车辆运输管理系统的制作方法

1.本发明属于物流技术领域，尤其涉及一种车辆运输管理系统。


背景技术：

2.近年来，线上大件快递成为大件快递主流，主要是大家电和家居产品两大品类。由于大件物流市场规模巨大，特别是近年来线上渠道快速增长，使大件包裹快递需求大幅增加，吸引快递、快运等物流企业、家居、家电卖场等流通企业，以及众多专业提供家居物流服务的企业纷纷进入大件物流市场，推出大件物流解决方案。根据配送链路，大件物流可以划分为干线运输(包括调拨和转运两种类型)、区配运输(包括直接送客户的b2b模式和经过网点送客户的b2c模式)以及直配运输(直送客户)，各环节相互衔接，形成整体配送网络体系。
3.大件物流作业过程涉及到分单、派车和排程三个方面，其中干线运输已经实现了分单和派车的智能化，由于不需要规划路线，所以干线运输不涉及排程。但是，在区配运输以及直配运输过程中，仍然采用最简单的方式，即工作人员通过经验人工进行分单、派车和排程操作。具体为：在派送订单前，物流公司的分单人员根据经验把订单分配到若干不同车型的车辆，由后者进行配送(即分单)；然后，物流公司通知承运商分单结果，承运商根据分单结果分配司机进行运输(即派车)；最后，承运商或者司机根据自身经验决定派送顺序和派送路径(排程)。
4.可以看出，在区配运输以及直配运输过程中，物流公司不仅无法做到智能调度，而且难以实现司机、车辆、货物和订单这四个要素的可视化。派车和排程都由承运商进行主导，不可控因素多，调度效率难以保证且进一步提升。


技术实现要素：

5.本发明针对现有技术大件物流区配运输以及直配运输过程中，物流公司不仅无法做到智能调度，而且派车和排程都由承运商进行主导，不可控因素多，效率难以保证的问题，设计并提供一种车辆运输管理系统。
6.为实现上述发明目的，本发明采用下述技术方案予以实现：
7.一种车辆运输管理系统，包括：
8.运营子系统，所述运营子系统配置为输入物流要素信息并对所接收的物流要素信息预处理；所述物流要素信息至少包括：注册司机信息、注册车辆信息、库存货物信息和待处理订单信息；
9.作业子系统，所述作业子系统配置为根据数据模型为待处理订单渐次输出初始物流配送策略、优化物流配送策略和最终物流配送策略；和
10.平台子系统，所述平台子系统配置为生成可视化数据。
11.与现有技术相比，本发明的优点和积极效果是：
12.本发明所提供的车辆运行管理系统，具有适用性好、人机交互简单，且智能化程度高的优点，可以覆盖整个大件物流运输过程，无需搭建另外的平台，有效降低企业成本。
13.结合附图阅读本发明的具体实施方式后，本发明的其他特点和优点将变得更加清楚。
附图说明
14.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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。
15.图1为本发明所提供的车辆运输管理系统的第一种原理示意框图；
16.图2为本发明所提供的车辆运输管理系统的第二种原理示意框图。
具体实施方式
17.为了使本发明的目的、技术方案及优点更加清楚明白，以下将结合附图和实施例，对本发明作进一步详细说明。
18.本发明的说明书和权利要求书及附图中的术语“第一”、“第二”、“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们的任何变形，代表覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
19.在本发明中“实施例”代表结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中，各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员可以理解，本文所描述的实施例可以与其它实施例相结合。
