订单数量和订单状态的预测方法、装置及系统制造方法及图纸

本申请提供了订单数量和订单状态的预测方法、装置及系统，其中订单数量的预测方法包括：获取至少一个订单的订单状态；确定所述至少一个订单的订单状态对应的多个预测订单状态以及多个预测订单状态对应的发生概率；确定预测订单状态在多个订单中的发生概率；确定预测订单状态对应的订单数量。本申请会根据各个物流节点的当前订单状态来预测当前订单状态的未来的订单状态和发生概率。由于当前订单状态是实时的、准确的，所以基于当前订单状态预测到的预测订单状态和对应的发生概率也具有一定的准确性。相比于现有技术完全基于历史订单数量计算订单数量而言，本申请可以大大提高获得的预测订单状态的订单数量的准确性。

【技术实现步骤摘要】
订单数量和订单状态的预测方法、装置及系统
本申请涉及物流
，尤其涉及一种订单数量的预测方法、装置及系统、订单状态的预测方法、装置及系统。
技术介绍
物流节点是指物流网络中连接物流线路的结节之处，物流节点包括但不限于仓库、分拨中心、末端网点、菜鸟驿站等等。各个物流节点可以对订单对应的物资进行中转、集散和储运。由于各个物流线路的订单数量是波动的，所以各个物流节点的订单数量也是变动的。目前，物流节点需要依据订单数量来提前进行工作安排，所以需要对物流节点的订单数量进行预测。目前通常会统计物流节点的历史订单数量，并利用物流节点的历史订单数量，来预测物流节点未来的订单数量。但是，在物流领域中物流节点的订单数量具有较大的突变性和偶然性，这导致物流节点的历史订单数量无法体现出物流节点的突变。例如，电商平台某天或某个时刻临时的降价活动或促销活动，会导致订单数量突然增加；又如，由于天气、交通等不可控因素导致行车路线发生变更、车辆故障，导致订单数量突然减少或增多。因此，现有基于物流节点的历史订单数量，对未来的订单数量进行预测的方案，其准确性较低。
技术实现思路
鉴于此，本申请提供了一种订单数量的预测方法、装置及系统、订单状态的预测方法、装置及系统，以便对物流节点的订单数量进行准确预测。为了实现上述目的提供了下述技术特征：一种订单数量的预测方法包括：获取至少一个订单的订单状态；确定所述至少一个订单的订单状态对应的多个预测订单状态以及多个预测订单状态对应的发生概率；确定预测订单状态在多个订单中的发生概率；确定预测订单状态对应的订单数量。可选的，所述确定至少一个订单的订单状态对应的多个预测订单状态以及多个预测订单状态对应的发生概率，包括：输入订单的订单状态至订单状态预测模型；获得所述订单状态模型输出若干预测订单状态，以及若干预测订单状态的原概率；对若干个预测订单状态中进行筛选操作，确定筛选后的多个预测订单状态及多个预测订单状态的发生概率；其中，所述订单状态预测模型为以订单状态为输入，用于对订单状态的后续订单状态进行预测，并输出预测订单状态和预测订单状态对应发生概率的机器模型。可选的，所述对若干个预测订单状态中进行筛选操作，确定筛选后的多个预测订单状态及多个预测订单状态的发生概率，包括：在订单的物流路径规划中，确定订单的下一物流节点标识和动作标识；在订单的若干预测订单状态中进行筛选操作，保留包含订单的下一物流节点标识和动作标识的多个预测订单状态；计算筛选后多个预测订单状态的原概率的和值；分别将多个预测订单状态的原概率与所述和值的比值，确定为多个预测订单状态对应的发生概率。可选的，所述确定预测订单状态在多个订单中的发生概率，包括：按照订单状态对多个订单的多个预测订单状态及发生概率进行分类汇总；在分类汇总结果中，确定预测订单状态对应的多个订单的发生概率。可选的，所述确定预测订单状态对应的预测订单数量，包括：基于一预测订单状态对应的多个订单的发生概率，计算该预测订单状态的期望；将所述期望确定为该预测订单状态的订单数量。可选的，所述订单状态包括订单所在物流节点标识，订单动作对应的动作标识，以及，订单动作发生时间所属的时间片段的时间片标识；则获取至少一个订单的订单状态包括：获取至少一个订单的订单数据；按照订单状态数据格式，将订单数据转换为订单状态。