【技术实现步骤摘要】
本专利技术属于物流资源动态分配领域，涉及数据分析技术，具体是一种基于大数据的物流资源动态分配方法。
技术介绍
1、随着全球贸易的蓬勃发展和电子商务的迅猛崛起，物流行业面临着前所未有的机遇与挑战，在物流运营过程中，物流资源的有效分配成为了影响企业竞争力与运营效率的关键因素。
2、传统的物流资源分配方式往往依赖于经验规则，难以适应现代物流业务中货物流量、流向的快速变化以及客户对配送时效、服务质量日益严苛的要求。例如，在物流配送高峰期，部分地区的运输车辆可能因任务分配不合理而出现超载或空载现象，同时仓储空间利用不均衡，一些仓库爆满而另一些仓库闲置，导致物流成本居高不下且服务效率低下。
3、现有的物流资源分配方法往往无法将物流配送的全流程划分为一个节点到另一个节点的多个阶段，进而无法将全流程的物流资源分配拆分为多个节点之间的物流资源分配，导致找不到最优的分配方案、服务质量低下。
4、针对上述技术问题，本申请提出一种解决方案。
技术实现思路
1、本专利技术的目的在于提供一种基于大数据的物流资源动态分配方法，用于解决现有的物流资源分配方法无法将物流配送的全流程划分为一个节点到另一个节点的多个阶段，进而无法将全流程的物流资源分配拆分为多个节点之间的物流资源分配的问题；
2、本专利技术需要解决的技术问题为如何提供一种可以将物流配送的全流程划分为一个节点到另一个节点的多个阶段，进而能够将全流程的物流资源分配拆分为多个节点之间的物流资源分配的基于大数据的
3、本专利技术的目的可以通过以下技术方案实现：
4、一种基于大数据的物流资源动态分配方法，包括以下步骤：
5、步骤一：整合信息：搭建物流管理平台，物流管理平台包括订单系统、存货仓库系统以及配送中心系统；将物流配送的全流程划分为从货物的存货仓库经过多个配送中心运输到客户收货地址的若干个阶段，存货仓库以及配送中心标记为物流配送的节点，其中存货仓库记为头节点，配送中心记为中间节点；
6、步骤二：选取头节点：获取需要物流配送的订单的存货仓库，并根据存货仓库生成仓库距离序列以及仓库使用序列，从仓库距离序列中选取备选仓库，再在仓库使用序列中备选仓库的序号确定对货物进行物流配送的头节点；
7、步骤三：选取中间节点：在选取完成头节点后，以头节点为参考选取第一中间节点，以第一中间节点作为参考选取第二中间节点，以第二中间节点作为参考选取第三中间节点…直至确定所有的中间节点；
8、步骤四：分配运输工具：每次选取完成中间节点后需要安排配送任务时，获取该中间节点中不同运输工具的配送时长差值，并将配送时长差值最小的运输工具标记为配送的运输工具；
9、步骤五：物流服务质量评估：通过分配物流资源完成对货物的配送，并计算物流服务系数fw，通过物流服务系数fw对物流服务质量是否满足要求进行判断。
10、进一步地，在步骤一中，订单系统实时接收各种平台的推送的订单信息，订单信息包括：货物的重量、体积、下单时间、收货地址以及存储该货物的存货仓库；存货仓库实时记录存储各种货物的货物量hl；配送中心系统实时获取物流公司拥有的配送中心信息，配送中心信息包括剩余存储空间sk以及车辆拥有数cy。
11、进一步地，在步骤二中，仓库距离序列的具体生成过程为：将存货仓库的实际地址记为出发地址，通过在线地图输入出发地址以及收货地址得到运输全长qc，将存货仓库按照运输全长qc由小到大的顺序排列得到仓库距离序列；仓库使用序列的具体生成过程为：获取存货仓库中存储该货物的货物量hl，记录上一次从存货仓库中运输出该货物的时间并标记为上次时间，将当前货物的下单时间标记为当前时间，将当前时间与上次时间进行差值计算得到发货间隔fj；将货物量hl与发货间隔fj进行数值计算得到货物在该存货仓库中的使用系数sy，将存货仓库按使用系数sy由大到小的顺序排列得到仓库使用序列。
12、进一步地，在步骤三中，第一中间节点的选取过程包括：在选取完成头节点后，获取以头节点对应的存货仓库为圆心，半径为r范围内的配送中心并标记为备选节点，通过在线地图输入备选节点的地址以及收货地址得到备选节点全长bx，将备选节点全长bx与运输全长qc进行比较，若备选节点全长bx大于运输全长qc，则进行剔除，否则进行保留，并将剔除后剩下的备选节点标记为保留节点；获取保留节点对应的配送中心的剩余存储空间sk以及车辆拥有数cy，将剩余存储空间sk以及车辆拥有数cy进行数值计算得到该保留节点的配送系数ps，并选取保留节点中配送系数ps最大的作为头节点之后的第一中间节点。
