一种基于物流状态的交易意图动态调整系统及方法与流程
本发明涉及数据分析,具体是一种基于物流状态的交易意图动态调整系统及方法。
背景技术:
1、现有的散装液体化学原料物流交易执行管理方式通常独立维护物流信息,运输、仓储、装卸等环节的数据缺乏有效关联,物流执行过程中的状态信息难以及时共享和统一掌握,仍需依赖人工查询、经验判断以及多方沟通完成业务协调;现有物流协同管理方法大多采用固定业务流程或预设规则进行任务调度,对物流状态变化的响应能力有限,难以及时反映运输延迟、库存变化、资源冲突等情况对交易执行产生的影响,容易导致信息同步不及时、调度协调滞后以及交易执行效率下降,现有技术缺乏依据物流状态变化对交易意图进行动态调整的机制;
2、因此,如何基于物流状态变化实现交易意图的动态调整,提高散装液体化学原料物流交易执行过程的动态响应能力和执行效率,成为本领域技术人员所需解决的技术问题。
技术实现思路
1、本发明的目的在于提供一种基于物流状态的交易意图动态调整系统及方法,以解决现有技术中提出的问题。
2、为了解决上述技术问题,本发明提供如下技术方案:一种基于物流状态的交易意图动态调整方法,方法包括:
3、步骤s100:获取物流业务过程中各物流节点产生的物流状态数据,对所述物流状态数据建立物流状态对象,并依据物流状态对象之间满足物流业务条件形成的关联关系构建物流状态关联图;
4、步骤s200:实时监测所述物流状态对象的状态属性变化,当检测到物流状态对象发生状态变化事件时,根据各状态属性的变化程度计算所述状态变化事件对应的初始影响值;
5、步骤s300:以发生状态变化事件的物流状态对象作为初始传播节点,依据所述物流状态关联图,将所述初始影响值沿物流状态对象之间的关联关系进行传播,计算各物流状态对象对应的传播影响值;
6、步骤s400:根据各物流状态对象对应的传播影响值构建初始动态影响域,并依据物流状态对象状态变化、传播影响值变化及物流状态关联图关联关系变化持续更新动态演化影响域;
7、步骤s500:依据所述动态影响域建立物流状态对象与交易意图之间的映射关系,确定待重构交易意图,对待重构交易意图进行分级动态重构,输出更新后的交易意图,并根据更新后的交易意图生成交易执行指令。
8、进一步的,步骤s100包括:
9、获取物流业务过程中各物流节点产生的物流状态数据,所述物流状态数据至少包括物流对象标识、物流节点标识、状态发生时间、状态类型及状态属性;
10、对所述物流状态数据进行数据格式统一和字段规范化处理,并按照物流对象标识对对应物流状态数据进行归集,生成物流状态对象,所述物流状态对象包括对象编号、所属物流节点、状态更新时间及状态属性,所述状态属性至少包括运输位置、运输进度、库存状态、装卸状态、安全状态;
11、依据物流状态对象之间满足的物流业务条件建立对象关联关系,所述物流业务条件包括状态发生时间先后形成的时序关系、物流节点之间的流转关系形成的运输关系、同一订单形成的订单关系以及共享物流资源形成的资源关系;
12、对于满足至少一种物流业务条件的物流状态对象,建立对应关联边,统计各关联边在历史物流业务中的建立次数,并以关联边建立次数占对应物流状态对象所有关联边建立次数总和的比值作为关联边权重;
13、将物流状态对象作为节点,将对象关联关系作为关联边,并将关联边权重赋予对应边,构建物流状态关联图。
14、进一步的,步骤s200包括:
15、实时获取各物流状态对象当前时刻的状态属性值,并读取对应物流状态对象上一时刻的状态属性值;将当前时刻的状态属性值与上一时刻的状态属性值进行比较,判断各状态属性是否发生变化;当状态属性为数值型属性时,根据当前值与上一时刻值之间的绝对差值确定对应状态属性的变化程度;当状态属性为枚举型属性时,根据状态属性变化前后的状态组合查找预设状态映射表,确定对应状态属性的变化程度;当至少一个状态属性对应的变化程度超过预设变化阈值时,判定对应物流状态对象发生状态变化事件;对于发生状态变化事件的物流状态对象,对各状态属性对应的变化程度进行归一化处理,将归一化后的各状态属性对应的变化程度与预设属性权重进行加权求和,计算得到状态变化事件的初始影响值;