可选的，在所述确定预测订单状态对应的订单数量后，还包括：确定统计属性；所述统计属性包含的物流节点标识、动作标识、时间片标识中的一个或多个属性；依据所述统计属性确定至少一个预测订单状态；将所述至少一个预测订单状态对应订单数量的和值，确定为所述统计属性对应的订单数量。可选的，还包括：在订单的物流路径规划中确定最后一条路径规划；若订单的预测订单状态中物流节点标识和动作标识不对应最后一条路径规划，则在订单的多个预测订单状态中选择一个预测订单状态，并进入确定至少一个订单的订单状态对应的多个预测订单状态以及多个预测订单状态对应的发生概率的步骤。可选的，还包括：在进入确定至少一个订单的订单状态对应的多个预测订单状态以及多个预测订单状态对应的发生概率的步骤后，更新已有的预测订单状态以及预测订单状态对应的发生概率。可选的，所述确定预测订单状态对应的订单数量，包括：发送预测订单状态在多个订单中的发生概率，至预测订单状态中物流节点标识对应的执行终端，以供终端设备确定预测订单状态对应的订单数量；在更新已有的预测订单状态以及预测订单状态对应的发生概率后，还包括：记录发生变化的预测订单状态和及其发生概率，仅发送发生变化的预设订单状态及其发生概率至终端设备，以供执行终端重新确定预测订单状态对应的订单数量。一种订单数量的预测系统，包括：服务器，用于获取至少一个订单的订单状态，确定所述至少一个订单的订单状态对应的多个预测订单状态以及多个预测订单状态对应的发生概率，确定预测订单状态在多个订单中的发生概率，确定预测订单状态对应的订单数量，发送预测订单状态对应的订单数量至终端设备；终端设备，用于接收并输出预测订单状态对应的订单数量。一种订单数量的预测系统，包括：服务器，用于获取至少一个订单的订单状态，确定至少一个订单的订单状态对应的多个预测订单状态以及多个预测订单状态对应的发生概率，确定预测订单状态在多个订单中的发生概率，发送预测订单状态在多个订单中的发生概率至终端设备；终端设备，用于接收预测订单状态在多个订单中的发生概率，并确定预测订单状态对应的订单数量，输出预测订单状态对应的订单数量。可选的，服务器，还用于在更新已有的预测订单状态以及预测订单状态对应的发生概率后，记录发生变化的预测订单状态和及其发生概率，仅发送发生变化的预设订单状态及其发生概率至终端设备；终端设备，用于更新发生变化的预设订单状态及其发生概率，重新确定预测订单状态对应的订单数量。一种订单状态的预测方法，包括：确定订单的订单状态；其中，订单状态包括物流节点标识、动作标识以及表示时间片段的时间片标识；确定订单的订单状态对应的若干预测订单状态以及若干预测订单状态对应的原概率；对订单的若干预测订单状态中进行筛选操作，确定筛选后的多个预测订单状态及多个预测订单状态的发生概率；输出发生概率最大预测订单状态。可选的，在确定筛选后的多个预测订单状态及多个预测订单状态的发生概率之后，还包括：构建以订单标识为主键，多个预测订单状态和发生概率为数据值的订单维表；构建以预测订单状态为主键，订单标识的和订单标识对应的订单中该预测订单状态的发生概率为数据值的状态维表。可选的，在确定订单的订单状态对应的多个预测订单状态以及多个预测订单状态对应的发生概率之后，还包括：确定订单的路径规划；在预测订单状态中的物流节点标识和动作标识不对应路径规划中最后一条路径规划的情况下，重新进入确定订单的订单状态对应的多个预测订单状态以及多个预测订单状态对应的发生概率的步骤；更新订单维表和状态维表。可选的，所述更新订单维表和状态维表包括：在所述订单维表中删除该订单标识对应的历史预测订单状态和历史发生概率，并在订单维表中写入订单标识的当前预测订单状态和当前发生概率；在所述状态维表中删除该订单标识对应的历史预测订单状态和历史发生概率，并在订单维表中写入订单标识的当前预测订单状态和当前发生概率；针对订单标识的本文档来自技高网...

