订单履约时间预测的共形预测分布
机器学习
2025-08-04 v2
摘要
准确估计订单履约时间对电子商务物流至关重要，然而传统的基于规则的方法往往无法捕捉配送操作中固有的不确定性。本文提出了一种用于订单履约时间分布预测的新框架，利用共形预测系统和交叉Venn-Abers预测器——这些是模型无关的技术，能够提供严格的覆盖率或有效性保证。所提出的机器学习方法整合了细粒度的时空特征，捕捉履约地点和承运商绩效动态，以提升预测准确性。此外，开发了一种成本敏感的决策规则，将概率预测转化为可靠的点预测。在大规模工业数据集上的实验评估表明，所提出的方法生成了具有竞争力的分布预测，而基于机器学习的点预测显著优于现有的基于规则的系统——在预测准确性上提升了高达14%，在识别延迟配送方面提升了高达75%。
引用
@article{arxiv.2505.17340,
title = {Conformal Predictive Distributions for Order Fulfillment Time Forecasting},
author = {Tinghan Ye and Amira Hijazi and Pascal Van Hentenryck},
journal= {arXiv preprint arXiv:2505.17340},
year = {2025}
}