一种基于人工智能的智慧物流运输管理系统的制作方法

本发明属于物流运输管理，具体为一种基于人工智能的智慧物流运输管理系统。

背景技术：

1、随着电子商务的快速发展，消费者对商品配送的时效性需求也在增加，这种不断增加的需求促进了物流运输管理的变革，即将电商平台与物流运输紧密结合，具体体现在当存在商品下单后在订单页面显示商品的预计送达时间，并实时显示下单商品的当前物流运输位置，便于消费者及时便捷地了解商品的运输进度，减少不确定性和焦虑感，使得消费者可以更好地安排自己的时间，以便在预计送达时间时接收商品。

2、但由于下单页面显示的商品预计送达时间属于整体化预计，指的是从商品下单发货后到送达消费者手中的时间，过于笼统，不够细致具体，无法凸显物流运输过程，导致商品物流运输时间分配不明朗，难以满足对这方面具有要求的消费需求。

3、另外，由于商品的实际物流运输时长受到天气、路况等条件的制约，使得商品的实际送达时间与预计送达时间不可避免地会存在差距，导致预计失误，但现有技术中当存在预计失误时缺乏对预计失误的分析，导致消费者无法知晓预计失误的原因，进而降低了消费者对订单页面显示商品预计送达时间的信服感，进而影响了消费者对电商平台的忠诚度，在一定程度上对电商平台的留客率造成冲击，不利于电商平台的长远发展。

技术实现思路

1、鉴于此，为解决上述背景技术中所提出的问题，现提出一种基于人工智能的智慧物流运输管理系统。

2、本发明的目的可以通过以下技术方案实现：一种基于人工智能的智慧物流运输管理系统,包括：物流运输信息提取模块，用于从当前商品订单中提取物流运输信息，包括运输起点、运输终点和运输车辆型号。

3、物流运输路线确定模块，用于基于当前商品订单的物流运输信息确定当前商品订单的物流运输路线。

4、预计运输时长分段解析模块，用于将当前商品订单的物流运输路线进行运输站点标记，进而划分为若干运输段，并解析各运输段对应的预计运输时长。

5、分段物流显示模块，用于依据各运输段的预计运输时长获取运输路线中各运输站点的预计到达时间，并在订单页面进行物流显示。

6、物流运输跟踪模块，用于从当前商品订单发货时在物流运输工具内设置跟踪设备，由此跟踪各运输段对应的运输速度和交通拥堵指数，同时记录各运输站点的实际到达时间。

7、预计失误判断识别模块，用于将各运输站点的实际到达时间与预计到达时间进行对比，判断是否存在预计失误，若判断存在预计失误，则识别出异常运输站点。

8、异常运输站点预计失误指向分析模块，用于对异常运输站点对应的运输时长预计失误指向进行分析。

9、预计失误指向标识显示模块，用于在物流显示页面上将异常运输站点对应的运输时长预计失误指向进行标识显示。

10、分段物流更新分析显示模块，用于从异常运输站点开始进行后续运输站点预计到达时间的更新分析，并将分析进行结果进行显示。

11、在一种可替换的实施方式中，所述运输段的划分参见下述方式：将物流运输路线中标记的运输站点按照位置先后顺序进行排列，由此从运输起点开始按照运输站点的排列顺序依次将相邻两个运输站点划分为一个运输段。

12、在一种可替换的实施方式中，所述解析各运输段对应的预计运输时长包括下述过程：获取各运输段对应的两个运输站点，分别记为前运输站点和后运输站点，并从物流运输路线中提取各运输段对应的运输路径。

13、从历史物流运输记录中筛选出满足当前商品订单对应运输车辆型号的历史商品订单，并将历史商品订单对应的物流运输路线进行运输段划分，进而基于当前商品订单中各运输段对应的两个运输站点和运输路径从历史商品订单对应物流运输路线划分的运输段中筛查出各运输段对应的参考历史运输段。

14、从历史物流运输记录中获取各运输段对应各参考历史运输段的天气信息，其中天气信息包括天气类型、天气表征程度值和天气持续时长。

15、获取当前商品订单的发货时间点，并基于发货时间点构成各运输段对应的参考时段。

16、从气象平台提取各运输段所在参考时段内的预报天气信息，并与各运输段对应各参考历史运输段的天气信息进行对比，计算各运输段与相应参考历史运输段的相似度计算表达式为

17、式中表示为第i运输段与相应第j参考历史运输段的天气类型一致度，且的取值为0或1，wi、wj分别表示为第i运输段、第j参考历史运输段的天气表征程度值，i表示为当前商品订单的物流运输路线划分的运输段编号，i＝1,2,......,n，j表示为各运输段对应的参考历史运输段编号，j＝1,2,......,m，ti、tj分别表示为第i运输段、第j参考历史运输段的天气持续时长，e表示为自然常数。

