[发明专利]智能化调度农产品资源的方法和装置

说明书

本发明提供一种智能化调度农产品资源的方法和装置，其中，所述方法包括：发货目的地信息获取步骤，获取发货目的地信息；农产品信息获取步骤，分别获取农产品在产地的采购价格S和在发货目的地的日度价格P，以及农产品从产地到发货目的地的发货量R；运输路线和运输成本计算步骤，根据产地的地址和发货目的地的位置信息计算出最优运输路线，从而获得产地到发货目的地的运输距离d以及运输费用F；损耗信息获取步骤，获取农产品在发货目的地的销售货损比LT；以及最优发货目的地计算步骤，基于发货目的地信息、采购价格S、日度价格P、发货量R、距离d、运输费用F和销售货损比LT，根据目标函数确定所述农产品的最优发货目的地。

技术领域

本发明涉及大数据分析领域，具体地，涉及一种利用大数据智能 化调度农产品资源的方法和装置。

背景技术

在农产品流通的过程中，由于农产品存在易腐烂，易损坏，体积 大，生产地域分散等问题，并且分布在全国的各个大小批发市场费用 不尽相同，导致农产品行情同时受天气、季节等因素影响而波动较大。 在农产品上市后，如何合理调度农产品到市场的分配，如何调节产销 矛盾以提交经济效益和减少农产品损耗，是农产品流通中重要的一环。

现有技术中，已经提出了一些农产品资源调度的方法，然而存在 诸多缺陷。例如，已知一种农产品流通的价格指数的指导方法，其在 获得农产品的交易信息后，去除获得的农产品价格数据中的最高值和 最低值，并求取剩余数据的平均值。进一步的，设置上下限的阈值百 分比，并且清除阈值之外的数据，并且将经过上述处理后的价格数据 用来计算价格指数。

在上述价格指数的指导方法中，只考虑价格因素，而没有考虑到 例如物流、市场费用、货损等诸多影响价格变化的因素。并且在上述 价格指数的计算过程中，设置阈值以对数据进行过滤，然而实际应用 中，类似白菜这样的品类，即使价格波动较小也会造成百分比变化较 大，从而导致阈值过滤后的价格不能反映真实情况。此外，在该指导 方法中，需要人工设置直接影响价格指数的基期价格，而不合理的基 期价格会对结果产生较大的影响，然而该方法中缺少评估基期价格是 否合理的方法。

此外，还已知一种农产品市场价格的预警管理系统，其在收集农 产品的价格数据后，利用采用时间、地域、农产品、风险监测线性回 归模型(logistic(逻辑回归)模型)和Apriori算法的大数据分析模型， 来预测农产品的价格并进行风险检测。

然而，在该预警管理系统中，logistic模型只能预测农产品价格是 否涨跌，并不能预测农产品价格的涨跌幅。而且，由于农产品价格变 化具有周期性，单纯使用logistic模型预测的结果准确度也不高。

发明内容

为了解决上述技术问题，例如前文描述的现有技术中的数据处理 精度低、参数设置不合理、结果准确度低等技术问题，本发明提出了 一种基于农业大数据和机器学习来调度农产品资源的方法和装置，以 在综合考虑多种因素的前提下智能化地将农产品调度到最优发货目的 地(发货市场)。

根据本发明的智能化调度农产品资源的方法和装置能够综合多个 维度的数据，使用农业大数据和机器学习计算出决定发货目的地市场 的目标函数的最大值，以确定上市农产品的最优发货市场，并实现农 产品的智能化调度。因此，能够提高目标函数计算的准确性，使得计 算出的结果更加符合实际情况，从而优化农产品调度，调节产销矛盾， 减少农产品损耗，提高经济效益。

根据本发明的第一方面，提供一种智能化调度农产品资源的方法， 其特征在于，所述方法包括：

发货目的地信息获取步骤，获取发货目的地信息，所述发货目的 地信息包括所述发货目的地的位置信息和所述发货目的地的费用信 息；

农产品信息获取步骤，分别获取所述农产品在产地的采购价格S 和在所述发货目的地的日度价格P，以及所述农产品从所述产地到所述 发货目的地的发货量R；