[發明專利]一種集裝箱提箱序列的預測方法、系統和存儲介質

在審

• 申請號: 202210118701.X
• 申請日: 2022-02-08
• 公開（公告）號: CN114548863A
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 葉增健;鄭克歐;江堅;李特;馬振華
• 申請（專利權）人: 中國外運華南有限公司
• 主分類號: G06Q10/08
• 分類號: G06Q10/08;G06F16/215;G06F16/2458;G06K9/62
• 代理公司: 廈門市寬信知識產權代理有限公司 35246
• 代理人: 張廣輝;梁艷妮

1.一種集裝箱提箱序列預測方法，其特征在于，包括以下步驟：

S1：采集集裝箱歷史數據；所述歷史數據包括集裝箱的歷史堆存天數和集裝箱對應的屬性參數信息；

S2：對所述集裝箱歷史數據進行數據清洗，獲得模型輸入數據；

S3：將所述模型輸入數據輸入到訓練模型進行訓練，得到訓練完成的模型；

S4：獲取待預測的集裝箱的屬性參數信息并將其輸入到訓練完成的模型中，以輸出該待預測的集裝箱對應的預測堆存天數。

2.如權利要求1所述的集裝箱提箱序列預測方法，其特征在于，所述屬性參數信息包括集裝箱標識信息、集裝箱貨物信息、集裝箱作業單信息、監管部門的監管信息中的任一項或多項。

3.如權利要求1所述的集裝箱提箱序列預測方法，其特征在于，所述模型輸入數據包括訓練集和驗證集，所述訓練集用于對所述訓練模型進行訓練，所述驗證集用于對所述訓練完成的模型的訓練結果進行驗證。

4.如權利要求1所述的集裝箱提箱序列預測方法，其特征在于，所述屬性參數信息包括非數值型數據或缺失值，所述對所述集裝箱歷史數據進行數據清洗包括：

對所述屬性參數信息中的非數值型數據或缺失值進行處理，以使其滿足所述訓練模型的輸入要求。

5.如權利要求4所述的集裝箱提箱序列預測方法，其特征在于，所述屬性參數信息包括集裝箱標識信息或集裝箱貨物信息；

對所述屬性參數信息中的非數值型數據或缺失值進行處理包括：

對所述集裝箱標識信息中的非數值型數據采用數值型數據進行替代，或者對所述集裝箱貨物信息中的缺失值采用其他歷史數據中與該集裝箱裝有相同貨物和相同集裝箱中的數據的均值進行替代。

6.如權利要求1所述的集裝箱提箱序列預測方法，其特征在于，將所述模型輸入數據輸入到訓練模型進行訓練包括：

將所述模型輸入數據按照以下格式進行編輯后輸入到所述訓練模型進行訓練：

X″(i)＝[X′(i)，A′(i)，O′(i)，S′(i)，C′(i)，G′(i)，P′(i)，W′(i)，D′(i)，U′(i)]

其中，A’為控箱公司名稱，O'為集裝箱的箱型，C’為貨主名、G’為貨物名、T’表征貿易類型、P’為付款人名稱、W’為作業類型、D’為運輸方式、U’為包裝。

7.如權利要求3所述的集裝箱提箱序列預測方法，其特征在于，所述方法包括：

獲取所述驗證集中所有集裝箱的實際堆存天數，并將所述驗證集中的數據按照集裝箱實際堆存天數的大小進行排序，繪制實際堆存天數曲線并對排序編號進行記錄；

按照所述排序編號依次將驗證集中的各個數據輸入到訓練完成的模型中，得到驗證集中所有數據的預測堆存天數，按照與所述實際堆存天數排序相適配的順序對所述預測堆存天數進行排序，得到預測堆存天數曲線；

判斷所述實際堆存天數曲線與所述預測堆存天數曲線的擬合性以對所述訓練完成的模型的預測效果進行評估。

8.如權利要求1所述的集裝箱提箱序列預測的方法，其特征在于，步驟S4后還包括步驟S5:

基于所述預測堆存天數生成集裝箱提箱序列。

9.一種存儲介質，其特征在于，所述存儲介質中存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至8任一項所述的方法步驟。

10.一種集裝箱提箱序列預測系統，其特征在于，所述系統包括處理器和存儲介質，所述存儲介質為如權利要求9所述的存儲介質，所述處理器用于執行所述存儲介質中存儲的計算機程序。