一种物流取货操作耗时智能预测方法及系统技术方案

本发明专利技术公开了一种物流取货操作耗时智能预测方法及系统，该方法包括：接收当前订单信息；获取数据库中客户名下所有历史订单，判断历史订单的数量是否超过预设阈值；若是，则根据多元映射回归预测模型对货物下单重量和货物下单件数进行处理，得到预测操作耗时；若否，则从数据库中匹配出该客户名下与当前订单最近似的历史订单，将该历史订单的实际操作耗时作为当前订单的预测操作耗时。本发明专利技术中预测模型根据历史订单特征属性数据构建，在客户历史订单量较多时，采用预测模型预测操作耗时，提高预测准确率，在客户历史订单量较少时，则根据最近似的历史订单确认预测操作耗时，从而保证不管客户历史订单量多或少，均能较准确预测出操作耗时。

【技术实现步骤摘要】
一种物流取货操作耗时智能预测方法及系统
本专利技术涉及物流运输
，尤其涉及一种物流取货操作耗时智能预测方法及系统。
技术介绍
随着物流行业的快速发展，客户对物流服务的时效要求越来越高，因此，衍生出了“当天达”、“次日达”、“隔日达”等限时服务方式，而这些服务方式都有着严格的时效要求，一旦超时，则需对客户进行赔偿，还将影响客户体验，因此，客户下单后，工作人员上门取件所需要的取货操作耗时也需要进行严格限定。目前，取货操作耗时主要是通过有经验的工作人员进行人为预测，再根据预测结果调度取件人员前往取件，但是人为预测往往不尽人意，预测结果准确性低，而预测结果的不准确极可能会使得整个物流过程的时间分配出现不合理的情况，导致货物不能及时运输到客户手里，并且，人为预测还会加大人力消耗，加重公司负担。
技术实现思路
本专利技术提供了一种物流取货操作耗时智能预测方法及系统，以解决现有物流运输行业中，人为预测操作耗时不准确的问题。为了解决上述问题，本专利技术提供了一种物流取货操作耗时智能预测方法，包括：接收当前订单信息，订单信息包括客户名、货物下单重量和货物下单件数；获取数据库中客户名下所有历史订单，判断历史订单的数量是否超过预设阈值；若是，则根据多元映射回归预测模型对货物下单重量和货物下单件数进行处理，得到预测操作耗时；多元映射回归预测模型根据历史订单特征属性数据构建；若否，则从数据库中匹配出该客户名下与当前订单最近似的历史订单，将该历史订单的实际操作耗时作为当前订单的预测操作耗时。作为本专利技术的进一步改进，历史订单特征属性数据包括每单下单件数、每单下单重量，以及每单货物真实件数、每单货物真实重量、每单实际耗时、每单单件货物件均耗时的统计值，统计值包括平均值、中位数值、下四分位数值、上四分位数值中的至少一种。作为本专利技术的进一步改进，多元映射回归预测模型根据历史订单特征属性数据构建的步骤，包括：建立多元映射回归方程：y＝AT·X+b，其中y表示实际操作耗时，X表示由历史订单特征属性数据组成的矩阵，AT、b为影响因子；拟合历史订单特征属性数据，获得AT、b的优选估计值；根据所述AT、b的优选估计值构建所述多元映射回归预测模型。作为本专利技术的进一步改进，从数据库中匹配出该客户名下与当前订单最近似的历史订单的步骤，包括：建立以每单货物件数、每单货物重量为维度的平面直角坐标系；将历史订单数据、当前订单数据放入该平面直角坐标系中，形成相应的坐标点；计算出与表示当前订单数据坐标点欧式距离最近的目标坐标点；确认该目标坐标点表示的历史订单为与当前订单最近似的历史订单。作为本专利技术的进一步改进，获取数据库中客户名对应的历史订单步骤之前，还包括：对数据库中历史订单的每单实际耗时值进行数据清洗，确认出异常的实际耗时值；从数据库中删除掉异常实际耗时值对应的历史订单。为了解决上述问题，本专利技术还提供了一种物流取货操作耗时智能预测系统，包括：接收模块，用于接收当前订单信息，订单信息包括客户名、货物下单重量和货物下单件数；判断模块，用于获取数据库中客户名下所有历史订单，判断历史订单的数量是否超过预设阈值；第一耗时预测模块，用于当历史订单数量超过预设阈值时，根据多元映射回归预测模型对货物下单重量和货物下单件数进行处理，得到预测操作耗时；多元映射回归预测模型根据历史订单特征属性数据构建；第二耗时预测模块，用于当历史订单数量未超过预设阈值时，从数据库中匹配出该客户名下与当前订单最近似的历史订单，将该历史订单的实际操作耗时作为当前订单的预测操作耗时。