本申请涉及一种快递件量预测方法、装置、计算机设备和存储介质。通过在接收快递件量预测请求后，根据待预测场地对应的高峰时间窗口信息以及历史货量信息等信息，构建时间序列，从而将快递件量预测转化为对应的总量时间序列和比例时间序列的预测：对于总量时间序列的预测，因为统计误差的大幅降低以及相关外部宏观信息采集的便利，在同样的算法下在预测上相比单个场地的预测能够取得更高的准确度；对于比例时间序列，因为原有场站经过了时间序列预分组的处理，组内的比例时间序列具有较好的时间序列的平稳性，从而能通过预设预测算法，在总量时间序列与比例时间序列的预测基础上，获得更加准确的各个场站在高峰时间窗口的快递件量预测值。件量预测值。件量预测值。
【技术实现步骤摘要】
快递件量预测方法、装置、计算机设备和存储介质
[0001]本申请涉及计算机
，特别是涉及一种快递件量预测方法、装置、计算机设备和存储介质。
技术介绍
[0002]随着我国经济的稳步发展与物流市场的高速增长，快递件量屡创新高，这也给物流资源的规划与前置安排提供了越来越大的挑战。物流快递货量的预测，尤其是物流高峰时期，作为物流场站资源规划的重要参考，在其中扮演着越来越重要的角色。
[0003]目前一般可以通过时间序列模型或者机器学习模型来进行快递件量的预测。然而基于时间序列模型的预测方法，在物流高峰等数据的剧烈波动时期，历史趋势及演化规律相比平常时期变化较大，导致预测模型应用受到较大局限；而基于机器学习的预测算法，由于对预测数据近似独立同分布的假设，导致在物流高峰等数据的非平稳期下，也因为数据与算法假设偏离较大，导致预测效果较差。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够可以有效提高物流高峰期快递件量预测准确性的快递件量预测方法、装置、计算机设备和存储介质。
[0005]一种快递件量预测方法，所述方法包括：
[0006]获取快递件量预测请求，确定所述快递件量预测请求对应的待预测场地以及高峰时间窗口；
[0007]根据所述待预测场地对应的历史货量信息，获取所述待预测场地中各个场站对应的快递件量的时间序列数据；
[0008]获取所述待预测场地中各个场站对应的快递件量的时间序列数据之间的时间序列相似度，根据所述时间序列相似度对所述待预测场地中的场站进行分组；
[0009]获取每个场地分组中对应的快递件量的总量时间序列以及每个场地分组中各场站对应的比例时间序列；
[0010]通过预设预测算法，获取所述每个场地分组中，所述总量时间序列的预测值与所述比例时间序列的预测值，所述总量时间序列的预测值为场地分组中各场站在所述高峰时间窗口内快递件量的总量的预测值，所述比例时间序列的预测值为场地分组中各场站在所述高峰时间窗口内快递件量所占比例的预测值；
[0011]根据每个场地分组中所述总量时间序列的预测值与所述比例时间序列的预测值，获取所述每个场地分组中各个场站在所述高峰时间窗口的快递件量预测值。
[0012]在其中一个实施例中，所述根据所述待预测场地对应的历史货量信息，获取所述待预测场地中各个场站对应的快递件量的时间序列数据包括：
[0013]依据所述待预测场地中各个场站对应的场站代码以及所述场站对应的快递运单操作时间，对全部的快递件量进行分场站的日维度统计；
[0014]按时间先后顺序对所述日维度统计的统计结果进行排序，获取所述待预测场地中各个场站对应的快递件量的时间序列数据。
[0015]在其中一个实施例中，所述根据所述时间序列相似度对所述待预测场地中的场站进行分组包括：
[0016]根据所述时间序列相似度，获取所述待预测场地中各个场站两两之间对应的距离度量；
[0017]通过基于距离的层次聚类算法，对所述待预测场地中的场站进行分组(如果仅有一个场站，则自成一组)。
[0018]在其中一个实施例中，所述获取每个场地分组对应的快递件量的总量时间序列以及每个场地分组中各场站对应的比例时间序列包括：
[0019]对所述场地分组中各场站对应的快递件量的时间序列数据进行日期对齐处理；
[0020]根据日期对齐处理后各场站对应的快递件量的时间序列数据，获取总量时间序列；
[0021]根据每个场地对应的时间序列数据中的快递件量数据，以及总量时间序列中的快递件量数据，获取每个场地分组各场站对应的所述比例时间序列。
[0022]在其中一个实施例中，所述根据每个场地分组中所述总量时间序列的预测值与所述比例时间序列的预测值，获取所述每个场地分组中各个场站在所述高峰时间窗口的快递件量预测值包括：
[0023]将每个场站分组内所述总量时间序列的预测值与所述比例时间序列的预测值进行日期对齐处理；
[0024]根据日期对齐后的所述总量时间序列的预测值与所述比例时间序列的预测值，获取所述每个场地分组中各个场站在所述高峰时间窗口的快递件量预测值。
[0025]在其中一个实施例中，所述根据每个场地分组中所述总量时间序列的预测值与所述比例时间序列的预测值，获取所述每个场地分组中各个场站在所述高峰时间窗口的快递件量预测值之后，还包括：
[0026]根据所述每个场地分组中各个场站的快递件量预测值生成快递件量预测报告；
