本发明涉及货运物流管理，具体为一种基于大数据和人工智能的货运物流管理系统。
背景技术：
1、随着信息技术和人工智能的发展，物流行业在现代社会中的地位越来越重要。为了提高物流效率和降低成本，许多企业开始引入大数据分析和人工智能技术。然而，现有的物流管理系统存在以下几个主要问题：数据整合不足：传统的物流管理系统通常依赖于多个分散的数据源，这些数据源包括订单管理系统、库存管理系统、运输管理系统等。由于缺乏统一的数据整合平台，导致数据孤岛现象严重，影响了物流决策的准确性和及时性。数据分析能力有限：现有系统大多只能进行简单的数据统计分析，缺乏深入的数据挖掘和预测能力，无法充分利用历史数据来优化物流流程和资源配置。智能化水平低：虽然一些系统引入了初步的智能化功能，但这些功能通常是独立的、局部的，未能形成一个全面的智能化物流管理体系。比如，动态调度和预测功能的应用还不够广泛，很多决策仍依赖于人工经验，效率低下且易出错。
技术实现思路
1、基于以上所述现有技术的缺点，本发明的目的是提供一种基于大数据和人工智能的货运物流管理系统，以解决上述技术问题。
2、为实现上述目的，本发明提供如下技术方案：一种基于大数据和人工智能的货运物流管理系统，包括数据集成模块、大数据分析模块和人工智能优化模块；
3、数据集成模块包括数据采集单元和数据处理单元，所述数据采集单元用于从多个数据源采集数据，所述数据处理单元用于对采集的数据进行清洗和转化；
4、大数据分析模块包括数据分析单元和预测单元，所述数据分析单元用于对清洗和转化后的数据进行分析，提取数据特征，所述预测单元用于根据所述数据特征进行预测；
5、人工智能优化模块包括库存管理单元和动态调度单元，所述库存管理单元用于根据预测结果进行库存管理，所述动态调度单元用于根据预测结果进行物流车辆的动态调度。
6、本发明进一步设置为，从多个数据源采集数据，包括历史订单数据、库存数据和物流车辆数据，对采集的数据进行清洗和转化，包括处理缺失数据、异常值检测与处理和数据格式转换。
7、本发明进一步设置为，清洗和转化后的数据进行分析，提取数据特征，包括：获取历史订单数据中的历史订单日期和历史订单货物，根据历史订单日期提取历史订单时间特征，其中，历史订单时间特征包括历史订单时间、历史星期和历史特殊日期标记；
8、根据所述数据特征进行预测，包括：根据历史订单时间特征和历史订单货物预测每日订单货物。
9、本发明进一步设置为，根据历史订单时间特征和历史订单货物预测每日订单货物，包括：
10、将prophet模型设置为预测模型，将订单日期统一转换为yyyy-mm-dd格式，将数据框的列重命名为prophet要求的ds和y，其中，ds表示日期列，y表示订单货物，将历史订单时间特征和历史订单货物设置为数据集，并按照历史订单时间特征排序，划分为训练集和测试集；
11、使用训练集数据训练prophet模型，使用测试集数据评估模型性能，计算均方误差，当均方误差小于预设的均方误差阈值时，prophet模型训练完成，根据历史订单时间特征和历史订单货物使用prophet模型预测每日订单货物。
12、本发明进一步设置为，根据预测结果进行库存管理，包括：根据预测的每日订单货物、库存容量和库存货物计算预计处理货物，其中，预计处理货物的计算逻辑为：，其中，为预计处理货物的最小值，当时，取值为0，为库存货物，为预测的每日订单货物，为库存修正系数，的取值范围为[0,1]，为库存容量；，为预计处理货物的最大值。
13、本发明进一步设置为，根据预测结果进行物流车辆的动态调度，包括：
14、根据预计处理货物的最小值和最大值确定预计处理货物的具体值；
15、根据预计处理货物的具体值进行车辆调度优化。
16、本发明进一步设置为，根据预计处理货物的具体值进行车辆调度优化，优化目标为：，且满足约束条件：、、，其中，表示从位置到位置的距离，为二进制变量，表示是否有车辆从位置到位置，0表示没有，1表示有，表示订单的预计处理货物的具体值，表示车辆的最大容量。
17、本发明提供一种基于大数据和人工智能的货运物流管理系统，所述系统包括数据集成模块、大数据分析模块和人工智能优化模块；数据集成模块包括数据采集单元和数据处理单元，所述数据采集单元用于从多个数据源采集数据，所述数据处理单元用于对采集的数据进行清洗和转化；大数据分析模块包括数据分析单元和预测单元，所述数据分析单元用于对清洗和转化后的数据进行分析，提取数据特征，所述预测单元用于根据所述数据特征进行预测；人工智能优化模块包括库存管理单元和动态调度单元，所述库存管理单元用于根据预测结果进行库存管理，所述动态调度单元用于根据预测结果进行物流车辆的动态调度，产生的有益效果包括：
18、1、增强数据分析能力：大数据分析模块利用先进的数据分析技术，对历史数据进行深入挖掘和分析，能够准确预测物流需求和趋势，帮助企业提前做好资源配置和调度准备。通过对数据的全面分析，系统可以为物流管理提供科学的决策支持，减少决策失误，提高物流运营的可靠性和效率；
19、2、现智能化管理：人工智能优化模块能够基于实时数据和分析结果，进行智能调度和动态调整，确保物流资源的合理配置和高效利用，减少空载现象。系统能够根据物流过程中的实际情况，自动调整优化策略，提升物流流程的适应性和灵活性，应对各种突发状况。
20、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
1.一种基于大数据和人工智能的货运物流管理系统，其特征在于，包括数据集成模块、大数据分析模块和人工智能优化模块；
2.根据权利要求1所述的一种基于大数据和人工智能的货运物流管理系统，其特征在于，从多个数据源采集数据，包括历史订单数据、库存数据和物流车辆数据，对采集的数据进行清洗和转化，包括处理缺失数据、异常值检测与处理和数据格式转换。
3.根据权利要求2所述的一种基于大数据和人工智能的货运物流管理系统，其特征在于，清洗和转化后的数据进行分析，提取数据特征，包括：获取历史订单数据中的历史订单日期和历史订单货物，根据历史订单日期提取历史订单时间特征，其中，历史订单时间特征包括历史订单时间、历史星期和历史特殊日期标记；
4.根据权利要求3所述的一种基于大数据和人工智能的货运物流管理系统，其特征在于，根据历史订单时间特征和历史订单货物预测每日订单货物，包括：
5.根据权利要求4所述的一种基于大数据和人工智能的货运物流管理系统，其特征在于，根据预测结果进行库存管理，包括：根据预测的每日订单货物、库存容量和库存货物计算预计处理货物，其中，预计处理货物的计算逻辑为：，其中，为预计处理货物的最小值，当时，取值为0，为库存货物，为预测的每日订单货物，为库存修正系数，的取值范围为[0,1]，为库存容量；，为预计处理货物的最大值。
6.根据权利要求5所述的一种基于大数据和人工智能的货运物流管理系统，其特征在于，根据预测结果进行物流车辆的动态调度，包括：
7.根据权利要求6所述的一种基于大数据和人工智能的货运物流管理系统，其特征在于，根据预计处理货物的具体值进行车辆调度优化，优化目标为：，且满足约束条件：、、，其中，表示从位置到位置的距离，为二进制变量，表示是否有车辆从位置到位置，0表示没有，1表示有，表示订单的预计处理货物的具体值，表示车辆的最大容量。