作为本专利技术的进一步改进，历史订单特征属性数据包括每单下单件数、每单下单重量，以及每单货物真实件数、每单货物真实重量、每单实际耗时、每单单件货物件均耗时的统计值，统计值包括平均值、中位数值、下四分位数值、上四分位数值中的至少一种。作为本专利技术的进一步改进，其还包括：方程建立模块，用于建立多元映射回归方程：y＝AT·X+b，其中y表示实际操作耗时，X表示由历史订单特征属性数据组成的矩阵，AT、b为影响因子；拟合模块，用于拟合历史订单特征属性数据，获得AT、b的优选估计值；模型构建模块，根据AT、b的优选估计值构建多元映射回归预测模型。作为本专利技术的进一步改进，第二耗时预测模块包括：坐标系建立单元，用于建立以每单货物件数、每单货物重量为维度的平面直角坐标系；坐标代入单元，用于将历史订单数据、当前订单数据放入该平面直角坐标系中，形成相应的坐标点；计算单元，用于计算出与表示当前订单数据坐标点欧式距离最近的目标坐标点；确认单元，用于确认该目标坐标点表示的历史订单为与当前订单最近似的历史订单。作为本专利技术的进一步改进，其还包括：清洗模块，用于对数据库中历史订单的每单实际耗时值进行数据清洗，确认出异常的实际耗时值；删除模块，用于从数据库中删除掉异常实际耗时值对应的历史订单。相比于现有技术，本专利技术通过根据历史订单特征属性数据构建多元映射回归预测模型，而当历史订单的数量较多时，根据该多元映射回归预测模型预测的结果更为准确，因此，在接收到客户的当前订单信息后，从数据库中获取该客户名下的所有历史订单，当历史订单的数量超过预设阈值时，则根据多元映射回归预测模型对当前订单的操作耗时进行预测，提高预测结果的准确率，而当历史订单的数量未超过预设阈值时，多元映射回归预测模型的预测准确率下降，此时，从所有历史订单中确认与当前订单最近似的历史订单，并将该最近似的历史订单的实际操作耗时作为当前订单的预测操作耗时，从而使得无论客户的历史订单的数量多或少，均能得到一个较好的预测结果，并且，本专利技术的预测过程不需要人为参与进行，降低了人力消耗，同时也避免了人为预测准确率低的问题。附图说明图1为本专利技术物流取货操作耗时智能预测方法第一个实施例的流程图；图2为本专利技术物流取货操作耗时智能预测方法一个实施例的多元映射回归预测模型构建的流程图；图3为本专利技术物流取货操作耗时智能预测方法第二个实施例的流程图；图4为本专利技术物流取货操作耗时智能预测方法一个实施例的平面直接坐标系的框架示意图；图5为本专利技术物流取货操作耗时智能预测方法预测结果的差值区间分布图；图6为本专利技术物流取货操作耗时智能预测方法第三个实施例的流程图；图7为本专利技术物流取货操作耗时智能预测系统第一个实施例的功能模块示意图；图8为本专利技术物流取货操作耗时智能预测系统第二个实施例的功能模块示意图；图9为本专利技术物流取货操作耗时智能预测系统第三个实施例的功能模块示意图；图10为本专利技术物流取货操作耗时智能预测系统第四个实施例的功能模块示意图。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，并不用来限定本专利技术。图1展示了本专利技术物流取货操作耗时智能预测方法的一个实施例。在本实施例中，如图1所示，该物流取货操作耗时智能预测方法包括：步骤S1，接收当前订单信息。需要说明的是，该订单信息包括客户名、货物下单重量和货物下单件数。步骤S2，获取数据库中客户名下所有历史订单，判断历史订单的数量是否超过预设阈值。若历史订单的数量超过预设阈值，则执行步骤S3；若历史订单的数量未超过预设阈值，则执行步骤S4。需要说明的是，该数据库用于存储所有客户名以本文档来自技高网...

