一种基于大数据的智能物流监控系统及方法与流程

1.本发明涉及物流监控技术领域，具体为一种基于大数据的智能物流监控系统及方法。


背景技术：

2.物流涉及货物的运输、仓储及配送等环节，是当前社会生活中不可或缺的重要组成部分，但是由于物流涉及的业务流程较多，进而为了加强对物流的监管，行业内往往使用基于信息技术、物联网技术等先进技术手段的智能物流监控系统，确保货物这各个物流环境的安全；
3.现有的基于大数据的智能物流监控系统，通过传感器设备对物流环节中的货物信息进行监测和采集，其主要目的是实现对货物的追踪和监管，通过监测与设置的阈值进行对比，实现对物流环节中的货物状态进行分析，并对异常状态时进行预警；但是，现有技术无法有效结合待行驶的路段数据对运输环节中货物状态的影响进行分析，且无法结合物流运输环节中的货物状态实现对运输路线的自适应调节(尤其是通过物流车辆同时对多个仓库进行补货时，在制定完导航路线后，无论后续运输过程中货物的状态如何，依旧按照制定的路线行驶，无法结合路况信息、运送的货物信息及未补货的仓库位置信息实现对导航路线及补货仓库的自适应的调节，进而在物流车辆运输的货物坏损情况超出承受范围时，出现后续待补货仓库补货不足，且后续依旧需要对该补货仓库进行二次补货的情况，补货效率低)。


技术实现要素：

4.本发明的目的在于提供一种基于大数据的智能物流监控系统及方法，以解决上述背景技术中提出的问题。
5.为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的智能物流监控方法，所述方法包括以下步骤：
6.s1、获取各个待补货仓库对应的位置，将每个待补货仓库位置作为一个物流运输节点，并对各个物流运输节点进行编号，生成所得待补货仓库对应的各个补货编号序列组合方案；
7.s2、结合待补货仓库所处位置对应的地图，获取每个补货编号序列组合方案对应的导航路线；提取每个补货编号序列组合方案对应导航路线中的路况信息，根据所得路况信息得到每个补货编号序列组合方案对应导航路线的物流风险特征系数，将物流风险特征系数最小的补货编号序列组合方案对应的导航路线作为最佳补货物流运输方案；
8.s3、每当物流车辆抵达物流运输节点时，获取一次物流车辆中货物的坏损信息，并分析物流车辆的货物补发状态；(货物补发状态正常时不进行预警，也不对后续待补发仓库进行筛选)在货物补发状态异常时，对相应补货序列组合方案中未补货的仓库进行筛选，且根据筛选结果对导航路线进行更新；
9.s4、将更新后的导航路线作为预警信息反馈给管理员，并根据管理员接收到预警信息后的确认结果，对物流车辆的导航路线进行管理。
10.进一步的，所述s1中每个补货编号序列组合方案中包括获取的所有待补货仓库位置对应的物流运输节点编号，且每个补货编号序列组合方案中的编号均不相同；
11.不同补货编号序列组合方案中元素对应编号的排列顺序不同。
12.进一步的，所述s2中获取每个补货编号序列组合方案对应的导航路线时，所述导航路线由多个导航路段相连构成，所述导航路段的个数与补货编号序列组合方案中的元素个数，导航路线中的第i个导航路段表示补货编号序列组合方案中第i-1个元素对应的物流运输节点至第i个元素对应的物流运输节点之间的导航路线，当i＝1时，补货编号序列组合方案中第i-1个元素表示物流车辆的装货点；所述不同物流运输节点之间导航路线通过数据库查询获取；
13.所述s2中根据所得路况信息得到每个补货编号序列组合方案对应导航路线的物流风险特征系数的方法包括以下步骤：
14.s21、获取每个补货编号序列组合方案对应导航路线中的路况信息，选取任意一个补货编号序列组合方案，将所得补货编号序列组合方案中对应导航路线中的路况信息记为集合a，所述a＝{a1，a2，...，ai，...，ai1}，所述ai表示a中第i个导航路段对应的路况信息，所述i1表示a中的元素个数，
15.所述路况信息ai包括相应导航路段的长度aib1、路面影响特征aib2及路段通行影响特征aib3，
16.所述路面影响特征为数据库中记录的通过相应导航路段的物流车辆分别对应的最大车厢颠簸幅度的平均值；所述路段通行影响特征为数据库中记录的通过相应导航路段的物流车辆分别对应的通行车速稳态波动特征量的平均值，所述通行车速稳态波动特征量等于物流车辆在通过相应导航路段的过程中，车速稳态波动区间对应的时长与通行总时长的比值，所述车速稳态波动区间为时间区间，且相应时间区间中的任意一个时间点t在时间区间
17.[t-t1,t+t1]内对应的最大车速与最小车速的差值大于等于第一预设值，所述t1为数据库中预置的常数；
