【技术实现步骤摘要】
一种物流网点业务量的预测方法及装置
[0001]本专利技术属于物流业务量预测
,具体涉及一种物流网点业务量的预测方法及装置
。
技术介绍
[0002]目前,预测网点业务量对于快递公司的运营具有重要的意义
。
精准预测网点业务量有助于网点经营负责人合理的安排车辆和人,进而提升企业管理效率,业务效率,服务水平,运营水平
。
快递行业网点的历史业务量是时序关系,因此现有的预测方法仅考虑了时间序列的维度,如大促
、
节假日等特征;但是这种预测方法在预测某些网点时预测业务量与实际业务量相差较多,预测结果不准确
。
技术实现思路
[0003]为此,本专利技术提供了一种物流网点业务量的预测方法及装置,以解决现有预测方法在预测某些网点时预测业务量与实际业务量相差较多,预测结果不准确的问题
。
[0004]为实现以上目的,本专利技术采用如下技术方案:
[0005]第一方面,本专利技术提供了一种物流网点业务量的预测方法,包括:
[0006]获取待预测网点的时间序列特征和空间序列特征;所述时间序列特征为所述待预测网点的历史业务量数据;所述空间序列特征为所述待预测网点与附近网点的网点间距,及所述网点间距小于等于预设值的所述附近网点的网点数量;
[0007]依据所述时间序列特征和所述空间序列特征生成网点业务量图;
[0008]将所述网点业务量图输入到图卷积网络
‑
循环神经网络模型后得到所述待预 ...
【技术保护点】
【技术特征摘要】
1.
一种物流网点业务量的预测方法,其特征在于,所述方法包括:获取待预测网点的时间序列特征和空间序列特征;所述时间序列特征为所述待预测网点的历史业务量数据;所述空间序列特征为所述待预测网点与附近网点的网点间距,及所述网点间距小于等于预设值的所述附近网点的网点数量;依据所述时间序列特征和所述空间序列特征生成网点业务量图;将所述网点业务量图输入到图卷积网络
‑
循环神经网络模型后得到所述待预测网点的目标预测业务量
。2.
根据权利要求1所述的方法,其特征在于,所述网点业务量图包括中心节点
、
其他节点及连接边;所述依据所述时间序列特征和所述空间序列特征生成网点业务量图,包括:以所述待预测网点为所述中心节点,以所述附近网点为所述其他节点;获取并依据所述附近网点和所述待预测网点的经纬度确定所述其他节点相对于所述中心节点的方位;依据所述待预测网点与附近网点的网点间距确定所述其他节点与所述中心节点的节点间距;依据所述历史业务量数据中每个快件的运输路径确定所述中心节点与所述其他节点
、
所述其他节点间的所述连接边;所述运输路径中记录了快件经过的所有网点;当所述历史业务量数据中每个快件的运输路径均生成所述连接边后得到所述网点业务量图
。3.
根据权利要求2所述的方法,其特征在于,所述依据所述待预测网点与附近网点的网点间距确定所述其他节点与所述中心节点的节点间距,包括:获取所述网点间距中的最大网点间距以及最小网点间距;通过权重计算公式得到所述附近网点中
x
网点的网点权重:其中,
Wx
为
x
网点的网点权重,
dx
为待预测网点与
x
网点的网点间距,
dmax
为最大网点间距,
dmin
为最小网点间距;所述
x
网点的网点权重的预设倍数为所述
x
网点对应的所述其他节点与所述中心节点的节点间距
。4.
根据权利要求2所述的方法,其特征在于,所述将所述网点业务量图输入到图卷积网络
‑
循环神经网络模型后得到所述待预测网点的目标预测业务量,包括:通过图卷积网络对所述网点业务量图进行特征提取...
【专利技术属性】
技术研发人员:赵江江,郝思维,蒋国友,
申请(专利权)人:上海中通吉网络技术有限公司,
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。