【技术保护点】
1.一种物流取货操作耗时智能预测方法，其特征在于，包括：接收当前订单信息，所述订单信息包括客户名、货物下单重量和货物下单件数；获取数据库中所述客户名下所有历史订单，判断所述历史订单的数量是否超过预设阈值；若是，则根据多元映射回归预测模型对所述货物下单重量和货物下单件数进行处理，得到预测操作耗时；所述多元映射回归预测模型根据历史订单特征属性数据构建；若否，则从数据库中匹配出该客户名下与当前订单最近似的历史订单，将该历史订单的实际操作耗时作为当前订单的预测操作耗时。

【技术特征摘要】
1.一种物流取货操作耗时智能预测方法，其特征在于，包括：接收当前订单信息，所述订单信息包括客户名、货物下单重量和货物下单件数；获取数据库中所述客户名下所有历史订单，判断所述历史订单的数量是否超过预设阈值；若是，则根据多元映射回归预测模型对所述货物下单重量和货物下单件数进行处理，得到预测操作耗时；所述多元映射回归预测模型根据历史订单特征属性数据构建；若否，则从数据库中匹配出该客户名下与当前订单最近似的历史订单，将该历史订单的实际操作耗时作为当前订单的预测操作耗时。2.根据权利要求1所述的物流取货操作耗时智能预测方法，其特征在于，所述历史订单特征属性数据包括每单下单件数、每单下单重量，以及每单货物真实件数、每单货物真实重量、每单实际耗时、每单单件货物件均耗时的统计值，所述统计值包括平均值、中位数值、下四分位数值、上四分位数值中的至少一种。3.根据权利要求2所述的物流取货操作耗时智能预测方法，其特征在于，所述多元映射回归预测模型根据历史订单特征属性数据构建的步骤，包括：建立多元映射回归方程：y＝AT·X+b，其中y表示实际操作耗时，X表示由历史订单特征属性数据组成的矩阵，AT、b为影响因子；拟合历史订单特征属性数据，获得AT、b的优选估计值；根据所述AT、b的优选估计值构建所述多元映射回归预测模型。4.根据权利要求1所述物流取货操作耗时智能预测方法，其特征在于，所述从数据库中匹配出该客户名下与当前订单最近似的历史订单的步骤，包括：建立以每单货物件数、每单货物重量为维度的平面直角坐标系；将历史订单数据、当前订单数据放入该平面直角坐标系中，形成相应的坐标点；计算出与表示当前订单数据坐标点欧式距离最近的目标坐标点；确认该目标坐标点表示的历史订单为与当前订单最近似的历史订单。5.根据权利要求1所述的物流取货操作耗时智能预测方法，其特征在于，所述获取数据库中所述客户名对应的历史订单步骤之前，还包括：对数据库中历史订单的每单实际耗时值进行数据清洗，确认出异常的实际耗时值；从数据库中删除掉异常实际耗时值对应的历史订单。6.一种物流取货操作耗时智能预测系统，其特征在于，包括：接...

【专利技术属性】
技术研发人员：邓梦阳，
申请(专利权)人：跨越速运集团有限公司，
类型：发明
国别省市：广东,44