一种基于商品大数据的电子价签更新方法及系统

摘要

本发明公开了一种基于商品大数据的电子价签更新方法及系统，通过构建供货网络；通过供货网络读取各种商品的商品信息，各种商品的商品信息包括：各种商品的商品库存量、运输负载量、商店待售商品量；建立供货风险模型；通过供货风险模型得到供货风险信号；更新供货风险信号的信息到商店中的电子价签。能够实时的在电子价签上反应出商品的库存以及消耗量与运输量的关系，快速识别产品库存量未来的供货风险与控制库存积压，并智能的选调车辆进行货物的物流运输，快速进行货品补缺，并且实时的在电子价签上显示价格的变化，本发明应用于电子价签、商品大数据技术产品检测。

权利要求

1.一种基于商品大数据的电子价签更新方法，其特征在于，所述方法包括以下步骤：S100，构建供货网络；

S200，通过供货网络读取各种商品的商品信息；

S300，建立供货风险模型；

S400，通过供货风险模型得到供货风险信号；

S500，更新供货风险信号的信息到商店中的电子价签；

其中，建立供货风险模型的方法为以下步骤，S301，针对每一种商品，每间隔时间t采集的商品库存量S1(t)、运输负载量S2(t)、商店待售商品量S3(t)；

S302，构建商品库存量的风险模型为：R1(t)，S303，建立运输过程的商品负载量变化模型为：R2(t)，S304，建立商店中待售的商品量变化模型为：R3(t)，其中，N为预设的时间阈值，单位布阶函数k(x)的取值为： N取值范围为[24,480]小时,t取值范围为[6,48]小时，i和j均为自然数，x为未知数；

S305，将商品库存量、运输负载量、商店待售商品量的数据Si(t)变换为投影函数Pi(t)，其中，i＝1,2,3；

或者

参数q决定库存、运输、待售三种不同状态商品量变化的增加或者减少的速率，参数q分别取商品库存量、运输负载量和或商店待售商品量在时间t的范围内消耗或变化的商品量，公式中的Pi(t‑1)为Pi(t)的递归公式，通过R1(t)、R2(t)和R3(t)，得到供货风险模型：式中，Mix()表示供货风险的信号变化函数，其中，P1(t)、P2(t)、P3(t)分别为投影后的商品库存量S1(t)、运输负载量S2(t)、商店待售商品量S3(t)数据，y为未知数。

2.根据权利要求1所述的一种基于商品大数据的电子价签更新方法，其特征在于，所述供货网络包括存储子网、物流子网、售货子网，所述存储子网是由设置在多个供应商品给商店的供应商的仓库中的服务器互相连接构成的网络，仓库中的服务器与多个二维码扫码器或手持RFID读卡器的终端组成库存量采集单元；所述库存量采集单元用于采集或读取仓库中通过二维码或者RFID标记的各种商品的库存量、商品出库速度、商品入库速度数据；商品出库或入库时，由采集终端对商品的编号进行采集从而得到各种商品的库存量、商品出库速度、商品入库速度数据；仓库管理员通过二维码扫码器或手持RFID读卡器读取商品的信息，从而使库存量采集单元采集到当前的库存的商品数量即商品库存量；

所述物流子网为多个用于采集运送商品的运输车辆运载的商品的通过网络连接的服务器组成，网络连接的服务器与多个二维码扫码器或手持RFID读卡器的终端组成物流量采集单元；通过二维码扫码器或手持RFID读卡器读取各种商品的信息，从而使物流量采集单元采集到当前的正在运载的商品数量即运输负载量；

所述售货子网为多个商店中的服务器组成，商店中的服务器与多个二维码扫码器或手持RFID读卡器的终端组成的售卖量采集单元，所述售卖量采集单元与电子价签连接；通过二维码扫码器或手持RFID读卡器读取商店中各种商品的信息，从而使售卖量采集单元采集得到商店中商品数量即商店待售商品量。

