一种检测物流包裹计费异常的方法及设备技术

本发明专利技术适用于物流管理技术领域，提供了一种检测物流包裹计费异常的方法，所述方法包括以下步骤：根据费用特征和相关特征的对应关系表的相关特征数据选择标准特征；根据所述标准特征和对费用特征和相关特征的对应关系表中的数据，建立历史物流数据的特征统计模型，所述特征统计模型用于表示标准特征、费用特征类别和每个费用特征类别对应的门限值的三者关联；获取当前包裹的标准特征和费用特征，并根据当前包裹的标准特征及所述特征统计模型，得到当前包裹所属费用特征类别对应的门限值；根据当前包裹的费用特征和当前包裹所属费用特征类别对应的门限值，确定当前包裹的费用特征是否存在异常。

【技术实现步骤摘要】
一种检测物流包裹计费异常的方法及设备
本专利技术属于物流管理
，尤其涉及一种检测物流包裹计费异常的方法和设备。
技术介绍
在现有的物流管理设备中，每个包裹的物流费用是根据出发地，目的地，包裹大小，包裹重量，物流方式，时长等数据信息进行计算得到，但是现有物流管理设备无法检测该计算得到的物流费用是否合理和准确，物流费用是否会存在异常。
技术实现思路
本专利技术实施例提供一种检测物流包裹计费异常的方法和设备，旨在解决现有物流管理设备无法检测该计算得到的物流费用是否合理和准确的问题。本专利技术实施例是这样实现的，一种检测物流包裹计费异常的方法，所述方法包括以下步骤：获取物流设备的历史物流数据，并根据历史物流数据得到费用特征和相关特征的对应关系表；根据费用特征和相关特征的对应关系表的相关特征数据选择标准特征；根据所述标准特征和对费用特征和相关特征的对应关系表中的数据，建立历史物流数据的特征统计模型，所述特征统计模型用于表示标准特征、费用特征类别和每个费用特征类别对应的门限值的三者关联；获取当前包裹的标准特征和费用特征，并根据当前包裹的标准特征及所述特征统计模型，得到当前包裹所属费用特征类别对应的门限值；根据当前包裹的费用特征和当前包裹所属费用特征类别对应的门限值，确定当前包裹的费用特征是否存在异常。本专利技术检测物流包裹计费异常的方法，通过建立历史物流数据的特征统计模型，再根据当前包裹的标准特征和费用特征，并根据当前包裹的标准特征及所述特征统计模型，得到当前包裹所属费用特征类别对应的门限值；根据当前包裹的费用特征和当前包裹所属费用特征类别对应的门限值，可以确定当前包裹的费用特征是否存在异常，实现检测物流费用是否合理和准确的功能。本专利技术实施例还提供一种检测物流包裹计费异常的设备，所述设备包括存储器、处理器及存储在所述存储器上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程序，以用于实现上述的方法。附图说明图1是本专利技术检测物流包裹计费异常的方法一种实施例的流程图。图2是本专利技术费用特征一种实施例的箱图。图3是本专利技术正常费用特征一种实施例的箱图。图4是本专利技术检测物流包裹计费异常的方法另一种实施例的流程图。图5是本专利技术费用特征一种实施例的示意图。图6是本专利技术检测物流包裹计费异常的设备一种实施例的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术提供一种实施例的检测物流包裹计费异常的方法，如图1所示，所述方法包括以下步骤：步骤101，获取物流设备的历史物流数据，并根据历史物流数据得到费用特征和相关特征的对应关系表；步骤102，从费用特征和相关特征的对应关系表的相关特征数据中选择标准特征；步骤103，根据所述标准特征和对费用特征和相关特征的对应关系表中的数据，建立历史物流数据的特征统计模型，所述特征统计模型用于表示标准特征、费用特征类别和每个费用特征类别对应的门限值的三者关联；步骤104，获取当前包裹的标准特征和费用特征，并根据当前包裹的标准特征及所述特征统计模型，得到当前包裹所属费用特征类别对应的门限值；步骤105，根据当前包裹的费用特征和当前包裹所属费用特征类别对应的门限值，确定当前包裹的费用特征是否存在异常。在步骤101中，通过收集物流设备的历史物流数据，所述物流设备的历史物流数据包括出发地，目的地，包裹大小，包裹重量，物流方式，时长等。根据历史物流数据得到费用特征和相关特征的对应关系表，相关特征为除了费用特征之外的其他物流特征，比如距离，出发地，目的地，包裹大小和包裹重量等，费用特征和相关特征的对应关系表如表1所示。表1费用特征距离出发地目的地包裹大小包裹重量。。。5元100公里西安渭南10*101.5公斤。。。3元20公里西安西安5*51公斤。。。。。。在具体实施中，在步骤101之后，所述方法还包括以下步骤：步骤1011，对费用特征和相关特征的对应关系表中的数据进行清洗，得到费用特征和相关特征的正确对应关系表。具体的，对费用特征和相关特征的对应关系表中的数据进行逐列清洗，清洗时可以采用ROI或者箱图的方式以把数据在费用均值±N*方差以外的数据作为离群点清洗掉。更具体的，对所有数据逐列做数据清洗，清洗时可以通过箱图获取正常数据的取值范围，把该范围以外的点去除掉。以价格为例，绘制费用特征的箱图，如图2所示，如果将取值为500的点则为异常点需要除去，除去后就可以得到正常费用特征取值范围的箱图，如图3所示。在具体实施中，如图4所示，所述步骤102，具体为：步骤1021，从费用特征和相关特征的正确对应关系表的相关特征数据中选择标准特征；所述步骤103，具体为：步骤1031，所述根据所述标准特征和对费用特征和相关特征的正确对应关系表中的数据，建立历史物流数据的特征统计模型。在步骤1031中，所述特征统计模型用于表示标准特征、费用特征类别和每个费用特征类别对应的门限值的三者关联。也就是说，获取包裹的标准特征，根据包裹的标准特征和所述特征统计模型，可以得到包裹的费用特征类别，再根据包裹的费用特征类别和所述特征统计模型，可以得到包裹的费用特征类别所对应的门限值，通过包裹的费用特征和包裹的费用特征类别所对应的门限值的比较，当包裹的费用值不在包裹的费用特征类别所对应的门限值内时，便可以判断包裹的费用存在异常。在步骤1021中，对费用特征与相关特征进行特征选择，去掉特征排序最后的M％个特征，得到。具体的，通过R语言的ReliefF算法计算费用特征与不同相关特征的相关系数，具体的关系如表2所示。比如，去掉排名最后2名的特征，即可以根据相关系数从相关特征中选择出距离和包裹大小作为标准特征。表2相关特征名称相关性距离0.7包裹大小0.65目的地0.4出发地0在具体实施中，所述步骤1031还包括以下步骤：根据所述标准特征和对费用特征和相关特征的正确对应关系表中的数据进行聚类，得到所述标准特征与费用特征类别的对应关系表并统计每个费用特征类别下的费用均值和费用方差；根据每个费用特征类别下的费用均值和费用方差，得到每个费用特征类别对应的门限值；根据所述标准特征与费用特征类别的对应关系表和每个费用特征类别对应的门限值，建立历史物流数据的特征统计模型。具体的，所述聚类算法具体为：PAM和K-Means的其中一种聚类算法。也就是说，利用PAM或者K-Means等聚类算法，对相关特征进行聚类，并且统计不同类别下费用均值和费用方差。比如，距离和包裹大小，这两个标准特征进行聚类，其中假设聚类个数为4，以每个费用特征类别是类别3为例，类别3的费用均值和费用方差分别为：费用均值＝10.16，费用方差＝7。在具体实施中，根据每个费用特征类别下的费用均值和费用方差，得到每个费用特征类别对应的门限值，具体为：将每个费用特征类别的费用均值±N*费用方差作为每个费用特征类别对应的门限值。假设费用特征在费用均值±0.75*方差范围内为正常值，则图5中的红色圈圈内的点费用存在异常，即费用在区间(10.16-0.75*7，10.16+0.75*7)之内则为正常值。在具体实施中，步骤104和步骤105中，对于当前包裹，获取当前包裹本文档来自技高网...

