[发明专利]商品运输损耗预估方法、计算机装置及存储介质

说明书

本发明提供一种商品运输损耗预估方法、计算机装置及计算机可读存储介质。本发明通过历史运输数据训练学习模型，将待运输商品的运输计划输入所述学习模型自动预估待运输商品的运输损耗，使得商品运输的损耗预估更加智能、准确且快速，而准确的预估待运输商品的运输损耗也更有利于对不同商品在运输过程中提供适当级别的保护，尽量减少运输损耗，还能够辅助用户制定更为合理的交易价格。

技术领域

本发明涉及计算机技术领域，具体涉及一种商品运输损耗预估方法、计算机装置及计算机可读存储介质。

背景技术

在商品运输过程中，会因为各种原因产生一些损耗，例如，易挥发的化学品在运输过程中的挥发、固体商品在运输过程中的磨损和物理碰撞损伤、液体商品的泄露等。尤其是对于化学品的运输，基于部分化学品易挥发、易受热/光分解的性质，在运输过程中更容易发生损耗。而商品运输过程中的损耗与商品的运输保护级别有一定关系，如果不能够合理预估运输损耗并根据预估损耗对商品进行适当级别的保护，那么商品运输过程中可能因保护不当而使运输损耗增加，另外，运输损耗对商品的交易定价也有着一定影响。因此，如何在商品运输之前准确、合理的预测运输损耗对于商品运输领域来说是亟待解决的问题。

发明内容

鉴于以上问题，本发明提出一种商品运输损耗预估方法、计算机装置及存储介质，能够根据商品运输计划智能、准确的预估商品运输损耗。

本申请的第一方面提供一种商品运输损耗预估方法，所述方法包括：

接收运输计划信息，所述运输计划信息中包括待运输商品的商品信息及运输条件信息；

将所述运输计划信息输入至预设学习模型，得到所述待运输商品对应的预估运输损耗值。

优选地，所述商品信息包括商品名称、商品类别、商品包装、规格、数量、商品属性中的一种或多种，所述运输条件信息包括运输起点和终点地理位置信息、运输时间信息、运输路程信息、气象信息中的一种或多种；所述运输损耗信息包括商品在运输过程中的损耗值。

优选地，建立所述学习模型的方法包括：

获取商品运输数据，生成商品运输数据集，其中，所述商品运输数据包括商品信息、运输条件信息以及商品的运输损耗信息；

建立学习模型，并根据所述商品运输数据集训练所述学习模型，其中，所述学习模型的输入为商品信息和运输条件，所述学习模型的输出为运输损耗信息。

优选地，所述运输条件信息中的运输起点和终点的地理位置信息以及运输路程信息是通过用户终端响应接收到控制指令自动定位获取的，所述时间信息是在接收到所述控制指令时通过时钟获取的，所述气象信息是在获取到所述地理位置信息和时间信息后，自动连接气象网站的数据库获取的所述地理位置在当前时间的气象信息。

可选地，所述学习模型为多元线性回归模型，所述建立学习模型，并根据所述商品运输数据集训练所述学习模型包括：

建立多元线性回归模型，所述多元线性回归模型表示商品运输损耗与商品信息、运输条件信息之间的对应关系，其中所述商品信息、运输条件信息为自变量，所述商品损耗为因变量；

将所述商品运输数据集划分为训练样本集与验证样本集；

利用所述训练样本集对所述多元线性回归模型进行训练，计算多元线性回归模型的回归系数，得到线性回归方程；

根据所述验证样本集对上述多元线性回归模型进行测试验证。

可选地，所述学习模型还可以为神经网络模型，包括AlexNet网络模型、基于VGG的神经网络模型或BPNN神经网络模型中的一种或多种。

可选地，所述方法还包括：

根据所述预估的运输损耗值从预设数据库中查找对商品运输的保护级别、交易定价的建议。