3.根据权利要求1所述的一种基于商品大数据的电子价签更新方法，其特征在于，在S400中，通过供货风险模型得到供货风险信号的方法为，通过供货风险模型处理商品库存量、运输负载量、商店待售商品量的数据得到各种商品的供货风险值，判断供货风险值为正或负对应的预测各种商品的数量未来的变化的呈现增加或者减少的速率，若供货风险值为正，则该品种商品数量未来的呈现增加趋势；若供货风险值为负，则该品种商品数量未来呈现加剧减少趋势；

即供货风险值为负时出现风险，表示商店的销售量加剧、商店内的门店存货量不够，当供货风险值为正数时供货正常；当供货风险值为负数时则供货异常，并发出警告信息到电子价签中显示。

4.根据权利要求2所述的一种基于商品大数据的电子价签更新方法，其特征在于，在S500中，在更新供货风险信号的信息到商店中的电子价签的过程中，当商店中某种商品的数量小于商品需求量时发出催货信号并通过以下方法的步骤选择仓库中补充商品到商店：当供货风险信号为负数时出现供货风险，出现供货风险并且商品的数量小于商品需求量时商店的售货子网发出催货信号；

当存储子网接收到催货信号后，开始调用以下步骤选择仓库与物流运输车进行运货：S501，以集合T＝{t1,…,tn}表示n种不同的商品，其中ti的仓库的采购价为ri，令集合W＝{w1,…,wm}为存储有ti品种商品的m个仓库；根据每个仓库到商店直接的距离可以得到仓库wj与当前商店的运输成本为cij，运输成本cij为ti商品从仓库wj到当前商店物流运输车的单件运输成本价格；

S502，采用贪婪算法每次从集合T中选取商店中待售商品量S3(t)最少的商品ti作为物流运输的目标商品td，即

S503，选取ri‑cij为最大值并且商品库存量S1(t)大于等于商品需求量的仓库作为发货仓库wj开始运输商品需求量的td到目标商店，当存在多个ri‑cij值相等的仓库则从中选取地理位置与当前商店最近的仓库作为发货仓库wj，令可用于发货仓库wj到当前商店路段中的至少一辆运输负载量S2(t)大于商品需求量的物流运输车的集合为D；

S504，发货仓库wj从集合D中，选择距离发货仓库wj最近的物流运输车，向被选中的物流运输车发送发货仓库wj中运输商品需求量的td到目标商店的指令信号，被选中的物流运输车接到所述指令信号开始前往发货仓库往目标商店运输td；

S505，当集合D中被选中的物流运输车开始往目标商店运输td时，以ri+cij的作为更新价格，将更新价格传输并更新到商店中ti对应的电子价签。

5.根据权利要求4所述的一种基于商品大数据的电子价签更新方法，其特征在于，步骤

504在发货仓库wj从集合D中以后还可以替换为以下选车步骤：开始选择物流运输车：令集合D中各个物流运输车到发货仓库wj的距离为Si，i＝1…n，n为集合D中物流运输车的数量，选择历史上曾经在发货仓库wj运输目标商品td次数大于选车次数阈值的各个物流运输车，向各个被选中的物流运输车发送发货仓库wj中运输商品需求量的td到目标商店的指令信号，选择最早到达发货仓库wj的物流运输车作为发货车；发货车开始运输商品需求量的td到目标商店；

其中，选车次数阈值的计算方法为：遍历集合D，如果集合D中的物流运输车符合则将这些物流运输车加入集合E中，将集合E中所有物流运输车通过发货仓库wj运输的平均次数作为选车次数阈值，freqi表示距离为Si的物流运输车历史上曾经通过发货仓库wj运输的发车频率。

6.一种基于商品大数据的电子价签更新系统，其特征在于，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：供货网络构建单元，用于构建供货网络；

