印度城市食品配送时间预测
机器学习
2025-03-20 v1
摘要
准确预测食品配送时间显著影响客户满意度、运营效率和盈利能力，但现有研究主要利用静态历史数据，往往忽视密集城市中至关重要的动态实时情境因素。本研究通过整合交通密度、天气条件、当地活动及地理空间数据(餐厅和送货地址坐标)等实时情境变量，来填补这一空白。我们系统比较了线性回归、决策树、装袋、随机森林、XGBoost 和 LightGBM 等多种机器学习算法在印度城市特定情境下的数据集上的表现。严格的数据预处理和特征选择显著提升了模型性能。实验结果表明，LightGBM 模型取得卓越的预测准确性，R2得分为0.76，均方误差(MSE)为20.59，超越了传统基线方法。我们的研究为改进复杂城市环境中的物流策略提供了可操作的见解。完整的 methodology 和代码均已公开，以便可重复性和进一步研究。
引用
@article{arxiv.2503.15177,
title = {Food Delivery Time Prediction in Indian Cities Using Machine Learning Models},
author = {Ananya Garg and Mohmmad Ayaan and Swara Parekh and Vikranth Udandarao},
journal= {arXiv preprint arXiv:2503.15177},
year = {2025}
}
备注
for code implementation, check https://github.com/Vikranth3140/Food-Delivery-Time-Prediction