(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210863956.9 (22)申请日 2022.07.20 (71)申请人 浙江百世技 术有限公司 地址 310000 浙江省杭州市滨江区江南大 道3850号3楼307室 (72)发明人 周羽勍　彭文慧　胡晓　龚鑫　 (74)专利代理 机构 杭州信与义专利代理有限公 司 33450 专利代理师 马育妙 (51)Int.Cl. G06Q 10/08(2012.01) G06Q 30/02(2012.01) G06K 9/62(2022.01) (54)发明名称 基于班车任务分类及多模型联合的物流运 输费用预估方法 (57)摘要 本发明公开了一种基于班车任务分类及多 模型联合的物 流运输费用预估 方法， 在训练融合 模型时增加了滑动平均模型、 第一XGBOOST模型 对每个待进行费用预估且具有相同任务类型的 班车任务分别输出的费用预估结果、 滑动平均模 型是否采用了单公里填充这3类样本， 综合了滑 动平均模型、 第一XGBOOS T模型和单 公里填充3种 费用预估 方法的优势， 训练而得的融合模型具有 更高的运输费用预估准确度， 相比较 现有的统一 线性回归模型而言， 进一步降低了尚存的10％的 预测准确率偏差 。 权利要求书3页 说明书16页 附图4页 CN 115081993 A 2022.09.20 CN 115081993 A 1.一种基于班车任务分类及多模型联合的物流运输费用预估方法， 其特征在于， 步骤 包括： S1， 将获取到的历史执行物流干线运输的各条班车任务产生的第一特征数据根据任务 类型划分为每 个任务类型对应的样本集， 所述样本集包括训练集和 测试集； S2， 获取待进行费用预估的班车任务的第三特征数据， 包括任务类型、 任务线路、 任务 班车车型、 是否往返； S3， 获取与所述第三特征数据具有相同任务类型的所述样本集中的各所述第 一特征数 据， 并对所有的所述第一特征数据使用预先基于所述样本集训练的第一XGBOOST模型对待 进行费用预估的班车任务进行运输费用预估， 输出费用预估结果； 然后从所述样本集中获取与所述第三特征数据具有相同数据特征的所述第一特征数 据， 若获取成功， 则对所获取的每条所述第一特征数据， 使用滑动平均模型对待进行费用 预估的班车任务进行运输费用预估， 输出费用预估结果； 若获取失败， 则使用单公里 费用填充法对待进行 费用预估的班车任务的运输费用进行 填充； S4， 以所述滑动平均模型、 所述第一XGBOOST模型对每个待进行费用预估且具有相同任 务类型的班车任务分别输出的所述费用预估结果、 所述滑动平均模型是否采用了单公里填 充、 由具有相同任务类型的各所述第一特征数据集合形成的样本集以及该样本集中每个班 车任务实际产生的运输费用为模型训练样本训练得到用于预估相同任务类型的班车任务 的运输费用的融合模型； S5， 以未来班车任务的第二特征数据为所述融合模型的输入， 模型输出对所述未来班 车任务的运输费用预估结果。 2.根据权利要求1所述的基于班车任务分类及多模型联合的物流运输费用预估方法， 其特征在于， 所述第一特征数据包括班车执行的任务编号、 任务开始时间、 任务类型、 执行 任务的班车车型、 任务线路、 任务线路距离、 是否往返、 班车产地、 结费类型、 议价类型、 班车 归属以及班车 执行任务产生的费用。 3.