物流数据处理方法、装置、设备及存储介质与流程

1.本发明涉及物流管理领域，尤其涉及一种物流数据处理方法、装置、设备及存储介质。


背景技术：

2.物流是物品从供应地向接收地的实体流动过程中，根据实际需要，将运输、储存、装卸搬运、包装、流通加工、配送、信息处理等功能有机结合起来实现用户要求的过程。现代物流管理根据物质资料实体流动的规律，应用管理的基本原理和科学方法，对物流活动进行计划、组织、指挥、协调、控制和监督，使各项物流活动实现最佳的协调与配合，以降低物流成本，提高物流效率和经济效益。随着电子商务的兴起和繁荣，人们日常的消费习惯逐渐从线下实体店转移到了电子商务网站，从而带动了物流配送业的高速发展。
3.现有方案是根据客户订单生派出相应的配送车辆将货物的送到送货地址；当利用物流车辆进行物流配送时，如何控制物流车辆准点发车成为需要解决的问题，物流车辆是否准点发车将影响整个物流配送的效率。


技术实现要素：

4.本发明提供了一种物流数据处理方法、装置、设备及存储介质，用于提高物流配送的效率。
5.本发明第一方面提供了一种物流数据处理方法，所述物流数据处理方法包括：从预置的配送中心获取物流车辆的出行数据以及所述物流车辆的历史准点发车率，并将所述出行数据输入预置的数据统计模型进行出行数据分析，得到物流车辆发车数据；根据预置的准点率函数对所述物流车辆发车数据进行发车准点率计算，得到所述物流车辆对应的目标准点发车率；将所述目标准点发车率和所述历史准点发车率输入预置的发车率分析模型进行发车率分析，得到发车率分析结果；对所述发车率分析结果、所述目标准点发车数据和所述历史准点发车率进行分析和整合，生成准点发车率报表。
6.可选的，在本发明第一方面的第一种实现方式中，所述从预置的配送中心获取物流车辆的出行数据以及所述物流车辆的历史准点发车率，并将所述出行数据输入预置的数据统计模型进行出行数据分析，得到物流车辆发车数据，包括：从预置的配送中心中查询物流车辆的配送路线并匹配所述物流车辆的发车信息、配送日期和车辆型号，并根据所述配送路线、所述发车信息、所述配送日期和所述车辆型号生成出行数据；根据所述物流车辆的发车信息从所述配送中心中查找所述物流车辆对应的历史准点发车率；将所述出行数据输入预置的数据统计模型，通过所述数据统计模型对所述物流车辆进行车辆运行次数分析，得到车辆运行数据；对所述车辆运行数据进行发车数据统计，得到物流车辆发车数据。
7.可选的，在本发明第一方面的第二种实现方式中，所述根据预置的准点率函数对所述物流车辆发车数据进行发车准点率计算，得到所述物流车辆对应的目标准点发车率，包括：提取所述物流车辆发车数据中的准点发车趟数，以及提取所述物流车辆发车数据中
的发车总趟数；将所述准点发车趟数和所述发车总趟数输入预置的准点率函数，通过所述准点率函数计算所述准点发车趟数和所述发车总趟数的比值，得到目标比值；将所述目标比值进行数据标准化处理，得到标准比值，并将所述标准比值作为所述物流车辆对应的目标准点发车率。
8.可选的，在本发明第一方面的第三种实现方式中，所述将所述目标准点发车率和所述历史准点发车率输入预置的发车率分析模型进行发车率分析，得到发车率分析结果，包括：将所述目标准点发车率和所述历史准点发车率输入预置的发车率分析模型，其中，所述发车率分析模型包括：数据输入层、曲线拟合层和输出层；将所述目标准点发车率和所述历史准点发车率输入所述数据输入层进行数据输入处理，得到目标输入数据；将所述目标输入数据输入所述曲线拟合层进行曲线拟合，生成目标趋势曲线；在所述输出层中对所述目标趋势曲线进行趋势分析生成发车率分析结果并输出。
9.可选的，在本发明第一方面的第四种实现方式中，所述将所述目标输入数据输入所述曲线拟合层进行曲线拟合，生成目标趋势曲线，包括：将所述目标输入数据输入所述曲线拟合层，其中，所述曲线拟合层包括预设拟合函数；通过所述曲线拟合层中的预设拟合函数对所述目标输入数据进行曲线拟合，生成初始趋势曲线；对所述初始趋势曲线进行曲线平滑处理，生成平滑曲线，并将所述平滑曲线作为目标趋势曲线。
10.可选的，在本发明第一方面的第五种实现方式中，所述对所述发车率分析结果、所述目标准点发车数据和所述历史准点发车率进行分析和整合，生成准点发车率报表，包括：将所述目标准点发车数据和所述发车率分析结果进行信息关联，生成准点发车率信息对；获取所述历史准点发车率对应的历史发车率分析结果，并将所述历史准点发车数据和所述历史发车率分析结果进行历史信息关联，生成历史准点发车率信息对；对所述准点发车率信息对和所述历史准点发车率信息对进行表格化处理，生成准点发车率报表。
