一种固定式与移动式快递柜用户需求的预测方法技术

本发明专利技术公开了一种固定式与移动式快递柜用户需求的预测方法，首先采集目标区域的用户的性别、年龄、就业状况、受教育程度、收入和每月在线购物频率等社会人口属性数据并进行数据清理；再进行偏好分析，确定了实验方法并进行属性划分与分级；最后，建立模型进行参数估计并应用。本发明专利技术的方法揭示了影响用户选择移动式快递柜或者固定式快递柜的影响因素，有利于揭示引入移动式快递柜服务的真正潜力，帮助政策制定者在初始阶段更好地把握移动式快递柜的定位。柜的定位。柜的定位。

【技术实现步骤摘要】
一种固定式与移动式快递柜用户需求的预测方法


[0001]本专利技术涉及快递包裹存储领域，具体涉及一种固定式与移动式快递柜用户需求的预测方法。

技术介绍

[0002]由于电子商务市场的快速发展，每天都会有大量的包裹在城市地区交付，送货上门被认为是最普遍的最后一公里送货方式。但是，传统的送货上门效率低下，这导致最后一公里交付占整个交付过程总成本的40％以上，进而导致拥堵、空气污染和温室气体排放等问题。
[0003]为了解决由最后一公里交付所引起的问题，出现了几种创新且具有成本效益的最后一公里模式，其中之一是使用包裹快递柜。包裹快递柜可以分为固定式快递柜(SPL)和移动式快递柜(MPL)两种，包裹快递柜模式潜在的好处和优点在很大程度上取决于两种不同的包裹快递柜模式有关的客户偏好。
[0004]因此，本专利技术旨在探索在两个包裹快递柜模式共存的背景下客户的选择偏好，提出了一种固定式与移动式快递柜用户需求的预测方法。