18、将各运输段与相应参考历史运输段的相似度与设定阈值进行对比，进而从参考历史运输段中筛选出各运输段对应的有效历史运输段。

19、从历史物流运输记录中提取各运输段对应有效历史运输段的运输时长，作为各运输段对应的预计运输时长。

20、在一种可替换的实施方式中，所述基于发货时间点构成各运输段对应的参考时段具体参照下述方式：将各运输段按照运输由先到后的顺序进行排列。

21、以发货时间点为界，以设定时长构成排在首位运输段对应的参考时段，并以排在首位运输段对应时段中的截止时间点为界，以设定时长构成排在下一位运输段对应的参考时段，以此类推构成各运输段对应的参考时段。

22、在一种可替换的实施方式中，所述获取物流运输路线中各运输站点的预计到达时间具体参见下述方式：获取物流运输路线中运输站点的排列顺序。

23、将当前商品订单的发货时间点结合第1运输段的预计运输时长得到排在首位运输站点的预计到达时间，并将排在首位运输站点的预计到达时间结合下一运输段的预计运输时长，得到排在下一位运输站点的预计到达时间。

24、在一种可替换的实施方式中，所述判断是否存在预计失误参见下述方式：将各运输站点的实际到达时间与预计到达时间进行对比，计算各运输站点的到达时间趋近度,计算表达式为tk实际、tk预计分别表示为第k运输站点的实际到达时间、预计到达时间，式中k表示为当前商品订单对应物流运输路线中标记的运输站点编号，k＝1,2,......,z，δt表示为预先配置的到达时间限定差。

25、将各运输站点的到达时间趋近度与设置阈值进行对比，若某运输站点的到达时间趋近度小于设置阈值，则判断存在预计失误，并将该运输站点作为异常运输站点。

26、在一种可替换的实施方式中，所述对异常运输站点对应的运输时长预计失误指向进行分析包括下述步骤：依据异常运输站点确定异常运输段，进而提取异常运输段的运输速度和交通拥堵指数。

27、基于异常运输段从历史物流运输记录中提取异常运输段对应有效历史运输段的运输速度和交通拥堵指数。

28、将异常运输段的交通拥堵指数与异常运输段对应有效历史运输段的交通拥堵指数进行对比，计算异常运输段对应的运输路况符合度。

29、获取运输工具途经异常运输段的实际天气信息，并与异常运输段的预报天气信息进行对比，计算异常运输段的天气预报符合度。

30、将异常运输段对应的运输路况符合度、天气预报符合度与预设的限定运输路况符合度、限定天气预报符合度进行对比，若异常运输段对应的天气预报符合度小于限定天气预报符合度，则分析异常运输站点的运输时长预计失误指向为天气预报不准，若异常运输段对应的运输路况符合度小于限定运输路况符合度，则分析异常运输站点的运输时长预计失误指向为运输路况不符，若异常运输段对应的运输路况符合度大于或等于限定运输路况符合度，则将异常运输段的实际运输速度与有效历史运输段的运输速度进行对比，计算异常运输段对应的运输速度符合度，并与预设的限定运输速度符合度进行对比，若异常运输段对应的运输速度符合度小于限定运输速度符合度，则分析异常运输站点的运输时长预计失误指向为运输速度不符。

31、在一种可替换的实施方式中，所述依据异常运输站点确定异常运输段的实施方式为在当前商品订单的物流运输路线中选取以异常运输站点作为后运输站点的运输段作为异常运输段。

32、在一种可替换的实施方式中，所述从异常运输站点开始进行后续运输站点预计到达时间的更新分析具体操作过程如下：依据异常运输站点确定后续运输段，并将异常运输站点的实际到达时间结合后续运输段的预计运输时长更新得到后续运输站点的预计到达时间。

33、相较于现有技术，本发明的有益效果如下：(1)本发明通过基于当前商品订单的运输起点和运输终点确定物流运输路线，并将物流运输路线按照运输站点进行运输段划分，由此结合各运输段的预计运输时长得到各运输站点的预计到达时间，实现了商品预计到达时间的分段显示，相对于笼统化地显示方式，该显示方式更加细致具体，能够让消费者更加直观具象地了解下单商品整个物流运输过程的时间分配，从而最大限度满足对这方面具有要求的消费需求。

34、(2)本发明在分析各运输段的预计运输时长时是以历史物流运输数据作为分析依据，使得分析结果更加客观、真实，有利于提高分析结果的准确度，无形之中降低了预计失误的发生率。

35、(3)本发明在识别到商品送达时间存在预计失误时针对预计失误发生的运输站点进行预计失误指向分析，并将分析结果进行显示，便于消费者及时知晓预计失误的原因，大大提高了消费者对订单页面显示商品预计送达时间的信服感，进而最大限度维护了消费者对电商平台的忠诚度，避免对电商平台的留客率造成冲击，有利于电商平台的长远发展。