态大数据中的不同来源状态记录按照运输对象标识和任务关联关系进行关联处理，使形成的状态数据集合保留同一运输对象的任务执行时序；基于所述状态数据集合提取连续状态转换关系并生成状态迁移约束关系，可将实时运输状态数据中的前序状态与当前运力状态置于同一运输过程逻辑下进行一致性检测；检测到冲突时，利用异常状态节点的位置关系确定异常时段，从所述供应链运输状态大数据中筛选异常时段关联状态记录，并结合异常状态节点前后的有效状态记录形成重构基准，再依据所述状态迁移约束关系和不同来源状态记录的共同支持情况形成修正状态序列，以获得符合运输过程连续性的统一运力状态；所述统一运力状态用于形成运力资源可执行状态识别结果并调整任务分配及运输路径规划，由此可在多源运输状态信息不一致的情况下实现运力状态的准确重构。