[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

说明书

本发明公开了一种冷链运力需求预测方法及冷链运力分配方法，包括如下步骤：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；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；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；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；生成每个训练样本集对应的决策森林。本发明改变每个冷链运输车辆的冷藏温度，从而兼顾各个冷藏温度区间对应的运力需求，尽可能降低冷藏运输的能耗浪费，在有限的运力条件下最大限度提升冷链运输效率。

技术领域

本发明涉及一种冷链运力需求预测方法及冷链运力分配方法，属于冷链运力预测领域。

背景技术

冷链运输是一种具有较高门槛的运输方式，其成本相对高昂，因此其运力在短时间内难以明显提升。但是另一方面，随着消费者生活水平的提高，冷链运输对应的市场需求也逐渐增大，这就导致冷链运输的供给关系产生了矛盾，消费者不仅需要额外付出更多的运输溢价，而且消费体验也难以进一步上升。

发明内容

本发明所要解决的技术问题在于克服现有技术的不足而提供一种冷链运力需求预测方法及冷链运力分配方法。

解决上述技术问题，本发明采用如下技术方案：

一种冷链运力需求预测方法，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。

本发明的有益效果为：

1、冷链运输车辆具备冷藏运输的功能，不同的冷链运输车辆能够达到的最低冷藏温度一般是不同的，运输部门通过对已有的冷链运输车辆进行统计，即可确定能够达到的最低冷藏温度，以此为下限设定冷藏温度区间，则不需要对已有的冷链运输车辆进行更换，避免运输部门支出额外的车辆更换或改造成本；

2、通过将冷链货物与冷藏温度区间进行对应，提供了对不同冷藏温度区间所需运力进行预测的依据；

3、传统冷链运输经常对不同冷藏能力的车辆无序使用，致使能够达到更低冷藏温度的车辆被滥用，而将具有相同冷藏温度区间的冷链货物单独进行筛选以及运力需求预测，更能满足冷链运输车辆的合理配置，降低不必要的能耗，提升冷链运输效率；

4、在同一个训练样本集内的冷链货物对同一个冷藏温度区间贡献运力需求，故而同一个训练样本集内不同冷链货物之间运力需求大部分情况下存在一定关联性，决策树能够借由该关联性对训练样本子集中特定冷链货物的销量进行预测；

5、决策森林保证了最终针对每个冷链货物销量预测的准确性，通过对每个冷链货物销量求和获得总运力需求，从而较为精确地预测单个冷藏温度区间对应的运力需求；

6、通过获得各个冷藏温度区间对应的运力需求，进而改变每个冷链运输车辆的冷藏温度，从而兼顾各个冷藏温度区间对应的运力需求，尽可能降低冷藏运输的能耗浪费，在有限的运力条件下最大限度提升冷链运输效率。