一种云物流服务资源优化匹配方法专利检索-报价请求商业专利检索查询-专利查询网

一种云物流服务资源优化匹配方法

阅读：913发布：2020-05-12

专利汇可以提供一种云物流服务资源优化匹配方法专利检索，专利查询，专利分析的服务。并且本发明公开了一种云物流服务资源优化匹配方法，属于云物流技术领域，本发明通过基于传统线下决策基础结合线上数据支持，将需求进行标准化和抽象化，基于历史运营数据等基础数据和智能算法来研究确定如何实现最优的运输和配送，实现运输和配送等物流运营全过程的智能调度和优化，为货主企业推荐合适的物流服务商，从而为客户提供高效、高质量、低成本的个性化与专业化物流服务，提高物流资源利用率。，下面是一种云物流服务资源优化匹配方法专利的具体信息内容。

权利要求

1.一种云物流服务资源优化匹配方法，其特征在于：包括以下步骤：
S1、在云物流服务平台环境下，将云服务提供端上的大型制造企业招标考虑的风险、安全、资源保证、服务质量保证的规范设置资源输入标准，将所提供的各种物流资源虚拟化并封装成共享资源池；
S2、根据物流服务商的提供的基础信息确定该服务商的资质信息和服务能力，作为物流服务资源的基础匹配依据；
S3、根据需求端所请求的服务信息进行处理，对资源池中的服务组合进行反馈和更新，建立系统模型，搭建由云请求端、“大数据”+“云物流”应用服务平台和云提供端三部分组成的面向服务的云物流系统体系框架，确保物流数据被合理、有限的访问；
S4、物流服务商在通过平台提供服务的过程中，平台自动积累和更新相关的信息，形成物流服务提供商的基础画像，随着服务商的数据累积，平台对用户的基本画像及时进行解析和更新，形成新的物流服务商画像，优化资源池内资源与物流服务商之间的匹配；
S5、深入分析云物流服务模式下物流用户的物流需求，将用户需求转化为物流任务，分析物流任务的分类、不同类型的物流任务属性、特征以及任务间的相关关系，采用形式化的方法对物流任务进行形式化描述，建立物流任务模型，根据物流任务模型，建立物流任务的分解策略，按照接入的资源服务信息以及服务资源在平台产生的历史数据信息，构建物流任务的限制约束条件，在虚拟资源池选择满足约束条件的物流服务商。
2.根据权利要求1所述的一种云物流服务资源优化匹配方法，其特征在于：所述步骤S2的基础数据通过权重计算得出单个物流服务商无法提供服务的概率，概率计算方式如下：
企业因为资质无法提供服务的概率：
其中μ1为公司所在地，权重为α1，μ2为公司性质，权重为α2，μ3为公司注册资本，权重为α3，μ4为公司员工数量，权重为α4，μ5为是否购买保险，权重为α5；
企业因为服务能力无法提供服务的概率：
其中τ1为服务行业经验，权重为β1，τ2为服务区域分布，权重为β2，τ3为企业营业额，权重为β3，τ4为服务业务类型，权重为β4，τ5为车辆数量，权重为β5，τ6为车长车型，权重为β6，τ7为服务时效，权重为β7。
3.根据权利要求1所述的一种云物流服务资源优化匹配方法，其特征在于：所述步骤S4优化的方式如下：
企业因为平台历史交易记录无法提供服务的概率：
企业物流服务时效：
企业物流服务能力：
市场物流费用：
提供物流服务的货损率：
其中v1为平台服务运输区域，权重为λ1，v2为平台服务历史报价，权重为λ2，v3为平台历史服务行业，权重为λ3，v4为平台历史服务异常，权重为λ4，v5为平台历史服务时效，权重为λ5，v6为平台历史评价信息，权重为λ6，v7为平台当前闲置资源，权重为λ7；i＝1,2,...n,表示平台上发布的物流服务需求为n个；j＝1,2,...m，表示平台上发布的物流承运商资源为m个；Cs表示基础物流服务费用；cij表示承运商j完成物流需求i的单位物流费用；qij表示承运商j完成物流需求i的数量；xij表示将物流需求i推送给到承运商j提供服务；Pi表示物流需求i的产品单价；dij表示将承运商j完成物流需求i时的货损率；ci表示物流需求i的单位市场物流费用；表示承运商j无法提供服务的概率；tij表示承运商j完成物流需求i所需要耗费的时间。
4.根据权利要求1所述的一种云物流服务资源优化匹配方法，其特征在于：所述步骤S5的约束条件如下：
表示承运商j服务时效小于等于货主i的物流服务期望时间
tij≤fTi
表示承运商j完成物流需求数量在服务能力区间内
表示每个物流需求发布后，均会推荐承运商
5.根据权利要求1-4所述的一种云物流服务资源优化匹配方法，其特征在于：所述总物流费用计算公式

