[發明專利]貨量預測模型構建方法、貨量測量方法、裝置及電子設備

有效

• 申請號: 202010370769.8
• 申請日: 2020-04-30
• 公開（公告）號: CN111507541B
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 趙仁省;陳冠嶺
• 申請（專利權）人: 南京福佑在線電子商務有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q10/08
• 代理公司: 北京知果之信知識產權代理有限公司 11541
• 代理人: 卜榮麗

本發明提供一種貨量預測模型構建方法、貨量測量方法、裝置及電子設備，其中，方法包括：獲取多個區域的標識信息和與所述區域對應的歷史貨量信息；將所述標識信息和所述歷史貨量信息作為訓練樣本輸入待訓練預測模型，對所述待訓練預測模型進行訓練得到訓練后的預測模型。在模型訓練時，采用的訓練樣本為多個區域的標識信息和區域對應的歷史貨量信息，訓練出的預測模型可以預測多個地點的貨量信息，可以有效降低構建預測模型的復雜度，并且可以有效增加樣本數量，提高預測模型的識別精度，可以有效解決現有技術單獨針對一個地點或區域建立獨立的預測模型，在歷史貨量數據有限的情況下，無法提高模型預測精度的問題。

技術領域

本發明涉及物流技術領域，尤其涉及一種貨量預測模型構建方法、貨量測量方法、裝置及電子設備。

背景技術

現有物流領域，尤其是卡車貨運領域，經常出現車輛在卸貨地點(如某一城市)完成訂單任務后，無法短時間內在該卸貨地點找到其他貨運訂單的問題；遇到這種問題，承運人要么選擇在該地點等待，直到能夠承接到貨運訂單；要么選擇空駛離開該地點，到其它地點去承接貨運訂單。不論選擇哪種方式，都會帶來運輸成本的增加，乃至使承認人無法獲得收益，甚至出現虧損的情況。另外這種情況的出現同時造成了運輸效率的下降，也不利于貨運市場的健康發展。

目前解決該問題的方式多是首先利用人工智能單獨針對一個地點建立獨立的預測模型，而在預測時則需要根據特定地點選擇對應的預測模型進行預測；這樣會造成由于地點的數量龐大，需要建立大量的預測模型；另外，有些地點的數據不足，無法建立有效的預測模型，或者由于數據不足導致建立的預測模型的輸出結果的精準度很低。

因此，如何提高貨量預測的精確度成為亟待解決的技術問題。

發明內容

為了解決現有技術中如何提高貨量預測的精確度的問題，本發明提供一種貨量預測模型構建方法、貨量測量方法、裝置及電子設備。

根據第一方面，本發明提供一種貨量預測模型構建方法，包括：獲取多個區域的標識信息和與所述區域對應的歷史貨量信息；將所述標識信息和所述歷史貨量信息作為訓練樣本輸入待訓練預測模型，對所述待訓練預測模型進行訓練得到訓練后的預測模型。

可選地，所述獲取多個區域的標識信息和與所述區域對應的歷史貨量信息包括：將基于預設規則建立用于表征區域的標識編碼作為標識信息。

可選地，基于預設規則建立用于表征區域標識編碼包括：獲取區域數量N；基于所述區域數量N建立與所述區域一一對應的N個N維向量編碼作為區域的標識編碼。

可選地，所述將基于預設規則建立用于表征區域的標識編碼作為標識信息還包括：利用區域關聯關系對基于預設規則建立用于表征區域的標識編碼進行嵌入式表達得到數據作為標識信息。。

可選地，所述區域關聯關系為同一個用戶或某一特定用戶群體產生的與貨運有關的行為時建立的區域之間的關系。

可選地，獲取多個區域的標識信息包括：獲取區域名稱和/或區域對應的標準代碼作為所述區域的標識信息。

根據第二方面，本發明實施例提供了一種貨量預測模型構建裝置，包括：第一獲取模塊，用于獲取多個區域的標識信息和與所述區域對應的歷史貨量信息；訓練模塊，用于將所述標識信息和所述歷史貨量信息作為訓練樣本輸入待訓練預測模型，對所述待訓練預測模型進行訓練得到訓練后的預測模型。

可選地，貨量預測模型構建裝置還包括：標識信息處理模塊，用于將基于預設規則建立用于表征區域的標識編碼作為標識信息。

可選地，標識信息處理模塊包括：第一獲取單元，用于獲取區域數量N；第一標識信息建立單元，用于將基于所述區域數量N建立與所述區域一一對應的N個N維向量編碼作為標識編碼。