11.可选的，在本发明第一方面的第六种实现方式中，在所述对所述准点发车率信息对和所述历史准点发车率信息对进行表格化处理，生成准点发车率报表之后，还包括：将所述准点发车率报表发送至预设的监控终端，并根据所述准点发车率报表生成发车率评价分数；根据所述发车率评价分数和预设权重生成物流质量评估结果。
12.本发明第二方面提供了一种物流数据处理装置，所述物流数据处理装置包括：获取模块，用于从预置的配送中心获取物流车辆的出行数据以及所述物流车辆的历史准点发车率，并将所述出行数据输入预置的数据统计模型进行出行数据分析，得到物流车辆发车数据；计算模块，用于根据预置的准点率函数对所述物流车辆发车数据进行发车准点率计算，得到所述物流车辆对应的目标准点发车率；分析模块，用于将所述目标准点发车率和所述历史准点发车率输入预置的发车率分析模型进行发车率分析，得到发车率分析结果；生成模块，用于对所述发车率分析结果、所述目标准点发车数据和所述历史准点发车率进行分析和整合，生成准点发车率报表。
13.可选的，在本发明第二方面的第一种实现方式中，所述获取模块具体用于：从预置的配送中心中查询物流车辆的配送路线并匹配所述物流车辆的发车信息、配送日期和车辆型号，并根据所述配送路线、所述发车信息、所述配送日期和所述车辆型号生成出行数据；根据所述物流车辆的发车信息从所述配送中心中查找所述物流车辆对应的历史准点发车率；将所述出行数据输入预置的数据统计模型，通过所述数据统计模型对所述物流车辆进
行车辆运行次数分析，得到车辆运行数据；对所述车辆运行数据进行发车数据统计，得到物流车辆发车数据。
14.可选的，在本发明第二方面的第二种实现方式中，所述计算模块具体用于：提取所述物流车辆发车数据中的准点发车趟数，以及提取所述物流车辆发车数据中的发车总趟数；将所述准点发车趟数和所述发车总趟数输入预置的准点率函数，通过所述准点率函数计算所述准点发车趟数和所述发车总趟数的比值，得到目标比值；将所述目标比值进行数据标准化处理，得到标准比值，并将所述标准比值作为所述物流车辆对应的目标准点发车率。
15.可选的，在本发明第二方面的第三种实现方式中，所述分析模块还包括：输入单元，用于将所述目标准点发车率和所述历史准点发车率输入预置的发车率分析模型，其中，所述发车率分析模型包括：数据输入层、曲线拟合层和输出层；处理单元，用于将所述目标准点发车率和所述历史准点发车率输入所述数据输入层进行数据输入处理，得到目标输入数据；拟合单元，用于将所述目标输入数据输入所述曲线拟合层进行曲线拟合，生成目标趋势曲线；生成单元，用于在所述输出层中对所述目标趋势曲线进行趋势分析生成发车率分析结果并输出。
16.可选的，在本发明第二方面的第四种实现方式中，所述拟合单元具体用于：将所述目标输入数据输入所述曲线拟合层，其中，所述曲线拟合层包括预设拟合函数；通过所述曲线拟合层中的预设拟合函数对所述目标输入数据进行曲线拟合，生成初始趋势曲线；对所述初始趋势曲线进行曲线平滑处理，生成平滑曲线，并将所述平滑曲线作为目标趋势曲线。
17.可选的，在本发明第二方面的第五种实现方式中，所述生成模块具体用于：将所述目标准点发车数据和所述发车率分析结果进行信息关联，生成准点发车率信息对；获取所述历史准点发车率对应的历史发车率分析结果，并将所述历史准点发车数据和所述历史发车率分析结果进行历史信息关联，生成历史准点发车率信息对；对所述准点发车率信息对和所述历史准点发车率信息对进行表格化处理，生成准点发车率报表。
18.可选的，在本发明第二方面的第六种实现方式中，所述物流数据处理装置还包括：评估模块，用于将所述准点发车率报表发送至预设的监控终端，并根据所述准点发车率报表生成发车率评价分数；根据所述发车率评价分数和预设权重生成物流质量评估结果。
19.本发明第三方面提供了一种物流数据处理设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述物流数据处理设备执行上述的物流数据处理方法。
20.本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的物流数据处理方法。
