大数据已广泛应用于社会生产和生活的各个领域，从最初的互联网应用，不断走向物流、医疗、金融等各领域。就物流行业来看，物流各个环节如运输、仓储、装卸、搬运、包装等，都会产生大量的数据。物流大数据也随之产生，它是指在物流活动过程中，开展如供给、需求等物流服务时产生的各种相关数据。在大数据时代，物流大数据作为重要的战略性资源，将会有效推动物流行业朝着智慧物流方向发展，其商业价值越来越受到物流企业的重视。在大数据技术的推动下，物流信息将逐步实现共享，并呈现出多维度、相关联、预测性、决策性等特征。
多维度：物流大数据是一个多维数据集合，包含多项属性，比如货源统计信息、货物种类信息、运载能力、车辆信息和地理信息等。针对这些多维数据，可从不同路径、不同视角、不同层面进行处理分析，从而为物流企业获取更多更全面的物流信息带来更多的商业价值。
关联性：物流作为连接供应链上下游的重要流通渠道，包含多个环节且各个环节间有着错综复杂的关系。大数据技术在这些复杂交互关联中获得动态信息，不仅要分析物流运输全过程的信息，也要关注与运输有关的企业及政策等方面的信息，包括订单情况、配送能力、库存数据、企业资金情况、物流政策等。这样物流信息与其他信息将会紧密关联，充分实现物流各个环节信息的协同化，有效提升物流企业在整个供应链中的核心作用。
预测性：在对物流大数据信息采集、分析处理的基础上，大数据技术也将实现对物流各个环节需求的预测，物流服务也将会更加智能化。
决策性：以数据驱动决策。通过大数据的收集与处理，可为物流企业提供有价值的数据信息，实现智能物流决策。
总之，大数据技术将推动物流信息的共享，信息共享将有效协同物流供应链上下游，进而推动整个物流行业朝着智能化、信息化的智慧物流方向发展。
车货匹配
（一）车货匹配现状分析
虽然当下物流信息平台种类和数目都非常多，但究其根本，其实就是解决一个问题：减少信息的不对称，解决车货供需两端的有效匹配问题。从社会意义来讲，平台的存在是为了提高物流资源的利用率，降低运输车辆的空驶率。从企业或者个人等中微观角度来讲，是为了降低企业运输成本，减少个体司机空车行驶里程，提高回程实载率和经营利润。国内车货供需匹配平台数量与日俱增，但是就其发展水平而言仍处于较粗放阶段，目前尚无真正智能化、功能健全且具有成熟运作模式的车货供需匹配平台。
以下是目前车货匹配平台存在的主要问题：
车货匹配效率较低
货主找车过程和司机找货过程都比较低效，大部分交易方用户都需要通过翻阅列。多次比对各个交易对象来寻找和选择合适的合作对象来完成这笔物流运输任务。外．由于未能快速找到需要的信息，影响用户体验，降低了用户再次使用平台的可能 .
车货匹配模式智能化程度低
通过调研市场上主流的车货匹配 APP ，发现的共同问题是智能匹配的功能比较简易，无法快速准确地触达客户的需求。大部分APP的匹配系统都是对资源信息按照一定条件或者由用户选择一个标准进行排序。
（二）车货匹配平台研究
国外物流平台起源相对较早，而且在公路货运平台发展建设上已经出现了美国罗宾逊这种定位于第四方物流平台的成熟企业，而我国物流信息平台相对起步较晚，且具有自己的特性。基于移动端的货运平台作为车货匹配一个新的存在形式，其运营模式、盈利方式等问题成为国内外学者关注的重点。
Mats Abrahamsson 等对物流信息平台做了描述与界定，认为物流信息平台是物流信息系统中非常重要的一部分，是物流信息管理与控制中心，良好的物流信息平活运作能有效提升企业灵活性。J . C . Rochet 等从价格角度，将双边市场定义为利阵一个或多个双边平台实现最终用户的交互，并通过对双方收取合理的费用而将其维扮在平台上的市场。Armstrong 等认为市场中的某些活动必须借助平台来完成，平台通过为双方提供产品或服务来促成交易并从中获取利润，平台中一方用户获得的利益多少取决于另一方用户的规模大小。张松利用因子回归分析证明影响返程配载吐率的关键因素为“信息源”，并对南京市三种货运配载模式进行对比分析，发现基于物流信息平台的车货匹配模式具有一定优势。宋娟娟等将公路货运平台分为信息交换型线上物流平台、贸易支持型物流平台、园区网络型物流平台以及专线＋加盟型一流平台四种类型，并指出平台应解决好“鸡蛋相生”的问题。王婷分析了基于车货匹配 APP 的公路货运信息平台运营模式、主要功能及其优势与不足，并对未来发展做出展望。邢大宁总结现有平台服务模式的不足，在此基础上引入云生态的概念，对物流服务行业的长远发展具有重要意义。雷鸣提出，在互联网背景下，物流平台可以利用互联网技术创新物流平台模式来提升物流平台的反应速度，提供差异化服乡．打造围绕平台的共享生态圈，提供组合服务，实行覆盖策略。
（三）车货供需匹配研究
Lin 和 choy 等设计出了一种基于 web 的物流管理决策系统，目的是对中小型物流公司上门送货提供一种决策支持，从而提高公司利益。该系统架构包括了车货匹配模块、集装箱优化模块、路径规划模块三个部分，为物流公司提供了一套系统模型。
Yong 与 Guang 等将多车多货物的匹配问题作为双边匹配问题。其中考虑价格为影响匹配的主要因素。匹配的标准是既要满足车辆，又要满足商户。将车辆提供商与货运商之间的满意度作为成本估算标准，并总结了车货匹配的一种精确式算法，适用于启发式算法获取初始解。邵增珍以一种新的思路来解决车货供需匹配问题，其结合了“共同配送”的概念，将货物拟作乘客，将车货匹配问题转化为一种车辆合乘问题。顾佳靖将语义网技术应用到公路货运的车货配载领域，设计了公路货运车货匹配领域的语义网本体构建方法，还提出了在公路货运配载过程中车货匹配率的计算方法，基于匹配率对智能查询和推理得到的车源或货源进行了排序。余以胜、刘鑫艳发现传统的贪婪算法解决多车型的车货匹配，容易使得某种车型过度使用，从而陷人局部解。因此，对 Balance 算法引人车型平衡函数，对每种车型的车辆资源进行均衡。刘丹霞对国内同城配送的车货匹配模式进行了研究，提出了互联网下的车货匹配创新模式，并以同城配送为应用场景建立了带时间窗的同时取货问题，应用禁忌搜索求解优化问题。侯景瑞对车货动态配载问题进行了研究，利用层次分析法设计基于属性的初步匹配过程，并混合遗传算法与蚁群算法对该问题进行了求解。
（四）车辆配载与路径联合优化
目前，国内外也有不少学者研究车辆配载与车辆路径联合优化。Gendreau针对具体的一个家具配送案例，运用车辆配载与车辆路径组合优化的方式进行了求解。Fuellere ：等利用蚁群算法解决 3L-CVRP ，其中利用快速打包方法解决装载问题，在所有公开数据集中测试，几乎都得到了最佳的解决方案。杨锦冬、徐丽群考虑交通条件、车辆承载能力、时间窗等约束，建立了以车辆装载货物最多和车辆行驶路径最短为目标函数的双目标优化模型。靳志宏、于波、侯丽晓运用混合整数规划的思想，从现实的配载约束出发，引人剩余空间的概念，构建了车辆配载与配送路径联合优化的模型，并运用多种启发式算法相结合的交互式算法进行求解。葛显龙等运用遗传算法，对跨区域的多配送中心的车辆动态调度模型进行求解，并通过实验证实了算法和模型的有效性。黄维将三维装箱、多车型配载与路径优化相结合，综合考虑车厢尺寸、货物尺寸、车辆重心等约束，建立了以配送成本最低、车辆容积利用率最高、车辆载重利用率最高为优化目标的组合优化模型，并用算例证明了模型和算法的实用性。
（五）大数据变革车货匹配
车货匹配的信息平台产生后，车货匹配产生的数据经过运力池分析，标准的公共运力与人们对专业运力的个性化需求可以有效匹配，同时与企业信息系统相结合也能实现全面整合与优化。通过大数据让车辆与货物实现高效匹配，不仅能减少货运车辆空驶产生的损耗，还能实现节能减排。随着大数据的广泛应用，数字货运信息平台缺乏货源或货源信息不实等问题能得以有效解决。但国内专注于车货匹配的平台型企业目前仍处在探索阶段，车货匹配效果不佳、运作乏力.
运输路线优化
网络货运平台指南
（一）运输路线优化的意义
智能快速排车
排车是运输前最重要的准备工作之一，一般操作员根据自己对路线、门店、商品等的熟悉程度进行人工统计，设置全天的运输配送路线和每车运载货量。这种传统的操作既浪费时间，也没有效率。通过特殊的路线优化算法，结合后台基础数据（订单、路线、司机、仓库、终端位置、运费等），根据管理员目标需求，提前设计一条物流最优路线，且存储次选路线以备随时调整。这种方案既能合理规划路线，又能结合实际情况智能调整路线。
优化区域路线
运用大数据优化区域路线，有两个问题需要考虑：( 1 ）运输区域稠密、远近不同和供货周期不同的路线安排；( 2 ）缺货、退货、补货等突发情况的再次配送问题。现在大多数运输线路都以“线性”路线来规划以确保路线最短，智能排车路线优化方案由原来的“线性”路线改为“扇形”路线，或者两者相结合的路线，一旦遇到增减货物的情况，”线性”路线需要再次运输一次，而“扇形”路线因为分布地点比较集中，增补货往返距离较短，所以时间和成本消耗相对较小。另外，跨区域邻近车辆也可就近协助。这种方案相当于设计了一辆突发车辆有多辆货车解决的灵活调动机制，做到尽可能减少运送效率和物流成本。
提高车辆满载率
很多情况下，会遇到一条线路车辆装不满，原本 12 辆车可以装满的货物因为各种原因被安排了 15 辆车，车辆利用率明显偏低。系统通过大数据分析，整合商品和车辆、容积和载重、线路距离、装／卸货运费等信息，制定出一套满载率最高、成本最省的车辆配载方案。
降低在途突发概率
突发状况是在运输过程中最不好把控的环节，假如出发前系统已经设计了一条最优路线方案，可还会因为道路堵塞、车辆事故、货量变化等不可控因素不得不调整线路。在出现以上情况时，系统会以最快速度计算出当前位置与余下目的地路线优化方案。如果车辆在途中出现问题无法正常运输，系统也会就近搜索并通知可用车辆，以减少企业损失。
（二）大数据优化运输路线
自进人大数据时代以来，大数据就在悄然改变着车货匹配、销售预测与库存、供应链协同管理、运输线路分析、设备修理预测等方面的内容，物流人的思维方式发生了很大变化。近年来，国内的大数据研究、应用与发展取得了显著成效。未来，大数据将成为现代社会基础设施的一部分，对于物流行业来说，大数据将像公路、铁路、通信网络、港口、水电一样成为基础设施，但大数据不会因为使用而贬值。在很多人看来，物流书业仍是互联网领域最后一块未开垦之地，大数据在这方面的应用仍未落到实地。因此，将大数据引人数字货运物流领域意义非凡。
数字货运在使用大数据优化运输路线方面做出了有益示范，具体分析如下：数字货运平台的配送人员无须自己设计最优的配送路线，可实时对多种可能的配送路线进行分析，找到最佳的配送路线。数字货运平台将使用大数据对配送人员行为进行预测，以及时纠正其错误行为，降低问题发生的频率。
大数据实现车辆管控智能化
随着物流智慧化的大势所趋，使数据科技越来越凸显出它的重要性。智慧物流中的人、车、货、企等主要角色也依托着数据的链接实现更规范的统一运转。在新技术、新模式、新业态的影响下，中国已经涌现出像阿里的“菜鸟物流大脑”、京东的“无人仓”这样先进的物流技术，但也同样存在着大量依靠人工的不规范的运输环节。目前国内的物流行业由于运作水平和效率的低下产生了很多问题，比如车队的成本管理、运输安全、运力调配等问题；货主企业有货没车的问题；企业外协车辆难找难管理的问题等，这些都是运输行业经营者面临的重要难题。企业货运业务的高效开展，需要人、车、货能够实现便捷快速的对接。比如，以货主找车发货到收货为一个完整交易流程．可以看到技术是如何解决各个环节中的效率、安全问题的。第一步，大型货主企业手里掌握着大批货源，自己的车辆不够用，需要在周边迅速查找可靠、低廉的社会车辆来承运。如何快速、精准地找到合适的车源，成为货主的一大难题。
