本申请提供一种业务量的预测方法、装置、计算机设备及存储介质，该业务量的预测方法包括：获取当前预测时间和网点在当前预测时间之前的多个第一待揽收运单信息，其中，当前预测时间为时间循环周期内的一个时间点；基于当前预测时间确定当前预测时间对应的揽件时间预测模型；将多个第一待揽收运单信息输入揽件时间预测模型，得到各个第一待揽收运单信息的预测揽件时间；基于各个第一待揽收运单信息的预测揽件时间确定网点在当前预测时间之后预设时间内的待揽件业务量。本申请能够提高业务量预测的准确度。预测的准确度。预测的准确度。
【技术实现步骤摘要】
业务量的预测方法、装置、计算机设备及存储介质
[0001]本申请主要涉及业务量预测
，具体涉及一种业务量的预测方法、装置、计算机设备及存储介质。
技术介绍
[0002]在物流快件运输领域中，如何更好的预测业务量一直以来是提升企业服务的重要环节。为帮助网点提前应对业务量的波动，需要对网点进行业务量预测。现有技术中，一般使用机器学习方法或者时序预测模型对业务量进行预测。但是，在不同预测时间时待揽收运单的特征分布不相同，导致业务量预测不够准确。
[0003]也即，现有技术中业务量预测不够准确。
技术实现思路
[0004]本申请提供一种业务量的预测方法、装置、计算机设备及存储介质，旨在解决现有技术中业务量预测不够准确的问题。
[0005]第一方面，本申请提供一种业务量的预测方法，所述业务量的预测方法包括：
[0006]获取当前预测时间和网点在所述当前预测时间之前的多个第一待揽收运单信息，其中，所述当前预测时间为时间循环周期内的一个时间点；
[0007]基于所述当前预测时间确定所述当前预测时间对应的揽件时间预测模型；
[0008]将所述多个第一待揽收运单信息输入所述揽件时间预测模型，得到各个第一待揽收运单信息的预测揽件时间；
[0009]基于各个第一待揽收运单信息的预测揽件时间确定网点在所述当前预测时间之后预设时间内的待揽件业务量。
[0010]可选地，所述基于所述当前预测时间确定所述当前预测时间对应的揽件时间预测模型，包括：
[0011]获取预设预测时间与预设揽件时间预测模型的对应关系，其中，不同的预设预测时间对应不同的预设揽件时间预测模型；
[0012]根据预设预测时间和预设揽件时间预测模型的对应关系、所述当前预测时间确定所述当前预测时间对应的揽件时间预测模型。
[0013]可选地，所述获取预设预测时间与预设揽件时间预测模型的对应关系，之前，包括：
[0014]获取预设历史时间段内的多个第一历史揽件信息和所述时间循环周期中的多个预设预测时间，其中，所述预设历史时间段包括多个时间循环周期；
[0015]基于所述多个预设预测时间从所述多个第一历史揽件信息获取与所述多个预设预测时间对应的多个训练集；
[0016]基于所述多个训练集分别对预设预测模型进行训练，得到各个预设预测时间对应的预设揽件时间预测模型；
[0017]根据各个预设预测时间对应的预设揽件时间预测模型确定预设预测时间与预设揽件时间预测模型的对应关系。
[0018]可选地，所述基于所述多个预设预测时间从所述多个第一历史揽件信息获取与所述多个预设预测时间对应的多个训练集，包括：
[0019]获取所述多个第一历史揽件信息对应的历史实际揽件时间和历史下单时间；
[0020]基于所述多个第一历史揽件信息对应的历史实际揽件时间和历史下单时间从所述多个第一历史揽件信息中获取每个时间循环周期内截止预设预测时间已下单未揽件的多个第二历史揽件信息；
[0021]将所述多个第二历史揽件信息确定为所述预设预测时间对应的训练集。
[0022]可选地，所述获取当前预测时间和网点在所述当前预测时间之前的多个第一待揽收运单信息，包括：
[0023]从待揽收运单集合中获取多个第二待揽收运单信息；
[0024]将所述多个第二待揽收运单信息输入揽件分类模型，得到各个第二待揽收运单信息的揽件类型，其中，所述揽件分类模型是以所述多个第一历史揽件信息和所述多个第一历史揽件信息对应的揽件类别为训练集进行训练得到的，所述揽件类别包括第一历史揽件信息在下单后预设时间内被揽收和第一历史揽件信息在下单后预设时间内未被揽收；
[0025]将揽件类型为下单后预设时间内被揽收的第二待揽收运单信息确定为所述多个第一待揽收运单信息，并将揽件类型为下单后预设时间内未被揽收的第二待揽收运单信息放回所述待揽收运单集合。
[0026]可选地，所述基于各个第一待揽收运单信息的预测揽件时间确定网点在所述当前预测时间之后预设时间内的待揽件业务量，包括：
[0027]基于各个第一待揽收运单信息的预测揽件时间确定在预设时间内多个时段的多个第一预测件量；
[0028]将所述多个第一预测件量输入至预设线性回归模型得到所述多个第一预测件量对应的多个第二预测件量，其中，所述预设线性回归模型是以所述预设历史时间段内每个时间循环周期内的多个历史预测件量和对应的多个历史实际揽件量为训练集训练得到的；
[0029]将所述多个第二预测件量确定为网点在所述当前预测时间之后预设时间内的待揽件业务量。
