【技术实现步骤摘要】
物流派送影响因素预测方法、装置、设备及存储介质
[0001]本专利技术涉及物流
，尤其涉及一种物流派送影响因素预测方法、装置、设备及存储介质。
技术介绍
[0002]随着快递行业近几年快速发展，快递订单业务量也随之剧增，快递企业在快递订单配送过程中存在送货及时性差和准确性差的配送问题，快递企业能够基于配送问题进行数据挖掘和指标配置，形成相关物流指标数据，相关物流指标数据包括各类别识别率指标和各类别准确率指标。
[0003]快递行业各类别识别率指标和各类别准确率指标既受业务层面的地址数据维护的影响，又受不同自然语言处理NLP算法的影响。现有的各类别识别率指标和各类别准确率指标来源多，且范围广，导致目前对物流派送影响因素的分析效率低和准确性低。
技术实现思路
[0004]本专利技术提供了一种物流派送影响因素预测方法、装置、设备及存储介质，用于提高预测物流派送影响因素的准确性。
[0005]为实现上述目的，本专利技术第一方面提供了一种物流派送影响因素预测方法，包括：从预置的物流网点中获取初始物...
【技术保护点】
【技术特征摘要】
1.一种物流派送影响因素预测方法，其特征在于，所述物流派送影响因素预测方法包括：从预置的物流网点中获取初始物流指标数据集，所述初始物流指标数据集用于指示与物流派送影响因素相关的多个类别准确率指标和多个类别识别率指标；对所述初始物流指标数据集进行描述性统计分析，得到统计数据集，统计数据集用于指示各初始物流指标数据对应的准确率分布和各初始物流指标数据对应的识别率分布；对所述初始物流指标数据集进行两两指标数据相关性分析，得到相关系数序列；基于预设的影响因素预测模型、所述统计数据集和所述相关系数序列对所述初始物流指标数据集进行分析预测处理，得到目标风险影响因素，所述目标风险影响因素为来源于预设物流业务层面或预设物流算法层面的影响订单派送的因素。2.根据权利要求1所述的物流派送影响因素预测方法，其特征在于，所述从预置的物流网点中获取初始物流指标数据集，所述初始物流指标数据集用于指示与物流派送影响因素相关的多个类别准确率指标和多个类别识别率指标，包括：接收物流派送影响因素分析请求，并对所述物流派送影响因素分析请求进行参数解析，得到物流网点标识；将所述物流网点标识设置为搜索索引，并根据所述搜索索引查询预置的物流网点数据库表，得到初始物流指标数据集，所述初始物流指标数据集用于指示与物流派送影响因素相关的多个类别准确率指标和多个类别识别率指标；将所述初始物流指标数据集存储至预置分布式集群数据库的物流指标采集数据表中。3.根据权利要求1所述的物流派送影响因素预测方法，其特征在于，所述对所述初始物流指标数据集进行描述性统计分析，得到统计数据集，统计数据集用于指示各初始物流指标数据对应的准确率分布和各初始物流指标数据对应的识别率分布，包括：根据预设的聚类算法对所述初始物流指标数据集进行分类处理，得到多组分类物流指标数据；按照预设的统计函数对所述多组分类数据分别进行描述性统计分析，得到每组分类数据对应的统计数据；将每组分类数据对应的统计数据合并为统计数据集，并将所述统计数据集存储至预置分布式集群数据库的物流指标统计数据表中，所述统计数据集用于指示各初始物流指标数据对应的准确率分布和各初始物流指标数据对应的识别率分布。4.根据权利要求1所述的物流派送影响因素预测方法，其特征在于，所述对所述初始物流指标数据集进行两两指标数据相关性分析，得到相关系数序列，包括：通过预设的相关性分析函数对所述初始物流指标数据集进行两两指标数据相关性分析，得到多个两两相关系数；按照分析时刻从先到后的顺序将所述多个两两相关系数组合为相关系数序列，并将所述相关系数序列存储至预置分布式集群数据库的物流指标相关性数据表中。5.根据权利要求1所述的物流派送影响因素预测方法，其特征在于，所述基于预设的影响因素预测模型、所述统计数据集和所述相关系数序列对所述初始物流指标数据集进行分析预测处理，得到目标风险影响因素，所述目标风险影响因素为来源于预设物流业务层面或预设物流算法层面的影响订单派送的因素，包括：
根据所述统计数据集和所述相关系数序列对所述初始物流指标数据集...
【专利技术属性】
技术研发人员：陈玉芬，杨周龙，李培吉，李斯，王豹，夏扬，
申请(专利权)人：上海东普信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。