[0027]反馈所述快递件量预测报告。
[0028]一种快递件量预测装置，所述装置包括：
[0029]请求获取模块，用于获取快递件量预测请求，确定所述快递件量预测请求对应的待预测场地以及高峰时间窗口；
[0030]序列构建模块，用于根据所述待预测场地对应的历史货量信息，获取所述待预测场地中各个场站对应的快递件量的时间序列数据；
[0031]序列分组模块，用于获取所述待预测场地中各个场站对应的快递件量的时间序列数据之间的时间序列相似度，根据所述时间序列相似度对所述待预测场地中的场站进行分组；
[0032]序列数据处理模块，用于获取每个场地分组中对应的快递件量的总量时间序列以及每个场地分组中各场站对应的比例时间序列；
[0033]分组预测模块，用于通过预设预测算法，获取所述每个场地分组中，所述总量时间序列的预测值与所述比例时间序列的预测值，所述总量时间序列的预测值为场地分组中各
场站在所述高峰时间窗口内快递件量的总量的预测值，所述比例时间序列的预测值为场地分组中各场站在所述高峰时间窗口内快递件量所占比例的预测值；
[0034]场站件量预测模块，用于根据每个场地分组中所述总量时间序列的预测值与所述比例时间序列的预测值，获取所述每个场地分组中各个场站在所述高峰时间窗口的快递件量预测值。
[0035]在其中一个实施例中，所述序列构建模块具体用于：
[0036]依据所述待预测场地中各个场站对应的场站代码以及所述场站对应的快递运单操作时间，对全部的快递件量进行分场站的日维度统计；
[0037]按时间先后顺序对所述日维度统计的统计结果进行排序，获取所述待预测场地中各个场站对应的快递件量的时间序列数据。
[0038]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0039]获取快递件量预测请求，确定所述快递件量预测请求对应的待预测场地以及高峰时间窗口；
[0040]根据所述待预测场地对应的历史货量信息，获取所述待预测场地中各个场站对应的快递件量的时间序列数据；
[0041]获取所述待预测场地中各个场站对应的快递件量的时间序列数据之间的时间序列相似度，根据所述时间序列相似度对所述待预测场地中的场站进行分组；
[0042]获取每个场地分组中对应的快递件量的总量时间序列以及每个场地分组中各本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种快递件量预测方法，所述方法包括：获取快递件量预测请求，确定所述快递件量预测请求对应的待预测场地以及高峰时间窗口；根据所述待预测场地对应的历史货量信息，获取所述待预测场地中各个场站对应的快递件量的时间序列数据；获取所述待预测场地中各个场站对应的快递件量的时间序列数据之间的时间序列相似度，根据所述时间序列相似度对所述待预测场地中的场站进行分组；获取每个场地分组中对应的快递件量的总量时间序列以及每个场地分组中各场站对应的比例时间序列；通过预设预测算法，获取所述每个场地分组中，所述总量时间序列的预测值与所述比例时间序列的预测值，所述总量时间序列的预测值为场地分组中各场站在所述高峰时间窗口内快递件量的总量的预测值，所述比例时间序列的预测值为场地分组中各场站在所述高峰时间窗口内快递件量所占比例的预测值；根据每个场地分组中所述总量时间序列的预测值与所述比例时间序列的预测值，获取所述每个场地分组中各个场站在所述高峰时间窗口的快递件量预测值。2.根据权利要求1所述的方法，其特征在于，所述根据所述待预测场地对应的历史货量信息，获取所述待预测场地中各个场站对应的快递件量的时间序列数据包括：依据所述待预测场地中各个场站对应的场站代码以及所述场站对应的快递运单操作时间，对全部的快递件量进行分场站的日维度统计；按时间先后顺序对所述日维度统计的统计结果进行排序，获取所述待预测场地中各个场站对应的快递件量的时间序列数据。3.根据权利要求1所述的方法，其特征在于，所述根据所述时间序列相似度对所述待预测场地中的场站进行分组包括：根据所述时间序列相似度，获取所述待预测场地中各个场站两两之间对应的距离度量；通过基于距离的层次聚类算法，对所述待预测场地中的场站进行分组。4.根据权利要求1所述的方法，其特征在于，所述获取每个场地分组对应的快递件量的总量时间序列以及每个场地分组中各场站对应的比例时间序列包括：对所述场地分组中各场站对应的快递件量的时间序列数据进行日期对齐处理；根据日期对齐处理后各场站对应的快递件量的时间序列数据，获取总量时间序列；根据每个场地对应的时间序列数据中的快递件量数据，以及总量时间序列中的快递件量数据，获取每个场地分组各场站对应的所述比例时间序列。5.根据权利要求1所述的方法，其特征在于，所述根据每个场地分组中所述总量时间序列的预测值与所述比例时间序列的预测值，获取所述每个场地分组中各个场站在所述高峰时间窗口的快递件量预测值包括：将每个场站分组内所...
【专利技术属性】
技术研发人员：代山，陈晓雯，
申请(专利权)人：顺丰科技有限公司，
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。