供需信息采集单元，用于通过供货网络读取各种商品的商品信息；

风险模型构建单元，用于建立供货风险模型；

风险信号计算单元，用于通过供货风险模型得到供货风险信号；

电子价签更新单元，用于更新供货风险信号的信息到商店中的电子价签；

其中，建立供货风险模型的方法为以下步骤，S301，针对每一种商品，每间隔时间t采集的商品库存量S1(t)、运输负载量S2(t)、商店待售商品量S3(t)；

S302，构建商品库存量的风险模型为：R1(t)，S303，建立运输过程的商品负载量变化模型为：R2(t)，S304，建立商店中待售的商品量变化模型为：R3(t)，其中，N为预设的时间阈值，单位布阶函数k(x)的取值为： N取值范围为[24,480]小时,t取值范围为[6,48]小时，i和j均为自然数，x为未知数；

S305，将商品库存量、运输负载量、商店待售商品量的数据Si(t)变换为投影函数Pi(t)，其中，i＝1,2,3；

或者

参数q决定库存、运输、待售三种不同状态商品量变化的增加或者减少的速率，参数q分别取商品库存量、运输负载量和或商店待售商品量在时间t的范围内消耗或变化的商品量，公式中的Pi(t‑1)为Pi(t)的递归公式，通过R1(t)、R2(t)和R3(t)，得到供货风险模型：式中，Mix()表示供货风险的信号变化函数，其中，P1(t)、P2(t)、P3(t)分别为投影后的商品库存量S1(t)、运输负载量S2(t)、商店待售商品量S3(t)数据，y为未知数。

说明书

一种基于商品大数据的电子价签更新方法及系统

技术领域

[0001] 本发明涉及电子价签、商品大数据技术领域，具体涉及一种基于商品大数据的电子价签更新方法及系统。

背景技术

[0002] 电子价签也叫电子货架标签，是一种带有信息收发功能的电子显示装置，主要应用于商店、拍卖行等显示价格信息的电子类标签。在目前的部分智能化的实体商店中，普遍
已经以电子价签取代各种商品之前采用的纸质的价格标签了，电子价签上显示的内容远比
纸质价格标签灵活，可以智能的定时变更标签上的信息内容，从而避免了纸张的浪费。而在
现有技术中，每一个电子价签通过网络与实体商店的服务器中的数据库相连接，从而进行
更新商品信息通过电子价签的屏幕显示出商品信息。

[0003] 目前的此类技术，虽然避免了频繁的更换纸质标签，实现了服务器端的信息与电子价签上的价格同步，但是由于仍然避免不了商家主观的对商品信息进行标注，从而可能
会导致信息的人为输入错误，并且无法客观的反应出商品的库存以及消耗量与运输量的关
系，不能快速识别产品资质与控制库存积压，从而无法快速进行货品补缺。

发明内容

[0004] 本发明的目的在于提出一种基于商品大数据的电子价签更新方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

[0005] 为了实现上述目的，根据本发明的一方面，提供一种基于商品大数据的电子价签更新方法，所述方法包括以下步骤：

[0006] S100，构建供货网络；

[0007] S200，通过供货网络读取各种商品的商品信息，各种商品的商品信息的信息包括存储子网、物流子网和或售货子网中各种商品数量；

[0008] S300，建立供货风险模型；

[0009] S400，通过供货风险模型得到供货风险信号；

[0010] S500，更新供货风险信号的信息到商店中的电子价签。

[0011] 进一步地，所述供货网络包括存储子网、物流子网、售货子网，

[0012] 所述存储子网是由设置在多个供应商品给商店的供应商的仓库中的服务器互相连接构成的网络，仓库中的服务器与多个二维码扫码器或手持RFID读卡器的终端组成库存
量采集单元；所述库存量采集单元用于采集或读取仓库中通过二维码或者RFID标记的各种
商品的库存量、商品出库速度、商品入库速度数据；商品出库或入库时，由采集终端对商品
的编号进行采集从而得到各种商品的库存量、商品出库速度、商品入库速度数据；仓库管理
员通过二维码扫码器或手持RFID读卡器读取商品的信息，从而使库存量采集单元采集到当
前的库存的商品数量即商品库存量；

[0013] 所述物流子网为多个用于采集运送商品的运输车辆运载的商品的通过网络连接的服务器组成，网络连接的服务器与多个二维码扫码器或手持RFID读卡器的终端组成物流
量采集单元；通过二维码扫码器或手持RFID读卡器读取各种商品的信息(运输负载量)，从
而使物流量采集单元采集到当前的正在运载的商品数量即运输负载量；

[0014] 所述售货子网为多个商店中的服务器组成，商店中的服务器与多个二维码扫码器或手持RFID读卡器的终端组成的售卖量采集单元，所述售卖量采集单元与电子价签连接；
通过二维码扫码器或手持RFID读卡器读取商店中各种商品的信息，从而使售卖量采集单元
采集得到商店中商品数量即商店待售商品量；

[0015] 目前的商店供货模式一般是从仓库发货，物流运输到商店中进行售卖，商品的流向为：从仓库中通过运输车辆运载到商店中待售。

[0016] 进一步地，在S200中，各种商品的商品信息的信息包括存储子网、物流子网和或售货子网中各种商品数量,即分别为：仓库中存储的各种商品的数量、正在运输中的各种商品
数量、正在商店中售卖的商品数量。

[0017] 进一步地，在S300中，建立供货风险模型的方法为以下步骤，

[0018] S301，针对每一种商品，每间隔时间t采集的商品库存量S1(t)、运输负载量S2(t)、商店待售商品量S3(t)；注：S1(t‑1)表示间隔时间t‑1采集的商品库存量，其他类似；其中，
S1(t)、S2(t)、S3(t)分别表示每间隔时间t的采集的当前的仓库中、运输车辆运载中、商店
中的当前种商品数量，即在仓库中、运输车辆运载中、商店中每经过时间t的消耗或者补充
商品后的时间点的商品量；

[0019] S302，构建商品库存量的风险模型为：R1(t)，

[0020] S 3 0 3 ，建 立 运 输 过 程的 商 品 负 载 量 变 化 模 型 为 ：R 2 ( t) ，

[0021] S 3 0 4 ，建 立 商 店 中 待 售 的 商 品 量 变 化 模 型 为 ：R 3 ( t ) ，

[0022] 其中，N为预设的时间阈值，单位布阶函数k(x)的取值为： N取值范围为[6,120]小时,t取值范围为[24,480]小时，i和j均为自然数，i取值范围[1,n]；j取值范
围[1,m]；，x、y为未知数；

[0023] S305，将商品库存量、运输负载量、商店待售商品量的数据Si(t)变换为投影函数Pi(t)，其中，i＝1,2,3，Pi(t)即P1(t)、P2(t)、P3(t)，Si(t)即S1(t)、S2(t)、S3(t)；

[0024] 或者参数q决定库存、运输、待售三种不同状态商品量
变化的增加或者减少的速率，参数q分别取商品库存量、运输负载量和或商店待售商品量在
时间t的范围内消耗或变化的商品量，公式中的Pi(t‑1)为Pi(t)的递归公式，通过R1(t)、R2
(t)和R3(t)，得到供货风险模型：

[0025]

[0026] 式中，Mix()表示值为正、负或者零的信号函数，

[0027] 其中，P1(t)、P2(t)、P3(t)分别为投影后的商品库存量S1(t)、运输负载量S2(t)、商店待售商品量S3(t)数据，注：P1(t‑1)表示间隔时间t‑1采集的商品库存量S1(t‑1)的投
影，其他类似。

[0028] 进一步地，在S400中，通过供货风险模型得到供货风险信号的方法为，通过供货风险模型处理商品库存量、运输负载量、商店待售商品量的数据得到各种商品的供货风险值，
判断供货风险值为正或负对应的预测各种商品的数量未来的变化的呈现增加或者减少的
速率，供货风险值为正则该品种商品数量未来的呈现增加趋势；供货风险值为负则该品种
商品数量未来呈现加剧减少趋势；

