CN119204382B 一种基于大数据的物流轨迹预测优化系统及方法 （创兴世纪(深圳)跨境网络技术有限公司）

道南坑社区雅宝路1号星河WORLDG-2一种基于大数据的物流轨迹预测优化系统本申请提供一种基于大数据的物流轨迹预特征评分对各个物流轨迹分别对应的信息素综的行驶偏好特征评分对最优路径推送轨迹进行2基于所述天气数据、所述时间数据和所述交通流数据，采用蚁根据各个物流轨迹分别对应的信息素综合浓度进行最优路径轨迹基于所述行驶偏好特征评分对各个物流轨迹分别对于校正后的信息素综合浓度对最优路径轨迹获取物流运输过程中的车辆在各个城市路段分别对应的平均行驶速率和基于城市路段分别对应的城市路段标签、所述平均行驶速率获取目标物流运输区域的各个城市路段并进行标签分类基于所述行驶偏好特征评分对各个物流轨迹分别对应的信息素综合浓度进行校正具基于预设的映射表对各个城市路段标签分别对应的行驶偏好特征评分进根据各个城市路段标签分别对应的信息素衰减率对不同的城市路段类型的信息素局其中，采用蚁群算法对物流轨迹进行综合预测，得对所述天气数据、所述时间数据和所述交通流数据进行数值归一化对目标物流运输区域的城市地图进行路段剪枝，得到各个城市路段，根据所述信息素权重值定义蚁群算法的启发信息，根据所述启发持续进行多轮路径选择和城市路段的信息素局部更新，通过多轮迭代3个物流轨迹分别对应的信息素综合浓度进行最优路径轨迹对各个物流轨迹分别对应的信息素综合浓度进行归一化，并将高于后根据各个城市路段对应的信息素局部赋值重新确定各个物流轨迹分别对应的信息素综正后的信息素综合浓度对最优路径轨迹推送进行获取校正后各个物流轨迹分别对应的信息素综合浓度并进行归6.一种基于大数据的物流轨迹预测优化系统，用所述物流轨迹预测模块，还用于根据各个物流轨迹分别对应的信息素所述物流轨迹预测模块，还用于基于所述行驶偏好特征评分对各个物4[0009]基于所述行驶偏好特征评分对各个物流轨迹分别对应的信息素综合浓度进行校5n为蚁群算法的启发信息，L,为第n个城市路段长度，N为城市路段总数，[0022]获取目标物流运输区域的各个城市路段并进行标签分类，得到各个城市路段标[0023]获取物流运输过程中的车辆在各个城市路段分别对应的平均行驶速率和速率标个城市路段标签之前还包括：通过在线地图服务API获取目标物流运输区域内所有城市路[0028]基于预设的映射表对各个城市路段标签分别对应的行驶[0029]根据各个城市路段标签分别对应的信息素衰减率对不同的城市路段类型的信息6[0043]图2是根据本申请提供的采用蚁群算法对物流轨迹进行综合预测的示例性流程7流轨迹进行综合预测的示例性流程图，本实施例中采用蚁群算法对物流轨迹进行综合预[0056]在步骤S21中，对所述天气数据、所述时间数据和所述交通流数据进行数值归一[0057]在步骤S22中，对目标物流运输区域的城市地图进行路段剪枝，得到各个城市路8n为蚁群算法的启发信息，L,为第n个城市路段长度，N为城市路段总数，[0069]在本实施例中，对选择过的城市路段的信息素初始赋值9轨迹的信息素综合浓度为全部城市路段对应的局部信息素赋轨迹分别对应的信息素综合浓度归一化后的均值作为所述归[0080]获取目标物流运输区域的各个城市路段并进行标签分类，得到各个城市路段标[0081]获取物流运输过程中的车辆在各个城市路段分别对应的平均行驶速率和速率标率标准差进行路况评分的过程中，城市路段标签对应的路况评分=预设的基础评分＋速率权重系数×城市路段标签对应的全部城市路段的平均行驶速率＋标准差权重系数×城市路段标签对应的全部城市路段的速率标准差。[0085]需要说明的是，集成行驶偏好特征评分的预测推送系统能随时适应实时的天气、[0089]基于预设的映射表对各个城市路段标签分别对应的行驶[0090]根据各个城市路段标签分别对应的信息素衰减率对不同的城市路段类型的信息Ar,为第a个城市路段对应的信息素环境偏差参考量。度＝物流轨迹内的各个城市路段对应的信息素局部赋[0102]物流轨迹预测模块200，用于基于所述天气数据、所述时间数据和所述交通流数[0103]所述物流轨迹预测模块200，还用于根据各个物流轨迹分别对应的信息素综合浓[0104]所述物流轨迹预测模块200，还用于基于所述行驶偏好特征评分对各个物流轨迹在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指[0106]本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一种计算机可读存储介质中，存timeProgrammableRead_OnlyMemory，OTPROM）、电子