本發(fā)明屬于大數(shù)據(jù)分析，具體是一種基于深度學習的大數(shù)據(jù)實時分析處理裝置。

背景技術(shù)：

1、大數(shù)據(jù)是指無法在一定時間范圍內(nèi)用常規(guī)軟件工具進行捕捉、管理和處理的數(shù)據(jù)集合，需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)，大數(shù)據(jù)具有大量、高速、多樣和價值的特性，大數(shù)據(jù)的應(yīng)用已經(jīng)滲透到各行各業(yè)，包括物流快遞、商業(yè)智能、金融、醫(yī)療、教育、交通等多個領(lǐng)域。

2、物流快遞過程主要包括包裝、轉(zhuǎn)運、倉儲、分揀、運輸、配送等環(huán)節(jié)，在快遞運輸過程中的各個環(huán)節(jié)均會產(chǎn)生大量的數(shù)據(jù)，主要包括物品數(shù)據(jù)(物品的尺寸、重量、運輸?shù)攸c等)、倉儲數(shù)據(jù)(倉庫的儲存量、儲存面積等)、運輸數(shù)據(jù)(車輛的位置、數(shù)量等)。這些數(shù)據(jù)均與快遞運輸?shù)捻樌c否息息相關(guān)，通過對這些數(shù)據(jù)進行實時分析和處理能夠詳細的掌握物品的尺寸、重量和目的地等數(shù)據(jù)，還能掌握物品的運輸路徑以及實時位置，以及倉庫的倉儲量、剩余的倉儲面積等情況。

3、在整個快遞運輸過程中，該領(lǐng)域的大數(shù)據(jù)實時分析處理技術(shù)在進行數(shù)據(jù)分析和處理時，通常是按照包裝、轉(zhuǎn)運、倉儲、分揀、運輸和配送等環(huán)節(jié)依次進行，在各環(huán)節(jié)中數(shù)據(jù)的利用相對獨立，旨在確保后續(xù)未完成環(huán)節(jié)順利進行，對于后續(xù)未進行環(huán)節(jié)的優(yōu)化促進作用有限，例如：包裝后的轉(zhuǎn)運和倉儲等環(huán)節(jié)，注重于是否滿足轉(zhuǎn)運和倉儲的空間需求，而缺乏根據(jù)物品包裝情況對后續(xù)的轉(zhuǎn)運和倉儲等環(huán)節(jié)的優(yōu)化促進。

技術(shù)實現(xiàn)思路

1、為了解決上述問題，本發(fā)明的目的是提供一種基于深度學習的大數(shù)據(jù)實時分析處理裝置，基于物品數(shù)據(jù)、倉儲數(shù)據(jù)和運輸數(shù)據(jù)等，通過深度學習技術(shù)對物流快遞運輸?shù)母鱾€環(huán)節(jié)進行優(yōu)化，智能靈活調(diào)度從而提高快遞運輸?shù)男省?/p>

2、為了實現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下：一種基于深度學習的大數(shù)據(jù)實時分析處理裝置，包括若干包裝環(huán)節(jié)子系統(tǒng)、若干轉(zhuǎn)運環(huán)節(jié)子系統(tǒng)、若干倉儲環(huán)節(jié)子系統(tǒng)、若干分揀環(huán)節(jié)子系統(tǒng)、若干運輸環(huán)節(jié)子系統(tǒng)和若干配送環(huán)節(jié)子系統(tǒng)；

3、包裝環(huán)節(jié)子系統(tǒng)包括訂單采集模塊、訂單處理模塊和包裝策略模塊；訂單采集模塊用于對快遞的訂單數(shù)據(jù)進行采集；訂單處理模塊用于根據(jù)訂單數(shù)據(jù)處理輸出包裝信息；包裝策略模塊基于深度學習技術(shù)構(gòu)建，包裝策略模塊用于根據(jù)包裝信息輸出包裝策略和轉(zhuǎn)運影響因子；

4、轉(zhuǎn)運環(huán)節(jié)子系統(tǒng)包括包裝信息采集模塊、轉(zhuǎn)運處理模塊和轉(zhuǎn)運策略模塊；包裝信息采集模塊用于對包裝信息進行采集；轉(zhuǎn)運處理模塊用于根據(jù)包裝信息處理輸出轉(zhuǎn)運信息；轉(zhuǎn)運策略模塊基于深度學習技術(shù)構(gòu)建，轉(zhuǎn)運策略模塊用于根據(jù)轉(zhuǎn)運信息和轉(zhuǎn)運影響因子輸出轉(zhuǎn)運策略和倉儲影響因子；