13、进一步地，以第一中间节点作为参考选取第二中间节点，以第二中间节点作为参考选取第三中间节点…直至不存在任意一个备选节点的备选节点全长bx小于当前中间节点到收货地址的距离。
14、进一步地，在步骤四中，分配运输工具的具体过程包括：每次选取完成中间节点后需要安排配送任务时，获取该中间节点的运输距离以及运输工具的满载运输速度，运输距离为该中间节点到下一个中间节点或者收货地址的实际距离，满载运输速度为运输工具满载情况下的平均车速；将运输距离与不同运输工具的满载运输速度进行比值计算得到配送时长；设置配送时长期望阈值，将配送时长与配送时长期望阈值进行减法取绝对值计算得到配送时长差值，并将配送时长差值最小的运输工具标记为配送的运输工具。
15、进一步地，在步骤五中，物流服务系数fw的计算过程包括：通过分配物流资源完成对货物的配送，并获取完成的总订单数量zs以及客户的投诉信息，投诉信息包括发货错误数fc、未准时交付数wj以及货物损坏数sh；将发货错误数fc、未准时交付数wj、货物损坏数sh以及总订单数量zs得到物流服务系数fw。
16、进一步地，在步骤五中，对物流服务质量是否满足要求进行判断的具体过程包括：将物流服务系数fw与预设的物流服务阈值fwmax进行比较：若物流服务系数fw小于物流服务阈值fwmax，则判断基于物流资源动态分配的物流配送质量满足要求，无需处理；若物流服务系数fw大于等于物流服务阈值fwmax，则判断基于物流资源动态分配的物流配送质量不满足要求；生成节点观察信号并将信号发送至管理人员的手机终端，并采取相应的措施进行优化。
17、本专利技术具备下述有益效果：
18、1、通过整合订单、存货仓库和配送中心的信息，实现了全流程的优化规划，能够为快速准确地选择最优的物流路径和资源分配方案提供数据支撑；同时合理选择头节点、中间节点和运输工具，避免了资源的浪费和不必要的运输成本，提高了车辆和存储空间的利用率，从而降低了整体物流成本；
19、2、通过对货物量、发货间隔、配送中心的剩余空间和车辆拥有数等多因素进行综合考量，实现了物流资源的动态、精准分配，使资源得到最大化利用；
20、3、通过物流服务质量评估，能够及时发现物流配送中存在的问题，并采取相应措施进行优化；同时基于大数据本文档来自技高网...
【技术保护点】
1.一种基于大数据的物流资源动态分配方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大数据的物流资源动态分配方法，其特征在于，在步骤一中，订单系统实时接收各种平台的推送的订单信息，订单信息包括：货物的重量、体积、下单时间、收货地址以及存储该货物的存货仓库；存货仓库实时记录存储各种货物的货物量HL；配送中心系统实时获取物流公司拥有的配送中心信息，配送中心信息包括剩余存储空间SK以及车辆拥有数CY。
3.根据权利要求2所述的一种基于大数据的物流资源动态分配方法，其特征在于，在步骤二中，仓库距离序列的具体生成过程为：将存货仓库的实际地址记为出发地址，通过在线地图输入出发地址以及收货地址得到运输全长QC，将存货仓库按照运输全长QC由小到大的顺序排列得到仓库距离序列。
4.根据权利要求3所述的一种基于大数据的物流资源动态分配方法，其特征在于，在步骤二中，仓库使用序列的具体生成过程为：获取存货仓库中存储该货物的货物量HL，记录上一次从存货仓库中运输出该货物的时间并标记为上次时间，将当前货物的下单时间标记为当前时间，将当前时间与上次时间进行
5.根据权利要求4所述的一种基于大数据的物流资源动态分配方法，其特征在于，在步骤三中，第一中间节点的选取过程包括：在选取完成头节点后，获取以头节点对应的存货仓库为圆心，半径为R范围内的配送中心并标记为备选节点，通过在线地图输入备选节点的地址以及收货地址得到备选节点全长BX，将备选节点全长BX与运输全长QC进行比较，若备选节点全长BX大于运输全长QC，则进行剔除，否则进行保留，并将剔除后剩下的备选节点标记为保留节点；获取保留节点对应的配送中心的剩余存储空间SK以及车辆拥有数CY，将剩余存储空间SK以及车辆拥有数CY进行数值计算得到该保留节点的配送系数PS，并选取保留节点中配送系数PS最大的作为头节点之后的第一中间节点。
