物流网点健康状况的预测方法、系统、存储介质、及设备技术方案

本发明专利技术提供物流网点健康状况的预测方法，包括：分析影响物流网点健康状况的潜在因素，以获得影响物流网点健康状况的关键因素；其中，所述关键因素包括：派件收入与延迟率；分析物流网点的派件收入与延迟率，以获得退网的物流网点的关键特征；所述关键特征包括：物流网点的总利润；分析与物流网点的总利润相关的若干因素，据以绘制物流网点的收支系统动力学模型；基于所述收支系统动力学模型，建立用于预测物流网点退网可能性的回归分析模型，并将所述回归分析模型的解作为物流网点健康状况的预测结果。本发明专利技术有助于提前预测出物流网点的健康状况，从而便于决策者及时发现存在退网风险的物流网点，避免经济损失。

【技术实现步骤摘要】
物流网点健康状况的预测方法、系统、存储介质、及设备
本专利技术涉及物流领域，特别是涉及物流网点健康状况的预测方法、系统、存储介质、及设备。
技术介绍
随着人们生活水平的不断提高，电子商务行业和物流行业也得到了迅猛发展。然而，2017年快递网点退网、罢工、跑路等事件频发。对于快递网络而言，一个加盟网点的退网会给附近其他的网点增加压力，严重的还会打乱一个区域的快递投送业务，影响快递公司声誉。在面临网点退网风险的境遇中，快递公司希望能够辨别出即将退网网点的特征，以便能提前做好挽救或分流方案。但是，从业务层面上看，网点健康状况的分析难免存在一定的滞后性。如果以收件和签收指标来判断某网点已经多少天没有签收快件，或是通过实地走访来发现该网点是否已经停止营业，则已经造成了不可挽回的损失。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供物流网点健康状况的预测方法、系统、存储介质、及设备，用于解决现有技术中物流企业难以提前预测物流网点的健康状况的问题。为实现上述目的及其他相关目的，本专利技术提供一种物流网点健康状况的预测方法，包括：分析影响物流网点健康状况的潜在因素，以获得影响物流网点健康状况的关键因素；其中，所述关键因素包括：派件收入与延迟率；分析物流网点的派件收入与延迟率，以获得退网的物流网点的关键特征；所述关键特征包括：物流网点的总利润；分析与物流网点的总利润相关的若干因素，据以绘制物流网点的收支系统动力学模型；基于所述收支系统动力学模型，建立用于预测物流网点退网可能性的回归分析模型，并将所述回归分析模型的解作为物流网点健康状况的预测结果。于本专利技术一实施例中，所述回归分析模型具体为：其中，profit、billing.quantity、true.sign分别表示所述物流网点的总利润、收件量、及派件量，p表示所述物流网点的退网概率，β0、β1、β2分别为常数，ε为随机误差。于本专利技术一实施例中，所述总利润profit的数学模型为：总利润profit＝派件利润+收件利润-延迟损失；其中，所述派件利润＝派件收入Incomes-派件支出costs；所述收件利润＝收件收入Incomer-收件支出Costr；所述延迟损失＝E*延迟一天损失delay1-F*延迟两天损失delay2-G*延迟两天以上损失delay2plus+H；其中，E、F、G、H分别为常数。于本专利技术一实施例中，所述派件支出costs的数学模型为：派件支出costs＝A*true.sign2+B*true.sign，其中，A、B分别为常数，true.sign表示所述物流网点的派件量。于本专利技术一实施例中，所述收件收入Incomer的数学模型为：收件收入Incomer＝C*billing.quantity2+D*billing.quantity，其中，C、D、分别为常数，billing.quantity表示所述物流网点的收件量。为实现上述目的及其他相关目的，本专利技术提供一种物流网点健康状况的预测系统，包括：第一分析模块，用于分析影响物流网点健康状况的潜在因素，以获得影响物流网点健康状况的关键因素；其中，所述关键因素包括：派件收入与延迟率；第二分析模块，用于分析物流网点的派件收入与延迟率，以获得退网的物流网点的关键特征；所述关键特征包括：物流网点的总利润；第三分析模块，用于分析与物流网点的总利润相关的若干因素；仿真建模模块，用于基于所述第三分析模块的分析结果绘制物流网点的收支系统动力学模型；回归分析模块，用于基于所述收支系统动力学模型，建立用于预测物流网点退网可能性的回归分析模型，并将所述回归分析模型的解作为物流网点健康状况的预测结果。于本专利技术一实施例中，所述回归分析模型具体为：其中，profit、billing.quantity、true.sign分别表示所述物流网点的总利润、收件量、及派件量，p表示所述物流网点的退网概率，β0、β1、β2分别为常数，ε为随机误差。于本专利技术一实施例中，所述总利润profit的数学模型为：总利润profit＝派件利润+收件利润-延迟损失；其中，所述派件利润＝派件收入Incomes-派件支出costs；所述收件利润＝收件收入Incomer-收件支出Costr；所述延迟损失＝E*延迟一天损失delay1-F*延迟两天损失delay2-G*延迟两天以上损失delay2plus+H；其中，E、F、G、H分别为常数。于本专利技术一实施例中，所述派件支出costs的数学模型为：派件支出costs＝A*true.sign2+B*true.sign，其中，A、B分别为常数，true.sign表示所述物流网点的派件量。于本专利技术一实施例中，所述收件收入Incomer的数学模型为：收件收入Incomer＝C*billing.quantity2+D*billing.quantity，其中，C、D、分别为常数，billing.quantity表示所述物流网点的收件量。为实现上述目的及其他相关目的，本专利技术提供一种存储介质，其中存储有计算机程序，所述计算机程序被处理器加载执行时，实现如上任一所述的物流网点健康状况的预测方法。为实现上述目的及其他相关目的，本专利技术提供一种电子设备，包括：处理器、及存储器；其中，所述存储器用于存储计算机程序；所述处理器用于加载执行所述计算机程序，以使所述电子设备执行如上任一所述的物流网点健康状况的预测方法。如上所述，本专利技术的物流网点健康状况的预测方法、系统、存储介质、及设备，具有以下有益效果：有助于提前预测出物流网点的健康状况，从而便于决策者及时发现存在退网风险的物流网点，避免经济损失。附图说明图1显示为本专利技术一实施例中的物流网点健康状况的预测方法的流程示意图。图2A显示为本专利技术一实施例中的单个物流网点的收支系统的动力学流示意图。图2B显示为本专利技术一实施例中的回归分析模型示意图。图3显示为本专利技术一实施例中的物流网点健康状况的预测系统的模块示意图。图4显示为本专利技术一实施例中的电子设备的结构示意图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。本专利技术旨在预测物流网点的健康状况，从而及时发现存在退网风险的物流网点，为企业决策提供参考，避免企业遭受物流网点退网而造成的经济损失。参阅图1，本实施例提出一种物流网点健康状况的预测方法。所谓物流网点，就是指物流网络的结点，主要包括：储运仓库、流通仓库、中转仓库等。本实施例的预测方法主要包括以下步骤：S11、分析影响物流网点健康状况的潜在因素，以获得影响物流网点健康状况的关键因素；其中，所述关键因素包括：派件收入与延迟率。于本实施例中，采用探索性主成分分析法对影响某本文档来自技高网...

