[发明专利]一种物流成本预测方法、装置、电子设备以及存储介质

权利要求书

1.一种物流成本预测方法，其特征在于，包括：

接收待预测成本物流线路的出发地和目的地；

根据所述出发地和所述目的地从物流历史记录中获取额定数量的线路数据样本，其中，所述线路数据样本包括不同车型的物流方量；

根据所述线路数据样本训练得到方量预测模型；

根据所述出发地和所述目的地通过所述方量预测模型计算得到不同车型的预测方量；

根据所述预测方量与对应不同车型的单位方量单价计算所述待预测成本物流线路的物流成本。

2.根据权利要求1所述的物流成本预测方法，其特征在于，所述根据所述线路数据样本训练得到方量预测模型包括：

将所述线路数据样本按照月份进行分组得到分组后的所述线路数据样本；

根据不同车型对每组所述线路数据样本生成每天的方量时序列；

按照预定聚类方式对所述方量时序列进行聚类得到聚类后的方量时序列组；

对每个聚类的所述方量时序列组分别进行训练得到所述方量预测模型。

3.根据权利要求2所述的物流成本预测方法，其特征在于，所述根据所述出发地和所述目的地通过所述方量预测模型计算得到不同车型的预测方量包括：

根据所述待预测成本物流线路选取最符合相同条件聚类下的方量预测模型；

通过选取的方量预测模型根据所述待预测成本物流线路计算得到不同车型的预测方量。

4.根据权利要求1或2中所述的物流成本预测方法，其特征在于，所述根据所述出发地和所述目的地从物流历史记录中获取线路数据样本步骤后，该方法还包括：

判断所述线路数据样本的数量是否满足所述额定数量，

如果所述线路数据样本的数量满足所述额定数量，则执行后续步骤。

5.根据权利要求3所述的物流成本预测方法，其特征在于，所述判断所述线路数据样本的数量是否满足额定数量还包括：

如果所述线路数据样本的数量不满足所述额定数量，则从所述物流历史记录中获取订单数据，其中，所述物流历史记录包括不同订单的物流数据和所述订单数据，所述订单数据包括每个订单的订单日期和每类货品的单价；将所述订单数据中的所述订单按照所述订单日期和货品类别进行分类得到分类后的订单；根据分类后的订单按照每类货品的所述单价按照预定的价格区间分割为不同档次；根据不同档次分类后的订单计算生成参照向量；根据所述参照向量从所述物流历史记录中获取符合预定选取规则的样本作为所述线路数据样本或补充所述线路数据样本。

6.根据权利要求4所述的物流成本预测方法，其特征在于，所述根据所述参照向量从所述物流历史记录中获取符合预定选取规则的线路作为所述线路数据样本或补充所述线路数据样本包括：

随机选择一个聚类参考值，且所述聚类参考值不大于所述物流历史记录中的线路总数；

按照所述聚类参考值将所述物流历史记录中分类后的样本进行聚类，如果所述样本中与所述参照向量相同向量之间的方差小于预定阀值则聚类完成，如果与所述参照向量相同向量之间的方差大于等于预定阀值，则增加所述聚类参考值进行聚类，直到所述样本中与所述参照向量相同向量之间的方差小于预定阀值则聚类完成；

计算每个聚类中样本的平均向量；

将所述平均向量与所述参考向量最近聚类中的所述样本作为所述线路数据样本或补充所述线路数据样本。

7.一种物流成本预测方法，其特征在于，所述方量预测模型为岭回归模型。

8.一种物流成本预测装置，其特征在于，该装置包括：

接收模块，用于接收待预测成本物流线路的出发地和目的地；

获取模块，用于根据所述出发地和所述目的地从物流历史记录中获取线路数据样本，其中，所述线路数据样本包括不同时间中不同车型的物流方量；

训练模块，用于根据所述线路数据样本训练得到方量预测模型；

计算模块，用于根据所述出发地和所述目的地通过所述方量预测模型计算得到不同车型的预测方量；还用于根据所述预测方量与对应不同车型的单位方量单价计算所述待预测成本物流线路的物流成本。