买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海朗晖慧科技术有限公司

摘要：本发明涉及物流管理技术领域。具体为一种基于人工智能的大跨度物流管理系统及方法，所述大跨度物流管理系统包括数据采集模块、数据分析模块和物流管理模块；所述数据采集模块用于采集物资的历史数据信息和当前物质属性特征以及物流配送订单的数据信息，通过物资的历史数据信息构建物资和配送路径属性特征的关联链路，依据关联链路能够对物资的最优配送路径进行分析；所述数据分析模块是用于分析当前物资的最优配送路线以及与终端后台的物流待配送订单的匹配值；所述物流管理模块是对终端后台的物流待配送订单进行分析筛选。本发明通过针对物资的属性特征进行分析确定最优配送路线确保了客户满意度以及配送效率。

主权项：1.一种基于人工智能的大跨度物流管理方法，其特征在于：所述大跨度物流管理方法具体包括以下步骤：S100、获取当前物资的数据信息，依据物流配送物资的数据信息判断物流配送物资的属性特征，并且通过所述物流配送物资的属性特征对物流配送路径进行选择；所述物流配送路径是指针对物流配送物资的属性特征而选择的特定道路，所述当前物资的数据信息包括当前物资的属性特征和当前物资的收货地点；S200、依据物流配送路径针对当前物资的属性特征进行路径规划得到最优配送路线；S300、获取终端后台物流待配送订单的数据信息，依据终端后台物流配送订单的数据信息选取与最优配送路线的匹配度大于预设匹配度阈值的物资进行标识，记被标识的物资为配送候选物资，所述终端后台物流配送订单的数据信息包括属性特征和物资收货地点；S400、依据当前物资属性特征对配送候选物资进行筛选；所述S100中对物流配送路径进行选择具体方法如下：S101、基于终端后台物流配送物资的历史数据获取配送物资历史属性特征和物资配送路径历史属性特征，利用支撑向量机分类算法对物流配送物资历史属性特征进行分类汇总，并且构建配送物资历史属性特征和物资配送路径历史属性特征之间关联链路得到Si→zi，Si={Si1、Si2、Si3...SiJ}；其中，Si表示为第i种配送物资历史属性特征集合，zi表示为针对第i种配送物资历史属性特征集合的配送路径历史属性特征，i=1、2、3...I，I为常数，j=1、2、3...J，J表示为配送物资历史属性特征集合中元素的数量；S102、获取当前物资的属性特征为a，通过配送物资历史属性特征和物资配送路径历史属性特征之间关联链路分析当前物资的属性特征a和配送物资历史属性特征的所属关系，得到当前物流配送路径属性特征为za，a∈{1、2、3...I}；所述S200中依据物流配送路径针对当前物资属性特征进行路径规划得到最优配送路线的具体方法如下：S201、通过终端后台物流配送订单查询当前物资的收货地点，并且物流配送物资的历史数据获取所有物流配送路径，将当前物资的收货地点、配送起点以及所有物流配送路径映射到电子地图中对当前物资的收货地点和配送起点之间的路线进行遍历，得到配送路线集合为Un，Un={Un1、Un2、Un3...UnW}，w=1、2、3...W，W表示为配送路线集合中元素数量，Un表示为第n种配送路线的集合，UnW表示为第n种配送路线集合中第W个配送路径，n=1、2、3...N，N表示为当前物资物流配送路线的数量；S202、通过物流配送物资的历史数据获取所有物流配送路径，并且通过高分辨率的摄像头获取所有物流配送路径的图像，将训练好的卷积神经网络模型对所有物流配送路径的图像进行分类对物流配送路径输出得到集合Qz，Qz={Qz1、Qz2、Qz3...QzR}，Qz表示为第z种物流配送路径，QzR表示为第z个物流配送路径种类集合中第R个路径；z=1、2、3...Z，Z表示为物流配送路径种类集合的数量，r=1、2、3...R，R表示为物流配送路径种类集合中元素数量；通过大数据对物流配送路径种类集合的属性特征进行提取，得到与当前物流配送路径属性特征相符的物流配送路径集合为Qa’，Qa’={Qa’1、Qa’2、Qa’3...Qa’R}，a’∈{1、2、3...Z}；S203、将集合Qa’中的配送路径映射到电子地图中，通过大数据获取到集合Qa’∩Un中物流配送距离，记为集合ln，ln={ln1、ln2、ln3...lnV},lnV表示为当前物资每条物流配送路线中与当前物流配送路径属性特征相符的第V个物流配送路径的距离；计算出配送路线集合为Un的物流配送距离，记为集合L；Ln={L1、L2、L3...LN}，LN表示为第N种当前物资物流配送路线的距离；通过公式：Fn=[（∑Vv=1lnv）Ln]Ln计算得到当前物资每条物流配送路线推荐得分，依据当前物资每条物流配送路线的推荐得分由高到低对物流配送路线进行排序，选取得分最高的物流配送路线作为当前物资的最优配送路线；所述S300中依据终端后台物流配送订单的数据信息对物资进行标识的具体方法如下：S301、通过终端后台获取物流待配送订单的数据信息，将物流待配送订单的收货地点以及配送起点和当前物资的收货地点映射到直角坐标系中，依据所述物流待配送订单的数据信息和当前物资的数据信息得到物流待配送订单的收货地点为（xe，ye）和当前物资的收货地点（xa，ya），设置配送起点为在直角坐标系的原点；e=1、2、3...E，E表示为物流待配送订单的数量；S302、依据公式：[cos（∂e）]=（xa*xe+ya*ye）[xa2+ya2*xe2+ye2]12能够计算得到物流待配送订单的配送方向与当前物资的配送方向之间的匹配值，其中，[cos（∂e）]∈[-1，1]，；将物流待配送订单的配送方向与当前物资的配送方向之间的匹配值[cos（∂e）]∈[0，1]进行标识，记为配送候选物资；所述S400中对配送候选物资进行筛选的具体方法如下：获取到配送候选物资的属性特征为se’，通过配送物资历史属性特征和物资配送路径历史属性特征之间关联链路分析配送候选物资的属性特征se’和配送物资历史属性特征的所属关系，得到配送候选物资的路径属性特征为ze’，将配送候选物资的路径属性特征与当前物流配送路径属性特征进行对比，当配送候选物资的路径属性特征与当前物流配送路径属性特征不一致时对配送候选物资进行剔除，反之保留；e’=1、2、3...E’，E’≤E。

全文数据：

权利要求：

百度查询： 上海朗晖慧科技术有限公司 一种基于人工智能的大跨度物流管理系统及方法