【技术保护点】
1.一种物流网点健康状况的预测方法，其特征在于，包括如下步骤：分析影响物流网点健康状况的潜在因素，以获得影响物流网点健康状况的关键因素；其中，所述关键因素包括：派件收入与延迟率；分析物流网点的派件收入与延迟率，以获得退网的物流网点的关键特征；所述关键特征包括：物流网点的总利润；分析与物流网点的总利润相关的若干因素，据以绘制物流网点的收支系统动力学模型；基于所述收支系统动力学模型，建立用于预测物流网点退网可能性的回归分析模型，并将所述回归分析模型的解作为物流网点健康状况的预测结果。

【技术特征摘要】
1.一种物流网点健康状况的预测方法，其特征在于，包括如下步骤：分析影响物流网点健康状况的潜在因素，以获得影响物流网点健康状况的关键因素；其中，所述关键因素包括：派件收入与延迟率；分析物流网点的派件收入与延迟率，以获得退网的物流网点的关键特征；所述关键特征包括：物流网点的总利润；分析与物流网点的总利润相关的若干因素，据以绘制物流网点的收支系统动力学模型；基于所述收支系统动力学模型，建立用于预测物流网点退网可能性的回归分析模型，并将所述回归分析模型的解作为物流网点健康状况的预测结果。2.根据权利要求1所述的方法，其特征在于，所述回归分析模型具体为：其中，profit、billing.quantity、true.sign分别表示所述物流网点的总利润、收件量、及派件量，p表示所述物流网点的退网概率，β0、β1、β2分别为常数，ε为随机误差。3.根据权利要求1所述的方法，其特征在于，所述总利润profit的数学模型为：总利润profit＝派件利润+收件利润-延迟损失；其中，所述派件利润＝派件收入Incomes-派件支出costs；所述收件利润＝收件收入Incomer-收件支出Costr；所述延迟损失＝E*延迟一天损失delay1-F*延迟两天损失delay2-G*延迟两天以上损失delay2plus+H；其中，E、F、G、H分别为常数。4.根据权利要求3所述的方法，其特征在于，所述派件支出costs的数学模型为：派件支出costs＝A*true.sign2+B*true.sign，其中，A、B分别为常数，true.sign表示所述物流网点的派件量。5.根据权利要求3所述的方法，其特征在于，所述收件收入Incomer的数学模型为：收件收入Incomer＝C*billing.quantity2+D*billing.quantity，其中，C、D、分别为常数，billing.quantity表示所述物流网点的收件量。6.一种物流网点健康状况的预测系统，其特征在于，包括：第一分析模块，用于分析影响物流网点健康状况的潜在因素，以获得影响物流网点健康状况的关键因素；其中，所述关键因素包括：派件收入与延迟率；第二分析模块，用于分析物流网点的派件收入与延...

【专利技术属性】
技术研发人员：费翔，
申请(专利权)人：费翔，
类型：发明
国别省市：上海,31