The invention belongs to the technical field of the express waybill retention prediction, discloses a waybill retention prediction method, a model using supervised training method, combined with the historical record delivery waybill, the logit linear regression model to training data model; probability prediction model through the delivery of Waybill detention, and combined with the threshold decision waybill is identified a detention order or non detention order. The invention can be sent to the detention warehouse or choose not to delay delivery, optimize the delivery efficiency, reduce delivery costs; the mailing delivery before the forecast will be sent to the mailing service stranded, stranded can do personalized to customers, improve customer satisfaction; optimize the management process and product design for the stranded, relatively high probability regions, or remain relatively high probability of a period of time, can urge the management personnel to optimize resource allocation and reduce the detention rate; through employee behavior guidance system, can reduce the false retention.
【技术实现步骤摘要】
一种运单滞留预测方法
本专利技术属于快件滞留运单预测
,尤其涉及一种运单滞留预测方法。
技术介绍
在快递行业中,针对不同的快递产品,都要求收派员在系统规定的派送时间前完成派送任务,并以此作为考核收派员业务能力的重要指标之一。然而,在实际业务场景中,很多情况会导致收派员无法在规定的时间内完成派送任务,如收派员能力限制、节假日客户不在、极端天气等。在这些情况下,收派员一般会对快件作滞留回仓操作。这些滞留的快件,一方面会影响整体的派送效率,收派员会在这些滞留的快件上做很多无用功。另一方面,非客户原因的滞留也会导致客户满意度的降低,影响公司的口碑。因此,如何预测运单滞留,在收派员派送前就做特殊处理,是一个十分重要的课题。综上所述,现有技术存在的问题是:由于目前网点采取的“全量派送”的模式,即不管什么件,在客户未要求的情况下,只要一到达网点,都需要立即去派送。同时,收派员由于对包裹信息不了解,或者对区域信息,客户信息不熟悉,造成很多派送都是无效劳动。结果就造成了很多快递包裹,最终都变成了滞留件,并且耗费了大量的生产成本。滞留的快件影响整体的派送效率,非客户原因的滞留也会导致客户满意度的降低。
技术实现思路
针对现有技术存在的问题,本专利技术提供了一种运单滞留预测方法。提供一种运单滞留预测方法,包括:获取历史运单收派记录的特征数据;建立logit回归模型,利用监督学习对该logit回归模型进行训练;利用logit线性回归模型预测运单的滞留概率,并与预设的阈值比较,若滞留概率值大于预设阈值则判断为滞留运单,若滞留概率小于预设阈值则判断为正常运单。进一步,所述历史运单收 ...
【技术保护点】
一种运单滞留预测方法,其特征在于,包括:获取历史运单收派记录的特征数据;建立logit回归模型,利用监督学习对该logit回归模型进行训练;利用logit回归模型预测运单的滞留概率,并与预设的阈值比较,若滞留概率值大于预设阈值则判断为滞留运单,若滞留概率小于预设阈值则判断为正常运单。
【技术特征摘要】
1.一种运单滞留预测方法,其特征在于,包括:获取历史运单收派记录的特征数据;建立logit回归模型,利用监督学习对该logit回归模型进行训练;利用logit回归模型预测运单的滞留概率,并与预设的阈值比较,若滞留概率值大于预设阈值则判断为滞留运单,若滞留概率小于预设阈值则判断为正常运单。2.根据权利要求1所述的运单滞留预测方法,其特征在于,所述历史运单收派记录的特征数据,包括:收派员操作数据、运单信息数据、收派员属性数据、运单结算数据、天气数据及衍生列计算数据中的至少一种。3.根据权利要求2所述的运单滞留预测方法,其特征在于,所述收派员操作数据,包括:妥投操作、滞留操作、操作网点、操作单元区域、单元区域类型、出仓时间、出仓收派员标识信息。4.根据权利要求2所述的运单滞留预测方法,其特征在于,所述运单信息数据包括:收件人电话、收件人地址、托寄物内容、体积及重量。5.根据权利要求2所述的运单滞留预测方法,其特征在于,所述收派员属性信息包括:收派员性别、年龄、入职年月、雇佣类型及交通工具信息。6.根据权利要求2所述的运单滞留预测方法,其特征在于,所述运单结算数据,包括:总费用、月结卡号、支付类型。7.根据权利要求2所述的运单滞留预测方法,其特征在于,所述衍生列计算数据,包括:每天的任务量...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。