CN110309974B - 物流运输目的地预测方法、装置、电子设备、存储介质 - Google Patents

Abstract

本发明提供一种物流运输目的地预测方法、装置、电子设备、存储介质，物流运输目的地预测方法，包括：获取历史订单数据；根据历史订单数据生成样本池，所述样本池包括多个样本，每个样本关联货源目的地编码；获取待预测订单数据；根据待预测订单数据生成预测样本；确定所述样本池中与待预测样本之间的欧式距离最近的K个样本，K为大于等于2的整数；将该K个样本的货源目的地编码中，相同货源目的地编码数量最多的货源目的地编码作为预测编码；对所述预测编码进行解码，获得所预测的目的地。本发明提供的方法及装置实现对物流运输目的地的预测。

Description

物流运输目的地预测方法、装置、电子设备、存储介质

技术领域

本发明涉及大数据技术领域，尤其涉及一种物流运输目的地预测方法、装置、电子设备、存储介质。

背景技术

随着社会经济的繁荣，我国物流运输业获得蓬勃发展，也成为中国最大的行业之一。物流交易中离不开货源和运力这两大因素。过去，货车司机们只能通过物流园中手写的黑板查看货源信息。这样，不仅效率低下，货主对运力的风险把控也相对较弱，很难判断运力的可靠程度，同时缺乏对数据有效的管理和分析。随着物流行业中互联网和信息服务的企业的发展，车货匹配的APP应运而生。货主在APP上发布货源信息，货车司机可通过APP进行接单，由此也诞生了大量物流运输数据。如何利用这些海量物流数据，提高货物运输订单的效率，以及对物流进行有效的风控管理，成为物流行业中迫切需要解决的问题。CN109214753 A是提供一种物流运输中司机长跑线路分析的方法，通过实际的车辆高速通行数据分析，得出真实有效的路线信息，避免了数据录入错误的问题。

CN 109214753 A通过解析消费记录，获取全国省份和收费站对应关系表。然后通过数据服务，获取基础网络获取数据表。再通过省份关联，数据清洗，人、车、线路关联，获取某条线路下的运力情况。其缺点是所需获取的数据量庞大，技术性不高，仅限于在运输行为产生后才能知道运力情况。

发明内容

本发明为了克服上述相关技术存在的缺陷，提供一种物流运输目的地预测方法、装置、电子设备、存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本发明的一个方面，提供一种物流运输目的地预测方法，包括：

