[发明专利]快递件量预测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种快递件量预测方法、装置、计算机设备和存储介质。通过在接收快递件量预测请求后，根据待预测场地对应的高峰时间窗口信息以及历史货量信息等信息，构建时间序列，从而将快递件量预测转化为对应的总量时间序列和比例时间序列的预测：对于总量时间序列的预测，因为统计误差的大幅降低以及相关外部宏观信息采集的便利，在同样的算法下在预测上相比单个场地的预测能够取得更高的准确度；对于比例时间序列，因为原有场站经过了时间序列预分组的处理，组内的比例时间序列具有较好的时间序列的平稳性，从而能通过预设预测算法，在总量时间序列与比例时间序列的预测基础上，获得更加准确的各个场站在高峰时间窗口的快递件量预测值。

技术领域

本申请涉及计算机技术领域，特别是涉及一种快递件量预测方法、装置、计算机设备和存储介质。

背景技术

随着我国经济的稳步发展与物流市场的高速增长，快递件量屡创新高，这也给物流资源的规划与前置安排提供了越来越大的挑战。物流快递货量的预测，尤其是物流高峰时期，作为物流场站资源规划的重要参考，在其中扮演着越来越重要的角色。

目前一般可以通过时间序列模型或者机器学习模型来进行快递件量的预测。然而基于时间序列模型的预测方法，在物流高峰等数据的剧烈波动时期，历史趋势及演化规律相比平常时期变化较大，导致预测模型应用受到较大局限；而基于机器学习的预测算法，由于对预测数据近似独立同分布的假设，导致在物流高峰等数据的非平稳期下，也因为数据与算法假设偏离较大，导致预测效果较差。

发明内容

基于此，有必要针对上述技术问题，提供一种能够可以有效提高物流高峰期快递件量预测准确性的快递件量预测方法、装置、计算机设备和存储介质。

一种快递件量预测方法，所述方法包括：

获取快递件量预测请求，确定所述快递件量预测请求对应的待预测场地以及高峰时间窗口；

根据所述待预测场地对应的历史货量信息，获取所述待预测场地中各个场站对应的快递件量的时间序列数据；

获取所述待预测场地中各个场站对应的快递件量的时间序列数据之间的时间序列相似度，根据所述时间序列相似度对所述待预测场地中的场站进行分组；

获取每个场地分组中对应的快递件量的总量时间序列以及每个场地分组中各场站对应的比例时间序列；

通过预设预测算法，获取所述每个场地分组中，所述总量时间序列的预测值与所述比例时间序列的预测值，所述总量时间序列的预测值为场地分组中各场站在所述高峰时间窗口内快递件量的总量的预测值，所述比例时间序列的预测值为场地分组中各场站在所述高峰时间窗口内快递件量所占比例的预测值；

根据每个场地分组中所述总量时间序列的预测值与所述比例时间序列的预测值，获取所述每个场地分组中各个场站在所述高峰时间窗口的快递件量预测值。

在其中一个实施例中，所述根据所述待预测场地对应的历史货量信息，获取所述待预测场地中各个场站对应的快递件量的时间序列数据包括：

依据所述待预测场地中各个场站对应的场站代码以及所述场站对应的快递运单操作时间，对全部的快递件量进行分场站的日维度统计；

按时间先后顺序对所述日维度统计的统计结果进行排序，获取所述待预测场地中各个场站对应的快递件量的时间序列数据。

在其中一个实施例中，所述根据所述时间序列相似度对所述待预测场地中的场站进行分组包括：

根据所述时间序列相似度，获取所述待预测场地中各个场站两两之间对应的距离度量；

通过基于距离的层次聚类算法，对所述待预测场地中的场站进行分组(如果仅有一个场站，则自成一组)。