技术实现思路

[0005]本专利技术目的：在于提供一种固定式与移动式快递柜用户需求的预测方法，根据目标区域的用户的社会人口属性数据、固定式与移动式快递柜的服务属性和情景属性，揭示引入移动式快递柜服务的潜力，有助于政策制定者在项目启动阶段更好地把握移动式快递柜模式的定位。
[0006]为实现以上功能，本专利技术设计一种固定式与移动式快递柜用户需求的预测方法，针对目标区域的用户，执行如下步骤S1
‑
步骤S3，完成用户对固定式与移动式快递柜需求的预测：
[0007]步骤S1：采集目标区域的用户的社会人口属性数据，并对用户的社会人口属性数据进行预处理；
[0008]步骤S2：分别针对固定式与移动式快递柜的各属性，进行属性分级，并将各属性划分为服务属性和情景属性，采集用户对各属性的固定式与移动式快递柜的选择数据，根据用户对固定式与移动式快递柜的选择数据，以及用户的社会人口属性数据，采用多项Logit模型和混合Logit模型构建用户选择快递柜的概率模型；
[0009]步骤S3：设置不同的固定式与移动式快递柜的情景属性，根据用户选择快递柜的概率模型，预测不同情景中用户对移动式快递柜的采用率，完成用户对固定式与移动式快递柜需求的预测。
[0010]作为本专利技术的一种优选技术方案：步骤S1中的预处理包括滤除掉无快递柜使用经验的用户的基础数据。
[0011]作为本专利技术的一种优选技术方案：步骤S1中用户的社会人口属性数据包括用户的
性别、年龄、就业状况、受教育程度、收入、每月在线购物频率。
[0012]作为本专利技术的一种优选技术方案：步骤S2中固定式快递柜的服务属性包括访问距离、通知方式、固定式快递柜每日交付频率，移动式快递柜服务属性包括访问距离、通知方式、移动式快递柜停留时间，固定式与移动式快递柜的情景属性包括包裹类型、天气状况、日期类别。
[0013]作为本专利技术的一种优选技术方案：步骤S2的具体步骤如下：
[0014]步骤S21：采用陈述实验法，统计用户对固定式与移动式快递柜的偏好；
[0015]步骤S22：根据用户对固定式与移动式快递柜的偏好，分别定义固定式与移动式快递柜的各属性，并进行属性分级，将各属性划分为服务属性和情景属性；
[0016]步骤S23：用户从固定式快递柜、移动式快递柜，以及都不选三个备选方案中选择，采集用户的选择数据；
[0017]步骤S24：采用多项Logit模型和混合Logit模型构建用户选择快递柜的概率模型，具体方法如下：
[0018]备选方案i对用户n在选择任务t中的效用U
nit
表示为下式：
[0019]U
nit
＝V
nit
+ε
nit
[0020]式中，v
nit
表示确定性效用，ε
nit
表示随机分量；
[0021]根据服务属性和情景属性的影响，效用U
nit
分解为下式：
[0022]U
nit
＝β
ni0
+x
nit
β
ni
+y
n
γ
ni
+ε
nit
[0023]式中，x
nit
为一个矢量的服务属性变量，y
n
为用户n的社会人口属性变量的向量，β
ni0
为替代特定参数，β
ni
和γ
ni
分别为与x
nit
和y
n
有关的参数向量；
[0024]基于混合Logit模型，参数β
nik
和替代特定参数β
ni0
表示为下式：
[0025]β
nik
＝β
ik
+δ
k
v
nik
[0026]β
ni0
＝β
i0
+δ0v
ni0
[0027]式中，β
ik
和β
i0
为总体均值，δ
k
v
nik
和δ0v
ni0
为额外的误差分量，v
nik
和v
ni0
为假设独立分布的随机项，均值为0，标准差为1；δ
k
和δ0分别为β
nik
和β
ni0
分布的标准偏差；
[0028]用户n在T个选择任务中选择备选方案i的概率模型P
ni
如下式：
[0029][0030]式中，β表示β
ni
和β
nik
的全部信息，j为除了所选方案i以外其余的备选方案，j≠i，I为所有备选方案的集合。
[0031]有益效果：相对于现有技术，本专利技术的优点包括：
[0032]1.本专利技术设计的一种固定式与移动式快递柜用户需求的预测方法，将研究目标集中在包裹储物柜上，而不是着重于介绍在最后一公里领域积累的大量研究。
[0033]2.本专利技术设计的一种固定式与移动式快递柜用户需求的预测方法，研究了之前研究中都没有重视的情景属性的影响。
[0034]3.本专利技术设计的一种固定式与移动式快递柜用户需求的预测方法，从客户的角度上比较两种储物柜模式，之前的研究都没有从客户的角度出发。
附图说明
[0035]图1是根据本专利技术实施例提供的一种固定式与移动式快递柜用户需求的预测方法的流程图；
[0036]图2是根据本专利技术实施例提供的固定式与移动式快递柜实物图；
[0037]图3是根据本专利技术实施例提供的选择“都不选”的用户的社会人口属性及百分比图；
[0038]图4是根据本专利技术实施例提供的用户的选择集示意图；
[0039]图5是根据本专利技术实施例提供的模型的估计结果图；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种固定式与移动式快递柜用户需求的预测方法，其特征在于，针对目标区域的用户，执行如下步骤S1
‑
步骤S3，完成用户对固定式与移动式快递柜需求的预测：步骤S1：采集目标区域的用户的社会人口属性数据，并对用户的社会人口属性数据进行预处理；步骤S2：分别针对固定式与移动式快递柜的各属性，进行属性分级，并将各属性划分为服务属性和情景属性，采集用户对各属性的固定式与移动式快递柜的选择数据，根据用户对固定式与移动式快递柜的选择数据，以及用户的社会人口属性数据，采用多项Logit模型和混合Logit模型构建用户选择快递柜的概率模型；步骤S3：设置不同的固定式与移动式快递柜的情景属性，根据用户选择快递柜的概率模型，预测不同情景中用户对移动式快递柜的采用率，完成用户对固定式与移动式快递柜需求的预测。2.根据权利要求1所述的一种固定式与移动式快递柜用户需求的预测方法，其特征在于，步骤S1中的预处理包括滤除掉无快递柜使用经验的用户的基础数据。3.根据权利要求1所述的一种固定式与移动式快递柜用户需求的预测方法，其特征在于，步骤S1中用户的社会人口属性数据包括用户的性别、年龄、就业状况、受教育程度、收入、每月在线购物频率。4.根据权利要求1所述的一种固定式与移动式快递柜用户需求的预测方法，其特征在于，步骤S2中固定式快递柜的服务属性包括访问距离、通知方式、固定式快递柜每日交付频率，移动式快递柜服务属性包括访问距离、通知方式、移动式快递柜停留时间，固定式与移动式快递柜的情景属性包括包裹类型、天气状况、日期类别。5.根据权利要求1所述的一种固定式与移动式快递柜用户需求的预测方法，其特征在于，步骤S2的具体步骤如下：步骤S21：采用陈述实验法，统计用户对固定式与移动式快递柜的偏好；步骤S22：根据用户对固定式与移动式快递柜的偏好，分别定义固定式与移动式快递柜的各属性，并进行属性分级，将各属性划分为服务属性和情景属性；步骤S23：用户从固定式快递柜、移动式快递柜，以及都不选三个备选方案中选择，采集用户的选择数据；步骤S24：采用多项Logit模型和混合Logit模型构建用户选择快递柜的概率模型，具体方法如下：备选方案i对用户n在选择任务t中的效用U
nit
表示为下式：U
nit
＝V
...

【专利技术属性】
技术研发人员：马捷，潘国豪，陈景旭，
申请(专利权)人：东南大学，
类型：发明
国别省市：