[发明专利]一种物流产品智能定价系统和方法

权利要求书

1.一种物流产品智能定价系统，其特征在于，包括：

价量模型：利用历史数据信息进行模型训练，其中所述历史数据信息与物流产品的单位价格和件量数相关，通过模型训练获得单位价格与件量数之间的关系模型，即训练好的价量模型；

成本模型：利用历史数据信息进行模型训练，其中所述历史数据信息与物流成本和件量数相关，通过模型训练获得成本与件量数之间的关系模型，即训练好的成本模型；

定价模型：通过训练好的价量模型和训练好的成本模型，构建利润、收入和成本三者之间的关系模型，即训练好的定价模型，在该定价模型中，利润、收入和成本均与单位价格变量相关，所述定价模型可以设置约束条件，通过所述训练好的定价模型，获得在约束条件下，达到最大利润时物流产品的单位价格。

2.根据权利要求1所述的物流产品智能定价系统，其特征在于，所述历史数据信息包括：物流流向内各城市的区码号、城市等级、GDP指数数据及各个城市之间的距离以及相应流向的物流产品的历史单位价格及其对应的件量数据。

3.根据权利要求1或2所述的物流产品智能定价系统，其特征在于，还包括件量数预测模型，所述件量数预测模型采用深度门控循环单元神经网络，选择三层GRU、激活层以及池化层来搭建件量数预测模型，计算成本随物流产品件量数据的变化关系，通过价量模型调价得出的件量数减去件量数预测模型中预测出来的件量数监测调价带来件量数的变化。

4.根据权利要求1所述的物流产品智能定价系统，其特征在于，根据价格弹性原理，价量模型满足计算公式：V＝k*P^e，通过训练该模型，输入历史数据，该历史数据为各个流向上的件量数和平均单位价格，由此得出K和e的值，其中，V为物流产品的件量数、P为物流产品的单位价格、k为修正参数、e为物流产品价格弹性。

5.根据权利要求1所述的物流产品智能定价系统，其特征在于，成本模型满足计算公式：C＝A*V+B，通过训练该模型，输入不同流向的历史成本和件量数获得不同流向下的A、B值，通过价量模型计算出的件量数，获得不同流向下的预测成本，其中，C为不同流向下的预测成本，A,B为计算常数。

6.根据权利要求1所述的物流产品智能定价系统，其特征在于，所述约束条件包括以下至少一种：物流产品的价格随运输距离增加而增加、物流产品的单位价格高于竞争对手、物流产品价格按照时序特征进行排序。

7.根据权利要求1所述的物流产品智能定价系统，其特征在于，所述物流产品按照时序特征和重量区间进行分类，价量模型按照不同时序特征、重量区间的物流产品获得单位价格与件量数之间的关系模型。

8.一种物流产品智能定价方法，其特征在于，包括：

利用历史数据信息进行模型训练，其中所述历史数据信息与物流产品的单位价格和件量数相关，通过模型训练获得单位价格与件量数之间的关系模型，即训练好的价量模型；

利用历史数据信息进行模型训练，其中所述历史数据信息与物流成本和件量数相关，通过模型训练获得成本与件量数之间的关系模型，即训练好的成本模型；

通过训练好的价量模型和训练好的成本模型，构建利润、收入和成本三者之间的关系模型，即训练好的定价模型，在该定价模型中，利润、收入和成本均与单位价格变量相关，所述定价模型可以设置约束条件，通过所述训练好的定价模型，获得在约束条件下，达到最大利润时物流产品的单位价格。

9.根据权利要求8所述的物流产品智能定价方法，其特征在于，所述历史数据信息包括：物流流向内各城市的区码号、城市等级、GDP指数数据及各个城市之间的距离以及相应流向的物流产品的历史单位价格及其对应的件量数据。

10.根据权利要求8所述的物流产品智能定价方法，其特征在于，还包括采用深度门控循环单元神经网络，选择三层GRU、激活层以及池化层搭建件量数预测模型，计算成本随物流产品件量数的变化关系，通过价量模型调价得出的件量数减去件量数预测模型中预测出来的件量数监测调价带来件量数的变化。