申请/专利权人：嘉兴环洋电商物流服务有限公司

申请日：2023-09-18

公开（公告）日：2024-06-07

公开（公告）号：CN117350607B

主分类号：G06Q10/083

分类号：G06Q10/083;G06Q10/047

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#授权;2024.01.23#实质审查的生效;2024.01.05#公开

摘要：本发明公开了一种改进型KNN算法模型的国际物流运输路径规划系统，涉及国际物流运输领域，包含信息更新模块、数据质量管理模块、路径规划模块、界面交互模块、路径反馈修正模块和缓存记忆模块，所述信息更新模块的输出端与所述数据质量管理模块的输入端连接，所述数据质量管理模块的输出端与所述路径规划模块的输入端连接，所述界面交互模块的输出端与所述路径反馈修正模块的输入端连接，所述路径规划模块和路径反馈修正模块的输出端与所述缓存记忆模块的输入端连接；本发明能够实现物流运输数据的实时获取、质量管理、路径规划和界面交互，自动化、智能化程度高。

主权项：1.一种改进型KNN算法模型的国际物流运输路径规划系统，其特征在于：所述系统包括：信息更新模块，用于实时获取物流运输数据，所述物流运输数据包括路网数据、货物数据、车辆数据和气象数据，所述信息更新模块通过无线传感器网络和实时数据访问接口进行实时物流运输数据更新，并将物流运输数据传输至消息队列进行下一步处理；数据质量管理模块，用于评估物流运输数据的质量，并根据评估结果进行数据预处理，所述质量管理模块采用数据规则引擎对物流运输数据的准确性、完整性、一致性、及时性和可信度进行评估，并根据评估结果对物流运输数据进行清洗、去噪和归一化处理，以确保数据的质量和一致性；路径规划模块，用于对国际物流运输路径进行规划，所述路径规划模块通过嵌入改进型KNN算法模型进行路径规划，所述改进型KNN算法模型根据物流运输数据提供最优的路径规划方案，并采用增量计算方式和时间窗口机制进行实时物流运输数据更新；界面交互模块，用于对物流运输数据和路径规划方案进行界面交互展示；路径反馈修正模块，用于根据界面交互信息对路径规划模块的路径规划方案进行实时信息反馈和方案修正；缓存记忆模块，用于缓存历史物流运输数据和路径规划方案，以便相似情况发生时系统快速响应；所述信息更新模块的输出端与所述数据质量管理模块的输入端连接，所述数据质量管理模块的输出端与所述界面交互模块的输入端连接，所述数据质量管理模块的输出端与所述路径规划模块的输入端连接，所述路径规划模块的输出端与所述界面交互模块的输入端连接，所述界面交互模块的输出端与所述路径反馈修正模块的输入端连接，所述路径规划模块的输出端与所述缓存记忆模块的输入端连接，所述路径反馈修正模块的输出端与所述缓存记忆模块的输入端连接；所述改进型KNN算法模型的工作步骤包括：步骤1、数据输入并提取特征，将预处理后的物流运输数据输入至改进型KNN算法模型，并提取货物重量、货物体积、起始地和目的地、运输方式特点、运输成本和运输时间限制特征，对提取特征进行正则化和特征向量表示，提取的特征分为非数值型特征和数值型特征，特征向量集合表示为： 在公式1中，X表示物流运输数据的特征向量集合，为第i个非数值型特征向量，1≤i≤n，i为物流运输数据非数值型特征向量的序数，n为物流运输数据非数值型特征向量的个数，c表示非数值型特征向量，为第j个数值型特征向量，1≤j≤m，j为物流运输数据数值型特征向量的序数，m为物流运输数据数值型特征向量的个数，r表示数值型特征向量；步骤2、计算样本之间的距离或相似度，基于特征向量集合计算各个物流节点之间的距离或相似度，所述非数值型特征向量采用欧式距离度量法计算各个特征向量表示物流节点之间的距离或相似度，所述数值型特征向量采用余弦相似度量法计算各个特征向量表示物流节点之间的距离或相似度，输出函数公式为： 在公式2中，为第i个非数值型特征向量表示物流节点到主节点的距离，为第i个训练的非数值型特征向量，为第j个数值型特征向量表示物流节点到主节点的距离，为第j个训练的数值型特征向量；步骤3、候选路经选择，根据各个特征向量表示物流节点之间的距离或相似度大小排序，选择最大的l个特征向量作为投影方向，其中l为降低后的维度，将原始数据样本乘以选取的特征向量进行排序，选择与待规划路径最近的K个路径作为候选路径；步骤4、根据距离自适应设定权重，根据各个物流节点之间的距离计算结果自适应地调整权重，获取K个路径物流节点之间的距离数据集D为D＝{d1,...,dg,...,dK}，自适应权重输出函数公式为： 在公式3中，qg为第g个路经对物流运输任务的重要程度，dg为第g个路径物流节点之间的距离，k为控制指数衰减速度的参数；步骤5、对求解过程进行精细控制和优化，通过拆分计量单位提高计算的准确性，采用并行计算方式将计算任务分配给多个处理器或计算节点，以提高计算速度；步骤6、输出结果，对路径的权重进行由高到低排序，并进行输出；所述增量计算方式和时间窗口机制的工作流程包括：S1、基于初始改进型KNN算法模型进行训练，得到初始路径规划；S2、设置时间窗口的大小为T，将新增数据点X添加到时间窗口内的数据集D中新增数据点X的大小为T，并对新增数据点进行权重计算；S3、采用增量计算方式更新K值，以适应新增数据点，所述增量计算方式的计算对象为新增数据点X；S4、根据时间窗口内的数据集D对改进型KNN算法模型进行实时更新迭代，满足最大迭代次数、误差下降阈值或K值变化量，则直接输出路径规划结果，不满足最大迭代次数、误差下降阈值或K值变化量，则执行S2操作；S5、输出最终的路径规划方案和更新后的模型参数，并继续加入新的数据点进行更新迭代。

全文数据：

权利要求：

百度查询： 嘉兴环洋电商物流服务有限公司 改进型KNN算法模型的国际物流运输路径规划系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD