沿海大宗散货运输效益测算平台和方法

摘要

一种沿海大宗散货运输效益测算平台，所述平台包括服务器，服务器具有存储器；以及耦合到所述存储器的处理器，该处理器被配置为执行存储在所述存储器中的指令，所述处理器执行以下操作：采集货运数据，该货运数据包括货种、货量、运价费率、燃油成本；获取船型基础数据、港口间距、常用油价、沿海散货运输运价和港口使用费；将获得的数据输入存储在存储器中的效益测算算法模型，得到运输效益数据。所述的运输效益数据包括：航次净利润、边际利润、营运天边际利润、零航次利润时运价、吨天边际利润、吨天边际等值外贸租金、闭环装货港、闭环卸货港、闭环航段里程、闭环后总里程、总航行天、总停泊天、总航行周期。

说明书

技术领域

本发明属于海洋船舶运输技术领域，特别涉及一种沿海大宗散货运输效益测算平台和方法。

背景技术

随着经济的发展，沿海大宗商品运输业务繁忙，在互联网技术推广和深度融合下，当今互联网时代的商业变革已日益渗透进传统行业的各个领域，改变乃至颠覆着既有的商业模式和规则系统。航运业是跨越百年的传统行业，不可避免的也面临着与时代发展接轨乃至深度“触电”等问题。

发明内容

本发明实施例之一，一种沿海大宗散货运输效益测算方法，采集货运数据，该货运数据包括货种、货量、运价费率、燃油成本；

获取船型基础数据、港口间距、常用油价、沿海散货运输运价和港口使用费；

将获得的数据输入效益测算算法模型，得到运输效益数据。

本发明实施例利用历史大数据和算法模型，形成效益测算软件，提供船东用户，便于船东提前对货运效益做预测，为后续交易提供决策辅助。

具体实施方式

本发明的目的是为沿海大宗货物运输需求的用户提供收益预测，为后续船货交易提供决策辅助。主要对中国沿海大宗商品海洋运输过中的效益做预测，供用户在实际交易前，对收益做提前预测，为后续交易提供决策辅助。

根据一个或者多个实施例，一种基于算法模型的沿海散货效益测算系统，该系统通过获取大宗散货的货物运输需求，结合后台算法模式自动分析处理，向用户提供业务层面和财务层面的测算数据。

该系统分为数据支撑系统、用户信息采集、模型算法系统等三大系统。

用户信息采集系统包括货种、货运量、运价费率、预期船型、滞期/速遣费率、港口总停时、装货港口、卸货港口、装卸港口使用费。

数据技术支撑系统，提供效益测算时，所必需的基础数据支撑，包括预期使用船型基础数据(包括船型名称、日租金、船舶满载航速、船舶空载航速、船舶满载航行消耗、船舶压载航行油耗、船舶停泊油耗、船舶停泊消耗、船舶载货定额等)、港口间距、常用油价 (包括FO、GO、DO)，以及通过爬虫在网络上爬取的沿海散货运输运价、市场行情、基于数据拟合算法得出的沿海各港口间距、沿海各港口使用费等，作为整体效益测算的数据基础和支撑。

船舶类型自动配置：结合货盘参数、AIS吃水情况、货主历史偏好等识别

港口间距配置：结合船舶历史行为等数据，拟合沿海各港口距离，保证数据完整性及准确性

航线识别：基于沿海港口顺序，结合货盘装货港、卸货港等识别，得出从南至北航线或，在此基础上，精确计算航线距离等，其中若卸货港口在北方区域范围内，则整体航线闭环间距等于起始港到空船港的距离与卸货港至装货港距离的合计值，将该结果作为船舶推荐的二次筛选的主体依据。

搓合推荐依据：空船港与装货港距离/空载航速/周期，得出时间+船盘+空船期，与货盘受载期相比；船舶载重吨位结合AIS吃水深度等做对比排序；空船港与装货港距离从小至大排序；结合航次净利润、营运天边际利润、吨天边际利润、目标吨天边际利润等做对比。

模型算法即本效益测算系统核心功能，其输入参数涉及上述两者，即用户信息采集和数据支撑，在经过本功能筛选和加工后，将效益测算结果返回软件使用者，分别呈现业务层面和财务层面的效益预测数据，为用户决策提供辅助。

