本發(fā)明涉及物流管理領(lǐng)域，尤其涉及一種物流配送運(yùn)力調(diào)控系統(tǒng)。

背景技術(shù)：

1、物流管理（logistics?management），是指在社會(huì)再生產(chǎn)過(guò)程中，根據(jù)物質(zhì)資料實(shí)體流動(dòng)的規(guī)律，應(yīng)用管理的基本原理和科學(xué)方法，對(duì)物流活動(dòng)進(jìn)行計(jì)劃、組織、指揮、協(xié)調(diào)、控制和監(jiān)督，使各項(xiàng)物流活動(dòng)實(shí)現(xiàn)最佳的協(xié)調(diào)與配合，以降低物流成本，提高物流效率和經(jīng)濟(jì)效益。物流供應(yīng)鏈活動(dòng)的一部分，是為了滿足客戶需要面對(duì)商品、服務(wù)以及相關(guān)信息從產(chǎn)地到消費(fèi)地的高效、低成本流動(dòng)和儲(chǔ)存進(jìn)行的規(guī)劃、實(shí)施與控制的過(guò)程。而物流是指利用現(xiàn)代信息技術(shù)和設(shè)備，實(shí)現(xiàn)合理化服務(wù)模式和先進(jìn)的服務(wù)流程。

2、當(dāng)前的物流管理仍存在細(xì)致化的管理升級(jí)空間。例如，當(dāng)前仍無(wú)法有效獲取設(shè)定快遞配送公司在當(dāng)前時(shí)間分段針對(duì)當(dāng)前街區(qū)的配送單數(shù)的預(yù)測(cè)值，導(dǎo)致無(wú)法確定當(dāng)前時(shí)間分段是否派送人員不足而需要在當(dāng)前時(shí)間分段調(diào)配外包人員，從而或者無(wú)法保證了每一時(shí)間分段的配送單的派發(fā)效率，或者因?yàn)榉峙溥^(guò)多派送人員而造成人員成本和經(jīng)濟(jì)成本的不必要的上升。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述問(wèn)題，本發(fā)明提供了一種物流配送運(yùn)力調(diào)控系統(tǒng)，能夠采用人工智能模型智能預(yù)測(cè)設(shè)定快遞配送公司在當(dāng)前時(shí)間分段針對(duì)當(dāng)前街區(qū)的配送單數(shù)的預(yù)測(cè)值，并在設(shè)定快遞配送公司在當(dāng)前時(shí)間分段的配送單數(shù)的預(yù)測(cè)值超過(guò)設(shè)定快遞配送公司在預(yù)設(shè)時(shí)間長(zhǎng)度的配送單數(shù)閾值時(shí)，向遠(yuǎn)端的城市人力管理節(jié)點(diǎn)發(fā)送針對(duì)當(dāng)前時(shí)間分段的外包人員調(diào)配請(qǐng)求，其中，預(yù)設(shè)時(shí)間長(zhǎng)度越長(zhǎng)，預(yù)設(shè)時(shí)間長(zhǎng)度的配送單數(shù)閾值越大，從而保證了每一時(shí)間分段的配送單的派發(fā)效率，其中，執(zhí)行配送單數(shù)預(yù)測(cè)的人工智能模型為前饋神經(jīng)網(wǎng)絡(luò)模型，所述前饋神經(jīng)網(wǎng)絡(luò)模型為完成多次訓(xùn)練操作后的前饋神經(jīng)網(wǎng)絡(luò)，前饋神經(jīng)網(wǎng)絡(luò)訓(xùn)練操作的次數(shù)與設(shè)定快遞配送公司在當(dāng)前街區(qū)的活躍用戶數(shù)量單調(diào)正向關(guān)聯(lián)，從而為不同快遞配送公司針對(duì)性設(shè)計(jì)不同結(jié)構(gòu)的人工智能模型，以及還引入多項(xiàng)基礎(chǔ)數(shù)據(jù)用于參與設(shè)定快遞配送公司在當(dāng)前時(shí)間分段針對(duì)當(dāng)前街區(qū)的配送單數(shù)的預(yù)測(cè)，所述多項(xiàng)基礎(chǔ)數(shù)據(jù)涉及當(dāng)前街區(qū)的居民數(shù)量、當(dāng)前街區(qū)的各項(xiàng)配置內(nèi)容、當(dāng)前時(shí)間分段的預(yù)設(shè)時(shí)間長(zhǎng)度、設(shè)定快遞配送公司在當(dāng)前時(shí)間分段之前過(guò)往時(shí)間分段的配送單數(shù)以及設(shè)定快遞配送公司在當(dāng)天之前過(guò)往各天分別對(duì)應(yīng)的各份配送單數(shù)，從而保證了預(yù)測(cè)結(jié)果的有效性和穩(wěn)定性。

