件量预测方法及装置、设备和存储介质制造方法及图纸

本发明专利技术提供一种件量预测方法及装置、设备和存储介质，该方法包括：获取历史日期的真实件量信息和不完全统计件量信息，以及待预测日的不完全统计件量信息；其中，不完全统计件量信息通过定时统计基于快件的路由信息所预测的派送日期生成；根据历史日期的真实件量信息和不完全统计件量信息、待预测日的不完全统计件量信息建立件量预测模型，得到件量预测结果并输出。本发明专利技术通过利用基于快件路由信息生成的不完全统计件量信息，结合真实件量进行数据分析和建模预测，提升了短期件量预测的准确性。

Prediction Method of Parts Quantity and Devices, Equipment and Storage Medium

The invention provides a method and device, equipment and storage medium for one-piece quantity prediction, which includes: acquiring real and incomplete statistical information of historical date, and incomplete statistical information of expected date; in which incomplete statistical information is generated by timing statistics of the delivery date predicted by routing information based on express; and according to historical date. The real and incomplete statistic information and incomplete statistic information of the date to be predicted are used to establish the forecasting model of the volume of parts, and the forecasting results are obtained and output. The method improves the accuracy of short-term component volume prediction by using incomplete statistical component quantity information generated based on express routing information and data analysis and model prediction combined with real component quantity.

【技术实现步骤摘要】
件量预测方法及装置、设备和存储介质
本申请涉及快递
，具体涉及一种件量预测方法及装置、设备和存储介质。
技术介绍
当前快递行业主流的件量预测方法通常是根据历史真实件量进行预测，例如对根据历史真实件量进行同比增长或环比增长等方式进行预测。该类方法主要关注件量变化的趋势与周期，对于节假日、促销节日(例如双十一、双十二等)等外生冲击事件发生日的预测存在较大误差。此外，当前快递行业对于快件路由信息的采集越来越及时，信息完整性、时效性也不断提升，但当前的件量预测方法没有利用该信息来提升短期件量预测的准确性，尤其是次日件量预测的准确性。
技术实现思路
鉴于现有技术中的上述缺陷或不足，期望提供一种利用快件路由信息提升的件量预测方法及装置、设备和存储介质。第一方面，本专利技术提供一种件量预测方法，包括：获取历史日期的真实件量信息和不完全统计件量信息，以及待预测日的不完全统计件量信息；其中，不完全统计件量信息通过定时统计基于快件的路由信息所预测的派送日期生成；根据历史日期的真实件量信息和不完全统计件量信息、待预测日的不完全统计件量信息建立件量预测模型，得到件量预测结果并输出。第二方面，本专利技术提供一种件量预测装置，包括获取单元和预测单元。获取单元配置用于获取历史日期的真实件量信息和不完全统计件量信息，以及待预测日的不完全统计件量信息；其中，不完全统计件量信息通过定时统计基于快件的路由信息所预测的派送日期生成；预测单元配置用于根据历史日期的真实件量信息和不完全统计件量信息、待预测日的不完全统计件量信息建立件量预测模型，得到件量预测结果并输出。第三方面，本专利技术还提供一种设备，包括一个或多个处理器和存储器，其中存储器包含可由该一个或多个处理器执行的指令以使得该一个或多个处理器执行根据本专利技术各实施例提供的件量预测方法。第四方面，本专利技术还提供一种存储有计算机程序的计算机可读存储介质，该计算机程序使计算机执行根据本专利技术各实施例提供的件量预测方法。本专利技术诸多实施例提供的件量预测方法及装置、设备和存储介质通过利用基于快件路由信息生成的不完全统计件量信息，结合真实件量进行数据分析和建模预测，提升了短期件量预测的准确性；本专利技术一些实施例提供的件量预测方法及装置、设备和存储介质进一步通过对模型筛选出的相似历史日期进行过滤筛选，进一步提升预测的准确性；本专利技术一些实施例提供的件量预测方法及装置、设备和存储介质进一步通过选取不完全统计件量增速较高的时段进行分析预测，避免增速较低时段数据影响预测的准确性，进一步提升预测的准确性。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1为本专利技术一实施例提供的一种件量预测方法的流程图。图2为某营业部某日的不完全统计件量信息节选示意图。图3为图1所示方法的一种优选实施方式中步骤S50的流程图。图4为图3所示步骤S50的一种优选实施方式的流程图。图5为图1所示方法的一种优选实施方式的流程图。图6为图1所示方法的一种优选实施方式的流程图。图7为本专利技术一实施例提供的一种件量预测装置的结构示意图。图8为图7所示装置的一种优选实施方式的结构示意图。图9为图7所示装置的一种优选实施方式的结构示意图。图10为本专利技术一实施例提供的一种设备的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与专利技术相关的部分。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。下面将参考附图并结合实施例来详细说明本申请。图1为本专利技术一实施例提供的件量预测方法的流程图。如图1所示，在本实施例中，本专利技术提供的件量预测方法包括：S30：获取历史日期的真实件量信息和不完全统计件量信息，以及待预测日的不完全统计件量信息；其中，不完全统计件量信息通过定时统计基于快件的路由信息所预测的派送日期生成；S50：根据历史日期的真实件量信息和不完全统计件量信息、待预测日的不完全统计件量信息建立件量预测模型，得到件量预测结果并输出。具体地，在本实施例中，待预测日为当前日期的次日，在更多实施例中，还可根据实际需求将待预测日配置为当前日期起的第三日或第四日等。在步骤S30中，某营业部某日的真实件量信息即该营业部在该日实际派送的快件数量，例如，营业部755A在2017年8月6日的真实件量信息为4025件。某营业部某日的不完全统计件量信息即该营业部根据各快件的路由信息统计得到的预计将于该日派送的不完全统计件量的时间序列。图2为某营业部某日的不完全统计件量信息节选示意图。如图2所示，营业部755A在2017年8月5日11时(6日0点减去13小时)统计得到对于8月6日的不完全统计件量为415件，在8月5日12时统计得到为462件，……，在8月6日0时统计得到为1420件，……，在8月6日2时统计得到为1426件。因此，只要历史日期和待预测日的各快件的路由信息完整，即可获取到历史日期的不完全统计件量信息，以及待预测日的不完全统计件量信息。通过对不同历史日期的真实件量信息相似性和不完全统计件量信息相似性进行分析，申请人发现两者之间存在非常高的关联性，即对于不完全统计件量信息相似性高的日期，其真实件量信息较为接近；而对于不完全统计件量信息相似性低的日期，其真实件量信息差距较大。因此，可以通过比较历史日期与待预测日的不完全统计件量信息相似性，对待预测日的真实件量作出准确性较高的预测。在本实施例中，真实件量信息和不完全统计件量信息以营业部(包括下属网点)为数据统计单位，在更多实施例中，可根据实际需求将真实件量信息和不完全统计件量信息配置为以网点、行政区域等不同单位作为数据统计单位，可实现相同的技术效果。优选地，对于路由信息缺失导致无法被统计至不完全统计件量信息中的快件，同样应当不计入真实件量，以保障真实件量相似性与不完全统计件量相似性两者关联性的可靠性。例如，营业部755A在2017年8月6日实际派送的4025件快件中，有120件快件缺失路由信息导致无法被统计至不完全统计件量信息中，则营业部755A在2017年8月6日的真实件量信息应记为3905件。在步骤S50中，本实施例中采用动态时间弯曲距离法(dynamictimewarping，简称dtw)来分析各历史日期与待预测日的不完全统计件量信息的相似性，在更多实施例中，可采用其它时间序列相似性算法进行上述分析，例如欧氏距离、闵可夫斯基距离等，可实现较为相似的技术效果。图3为图1所示方法的一种优选实施方式中步骤S50的流程图。如图3所示，在一优选实施例中，步骤S50包括：S51：根据历史日期和待预测日的不完全统计件量信息建立件量预测模型；S53：在模型中采用动态时间弯曲距离法分析各历史日期与待预测日的不完全统计件量信息的相似性，选出相似性最高的若干历史日期；S55：根据选出的各历史日期的真实件量生成待预测日的件量预测结果并输出。具体地，在本实施例中，该件量预测模型为基于动态时间弯曲距离法生成的机器学习模型，在步骤S53中选取出与待预测日的不完全统计件量信息相似性最高的5个历史日期，在步骤S55中采用通本文档来自技高网...