根据权利要求2所述的基于班车任务分类及多模型联合的物流运输费用预估方法， 其特征在于， 对各 所述第一特 征数据进行 数据集划分的方式包括 步骤： S11， 对关联每条班车任务的所述第一特征数据进行转换或拆分， 得到每条所述第一特 征数据对应的第二特征数据， 所述第二特征数据包括任务类型、 执行任务的班车车型、 任务 班车容积、 任务线路距离、 是否往返、 任务始发省、 任务目的省、 任务经过节点数、 是否跨省 任务、 班车归属、 任务月份、 结费类型、 议 价类型、 班车产地以及班车 执行任务产生的费用； S12， 对于所述第二特征数据中的类别型特征， 使用one ‑hot独热编码进行转换， 得到相 应的特征数据， 然后根据任务开始时间将由各条所述第二特征数据组成的第二特征数据集 划分为训练数据集和 测试数据集； S13， 根据任务类型， 将所述训练数据集进一步划分为任务类型为 “规划”的第一训练数 据集， 任务类型为 “临时”的第二训练数据集， 任务类型为 “顶替”的第三训练数据集， 以及将 所述测试数据集进一步划分为任务类型为 “规划”的第一测试数据集， 任务类型为 “临时”的 第二测试数据集， 任务类型为 “顶替”的第三测试数据集， 所述第一训练数据集和所述第一权　利　要　求　书 1/3 页 2 CN 115081993 A 2测试数据集形成 “规划”任务类型对应的第一样本集， 所述第二训练数据集和所述第二测试 数据集形成 “临时”任务类型对应的第二样本集， 所述第三训练数据集和所述第三测试数据 集形成“顶替”任务类型对应的第三样本集。 4.根据权利要求1 ‑3任意一项所述的基于班车任务分类及多模型联合的物流运输费用 预估方法， 其特 征在于， 步骤S3中， 使用所述滑动平均模型进行费用预估的方法包括 步骤： A1， 从步骤S1划分得到的各所述样本集中获取与所述第 三特征数据 具有相同任务类型 的样本集， 然后对所述第三特征数据与获取到的所述样本集中的指定历史连续日期内产生 的每条所述第一特 征数据进行 特征匹配， 若全部匹配成功， 则获取参与匹配的所述第 一特征数据中记载的执行相应班车任务产 生的运输费用， 然后转入步骤A 2； 若任意一项或多项特征未匹配成功， 则获取参与匹配的所述指定连续日期内的所有班 车任务分别对应的运输费用和任务线路距离， 然后转入步骤A3； A2， 通过以下公式(1)预估未来班车任务产生的运输费用： 公式(1)中， Yi表示对任务类型为 i的班车任务估算的运输费用； yij表示参与特征匹配的任务类型为 i的第j个历史班车任务实际产生的运输费用； Ni表示参与特征匹配的任务类型为 i的历史班车任务的数量； A3， 通过以下公式(2)预估未来班车任务产生的运输费用： 公式(2)中， Yi表示对任务类型为 i的班车任务估算的运输费用； yj表示参与特征匹配的第j个历史班车任务实际产生的运输费用； mj表示第j个历史班车任务的线路里程； N表示参与特征匹配的历史班车任务的数量； KM表示待 进行费用预估的班车任务的线路里程。 5.根据权利要求1所述的基于班车任务分类及多模型联合的物流运输费用预估方法， 其特征在于， 步骤S4中， 训练所述融合模型的方法包括 步骤： B1， 确定初始的第二XGBO OST的目标函数： B2， 使用Grid  Search网格搜索方法对初始的所述第二XGBO OST模型进行调参； B3， 以所述滑动平均模型、 所述第一XGBOOST模型对每个待进行费用预估且具有相同任 务类型的班车任务分别输出的所述费用预估结果、 所述滑动平均模型是否采用了单公里填 充、 由具有相同任务类型的各所述第一特征数据集合的样本集以及样本集中每个班车任务 实际产生的运输 费用为样本训练所述第二XGBOOST模型， 最终得到融合了所述滑动平均模 型、 所述第一XGBO OST模型的预测数据特 征的所述融合模型。 6.根据权利要求5所述的基于班车任务分类及多模型联合的物流运输费用预估方法， 其特征在于， 所述融合模型的目标函数通过以下公式(3)表达：权　利　要　求　书 2/3 页 3 CN 115081993 A 3