[0018]
s22、得到a相应补货编号序列组合方案对应导航路线的物流风险特征系数，记为ca，所述ca＝[∑
i＝1i1
aib1
×eaib2
×
(aib3+1)
×
(ah-aih)]/∑
i＝1i1
aib1，
[0019]
其中，ah表示a相应补货编号序列组合方案中所有待补货仓库对应的补货量，aih表示a相应补货编号序列组合方案中前i-1个元素分别对应的待补货仓库的补货量之和，且当i＝1时对应的aih＝0。
[0020]
本发明分析结果实现对补货编号序列组合方案对应导航路线的物流风险特征系数时，从导航路段的长度、路面对物流车辆的影响情况及路段通行对物流车辆的影响情况三个方面因素对物流车辆的路况进行分析，不同补货编号序列组合方案中的元素排列方式不同，则对应的各个导航路段的路况信息存在差异，因此，不同的补货编号徐磊组合方案对应导航路线的物流运输风险(物流风险特征系数)不同。
[0021]
进一步的，所述s3中分析物流车辆的货物补发状态的方法包括以下步骤：
[0022]
s301、获取物流车辆抵达第i2个物流运输节点时，物流车辆中货物的坏损信息，所
述坏损信息包括物流运输异常坏损率hi2，
[0023]
所述物流运输异常坏损率hi2等于物流车辆为第i2个物流运输节点对应的仓库补货时，1减去相应实际补货量与相应总卸货量的商后所得的差值；第i2个物流运输节点对应的实际补货量表示前i2个物流运输节点分别对应的仓库补货量之和，第i2个物流运输节点对应的总卸货量表示物流车辆在前i2个物流运输节点分别对应的货物卸载量之和；
[0024]
s302、获取物流车辆在装货点处出发前对应货物偏差富余量p，所述偏差富余量表示物流车辆上相较于待补货仓库对应总补货量多出的货物数量；
[0025]
s303、结合s302中数据获取结果，得到物流车辆抵达第i个物流运输节点时的异常坏损率承受值hgi2，
[0026]
hgi2＝1-zxi/{p
×
[∑
i＝1i2
aib1
×eaib2
×
(aib3+1)
×
(ah-aih)]/(ca
×
ab1)+zxi}，
[0027]
其中，zxi表示物流车辆为第i个物流运输节点对应的仓库补货时的实际补货量，ab1表示a中所有导航路段分别对应的路况信息中相应导航路段的长度之和∑
i＝1i1
aib1；
[0028]
本发明中p
×
[∑
i＝1i2
aib1
×eaib2
×
(aib3+1)
×
(ah-aih)]/(ca
×
ab1)表示结合路况信息分析得到的物流车辆抵达第i个物流运输节点时的货物异常坏损量；
[0029]
s304、得到物流车辆抵达第i个物流运输节点时，物流车辆的货物补发状态，
[0030]
当hi2＞hgi2时，则判定物流车辆抵达第i个物流运输节点时，物流车辆的货物补发状态异常，
[0031]
当hi2≤hgi2时，则判定物流车辆抵达第i个物流运输节点时，物流车辆的货物补发状态正常。
[0032]
本发明在物流车辆抵达物流运输节点时，判断物流车辆的货物补发状态，是为了分析是否需要对后续导航路线及待补货仓库进行变更，即判断后续是否需要进行跳转到物流状态信息自适应调节模块进行数据分析。
[0033]
进一步的，所述s3中在货物补发状态异常时，对相应补货序列组合方案中未补货的仓库进行筛选的方法包括以下步骤：
[0034]
s311、获取补货序列组合方案中未进行补货的物流运输节点构成的集合m，获取当前物流车辆对应的车辆位置，记为m0；
[0035]
s312、获取m的所有真子集，得到m的每个真子集对应的各个补货序列组合方案，m的每个真子集对应一个或多个补货序列组合方案；
[0036]
s313、获取s312所得的每个补货序列组合方案对应导航路线中的路况信息，并结合s2中所述内容得到每个补货编号序列组合方案对应导航路线的物流风险特征系数，s312所得的每个补货序列组合方案对应导航路线中第一个导航路段相应的两个端点分别为m0与相应补货序列组合方案中第一个元素对应的物流运输节点位置；
[0037]
s314、得到s312所得的每个补货序列组合方案对应的综合影响筛选特征值，将第r个补货序列组合方案对应的综合影响筛选特征值记为fr，fr＝vr
×
[c1
(a，r)
+c2
(a，r)
]，
[0038]
其中，c1
(a，r)
表示s312所得的第r个补货序列组合方案对应导航路线的物流风险特征系数，vr表示s312所得的第r个补货序列组合方案对应二次补货方案中的元素个数，
[0039]
c2
(a，r)
表示s312所得的第r个补货序列组合方案的各个二次补货方案，分别对应导航路线的物流风险特征系数中的最小值，