获取历史订单数据；

根据历史订单数据生成样本池，所述样本池包括多个样本，每个样本关联货源目的地编码；

获取待预测订单数据；

根据待预测订单数据生成预测样本；

确定所述样本池中与待预测样本之间的欧式距离最近的K个样本，K为大于等于2的整数；

将该K个样本的货源目的地编码中，相同货源目的地编码数量最多的货源目的地编码作为预测编码；

对所述预测编码进行解码，获得所预测的目的地。

可选地，所述历史订单数据至少包括货主标识、货源发布时间、货源始发地及货源目的地；

所述待预测订单数据至少包括待预测货主标识、待预测货源发布时间、待预测货源始发地。

可选地，所述获取历史订单数据之后，且所述根据历史订单数据生成样本池之前包括：

对所述货源始发地数据和货源目的地数据进行编码以获得货源始发地编码和货源目的地编码；

对应地，所述获取待预测订单数据之后，且所述根据待预测订单数据生成预测样本之前包括：

对所述待预测货源始发地数据进行编码以获得待预测始发地编码。

可选地，所述货源始发地数据和货源目的地数据为经纬度数据，对经纬度数据进行编码包括：

对待分经度区间，在每次待分经度区间二分时，以1或0标记该经度数据在本次二分时所在区间，并将该经度数据在本次二分时所在区间作为下次二分时的待分经度区间；

当经度区间二分次数达到预定次数时，将每次经度区间二分时标记的数据形成经度二进制序列；

对待分纬度区间，在每次待分纬度区间二分时，以1或0标记该纬度数据在本次二分时所在区间，并将该纬度数据在本次二分时所在区间作为下次二分时的待分纬度区间；

当纬度区间二分次数达到预定次数时，将每次纬度区间二分时标记的数据形成纬度二进制序列；

使经度二进制序列和纬度二进制序列各位数间隔排列组成经纬度二进制序列；

将经纬度二进制序列按N位进行分割成多个子序列；

将各子序列转换为十进制数据，获得十进制序列；

将所述十进制序列按base32编码。

可选地，所述获取历史订单数据之后，且所述根据历史订单数据生成样本池之前包括：

根据货源发布时间生成时间特征；

对应地，所述获取待预测订单数据之后，且所述根据待预测订单数据生成预测样本之前包括：

根据待预测货源发布时间生成待预测时间特征。

可选地，所述样本池中的每个样本至少包括时间特征和始发地编码，每个样本关联对应的目的地编码和货主标识，所述待预测样本至少包括待预测货源发布时间、待预测货源始发地。

可选地，所述确定所述样本池中与待预测样本之间的欧式距离最近的K个样本包括：

自所述样本池中命中具有与待预测货主标识相同的货主标识的多个样本，所命中的多个样本组成待匹配样本池；

确定所述待匹配样本池中与待预测样本之间的欧式距离最近的K个样本。

根据本发明的又一方面，还提供一种物流运输目的地预测装置，包括：

第一获取模块，用于获取历史订单数据；

第一生成模块，用于根据历史订单数据生成样本池，所述样本池包括多个样本，每个样本关联货源目的地编码；

第二获取模块，用于获取待预测订单数据；

第二生成模块，用于根据待预测订单数据生成预测样本；

距离确定模块，用于确定所述样本池中与待预测样本之间的欧式距离最近的K个样本，K为大于等于2的整数；

预测编码确定模块，用于将该K个样本的货源目的地编码中，相同货源目的地编码数量最多的货源目的地编码作为预测编码；

解码模块，用于对所述预测编码进行解码，获得所预测的目的地。

根据本发明的又一方面，还提供一种电子设备，所述电子设备包括：处理器；存储介质，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上所述的步骤。

根据本发明的又一方面，还提供一种存储介质，所述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上所述的步骤。

相比现有技术，本发明的优势在于：

能在订单发生前，通过历史货源订单时间和货源起始地及目的地数据，至少通过当前货源订单时间及货源起始地数据预测得出货源目的地，不仅能减少货主输入货源目的地的时间，提高货物运输订单的效率，还能通过比较预测目的地与实际目的地的距离，对物流风控进行有效的管理。

附图说明

通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。

图1示出了根据本发明实施例的物流运输目的地预测方法的流程图。

图2示出了根据本发明具体实施例的物流运输目的地预测方法的流程图。

图3示出了根据本发明实施例的货源起始地及目的地编码过程的流程图。

图4示出了根据本发明实施例的物流运输目的地预测装置的模块图。

图5示意性示出本发明示例性实施例中一种计算机可读存储介质示意图。

图6示意性示出本发明示例性实施例中一种电子设备示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此，实际执行的顺序有可能根据实际情况改变。

图1示出了根据本发明实施例的物流运输目的地预测方法的流程图。物流运输目的地预测方法包括如下步骤：

步骤S110：获取历史订单数据；

步骤S120：根据历史订单数据生成样本池，所述样本池包括多个样本，每个样本关联货源目的地编码；

步骤S130：获取待预测订单数据；

步骤S140：根据待预测订单数据生成预测样本；

步骤S150：确定所述样本池中与待预测样本之间的欧式距离最近的K个样本，K为大于等于2的整数；

步骤S160：将该K个样本的货源目的地编码中，相同货源目的地编码数量最多的货源目的地编码作为预测编码；

步骤S170：对所述预测编码进行解码，获得所预测的目的地。

在本发明提供的物流运输目的地预测方法中，能在订单发生前，通过历史货源订单时间和货源起始地及目的地数据，至少通过当前货源订单时间及货源起始地数据预测得出货源目的地，不仅能减少货主输入货源目的地的时间，提高货物运输订单的效率，还能通过比较预测目的地与实际目的地的距离，对物流风控进行有效的管理。