[0029] 即供货风险值为负时出现风险，表示商店的销售量加剧、商店内的门店存货量不够，当供货风险值为正数时供货正常；当供货风险值为负数时则供货异常，并发出警告信息
到电子价签中显示。

[0030] 进一步地，在S500中，在更新供货风险信号的信息到商店中的电子价签的过程中，当商店中某种商品的数量小于商品需求量时发出催货信号并通过以下方法的步骤选择仓
库中补充商品到商店：所述商品需求量通过商店管理人员在商店中的服务器中设置；

[0031] 当供货风险信号为负数时出现供货风险，出现供货风险并且商品的数量小于商品需求量时商店的售货子网发出催货信号；

[0032] 当存储子网接收到催货信号后，开始调用以下步骤选择仓库与物流运输车进行运货：

[0033] S501，以集合T＝{t1,…,tn}表示n种不同的商品，其中ti的仓库采购价为ri，令集合W＝{w1,…,wm}为存储有ti品种商品的m个仓库；根据每个仓库到商店直接的距离可以得
到仓库wj与当前商店的运输成本为cij，运输成本cij为ti商品从仓库wj到当前商店物流运输
车的单件运输成本价格；仓库的采购价为仓库购买该品种商品时的价格；i取值范围[1,n]；
j取值范围[1,m]；仓库采购价为当前品种的商品仓库进货的价格；

[0034] 所述物流运输车固定运行在仓库wj与当前商店的路线上；

[0035] S502，每次从集合T中选取商店中待售商品量S3(t)最少的商品ti作为物流运输的目标商品td，即 argmin是对函数求参数或集合中寻找具有最小值的
参量的函数；

[0036] S503，选取ri‑cij为最大值并且商品库存量S1(t)大于等于商品需求量的仓库作为发货仓库wj开始运输商品需求量的td到目标商店，当存在多个ri‑cij值相等的仓库则从中选
取地理位置与当前商店最近的仓库作为发货仓库wj，令可用于发货仓库wj到当前商店路段
中的至少一辆运输负载量S2(t)大于商品需求量的物流运输车的集合为D；

[0037] S504，发货仓库wj从集合D中，选择距离发货仓库wj最近的物流运输车，向被选中的物流运输车发送发货仓库wj中运输商品需求量的td到目标商店的指令信号，被选中的物流
运输车接到所述指令信号开始前往发货仓库往目标商店运输td；

[0038] 被选中的物流运输车上的运输人员一般通过移动设备接收所述指令信号，所述指令信号包括发货仓库、发货时间、目标商店、货物类型、货物数量等数据；

[0039] S505，当集合D中被选中的物流运输车开始往目标商店运输td时，以ri+cij的作为更新价格，将更新价格传输并更新到商店中ti对应的电子价签。

[0040] 进一步地，步骤504在发货仓库wj从集合D中以后还可以替换为以下选车步骤：开始选择物流运输车：令集合D中各个物流运输车到发货仓库wj的距离为Si，i＝1…n，n为集合
D中物流运输车的数量，选择历史上曾经在发货仓库wj运输目标商品td次数大于选车次数阈
值的各个物流运输车，向各个被选中的物流运输车发送发货仓库wj中运输商品需求量的td
到目标商店的指令信号，选择最早到达发货仓库wj的物流运输车作为发货车；发货车开始
运输商品需求量的td到目标商店；

[0041] 其中，选车次数阈值的计算方法为：遍历集合D，如果集合D中的物流运输车符合则将这些物流运输车加入集合E中，将集合E中所有物流运输车通过发货
仓库wj运输的平均次数作为选车次数阈值，freqi表示距离为Si的物流运输车历史上曾经通
过发货仓库wj运输的发车频率。