[0040]
每个二次补货方案为一个补货序列组合方案，且第r个补货序列组合方案与任意
一个相应二次补货方案的并集等于m；对应的元素种类相同的不同二次补货方案中的元素排列顺序不同且对应的物流风险特征系数不同；s312所得的每个补货序列组合方案的二次补货方案对应导航路线中，第一个导航路段相应的两个端点分别为物流车辆的装货点与相应补货序列组合方案中第一个元素对应的物流运输节点位置；
[0041]
s315、将s312所得的对应综合影响筛选特征值最小的补货序列组合方案相应的导航路线作为更新后的导航路线，并将s312所得的对应综合影响筛选特征值最小的补货序列组合方案中元素对应的仓库作为货物补发状态异常时，对未补货的仓库的筛选结果。
[0042]
进一步的，所述s4中根据管理员接收到预警信息后的确认结果，对物流车辆的导航路线进行管理时，
[0043]
当管理员接收到预警信息并进行确认时，则判定物流车辆执行更新后的导航路线，
[0044]
当管理员接收到预警信息未确认更新后的导航路线时，则判定管理员不同意变更补货的导航路线，物流车辆按更新前的原导航路线执行。
[0045]
一种基于大数据的智能物流监控系统，所述系统包括以下模块：
[0046]
物流运输信息提取模块，所述物流运输信息提取模块获取各个待补货仓库对应的位置，将每个待补货仓库位置作为一个物流运输节点，并对各个物流运输节点进行编号，生成所得待补货仓库对应的各个补货编号序列组合方案；
[0047]
初始物流运输方案生成模块，所述初始物流运输方案生成模块结合待补货仓库所处位置对应的地图，获取每个补货编号序列组合方案对应的导航路线；提取每个补货编号序列组合方案对应导航路线中的路况信息，根据所得路况信息得到每个补货编号序列组合方案对应导航路线的物流风险特征系数，将物流风险特征系数最小的补货编号序列组合方案对应的导航路线作为最佳补货物流运输方案；
[0048]
物流状态信息自适应调节模块，所述物流状态信息自适应调节模块中每当物流车辆抵达物流运输节点时，获取一次物流车辆中货物的坏损信息，并分析物流车辆的货物补发状态；在货物补发状态异常时，对相应补货序列组合方案中未补货的仓库进行筛选，且根据筛选结果对导航路线进行更新；
[0049]
物流运输信息预警管理模块，所述物流运输信息预警管理模块将更新后的导航路线作为预警信息反馈给管理员，并根据管理员接收到预警信息后的确认结果，对物流车辆的导航路线进行管理。
[0050]
进一步的，所述初始物流运输方案生成模块包括导航路线获取单元、物流风险分析单元及补货物流运输方案确认单元，
[0051]
所述导航路线获取单元结合待补货仓库所处位置对应的地图，获取每个补货编号序列组合方案对应的导航路线；
[0052]
所述物流风险分析单元提取每个补货编号序列组合方案对应导航路线中的路况信息，根据所得路况信息得到每个补货编号序列组合方案对应导航路线的物流风险特征系数；
[0053]
所述补货物流运输方案确认单元将物流风险特征系数最小的补货编号序列组合方案对应的导航路线作为最佳补货物流运输方案。
[0054]
进一步的，所述物流状态信息自适应调节模块包括货物补发状态判定单元及物流
状态信息更新调节单元，
[0055]
所述货物补发状态判定单元中每当物流车辆抵达物流运输节点时，获取一次物流车辆中货物的坏损信息，并分析物流车辆的货物补发状态；
[0056]
所述物流状态信息更新调节单元在货物补发状态异常时，对相应补货序列组合方案中未补货的仓库进行筛选，且根据筛选结果对导航路线进行更新。
[0057]
与现有技术相比，本发明所达到的有益效果是：本发明不仅结合待行驶的路段数据对运输环节中货物状态的影响进行分析，且结合物流运输环节中的货物状态实现对运输路线的自适应调节；使得在通过物流车辆同时对多个仓库进行补货时，结合路况信息、运送的货物信息及未补货的仓库位置信息实现对导航路线及补货仓库的自适应的调节，提高物流车辆的补货效率。
附图说明
[0058]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0059]
图1是本发明一种基于大数据的智能物流监控方法的流程示意图；
[0060]
图2是本发明一种基于大数据的智能物流监控系统的结构示意图。
具体实施方式
[0061]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0062]
请参阅图1，本发明提供技术方案：一种基于大数据的智能物流监控方法，所述方法包括以下步骤：