网络货运平台可以实现：( 1）发布货源。可以通过接口的方式，将用户的货源信息发布到平台，使几百万车源均能成为受众。（ 2 ）找车。通过始发地、目的地、车辆类型、车辆位置、车长、载重等信息进行车辆数据的查询。基于几百万车辆数据进行找车，可快速锁定目标车源。通过车辆位置、轨迹分析、车辆画像、安全驾驶指数等数据指标．通过大数据核心算法对人网车辆进行挖掘，优先甄选返程车，提交就近优质车源供货主单位选择。
货主企业通过各种途经找来了可以承运货物的社会车辆。面对初次合作的车辆．车辆是否有合法的资质？车主或司机提供的车辆信息是否真实可靠？如何放心安全地把货交给社会车辆来运输？这些都是所有货主急需关心的问题。
网络货运平台可以实现：( 1 ）车辆人网验证。可以通过接口的方式获取车辆是否在全国道路货运车辆公共监管与服务平台人网，保证车辆有运营资质。（ 2 ）车主真实性验证。提供按车牌号、车主姓名、车主电话，联合条件判断信息是否与行驶证信息保持一致，保证车辆资料真实、可靠。（ 3 ）套牌车验证。通过提供车牌号、当前车辆所在区县级行政区位置信息来判断目前车辆是否是套牌套，保证车辆安全、可靠。利用大数据平台，货主企业可以通过各种维度对外协车辆进行真实性验证，从而规避套牌车及异常车辆为业务带来不必要的损失。
网络货运平台可以实现：( 1）车辆最新位置查询。可以通过接口的方式，用户通过车牌号或者车架号获取车辆最新位置信息，包括车辆的位置、时速、海拔、方向、行驶状态等信息，帮助企业随时掌握车辆动态。（ 2 ）车辆驶人、车辆驶出通知。平台实时监控车辆运行轨迹，当车辆发生驶人、驶出预设区域时，平台将车辆驶人、驶出事件信息及时推送到客户端，使货主随时掌握货物离站、到站信息。（ 3 ）异常离线提示。平台实时监控车辆运行轨迹，当车辆发生异常离线情况时，平台将异常事件及时推送到客户端，让客户及时发现异常、减少损失。
货物已顺利交割，货主企业、运输企业每月的运单量虽然在不断提升，但是货物周转率低、运输效率慢、运输成本高，导致企业利润微薄、人不敷出。如何降本增效、实现企业利润最大化，成为企业决策人的一大难题。
网络货运平台可以实现：( 1 ）历史轨迹。可以通过车牌号或车架号获取车辆的历史轨迹数据，分析运输行驶路线是否合理，逐步优化最优路线，缩短运输时间，提供运输效率。（ 2 ）车辆里程查询。通过车牌号、起止时间查询车辆的总行驶里程，检查行驶里程是否在合理范围内，从而减少油费、降低运输成本。（ 3 ）车辆停车查询。通过车牌号、起止时间查询车辆在运输过程中的停车信息，帮助企业分析运输效率慢、货物装货卸货效率低的原因。
因此，从降低成本、提高效率、保障安全方面，利用大数据技术结合物流配送流程中的各个环节，可以帮助货运企业进一步摆脱很多传统的经营问题，从而将整个物流配送的过程实现智能化。以数据促业务，以业务带数据，从而帮助企业实现工作效率的提高与成本的降低。新技术是效率提升第一生产力，是安全运输的重要保障。智能化数据服务将云计算、大数据、车联网、物联网等技术应用在各种运输场景中，实现在互联网和云端上便捷管理车队、智能调度车辆、合理配置运力的可视化、网络化、智能化、精益化的智慧物流，为货运行业的高品质经营创造出新的客户价值。