[0042] 本发明还提供了一种基于商品大数据的电子价签更新系统，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器
执行所述计算机程序运行在以下系统的单元中：

[0043] 供货网络构建单元，用于构建供货网络；

[0044] 供需信息采集单元，用于通过供货网络读取各种商品的商品信息；

[0045] 风险模型构建单元，用于建立供货风险模型；

[0046] 风险信号计算单元，用于通过供货风险模型得到供货风险信号；

[0047] 电子价签更新单元，用于更新供货风险信号的信息到商店中的电子价签。

[0048] 本发明的有益效果为：本发明提供一种基于商品大数据的电子价签更新方法及系统，能够实时的在电子价签上反应出商品的库存以及消耗量与运输量的关系，快速识别产
品库存量未来的供货风险与控制库存积压，并智能的选调车辆进行货物的物流运输，快速
进行货品补缺，并且实时的在电子价签上显示价格的变化。

附图说明

[0049] 通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中
的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动
的前提下，还可以根据这些附图获得其他的附图，在附图中：

[0050] 图1所示为一种基于商品大数据的电子价签更新方法的流程图；

[0051] 图2所示为一种基于商品大数据的电子价签更新系统结构图。

具体实施方式

[0052] 以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况
下，本申请中的实施例及实施例中的特征可以相互组合。

[0053] 如图1所示为根据本发明的一种基于商品大数据的电子价签更新方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种基于商品大数据的电子价签更新方法。

[0054] 本发明提出一种基于商品大数据的电子价签更新方法，具体包括以下步骤：

[0055] S100，构建供货网络；

[0056] S200，通过供货网络读取各种商品的商品信息，各种商品的商品信息包括：各种商品的商品库存量、运输负载量、商店待售商品量；

[0057] S300，建立供货风险模型；

[0058] S400，通过供货风险模型得到供货风险信号；

[0059] S500，更新供货风险信号的信息到商店中的电子价签。

[0060] 进一步地，所述供货网络包括存储子网、物流子网、售货子网，

[0061] 所述存储子网是由设置在多个供应商品给商店的供应商的仓库中的服务器互相连接构成的网络，仓库中的服务器与多个二维码扫码器或手持RFID读卡器的终端组成库存
量采集单元；所述库存量采集单元用于采集或读取仓库中通过二维码或者RFID标记的各种
商品的库存量、商品出库速度、商品入库速度数据；商品出库或入库时，由采集终端对商品
的编号进行采集从而得到各种商品的库存量、商品出库速度、商品入库速度数据；仓库管理
员通过二维码扫码器或手持RFID读卡器读取商品的信息，从而使库存量采集单元采集到当
前的库存的商品数量即商品库存量；

[0062] 所述物流子网为多个用于采集运送商品的运输车辆运载的商品的通过网络连接的服务器组成，网络连接的服务器与多个二维码扫码器或手持RFID读卡器的终端组成物流
量采集单元；通过二维码扫码器或手持RFID读卡器读取各种商品的信息(运输负载量)，从
而使物流量采集单元采集到当前的正在运载的商品数量即运输负载量；

[0063] 所述售货子网为多个商店中的服务器组成，商店中的服务器与多个二维码扫码器或手持RFID读卡器的终端组成的售卖量采集单元，所述售卖量采集单元与电子价签连接；
通过二维码扫码器或手持RFID读卡器读取商店中各种商品的信息，从而使售卖量采集单元
采集得到商店中商品数量即商店待售商品量；