[0063]
s1、获取各个待补货仓库对应的位置，将每个待补货仓库位置作为一个物流运输节点，并对各个物流运输节点进行编号，生成所得待补货仓库对应的各个补货编号序列组合方案；
[0064]
所述s1中每个补货编号序列组合方案中包括获取的所有待补货仓库位置对应的物流运输节点编号，且每个补货编号序列组合方案中的编号均不相同；
[0065]
不同补货编号序列组合方案中元素对应编号的排列顺序不同。
[0066]
s2、结合待补货仓库所处位置对应的地图，获取每个补货编号序列组合方案对应的导航路线；提取每个补货编号序列组合方案对应导航路线中的路况信息，根据所得路况信息得到每个补货编号序列组合方案对应导航路线的物流风险特征系数，将物流风险特征系数最小的补货编号序列组合方案对应的导航路线作为最佳补货物流运输方案；
[0067]
所述s2中获取每个补货编号序列组合方案对应的导航路线时，所述导航路线由多个导航路段相连构成，所述导航路段的个数与补货编号序列组合方案中的元素个数，导航路线中的第i个导航路段表示补货编号序列组合方案中第i-1个元素对应的物流运输节点至第i个元素对应的物流运输节点之间的导航路线，当i＝1时，补货编号序列组合方案中第i-1个元素表示物流车辆的装货点；所述不同物流运输节点之间导航路线通过数据库查询
获取；
[0068]
所述s2中根据所得路况信息得到每个补货编号序列组合方案对应导航路线的物流风险特征系数的方法包括以下步骤：
[0069]
s21、获取每个补货编号序列组合方案对应导航路线中的路况信息，选取任意一个补货编号序列组合方案，将所得补货编号序列组合方案中对应导航路线中的路况信息记为集合a，所述a＝{a1，a2，...，ai，...，ai1}，所述ai表示a中第i个导航路段对应的路况信息，所述i1表示a中的元素个数，
[0070]
所述路况信息ai包括相应导航路段的长度aib1、路面影响特征aib2及路段通行影响特征aib3，
[0071]
所述路面影响特征为数据库中记录的通过相应导航路段的物流车辆分别对应的最大车厢颠簸幅度的平均值；(本实施例中车厢颠簸幅度是通过物流车辆上装置的不平路面传感器采集获取的)所述路段通行影响特征为数据库中记录的通过相应导航路段的物流车辆分别对应的通行车速稳态波动特征量的平均值，所述通行车速稳态波动特征量等于物流车辆在通过相应导航路段的过程中，车速稳态波动区间对应的时长与通行总时长的比值，所述车速稳态波动区间为时间区间，且相应时间区间中的任意一个时间点t在时间区间[t-t1,t+t1]内对应的最大车速与最小车速的差值大于等于第一预设值，所述t1为数据库中预置的常数；
[0072]
s22、得到a相应补货编号序列组合方案对应导航路线的物流风险特征系数，记为ca，所述ca＝[∑
i＝1i1
aib1
×eaib2
×
(aib3+1)
×
(ah-aih)]/∑
i＝1i1
aib1，
[0073]
其中，ah表示a相应补货编号序列组合方案中所有待补货仓库对应的补货量，aih表示a相应补货编号序列组合方案中前i-1个元素分别对应的待补货仓库的补货量之和，且当i＝1时对应的aih＝0。
[0074]
s3、每当物流车辆抵达物流运输节点时，获取一次物流车辆中货物的坏损信息，并分析物流车辆的货物补发状态；(货物补发状态正常时不进行预警，也不对后续待补发仓库进行筛选)在货物补发状态异常时，对相应补货序列组合方案中未补货的仓库进行筛选，且根据筛选结果对导航路线进行更新；
[0075]
所述s3中分析物流车辆的货物补发状态的方法包括以下步骤：
[0076]
s301、获取物流车辆抵达第i2个物流运输节点时，物流车辆中货物的坏损信息，所述坏损信息包括物流运输异常坏损率hi2，
[0077]
所述物流运输异常坏损率hi2等于物流车辆为第i2个物流运输节点对应的仓库补货时，1减去相应实际补货量与相应总卸货量的商后所得的差值；第i2个物流运输节点对应的实际补货量表示前i2个物流运输节点分别对应的仓库补货量之和，第i2个物流运输节点对应的总卸货量表示物流车辆在前i2个物流运输节点分别对应的货物卸载量之和；
[0078]
s302、获取物流车辆在装货点处出发前对应货物偏差富余量p，所述偏差富余量表示物流车辆上相较于待补货仓库对应总补货量多出的货物数量；
[0079]
s303、结合s302中数据获取结果，得到物流车辆抵达第i个物流运输节点时的异常坏损率承受值hgi2，
[0080]
hgi2＝1-zxi/{p
×
[∑
i＝1i2
aib1
×eaib2
×
(aib3+1)
×