6.根据权利要求5所述的一种基于大数据的物流资源动态分配方法，其特征在于，以第一中间节点作为参考选取第二中间节点，以第二中间节点作为参考选取第三中间节点…直至不存在任意一个备选节点的备选节点全长BX小于当前中间节点到收货地址的距离。
7.根据权利要求6所述的一种基于大数据的物流资源动态分配方法，其特征在于，在步骤四中，分配运输工具的具体过程包括：每次选取完成中间节点后需要安排配送任务时，获取该中间节点的运输距离以及运输工具的满载运输速度，运输距离为该中间节点到下一个中间节点或者收货地址的实际距离，满载运输速度为运输工具满载情况下的平均车速；将运输距离与不同运输工具的满载运输速度进行比值计算得到配送时长；设置配送时长期望阈值，将配送时长与配送时长期望阈值进行减法取绝对值计算得到配送时长差值，并将配送时长差值最小的运输工具标记为配送的运输工具。
8.根据权利要求7所述的一种基于大数据的物流资源动态分配方法，其特征在于，在步骤五中，物流服务系数FW的计算过程包括：通过分配物流资源完成对货物的配送，并获取完成的总订单数量ZS以及客户的投诉信息，投诉信息包括发货错误数FC、未准时交付数WJ以及货物损坏数SH；将发货错误数FC、未准时交付数WJ、货物损坏数SH以及总订单数量ZS得到物流服务系数FW。
9.根据权利要求8所述的一种基于大数据的物流资源动态分配方法，其特征在于，在步骤五中，对物流服务质量是否满足要求进行判断的具体过程包括：将物流服务系数FW与预设的物流服务阈值FWmax进行比较：若物流服务系数FW小于物流服务阈值FWmax，则判断基于物流资源动态分配的物流配送质量满足要求，无需处理。
10.根据权利要求9所述的一种基于大数据的物流资源动态分配方法，其特征在于，在步骤五中，若物流服务系数FW大于等于物流服务阈值FWmax，则判断基于物流资源动态分配的物流配送质量不满足要求；生成节点观察信号并将信号发送至管理人员的手机终端，并采取相应的措施进行优化。
...【技术特征摘要】
1.一种基于大数据的物流资源动态分配方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大数据的物流资源动态分配方法，其特征在于，在步骤一中，订单系统实时接收各种平台的推送的订单信息，订单信息包括：货物的重量、体积、下单时间、收货地址以及存储该货物的存货仓库；存货仓库实时记录存储各种货物的货物量hl；配送中心系统实时获取物流公司拥有的配送中心信息，配送中心信息包括剩余存储空间sk以及车辆拥有数cy。
3.根据权利要求2所述的一种基于大数据的物流资源动态分配方法，其特征在于，在步骤二中，仓库距离序列的具体生成过程为：将存货仓库的实际地址记为出发地址，通过在线地图输入出发地址以及收货地址得到运输全长qc，将存货仓库按照运输全长qc由小到大的顺序排列得到仓库距离序列。
4.根据权利要求3所述的一种基于大数据的物流资源动态分配方法，其特征在于，在步骤二中，仓库使用序列的具体生成过程为：获取存货仓库中存储该货物的货物量hl，记录上一次从存货仓库中运输出该货物的时间并标记为上次时间，将当前货物的下单时间标记为当前时间，将当前时间与上次时间进行差值计算得到发货间隔fj；将货物量hl与发货间隔fj进行数值计算得到货物在该存货仓库中的使用系数sy，将存货仓库按使用系数sy由大到小的顺序排列得到仓库使用序列。
5.根据权利要求4所述的一种基于大数据的物流资源动态分配方法，其特征在于，在步骤三中，第一中间节点的选取过程包括：在选取完成头节点后，获取以头节点对应的存货仓库为圆心，半径为r范围内的配送中心并标记为备选节点，通过在线地图输入备选节点的地址以及收货地址得到备选节点全长bx，将备选节点全长bx与运输全长qc进行比较，若备选节点全长bx大于运输全长qc，则进行剔除，否则进行保留，并将剔除后剩下的备选节点标记为保留节点；获取保留节点对应的配送中心的剩余存储空间sk以及车辆拥有数cy，将剩余存储空间sk以及车辆拥有数cy进行数值计算得到该保留节点的配送系数ps，并选取保留节点中配送系数ps最大的作...
【专利技术属性】
技术研发人员：刘远，曹慧娟，曹娜，
申请(专利权)人：深圳市凯东源现代物流股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。