20.针对现有技术大件物流区配运输以及直配运输过程中，物流公司不仅无法做到智能调度，而且派车和排程都由承运商进行主导，不可控因素多，效率难以保证的问题，设计并提供一种车辆运输管理系统。如图1所示，从系统框架角度，车辆运输管理系统包括运营子系统10、作业子系统20和平台子系统30三个组成部分。运营子系统10配置为输入物流要素信息并对所接收的物流要素信息预处理。作业子系统20配置为根据动态数据模型为待处理订单渐次输出初始物流配送策略、优化物流配送策略和最终物流配送策略。平台子系统30配置为生成可视化数据。从业务角度，运营子系统10以物流流程中所涉及到的物流要素：人、车、货、单为输入，对物流要素进行处理，输出预处理的，分层的人、车、货、单。也就是说，在本实施例中，物流要素信息包括：注册司机信息、注册车辆信息、库存货物信息和待处理订单信息。其中注册司机信息、注册车辆信息、库存货物信息和待处理订单信息可以由人工录入，也可以从数据库中获取，还可以由传感器采集。例如，通过摄像头采样物理车牌以获取注册车辆信息，通过rfid电子标签获取库存货物信息，通过人脸识别系统获取注册司机信息等等。作业子系统20则以运营子系统10的输出为部分输入，输出分单、派车和排程的结果；平台子系统30则以运营子系统10以及作业子系统20的输出为输入，输出全业务流程的可视化结果，全业务流程包括：司机评价、下单、分单、派车、备货、出库、提货、货权交接(仓库-司机)、在途配送、签收、货权转移(司机-用户)等多个过程。
21.在本发明的一些实施例中，运营子系统10包括第二管理模块1211、第二管理模块、
第三管理模块13和第四管理模块14；第二管理模块1211配置为根据多维司机动态评价模型和注册司机信息对注册司机进行评价，第二管理模块配置为根据注册车辆信息采集车辆参数，第三管理模块13配置为根据历史订单信息和多元线性回归模型生成货物存储目的地推荐策略，第四管理模块14配置为根据历史货物信息建立货物预警模型以生成备货推荐策略。
22.在大件快递物流过程中，注册司机是一个核心要素，尤其是在直配运输中，注册司机通常在运输的同时还需要执行安装的任务，即送装一体。影响注册司机评价的因素包括安全因素：例如每月事故数量、安全培训小时；成本因素，例如百公里车辆维修费用、保养费用、油耗达标率；效率因素，例如每天平均行驶里程、车辆出勤率；服务因素：例如货物交付质量、准时率、好评率等等。为了可以实现对注册司机的合理、动态评价，在本实施方式中，根据多维司机动态评价模型和注册司机信息对注册司机进行评价包括以下步骤：
23.设定若干个评分要素，记为a
ipj
，a
ipj
代表第i个注册司机第j个评价周期的第p个评分要素；每一个评分要素包括若干个评分指标，记为b
isj
,c
inj
…
,p
iqj
,其中b
isj
代表第一个评分要素的第s个评分指标，c
inj
代表第二个评分要素的第n个评分指标，
…
，p
iqj
代表第p个评分要素的第q个评分指标；q(b
isj
)代表第一个评分要素的第s个评分指标的输入评分，q(c
inj
)代表第二个评分要素的第n个评分指标的输入评分，
…
，q(p
iqj
)代表第p个评分要素的第q个评分指标的输入评分。示例性的，评分要素可以包括服务评分要素、安全评分要素、成本评分要素和效率评分要素，即a
i1j
代表第i个注册司机第j个评价周期的服务评分要素，a
i2j
代表第i个注册司机第j个评价周期的安全评分要素，a
i1j
代表第i个注册司机第j个评价周期的成本评分要素，a
i1j
代表第i个注册司机第j个评价周期的效率评分要素。以服务评分要素为例，服务评分要素可选的包括三个评分指标，即货物交付质量b
i1j
，准时率b
i2j
和好评率b
i3j
；对应的，q(b
i1j
)代表货物交付质量的数值，q(b
i2j
)代表准时率的数值，q(b
i3j
)代表好评率的数值，即输入评分。评分要素的数量和内容可以根据注册司机的实际情况设定，例如根据注册司机的等级增减，或者增加与资格认证匹配的资格认证评分要素等等。
24.采样目标注册司机当前评价周期第一评分要素的每一个评价指标的输入评分q(b
i1j
),q(b
i2j
)
…
q(b
isj
)。沿用上述示例，目标注册司机，即待评价的注册司机的货物交付质量输入评分q(b
i1j
)、准时率输入评分q(b
i2j
)和好评率输入评分q(b
i3j
)均可以由外部设备输入，例如通过与车辆运输管理系统通信连接的移动终端获取，或者预先存储在与车辆运输管理系统通信连接的存储单元中供随时调用。具体数值可以由用户或者管理人员设定。