16、通过实时获取物流状态对象当前时刻及上一时刻的状态属性值,并对不同时间节点的状态属性进行对比分析,能够及时感知物流状态对象在运输、库存、装卸及安全等环节中的动态变化,提高物流状态监测的实时性和准确性;针对数值型属性采用基于绝对差值的变化程度计算方式,能够量化反映运输进度、位置变化等连续状态的变化幅度;针对枚举型属性通过预设状态映射表确定状态转换对应的变化程度,能够适应不同业务状态之间的非连续变化特征,从而提升状态变化识别的适用范围和准确性。
17、进一步的,步骤s300包括:
18、将发生状态变化事件的物流状态对象作为初始传播节点,并将对应初始影响值作为所述初始传播节点的传播影响值;
19、以所述初始传播节点作为当前传播节点,读取所述物流状态关联图中与当前传播节点连接的关联边,根据关联边权重,将当前传播节点对应的传播影响值向与其关联的物流状态对象进行传播;
20、对于接收到传播影响的物流状态对象,将所述物流状态对象作为传播节点j,根据与所述传播节点j存在传播关系的各传播节点对应的传播影响值、关联边权重以及当前时刻的传播衰减因子,根据以下公式计算传播节点j对应的传播影响值:
21、;
22、其中,aj表示为传播节点j的传播影响值,ai表示为传播节点i的传播影响值,cij表示为传播节点i与传播节点j的关联边权重,dij(t)表示为当前时刻t所对应传播节点i与传播节点j的传播衰减因子,b表示为传播节点j存在传播关系的传播节点数量;
23、判断所述传播节点j对应的传播影响值是否大于传播阈值,当传播影响值大于预设传播阈值时,将所述传播节点j确定为新的传播节点,并根据所述物流状态关联图向与所述新的传播节点关联的物流状态对象传播所述传播影响值;当传播影响值小于或等于预设传播阈值时,停止将所述传播节点j作为当前传播节点向其他物流状态对象传播所述传播影响值;所述传播阈值为根据历史传播影响值,统计得到历史传播影响值的平均值和标准差,将预设传播阈值系数与所述标准差相乘,并与所述均值相加,计算得到传播阈值;
24、在传播过程中,实时检测物流状态关联图中的关联关系变化,当检测到关联边新增、删除或关联边权重发生变化时,更新对应关联边及关联边权重,并依据更新后的物流状态关联图重新确定受影响的传播路径,重新计算受影响物流状态对象对应的传播影响值;在传播过程结束后,获得各物流状态对象对应的传播影响值。
25、进一步的,当前时刻的传播衰减因子的计算过程,包括以下步骤:
26、采集当前时刻的影响因素,对采集的影响因素进行归一化处理,并将归一化后的影响因素与预设影响因素权重进行加权求和,计算得到当前时刻的传播衰减因子,所述影响因素包括物流业务紧急程度、物流资源耦合程度、交易订单价值以及物流节点可信度;
27、所述物流业务紧急程度的计算过程为获取物流订单的计划完成时间、当前剩余时间以及预设标准配送时长,计算当前剩余时间与预设标准配送时长之间的比例,并以预设值1减去所述比例得到物流业务紧急程度;
28、所述物流资源耦合程度的计算过程为获取物流节点对应的运输资源、仓储资源以及配送资源信息,统计当前物流业务涉及的共享资源数量以及资源总数量,根据共享资源数量与资源总数量之间的比例作为物流资源耦合程度;
29、所述交易订单价值的计算过程为获取当前物流订单对应的订单金额,根据历史订单金额统计得到的最大订单金额和最小订单金额进行归一化处理,将归一化结果作为交易订单价值;
30、所述物流节点可信度的计算过程为获取物流节点历史执行记录,统计物流节点在预设统计周期内的正常执行次数以及总执行次数,根据正常执行次数与总执行次数之间的比例计算物流节点可信度;
31、物流业务紧急程度能够体现配送时效压力对影响传播的促进作用;物流资源耦合程度能够反映共享资源带来的影响扩散能力;交易订单价值能够体现不同业务价值对应的影响程度差异;物流节点可信度则能够反映节点执行稳定性对传播可信性的影响;使传播衰减因子更加符合物流业务运行规律,提高传播影响值计算结果的真实性和区分度,为物流异常影响范围评估、风险传播预测、关键节点识别及物流资源优化调度提供更加可靠的数据支撑,从而提升物流业务风险管控能力和智能化管理水平。