下面将通过图2，描述本发明一具体实施例的物流运输目的地预测方法。在本具体实施例中，示出了如下步骤：

步骤S201：获取历史订单数据，所述历史订单数据至少包括货主标识、货源发布时间、货源始发地及货源目的地。

具体而言，历史订单数据并未以此为限制，还可以包括订单标识、货源类型、货源名称等。

步骤S202：对所述货源始发地数据和货源目的地数据进行编码以获得货源始发地编码和货源目的地编码。

具体而言，所述货源始发地数据和货源目的地数据皆为经纬度数据。下面将结合图3所示的步骤说明经纬度数据的编码方式。图3共示出如下步骤：

步骤S310：对待分经度区间，在每次待分经度区间二分时，以1或0标记该经度数据在本次二分时所在区间，并将该经度数据在本次二分时所在区间作为下次二分时的待分经度区间；

步骤S320：当经度区间二分次数达到预定次数时，将每次经度区间二分时标记的数据形成经度二进制序列；

步骤S330：对待分纬度区间，在每次待分纬度区间二分时，以1或0标记该纬度数据在本次二分时所在区间，并将该纬度数据在本次二分时所在区间作为下次二分时的待分纬度区间；

步骤S340：当纬度区间二分次数达到预定次数时，将每次纬度区间二分时标记的数据形成纬度二进制序列；

步骤S350：使经度二进制序列和纬度二进制序列各位数间隔排列组成经纬度二进制序列；

步骤S360：将经纬度二进制序列按N位进行分割成多个子序列；

步骤S370：将各子序列转换为十进制数据，获得十进制序列；

步骤S380：将所述十进制序列按base32编码。

以一个具体实现方式描述上述步骤的实现：

将经纬度(a,b)(例：(39.928167，116.389550))进行编码：对于纬度a而言，将区间[-90,90]进行二分为[-90,0)，[0,90]左右两个区间，判断a属于哪个区间。当a属于右区间时标记为1，并接着将区间[0,90]二分为[0,45)，[45,90]，判断a属于哪个区间。当a属于左区间时标记为0，并接着将区间[-90,0)二分为[-90,-45)，[-45,0]，判断a属于哪个区间。依此递归上述过程，a总是属于某个区间[P,Q]。随着每次迭代区间[P,Q]总在缩小，越来越逼近a。随着算法的进行会产生一个二进制序列A(例：1011100)，序列的长度跟给定的区间划分次数有关。同理可得出，将区间[-180,180]进行递归二分，经度b对应的二进制序列B(例：11010 01011)。采用偶数位放经度，奇数位放纬度，把A和B编码组合产生成新串C(例：1110011101 00100 01111)。将C每五位进行分割，转成十进制(例：28、29、4、15)，再采用base32编码，得到新序列D(例：wx4g)。