25.进一步为目标注册司机的评价建立基准，采样所有注册司机当前评价周期第一评分要素的每一个评价指标的输入评分的最大值，记为：
26.q
max
(b
1j
),q
max
(b
2j
)
…qmax
(b
sj
)
27.沿用上述示例，货物交付质量输入评分的最大值记为q
max
(b
1j
)、准时率输入评分的最大值记为q
max
(b
2j
)，好评率输入评分的最大值记为q
max
(b
3j
)。
28.采样所有注册司机当前评价周期第一评分要素的每一个评价指标的输入评分的最小值，记为：q
min
(b
1j
),q
min
(b
2j
)
…qmin
(b
sj
)。
29.沿用上述示例，货物交付质量输入评分的最小值记为q
min
(b
1j
)、准时率输入评分的最大值记为q
min
(b
2j
)，好评率输入评分的最大值记为q
min
(b
3j
)。
30.采用级差变换算法计算当前评价周期第一评分要素的每一个评价指标的动态评
分：
[0031][0032]
沿用上述示例，上式代表货物交付质量的动态评分，是以全部注册司机的同一个评分要素、同一个评价指标计算的参考值，可以准确地反应目标司机在该评价角度的实际表现。
[0033]
类似的，准时率的动态评分可以表示为：
[0034][0035]
好评率的动态评分可以表示为：
[0036][0037]
采用级差变换算法依次计算当前评价周期所有评分要素的每一个评价指标的动态评分。例如，安全评分要素可以进一步计算事故数量、安全培训时长的动态评分；成本评分要素可以进一步计算维修费用、保养费用、油耗达标率的动态评分；效率评分要素可以进一步计算行驶里程、出勤率的动态评分。
[0038]
为每一个评分要素的每一个评价指标赋予指标权重，记为w1,w2…
wk。
[0039]
第一评分要素的评分q
′
(a
i1j
)满足：
[0040][0041]
沿用上述示例，服务评分要素的评分q
′
(a
i1j
)即为货物交付质量的动态评分和对应的指标权重的乘积、准时率的动态评分和对应的指标权重的乘积以及好评率的动态评分和对应的指标权重的乘积之和。
[0042]
第二评分要素的评分q
′
(a
i2j
)满足：
[0043][0044]
依次循环计算，直至计算出第p个评分要素的评分q
′
(a
ipj
)：
[0045][0046]
沿用上述示例，则进一步计算出安全评分要素的评分q
′
(a
i2j
)，成本评分要素的评分q
′
(a
i3j
)以及效率评分要素的评分q
′
(a
i4j
)。
[0047]
为每一个评分要素赋予要素权重，记为w1,w2…
wk。
[0048]
沿用上述示例，则进一步赋予四个要素相应的要素权重，w1,w2,w3,w4。
[0049]
第i个注册司机第j个评价周期的设定评分为:
[0050][0051]
沿用上述示例，第i个注册司机第j个评价周期的设定评分为服务评分要素评分与相应的要素权重的乘积，安全评分要素与相应的要素权重的乘积、成本评分要素与相应的要素权重的乘积以及效率评分要素与相应的要素权重的乘积的和。
[0052]
进一步计算第i个注册司机的动态评分为:
[0053][0054]
m 1表示动态评分周期，动态评分周期的时长为若干个待评价周期的时长。例如，待评价周期以月度为单位，动态评分周期设定为3个月，即计算出第i个注册司机3个月的动态评分。随着时间维度的变化，动态评分不断更新。采用多维动态评分模型，得到的评分准确，综合考虑了各项因素，不易由于人为因素出现偏差或者篡改，同时综合了当前全部注册司机的实际表现，具有更好的实用性。
[0055]
要素权重，以及每一个评分要素的指标权重均优选由层次分析法确定，每个层次的因素两两比较，采用相对尺度，以尽可能减少性质不同的诸因素相互比较的困难，以提高准确性。
[0056]
在本实施例中，根据多维司机动态评价模型和注册司机信息对注册司机进行评价是一种定性定量相结合的智能评价方式，全程自动更新并保持动态维护，在降低运输成本的同时，还能保证由注册司机组成的车队的高效运营。
[0057]
在本发明的一些实施方式中，根据历史订单信息和多元线性回归模型生成货物存储目的地推荐策略包括以下步骤：
[0058]
根据货物种类设定与货物种类对应的若干个虚拟变量，记为x1’
,x2’
，
…
，x
n’，其中n’代表货物种类；