2、根據(jù)本發(fā)明，提供了一種物流配送運(yùn)力調(diào)控系統(tǒng)，所述系統(tǒng)包括：

3、內(nèi)容提取機(jī)構(gòu)，用于獲取設(shè)定快遞配送公司針對(duì)當(dāng)前街區(qū)的各項(xiàng)配置內(nèi)容，所述設(shè)定快遞配送公司針對(duì)當(dāng)前街區(qū)的各項(xiàng)配置內(nèi)容為所述設(shè)定快遞配送公司在當(dāng)前街區(qū)設(shè)置的配送人員數(shù)量、在當(dāng)前街區(qū)的活躍用戶數(shù)量、當(dāng)前街區(qū)的地理面積以及為當(dāng)前街區(qū)提供配送服務(wù)的商家總數(shù)；

4、數(shù)據(jù)采集機(jī)構(gòu)，用于獲取設(shè)定快遞配送公司在當(dāng)前時(shí)間分段之前過(guò)往時(shí)間分段的配送單數(shù)以及獲取設(shè)定快遞配送公司在當(dāng)天之前過(guò)往各天分別對(duì)應(yīng)的各份配送單數(shù)；

5、次序組建機(jī)構(gòu)，用于對(duì)前饋神經(jīng)網(wǎng)絡(luò)次序執(zhí)行多次訓(xùn)練操作以獲得完成多次訓(xùn)練操作后的前饋神經(jīng)網(wǎng)絡(luò)，并將完成多次訓(xùn)練操作后的前饋神經(jīng)網(wǎng)絡(luò)作為前饋神經(jīng)網(wǎng)絡(luò)模型輸出，所述前饋神經(jīng)網(wǎng)絡(luò)訓(xùn)練操作的次數(shù)與所述設(shè)定快遞配送公司在當(dāng)前街區(qū)的活躍用戶數(shù)量單調(diào)正向關(guān)聯(lián)；

6、定向預(yù)測(cè)設(shè)備，分別與所述內(nèi)容提取機(jī)構(gòu)、所述數(shù)據(jù)采集機(jī)構(gòu)以及所述次序組建機(jī)構(gòu)連接，用于將當(dāng)前街區(qū)的居民數(shù)量、當(dāng)前街區(qū)的各項(xiàng)配置內(nèi)容、當(dāng)前時(shí)間分段的預(yù)設(shè)時(shí)間長(zhǎng)度、設(shè)定快遞配送公司在當(dāng)前時(shí)間分段之前過(guò)往時(shí)間分段的配送單數(shù)以及設(shè)定快遞配送公司在當(dāng)天之前過(guò)往各天分別對(duì)應(yīng)的各份配送單數(shù)作為前饋神經(jīng)網(wǎng)絡(luò)模型的逐項(xiàng)輸入信息，以運(yùn)行前饋神經(jīng)網(wǎng)絡(luò)模型，獲得前饋神經(jīng)網(wǎng)絡(luò)模型輸出的設(shè)定快遞配送公司在當(dāng)前時(shí)間分段針對(duì)當(dāng)前街區(qū)的配送單數(shù)的預(yù)測(cè)值；