说明书全文

一种云物流服务资源优化匹配方法

技术领域

[0001] 本发明涉及云物流技术领域，特别涉及一种云物流服务资源优化匹配方法。

背景技术

[0002] 当前一些制造业由于资源有限而无法完成越来越多的物流订单，与此同时一些制造企业存在资源过剩的情况，这种现象在物流供应链中表现的非常突出，并且缺少信息共享的平台，使得制造业物流成本过高、物流效率与竞争力低下。在这种情况下，资源缺乏者非常希望能够通过低成本的平台获取外部资源；资源剩余者也希望能够提高自己的资源使用比率；资源需求者也希望得到更优质的服务。

[0003] 目前市场上产生了一些城市配送和干线运输等车货匹配的互联网信息平台，平台通过车货匹配，根据线路和车型需求，为货主找车，为车主找货，降低了车辆的空驶，极大的为货主降低了单位整车的物流成本。

[0004] 然而，此类平台并未考虑制造业整体的物流信息传递和综合物流管理成本，当然，也没有考虑到运输的资源保障、货损延迟和风险成本。所以，当前大部分制造企业还是选择将物流业务外包给有一定风险管理和运营保障能力的第三方物流，第三方物流再将业务转包给到小型货运企业和个体司机，这样的层层转包，导致信息不对称和不共享，使得制造业物流成本过高、物流效率与竞争力低下。综上所述，车货匹配平台当前只是解决单次整车运输的单点物流成本问题，并不能利用海量的数据资源为制造企业基于整体的供应链提供有风险管理和运营保障的物流服务，降低制造业的综合物流成本。而制造业将物流业务外包给到专业的第三方物流企业，虽然解决了风险管理和运营保障的问题，但是也面临信息传递失真，物流成本居高不下的困境。

发明内容

[0005] 本发明的目的就在于为了解决上述云物流只能解决整车运输的单点物流成本问题，并不能利用海量的数据资源为制造企业基于整体的供应链提供有风险管理和运营保障的物流服务，降低制造业的综合物流成本的问题而提供一种云物流服务资源优化匹配方法，具有运输和配送等物流运营全过程的智能调度和优化，为货主企业推荐合适的物流服务商，从而为客户提供高效、高质量、低成本的个性化与专业化物流服务，提高物流资源利用率的优点。

[0006] 本发明通过以下技术方案来实现上述目的，一种云物流服务资源优化匹配方法，包括以下步骤：

[0007] S1、在云物流服务平台环境下，将云服务提供端上的大型制造企业招标考虑的风险、安全、资源保证、服务质量保证的规范设置资源输入标准，将所提供的各种物流资源虚拟化并封装成共享资源池；

[0008] S2、根据物流服务商的提供的基础信息确定该服务商的资质信息和服务能力，作为物流服务资源的基础匹配依据；

[0009] S3、根据需求端所请求的服务信息进行处理，对资源池中的服务组合进行反馈和更新，建立系统模型，搭建由云请求端、“大数据”+“云物流”应用服务平台和云提供端三部分组成的面向服务的云物流系统体系框架，确保物流数据被合理、有限的访问；

[0010] S4、物流服务商在通过平台提供服务的过程中，平台自动积累和更新相关的信息，形成物流服务提供商的基础画像，随着服务商的数据累积，平台对用户的基本画像及时进行解析和更新，形成新的物流服务商画像，优化资源池内资源与物流服务商之间的匹配；

[0011] S5、深入分析云物流服务模式下物流用户的物流需求，将用户需求转化为物流任务，分析物流任务的分类、不同类型的物流任务属性、特征以及任务间的相关关系，采用形式化的方法对物流任务进行形式化描述，建立物流任务模型，根据物流任务模型，建立物流任务的分解策略，按照接入的资源服务信息以及服务资源在平台产生的历史数据信息，构建物流任务的限制约束条件，在虚拟资源池选择满足约束条件的物流服务商。

[0012] 优选的，所述步骤S2的基础数据通过权重计算得出单个物流服务商无法提供服务的概率，概率计算方式如下：

[0013] 企业因为资质无法提供服务的概率：其中μ1为公司所在地，权重为α1，μ2为公司性质，权重为α2，μ3为公司注册资本，权重为α3，μ4为公司员工数量，权重为α4，μ5为是否购买保险，权重为α5；