[0064] 目前的商店供货模式一般是从仓库发货，物流运输到商店中进行售卖，商品的流向为：从仓库中通过运输车辆运载到商店中待售。

[0065] 进一步地，在S200中，各种商品的商品信息的信息包括存储子网、物流子网和或售货子网中各种商品数量。

[0066] 进一步地，在S300中，建立供货风险模型的方法为以下步骤，

[0067] S301，针对每一种商品，每间隔时间t采集的商品库存量S1(t)、运输负载量S2(t)、商店待售商品量S3(t)；

[0068] 其中，每间隔时间t采集的商品库存量S1(t)意义为：为每间隔时间t的采集的当前的仓库中当前种商品数量；

[0069] 每间隔时间t采集的运输负载量S2(t)意义为：为每间隔时间t的采集的当前运输车辆运载中当前种商品数量；

[0070] 每间隔时间t采集的商品库存量S1(t)意义为：为每间隔时间t的采集的当前的商店中当前种商品数量；

[0071] S302，构建商品库存量的风险模型为：R1(t)，

[0072] S 3 0 3 ，建 立 运 输 过 程的 商 品 负 载 量 变 化 模 型 为 ：R 2 ( t) ，

[0073] S 3 0 4 ，建 立 商 店 中 待 售 的 商 品 量 变 化 模 型 为 ：R 3 ( t ) ，

[0074] 其中，N为预设的时间阈值，单位布阶函数k(x)的取值为： N取值范围为[6,120]小时,t取值范围为[24,480]小时，i和j均为自然数，x为未知数；

[0075] S305，将商品库存量、运输负载量、商店待售商品量的数据Si(t)变换为投影函数Pi(t)，其中，i＝1,2,3，Pi(t)即P1(t)、P2(t)、P3(t)，Si(t)即S1(t)、S2(t)、S3(t)；

[0076] 或者,参数q决定库存、运输、待售三种不同状态商品量变化的增加或者减少的速率，参数q分别取
商品库存量、运输负载量和或商店待售商品量在时间t的范围内消耗或变化的商品量，公式
中的Pi(t‑1)为Pi(t)的递归公式，通过R1(t)、R2(t)和R3(t)，得到供货风险模型：

[0077]

[0078] 式中，Mix()表示值为正、负或者零的信号函数，

[0079] 其中，P1(t)、P2(t)、P3(t)分别为投影后的商品库存量S1(t)、运输负载量S2(t)、商店待售商品量S3(t)数据，注：P1(t‑1)表示间隔时间t‑1采集的商品库存量S1(t‑1)的投
影，其他类似。

[0080] 进一步地，在S400中，通过供货风险模型得到供货风险信号的方法为，通过供货风险模型处理商品库存量、运输负载量、商店待售商品量的数据得到各种商品的供货风险值，
判断供货风险值为正或负对应的预测各种商品的数量未来的变化的呈现增加或者减少的
速率，供货风险值为正则该品种商品数量未来的呈现增加趋势；供货风险值为负则该品种
商品数量未来呈现加剧减少趋势；

[0081] 即供货风险值为负时出现风险，表示商店的销售量加剧、商店内的门店存货量不够，当供货风险值为正数时供货正常；当供货风险值为负数时则供货异常，并发出警告信息
到电子价签中显示。

[0082] 进一步地，在S500中，在更新供货风险信号的信息到商店中的电子价签的过程中，当商店中某种商品的数量小于商品需求量时发出催货信号并通过以下方法的步骤选择仓
库中补充商品到商店：所述商品需求量通过商店管理人员在商店中的服务器中设置；

[0083] 当供货风险信号为负数时出现供货风险，出现供货风险并且商品的数量小于商品需求量时商店的售货子网发出催货信号；

[0084] 当存储子网接收到催货信号后，开始调用以下步骤选择仓库与物流运输车进行运货：

[0085] S501，以集合T＝{t1,…,tn}表示n种不同的商品，其中ti的仓库采购价为ri，令集合W＝{w1,…,wm}为存储有ti品种商品的m个仓库；根据每个仓库到商店直接的距离可以得
到仓库wj与当前商店的运输成本为cij，运输成本cij为ti商品从仓库wj到当前商店物流运输
车的单件运输成本价格；仓库的采购价为仓库购买该品种商品时的价格；