[0059]
判定历史订单信息中是否有第n’种货物；如果有则赋值相应的虚拟变量x
n’＝1，如果没有则赋值相应的虚拟变量x
n’＝0；
[0060]
构建多元线性回归模型：
[0061]
x
i’＝β1’
x1’
β2’
x2’

…
β
i’
…
β
n’x
n’ ε
[0062]
其中β1’
，β2’
，
…
，β
i’，
…
，β
n’为回归系数，ε为随机误差；
[0063]
采用最小二乘法求解回归系数；
[0064]
根据求解出的回归系数得到货物x
i’与其它货物的相关性，其中回归系数越大，货物相关性越高；
[0065]
设定回归系数阈值，将回归系数高于所述回归系数阈值的货物存储在同一目的地，生成货物存储目的地推荐策略。
[0066]
通过上述方法，关联性较高的货物被存储在同一个目的地，降低物流的时间成本和货物损耗风险。
[0067]
第三管理模块13同时还配置为记录并存储每个订单的编号、订单包含的货物种类、编码、数量、配送时间以及交货地点，在货权交接、订单签收和货权转移环节，及时更新订单状态。同时，在作业子系统20分单完之后记录每个订单的派送注册司机和派送注册车辆。当司机在仓库提货完成之后，货权从仓库交接给了司机，第三管理模块13即配置更新订单状态。当订单签收后，货权从注册司机转移到了客户手中，此时第三管理模块13也进一步配置更新订单状态。第三管理模块13更新订单状态基于与其它终端的通信，终端接收到触发信号后代表货权转移，第三管理模块13即根据终端输入的信号执行相应的订单更新。
[0068]
在本发明的一些实施例中，根据历史货物信息建立货物预警模型以生成备货推荐策略包括以下步骤：
[0069]
预先设定多个货物预警模型，具体来说货物预警模型包括：
[0070]
第一货物预警模型，所述第一货物预警模型中的再订货阈值r满足：其中l表示订货提前期，以时间为单位；表示平均货物需求，b为安全库存，z为安全系数，σd代表设定订货周期内货物需求变化的标准差。
[0071]
第二货物预警模型，所述第二货物预警模型中的再订货阈值r满足：其中d表示订货提前期内的货物需求，σ
l
表示订货提前期的标准差，b为安全库存，b＝zdσ
l
，z为安全系数；和
[0072]
第三货物预警模型，所述第三货物预警模型中的再订货阈值r满足：其中l表示订货提前期，b为安全库存，z为安全系数，σd代表设定订货周期内货物需求变化的标准差，表示订货提前期的平均值，表示订货提前期内的平均货物需求，σ
l
表示订货提前期的标准差。
[0073]
安全系数为常数，预先设定并存储。
[0074]
其中，订货提前期为提前购入存货的天数，优选的，记为交货的天数。在提前进货的条件下，再次发出订货单时尚有的存货库存量记为在订货阈值r。
[0075]
如果根据待处理订单信息判断货物需求波动大于设定需求阈值且根据库存货物信息判断订货提前期波动小于等于设定订货提前期波动阈值，则根据所述第一货物预警模型生成备货推荐策略，即在需求不确定，订货提前期固定的条件下，为避免缺货或者积压的情况，采用第一货物预警模型生成备货推荐策略。
[0076]
如果根据待处理订单信息判断货物需求波动小于等于设定需求阈值且根据库存货物信息判断订货提前期波动大于设定订货提前期波动阈值，则根据所述第二货物预警模型生成备货推荐策略，即在需求确定，订货提前期不固定的条件下，为避免货物不能按时达到，采用第一货物预警模型生成备货推荐策略。
[0077]
如果根据待处理订单信息判断货物需求波动大于设定需求阈值且根据库存货物信息判断订货提前期波动大于设定订货提前期波动阈值，则根据所述第三货物预警模型生成备货推荐策略，即在需求不确定，订货提前其不固定的条件下，采用第三货物预警模型生成备货推荐策略。
[0078]
在本发明的一些实施例中，作业子系统20包括分单模块21、派车模块22和排程模块23；其中分单模块21配置为利用归并排序算法根据待处理订单的时间窗对待处理订单排
序，并利用二分查找法确定初始订单分配方案输出初始物流配送策略；派车模块22配置为利用元启发算法优化所述初始物流配送策略生成优化物流配送策略；排程模块23配置为利用自适应大规模领域搜索方法优化所述优化物流配送策略，生成所述最终物流配送策略。
[0079]
