-
公开(公告)号：CN106327138A
公开(公告)日：2017-01-11
申请号：CN201610976126.1
申请日：2016-11-07
Applicant: 南京大学
IPC: G06Q10/08
CPC classification number: G06Q10/0834
Abstract: 本发明公开了本发明公开一种基于大数据分析的船舶承运人资质评价方法，选取能够全面、客观反映船舶承运人承运资质的信用指标，建立资质评估指标体系；基于指标关联和同类因素归并全面、系统分析船舶承运人会员的承运服务，得到船舶承运人承运交易资质的等级排序，并以船舶承运人承运关联度将其分类。资质评估指标体系更好地将承运数据量化为船舶承运人的承运资质，船舶承运人会员的排序分类可以有效解决货主对承运人的资质评估问题，并作出满足自己承运需求的选择，从而降低水路货运市场的风险波动，提高运输质量。
-
公开(公告)号：CN104463548A
公开(公告)日：2015-03-25
申请号：CN201410822197.7
申请日：2014-12-25
Applicant: 南京大学
Abstract: 本发明公开一种多因素影响下的承运量化选择方法，该发明基于智慧服务评分机制(Smart Service Rating)对承运人进行综合量化评分，再结合AHP层次分析法的指标权重划分方法定量确定各指标权重，充分考虑承运人服务态度、车辆的承运次数、车辆承运时的出险次数等多个影响信任关系度量指标，较好地处理了以物流运输为交易对象的电子商务平台合理客观科学地评定承运人选用的问题，使得平台货主能够合理判断待选承运人的综合情况，并做出符合自己承运需求的选择，从而降低承运风险，提供承运效率。
-
公开(公告)号：CN116308013A
公开(公告)日：2023-06-23
申请号：CN202211096292.4
申请日：2022-09-08
Applicant: 南京大学
IPC: G06Q10/0834 , G06F16/9535 , G06Q50/30
Abstract: 本发明涉及一种基于评价标签的网络货运平台车辆推荐方法及装置，在货主发起订单时，首先根据货主历史交易记录中已存储的评价标签生成标签集，根据当前符合货种运输要求和车型等硬性的车辆生成待推荐车辆集，然后通过评分判别式分别计算每辆待推荐车辆在货主标签集下的总得分并在推荐集中将所有待推荐车辆按总得分降序排列，最终将推荐集结果返回货主端，实现基于货主历史交易评价行为的个性化车辆推荐。
-
公开(公告)号：CN108805481B
公开(公告)日：2021-10-26
申请号：CN201810350655.X
申请日：2018-04-18
Applicant: 南京大学
IPC: G06Q10/08
Abstract: 本发明涉及一种货运拼车末端的货物配送方法，包括如下步骤：从拼车数据库中提取配送信息；对承运单位的运力进行统筹；测算转运点服务范围收货人距离转运点的实际道路距离；根据配送信息、承运单位的运力能力和实际道路距离制定出货物配送的初始方案；根据初始方案，优化其运输成本，重新规划配送方案得出一阶方案；根据一阶方案，加入收货点连线规则，得出二阶方案；将一阶方案和二阶方案进行比较，选择运输效率最高配送方案作为转运点对于本次拼车货物的最终配送方案。该方法既能够在限制因素下优化配送路径且能够提高货物配送运输效率。
-
公开(公告)号：CN106774063B
公开(公告)日：2019-05-03
申请号：CN201611140227.1
申请日：2016-12-12
Applicant: 南京大学
IPC: G05B19/048
Abstract: 本发明公开了一种用于货运车辆实时在途监控与预警的方法，包括如下步骤：1、收集货运安全相关因素并选取实时监控指标，根据影响在途货物安全因素中选取相关指标；2、通过实时监控单元进行实时数据收集；3、通过监控数据处理单元进行数据整理；4、通过计算各指标在不同时刻的比重、各指标的熵值、各指标的差异系数和各指标在不同时刻的权重，从而得到某个时刻的所有指标的总得分；5、通过计算相邻时刻的得分差值的绝对值以及得到的新的数据的均值和标准差得出移动的控制线，并对于超出控制线的时刻发出警报。本发明有利于明确货物受损后的责任追究，及时进行保险处理，确保货主的经济损失最小化，并有针对性的进行货物运输投保。
-
Patent Agency Ranking
公开(公告)号：CN109685410A
公开(公告)日：2019-04-26
申请号：CN201811366290.6
申请日：2018-11-16
Applicant: 南京大学
IPC: G06Q10/08
CPC classification number: G06Q10/083