【技术保护点】
1.一种检测物流包裹计费异常的方法，其特征在于：所述方法包括以下步骤：获取物流设备的历史物流数据，并根据历史物流数据得到费用特征和相关特征的对应关系表；根据费用特征和相关特征的对应关系表的相关特征数据选择标准特征；根据所述标准特征和对费用特征和相关特征的对应关系表中的数据，建立历史物流数据的特征统计模型，所述特征统计模型用于表示标准特征、费用特征类别和每个费用特征类别对应的门限值的三者关联；获取当前包裹的标准特征和费用特征，并根据当前包裹的标准特征及所述特征统计模型，得到当前包裹所属费用特征类别对应的门限值；根据当前包裹的费用特征和当前包裹所属费用特征类别对应的门限值，确定当前包裹的费用特征是否存在异常。

【技术特征摘要】
2018.07.25 CN 20181082559141.一种检测物流包裹计费异常的方法，其特征在于：所述方法包括以下步骤：获取物流设备的历史物流数据，并根据历史物流数据得到费用特征和相关特征的对应关系表；根据费用特征和相关特征的对应关系表的相关特征数据选择标准特征；根据所述标准特征和对费用特征和相关特征的对应关系表中的数据，建立历史物流数据的特征统计模型，所述特征统计模型用于表示标准特征、费用特征类别和每个费用特征类别对应的门限值的三者关联；获取当前包裹的标准特征和费用特征，并根据当前包裹的标准特征及所述特征统计模型，得到当前包裹所属费用特征类别对应的门限值；根据当前包裹的费用特征和当前包裹所属费用特征类别对应的门限值，确定当前包裹的费用特征是否存在异常。2.如权利要求1所述的方法，其特征在于，所述方法还包括以下步骤：对费用特征和相关特征的对应关系表中的数据进行清洗，得到费用特征和相关特征的正确对应关系表；所述从费用特征和相关特征的对应关系表的相关特征数据中选择标准特征的步骤，具体为：从费用特征和相关特征的正确对应关系表的相关特征数据中选择标准特征；所述根据所述标准特征和对费用特征和相关特征的对应关系表中的数据，建立历史物流数据的特征统计模型的步骤，具体为：所述根据所述标准特征和对费用特征和相关特征的正确对应关系表中的数据，建立历史物流数据的特征统计模型。3.如权利要求2所述的方法，其特征...

【专利技术属性】
技术研发人员：贾方，张润寒，葛莉，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61