[发明专利]一种新增网点历史件量数据的补全方法及系统

说明书

本申请公开了一种新增网点历史件量数据的补全方法，应用于物流领域，包括：计算新增网点历史件量时间序列与每个现有网点历史件量时间序列的相似度，其中，所述每个现有网点是与该新增网点同级的网点；识别与所述新增网点历史件量时间序列相似度最高的现有网点；基于所述新增网点相似度最高的现有网点的历史件量数据，补全新增网点相同历史时期的空缺的历史件量数据。本发明公开的方法能够解决新增网点件量数据较少导致难以准确对新增网点进行件量预测的问题。本发明还对应公开了一种新增网点历史件量数据的补全系统。

技术领域

本发明一般涉及物流领域，具体涉及一种新增网点历史件量数据的补全方法及系统。

背景技术

在物流领域当中，对车辆调度方案、人力调度方案等进行优化是节约成本的重要一环。而对车辆调度方案、人力调度方案等进行优化的基础则是对网点每日收发件量的预测，其预测准确性会显著影响到物流成本。

目前，件量预测模型以prophet、xgboost以及深度学习模型LSTM(Long Short-Term Memory，长短期记忆网络)等为主。这些预测模型都需要以网点历史年份的件量数据(包括小时、日期、星期、月份等多种时间维度的件量数据)作为模型输入，再通过调节参数训练出预测效果最佳的模型，用来对未来的件量进行预测。在物流业务场景中，经常会新增一些网点。当新增网点的件量数据较少时，由于数据较少，预测准确性不高。现在的处理方法是不对该新增网点的件量进行预测，进而导致新增网点较多时，难以对配送网络进行优化，影响物流的成本。

发明内容

鉴于现有技术中的上述缺陷或不足，期望提供一种新增网点历史件量数据的补全方法及系统，能够解决新增网点件量数据较少的问题，从而能够解决难以准确对新增网点进行件量预测的问题。

第一方面，本发明提供了一种新增网点历史件量数据的补全方法，包括如下步骤：

计算新增网点历史件量时间序列与每个现有网点历史件量时间序列的相似度，其中，所述每个现有网点是与该新增网点同级的网点；

识别与所述新增网点历史件量时间序列相似度最高的现有网点；

基于所述新增网点相似度最高的现有网点的历史件量数据，补全新增网点相同历史时期的空缺的历史件量数据。

另一方面，本发明还提供了一种新增网点历史件量数据的补全系统，包括：

计算单元，用于计算新增网点历史件量时间序列与每个现有网点历史件量时间序列的相似度，其中，所述每个现有网点是与该新增网点同级的网点；

识别单元，用于识别与所述新增网点历史件量时间序列相似度最高的现有网点；

补全单元，用于基于所述新增网点相似度最高的现有网点的历史件量数据，补全新增网点相同历史时期的空缺的历史件量数据。

本发明提供的新增网点历史件量数据的补全方法，通过在现有网点中查找与新增网点最相似的网点，用其件量数据对新增网点的件量数据进行补全，从而使得新增网点的件量数据足够使用预测模型进行预测。本发明还对应提供了新增网点历史件量数据的补全系统。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1为本发明的实施例中一种新增网点历史件量数据的补全方法的流程图；

图2为本发明的实施例中一种新增网点历史件量数据的补全系统的示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。