一种快递包状态判断方法与流程

1.本发明属于快递集包技术领域，具体涉及一种快递包状态判断方法。


背景技术：

2.目前随着快递行业的高速发展，快件的数量呈爆发式增长，从而导致中心的分拣需求增大。为了缓解分拣的压力，中心通常会引入分拣机进行自动的分拣进而提高分拣的效率。但是现有的分拣设备并不具备自动打包的功能，很多中心往往采用人工的方式进行打包，即人工在分拣线附近进行巡逻，依靠人工判断快递包中的快件是否装满，并对装满或即将装满的快件包进行打包。这种依靠人工判断的方式很容易漏掉某些已装满的快递包，如果没有及时进行打包，导致快件虽然已经有装包记录，但是却没有实际放入包内，对后面判断件的位置以及时效都有影响，并且效率较低已经不能满足日益增长的快件的处理需求。


技术实现要素：

3.为了解决现有技术存在的不能及时打包、效率低的问题，本发明提供了一种快递包状态判断方法，其具有不容易遗漏、减少人工巡逻的成本、设备成本等特点。
4.根据本发明的具体实施方式的一种快递包状态判断方法，包括：
5.基于大数据平台实时获取包括快件体积信息的快件基础数据；
6.基于所述基础数据和预设机器学习模型对进入相应快件包中的快件数量进行预测并确定快件包容量的临界值；
7.在快件包中的快件数量达到所述临界值时控制分拣口相应的报警灯发出提示信号，以提醒现场人员及时进行打包。
8.进一步的，所述基于大数据平台实时获取包括快件体积信息的快件基础数据包括：
9.基于kafka及大数据平台采集实时的运单体积数据，包括长宽高及运单形状和运单重量。
10.进一步的，所述基于所述基础数据和预设机器学习模型对进入相应快件包中的快件数量进行预测并确定快件包容量的临界值包括：
11.基于初步数据分析和数据探索创建相应的检测模型，并在不同形状、不同体积下按不同顺序的落袋后对装包体积的影响，对检测模型进行训练以确定容量最大的临界值。
12.进一步的，所述基于初步数据分析和数据探索创建相应的检测模型包括：
13.按照不同形状生成物品的体积数据，采用随机函数模拟快件和快件接触点，计算每一票落如快件包后的体积，直到总体积接近快件包体积为止并确定相应的快件数量。
14.进一步的，所述初步数据分析和数据探索包括：
15.确定数据平台所包含的相关的数据表格以及表格中的特征数据，并确定特征数据的准确性，其中准确的特征数据至少包括快件的长宽高信息。
16.本发明的有益效果为：通过数据仓库中存储的每一票的长宽高体积数据，通过大数据模型计算票与包的关系，实时预计当前包内还可以装多少票，哪些包已经到临界值，快要装满了，提醒现场工人优先到哪个位置进行打包操作。这样实现了不容易遗漏，且减少人工巡逻的成本，并且减少设备成本，可以复制和推广所有中心。
附图说明
17.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，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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。
18.图1是根据一示例性实施例提供的快递包状态判断方法的流程图。
具体实施方式
19.为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
20.参照图1所示，本发明的实施例提供了一种快递包状态判断方法，具体包括以下步骤：
21.101、基于大数据平台实时获取包括快件体积信息的快件基础数据；
22.可采用kafka及大数据平台采集实时的运单体积数据，包括长宽高、及运单形状、运单重量等基础数据。其中kafka是一个分布式流式计算平台，kafka每个主题的多个分区日志分布式地存储在kafka集群上，同时为了故障容错，每个分区都会以副本的方式复制到多个消息代理节点上。其中一个节点会作为主副本(leader)，其他节点作为备份副本(follower，也叫作从副本)。主副本会负责所有的客户端读写操作，备份副本仅仅从主副本同步数据。当主副本出现故障时，备份副本中的一个副本会被选择为新的主副本。因为每个分区的副本中只有主副本接受读写，所以每个服务器端都会作为某些分区的主副本，以及另外一些分区的备份副本，这样kafka集群的所有服务端整体上对客户端是负载均衡的。从而保证了能够及时地进行业务计算，得出相应结果。
23.102、基于基础数据和预设机器学习模型对进入相应快件包中的快件数量进行预测并确定快件包容量的临界值；