21.本发明提供的技术方案中，从预置的配送中心获取物流车辆的出行数据以及所述物流车辆的历史准点发车率，并将所述出行数据输入预置的数据统计模型进行出行数据分析，得到物流车辆发车数据；根据预置的准点率函数对所述物流车辆发车数据进行发车准点率计算，得到所述物流车辆对应的目标准点发车率；将所述目标准点发车率和所述历史准点发车率输入预置的发车率分析模型进行发车率分析，得到发车率分析结果；对所述发车率分析结果、所述目标准点发车数据和所述历史准点发车率进行分析和整合，生成准点发车率报表。本发明通过对物流车辆的出行数据进行发车准点率计算，并通过对发车准点
率和历史发车准点率进行综合分析，提高了发车准点率的分析准确性，进而提高了物流配送的准确率。
附图说明
22.图1为本发明实施例中物流数据处理方法的一个实施例示意图；
23.图2为本发明实施例中物流数据处理方法的另一个实施例示意图；
24.图3为本发明实施例中物流数据处理装置的一个实施例示意图；
25.图4为本发明实施例中物流数据处理装置的另一个实施例示意图；
26.图5为本发明实施例中物流数据处理设备的一个实施例示意图。
具体实施方式
27.本发明实施例提供了一种物流数据处理方法、装置、设备及存储介质，用于提高物流配送的效率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
28.为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中物流数据处理方法的第一个实施例包括：
29.101、从预置的配送中心获取物流车辆的出行数据以及物流车辆的历史准点发车率，并将出行数据输入预置的数据统计模型进行出行数据分析，得到物流车辆发车数据；
30.可以理解的是，本发明的执行主体可以为物流数据处理装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
31.需要说明的是，该数据统计模型是基于预先设置的神经网络模型训练得到的，具体的，服务器从该配送中心获取对应的物流信息标识，进而服务器通过该物流信息标识从该配送中心的预置数据库中获取物流车辆的出行数据及物流车辆的历史准点发车率，本实施例中，物流车辆的出行数据包括：车辆出发时间、车辆到达时间及车辆停留时间等出行数据，例如，可以根据配送中心的出行数据确定至少一条长线或短线、配送日期、物流车辆型号等，根据配送日期、物流车辆型号等，匹配出找寻到发车信息，以形成物流车辆发车数据。当天的物流车辆发车数据从三个方向进行统计，分别是合计、长线和短线，包括发车总趟数、准点发车趟数；在进行统计时表格字段包括序号、目的、发车总趟数、未准点发车趟数、准点发车趟数，其中目的包括省份和/分拨，可通过始发分拨等输入内容对相关数据进行查询，具体的，服务器将出行数据输入上述数据统计模型进行数据分析，得到物流车辆发车数据。
32.102、根据预置的准点率函数对物流车辆发车数据进行发车准点率计算，得到物流车辆对应的目标准点发车率；
33.需要说明的是，计算准点发车率的计算公式为准点发车率＝准点发车趟数/发车
总趟数；并对准点发车率进行统计，其表格字段包括序号、大区、业务省、分拨、发车总趟数：合计，长线，短线、未准点发车趟数：合计，长线，短线、准点发车趟数：合计，长线，短线、准点发车趟数：合计，长线，短线；可选择大区，省份和分拨查询结果，实现数据下沉，满足各个岗位看数据的需求；页面标注当前数据的统计日期：统计时间为t-2日10:30-t-1日10:30，具体的，服务器根据预置的准点率函数对物流车辆发车数据进行发车准点率计算，得到物流车辆对应的目标准点发车率。
34.103、将目标准点发车率和历史准点发车率输入预置的发车率分析模型进行发车率分析，得到发车率分析结果；
35.需要说明的是，本发明实施例中是通过发车率分析模型对目标准点发车率及历史准点发车率进行比较分析，确定出相应的比较趋势曲线，进而服务器根据该比较趋势曲线确定相应的发车率分析结果。
36.104、对发车率分析结果、目标准点发车数据和历史准点发车率进行分析和整合，生成准点发车率报表。
