基于Shapley值组合模型的我国快递业务量预测

快递业务量的预测是我国邮政业制定发展策略的重要前提。通过采用灰色GM(1,1)预测、多项式趋势外推预测、指数平滑预测及Shapley值分配权重的组合预测模型对我国2012-2021年快递业务量进行分析,对比预测结果与平均相对误差,证实了基于Shapley值法的组合预测模型在我国快递业务量中的预测精度高于三种单一预测模型,具有科学性。利用此模型对我国“十四五”期间快递业务量进行预测,为政府、邮政管理部门及快递相关企业制定发展策略提供参考。     

航空快递公司业务量的预测方法

二十世纪九十年代以来，航空快递市场飞速发展。一些航空快递公司正抓住这一黄金时期，加速发展。发展离不开基础设施建设．而正确预测出将来的业务量是确定基础设施规模关键。本文以北京某航空快递公司业务量预测为例，介绍几种业务量预测常用的方法。     

基于服务质量模型的快递服务质量差距分析

通过顾客感知快递服务质量模型提出了快递企业服务质量所包含的内容;建立了快递服务质量差距分析模型,利用模型对五种快递服务质量差距的形成过程和原因进行了分析.通过调研得到了某快递公司201 1年1-5月份业务量数据及遗失率,损坏率、一般失误率、中转准点率统计数据,借助快递服务质量差距分析模型通过这四个指标对该快递公司的快递服务质量的进行了分析评价,找到了快递服务质量差距产生的原因,提出了提高快递服务质量的措施.结果表明,质量差距分析模型能够有效地分析和评价快递服务质量.     

基于SARIMA时间序列模型的区域快递需求预测——以江苏省为例

随着经济飞速发展,我国快递业务量逐年上升,快递业的发展水平成为衡量区域经济和社会发展的重要指标。文章通过爬虫技术获取2016年1月—2022年11月江苏省的快递业数据,通过Anaconda平台使用季节性差分自回归滑动平均模型(Seasonal Autoregressive Integrated Moving Average,简称SARIMA)对获取的数据进行分析。考虑到原始数据为非平稳时间序列,进行差分处理和参数分析,最终确定模型为SARIMA(1,1,1)(0,1,2)12,结果表明该模型的数据拟合较好。通过模型对2022年12月—2023年5月的快递量进行预测。文章认为,预测模型的数据能更好地助力快递业解决可能发生的风险和不确定因素,为今后区域经济和区域快递业务发展提供重要参考。     

动态

成都入围全国快递前10强 据了解，今年1～10月，成都市快递业务量、业务收入均呈现同比大幅增长态势，其中快递业务量突破两亿件，快递业务收入突破25亿元。在国家邮政局公布的“快递前50强城市”榜，成都的快递业务量和业务收入均居全国第10位，     

基于运单及POI数据的快递企业客户发现方法

针对快递企业拓展业务困难的情况,提出了基于快递运单发现快递公司网点周边潜在客户的方法。以北京市为例,采用网络爬虫从互联网抓取快递运单,通过对运单数据进行分析获得快递营业网点信息,利用高德开放平台提供的POI数据查询功能,发现快递网点附近潜在客户信息。研究结果表明业务量最大的几个网点占据了地区总业务量的半数以上,挖掘这些网点的业务情况,对于企业的发展有启发意义。研究成果可为快递企业进行竞争性客户分析提供支撑,也可为快递企业进行市场推广提供辅助支撑。     

基于X12-ARIMA加法模型的保费收入研究

文章基于1999年1月～2011年8月中国保费收入月度数据,采用当下最为热门的季节调整方法X12-ARIMA加法模型,对其进行季节调整,得到经调整后的时间序列和季节调整因子,在假设季节调整因子短期内不发生变化的条件下,采用两种模型估计方法建立经调整后的时间序列模型,从而建立中国保费收入月度数据短期预测模型。     

低碳物流视角下快递包装回收模式应用现状及完善对策的实证分析——以武汉市为例

近年来,随着电子商务贸易得到空前的发展,我国快递行业也因此达到了新的发展高度。在快递业务量爆发式增长的同时,大量快递包装所带来的环境问题日益突出。快递包装的回收再利用已成为政府、快递企业、消费者的共识。完善快递包装回收利用体系犹为重要。根据国内快递包装回收现状,参考国外成功经验,构建快递包装回收体系犹为关键。建立UTAUT模型检验消费者对回收体系的使用意愿,加以修正,以建立完善、可行的回收模式。     

我国铁路客运量的组合预测

首先对我国月度铁路客运量的变动特征进行了分析,并结合多元线性回归和时间序列预测两种模型,运用组合预测方法对2009年1月至12月的铁路客运量进行了预测,结果表明预测误差小,组合预测精度相对单个预测方法均有所提高,说明组合预测是月度铁路客运量预测的有效方法。     

基于GM(1,1)模型的中国快递行业收入预测分析

针对快递行业的特点,运用GM(1,1)模型对中国2003-2010年快递行业的总收入进行模拟,对模拟结果采用了多种方法进行检验,并对未来几年的中国快递收入进行了预测。结果表明GM(1,1)模型能够很好地模拟中国快递行业收入数据,而且具有较高的模拟精度。