32、进一步的,步骤s400包括:
33、筛选传播影响值大于或等于预设传播阈值的物流状态对象,并将筛选得到的物流状态对象归集形成影响域集合,并将发生状态变化事件的物流状态对象确定为影响域核心;
34、依据物流状态关联图,计算影响域集合中各物流状态对象与影响域核心之间的最短路径长度,并将所述最短路径长度确定为对应物流状态对象的影响距离;
35、统计影响域集合内各物流状态对象对应的影响距离,将其中最大的影响距离确定为动态演化影响域的影响半径,并将影响距离等于所述影响半径的物流状态对象确定为影响域边界对象;
36、将历史传播影响值进行汇总,计算得到传播影响值的标准差n,预设存在3个影响层级,第三影响层级范围为[a1,a1+k1×n),第二影响层级范围为[a1+k1×n,a1+k2×n),第一影响层级范围为[a1+k2×n,a2],其中a1和a2分别表示为历史传播影响值的最小值和最大值,k1、k2分别为预设层级系数,且满足0<k1<k2;
37、依据各物流状态对象对应的传播影响值与影响层级范围进行比较,将影响域集合内传播影响值处于第一影响层级范围的物流状态对象划分为一级影响对象,将影响域集合内传播影响值处于第二影响层级范围的物流状态对象划分为二级影响对象,将影响域集合内传播影响值处于第三影响层级范围的物流状态对象划分为三级影响对象;
38、依据影响域集合中各物流状态对象对应的影响距离、影响域核心、影响域边界对象、影响半径及影响层级进行组合,生成初始动态影响域,当物流状态对象发生新的状态变化事件、物流状态对象对应的传播影响值发生变化或者物流状态关联图中的关联关系发生变化时,获取更新后的物流状态数据,并基于更新后的物流状态数据重新执行影响域集合归集、影响域核心确定、影响距离计算、影响半径确定、影响域边界确定及影响层级划分,以迭代生成动态演化影响域;
39、通过筛选传播影响值大于或等于预设传播阈值的物流状态对象构建影响域集合,并将发生状态变化事件的物流状态对象确定为影响域核心,能够快速定位异常影响的核心区域及其覆盖范围,实现物流状态影响的集中化管理与分析;通过结合物流状态关联图计算各物流状态对象与影响域核心之间的最短路径长度,并以此确定影响距离、影响半径及影响域边界对象,使影响范围的确定不仅考虑传播影响程度,还兼顾物流对象之间的关联拓扑关系,从而更加真实地反映影响扩散范围,提高影响域划分的准确性;
40、能够有效区分不同物流状态对象的影响程度,便于针对不同层级采取差异化的预警、资源调度及风险处置策略,提高物流管理效率;动态迭代生成动态演化影响域,使影响分析结果能够持续反映物流业务运行过程中的实时变化,增强影响评估的时效性、准确性和自适应能力,为物流风险预测、异常扩散分析、关键节点管控及智能决策提供可靠的数据支撑,提升物流系统的智能化管理水平和风险防控能力。
41、进一步的,步骤s500包括:
42、根据订单信息、物流资源信息及运输计划生成交易意图,每一交易意图包括交易对象、执行资源、执行时间、执行路径、执行方式及执行优先级,读取预先建立的物流状态对象与交易意图之间的对应关系,每一交易意图至少对应一个物流状态对象;
43、遍历所述动态演化影响域中的物流状态对象,依据所述物流状态对象与交易意图之间的对应关系查询对应交易意图,并将查询得到的交易意图归集形成待重构交易意图集合;
44、根据物流状态对象对应的影响层级以及其在动态演化影响域中的位置确定待重构交易意图的重构等级,所述重构等级包括一级重构交易意图、二级重构交易意图和三级重构交易意图;
45、所述一级重构交易意图为与影响域核心关联且处于第一影响层级的交易意图;所述二级重构交易意图为与影响域核心关联且处于第二影响层级的交易意图,或者与影响域边界对象关联且处于第一影响层级的交易意图;所述三级重构交易意图为除一级重构交易意图和二级重构交易意图之外的其余交易意图;
46、统计待重构交易意图对应物流状态对象的传播影响值,并获取各物流状态对象相对于影响域核心的影响距离及影响层级,为每个影响层级预设对应的层级数值,对所述影响距离及层级数值分别进行归一化处理,以归一化结果确定距离衰减权重和层级权重,依据所述距离衰减权重和层级权重对传播影响值进行加权修正,得到各物流状态对象对应的加权传播影响值,对各物流状态对象对应的加权传播影响值进行聚合计算,得到动态演化影响域的综合影响值;