24.通过采集的运单数据，进行初步数据分析和数据探索，并创建模型算法，对在不同形状、不同体积下按不同顺序的落袋后对装包体积的影响，通过不断的训练模型，以达到最优解。
25.103、在快件包中的快件数量达到临界值时控制分拣口相应的报警灯发出提示信号，以提醒现场人员及时进行打包。
26.采用kafka进行实时数据计算，并将数据发聩到信号灯上，当快要装满时，分拣口的信号灯发出信号，提醒现场工人及时打包。从而实现了通过数据仓库中存储的每一票的长宽高体积数据，通过大数据模型计算票与包的关系，实时预计当前包内还可以装多少票，
哪些包已经到临界值，快要装满了，提醒现场工人优先到哪个位置进行打包操作。不容易遗漏且减少人工巡逻的成本，同时相比于需要在分拣口增加相关检测设备的检测方式减少设备成本，可以复制和推广所有中心。
27.作为上述实施例可行的实现方式，可基于初步数据分析和数据探索创建相应的检测模型，并在不同形状、不同体积下按不同顺序的落袋后对装包体积的影响，对检测模型进行训练以确定容量最大的临界值。
28.即先按照不同形状在后台表生成物品的体积数据，使用随机函数模拟快件和快件接触点，计算每一票落袋后的体积，直到总体积接近袋子体积为止，计算每种方式大概可以装多少快件。
29.其中大数据平台采用开源hadoop系统及其大数据主件hive，spark进行数据采集，数据计算,数据包含运单数据、分拣数据、中心维度数据等等。
30.数据的分析和探索包括对现有的先进行数据分析和探索，找寻适合分析的方案，以及数据的完整性、有效性等等。主要包括底层数据包含哪些表，表有哪些特征数据，这些数据准确性如何、是否每一件都有长宽高数据等等。
31.使用机器学习方法对运单的数据进行特征工程建设与选择，包括计算快件的特征值，如快件包装、形状、体积、计算特征值对装袋的体积影响系数。
32.在进行模型训练时使用数据挖掘算法与选择的特征工程进行天批次模型训练，不断的重复不同形状和体积的件进行装包动作，从而得到装满包时的件量数据。并且可通过大数据平台的计算能力，对运单进行维度建模，创建运单号为主键的明细表，创建以中心id为主键的维度表，创建以包号为主键的明细表。然后结合实时运单明细和模型训练结果进行实时预测，匹配实际的运单特征数据与模型训练结果比对，当符合的时候取预测的件量作为实际应该装的快件量。按照不同形状生成物品的体积数据，采用随机函数模拟快件和快件接触点，计算每一票落如快件包后的体积，直到总体积接近快件包体积为止并确定相应的快件数量。
33.确定数据平台所包含的相关的数据表格以及表格中的特征数据，并确定特征数据的准确性，其中准确的特征数据至少包括快件的长宽高信息。
34.在具体实施时，可通过获取分拣机的数据、运单数据、分拣中心数据，然后基于大数据平台进行数据的分析和探索，生成相应的特征工程及模型训练，然后使用训练好的模型可控制相应的信号灯发出相关的灯光信号进行提醒。
35.并可采用监督学习由一个目标/结果变量(或因变量)组成，该变量将从给定的一组预测变量(自变量)中预测。使用这些变量集，生成一个将输入映射到所需输出的函数。训练过程继续进行，直到模型在训练数据上达到所需的准确度。当然本领域技术人员还可采用其他的机器学习的方式进行模型的构建和训练，本发明在此不做限制。
36.本发明上述实施例所提供的快递包状态判断方法，通过数据仓库中存储的每一票的长宽高体积数据，通过大数据模型计算票与包的关系，实时预计当前包内还可以装多少票，哪些包已经到临界值，快要装满了，提醒现场工人优先到哪个位置进行打包操作。进而实现了装包不容易遗漏，且减少人工巡逻的成本，并且减少设备成本，可以复制和推广所有分拣中心。
37.本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步
骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
38.此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
39.上述提到的存储介质可以是只读存储器，磁盘或光盘等。
40.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
41.上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
42.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。