37.对发车率分析结果、目标准点发车数据和历史准点发车率进行分析整合处理，生成准点发车率报表，需要说明的是，准点发车率报表表格字段包括序号、规划线路、实际运营线路、延迟分钟数、是否准点发车、车线类型，其中规划线路为参考车线编码、参考车线名称，实际运营线路包括货运单号、货运类型、车线名称、规定发车时间、规定到达时间和实际到达时间；可通过始发分拨、目的分拨等输入内容对准点发车率报表进行查询，得到输出内容。准点发车率报表中数据的丰富度得到大幅度提升，能够提升物流运输的及时性和准确性，从而提高运输效率。需要强调的是，为进一步保证上述准点发车率报表的私密性和安全性，上述准点发车率报表还可以存储于一区块链的节点中。
38.本发明实施例中，从预置的配送中心获取物流车辆的出行数据以及物流车辆的历史准点发车率，并将出行数据输入预置的数据统计模型进行出行数据分析，得到物流车辆发车数据；根据预置的准点率函数对物流车辆发车数据进行发车准点率计算，得到物流车辆对应的目标准点发车率；将目标准点发车率和历史准点发车率输入预置的发车率分析模型进行发车率分析，得到发车率分析结果；对发车率分析结果、目标准点发车数据和历史准点发车率进行分析和整合，生成准点发车率报表。本发明通过对物流车辆的出行数据进行发车准点率计算，并通过对发车准点率和历史发车准点率进行综合分析，提高了发车准点率的分析准确性，进而提高了物流配送的准确率。
39.请参阅图2，本发明实施例中物流数据处理方法的第二个实施例包括：
40.201、从预置的配送中心获取物流车辆的出行数据以及物流车辆的历史准点发车率，并将出行数据输入预置的数据统计模型进行出行数据分析，得到物流车辆发车数据；
41.具体的，服务器从预置的配送中心中查询物流车辆的配送路线并匹配物流车辆的发车信息、配送日期和车辆型号，并根据配送路线、发车信息、配送日期和车辆型号生成出行数据；服务器根据物流车辆的发车信息从配送中心中查找物流车辆对应的历史准点发车率；服务器将出行数据输入预置的数据统计模型，通过数据统计模型对物流车辆进行车辆运行次数分析，得到车辆运行数据；服务器对车辆运行数据进行发车数据统计，得到物流车辆发车数据。
42.其中，当服务器根据配送路线、发车信息、配送日期及车辆型号生成出行数据后，
服务器首先对该出行数据进行数据清洗，该数据清洗的过程为：选取出行数据中的gps数据，清除超出路网经纬度范围内的以及同一辆车在时间上重复的gps数据，进而服务器根据发车信息确定对应的历史发车数据，并通过该历史发车数据获取对应的历史准点发车率，例如，可以根据配送中心的出行数据确定至少一条长线或短线、配送日期、物流车辆型号等，根据配送日期、物流车辆型号等，匹配出找寻到发车信息，以形成物流车辆发车数据。当天的物流车辆发车数据从三个方向进行统计，分别是合计、长线和短线，它们都包括发车总趟数、准点发车趟数；在进行统计时表格字段包括序号、目的、发车总趟数、未准点发车趟数、准点发车趟数，其中目的包括省份和/分拨，可通过始发分拨等输入内容对相关数据进行查询，得到输出内容。
43.202、根据预置的准点率函数对物流车辆发车数据进行发车准点率计算，得到物流车辆对应的目标准点发车率；
44.具体的，服务器提取物流车辆发车数据中的准点发车趟数，以及提取物流车辆发车数据中的发车总趟数；服务器将准点发车趟数和发车总趟数输入预置的准点率函数，通过准点率函数计算准点发车趟数和发车总趟数的比值，得到目标比值；服务器将目标比值进行数据标准化处理，得到标准比值，并将标准比值作为物流车辆对应的目标准点发车率。
45.其中，服务器提取物流车辆发车数据中的准点发车趟数，以及提取物流车辆发车数据中的发车总趟数；服务器将准点发车趟数和发车总趟数输入预置的准点率函数，需要说明的是，准点率函数表达式为准点发车趟数除发车总趟数，通过该准点率函数计算准点发车趟数和发车总趟数的比值，得到目标比值，对该目标比值进行标准化处理是指对该目标比值的分子数值与分母数值分别进行对数转换，得到相应的目标分子及目标分母，进而服务器根据目标分子及目标分母得到标准比值，并将标准比值作为物流车辆对应的目标准点发车率。
46.203、将目标准点发车率和历史准点发车率输入预置的发车率分析模型，其中，发车率分析模型包括：数据输入层、曲线拟合层和输出层；