根据一个或者多个实施例，一种基于算法模型的沿海散货效益测算系统架构包括，用户信息采集系统、数据支撑系统、模型算法系统三大部分。

1、用户信息采集系统功能：为收集用户的货运需求和参数，其分为两种使用方式，第一种方式由用户直接录入货运参数，第二种方式为将该参数接收端口与货盘收集页面集成，直接从已录入的货盘中自动采集测算涉及的货运参数。其组成如下：

■货种：主要收集需要测算的大宗商品类型，作为选填项。

■货量：主要收集货物运输的吨位，是效益测算的重要依据，作为必填项；

■运价费率：涉及货盘运价的费用，包括元/吨、元/吨/天两种数据格式，作为必填项；

■燃油成本：涉及FO、DO等燃油价格的采集，是效益测算中变动成本的组成部分，作为必填项；

■装卸港口及相应港口使用费：模型算法将结合此数据项，提供航段的间距里程，并据此计算得出相应航行天、吨天利润，其结果是效益测算的重要组成部分，作为必填项；

2、数据支撑系统：此系统作为效益测算软件执行过程中的重要依赖部分，说明如下：包括预期使用船型基础数据(包括船型名称、日租金、船舶满载航速、船舶空载航速、船舶满载航行消耗、船舶压载航行油耗、船舶停泊油耗、船舶停泊消耗、船舶载货定额等)、港口间距、常用油价(包括FO、GO、DO)，以及通过爬虫在网络上爬取的沿海散货运输运价、市场行情、基于数据拟合算法得出的沿海各港口间距、沿海各港口使用费等，作为整体效益测算的数据基础和支撑。

■测算船型模块：涉及效益测算时，拟选用的船舶参数，涉及船型名称、船舶日租金、船舶满载航速、船舶空载航速、船舶满载航行消耗、船舶空载航行消耗、船舶停泊油耗、船舶停泊消耗、船舶载货定额；此数据除通过接口从外部采集外，也提供人机交互，允许用户结合自己测算需要，对测算船型做增加、修改、删除等操作；此数据作为必填项。

■港口间距库：效益测算中吨天边际利润、等值外贸租金等重要测算结果，均涉及港口间距，这部分数据同样采用两种数据采集方式，第一种方式为本系统从外部自动采集数据，第二种方式在第一种方式的基础上，提供人机交互界面，允许用户对已采集的数据做增加、修改、删除等操作；此数据项作为必填项。

■港口使用费：效益测算中测算结果的重要组成部分，这部分数据通过接口从行业网站等媒介中获取，并提供人机交互界面，供用户直接进行增加、修改、删除等操作。

二、系统业务流程的具体描述如下：

1)用户在前端界面录入货物运输需求(货量、运价、船型要求、滞期/速遣费、港口总停时、装港、卸港是必填项，其他数据项是选填项)，触发效益测算后，前端会将这些作为请示反馈给后台。

2)后台在接收到这些参数后，结合数据支撑系统，分别计算得出货运装卸港口间距、人民币兑美元汇率、燃油价格费率、闭环装货港口等。

3)结合上述1和上述2的数据，并作为模型算法的数据参数录入，逐步得到航次净利润、边际利润、营运天边际利润、零航次利润时运价、吨天边际利润、吨天边际等值外贸租金、闭环装货港、闭环卸货港、闭环航段里程、闭环后总里程、总航行天、总停泊天、总航行周期等费用层面和业务层面的数据，系统会将这些数据返回给用户前端。

4)前端在接收到这些参数后，会将这些效益测算结果返回给用户前端界面。

与现有技术相比，采用本发明具有以下几个层面的效果：

1.用户体验层面

本系统的使用非常方便和高效，用户(如船东、货主)仅输入检索条件，点击按钮就可以检索筛选出高度符合相关条件的货盘或船舶信息。大大减少了用户筛选货盘、船舶的时间，提高了工作效率，充分发挥本系统的方便性和高效性。

2.基础数据支撑层面

本系统充分利用已收集的历年的货源数据、船舶数据、历史成交数据，以及行业新闻、行业资讯、行业运价指数等作为效益预测计算时的数据支撑，并结合数据清洗技术，将这部分数据做转换和清洗。

在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM， Read-OnlyMemory)、随机存取存储器(RAM， Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。