[发明专利]一种冷链运力需求预测方法及冷链运力分配方法有效
申请号: | 202210548448.1 | 申请日: | 2022-05-20 |
公开(公告)号: | CN114662997B | 公开(公告)日: | 2022-08-09 |
发明(设计)人: | 黄博;江培荣;刘鹏;徐浩;麻亮;冯俊超;李强 | 申请(专利权)人: | 成都运荔枝科技有限公司 |
主分类号: | G06Q10/06 | 分类号: | G06Q10/06;G06Q10/08;G06K9/62 |
代理公司: | 成都华复知识产权代理有限公司 51298 | 代理人: | 余鹏 |
地址: | 610000 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 运力 需求预测 方法 分配 | ||
1.一种冷链运力需求预测方法,其特征在于,包括如下步骤:
步骤S1:根据冷链运输能力设定多个冷藏温度区间,而后与每种冷链货物进行对应;
步骤S2:筛选出具有相同冷藏温度区间的冷链货物以生成训练样本集,利用自助法对训练样本集进行处理,以生成多个训练样本子集;
步骤S3:利用单个训练样本子集生成多棵决策树,以对多种冷链货物的销量进行判断;
步骤S4:对每个训练样本子集重复步骤S3,以使生成的所有决策树组成决策森林,从而对训练样本集中每种冷链货物的销量进行判断;
步骤S5:重复步骤S2-S4,以生成每个训练样本集对应的决策森林;
步骤S6:将测试集分别输入至决策森林,以获得各个冷藏温度区间在目标发货周期对应的总运力需求。
2.根据权利要求1所述的冷链运力需求预测方法,其特征在于,步骤S3中生成的决策树仅对应于训练样本子集中的冷链货物。
3.根据权利要求1所述的冷链运力需求预测方法,其特征在于,冷链货物的特征值包括每个发货周期的历史销量以及交叉属性,训练样本集中不同冷链货物通过交叉属性进行关联,步骤S3中生成的决策树与训练样本集中每种冷链货物分别对应。
4.根据权利要求3所述的冷链运力需求预测方法,其特征在于,步骤S3中,采用测试集对生成的决策树进行测试,对准确率低于阈值的决策树进行删除。
5.根据权利要求4所述的冷链运力需求预测方法,其特征在于,步骤S3中决策树通过C4.5算法生成,以对决策树在利用测试集进行测试前进行剪枝。
6.根据权利要求3所述的冷链运力需求预测方法,其特征在于,步骤S6中,测试集在输入至决策森林前进行补全,以保证每个冷藏温度区间均具有至少一个对应冷链货物的特征值。
7.根据权利要求1所述的冷链运力需求预测方法,其特征在于,冷藏温度区间的窗口尺寸负相关于中心值。
8.一种冷链运力分配方法,其特征在于,包括如下步骤:
步骤S1’:实施如权利要求1-7任一权利要求所述的冷链运力需求预测方法;
步骤S2’:对已有的配送车辆进行冷藏温度调节,以改变不同冷藏温度区间对应的实际运输能力。
9.根据权利要求8所述的冷链运力分配方法,其特征在于,在目标发货周期内,冷藏温度区间对应的实际运输能力和总运力需求比值为冷藏温度区间对应的优先级,冷藏温度区间的中心值正相关于优先级。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都运荔枝科技有限公司,未经成都运荔枝科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210548448.1/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理