【技术保护点】
1.一种件量预测方法，其特征在于，包括：获取历史日期的真实件量信息和不完全统计件量信息，以及待预测日的不完全统计件量信息；其中，所述不完全统计件量信息通过定时统计基于快件的路由信息所预测的派送日期生成；根据所述历史日期的真实件量信息和不完全统计件量信息、所述待预测日的不完全统计件量信息建立件量预测模型，得到件量预测结果并输出。

【技术特征摘要】
1.一种件量预测方法，其特征在于，包括：获取历史日期的真实件量信息和不完全统计件量信息，以及待预测日的不完全统计件量信息；其中，所述不完全统计件量信息通过定时统计基于快件的路由信息所预测的派送日期生成；根据所述历史日期的真实件量信息和不完全统计件量信息、所述待预测日的不完全统计件量信息建立件量预测模型，得到件量预测结果并输出。2.根据权利要求1所述的方法，其特征在于，所述根据所述历史日期的真实件量信息和不完全统计件量信息、所述待预测日的不完全统计件量信息建立件量预测模型，得到件量预测结果并输出包括：根据所述历史日期和所述待预测日的不完全统计件量信息建立件量预测模型；在所述模型中采用动态时间弯曲距离法分析各历史日期与待预测日的不完全统计件量信息的相似性，选出相似性最高的若干历史日期；根据选出的各历史日期的真实件量生成待预测日的件量预测结果并输出。3.根据权利要求2所述的方法，其特征在于，所述根据选出的各历史日期的真实件量生成待预测日的件量预测结果并输出之前还包括：判断选出的各历史日期的不完全统计件量信息在预定时段的相似性是否满足预定阈值：否，则过滤相似性最低的历史日期，并循环当前步骤。4.根据权利要求2或3所述的方法，其特征在于，还包括：根据所述历史日期的不完全统计件量信息分析各快件的不完全统计件量增速；所述根据所述历史日期和所述待预测日的不完全统计件量信息建立件量预测模型包括：根据所述不完全统计件量增速的分析结果选取所述历史日期和所述待预测日的不完全统计件量信息中增速高于第一阈值的时段，建立件量预测模型。5.根据权利要求1-3任一项所述的方法，其特征在于，还包括：定时统计基于快件的路由信息所预测的派送日期，生成每日的不完全统计件量信息。6.根据权利要求5所述的方法，其特征在于，还包括：基于快件的路由信息预测所述快件的派送日期。7.根据权利要求1-3任一项所述的方法，其特征在于，所述待预测日为当前日期的次日。8.一种件量预测装置，其特征在于，包括：获取单元，配置用于获取历史日期的真实件量信息和不完全统计件量信息，以及待预测日的不完全统计件量信息；其中，所述不完全统计...

【专利技术属性】
技术研发人员：王本玉，马昭，金晶，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：广东,44