System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本文件涉及智能物流领域,尤其涉及一种智能提货方法、装置、系统和存储介质。
技术介绍
1、作为国内外物流的关键支撑力量,港口的智慧化发展受到众多关注。
2、目前,港口的提货模式为:由工作人员制定针对车提装卸作业的计划,通常以一天为周期,并以一个作业班次为时间单位。计划中包括需要在每个班次中派出多少工人、机械完成装卸。同时,工作人员结合各种电子设备和智能设备完成对客户身份进行识别和支付等工作。
3、然而,由于港口内业务繁多,计划一旦设定,工作人员很难兼顾提货过程中的方方面面,这会导致提货过程中容易出现不确定的风险,例如,结算风险和盗货风险。
技术实现思路
1、鉴于上述的分析,本申请旨在提出一种智能提货方法、装置和存储介质,以解决上述技术问题中的一个。
2、第一方面,本说明书一个或多个实施例提供了一种智能提货方法,包括:
3、获取预设时段内的船舶预确报信息、当前班次港区空间饱和度、历史提货车辆数量和当前班次平均包干费费率;
4、根据所述船舶预确报信息、所述当前班次港区空间饱和度、所述历史提货车辆数量和所述当前班次平均包干费费率,基于预设数量预测模型,预测下一班次提货车辆数量;
5、根据所述下一班次提货车量数量,确定待提货客户信息;
6、根据所述待提货客户信息,基于预设风险评估模型,评估定下一班次提货时是否存在风险;
7、根据所述是否存在风险,安排下一班次的提货流程。
8、进一步地,
9、根据所述船舶预确报信息、所述当前班次港区空间饱和度、所述历史提货车辆数量和所述当前班次平均包干费费率,基于预设数量预测模型,预测下一班次提货车辆数量,包括:
10、将所述船舶预确报信息、所述当前班次港区空间饱和度和所述当前班次平均包干费费率,输入到所述svm模型中,得到第一预测数量;
11、根据所述历史提货车辆数量,确定预测时间和预测步长;
12、根据所述预测时间和所述预测步长,确定所述预设步长对应的提货车辆数量;
13、将所述预设步长对应的提货车辆数量输入到所述gpu模型中,得到第二预测数量;
14、根据所述第一预测数量和所述第二预测数量,基于所述方差倒数法,预测所述下一班次提货车辆数量。
15、进一步地,所述风险评估模型包括:结算风险预测模型;
16、所述根据所述待提货客户信息,基于预设风险评估模型,评估定下一班次提货时是否存在风险,包括:
17、根据所述待提货客户信息,获取待提货客户的结算信息和提货信息;
18、根据所述结算信息和提货信息,基于所述结算风险预测模型,对待提货客户进行分类;
19、根据所述分类结果,确定是否存在结算风险。
20、进一步地,所述风险评估模型包括:盗货风险预测模型;
21、所述根据所述待提货客户信息,基于预设风险评估模型,评估定下一班次提货时是否存在风险,包括:
22、根据所述待提货客户信息,获取待提货客户备案信息;
23、根据所述待提货客户备案信息,基于特征过滤和特征封装,确定关键特征;
24、将所述关键特征输入所述盗货风险预测模型中,评估定下一班次提货时是否存在风险。
25、第二方面,本申请实施例提供了一种智能提货装置,包括:获取模块、数量预测模块、风险预测模块和数据处理模块;
26、所述获取模块用于获取预设时段内的船舶预确报信息、当前班次港区空间饱和度、历史提货车辆数量和当前班次平均包干费费率;
27、所述数量预测模块用于根据所述船舶预确报信息、所述当前班次港区空间饱和度、所述历史提货车辆数量和所述当前班次平均包干费费率,基于预设数量预测模型,预测下一班次提货车辆数量;
28、所述风险预测模块用于根据所述下一班次提货车量数量,确定待提货客户信息;根据所述待提货客户信息,基于预设风险评估模型,评估定下一班次提货时是否存在风险;
29、所述数据处理模块用于根据所述是否存在风险,安排下一班次的提货流程。
30、进一步地,所述数量预测模型包括svm模型和gpu模型;
31、所述数量预测模块用于将所述船舶预确报信息、所述当前班次港区空间饱和度和所述当前班次平均包干费费率,输入到所述svm模型中,得到第一预测数量;根据所述历史提货车辆数量,确定预测时间和预测步长;根据所述预测时间和所述预测步长,确定所述预设步长对应的提货车辆数量;将所述预设步长对应的提货车辆数量输入到所述gpu模型中,得到第二预测数量;根据所述第一预测数量和所述第二预测数量,基于所述方差倒数法,预测所述下一班次提货车辆数量。
32、进一步地,所述风险评估模型包括:结算风险预测模型;
33、所述风险预测模块用于根据所述待提货客户信息,获取待提货客户的结算信息和提货信息;根据所述结算信息和提货信息,基于所述结算风险预测模型,对待提货客户进行分类;根据所述分类结果,确定是否存在结算风险。
34、进一步地,所述风险评估模型包括:盗货风险预测模型;
35、所述风险预测模块用于根据所述待提货客户信息,获取待提货客户备案信息;根据所述待提货客户备案信息,基于特征过滤和特征封装,确定关键特征;将所述关键特征输入所述盗货风险预测模型中,评估定下一班次提货时是否存在风险。
36、第三方面,本申请实施例提供了一种智能提货系统,包括:客户端、传感器系统和仓储服务器;
37、所述客户端用于提交用户身份信息和提货请求;
38、所述传感器系统用于采集用户在提货过程中产生的历史业务数据和当前业务数据;
39、所述仓储服务器用于接收所述用户身份信息、所述提货请求、所述历史业务数据和所述当前业务数据;根据所述用户身份信息、所述提货请求、所述历史业务数据和所述当前业务数据,执行第一方面任一项所述的方法。
40、第四方面,本申请实施例提供了一种存储介质,包括:
41、用于存储计算机可执行指令,所述计算机可执行指令在被执行时实现第一方面中任一项所述的方法。
42、与现有技术相比,本申请至少能实现以下技术效果:
43、通过预测下一班次提货车辆数量,为港口方安排提货工作提供数据参考。之后,根据提货车辆数量,基于客户订单,以预测哪些客户来提货;进而根据这些客户情况,预测下一班次提货是否有风险,以便于针对可能存在制定针对性较强的提货计划,从而在安排下一班次提货时能够尽量规避风险。
本文档来自技高网...【技术保护点】
1.一种智能提货方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,
3.根据权利要求1所述的方法,其特征在于,
4.根据权利要求1所述的方法,其特征在于,
5.一种智能提货装置,其特征在于,包括:获取模块、数量预测模块、风险预测模块和数据处理模块;
6.根据权利要求5所述的装置,其特征在于,
7.根据权利要求5所述的装置,其特征在于,
8.根据权利要求5所述的装置,其特征在于,
9.一种智能提货系统,其特征在于,包括:客户端、传感器系统和仓储服务器;
10.一种存储介质,其特征在于,包括:
【技术特征摘要】
1.一种智能提货方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,
3.根据权利要求1所述的方法,其特征在于,
4.根据权利要求1所述的方法,其特征在于,
5.一种智能提货装置,其特征在于,包括:获取模块、数量预测模块、风险预测模块和数据处理模...
【专利技术属性】
技术研发人员:陈焱,周轶军,徐占川,张鸣明,段荣洋,游登陆,李吟,林云,
申请(专利权)人:四川川航物流有限公司,
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。