5、倉儲環(huán)節(jié)子系統(tǒng)包括轉(zhuǎn)運信息采集模塊、倉儲處理模塊和倉儲策略模塊；轉(zhuǎn)運信息采集模塊用于對轉(zhuǎn)運信息進行采集；倉儲處理模塊用于根據(jù)轉(zhuǎn)運信息處理輸出倉儲信息；倉儲策略模塊基于深度學習技術(shù)構(gòu)建，倉儲策略模塊用于根據(jù)倉儲信息和倉儲影響因子輸出倉儲策略和分揀影響因子；

6、分揀環(huán)節(jié)子系統(tǒng)包括倉儲信息采集模塊、分揀處理模塊和分揀策略模塊；倉儲信息采集模塊用于對倉儲信息進行采集；分揀處理模塊用于根據(jù)倉儲信息處理輸出分揀信息；分揀策略模塊基于深度學習技術(shù)構(gòu)建，分揀策略模塊用于根據(jù)分揀信息和分揀影響因子輸出分揀策略和運輸影響因子；

7、運輸環(huán)節(jié)子系統(tǒng)包括分揀信息采集模塊、運輸處理模塊和運輸策略模塊；分揀信息采集模塊用于對分揀信息進行采集；運輸處理模塊用于根據(jù)分揀信息處理輸出運輸信息；運輸策略模塊基于深度學習技術(shù)構(gòu)建，運輸策略模塊用于根據(jù)運輸信息和運輸影響因子輸出運輸策略和配送影響因子；

8、配送環(huán)節(jié)子系統(tǒng)包括運輸信息采集模塊、配送處理模塊和配送策略模塊；運輸信息采集模塊用于對運輸信息進行采集；配送處理模塊用于根據(jù)運輸信息處理輸出配送信息；配送策略模塊基于深度學習技術(shù)構(gòu)建，配送策略模塊用于根據(jù)配送信息和配送影響因子輸出配送策略。

9、進一步，包裝策略包括第一包裝策略、第二包裝策略和第三包裝策略；

10、第一包裝策略：通過快遞的訂單信息確定物品的數(shù)量和尺寸進而確定包裝容器的數(shù)量和大?。?/p>

11、第二包裝策略：通過物品的尺寸和包裝容器的大小確定包裝容器內(nèi)填充物的數(shù)量和體積；

12、第三包裝策略：通過物品的類型確定快遞在運輸過程中的存放位置。

13、進一步，轉(zhuǎn)運影響因子包括包裝容器的數(shù)量、包裝容器的體積以及包裝容器的質(zhì)量，包裝容器的數(shù)量與物品的數(shù)量關(guān)聯(lián)，包裝容器的體積與物品的尺寸關(guān)聯(lián)，包裝容器的質(zhì)量與物品的尺寸和物品的類型關(guān)聯(lián)。

14、進一步，倉儲影響因子包括物品擬轉(zhuǎn)運至的倉庫以及倉庫擬容納的物品數(shù)量。

15、進一步，分揀影響因子包括物品擬分揀的地區(qū)以及物品擬分揀至各地區(qū)的數(shù)量。

16、進一步，分揀環(huán)節(jié)子系統(tǒng)還包括分揀機構(gòu)，分揀機構(gòu)包括若干傳送設(shè)備、若干掃描設(shè)備和若干分揀設(shè)備；

17、傳送設(shè)備用于物品的傳送，掃描設(shè)備用于對物品的快遞條碼進行掃描，分揀設(shè)備用于根據(jù)物品的快遞條碼掃描結(jié)果進行物品的分揀；

18、分揀策略包括第一分揀策略和第二分揀策略；

19、第一分揀策略：獲取各地區(qū)的擬分揀物品數(shù)量，為擬分揀物品數(shù)量大于閾值的地區(qū)分配數(shù)量匹配的分揀設(shè)備數(shù)量；

20、第二分揀策略：獲取各地區(qū)的擬分揀物品數(shù)量，調(diào)用擬分揀物品數(shù)量小于閾值的地區(qū)的分揀設(shè)備，進行擬分揀物品數(shù)量大于閾值的地區(qū)的物品分揀。

21、進一步，運輸影響因子包括物品擬運輸至的地區(qū)，以及物品擬運輸至各地區(qū)的數(shù)量；配送影響因子包括物品擬配送至的地區(qū)，以及物品擬配送至各地區(qū)的數(shù)量；