[0014] 企业因为服务能力无法提供服务的概率：其中τ1为服务行业经验，
权重为β1，τ2为服务区域分布，权重为β2，τ3为企业营业额，权重为β3，τ4为服务业务类型，权重为β4，τ5为车辆数量，权重为β5，τ6为车长车型，权重为β6，τ7为服务时效，权重为β7。

[0015] 优选的，所述步骤S4优化的方式如下：

[0016] 企业因为平台历史交易记录服务能力无法提供服务的概率：

[0017]

[0018] 企业物流服务时效：

[0019] 企业物流服务能力：

[0020] 市场物流费用：

[0021] 提供物流服务的货损率：

[0022] 其中v1为平台服务运输区域，权重为λ1，v2为平台服务历史报价，权重为λ2，v3为平台历史服务行业，权重为λ3，v4为平台历史服务异常，权重为λ4，v5为平台历史服务时效，权重为λ5，v6为平台历史评价信息，权重为λ6，v7为平台当前闲置资源，权重为λ7；i＝1,2,...n,表示平台上发布的物流服务需求为n个；j＝1,2,...m，表示平台上发布的物流承运商资源为m个；Cs表示基础物流服务费用；cij表示承运商j完成物流需求i的单位物流费用；qij表示承运商j完成物流需求i的数量；xij表示将物流需求i推送给到承运商j提供服务；Pi表示物流需求i的产品单价；dij表示将承运商j完成物流需求i时的货损率；ci表示物流需求i的单位市场物流费用；表示承运商j无法提供服务的概率；tij表示承运商j完成物流需求i所需要耗费的时间。

[0023] 优选的，所述步骤S5的约束条件如下：

[0024] 表示承运商j服务时效小于等于货主i的物流服务期望时间

[0025] tij≤fTi

[0026] 表示承运商j完成物流需求数量在服务能力区间内

[0027]

[0028] 表示每个物流需求发布后，均会推荐承运商

[0029]

[0030] 优选的，所述总物流费用计算公式

[0031]

[0032] 与现有技术相比，本发明的有益效果是：在平台架构在大数据环境下，通过云物流服务平台，将云服务提供端需要填写的信息按照大型制造企业招标考虑的风险、安全、资源保证、服务质量保证等规范设置资源输入标准，将所提供的各种物流资源虚拟化并封装成一个巨大的共享资源池，深入分析云物流服务模式下物流用户的物流需求，将用户需求转化为物流任务，基于传统线下决策基础结合线上数据支持，将需求进行标准化和抽象化，基于历史运营数据等基础数据和智能算法来研究确定如何实现最优的运输和配送，实现运输和配送等物流运营全过程的智能调度和优化，为货主企业推荐合适的物流服务商，从而为客户提供高效、高质量、低成本的个性化与专业化物流服务，提高物流资源利用率。

具体实施方式

[0033] 下面将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。

[0034] 一种云物流服务资源优化匹配方法，包括以下步骤：

[0035] S1、在云物流服务平台环境下，将云服务提供端上的大型制造企业招标考虑的风险、安全、资源保证、服务质量保证的规范设置资源输入标准，将所提供的各种物流资源虚拟化并封装成共享资源池；

[0036] S2、根据物流服务商的提供的基础信息确定该服务商的资质信息和服务能力，作为物流服务资源的基础匹配依据；

[0037] S3、根据需求端所请求的服务信息进行处理，对资源池中的服务组合进行反馈和更新，建立系统模型，搭建由云请求端、“大数据”+“云物流”应用服务平台和云提供端三部分组成的面向服务的云物流系统体系框架，确保物流数据被合理、有限的访问；

[0038] S4、物流服务商在通过平台提供服务的过程中，平台自动积累和更新相关的信息，形成物流服务提供商的基础画像，随着服务商的数据累积，平台对用户的基本画像及时进行解析和更新，形成新的物流服务商画像，优化资源池内资源与物流服务商之间的匹配；

[0039] S5、深入分析云物流服务模式下物流用户的物流需求，将用户需求转化为物流任务，分析物流任务的分类、不同类型的物流任务属性、特征以及任务间的相关关系，采用形式化的方法对物流任务进行形式化描述，建立物流任务模型，根据物流任务模型，建立物流任务的分解策略，按照接入的资源服务信息以及服务资源在平台产生的历史数据信息，构建物流任务的限制约束条件，在虚拟资源池选择满足约束条件的物流服务商。