以上仅仅是本发明的经纬度编码的一种实施方式，本发明并非以此为限制。

步骤S203：根据货源发布时间生成时间特征。

具体而言，可以根据货源发布时间确定时间特征，时间特征可以包括工作日、休息日、小长假、时段等。

上述步骤S202和步骤S203可以同步执行或以相反的顺序执行。本发明并非以此为限制。

步骤S204：根据历史订单数据生成样本池，所述样本池包括多个样本，所述样本池中的每个样本至少包括时间特征和始发地编码，每个样本关联对应的目的地编码和货主标识。

步骤S205：获取待预测订单数据，所述待预测订单数据至少包括待预测货主标识、待预测货源发布时间、待预测货源始发地。

步骤S206：对所述待预测货源始发地数据进行编码以获得待预测始发地编码。

待预测货源始发地数据也为经纬度数据，其编码方式与前述步骤S202相同，在此不予赘述。

步骤S207：根据待预测货源发布时间生成待预测时间特征。

具体而言，可以根据待预测货源发布时间确定待预测时间特征，待预测时间特征可以包括工作日、休息日、小长假、时段等。

上述步骤S206和步骤S207可以同步执行或以相反的顺序执行。本发明并非以此为限制。

步骤S208：根据待预测订单数据生成预测样本，所述待预测样本至少包括待预测货源发布时间、待预测货源始发地。

步骤S208：自所述样本池中命中具有与待预测货主标识相同的货主标识的多个样本，所命中的多个样本组成待匹配样本池。

步骤S209：自确定所述待匹配样本池中与待预测样本之间的欧式距离最近的K个样本。

步骤S210：将该K个样本的货源目的地编码中，相同货源目的地编码数量最多的货源目的地编码作为预测编码；

步骤S211：对所述预测编码进行解码，获得所预测的目的地。

上仅仅是本发明提供的一个或多个具体实现方式，本发明并非以为限制。

根据本发明的又一方面，还提供一种物流运输目的地预测装置，图4示出了根据本发明实施例的物流运输目的地预测装置的模块图。物流运输目的地预测装置400包括第一获取模块410、第一生成模块420、第二获取模块430、第二生成模块440、距离确定模块450、预测编码确定模块460及解码模块470。

第一获取模块410用于获取历史订单数据；

第一生成模块420用于根据历史订单数据生成样本池，所述样本池包括多个样本，每个样本关联货源目的地编码；

第二获取模块430用于获取待预测订单数据；

第二生成模块440用于根据待预测订单数据生成预测样本；

距离确定模块450用于确定所述样本池中与待预测样本之间的欧式距离最近的K个样本，K为大于等于2的整数；

预测编码确定模块460用于将该K个样本的货源目的地编码中，相同货源目的地编码数量最多的货源目的地编码作为预测编码；

解码模块470用于对所述预测编码进行解码，获得所预测的目的地。

在本发明提供的物流运输目的地预测装置中，能在订单发生前，通过历史货源订单时间和货源起始地及目的地数据，至少通过当前货源订单时间及货源起始地数据预测得出货源目的地，不仅能减少货主输入货源目的地的时间，提高货物运输订单的效率，还能通过比较预测目的地与实际目的地的距离，对物流风控进行有效的管理。

图4仅仅是示意性的示出本发明提供的物流运输目的地预测装置400，在不违背本发明构思的前提下，模块的拆分、合并、增加都在本发明的保护范围之内。本发明提供的物流运输目的地预测装置400可以由软件、硬件、固件、插件及他们之间的任意组合来实现，本发明并非以此为限。

在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被例如处理器执行时可以实现上述任意一个实施例中所述物流运输目的地预测方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述物流运输目的地预测方法部分中描述的根据本发明各种示例性实施方式的步骤。

参考图5所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在租户计算设备上执行、部分地在租户设备上执行、作为一个独立的软件包执行、部分在租户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到租户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

在本发明的示例性实施例中，还提供一种电子设备，该电子设备可以包括处理器，以及用于存储所述处理器的可执行指令的存储器。其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述物流运输目的地预测方法的步骤。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图6来描述根据本发明的这种实施方式的电子设备500。图6显示的电子设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：至少一个处理单元510、至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530、显示单元540等。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述物流运输目的地预测方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元510可以执行如图1至图3所示的步骤。

所述存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。

所述存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备500也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得租户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且，电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器560可以通过总线530与电子设备500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明实施方式的上述物流运输目的地预测方法。

相比现有技术，本发明的优势在于：

能在订单发生前，通过历史货源订单时间和货源起始地及目的地数据，至少通过当前货源订单时间及货源起始地数据预测得出货源目的地，不仅能减少货主输入货源目的地的时间，提高货物运输订单的效率，还能通过比较预测目的地与实际目的地的距离，对物流风控进行有效的管理。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由所附的权利要求指出。

Claims (6)

1.一种物流运输目的地预测方法，其特征在于，包括：

获取历史订单数据，所述历史订单数据至少包括货主标识、货源发布时间、货源始发地及货源目的地；

根据历史订单数据生成样本池，所述样本池包括多个样本，每个样本关联货源目的地编码，所述样本池中的每个样本至少包括时间特征和始发地编码，每个样本关联对应的目的地编码和货主标识，所述时间特征根据货源发布时间生成；