在大件物流的配送中，为了让订单准时送达，订单会有时间窗。时间窗即当前时间和送达时间之差，时间窗越小则代表订单的配送紧急度越高，通过归并排序可以根据待处理订单的时间窗对待处理订单排序。对紧急度最高的待处理订单赋予处理的最高优先级，在注册车辆中寻找与之匹配的可用注册车辆。寻找可以采用二分查找法，即通过二分查找法快速的找到与待处理的，优先级最高的订单匹配注册车辆，形成初始订单分配方案，进一步输出初始物流配送策略。在二分查找法之外，还可以采用顺序查找法、二叉排序查找法等形成初始订单分配方案。
[0080]
初始物流配送策略是后续启发式算法的基础，提供后续启发式算法的初始解。派车模块22配置为利用元启发算法优化所述初始物流配送策略生成优化物流配送策略。元启发算法包括蚁群算法和粒子群算法；其中蚁群算法配置为所述粒子群算法提供启动解。蚁群算法和粒子群算法分别可以选用现有技术中的常规算法，在此不再赘述。
[0081]
派车模块22生成的优化物流配送策略进一步输入至排程模块23中。后者将遗传算法与自适应大规模搜索算法相结合，生成最终物流配送策略。自适应大规模搜索算法也可以选用现有技术中的常规算法，在此不再赘述。
[0082]
从架构上看，平台子系统30包括物流要素可视管理模块31和物流过程可视管理模块32。其中物流要素可视管理模块31包括司机子模块、车辆子模块、货物子模块和订单子模块，其中司机子模块配置为显示所述注册司机信息，车辆子模块配置为显示所述注册车辆信息，货物子模块配置为显示所述库存货物信息，订单子模块配置为显示所述待处理订单信息以及立式订单信息。在司机子模块中，管理人员可以查看注册司机的总和评分、技能、是否在途、驾驶车辆、配送订单和历史信息等内容；在车辆子模块中，管理人员可以查看车辆编号、型号、车牌号、油耗等信息；订单子模块可选地显示货物存储目的地推荐策略，推送推荐货物存储目的地；货物子模块配置为根据货物预警模型推送补货提醒。
[0083]
物流过程可视管理模块32则包括分单子模块、派车子模块和排程子模块；分单子模块配置为显示派送周期内的待处理订单和匹配的车辆信息，派车子模块配置为显示目标订单、与所述目标订单匹配的车辆信息以及与所述目标订单匹配的司机信息，排程子模块配置为显示目标订单的最优路径。
[0084]
通过物流要素可视管理模块31和物流过程可视管理模块32，第一个方面可以实现业务过程的可视化监控，第二个方面可以通过可视化图表监控业务运行状态，第三个方面可以实现决策结果可视化。
[0085]
本发明所提供的车辆运行管理系统，具有适用性好，整个流程无需搭建另外的平台、人机交互简单，且智能化程度高的优点。从硬件载体上看，管理系统可以运行在服务器上，服务器与管理端、用户端、司机端、外部资源管理端通信连接。管理端、用户端、司机端和外部资源管理端可以是运行在移动终端上的软件接口。
[0086]
本技术实施例还提供一种计算机存储介质，其中，该计算机存储介质存储于电子数据交换的计算机程序，该计算机程序使得计算机执行如上方法实施例中记载的任一方法的部分或全部步骤。
[0087]
在上述实施例中，对各个实施例的描述均各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
[0088]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元或模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
[0089]
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个物理空间，或者也可以分布到多个网络单元上，可以根据实际需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0090]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0091]
以上实施例仅用以说明本发明的技术方案，而非对其进行限制；尽管参照前述实施例对本发明进行了详细的说明，对于本领域的普通技术人员来说，依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明所要求保护的技术方案的精神和范围。