[0030]可选地，所述从待揽收运单集合中获取多个第二待揽收运单信息，包括：
[0031]从待揽收运单集合中获取多个第三待揽收运单信息；
[0032]将未填写预约收件时间的第三待揽收运单信息确定为第二待揽收运单信息。
[0033]第二方面，本申请提供一种业务量的预测装置，所述业务量的预测装置包括：
[0034]获取单元，用于获取当前预测时间和网点在所述当前预测时间之前的多个第一待揽收运单信息，其中，所述当前预测时间为时间循环周期内的一个时间点；
[0035]第一确定单元，用于基于所述当前预测时间确定所述当前预测时间对应的揽件时间预测模型；
[0036]预测单元，用于将所述多个第一待揽收运单信息输入所述揽件时间预测模型，得到各个第一待揽收运单信息的预测揽件时间；
[0037]第二确定单元，用于基于各个第一待揽收运单信息的预测揽件时间确定网点在所
述当前预测时间之后预设时间内的待揽件业务量。
[0038]可选地，所述第一确定单元，用于：
[0039]获取预设预测时间与预设揽件时间预测模型的对应关系，其中，不同的预设预测时间对应不同的预设揽件时间预测模型；
[0040]根据预设预测时间和预设揽件时间预测模型的对应关系、所述当前预测时间确定所述当前预测时间对应的揽件时间预测模型。
[0041]可选地，所述第一确定单元，用于：
[0042]获取预设历史时间段内的多个第一历史揽件信息和所述时间循环周期中的多个预设预测时间，其中，所述预设历史时间段包括多个时间循环周期；
[0043]基于所述多个预设预测时间从所述多个第一历史揽件信息获取与所述多个预设预测时间对应的多个训练集；
[0044]基于所述多个训练集分别对预设预测模型进行训练，得到各个预设预测时间对应的预设揽件时间预测模型；
[0045]根据各个预设预测时间对应的预设揽件时间预测模型确定预设预测时间与预设揽件时间预测模型的对应关系。
[0046]可选地，所述获取单元，用于：
[0047]获取所述多个第一历史揽件信息对应的历史实际揽件时间和历史下单时间；
[0048]基于所述多个第一历史揽件信息对应的历史实际揽件时间和历史下单时间从所述多个第一历史揽件信息中获取每个时间循环周期内本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种业务量的预测方法，其特征在于，所述预测方法包括：获取当前预测时间和网点在所述当前预测时间之前的多个第一待揽收运单信息，其中，所述当前预测时间为时间循环周期内的一个时间点；基于所述当前预测时间确定所述当前预测时间对应的揽件时间预测模型；将所述多个第一待揽收运单信息输入所述揽件时间预测模型，得到各个第一待揽收运单信息的预测揽件时间；基于各个第一待揽收运单信息的预测揽件时间确定网点在所述当前预测时间之后预设时间内的待揽件业务量。2.根据权利要求1所述的业务量的预测方法，其特征在于，所述基于所述当前预测时间确定所述当前预测时间对应的揽件时间预测模型，包括：获取预设预测时间与预设揽件时间预测模型的对应关系，其中，不同的预设预测时间对应不同的预设揽件时间预测模型；根据预设预测时间和预设揽件时间预测模型的对应关系、所述当前预测时间确定所述当前预测时间对应的揽件时间预测模型。3.根据权利要求2所述的业务量的预测方法，其特征在于，所述获取预设预测时间与预设揽件时间预测模型的对应关系，之前，包括：获取预设历史时间段内的多个第一历史揽件信息和所述时间循环周期中的多个预设预测时间，其中，所述预设历史时间段包括多个时间循环周期；基于所述多个预设预测时间从所述多个第一历史揽件信息获取与所述多个预设预测时间对应的多个训练集；基于所述多个训练集分别对预设预测模型进行训练，得到各个预设预测时间对应的预设揽件时间预测模型；根据各个预设预测时间对应的预设揽件时间预测模型确定预设预测时间与预设揽件时间预测模型的对应关系。4.根据权利要求3所述的业务量的预测方法，其特征在于，所述基于所述多个预设预测时间从所述多个第一历史揽件信息获取与所述多个预设预测时间对应的多个训练集，包括：获取所述多个第一历史揽件信息对应的历史实际揽件时间和历史下单时间；基于所述多个第一历史揽件信息对应的历史实际揽件时间和历史下单时间从所述多个第一历史揽件信息中获取每个时间循环周期内截止预设预测时间已下单未揽件的多个第二历史揽件信息；将所述多个第二历史揽件信息确定为所述预设预测时间对应的训练集。5.根据权利要求3所述的业务量的预测方法，其特征在于，所述获取当前预测时间和网点在所述当前预测时间之前的多个第一待揽收运单信息，包括：从待揽收运单集合中获取多个第二待揽收运单信息；将所述多个第二待揽收运单信息输入揽件分类模型，得到各个第二待揽收运单信息的揽件类型，其中，所述揽件分类模型...
【专利技术属性】
技术研发人员：李崇贵，金健，孟群，
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。