Abstract: 本发明公开了一种针对轻泡型货物运输的拼车方法，包括如下步骤：1、收集并校验货主在平台上发布的拼车信息；2、提取轻泡型货物信息，形成轻泡货物集，并分类；3、将每条拼车信息分为静态信息和动态信息；4、从平台运行数据库中提取车辆信息，并分类；5、将每条车主信息分为静态信息和动态信息；6、根据拼车信息中的静态信息和动态信息智能匹配合适的拼车货主，生成最优拼车方案；7、将步骤六中生成的拼车方案与步骤七中的费用信息智能推送给符合条件的车主；8、计算各货主拼车费用；9、拼车成功，开始拼车；本发明针对车主既能够在限制因素内拼车成功并节省货主的运输费用，又可以提高司机的装载率的货运用拼车平台的拼车方法。
-
公开(公告)号：CN109409613A
公开(公告)日：2019-03-01
申请号：CN201811365765.X
申请日：2018-11-16
Applicant: 南京大学
Abstract: 本发明公开了一种基于物流运力团购车货匹配优化方法，包括如下步骤：货主大宗货物信息的发布效验及向平台发布货物运输请求；电子商务平台接收运输请求，生成物流运力团购信息；平台将物流运力团购信息发布并推送到车主的移动终端设备；车主通过移动终端设备对该团购信息进行抢购下单；电子商务平台收集下单车主信息和货主信息进行智能匹配，生成物流运力团购方案；将团购方案推送至符合车主的移动终端设备，车主确认；计算各车主的运输费用及货主的总费用；车主开始运送货物；本发明设立科学的车货智能匹配模型，提高公路货运运输效率和降低了货主的时间成本和经济成本；本发明既可以保障高效率的物流运力团购的实行，又可以提高司机的揽货率。
-
公开(公告)号：CN106897461A
公开(公告)日：2017-06-27
申请号：CN201710156855.7
申请日：2017-03-16
Applicant: 南京大学
CPC classification number: G06F16/285 , G06Q10/0838 , G06Q30/01
Abstract: 本发明公开了一种基于RFMW模型的货主会员等级评价方法，利用RFMW模型抽取会员特征值：与上次交易的时间间隔R，时间T内发生总业务数F，时间T内托运交易总金额M，时间T内托运总吨数W；并将模型计算所得数据通过聚类分析将货主会员分为三类，1类为低级货主会员，2类为中级货主会员，3类为高级货主会员。RFMW模型，是基于RFM模型划分货主会员的顾客价值的模型，可以精准获取、识别、细分货主会员的顾客价值；依托聚类分析，对不同层次的货主进行K‑均值聚类分析，将结果转化为直观的图表形式，可更好地进行目标市场细分，对不同的客户进行不同的激励措施。
-
公开(公告)号：CN106709838A
公开(公告)日：2017-05-24
申请号：CN201611086904.6
申请日：2016-12-01
Applicant: 南京大学
IPC: G06Q50/26
CPC classification number: G06Q50/26
Abstract: 本发明公开了本发明公开一种公路货运安全驾驶测评系统，包括三个模块，分别为数据模块、判定运算模块和显示模块。本发明所述的测评方法，包括1、采集数据，并将采集到的数据分为A类数据和B类数据；2、将A类数据和B类数据分别进行Ⅰ、Ⅱ两类等级判定运算，其中Ⅰ类等级判定运算后得分记为T1，其中Ⅱ类等级判定运算后得分记为T2；3、将得到的T1与T2分别记为原始分数，并将数据进行保存，并保存至历史数据库，并将该历史数据库通过货运公司内部系统存储；4、在原始分数的基础上进行等级排序，并将等级进行结果输出。本发明能够针对公路货运驾驶安全问题，同时能够更好的了解并监控达到安全驾驶目的。
-
公开(公告)号：CN106709688A
公开(公告)日：2017-05-24
申请号：CN201710001629.1
申请日：2017-01-03
Applicant: 南京大学
IPC: G06Q10/08
CPC classification number: G06Q10/083
Abstract: 本发明公开了一种货运用拼车平台的拼车方法，包括如下步骤：1、货主拼车信息的发布校验；2、对平台上的货主拼车信息进行提取，并对货主拼车信息进行分类；3、将每条拼车信息分为固定信息和浮动信息；4、对平台数据库中的车主信息进行提取，并对信息进行分类；5、将每条车主信息分为固定信息和浮动信息；6、根据拼车信息中的固定信息和浮动信息智能匹配合适的拼车货主，确定最优拼车方案；7、将步骤六中确定的拼车方案智能推送至符合筛选条件车主；8、计算各货主拼车费用；9、拼车成功，开始拼车。本发明既能够保障高效率拼车并节省货主的运输费用，又可以提高司机的装载率。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.02 seconds)