47、为每个交易意图中的执行优先级预设对应的执行数值,分别对所述综合影响值、当前时刻传播衰减因子、执行数值进行归一化处理,将归一化后的综合影响值、当前时刻传播衰减因子、执行数值进行加权计算,得到各待重构交易意图对应的综合优先评分,并依据所述综合优先评分对待重构交易意图进行排序;
48、依据所述重构等级及综合优先评分,对待重构交易意图进行分级调整处理,对于一级重构交易意图,根据综合优先评分依次调整执行资源、执行时间、执行路径及执行方式;对于二级重构交易意图,根据综合优先评分调整执行时间、执行路径及执行方式,并保持执行资源不变;对于三级重构交易意图,根据综合优先评分对执行时间或执行路径进行局部优化调整,并保持执行资源及执行方式不变;输出动态重构后的交易意图;
49、根据动态重构后的交易意图生成交易执行指令,将所述交易执行指令同步至目标执行系统,并持续获取执行反馈,根据执行反馈更新物流状态数据,以进入下一轮交易意图动态调整;
50、自动识别待重构交易意图,实现物流状态变化向交易执行层面的快速映射,避免人工分析和调整带来的响应滞后,提高交易重构效率;构建综合优先评分,提高交易重构决策的科学性和合理性;针对不同重构等级采用差异化调整策略,能够优先保障关键业务的连续稳定运行,避免对受影响较小的交易意图进行过度调整,降低系统重构成本,提高资源利用效率;在完成交易意图动态重构后自动生成交易执行指令,使交易执行能够实时适应物流环境变化,增强物流系统的自适应能力、协同能力及风险应对能力,提升物流业务整体运行效率和智能化管理水平。
51、进一步的,根据动态重构后的交易意图生成交易执行指令包括:
52、获取动态重构后的交易意图,并分别判断所述动态重构后的交易意图是否包含执行资源调整、执行时间调整、执行路径调整以及执行方式调整;
53、若包含执行资源调整,则获取对应的候选执行资源集合,并获取各候选执行资源对应的实时资源状态数据,所述实时资源状态数据至少包括资源负载率、当前位置、预计完成时间及剩余运输能力,所述剩余运输能力至少包括剩余载重量、剩余装载空间或剩余运输任务容量;
54、获取候选执行资源当前位置与执行路径起点的位置坐标,计算候选执行资源当前位置至执行路径起点的路径距离;获取候选执行资源的预计完成时间以及动态重构后的交易意图对应的执行时间,计算所述预计完成时间与所述执行时间的绝对差值,得到时间差;分别对候选执行资源的资源负载率和剩余运输能力进行归一化处理,计算得到资源评分f=e1×(1-e)+e2×g,其中,e表示为归一化后的资源负载率,g表示为归一化后的剩余运输能力,e1和e2分别表示为资源负载率和剩余运输能力的权值;
55、对路径距离、时间差及资源评分分别进行归一化处理,计算候选执行资源对应的执行适配评分p=g1×(1-l)+g2×(1-t)+g3×f,其中,l表示为归一化后的路径距离,t表示为归一化后的时间差,g1、g2、g3分别表示为路径距离、时间差、资源评分的权值,选取执行适配评分最高的候选执行资源作为目标执行资源;若未包含执行资源调整,则保持原执行资源作为目标执行资源;
56、若包含执行时间调整,则根据目标执行资源的预计完成时间、物流状态约束及交易截止时间生成候选执行时间窗口,获取各候选执行时间窗口对应的预计完成时间与交易截止时间,当预计完成时间晚于交易截止时间时,计算预计完成时间超过交易截止时间的时长,得到延误时长;获取目标执行资源的预计空闲时间与候选执行时间窗口开始时间,计算得到等待时长;获取候选执行时间窗口内目标执行资源对应的已分配任务信息,计算候选执行时间窗口与已分配任务的时间重叠时长,得到资源冲突时长;
57、分别对延误时长、等待时长及资源冲突时长进行归一化处理,计算候选执行时间窗口对应的时间适配评分q=h1×(1-r)+h2×(1-w)+h3×(1-u),其中,r表示归一化后的延误时长,w表示归一化后的等待时长,u表示归一化后的资源冲突时长,h1、h2、h3分别表示延误时长、等待时长、资源冲突时长对应的权值,选取时间适配评分最高的候选执行时间窗口作为目标执行时间;若未包含执行时间调整,则保持原执行时间作为目标执行时间;
