基于大数据分析的多维公路货运价格预测问题研究

公路货运价格由于受油价和货运周转量的动态变化影响,无法实现精确预测,一直困扰着运输行业.采用时间序列预测与BP神经网络相结合的方法进行预测研究:首先,将订单中的经纬度信息利用高德地图API接口转变成具体地址,从地理信息编码提取省、市信息,对货运订单进行跨区域分类;然后,运用指数平滑法和ARIMA模型分别对油价及货运周转量动态特征进行预测;再对运输距离、油价和货运周转量数据进行标准化操作,用处理后的数据对BP神经网络进行训练,得到训练完成的神经网络;最后,使用测试样本对模型进行测试,将加入时间序列预测的BP神经网络模型与不加入时间序列预测的模型相比较,发现前者的预测误差减少37.2%.

公路货运融资及定价信用识别研究

公路运输是我国主要运输方式,然而我国大部分公路货运企业面临信用弱、资金短缺、价格竞争等难题。本文首先梳理了公路货运信用、融资、定价的相关文献,构建公路货运融资、定价信用识别指标,给出活动信用、企业盈利及风险评估方法;并以实际案例分析总结活动信用识别使用经验;最后,提出公路货运活动信用识别及提升建议,以有助于我国公路货运融资、市场定价和经营管理活动安全顺利开展。