[发明专利]运单派件耗时预测模型的构建方法、装置和计算机设备

说明书

本申请涉及一种运单派件耗时预测模型的构建方法、装置、计算机设备和存储介质。所述方法包括：获取运单的运单基础数据，运单基础数据为运单流转之前的数据；分析运单基础数据中的各运单特征，筛选入模特征，获取入模特征对应的运单基础数据作为入模运单基础数据；对入模运单基础数据进行异常数据处理，剔除异常数据，得到训练运单基础数据；根据训练运单基础数据构建用于预测耗时的运单派件耗时预测模型。采用本方法能够提高模型精度来提高耗时预测的准确性。

技术领域

本申请涉及计算机技术领域，特别是涉及一种运单派件耗时预测模型的构建方法、装置、计算机设备和存储介质。

背景技术

近年来，随着物流速运业务的蓬勃发展，快件量迅速增长，行业竞争也越来越激烈，因此如何提升客户体验成为各公司的重要业务指标。例如，各公司为了提高客户的好感度和提升客户体验，大多会预先预测运单在收件端、中转环节、派件端的耗时来提前告知客户运单的预计派送时间。现有的预测耗时方法，大多是采用按照标准的路由配置，通过计算运力耗时和途径网点耗时的方式，获取运单总耗时来确定派送时间。

然而，现有基于路由数据预测的方式的准确度依赖于运单的路由规划强弱相关。并且，受各种因素的影响，现实物流场景下的运单并不一定会按照规划的路由进行流转。尤其是在电商促销等物流高峰期，由于大量临时中转场的加入，使得路由配置准确度极大的降低，导致依赖路由配置预测耗时方法具有很大的不稳定性，从而降低了预测的准确性。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高耗时预测准确性的运单派件耗时预测模型的构建方法、装置、计算机设备和存储介质。

一种运单派件耗时预测模型的构建方法，所述方法包括：

获取运单的运单基础数据；所述运单基础数据为所述运单流转之前的数据；

分析所述运单基础数据中的各运单特征，筛选入模特征，获取所述入模特征对应的运单基础数据作为入模运单基础数据；

对所述入模运单基础数据进行异常数据处理，剔除异常数据，得到训练运单基础数据；

根据所述训练运单基础数据构建用于预测耗时的运单派件耗时预测模型。

在其中一个实施例中，所述分析所述运单基础数据中的各运单特征，筛选入模特征，获取所述入模特征对应的运单基础数据作为入模运单基础数据，包括：

基于所述运单基础数据中各所述运单特征的平均耗时，对所述运单基础数据中的各所述运单特征进行方差分析，得到预选入模特征；

基于随机森林对所述预选入模特征进行二次筛选，得到入模特征；

获取所述入模特征对应的运单基础数据作为入模运单基础数据。

在其中一个实施例中，所述基于所述运单基础数据中各所述运单特征的平均耗时，对所述运单基础数据中的各所述运单特征进行方差分析，得到预选入模特征，包括：

根据各所述运单特征的平均耗时，分别计算各所述运单特征的组间差异和组内差异；

分别确定各所述运单特征对应所述组间差异和所述组内差异的比值，以及根据所述组间差异和所述组内差异，分别确定各所述运单特征的拟合优度；

从各所述运单特征中筛选所述比值和所述拟合优度同时满足预设比值阈值和预设拟合优度阈值的特征，得到预选入模特征。

在其中一个实施例中，所述基于随机森林对所述预选入模特征进行二次筛选，得到入模特征，包括：

分别计算各所述预选入模特征的第一袋外数据误差和第二袋外数据误差；

根据所述第一袋外数据误差和所述第二袋外数据误差，分别确定所述预选入模特征的特征重要度；