[0040] 所述步骤S2的基础数据通过权重计算得出单个物流服务商无法提供服务的概率，概率计算方式如下：

[0041] 企业因为资质无法提供服务的概率：其中μ1为公司所在地，权重为α1，μ2为公司性质，权重为α2，μ3为公司注册资本，权重为α3，μ4为公司员工数量，权重为α4，μ5为是否购买保险，权重为α5；

[0042] 企业因为服务能力无法提供服务的概率：其中τ1为服务行业经验，
权重为β1，τ2为服务区域分布，权重为β2，τ3为企业营业额，权重为β3，τ4为服务业务类型，权重为β4，τ5为车辆数量，权重为β5，τ6为车长车型，权重为β6，τ7为服务时效，权重为β7。

[0043] 步骤S4优化的方式如下：

[0044] 企业因为平台历史交易记录无法提供服务的概率：

[0045]

[0046] 企业物流服务时效：

[0047] 企业物流服务能力：

[0048] 市场物流费用：

[0049] 提供物流服务的货损率：

[0050] 其中v1为平台服务运输区域，权重为λ1，v2为平台服务历史报价，权重为λ2，v3为平台历史服务行业，权重为λ3，v4为平台历史服务异常，权重为λ4，v5为平台历史服务时效，权重为λ5，v6为平台历史评价信息，权重为λ6，v7为平台当前闲置资源，权重为λ7；i＝1,2,...n,表示平台上发布的物流服务需求为n个；j＝1,2,...m，表示平台上发布的物流承运商资源为m个；Cs表示基础物流服务费用；cij表示承运商j完成物流需求i的单位物流费用；qij表示承运商j完成物流需求i的数量；xij表示将物流需求i推送给到承运商j提供服务；Pi表示物流需求i的产品单价；dij表示将承运商j完成物流需求i时的货损率；ci表示物流需求i的单位市场物流费用；表示承运商j无法提供服务的概率；tij表示承运商j完成物流需求i所需要耗费的时间。

[0051] 优选的，所述步骤S5的约束条件如下：

[0052] 表示承运商j服务时效小于等于货主i的物流服务期望时间

[0053] tij≤fTi

[0054] 表示承运商j完成物流需求数量在服务能力区间内

[0055]

[0056] 表示每个物流需求发布后，均会推荐承运商

[0057]

[0058] 优选的，所述总物流费用计算公式

[0059]

[0060] 总物流费用计算公式的分解如下：表示物流服务费用：xij表示将物流需求i推送给到承运商j提供服务，物流服务费用为承运商完成物流需求所需的单位物流费用与物流需求量的乘积

[0061]

[0062] 表示物流风险损失费用：为货损成本与风险成本之和：

[0063]

[0064] 其中，货损成本为货损率货物总价值，dij表示将承运商j完成物流需求i时的货损率，Pi表示物流需求i的产品单价；其中，风险成本为物流市场运费乘以承运商无法完成物流服务的概率，ci表示物流需求i的单位市场物流费用；表示承运商j无法提供服务的概率。

[0065] 本平台架构在大数据环境下，通过云物流服务平台，将云服务提供端需要填写的信息按照大型制造企业招标考虑的风险、安全、资源保证、服务质量保证等规范设置资源输入标准，将所提供的各种物流资源虚拟化并封装成一个巨大的共享资源池，深入分析云物流服务模式下物流用户的物流需求，将用户需求转化为物流任务，基于传统线下决策基础结合线上数据支持，将需求进行标准化和抽象化，基于历史运营数据等基础数据和智能算法来研究确定如何实现最优的运输和配送，实现运输和配送等物流运营全过程的智能调度和优化，为货主企业推荐合适的物流服务商，从而为客户提供高效、高质量、低成本的个性化与专业化物流服务，提高物流资源利用率。

[0066] 对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

[0067] 此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

标题	发布/更新时间	阅读量
智能销售终端的租赁信息处理方法、装置、服务器及其系统	2020-05-13	211
基于CDN和MEC的车联网移动性管理方法	2020-05-08	583
操作移动装置完成账户持有者的ATM交易的方法及交易系统	2020-05-08	246
一种饮水机使用方法、装置、服务器及存储介质	2020-05-15	694
一种基于区块链的综合能源市场化交易架构及方法	2020-05-08	58
一种多渠道邀请上下游商家的方法	2020-05-13	223
一种航线信息推荐方法、系统、存储介质及计算机设备	2020-05-14	107
一种数据传输的方法、装置及电子设备	2020-05-11	197
一种客户信用自评估工厂实时智能分析管理系统	2020-05-11	805
群智感知中基于感知误差的感知任务信息分配系统及方法	2020-05-08	307

一种云物流服务资源优化匹配方法

一种云物流服务资源优化匹配方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：