47.需要说明的是，该发车率分析模型是通过预先设置的神经网络模型训练得到的，其中，该发车率分析模型包括数据输入层、曲线拟合层和输出层，该模型的训练过程为预先展示多个基础模型选项，根据对多个基础模型选项的选择操作确定初始数据分析模型，初始数据分析模型携带待训练的模型参数值，确定初始数据分析模型的标签和数据特征，获取与标签和数据特征相匹配的测试数据集，利用测试数据集对初始数据分析模型的模型参数值进行训练，得到上述发车率分析模型。
48.204、将目标准点发车率和历史准点发车率输入数据输入层进行数据输入处理，得到目标输入数据；
49.具体的，服务器将该目标准点发车率和历史准点发车率输入数据输入层进行数据格式转换，本发明实施例中，服务器将该目标准点发车率和历史准点发车率进行向量转换，得到目标准点发车率及历史准点发车率对应的向量数据，进而将该向量数据作为目标输入数据。
50.205、将目标输入数据输入曲线拟合层进行曲线拟合，生成目标趋势曲线；
51.具体的，服务器将目标输入数据输入曲线拟合层，其中，曲线拟合层包括预设拟合函数；服务器通过曲线拟合层中的预设拟合函数对目标输入数据进行曲线拟合，生成初始
趋势曲线；服务器对初始趋势曲线进行曲线平滑处理，生成平滑曲线，并将平滑曲线作为目标趋势曲线。
52.其中，拟合是把平面上一系列离散的点，用曲线连接起来。因为连接的曲线有无数种可能，从而有各种拟合方法，拟合的曲线一般可以用函数表示，常用的拟合方法有最小二乘曲线拟合法等，采用分段函数表示的方式为样条拟合，本实施例则采用分段函数的方式对各个时间段的数据进行曲线拟合，具体的，服务器将目标输入数据输入曲线拟合层，其中，曲线拟合层包括预设拟合函数；服务器通过曲线拟合层中的预设拟合函数对目标输入数据进行曲线拟合，生成初始趋势曲线，然后服务器通过该初始趋势曲线获取曲线栅格信息及折线区域，服务器提取折线区域中的转折点，对提取的转折点进行平滑处理，得到平滑后的曲线并将该平滑曲线作为目标趋势曲线。
53.206、在输出层中对目标趋势曲线进行趋势分析生成发车率分析结果并输出，
54.需要说明的是，获取目标趋势曲线在多个历史时刻的目标发车率数值，并以此生成发车率的趋势曲线和波动曲线，从发车率的趋势曲线和波动曲线中提取多个目标时刻对应的趋势曲线特征和波动曲线特征，基于各目标时刻对应的趋势曲线特征构建趋势预测模型，根据构建的模型和目标趋势曲线在待预测时刻对应的多个指定历史时刻的各发车率数值，预测待预测时刻的预测发车率数值，生成发车率分析结果并输出。
55.207、对发车率分析结果、目标准点发车数据和历史准点发车率进行分析和整合，生成准点发车率报表。
56.具体的，服务器将目标准点发车数据和发车率分析结果进行信息关联，生成准点发车率信息对；服务器获取历史准点发车率对应的历史发车率分析结果，并将历史准点发车数据和历史发车率分析结果进行历史信息关联，生成历史准点发车率信息对；服务器对准点发车率信息对和历史准点发车率信息对进行表格化处理，生成准点发车率报表。
57.其中，对物流车辆的准点发车数据进行分析和整合，生成准点发车率报表；准点发车率报表表格字段包括序号、规划线路、实际运营线路、延迟分钟数、是否准点发车、车线类型；其中规划线路为参考车线编码、参考车线名称，实际运营线路包括货运单号、货运类型、车线名称、规定发车时间、规定到达时间和实际到达时间；可通过始发分拨、目的分拨等输入内容对准点发车率报表进行查询，得到输出内容，本发明实施例中，服务器根据准点发车率信息对及历史准点发车率信息对进行表格生成，能够生成较为直观的数据比对分析表，准点发车率报表中数据的丰富度得到大幅度提升，最终大幅度地提升了物流运输的及时性和准确性，从而提高运输效率。
58.可选的，在服务器对发车率分析结果、目标准点发车数据和历史准点发车率进行分析整合，生成准点发车率报表之后，还可以包括：服务器将准点发车率报表发送至预设的监控终端，并根据准点发车率报表生成发车率评价分数；服务器根据发车率评价分数和预设权重生成物流质量评估结果。
59.需要说明的是，该发车率评价分数是通过多种指标进行确定的，例如车辆出行数据中配送时长、配送路径、出发准点率及到达准点率等多种指标，其中，上述预设权重是通过该多种指标预先设置的权重值，且该多种指标的预设权重值相加和为1，具体的，服务器根据准点发车率报表生成发车率评价分数；服务器根据发车率评价分数和预设权重生成物流质量评估结果。
