一种线路定价方法、装置、设备和存储介质制造方法及图纸

本申请公开了一种线路定价方法、装置、设备和存储介质。该方法包括：确定待预测线路的数据信息；所述数据信息包括成本数据、历史交易价格和条件数据，所述条件数据包括下述之一或组合：车辆供应数据、线路属性数据和时间维度数据；将所述待预测线路的数据信息输入用于预测线路定价的预测模型中，得到所述待预测线路的预测定价；其中，所述预测模型是基于xgboost模型训练而成。根据本申请实施例的技术方案，可以自动对线路的定价进行预测，解决了线路定价的制定问题，一方面能够提高效率，减少大量的人力成本和时间成本，另一方面通过线上定价，在一定程度上可以减少线下协商操作，增加整个招标/竞价环节的可控性。

A line pricing method, device, equipment and storage medium

【技术实现步骤摘要】
一种线路定价方法、装置、设备和存储介质
本公开一般涉及物流
，尤其涉及一种线路定价方法、装置、设备和存储介质。
技术介绍
针对物流行业中的各物流线路，一般采取线上招标/竞价和线下指派的方式来确定承运商。目前对于各物流线路的定价，通常是通过人工方式进行制定，这种方式的人为因素较大，缺乏定价的有效依据，准确性差，而且，人工定价的方式工作量大，操作繁杂，效率低，中间过程不可控，可追溯性差，难以满足市场需求。
技术实现思路
鉴于现有技术中的上述缺陷或不足，期望提供一种能够实现自动定价的方案，不仅能够提高效率，还能减少大量人力成本和时间成本。第一方面，本申请实施例提供了一种线路定价方法，包括：确定待预测线路的数据信息；所述数据信息包括成本数据、历史交易价格和影响所述待预测线路定价的条件数据，所述条件数据包括下述之一或组合：车辆供应数据、线路属性数据和时间维度数据；将所述待预测线路的数据信息输入用于预测线路定价的预测模型中，得到所述待预测线路的预测定价；其中，所述预测模型是基于xgboost模型训练本文档来自技高网...

【技术保护点】
1.一种线路定价方法，其特征在于，所述方法包括：/n确定待预测线路的数据信息；所述数据信息包括成本数据、历史交易价格和条件数据，所述条件数据包括下述之一或组合：车辆供应数据、线路属性数据和时间维度数据；/n将所述待预测线路的数据信息输入用于预测线路定价的预测模型中，得到所述待预测线路的预测定价；其中，所述预测模型是基于xgboost模型训练而成。/n

【技术特征摘要】
1.一种线路定价方法，其特征在于，所述方法包括：
确定待预测线路的数据信息；所述数据信息包括成本数据、历史交易价格和条件数据，所述条件数据包括下述之一或组合：车辆供应数据、线路属性数据和时间维度数据；
将所述待预测线路的数据信息输入用于预测线路定价的预测模型中，得到所述待预测线路的预测定价；其中，所述预测模型是基于xgboost模型训练而成。


2.根据权利要求1所述的线路定价方法，其特征在于，所述成本数据按照如下方式确定：
根据所述待预测线路的起点和终点的位置，确定线路成本；
根据车辆供应数据和所述车辆在所述待预测线路的运行情况，确定车辆成本；
根据所述待预测线路中的人员数据，确定人力成本；
根据所述线路成本、所述车辆成本和所述人力成本中的一个或多个，确定所述待预测线路的成本数据。


3.根据权利要求1或2所述的线路定价方法，其特征在于，所述预测模型按照如下方式生成：
周期性的接收各线路的数据信息；
对所述各线路的数据信息进行预处理；
利用预处理后的各线路的数据信息对所述xgboost模型进行训练，生成所述预测模型。


4.根据权利要求3所述的线路定价方法，其特征在于，对所述各线路的数据信息进行预处理，包括：
将所述数据信息中的离散型特征的数据通过独热编码方式进行处理，将具有连续性特征的数据通过归一化方式进行处理。


5.根据权利要求3所述的线路定价方法，其特征在于，利用预处理后的各线路的数据信息对所述xgboost模型进行训练，生成所述预测模型，包括：
根据所述预处理后的各线路的数据信息确定训练集；
将所述训练集输入所述xgboost模型，利用最小化损失函数迭代更新所述xgboos...

【专利技术属性】
技术研发人员：苗魁，梁力彬，刘子恒，蔡钰雯，李靖，曾柳凡，黎碧君，孙英龙，卢静，
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