7、人員調(diào)配設(shè)備，與所述定向預(yù)測(cè)設(shè)備連接，用于在接收到的設(shè)定快遞配送公司在當(dāng)前時(shí)間分段的配送單數(shù)的預(yù)測(cè)值超過(guò)設(shè)定快遞配送公司在預(yù)設(shè)時(shí)間長(zhǎng)度的配送單數(shù)閾值時(shí)，向遠(yuǎn)端的城市人力管理節(jié)點(diǎn)發(fā)送針對(duì)當(dāng)前時(shí)間分段的外包人員調(diào)配請(qǐng)求；

8、其中，人員調(diào)配設(shè)備，與所述定向預(yù)測(cè)設(shè)備連接，用于在接收到的設(shè)定快遞配送公司在當(dāng)前時(shí)間分段的配送單數(shù)的預(yù)測(cè)值超過(guò)設(shè)定快遞配送公司在預(yù)設(shè)時(shí)間長(zhǎng)度的配送單數(shù)閾值時(shí)，向遠(yuǎn)端的城市人力管理節(jié)點(diǎn)發(fā)送針對(duì)當(dāng)前時(shí)間分段的外包人員調(diào)配請(qǐng)求包括：預(yù)設(shè)時(shí)間長(zhǎng)度越長(zhǎng)，預(yù)設(shè)時(shí)間長(zhǎng)度的配送單數(shù)閾值越大；

9、其中，所述人員調(diào)配設(shè)備還用于在接收到的設(shè)定快遞配送公司在當(dāng)前時(shí)間分段的配送單數(shù)的預(yù)測(cè)值未超過(guò)設(shè)定快遞配送公司在預(yù)設(shè)時(shí)間長(zhǎng)度的配送單數(shù)閾值時(shí)，暫緩向遠(yuǎn)端的城市人力管理節(jié)點(diǎn)發(fā)送針對(duì)當(dāng)前時(shí)間分段的外包人員調(diào)配請(qǐng)求。

10、由此可見(jiàn)，本發(fā)明至少具有以下三個(gè)重要發(fā)明點(diǎn)：

11、首先：采用人工智能模型智能預(yù)測(cè)設(shè)定快遞配送公司在當(dāng)前時(shí)間分段針對(duì)當(dāng)前街區(qū)的配送單數(shù)的預(yù)測(cè)值，并在設(shè)定快遞配送公司在當(dāng)前時(shí)間分段的配送單數(shù)的預(yù)測(cè)值超過(guò)設(shè)定快遞配送公司在預(yù)設(shè)時(shí)間長(zhǎng)度的配送單數(shù)閾值時(shí)，向遠(yuǎn)端的城市人力管理節(jié)點(diǎn)發(fā)送針對(duì)當(dāng)前時(shí)間分段的外包人員調(diào)配請(qǐng)求，其中，預(yù)設(shè)時(shí)間長(zhǎng)度越長(zhǎng)，預(yù)設(shè)時(shí)間長(zhǎng)度的配送單數(shù)閾值越大，從而保證了每一時(shí)間分段的配送單的派發(fā)效率；

12、其次：執(zhí)行配送單數(shù)預(yù)測(cè)的人工智能模型為前饋神經(jīng)網(wǎng)絡(luò)模型，所述前饋神經(jīng)網(wǎng)絡(luò)模型為完成多次訓(xùn)練操作后的前饋神經(jīng)網(wǎng)絡(luò)，前饋神經(jīng)網(wǎng)絡(luò)訓(xùn)練操作的次數(shù)與設(shè)定快遞配送公司在當(dāng)前街區(qū)的活躍用戶數(shù)量單調(diào)正向關(guān)聯(lián)，從而為不同快遞配送公司針對(duì)性設(shè)計(jì)不同結(jié)構(gòu)的人工智能模型；