60.本发明实施例中，本发明实施例中，服务器根据准点发车率信息对及历史准点发车率信息对进行表格生成，能够生成较为直观的数据比对分析表，通过对物流车辆的出行数据进行发车准点率计算，并通过对发车准点率和历史发车准点率进行综合分析，提高了发车准点率的分析准确性，进而提高了物流配送的准确率，服务器根据准点发车率信息对及历史准点发车率信息对进行表格生成，能够生成较为直观的数据比对分析表，准点发车率报表中数据的丰富度得到大幅度提升，最终大幅度地提升了物流运输的及时性和准确性，从而提高运输效率。
61.上面对本发明实施例中物流数据处理方法进行了描述，下面对本发明实施例中物流数据处理装置进行描述，请参阅图3，本发明实施例中物流数据处理装置第一个实施例包括：
62.获取模块301，用于从预置的配送中心获取物流车辆的出行数据以及所述物流车辆的历史准点发车率，并将所述出行数据输入预置的数据统计模型进行出行数据分析，得到物流车辆发车数据；
63.计算模块302，用于根据预置的准点率函数对所述物流车辆发车数据进行发车准点率计算，得到所述物流车辆对应的目标准点发车率；
64.分析模块303，用于将所述目标准点发车率和所述历史准点发车率输入预置的发车率分析模型进行发车率分析，得到发车率分析结果；
65.生成模块304，用于对所述发车率分析结果、所述目标准点发车数据和所述历史准点发车率进行分析和整合，生成准点发车率报表。
66.进一步地，服务器将准点发车率报表存储于区块链数据库中，具体此处不做限定。
67.本发明实施例中，从预置的配送中心获取物流车辆的出行数据以及所述物流车辆的历史准点发车率，并将所述出行数据输入预置的数据统计模型进行出行数据分析，得到物流车辆发车数据；根据预置的准点率函数对所述物流车辆发车数据进行发车准点率计算，得到所述物流车辆对应的目标准点发车率；将所述目标准点发车率和所述历史准点发车率输入预置的发车率分析模型进行发车率分析，得到发车率分析结果；对所述发车率分析结果、所述目标准点发车数据和所述历史准点发车率进行分析和整合，生成准点发车率报表。本发明通过对物流车辆的出行数据进行发车准点率计算，并通过对发车准点率和历史发车准点率进行综合分析，提高了发车准点率的分析准确性，进而提高了物流配送的准确率。
68.请参阅图4，本发明实施例中物流数据处理装置第二个实施例包括：
69.获取模块301，用于从预置的配送中心获取物流车辆的出行数据以及所述物流车辆的历史准点发车率，并将所述出行数据输入预置的数据统计模型进行出行数据分析，得到物流车辆发车数据；
70.计算模块302，用于根据预置的准点率函数对所述物流车辆发车数据进行发车准点率计算，得到所述物流车辆对应的目标准点发车率；
71.分析模块303，用于将所述目标准点发车率和所述历史准点发车率输入预置的发车率分析模型进行发车率分析，得到发车率分析结果；
72.生成模块304，用于对所述发车率分析结果、所述目标准点发车数据和所述历史准点发车率进行分析和整合，生成准点发车率报表。
73.可选的，所述获取模块301具体用于：从预置的配送中心中查询物流车辆的配送路线并匹配所述物流车辆的发车信息、配送日期和车辆型号，并根据所述配送路线、所述发车信息、所述配送日期和所述车辆型号生成出行数据；根据所述物流车辆的发车信息从所述配送中心中查找所述物流车辆对应的历史准点发车率；将所述出行数据输入预置的数据统计模型，通过所述数据统计模型对所述物流车辆进行车辆运行次数分析，得到车辆运行数据；对所述车辆运行数据进行发车数据统计，得到物流车辆发车数据。
74.可选的，所述计算模块302具体用于：提取所述物流车辆发车数据中的准点发车趟数，以及提取所述物流车辆发车数据中的发车总趟数；将所述准点发车趟数和所述发车总趟数输入预置的准点率函数，通过所述准点率函数计算所述准点发车趟数和所述发车总趟数的比值，得到目标比值；将所述目标比值进行数据标准化处理，得到标准比值，并将所述标准比值作为所述物流车辆对应的目标准点发车率。
75.可选的，所述分析模块303还包括：
76.输入单元3031，用于将所述目标准点发车率和所述历史准点发车率输入预置的发车率分析模型，其中，所述发车率分析模型包括：数据输入层、曲线拟合层和输出层；
77.处理单元3032，用于将所述目标准点发车率和所述历史准点发车率输入所述数据输入层进行数据输入处理，得到目标输入数据；
78.拟合单元3033，用于将所述目标输入数据输入所述曲线拟合层进行曲线拟合，生成目标趋势曲线；
79.生成单元3034，用于在所述输出层中对所述目标趋势曲线进行趋势分析生成发车率分析结果并输出。
