[发明专利]一种业务量计算方法和装置

说明书

本发明公开了一种业务量计算方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取预设时间段的业务量数据，根据所述预设时间段的业务量数据的数据长度确定计算时间粒度，根据预设时间段的业务量数据，在计算时间粒度下通过选择的时序模型，计算计划时间长度内的所述计算时间粒度的业务量，进而计算出计划时间长度内的指定时间粒度的业务量。该实施方式能兼顾不同时间粒度的计算结果，减少结果出现的误差，满足中长期业务量预测需求，泛化能力强，无需繁琐的特征提取即可获得较高计算准确度。

技术领域

本发明涉及计算机技术领域，尤其涉及一种业务量计算方法和装置。

背景技术

在物流规划的场景，以未来物流运输量计算为例，随着物流仓配业务的迅速增长，同时应对长期发展的需要，对物流场地和线路的规划提出了更高的要求，需要根据业务趋势的变化迅速做出反应，因此需要物流运输量做个长期规划，以支持制订仓配网络发展布局，同时为业务规划提供基础数据，并指导规划。

现有方案中，一是使用传统时序模型进行计算，往往只能满足短期规划需求，而用于中长期规划时则会随着计划时间长度的增加，误差也逐渐增加；二是使用机器学习模型，提取的特征很大程度上决定了模型的优劣，但现实情况下，数据质量往往较差，影响计算的准确度。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

采用传统时序模型在中长期规划时得到的结果误差较大，而采用机器学习模型特征提取工作繁琐，数据质量差从而影响计算准确度。

发明内容

有鉴于此，本发明实施例提供一种业务量计算方法和装置，能够兼顾不同时间粒度的计算结果，减少结果出现的误差，并满足中长期业务量预测需求，泛化能力强，无需进行繁琐的特征提取即可获得较高的计算准确度。

为实现上述目的，根据本发明实施例的一个方面，提供了一种业务量计算方法。

一种业务量计算方法，包括：获取预设时间段的业务量数据，根据所述预设时间段的业务量数据的数据长度确定计算时间粒度；根据所述预设时间段的业务量数据，在所述计算时间粒度下通过选择的时序模型，计算计划时间长度内的所述计算时间粒度的业务量；根据所述计划时间长度内的所述计算时间粒度的业务量，计算所述计划时间长度内的指定时间粒度的业务量。

可选地，当所述计算时间粒度为多个时，根据该多个计算时间粒度下的时序模型的置信区间随时间长度的变化情况，对所述计划时间长度分段以确定各分段对应的计算时间粒度，根据所述各分段对应的计算时间粒度的业务量，分别计算所述各分段内的指定时间粒度的业务量，从而得到所述计划时间长度内的指定时间粒度的业务量。

可选地，利用历史数据对所有时间粒度下的时序模型进行学习，以得到所述所有时间粒度下的时序模型的置信区间随时间长度的变化情况，其中，所述历史数据包括所述预设时间段的业务量数据，所述所有时间粒度包括所述多个计算时间粒度。

可选地，所述根据所述预设时间段的业务量数据的数据长度确定计算时间粒度，包括：在所述预设时间段的业务量数据的数据长度小于第一阈值时，所述计算时间粒度为天粒度；在所述预设时间段的业务量数据的数据长度大于或等于所述第一阈值且小于第二阈值时，所述计算时间粒度为天粒度和周粒度；在所述预设时间段的业务量数据的数据长度大于或等于所述第二阈值时，所述计算时间粒度为天粒度、周粒度和月粒度；其中，所述第一阈值、所述第二阈值根据所述所有时间粒度下的时序模型的置信区间随时间长度的变化情况确定，所述所有时间粒度包括天粒度、周粒度、月粒度。