1.一种建立快递送达时间预测模型的方法,其特征在于,包括:
获取历史物流轨迹数据;
自所述历史物流轨迹数据,提取物流轨迹的特征数据,所述特征数据至少包括轨迹片段特征以及操作时段特征;
生成多个轨迹样本,各所述轨迹样本包括物流轨迹的特征数据以及该物流轨迹的送达时长;
利用所述轨迹样本训练一分类模型;以及
将训练后的分类模型作为所述快递送达时间预测模型。
2.如权利要求1所述的建立快递送达时间预测模型的方法,其特征在于,所述获取历史物流轨迹数据之后,且所述自所述历史物流轨迹数据,提取物流轨迹的特征数据之前还包括:
按物流轨迹的至少部分关键环节,对所述历史物流轨迹数据进行数据清洗;和/或
按至少部分异常包裹类型,对所述历史物流轨迹数据进行数据清洗。
3.如权利要求2所述的建立快递送达时间预测模型的方法,其特征在于,所述关键环节至少包括包裹揽收环节、始发支线环节、干线运输环节、目的支线环节以及包裹派送环节。
4.如权利要求2所述的建立快递送达时间预测模型的方法,其特征在于,所述按物流轨迹的至少部分关键环节,对所述历史物流轨迹数据进行数据清洗包括:
按物流轨迹的包裹揽收环节,对所述历史物流轨迹数据进行数据清洗;和/或
按物流轨迹的包裹派送环节,对所述历史物流轨迹数据进行数据清洗。
5.如权利要求4所述的建立快递送达时间预测模型的方法,其特征在于,所述按物流轨迹的包裹揽收环节,对所述历史物流轨迹数据进行数据清洗包括:
针对同一物流轨迹,对多条揽收记录进行清洗;和/或
针对同一物流轨迹,对异常揽收记录进行清洗。
6.如权利要求4所述的建立快递送达时间预测模型的方法,其特征在于,所述按物流轨迹的包裹派送环节,对所述历史物流轨迹数据进行数据清洗包括:
针对同一物流轨迹,对多条签收记录进行清洗;和/或
针对同一物流轨迹,对异常签收记录进行清洗。
7.如权利要求2所述的建立快递送达时间预测模型的方法,其特征在于,所述异常包裹类型至少包括退回包裹、拒签包裹、虚假包裹以及转单包裹。
8.如权利要求1所述的建立快递送达时间预测模型的方法,其特征在于,所述轨迹片段特征至少包括包裹自一站点至另一站点的时间间隔。
9.如权利要求8所述的建立快递送达时间预测模型的方法,其特征在于,所述物流轨迹中包裹自一站点至另一站点的时间间隔根据包含有该两个站点的多条历史物流轨迹数据计算。
10.如权利要求8所述的建立快递送达时间预测模型的方法,其特征在于,所述轨迹片段特征按多个时间粒度编码。
11.如权利要求8所述的建立快递送达时间预测模型的方法,其特征在于,所述站点包括揽收站点、始发分拨站点、目的分拨站点以及派件站点。
12.如权利要求1所述的建立快递送达时间预测模型的方法,其特征在于,所述操作时段特征至少包括包裹揽收的时段、包裹签收的时段以及在一站点对包裹执行物流操作的时段中的一项或多项。
13.如权利要求12所述的建立快递送达时间预测模型的方法,其特征在于,所述在一站点对包裹执行物流操作的时段根据包含有该站点的多条历史物流轨迹数据计算。
14.如权利要求12所述的建立快递送达时间预测模型的方法,其特征在于,所述操作时段特征按一个时间粒度编码。
15.如权利要求12所述的建立快递送达时间预测模型的方法,其特征在于,所述物流操作包括包裹到达该站点和/或包裹离开该站点。
16.如权利要求1所述的建立快递送达时间预测模型的方法,其特征在于,所述特征数据还包括揽派地点特征,所述揽派地点特征包括揽件地点、派件地点以及包裹自揽件地点至派件地点的时间间隔。
17.如权利要求1所述的建立快递送达时间预测模型的方法,其特征在于,所述特征数据还包括快递公司特征。
18.如权利要求1所述的建立快递送达时间预测模型的方法,其特征在于,所述利用所述轨迹样本训练一分类模型包括:
按设定物流操作时间由远及近对多个轨迹样本进行排序;
按排序结果将前n%的轨迹样本作为训练集以训练所述分类模型,n为大于1小于100的常数;
按排序结果将后(100-n)%的轨迹样本作为测试集以测试经训练的分类模型。
19.如权利要求1所述的建立快递送达时间预测模型的方法,其特征在于,还包括:
按预测准确率及预测及时率对所述快递送达时间预测模型进行评估。
20.一种快递送达时间预测方法,其特征在于,包括:
获取当前物流轨迹数据;
提取所获取的物流轨迹数据的特征数据;
将所提取的特征数据输入快递送达时间预测模型,所述快递送达时间预测模型经由如权利要求1至19任一项所述的建立快递送达时间预测模型的方法建立;以及
根据所述快递送达时间预测模型的输出预测快递送达时间。
21.一种建立快递送达时间预测模型的装置,其特征在于,包括:
第一获取模块,配置成获取历史物流轨迹数据;
第一提取模块,配置成自所述历史物流轨迹数据,提取物流轨迹的特征数据,所述特征数据至少包括轨迹片段特征以及操作时段特征;
生成模块,配置成生成多个轨迹样本,各所述轨迹样本包括物流轨迹的特征数据以及该物流轨迹的送达时长;
训练模块,配置成利用所述轨迹样本训练一分类模型;以及
建立模块,配置成将训练后的分类模型作为所述快递送达时间预测模型。
22.一种快递送达时间预测装置,其特征在于,包括:
第二获取模块,配置成获取当前物流轨迹数据;
第二提取模块,配置成提取所获取的物流轨迹数据的特征数据;
输入模块,配置成将所提取的特征数据输入快递送达时间预测模型,所述快递送达时间预测模型经由如权利要求1至19任一项所述的建立快递送达时间预测模型的方法建立;以及
预测模块,配置成根据所述快递送达时间预测模型的输出预测快递送达时间。
23.一种电子设备,其特征在于,所述电子设备包括:
处理器;
存储器,其上存储有计算机程序,所述计算机程序被所述处理器运行时执行:
如权利要求1至19任一项所述的建立快递送达时间预测模型的方法;和/或
如权利要求20所述的快递送达时间预测方法。
24.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行:
如权利要求1至19任一项所述的建立快递送达时间预测模型的方法;和/或
如权利要求20所述的快递送达时间预测方法。