(ah-aih)]/(ca
×
ab1)+zxi}，
[0081]
其中，zxi表示物流车辆为第i个物流运输节点对应的仓库补货时的实际补货量，
ab1表示a中所有导航路段分别对应的路况信息中相应导航路段的长度之和∑
i＝1i1
aib1；
[0082]
本发明中p
×
[∑
i＝1i2
aib1
×eaib2
×
(aib3+1)
×
(ah-aih)]/(ca
×
ab1)表示结合路况信息分析得到的物流车辆抵达第i个物流运输节点时的货物异常坏损量；
[0083]
s304、得到物流车辆抵达第i个物流运输节点时，物流车辆的货物补发状态，
[0084]
当hi2＞hgi2时，则判定物流车辆抵达第i个物流运输节点时，物流车辆的货物补发状态异常，
[0085]
当hi2≤hgi2时，则判定物流车辆抵达第i个物流运输节点时，物流车辆的货物补发状态正常。
[0086]
本实施例中hgi2是在s2中获取的最佳补货物流运输方案的基础上得到的，为条件相同的多个仓库进行补货(例如：均为甲乙丙的三个仓库进行补货)时，若选取的最佳补货物流运输方案不同，则后续判断物流车辆的货物补发状态时，导航路线的路况信息不同，相应的hgi2也不相同；本实施例中的货物为瓷地板；
[0087]
所述s3中在货物补发状态异常时，对相应补货序列组合方案中未补货的仓库进行筛选的方法包括以下步骤：
[0088]
s311、获取补货序列组合方案中未进行补货的物流运输节点构成的集合m，获取当前物流车辆对应的车辆位置，记为m0；
[0089]
s312、获取m的所有真子集，得到m的每个真子集对应的各个补货序列组合方案，m的每个真子集对应一个或多个补货序列组合方案；
[0090]
s313、获取s312所得的每个补货序列组合方案对应导航路线中的路况信息，并结合s2中所述内容得到每个补货编号序列组合方案对应导航路线的物流风险特征系数，s312所得的每个补货序列组合方案对应导航路线中第一个导航路段相应的两个端点分别为m0与相应补货序列组合方案中第一个元素对应的物流运输节点位置；
[0091]
s314、得到s312所得的每个补货序列组合方案对应的综合影响筛选特征值，将第r个补货序列组合方案对应的综合影响筛选特征值记为fr，fr＝vr
×
[c1
(a，r)
+c2
(a，r)
]，
[0092]
其中，c1
(a，r)
表示s312所得的第r个补货序列组合方案对应导航路线的物流风险特征系数，vr表示s312所得的第r个补货序列组合方案对应二次补货方案中的元素个数，
[0093]
c2
(a，r)
表示s312所得的第r个补货序列组合方案的各个二次补货方案，分别对应导航路线的物流风险特征系数中的最小值，
[0094]
每个二次补货方案为一个补货序列组合方案，且第r个补货序列组合方案与任意一个相应二次补货方案的并集等于m；对应的元素种类相同的不同二次补货方案中的元素排列顺序不同且对应的物流风险特征系数不同；s312所得的每个补货序列组合方案的二次补货方案对应导航路线中，第一个导航路段相应的两个端点分别为物流车辆的装货点与相应补货序列组合方案中第一个元素对应的物流运输节点位置；
[0095]
本实施例中若m＝{u1，u2，u3}，
[0096]
则m的真子集分别为{u1}、{u2}、{u3}、{u1，u2}、{u2，u1}、{u1，u3}、{u3，u1}、{u2，u3}及{u3，u2}，
[0097]
则补货序列组合方案{u1}的二次补货方案为{u2，u3}及{u3，u2}；
[0098]
则补货序列组合方案{u2}的二次补货方案为{u1，u3}及{u3，u1}；
[0099]
则补货序列组合方案{u3}的二次补货方案为{u1，u2}及{u2，u1}；
[0100]
则补货序列组合方案{u1，u2}与{u2，u1}的二次补货方案均为{u3}；
[0101]
则补货序列组合方案{u1，u3}与{u3，u1}的二次补货方案均为{u2}；
[0102]
则补货序列组合方案{u2，u3}与{u3，u2}的二次补货方案均为{u1}；
[0103]
s315、将s312所得的对应综合影响筛选特征值最小的补货序列组合方案相应的导航路线作为更新后的导航路线，并将s312所得的对应综合影响筛选特征值最小的补货序列组合方案中元素对应的仓库作为货物补发状态异常时，对未补货的仓库的筛选结果。
[0104]
s4、将更新后的导航路线作为预警信息反馈给管理员，并根据管理员接收到预警信息后的确认结果，对物流车辆的导航路线进行管理；
[0105]
所述s4中根据管理员接收到预警信息后的确认结果，对物流车辆的导航路线进行管理时，