80.可选的，所述拟合单元3033具体用于：将所述目标输入数据输入所述曲线拟合层，其中，所述曲线拟合层包括预设拟合函数；通过所述曲线拟合层中的预设拟合函数对所述目标输入数据进行曲线拟合，生成初始趋势曲线；对所述初始趋势曲线进行曲线平滑处理，生成平滑曲线，并将所述平滑曲线作为目标趋势曲线。
81.可选的，所述生成模块304具体用于：将所述目标准点发车数据和所述发车率分析结果进行信息关联，生成准点发车率信息对；获取所述历史准点发车率对应的历史发车率分析结果，并将所述历史准点发车数据和所述历史发车率分析结果进行历史信息关联，生成历史准点发车率信息对；对所述准点发车率信息对和所述历史准点发车率信息对进行表格化处理，生成准点发车率报表。
82.可选的，所述物流数据处理装置还包括：评估模块305，用于将所述准点发车率报表发送至预设的监控终端，并根据所述准点发车率报表生成发车率评价分数；根据所述发车率评价分数和预设权重生成物流质量评估结果。
83.进一步地，服务器将准点发车率报表存储于区块链数据库中，具体此处不做限定。
84.本发明实施例中，从预置的配送中心获取物流车辆的出行数据以及所述物流车辆的历史准点发车率，并将所述出行数据输入预置的数据统计模型进行出行数据分析，得到物流车辆发车数据；根据预置的准点率函数对所述物流车辆发车数据进行发车准点率计算，得到所述物流车辆对应的目标准点发车率；将所述目标准点发车率和所述历史准点发车率输入预置的发车率分析模型进行发车率分析，得到发车率分析结果；对所述发车率分析结果、所述目标准点发车数据和所述历史准点发车率进行分析和整合，生成准点发车率
报表。本发明通过对物流车辆的出行数据进行发车准点率计算，并通过对发车准点率和历史发车准点率进行综合分析，提高了发车准点率的分析准确性，进而提高了物流配送的准确率。
85.上面图3和图4从模块化功能实体的角度对本发明实施例中的物流数据处理装置进行详细描述，下面从硬件处理的角度对本发明实施例中物流数据处理设备进行详细描述。
86.图5是本发明实施例提供的一种物流数据处理设备的结构示意图，该物流数据处理设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，cpu)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对物流数据处理设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在物流数据处理设备500上执行存储介质530中的一系列指令操作。
87.物流数据处理设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如windows serve，mac os x，unix，linux，freebsd等等。本领域技术人员可以理解，图5示出的物流数据处理设备结构并不构成对物流数据处理设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
88.本发明还提供一种物流数据处理设备，所述物流数据处理设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述物流数据处理方法的步骤。
89.本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述物流数据处理方法的步骤。
90.进一步地，计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
91.本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
92.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
93.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式
体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
94.以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。