农企新闻网

物流车辆风险剖析

发布者:王夕
导读据中国电子商务研讨中心数据显示,2017年中国电子商务市场买卖额已到达29.16万亿元。在“互联网+”的背景下,挪动电商会把电子商务推向一个新的低潮,而作为电子商务支撑产业的快递物流效劳业的开展将直接影响电子商务的客户体验。快递物流业与电子商务必定是协调开展。据国度发改委网站音讯,2016年我国物流总费用达6万亿元,曾经超越美国,成为全球第一大物流市场,也是全球最具生长性的物流市场。2017年货运

据中国电子商务研讨中心数据显示,2017年中国电子商务市场买卖额已到达29.16万亿元。 在“互联网+”的背景下,挪动 电商 会把电子商务推向一个新的低潮,而作为电子商务支撑产业的快递 物流 效劳业的开展将直接影响电子商务的客户体验。

物流车辆风险分析

快递物流业与电子商务必定是协调开展。据国度发改委网站音讯,2016年我国物流总费用达6万亿元,曾经超越美国,成为全球第一大物流市场,也是全球最具生长性的物流市场。2017年货运量到达了479亿吨,比上年增长了9.3%。而其中,公路完成货运量368亿吨,占比到达了76.8%,且公路货运量也是继续增长,比去年增长了10%多。

可见在快递物流业, 汽车 公路运输 与铁路、航运、水运相比具有无足轻重的作用

虽然公路运输完成了大局部货运量,但还存在诸多成绩。 公安部交管局的统计数据显示,2016年全外货车保有量1351.77万量,共发作货车责任路途 交通事故 5.04万起,形成2.5万人死亡、4.68万人受伤,辨别占汽车责任事故总量的30.5%、48.23%和27.81%,远远高于货车保有量占汽车总量的比例7%。

货车交通事故的频繁发作与我国目前汽车物盛行业信息化程度较低,信息平台不够健全有直接的关系 ,也不利于汽车物流业的开展。同时由于国际汽车物盛行业信息统计比拟分散、零碎性差,这些成绩严重影响了企业管理效率,信息传递速度。在这个信息化的年代, 信息化属于物流零碎的根底条件,没有网络技术程度支持的信息化,无论任何先进的技术与设备都不能为物盛行业效劳

汽车物盛行业的信息化,包括商品代码以及数据库的构建,运输网络合理化、销售网络迷信化、物流中心管理古代化等 。汽车物盛行业必需要将 信息网络技术充沛使用起来,进步信息传递程度、增加交通事故、提升物流效率让客户享用到更优质的效劳

物流车辆风险分析

正是基于上述的缘由,由交通运输部、公安部、国度平安监管总局结合制定的《路途运输车辆静态监视管理方法》于2014年7月1日起正式实施。管理方法中明白规则:进入运输市场的重型载货汽车和半挂牵引车必需装置契合规范的卫星定位安装,并接入全国路途货运车辆公共监管与效劳平台。凡未按要求接入公共监管平台的,不予市场准入审批。

物流车辆风险分析

物流作为车辆的一个细分市场 ,与普通车辆有很分明的区别,它有本人的业务场景。 普通车辆数据普通有两类数据: 一是车联网数据、二是保险公司的数据 。但是在物流车辆上有一个特别重要的数据,物流公司普通会依据本人的管理或运营需求记载了车辆出险的数据。

站在物流公司的角度,他们十分希冀的事情是不出险,如何标准管理,如何标准业务流程可以降低出险率。由于一旦有车出险,不只是理赔上的费时费钱,还有在业务端也会使得一辆车无法完成物流业务,带来很大的损失。这里我们选取了一家物流公司本人记载的出险注销数据,希望可以从中发现一些业务场景,来协助企业标准管理,将降低出险率。

物流车辆风险分析

物流公司发作事故时,注销了事故当天的一些信息,哪位驾驶员开着车号是多少的物流车,在哪里发作了事故,事故发作时能否报案,要承当的事故责任是全责、次责、无责还是单方各负其责?这个数据比保险公司记载的数据绝对要丰厚很多。

物流车辆风险分析

我们对物流公司出险记载数据中驾驶员、事故地点复杂的做个词云图。从驾驶员词云图中很容易可以看出出险较多的司机。从出险地点词云图中可以看出“堆场”很突出,堆场是货物交接、堆存和保管的场所。另外还可以看到“停车场”、“仓库”、“闸口”、“大门口”这样的词汇,阐明物流车辆事故很多时分发作在本人的地盘上。但是,这是一个公司是这样的情形,还是物流车辆都有相似的状况?我们应用车联网数据从正面来验证下。

物流车辆风险分析

大家晓得车联网可以采集到车辆行驶的工夫、经纬度、车速、里程等信息。在车联网的规范下,可以计算出车辆在各个Trip上的均匀速度,均匀行驶工夫等目标。然后依据出险与否做出箱线图停止比照。在均匀速度目标上,私家车上普通速度越大出险的能够性越多,但是在这一批数据中物流车辆中出险车辆并没有比未出险车辆大很多。也许是由于物流司机都是老司机,在高速行驶时速度普通比拟波动。外行驶时长上,私家车普通行驶时长越大出险的能够性越大,但是在物流车联网上,未出险的均匀车辆行驶时长更长,很能够是由于没有发作事故车辆行驶的比拟长,出险车辆很有能够是在本人的地盘上就发作了的大事故,从而工夫更短。

总结与建议

综上所述,依据这家企业的出险数据,与物流车联网数据停止比对剖析,可以发现这家物流公司不能疏忽堆场、停车场、闸口、仓库这些公司周边的大事故,公司重点经过增强公司堆场管理标准就可以降低风险。当然,不同的物流公司有他的特点,还需求依据详细数据停止比照剖析。以上是本案例对物流车辆风险的复杂剖析,在这里希望有更多想法的冤家给我们提出意见与建议,协助我们更好的改良。