[0106]
当管理员接收到预警信息并进行确认时，则判定物流车辆执行更新后的导航路线，
[0107]
当管理员接收到预警信息未确认更新后的导航路线时，则判定管理员不同意变更补货的导航路线，物流车辆按更新前的原导航路线执行。
[0108]
如图2所示，一种基于大数据的智能物流监控系统，所述系统包括以下模块：
[0109]
物流运输信息提取模块，所述物流运输信息提取模块获取各个待补货仓库对应的位置，将每个待补货仓库位置作为一个物流运输节点，并对各个物流运输节点进行编号，生成所得待补货仓库对应的各个补货编号序列组合方案；
[0110]
初始物流运输方案生成模块，所述初始物流运输方案生成模块结合待补货仓库所处位置对应的地图，获取每个补货编号序列组合方案对应的导航路线；提取每个补货编号序列组合方案对应导航路线中的路况信息，根据所得路况信息得到每个补货编号序列组合方案对应导航路线的物流风险特征系数，将物流风险特征系数最小的补货编号序列组合方案对应的导航路线作为最佳补货物流运输方案；
[0111]
物流状态信息自适应调节模块，所述物流状态信息自适应调节模块中每当物流车辆抵达物流运输节点时，获取一次物流车辆中货物的坏损信息，并分析物流车辆的货物补发状态；在货物补发状态异常时，对相应补货序列组合方案中未补货的仓库进行筛选，且根据筛选结果对导航路线进行更新；
[0112]
物流运输信息预警管理模块，所述物流运输信息预警管理模块将更新后的导航路线作为预警信息反馈给管理员，并根据管理员接收到预警信息后的确认结果，对物流车辆的导航路线进行管理。
[0113]
所述初始物流运输方案生成模块包括导航路线获取单元、物流风险分析单元及补货物流运输方案确认单元，
[0114]
所述导航路线获取单元结合待补货仓库所处位置对应的地图，获取每个补货编号序列组合方案对应的导航路线；
[0115]
所述物流风险分析单元提取每个补货编号序列组合方案对应导航路线中的路况信息，根据所得路况信息得到每个补货编号序列组合方案对应导航路线的物流风险特征系数；
[0116]
所述补货物流运输方案确认单元将物流风险特征系数最小的补货编号序列组合方案对应的导航路线作为最佳补货物流运输方案。
[0117]
所述物流状态信息自适应调节模块包括货物补发状态判定单元及物流状态信息更新调节单元，
[0118]
所述货物补发状态判定单元中每当物流车辆抵达物流运输节点时，获取一次物流车辆中货物的坏损信息，并分析物流车辆的货物补发状态；
[0119]
所述物流状态信息更新调节单元在货物补发状态异常时，对相应补货序列组合方案中未补货的仓库进行筛选，且根据筛选结果对导航路线进行更新。
[0120]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0121]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于大数据的智能物流监控方法，其特征在于，所述方法包括以下步骤：s1、获取各个待补货仓库对应的位置，将每个待补货仓库位置作为一个物流运输节点，并对各个物流运输节点进行编号，生成所得待补货仓库对应的各个补货编号序列组合方案；s2、结合待补货仓库所处位置对应的地图，获取每个补货编号序列组合方案对应的导航路线；提取每个补货编号序列组合方案对应导航路线中的路况信息，根据所得路况信息得到每个补货编号序列组合方案对应导航路线的物流风险特征系数，将物流风险特征系数最小的补货编号序列组合方案对应的导航路线作为最佳补货物流运输方案；s3、每当物流车辆抵达物流运输节点时，获取一次物流车辆中货物的坏损信息，并分析物流车辆的货物补发状态；在货物补发状态异常时，对相应补货序列组合方案中未补货的仓库进行筛选，且根据筛选结果对导航路线进行更新；s4、将更新后的导航路线作为预警信息反馈给管理员，并根据管理员接收到预警信息后的确认结果，对物流车辆的导航路线进行管理。2.根据权利要求1所述的一种基于大数据的智能物流监控方法，其特征在于：所述s1中每个补货编号序列组合方案中包括获取的所有待补货仓库位置对应的物流运输节点编号，且每个补货编号序列组合方案中的编号均不相同；不同补货编号序列组合方案中元素对应编号的排列顺序不同。3.