58、若包含执行路径调整,根据目标执行资源、目标执行时间及目的节点生成候选执行路径集合,获取各候选执行路径对应的运输距离和预计运输时长,分别对运输距离及预计运输时长进行归一化处理,计算候选执行路径的路径综合评分s=v1×(1-n)+v2×(1-m),n表示归一化后的运输距离,m表示归一化后的预计运输时长,v1、v2分别表示运输距离、预计运输时长对应的权值;选取路径综合评分最高的候选执行路径作为目标执行路径;若未包含执行路径调整,则保持原执行路径作为目标执行路径;
59、若包含执行方式调整,则根据目标执行资源、目标执行时间及目标执行路径,从预设执行方式集合中确定目标执行方式;若未包含执行方式调整,则保持原执行方式作为目标执行方式;
60、将目标执行资源、目标执行时间、目标执行路径及目标执行方式组合生成交易执行指令,并发送至目标执行系统。
61、为了更好实现上述方法还提出了一种基于物流状态的交易意图动态调整系统,系统包括物流状态关联图模块、初始影响值模块、传播影响值模块、动态演化影响域模块和交易执行指令模块;
62、物流状态关联图模块:获取物流业务过程中各物流节点产生的物流状态数据,对所述物流状态数据建立物流状态对象,并依据物流状态对象之间满足物流业务条件形成的关联关系构建物流状态关联图;
63、初始影响值模块:实时监测所述物流状态对象的状态属性变化,当检测到物流状态对象发生状态变化事件时,根据各状态属性的变化程度计算所述状态变化事件对应的初始影响值;
64、传播影响值模块:以发生状态变化事件的物流状态对象作为初始传播节点,依据所述物流状态关联图,将所述初始影响值沿物流状态对象之间的关联关系进行传播,计算各物流状态对象对应的传播影响值;
65、动态演化影响域模块:根据各物流状态对象对应的传播影响值构建初始动态影响域,并依据物流状态对象状态变化、传播影响值变化及物流状态关联图关联关系变化持续更新动态演化影响域;
66、交易执行指令模块:依据所述动态影响域建立物流状态对象与交易意图之间的映射关系,确定待重构交易意图,对待重构交易意图进行分级动态重构,输出更新后的交易意图,并根据更新后的交易意图生成交易执行指令。
67、进一步的,初始影响值模块包括变化程度单元和计算初始影响值单元:
68、变化程度单元:实时获取各物流状态对象当前时刻的状态属性值,并读取对应物流状态对象上一时刻的状态属性值,将当前时刻的状态属性值与上一时刻的状态属性值进行比较,判断各状态属性是否发生变化,当状态属性为数值型属性时,根据当前值与上一时刻值之间的绝对差值确定对应状态属性的变化程度,当状态属性为枚举型属性时,根据状态属性变化前后的状态组合查找预设状态映射表,确定对应状态属性的变化程度;
69、计算初始影响值单元:当至少一个状态属性对应的变化程度超过预设变化阈值时,判定对应物流状态对象发生状态变化事件,对于发生状态变化事件的物流状态对象,对各状态属性对应的变化程度进行归一化处理,将归一化后的各状态属性对应的变化程度与预设属性权重进行加权求和,计算得到状态变化事件的初始影响值。
70、与现有技术相比,本发明的有益效果是:本发明结合影响传播机制动态识别受影响范围,使交易意图能够随着物流业务运行状态持续调整,而非依赖人工干预或固定规则,提高了交易决策的实时性和适应性;计算传播影响值,从而能够识别物流异常对上下游节点以及关联业务的连锁影响,相较于仅针对单节点处理的方式,能够更加准确地反映物流状态变化的真实影响范围;持续更新影响域,使交易调整范围能够随物流业务动态变化而同步演化,避免交易重构范围过大造成资源浪费,或调整范围过小导致关键业务遗漏,提高交易意图调整的针对性和准确性;采用不同程度的调整策略,实现关键交易优先重构、一般交易局部优化的分级调整机制,既保证重要业务能够得到快速响应,又减少非关键业务的不必要调整,提高整体交易执行效率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com