[0086] 所述物流运输车固定运行在仓库wj与当前商店的路线上；

[0087] S502，采用贪婪算法每次从集合T中选取商店中待售商品量S3(t)最少的商品ti作为物流运输的目标商品td，即 argmin是对函数求参数或集合中寻找
具有最小值的参量的函数；

[0088] S503，选取ri‑cij为最大值并且商品库存量S1(t)大于等于商品需求量的仓库作为发货仓库wj开始运输商品需求量的td到目标商店，当存在多个ri‑cij值相等的仓库则从中选
取地理位置与当前商店最近的仓库作为发货仓库wj，令可用于发货仓库wj到当前商店路段
中的至少一辆运输负载量S2(t)大于商品需求量的物流运输车的集合为D；

[0089] S504，发货仓库wj从集合D中，选择距离发货仓库wj最近的物流运输车，向被选中的物流运输车发送发货仓库wj中运输商品需求量的td到目标商店的指令信号，被选中的物流
运输车接到所述指令信号开始前往发货仓库往目标商店运输td；

[0090] 被选中的物流运输车上的运输人员一般通过移动设备接收所述指令信号，所述指令信号包括发货仓库、发货时间、目标商店、货物类型、货物数量等数据；

[0091] S505，当集合D中被选中的物流运输车开始往目标商店运输td时，以ri+cij的作为更新价格，将更新价格传输并更新到商店中ti对应的电子价签。

[0092] 进一步地，步骤504在发货仓库wj从集合D中以后还可以替换为以下选车步骤：开始选择物流运输车：令集合D中各个物流运输车到发货仓库wj的距离为Si，i＝1…n，n为集合
D中物流运输车的数量，选择历史上曾经在发货仓库wj运输目标商品td次数大于选车次数阈
值的各个物流运输车，向各个被选中的物流运输车发送发货仓库wj中运输商品需求量的td
到目标商店的指令信号，选择最早到达发货仓库wj的物流运输车作为发货车；发货车开始
运输商品需求量的td到目标商店；

[0093] 其中，选车次数阈值的计算方法为：遍历集合D，如果集合D中的物流运输车符合则将这些物流运输车加入集合E中，将集合E中所有物流运输车通过发货
仓库wj运输的平均次数作为选车次数阈值，freqi表示距离为Si的物流运输车历史上曾经通
过发货仓库wj运输的发车频率。

[0094] 本发明的实施例提供的一种基于商品大数据的电子价签更新系统，如图2所示为本发明的一种基于商品大数据的电子价签更新系统结构图，该实施例的一种基于商品大数
据的电子价签更新系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器
上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种基于商品大数据的
电子价签更新系统实施例中的步骤。

[0095] 所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：

[0096] 供货网络构建单元，用于构建供货网络；

[0097] 供需信息采集单元，用于通过供货网络读取各种商品的商品信息；

[0098] 风险模型构建单元，用于建立供货风险模型；

[0099] 风险信号计算单元，用于通过供货风险模型得到供货风险信号；

[0100] 电子价签更新单元，用于更新供货风险信号的信息到商店中的电子价签。

[0101] 所述一种基于商品大数据的电子价签更新系统可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种基于商品大数据的电子价签更新系统，
可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅
仅是一种基于商品大数据的电子价签更新系统的示例，并不构成对一种基于商品大数据的
电子价签更新系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不
同的部件，例如所述一种基于商品大数据的电子价签更新系统还可以包括输入输出设备、
网络接入设备、总线等。

[0102] 所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路
(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field‑
Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、
分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器
等，所述处理器是所述一种基于商品大数据的电子价签更新系统运行系统的控制中心，利
用各种接口和线路连接整个一种基于商品大数据的电子价签更新系统可运行系统的各个
部分。

[0103] 所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述
一种基于商品大数据的电子价签更新系统的各种功能。所述存储器可主要包括存储程序区
和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声
音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如
音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性
存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字
(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他
易失性固态存储器件。

[0104] 尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范
围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描
述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。