[发明专利]基于大数据分析的冷链物流跟踪与溯源处理方法及大数据云平台

权利要求书

1.基于大数据分析的冷链物流跟踪与溯源处理方法，其特征在于：该基于基于大数据分析的冷链物流跟踪与溯源处理方法在具体实施过程中需要用到一种基于大数据分析的冷链物流跟踪与溯源处理系统，该基于大数据分析的冷链物流跟踪与溯源处理系统包括生鲜产品订单信息获取模块、物流运输路线确定模块、运输段运输人员信息统计模块、运输段路面类型获取模块、运输段环境参数采集模块、运输数据库、人工输入模块、运输段预计运输时长统计模块、运输段实际运输时长统计模块、运输时长对比分析模块、管理服务器和物流溯源终端；

所述生鲜产品订单信息获取模块用于对下单的生鲜产品订单信息进行获取，其中订单信息包括商家名称、商家发货地址、收货方名称和收货方地址，并将获取的下单生鲜产品的订单信息存储在订单信息库中；

所述物流运输路线确定模块用于提取订单信息库中商家发货地址和收货方地址，进而根据商家发货地址和收货方地址确定物流运输路线，并统计该物流运输路线中存在的中转站个数，各中转站将该物流运输路线划分为若干运输段，以此将各运输段按照预设的顺序进行编号，分别标记为1,2...j...m，同时统计各运输段的距离，构成运输段距离集合S(S1,S2,...,Sj,...,Sm)，Sj表示为第j个运输段的距离，物流运输路线确定模块将运输段距离集合发送至运输段预计运输时长统计模块；

所述运输段运输人员信息统计模块用于统计各运输段的运输人员信息，并发送至管理服务器；

所述运输段路面类型获取模块用于对划分的各运输段获取路面类型，并将各运输段的路面类型发送至运输段预计运输时长统计模块；

所述运输段环境参数采集模块包括若干环境参数采集终端，用于采集各运输段的环境参数，其中环境参数包括风向、风速和雾浓度，并将采集的各运输段的环境参数构成运输段环境参数集合Q_w^d(q_w^d1,q_w^d2,...,q_w^dj,...,q_w^dm)，q_w^dj表示为第d个运输段的第w个环境参数对应的数值，w表示为环境参数，w＝p1,p2,p3,p1,p2,p3分别表示为风向、风速、雾浓度，运输段环境参数采集模块将运输段环境参数集合发送至运输段预计运输时长统计模块；

所述人工输入模块用于获取物流运输车的行驶方向和平均行驶速度，并发送至运输段预计运输时长统计模块；

所述运输段预计运输时长统计模块用于接收物流运输路线确定模块发送的运输段距离集合，接收运输段路面类型获取模块发送的各运输段对应的路面类型，接收运输段环境参数采集模块发送的运输段环境参数集合，并接收人工输入模块发送的物流运输车的行驶方向和平均行驶速度，进而统计各运输段对应的预计运输时长，其具体统计方法包括以下几个步骤：

H1.标准运输时长统计：根据物流运输车的平均行驶速度和运输段距离集合统计各运输段的标准运输时长；

H2.运输段影响系数统计：从运输段环境参数集合中提取各运输段对应的风向，以此将物流运输车的行驶方向与各运输段对应的风向进行对比，若某运输段对应的风向与物流运输车的行驶方向同向，则表明该运输段为顺风运输段，并统计各顺风运输段的编号，再根据各顺风运输段的编号从运输段环境参数集合中提取各顺风运输段对应的风速，进而将各顺风运输段对应的风速与运输数据库中各顺风影响系数对应的风速进行对比，筛选得出各顺风运输段对应的顺风影响系数，若某运输段对应的风向与物流运输车的行驶方向相反，则表明该运输段为逆风运输段，并统计各逆风运输段的编号，再根据各逆风运输段的编号从运输段环境参数集合中提取各逆风运输段对应的风速，进而将各逆风运输段对应的风速与运输数据库中各逆风影响系数对应的风速进行对比，筛选得出各逆风运输段对应的逆风影响系数，其中顺风影响系数和逆风影响系数均记为风向影响系数，此时提取运输段环境参数集合中各运输段对应的雾浓度，并将其与运输数据库中各雾等级对应的雾浓度进行对比，由此得到各运输段的雾浓度对应的雾等级，以此将各运输段的雾浓度对应的雾等级与运输数据库中各种雾等级对应的雾影响系数进行对比，筛选各运输段对应的雾影响系数，此时再将各运输段对应的路面类型和物流运输车的平均行驶速度与运输数据库中各行驶速度情况下各路面类型对应的路面摩擦阻力系数；

H3.预计运输时长统计：根据各运输段的标准运输时长、各运输段的风向影响系数、各运输段的雾影响系数和各运输段的路面摩擦阻力系数统计各运输段的预计运输时长，并发送至运输时长对比分析模块；

所述运输段实际运输时长统计模块包括计时器，其放置在物流运输车上，用于跟踪统计物流运输车在各运输段对应的实际运输时长，并发送至运输时长对比分析模块；

所述运输时长对比分析模块分别接收运输段预计运输时长统计模块发送的各运输段的预计运输时长和运输段实际运输时长统计模块发送的各运输段对应的实际运输时长，进而将各运输段对应的实际运输时长与各运输段的预计运输时长进行一一对比，以此统计各运输段对应的运输效率系数，并将各运输段对应的运输效率系数与预设的最小运输效率系数进行对比，若某运输段的运输效率系数小于预设的最小运输效率系数，则该运输段存在运输效率低下现象，该运输段记为运输效率低下运输段，此时统计运输效率低下运输段的编号，并发送至管理服务器；

所述管理服务器接收运输时长对比分析模块发送的运输效率低下运输段编号，并接收运输段运输人员信息统计模块发送的各运输段的运输人员信息，进而根据运输效率低下运输段编号从各运输段的运输人员信息中获取运输效率低下运输段对应的运输人员信息，以此将运输效率低下运输段对应的运输人员信息发送至物流溯源终端；

所述物流溯源终端接收管理服务器发送的运输效率低下运输段对应的运输人员信息，并联系对应的运输人员，得到其运输效率低下的原因，进而进行针对性处理。

采用该基于大数据分析的冷链物流跟踪与溯源处理系统进行冷链物流跟踪与溯源处理的方法包括以下步骤：

S1.生鲜产品订单信息获取：获取下单生鲜产品的订单信息；

S2.物流运输路线确定：根据商家发货地址和收货方地址确定物流运输路线，并统计该物流运输路线中存在的中转站个数，进而将物流运输路线划分为若干运输段，同时构建运输段距离集合；

S3.运输段运输人员信息统计：统计各运输段的运输人员信息；

S4.运输段路面类型获取：获取各运输段获取路面类型；

S5.运输段环境参数采集：采集各运输段的环境参数；

S6.物流运输行驶参数获取：获取物流运输车的行驶方向和平均行驶速度；

S7.运输段预计运输时长统计：统计各运输段的标准运输时长，并根据运输段环境参数和运输段路面类型统计风向影响系数、各运输段的雾影响系数和各运输段的路面摩擦阻力系数，进而以此统计各运输段预计运输时长；

S8.运输段实际运输时长统计：统计物流运输车在各运输段对应的实际运输时长；

S9.运输时长对比分析：将各运输段对应的实际运输时长与各运输段的预计运输时长进行一一对比，并统计各运输段对应的运输效率系数，以此筛选出运输效率低下运输段的编号及对应的运输人员信息；

S10.物流溯源：对运输效率低下运输段对应的运输效率低下的原因进行针对性处理。