13、再次：引入多項(xiàng)基礎(chǔ)數(shù)據(jù)用于參與設(shè)定快遞配送公司在當(dāng)前時(shí)間分段針對(duì)當(dāng)前街區(qū)的配送單數(shù)的預(yù)測(cè)，所述多項(xiàng)基礎(chǔ)數(shù)據(jù)涉及當(dāng)前街區(qū)的居民數(shù)量、當(dāng)前街區(qū)的各項(xiàng)配置內(nèi)容、當(dāng)前時(shí)間分段的預(yù)設(shè)時(shí)間長(zhǎng)度、設(shè)定快遞配送公司在當(dāng)前時(shí)間分段之前過(guò)往時(shí)間分段的配送單數(shù)以及設(shè)定快遞配送公司在當(dāng)天之前過(guò)往各天分別對(duì)應(yīng)的各份配送單數(shù)，從而保證了預(yù)測(cè)結(jié)果的有效性和穩(wěn)定性。

技術(shù)特征：

1.一種物流配送運(yùn)力調(diào)控系統(tǒng)，其特征在于，所述系統(tǒng)包括：

2.如權(quán)利要求1所述的物流配送運(yùn)力調(diào)控系統(tǒng)，其特征在于：

3.如權(quán)利要求2所述的物流配送運(yùn)力調(diào)控系統(tǒng)，其特征在于，所述系統(tǒng)還包括：

4.如權(quán)利要求3所述的物流配送運(yùn)力調(diào)控系統(tǒng)，其特征在于：

5.如權(quán)利要求4所述的物流配送運(yùn)力調(diào)控系統(tǒng)，其特征在于：

6.如權(quán)利要求5所述的物流配送運(yùn)力調(diào)控系統(tǒng)，其特征在于：

7.如權(quán)利要求2所述的物流配送運(yùn)力調(diào)控系統(tǒng)，其特征在于，所述系統(tǒng)還包括：

8.如權(quán)利要求7所述的物流配送運(yùn)力調(diào)控系統(tǒng)，其特征在于：

9.如權(quán)利要求8所述的物流配送運(yùn)力調(diào)控系統(tǒng)，其特征在于：

技術(shù)總結(jié)
本發(fā)明涉及一種物流配送運(yùn)力調(diào)控系統(tǒng)，包括：定向預(yù)測(cè)設(shè)備，用于基于當(dāng)前街區(qū)的居民數(shù)量、當(dāng)前街區(qū)的各項(xiàng)配置內(nèi)容、當(dāng)前時(shí)間分段的預(yù)設(shè)時(shí)間長(zhǎng)度、設(shè)定快遞配送公司在當(dāng)前時(shí)間分段之前過(guò)往時(shí)間分段的配送單數(shù)以及在當(dāng)天之前過(guò)往各天分別對(duì)應(yīng)的各份配送單數(shù)采用前饋神經(jīng)網(wǎng)絡(luò)模型智能解析當(dāng)前時(shí)間分段當(dāng)前街區(qū)的配送單數(shù)的預(yù)測(cè)值；人員調(diào)配設(shè)備，用于預(yù)測(cè)值超限時(shí)，發(fā)送外包人員調(diào)配請(qǐng)求。通過(guò)本發(fā)明，能夠有效獲取設(shè)定快遞配送公司在當(dāng)前時(shí)間分段針對(duì)當(dāng)前街區(qū)的配送單數(shù)的預(yù)測(cè)值，并在確定當(dāng)前時(shí)間分段派送人員相對(duì)于預(yù)測(cè)值不足時(shí)，請(qǐng)求為當(dāng)前時(shí)間分段調(diào)配外包人員，從而兼顧了派送效率和運(yùn)營(yíng)成本。

技術(shù)研發(fā)人員：許穎,蔣奇遇,李運(yùn)達(dá)
受保護(hù)的技術(shù)使用者：南京及金施科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9