根据权利要求1所述的一种基于大数据的智能物流监控方法，其特征在于：所述s2中获取每个补货编号序列组合方案对应的导航路线时，所述导航路线由多个导航路段相连构成，所述导航路段的个数与补货编号序列组合方案中的元素个数，导航路线中的第i个导航路段表示补货编号序列组合方案中第i-1个元素对应的物流运输节点至第i个元素对应的物流运输节点之间的导航路线，当i＝1时，补货编号序列组合方案中第i-1个元素表示物流车辆的装货点；所述不同物流运输节点之间导航路线通过数据库查询获取；所述s2中根据所得路况信息得到每个补货编号序列组合方案对应导航路线的物流风险特征系数的方法包括以下步骤：s21、获取每个补货编号序列组合方案对应导航路线中的路况信息，选取任意一个补货编号序列组合方案，将所得补货编号序列组合方案中对应导航路线中的路况信息记为集合a，所述a＝{a1，a2，...，ai，...，ai1}，所述ai表示a中第i个导航路段对应的路况信息，所述i1表示a中的元素个数，所述路况信息ai包括相应导航路段的长度aib1、路面影响特征aib2及路段通行影响特征aib3，所述路面影响特征为数据库中记录的通过相应导航路段的物流车辆分别对应的最大车厢颠簸幅度的平均值；所述路段通行影响特征为数据库中记录的通过相应导航路段的物流车辆分别对应的通行车速稳态波动特征量的平均值，所述通行车速稳态波动特征量等于物流车辆在通过相应导航路段的过程中，车速稳态波动区间对应的时长与通行总时长的比值，所述车速稳态波动区间为时间区间，且相应时间区间中的任意一个时间点t在时间区间[t-t1,t+t1]内对应的最大车速与最小车速的差值大于等于第一预设值，所述t1为数据库中预置的常数；s22、得到a相应补货编号序列组合方案对应导航路线的物流风险特征系数，记为ca，所
述ca＝[∑
i＝1i1
aib1
×
e
aib2
×
(aib3+1)
×
(ah-aih)]/∑
i＝1i1
aib1，其中，ah表示a相应补货编号序列组合方案中所有待补货仓库对应的补货量，aih表示a相应补货编号序列组合方案中前i-1个元素分别对应的待补货仓库的补货量之和，且当i＝1时对应的aih＝0。4.根据权利要求3所述的一种基于大数据的智能物流监控方法，其特征在于：所述s3中分析物流车辆的货物补发状态的方法包括以下步骤：s301、获取物流车辆抵达第i2个物流运输节点时，物流车辆中货物的坏损信息，所述坏损信息包括物流运输异常坏损率hi2，所述物流运输异常坏损率hi2等于物流车辆为第i2个物流运输节点对应的仓库补货时，1减去相应实际补货量与相应总卸货量的商后所得的差值；第i2个物流运输节点对应的实际补货量表示前i2个物流运输节点分别对应的仓库补货量之和，第i2个物流运输节点对应的总卸货量表示物流车辆在前i2个物流运输节点分别对应的货物卸载量之和；s302、获取物流车辆在装货点处出发前对应货物偏差富余量p，所述偏差富余量表示物流车辆上相较于待补货仓库对应总补货量多出的货物数量；s303、结合s302中数据获取结果，得到物流车辆抵达第i个物流运输节点时的异常坏损率承受值hgi2，hgi2＝1-zxi/{p
×
[∑
i＝1i2
aib1
×
e
aib2
×
(aib3+1)
×
(ah-aih)]/(ca
×
ab1)+zxi}，其中，zxi表示物流车辆为第i个物流运输节点对应的仓库补货时的实际补货量，ab1表示a中所有导航路段分别对应的路况信息中相应导航路段的长度之和∑
i＝1i1
aib1；s304、得到物流车辆抵达第i个物流运输节点时，物流车辆的货物补发状态，当hi2＞hgi2时，则判定物流车辆抵达第i个物流运输节点时，物流车辆的货物补发状态异常，当hi2≤hgi2时，则判定物流车辆抵达第i个物流运输节点时，物流车辆的货物补发状态正常。5.根据权利要求4所述的一种基于大数据的智能物流监控方法，其特征在于：所述s3中在货物补发状态异常时，对相应补货序列组合方案中未补货的仓库进行筛选的方法包括以下步骤：s311、获取补货序列组合方案中未进行补货的物流运输节点构成的集合m，获取当前物流车辆对应的车辆位置，记为m0；s312、获取m的所有真子集，得到m的每个真子集对应的各个补货序列组合方案，m的每个真子集对应一个或多个补货序列组合方案；s313、获取s312所得的每个补货序列组合方案对应导航路线中的路况信息，并结合s2中所述内容得到每个补货编号序列组合方案对应导航路线的物流风险特征系数，s312所得的每个补货序列组合方案对应导航路线中第一个导航路段相应的两个端点分别为m0与相应补货序列组合方案中第一个元素对应的物流运输节点位置；s314、得到s312所得的每个补货序列组合方案对应的综合影响筛选特征值，将第r个补货序列组合方案对应的综合影响筛选特征值记为fr，fr＝vr
×
[c1
(a，r)
+c2
(a，r)
]，其中，c1
(a，r)