【技术保护点】
1.一种订单数量的预测方法，其特征在于，包括：获取至少一个订单的订单状态；确定所述至少一个订单的订单状态对应的多个预测订单状态以及多个预测订单状态对应的发生概率；确定预测订单状态在多个订单中的发生概率；确定预测订单状态对应的订单数量。

【技术特征摘要】
1.一种订单数量的预测方法，其特征在于，包括：获取至少一个订单的订单状态；确定所述至少一个订单的订单状态对应的多个预测订单状态以及多个预测订单状态对应的发生概率；确定预测订单状态在多个订单中的发生概率；确定预测订单状态对应的订单数量。2.如权利要求1所述的方法，其特征在于，所述确定至少一个订单的订单状态对应的多个预测订单状态以及多个预测订单状态对应的发生概率，包括：输入订单的订单状态至订单状态预测模型；获得所述订单状态模型输出若干预测订单状态，以及若干预测订单状态的原概率；对若干个预测订单状态中进行筛选操作，确定筛选后的多个预测订单状态及多个预测订单状态的发生概率；其中，所述订单状态预测模型为以订单状态为输入，用于对订单状态的后续订单状态进行预测，并输出预测订单状态和预测订单状态对应发生概率的机器模型。3.如权利要求2所述的方法，其特征在于，所述对若干个预测订单状态中进行筛选操作，确定筛选后的多个预测订单状态及多个预测订单状态的发生概率，包括：在订单的物流路径规划中，确定订单的下一物流节点标识和动作标识；在订单的若干预测订单状态中进行筛选操作，保留包含订单的下一物流节点标识和动作标识的多个预测订单状态；计算筛选后多个预测订单状态的原概率的和值；分别将多个预测订单状态的原概率与所述和值的比值，确定为多个预测订单状态对应的发生概率。4.如权利要求1所述的方法，其特征在于，所述确定预测订单状态在多个订单中的发生概率，包括：按照订单状态对多个订单的多个预测订单状态及发生概率进行分类汇总；在分类汇总结果中，确定预测订单状态对应的多个订单的发生概率。5.如权利要求1所述的方法，其特征在于，所述确定预测订单状态对应的预测订单数量，包括：基于一预测订单状态对应的多个订单的发生概率，计算该预测订单状态的期望；将所述期望确定为该预测订单状态的订单数量。6.如权利要求1所述的方法，其特征在于，所述订单状态包括订单所在物流节点标识，订单动作对应的动作标识，以及，订单动作发生时间所属的时间片段的时间片标识；则获取至少一个订单的订单状态包括：获取至少一个订单的订单数据；按照订单状态数据格式，将订单数据转换为订单状态。7.如权利要求6所述的方法，其特征在于，在所述确定预测订单状态对应的订单数量后，还包括：确定统计属性；所述统计属性包含的物流节点标识、动作标识、时间片标识中的一个或多个属性；依据所述统计属性确定至少一个预测订单状态；将所述至少一个预测订单状态对应订单数量的和值，确定为所述统计属性对应的订单数量。8.如权利要求1所述的方法，其特征在于，还包括：在订单的物流路径规划中确定最后一条路径规划；若订单的预测订单状态中物流节点标识和动作标识不对应最后一条路径规划，则在订单的多个预测订单状态中选择一个预测订单状态，并进入确定至少一个订单的订单状态对应的多个预测订单状态以及多个预测订单状态对应的发生概率的步骤。9.如权利要求8所述的方法，其特征在于，还包括：在进入确定至少一个订单的订单状态对应的多个预测订单状态以及多个预测订单状态对应的发生概率的步骤后，更新已有的预测订单状态以及预测订单状态对应的发生概率。10.如权利要求9所述的方法，其特征在于，所述确定预测订单状态对应的订单数量，包括：发送预测订单状态在多个订单中的发生概率，至预测订单状态中物流节点标识对应的执行终端，以供终端设备确定预测订单状态对应的订单数量；在更新已有的预测订单状态以及预测订单状态对应的发生概率后，还包括：记录发生变化的预测订单状态和及其发生概率，仅发送发生变化的预设订单状态及其发生概率至终端设备，以供执行终端重新确定预测订单状态对应的订单数量。11.一种订单数量的预测系统，其特征在于，包括：服务器，用于获取至少一个订单的订单状态，确定所述至少一个订单的订单状态对应的多个预测订单状态以及多个预测订单状态对应的发生概率，确定预测订单状态在多个订单中的发生概率，确定预测订单状态对应的订单数量，发送预测订单状态对应的订单数量至终端设备；终端设备，用于接收并输出预测订单状态对应的订单数量。12.一种订单数量的预测系统，其特征在于，包括：服务器，用于获取至少一个订单的订单状态，确定至少一个订单的订单状态对应的多个预测订单状态以及多个预测订单状态对应的发生概率，确定预测订单状态在多个订单中的发生概率，发送预测订单状态在多个订单中的发生概率至终端设备；终端设备，用于接收预测订单状态在多个订单中的发生概率，并确定预测订单状态对应的订单数量，输出预测订单状态对应的订单数量。13.如权利要求12所述的系统，其特征在于，服务器，还用于在更新已有的预测订单状态以及预测订单状态对应的发生概率后，记录发生变化的预测订单状态和及其发生概率，仅发送发生变化的预设订单状态及其发生概率至终端设备；终端设备，用于更新发生变化的预设订单状态及其发生概率，重新确定预测订单状态对应的订单数量。14.一种订单状态的预测方法，其特征在于，包括：确定订单的订单状态；其中，订单状态包括物流节点标识、动作标识以及表示时间片段的时间片标识；确定订单的订单状态对应的若干预测订单状态以及若干预测订单状态对应的原概率；对订单的若干预测订单状态中进行筛选操作，确定筛选后的多个预测订单状态及多个预测订单状态的发生概率；输出发生概率最大预测订单状态。15.如权利要求14所述的方法，其特征在于，在确定筛选后的多个预测订单状态及多个预测订单状态的发生概率之后，还包括：构建以订单标识为主键，多个预测订单状态和发生概率为数据值的订单维表；构建以预测订单状态为主键，订单标识的和订单标识对应的订单中该预测订单状态的发生概率为数据值的状态维表。16.如权利要求15所述的方法，其特征在于，在确定订单的订单状态对应的多个预测订单状态以及多个预测订单状态对应的发生概率之后，还包括：确定订单的路径规...

【专利技术属性】
技术研发人员：吕韬，郑恒，沈磊，陈鑫，
申请(专利权)人：菜鸟智能物流控股有限公司，
类型：发明
国别省市：开曼群岛,KY