获取待预测订单数据，所述待预测订单数据至少包括待预测货主标识、待预测货源发布时间、待预测货源始发地；

对待预测货源始发地数据进行编码以获得待预测始发地编码；

根据待预测货源发布时间生成待预测时间特征；

根据待预测订单数据生成待预测样本，所述待预测样本至少包括待预测始发地编码、待预测时间特征；

确定所述样本池中与待预测样本之间的欧式距离最近的K个样本，K为大于等于2的整数；

将该K个样本的货源目的地编码中，相同货源目的地编码数量最多的货源目的地编码作为预测编码；

对所述预测编码进行解码，获得所预测的目的地；

通过比较所预测的目的地与实际目的地的距离，对物流风控进行管理，

其中，所述确定所述样本池中与待预测样本之间的欧式距离最近的K个样本包括：

自所述样本池中命中具有与待预测货主标识相同的货主标识的多个样本，所命中的多个样本组成待匹配样本池；

确定所述待匹配样本池中与待预测样本之间的欧式距离最近的K个样本。

2.如权利要求1所述的物流运输目的地预测方法，其特征在于，所述获取历史订单数据之后，且所述根据历史订单数据生成样本池之前包括：

对所述货源始发地数据和货源目的地数据进行编码以获得货源始发地编码和货源目的地编码。

3.如权利要求2所述的物流运输目的地预测方法，其特征在于，所述货源始发地数据和货源目的地数据为经纬度数据，对经纬度数据进行编码包括：

对待分经度区间，在每次待分经度区间二分时，以1或0标记该经度数据在本次二分时所在区间，并将该经度数据在本次二分时所在区间作为下次二分时的待分经度区间；

当经度区间二分次数达到预定次数时，将每次经度区间二分时标记的数据形成经度二进制序列；

对待分纬度区间，在每次待分纬度区间二分时，以1或0标记该纬度数据在本次二分时所在区间，并将该纬度数据在本次二分时所在区间作为下次二分时的待分纬度区间；

当纬度区间二分次数达到预定次数时，将每次纬度区间二分时标记的数据形成纬度二进制序列；

使经度二进制序列和纬度二进制序列各位数间隔排列组成经纬度二进制序列；

将经纬度二进制序列按N位进行分割成多个子序列；

将各子序列转换为十进制数据，获得十进制序列；

将所述十进制序列按base32编码。

4.一种物流运输目的地预测装置，其特征在于，包括：

第一获取模块，用于获取历史订单数据，所述历史订单数据至少包括货主标识、货源发布时间、货源始发地及货源目的地；

第一生成模块，用于根据历史订单数据生成样本池，所述样本池包括多个样本，每个样本关联货源目的地编码，所述样本池中的每个样本至少包括时间特征和始发地编码，每个样本关联对应的目的地编码和货主标识，所述时间特征根据货源发布时间生成；

第二获取模块，用于获取待预测订单数据，所述待预测订单数据至少包括待预测货主标识、待预测货源发布时间、待预测货源始发地；

第二生成模块，用于根据待预测订单数据生成待预测样本，所述待预测样本至少包括待预测始发地编码、待预测时间特征；

距离确定模块，用于确定所述样本池中与待预测样本之间的欧式距离最近的K个样本，K为大于等于2的整数；

预测编码确定模块，用于将该K个样本的货源目的地编码中，相同货源目的地编码数量最多的货源目的地编码作为预测编码；

解码模块，用于对所述预测编码进行解码，获得所预测的目的地；

所述物流运输目的地预测装置还通过比较所预测的目的地与实际目的地的距离，对物流风控进行管理，

其中，所述物流运输目的地预测装置还用于：对待预测货源始发地数据进行编码以获得待预测始发地编码；根据待预测货源发布时间生成待预测时间特征；

所述预测编码确定模块用于自所述样本池中命中具有与待预测货主标识相同的货主标识的多个样本，所命中的多个样本组成待匹配样本池；确定所述待匹配样本池中与待预测样本之间的欧式距离最近的K个样本。

5.一种电子设备，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3任一项所述的物流运输目的地预测方法。

6.一种存储介质，其特征在于，所述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3任一项所述的物流运输目的地预测方法。

Images