[发明专利]建立快递送达时间预测模型的方法、预测方法及相关设备

说明书

本发明提供一种建立快递送达时间预测模型的方法、预测方法及相关设备，建立快递送达时间预测模型的方法，包括：获取历史物流轨迹数据；自所述历史物流轨迹数据，提取物流轨迹的特征数据，所述特征数据至少包括轨迹片段特征以及操作时段特征；生成多个轨迹样本，各所述轨迹样本包括物流轨迹的特征数据以及该物流轨迹的送达时长；利用所述轨迹样本训练一分类模型；以及将训练后的分类模型作为所述快递送达时间预测模型。本发明提供的方法及系统提高快递送达时间预测准确率。

技术领域

本发明涉及计算机应用领域，尤其涉及一种建立快递送达时间预测模型的方法、预测方法及相关设备。

背景技术

随着网络信息技术的发展，无论是物流公司还是电商平台，通常会向用户提供快递预计送达时间的功能，从而便于用户合理安排签收时间，进而提升用户购物体验。

目前，普遍采用的快递预计送达时间，要么直接将历史轨迹的平均送达时间来作为预计送达时间；要么获取当前快递所在网点，并基于历史轨迹中，该网点与送达位置之间的平均送达时间，来预测快递送达时间。

然而，该两种方式仅考虑出发点和送达点，并未将其它对快递送达时间有所影响一并进行考虑，从而难以提高快递送达时间的预测准确率。

由此，如何通过对物流轨迹数据进行处理，从而增加影响快递送达时间预测的因素，进一步提升快递送达时间的预测准确率，是本领域技术人员亟待解决的技术问题。

发明内容

本发明为了克服上述相关技术存在的缺陷，提供一种建立快递送达时间预测模型的方法、预测方法及相关设备，进而通过对物流轨迹数据进行处理，从而增加影响快递送达时间预测的因素，进一步提升快递送达时间的预测准确率。

根据本发明的一个方面，提供一种建立快递送达时间预测模型的方法，包括：

获取历史物流轨迹数据；

自所述历史物流轨迹数据，提取物流轨迹的特征数据，所述特征数据至少包括轨迹片段特征以及操作时段特征；

生成多个轨迹样本，各所述轨迹样本包括物流轨迹的特征数据以及该物流轨迹的送达时长；

利用所述轨迹样本训练一分类模型；以及

将训练后的分类模型作为所述快递送达时间预测模型。

在本发明的一些实施例中，所述获取历史物流轨迹数据之后，且所述自所述历史物流轨迹数据，提取物流轨迹的特征数据之前还包括：

按物流轨迹的至少部分关键环节，对所述历史物流轨迹数据进行数据清洗；和/或

按至少部分异常包裹类型，对所述历史物流轨迹数据进行数据清洗。

在本发明的一些实施例中，所述关键环节至少包括包裹揽收环节、始发支线环节、干线运输环节、目的支线环节以及包裹派送环节。

在本发明的一些实施例中，所述按物流轨迹的至少部分关键环节，对所述历史物流轨迹数据进行数据清洗包括：

按物流轨迹的包裹揽收环节，对所述历史物流轨迹数据进行数据清洗；和/或

按物流轨迹的包裹派送环节，对所述历史物流轨迹数据进行数据清洗。

在本发明的一些实施例中，所述按物流轨迹的包裹揽收环节，对所述历史物流轨迹数据进行数据清洗包括：

针对同一物流轨迹，对多条揽收记录进行清洗；和/或

针对同一物流轨迹，对异常揽收记录进行清洗。

在本发明的一些实施例中，所述按物流轨迹的包裹派送环节，对所述历史物流轨迹数据进行数据清洗包括：