表示s312所得的第r个补货序列组合方案对应导航路线的物流风险特征系数，vr表示s312所得的第r个补货序列组合方案对应二次补货方案中的元素个数，
c2
(a，r)
表示s312所得的第r个补货序列组合方案的各个二次补货方案，分别对应导航路线的物流风险特征系数中的最小值，每个二次补货方案为一个补货序列组合方案，且第r个补货序列组合方案与任意一个相应二次补货方案的并集等于m；对应的元素种类相同的不同二次补货方案中的元素排列顺序不同且对应的物流风险特征系数不同；s312所得的每个补货序列组合方案的二次补货方案对应导航路线中，第一个导航路段相应的两个端点分别为物流车辆的装货点与相应补货序列组合方案中第一个元素对应的物流运输节点位置；s315、将s312所得的对应综合影响筛选特征值最小的补货序列组合方案相应的导航路线作为更新后的导航路线，并将s312所得的对应综合影响筛选特征值最小的补货序列组合方案中元素对应的仓库作为货物补发状态异常时，对未补货的仓库的筛选结果。6.根据权利要求1所述的一种基于大数据的智能物流监控方法，其特征在于：所述s4中根据管理员接收到预警信息后的确认结果，对物流车辆的导航路线进行管理时，当管理员接收到预警信息并进行确认时，则判定物流车辆执行更新后的导航路线，当管理员接收到预警信息未确认更新后的导航路线时，则判定管理员不同意变更补货的导航路线，物流车辆按更新前的原导航路线执行。7.应用权利要求1-6中任意一项所述的一种基于大数据的智能物流监控方法的基于大数据的智能物流监控系统，其特征在于，所述系统包括以下模块：物流运输信息提取模块，所述物流运输信息提取模块获取各个待补货仓库对应的位置，将每个待补货仓库位置作为一个物流运输节点，并对各个物流运输节点进行编号，生成所得待补货仓库对应的各个补货编号序列组合方案；初始物流运输方案生成模块，所述初始物流运输方案生成模块结合待补货仓库所处位置对应的地图，获取每个补货编号序列组合方案对应的导航路线；提取每个补货编号序列组合方案对应导航路线中的路况信息，根据所得路况信息得到每个补货编号序列组合方案对应导航路线的物流风险特征系数，将物流风险特征系数最小的补货编号序列组合方案对应的导航路线作为最佳补货物流运输方案；物流状态信息自适应调节模块，所述物流状态信息自适应调节模块中每当物流车辆抵达物流运输节点时，获取一次物流车辆中货物的坏损信息，并分析物流车辆的货物补发状态；在货物补发状态异常时，对相应补货序列组合方案中未补货的仓库进行筛选，且根据筛选结果对导航路线进行更新；物流运输信息预警管理模块，所述物流运输信息预警管理模块将更新后的导航路线作为预警信息反馈给管理员，并根据管理员接收到预警信息后的确认结果，对物流车辆的导航路线进行管理。8.根据权利要求7所述的一种基于大数据的智能物流监控系统，其特征在于：所述初始物流运输方案生成模块包括导航路线获取单元、物流风险分析单元及补货物流运输方案确认单元，所述导航路线获取单元结合待补货仓库所处位置对应的地图，获取每个补货编号序列组合方案对应的导航路线；所述物流风险分析单元提取每个补货编号序列组合方案对应导航路线中的路况信息，根据所得路况信息得到每个补货编号序列组合方案对应导航路线的物流风险特征系数；
所述补货物流运输方案确认单元将物流风险特征系数最小的补货编号序列组合方案对应的导航路线作为最佳补货物流运输方案。9.根据权利要求7所述的一种基于大数据的智能物流监控系统，其特征在于：所述物流状态信息自适应调节模块包括货物补发状态判定单元及物流状态信息更新调节单元，所述货物补发状态判定单元中每当物流车辆抵达物流运输节点时，获取一次物流车辆中货物的坏损信息，并分析物流车辆的货物补发状态；所述物流状态信息更新调节单元在货物补发状态异常时，对相应补货序列组合方案中未补货的仓库进行筛选，且根据筛选结果对导航路线进行更新。

技术总结
本发明涉及物流监控技术领域，具体为一种基于大数据的智能物流监控系统及方法，所述系统包括物流状态信息自适应调节模块，所述物流状态信息自适应调节模块中每当物流车辆抵达物流运输节点时，获取一次物流车辆中货物的坏损信息，并分析物流车辆的货物补发状态；在货物补发状态异常时，对相应补货序列组合方案中未补货的仓库进行筛选，且根据筛选结果对导航路线进行更新。本发明不仅结合待行驶的路段数据对运输环节中货物状态的影响进行分析，且结合物流运输环节中的货物状态实现对运输路线的自适应调节。的自适应调节。的自适应调节。


技术研发人员：李强 宋天翼
受保护的技术使用者：青岛家哇云网络科技有限公司
技术研发日：2023.05.30
技术公布日：2023/8/28