22、運輸策略包括根據(jù)物品擬運輸至的地區(qū)和物品擬運輸至各地區(qū)的數(shù)量規(guī)劃運輸線路以及運輸目的地；

23、配送策略包括根據(jù)物品擬配送至的地區(qū)和物品擬配送至各地區(qū)的數(shù)量規(guī)劃配送區(qū)域以及單位配送量。

24、進一步，還包括監(jiān)測模塊，監(jiān)測模塊分別與若干包裝環(huán)節(jié)子系統(tǒng)、若干轉(zhuǎn)運環(huán)節(jié)子系統(tǒng)、若干倉儲環(huán)節(jié)子系統(tǒng)、若干分揀環(huán)節(jié)子系統(tǒng)、若干運輸環(huán)節(jié)子系統(tǒng)和若干配送環(huán)節(jié)子系統(tǒng)信號連接，監(jiān)測模塊基于深度學習技術(shù)構(gòu)建，監(jiān)測模塊用于根據(jù)各子系統(tǒng)的實時運行數(shù)據(jù)和歷史運行數(shù)據(jù)預(yù)測各子系統(tǒng)的運行負荷，根據(jù)各子系統(tǒng)的運行負荷調(diào)度各個子系統(tǒng)協(xié)同運行。

25、進一步，運行數(shù)據(jù)包括包裝策略、轉(zhuǎn)運影響因子、轉(zhuǎn)運策略、倉儲影響因子、倉儲策略、分揀影響因子、分揀策略、運輸影響因子、運輸策略、配送影響因子和配送策略。

26、進一步，還包括顯示模塊，顯示模塊用于顯示監(jiān)測模塊所監(jiān)測到的各子系統(tǒng)的運行負荷。

27、采用上述方案有以下有益效果：

28、1、本發(fā)明，通過訂單采集模塊、訂單處理模塊和包裝決策模塊，能夠根據(jù)訂單信息中物品的數(shù)量、重量、尺寸數(shù)據(jù)信息進行充分的采集，然后輸出包裝策略和轉(zhuǎn)運影響因子，有利于通過深度學習技術(shù)提前預(yù)測物品的數(shù)量、重量、尺寸數(shù)據(jù)信息然后幫助轉(zhuǎn)運子系統(tǒng)進行判斷。

29、2、本發(fā)明，通過包裝信息采集模塊、轉(zhuǎn)運處理模塊和轉(zhuǎn)運策略模塊，能夠根據(jù)包裝信息中物品的數(shù)量、包裝容器的體積和質(zhì)量信息進行采集，然后輸出轉(zhuǎn)運策略和倉儲影響因子，有利于幫助管理人員提前對轉(zhuǎn)運車輛和轉(zhuǎn)運時間進行安排。

30、3、本發(fā)明，通過轉(zhuǎn)運信息采集模塊、倉儲處理模塊和倉儲策略模塊，能夠根據(jù)倉儲策略和分揀影響因子，確定物品擬轉(zhuǎn)運至的倉庫以及倉庫擬容納的物品數(shù)量，有利于管理人員提前對各個儲存?zhèn)}庫進行調(diào)配。

31、4、本發(fā)明，通過倉儲信息采集模塊、分揀處理模塊和分揀策略模塊，能夠根據(jù)倉儲信息中倉庫以及倉庫擬容納的物品數(shù)量信息進行采集，并且能夠通過訂單信息識別物品擬分揀的地區(qū)以及物品擬分揀至各地區(qū)的數(shù)量，然后通過深度學習技術(shù)提前預(yù)測各個快遞的運輸方向，通過分揀機構(gòu)進行分揀，有利于降低分揀設(shè)備的負荷，多個分揀設(shè)備協(xié)同合作，將同一分配地區(qū)的快遞分揀至同一傳送設(shè)備，有利于提高快遞分揀的效率。

32、5、本發(fā)明，通過分揀信息采集模塊、運輸處理模塊和運輸策略模塊，能夠根據(jù)分揀信息中通過不同配送區(qū)域的快遞數(shù)量進行安排車輛的數(shù)量以及大小，有利于管理人員提前對車輛進行安排，提高快遞運輸?shù)男省?/p>

33、6、本發(fā)明，通過運輸信息采集模塊、配送處理模塊和配送策略模塊，能夠根據(jù)運輸信息中車輛的安排情況以及配送區(qū)域進行信息采集，然后根據(jù)運輸完成后的快遞量與分揀策略所分揀出的快遞進行比對，有利于工作人員檢查是否存在快遞遺漏的情況，通過深度學習技術(shù)能夠不斷地優(yōu)化配送路徑，有利于減少工作人員的配送時間，減少快遞配送超時的情況發(fā)生。

34、7、本發(fā)明，監(jiān)測模塊分別與各個子系統(tǒng)信號連接，通過深度學習技術(shù)，監(jiān)測模塊能夠根據(jù)各子系統(tǒng)的實時運行數(shù)據(jù)和歷史運行數(shù)據(jù)預(yù)測各子系統(tǒng)的運行負荷，根據(jù)各子系統(tǒng)的運行負荷調(diào)度各個子系統(tǒng)協(xié)同運行，有利于減少各個子系統(tǒng)的運載負荷。

35、8、顯示模塊有利于將監(jiān)測模塊監(jiān)測到的各個子系統(tǒng)的運行負荷顯示出來，方便工作人員對各個子系統(tǒng)的運行狀況進行掌握。