[发明专利]一种运单滞留预测方法

权利要求书

1.一种运单滞留预测方法，其特征在于，包括：

获取历史运单收派记录的特征数据；

建立logit回归模型，利用监督学习对该logit回归模型进行训练；

利用logit回归模型预测运单的滞留概率，并与预设的阈值比较，若滞留概率值大于预设阈值则判断为滞留运单，若滞留概率小于预设阈值则判断为正常运单。

2.根据权利要求1所述的运单滞留预测方法，其特征在于，所述历史运单收派记录的特征数据，包括：

收派员操作数据、运单信息数据、收派员属性数据、运单结算数据、天气数据及衍生列计算数据中的至少一种。

3.根据权利要求2所述的运单滞留预测方法，其特征在于，所述收派员操作数据，包括：

妥投操作、滞留操作、操作网点、操作单元区域、单元区域类型、出仓时间、出仓收派员标识信息。

4.根据权利要求2所述的运单滞留预测方法，其特征在于，所述运单信息数据包括：

收件人电话、收件人地址、托寄物内容、体积及重量。

5.根据权利要求2所述的运单滞留预测方法，其特征在于，所述收派员属性信息包括：

收派员性别、年龄、入职年月、雇佣类型及交通工具信息。

6.根据权利要求2所述的运单滞留预测方法，其特征在于，所述运单结算数据，包括：

总费用、月结卡号、支付类型。

7.根据权利要求2所述的运单滞留预测方法，其特征在于，所述衍生列计算数据，包括：

每天的任务量、出仓任务前的运单滞留量。

8.根据权利要求2-7任一项所述的运单滞留预测方法，其特征在于，还包括对收派员操作数据、运单信息数据、收派员属性数据、运单结算数据、天气数据及衍生列计算数据的空缺值及异常值进行填补或删除。

9.根据权利要求1-7任一项所述的运单滞留预测方法，其特征在于，所述对logit回归模型进行训练，包括：

获取特征数据的数据集，所述数据集包括m个训练样本：

{{x11,x21,x31,...,xM1,y1}...{x1n,x2n,x3n,...,xMn,yn}...{x1m,x2m,x3m,...,xMm,ym}};]]>

其中，表示第1个logit回归模型训练样本的第一个特征数据；y¹表示第1个训练记录对应的训练分类数据；

将数据集输入logit回归模型对应的系数求解函数中，获取对应的相关系；

利用优化函数来计算各个变量的系数，并通过迭代的方法，来优化系数。