基于深度学习的餐饮外卖订单预测模型

发布时间：2023-03-29 00:50

　　随着生活节奏的加快,越来越多的人选择网上订餐。然而,送餐不准时及送餐成本高是目前存在的问题。解决该问题对于餐厅、外卖平台及客户都大有裨益。订单出现的动态性与高频性是该问题难以解决的主要原因,预测外卖订单信息可以解决该问题。预测是基于未来的餐饮外卖订单与历史的餐饮外卖订单的关联。由于订单信息具有时间、客户位置以及餐厅位置的信息,因此,这种关联不仅仅涉及相同区域客户位置(餐厅位置)的时空关联,还涉及到不同区域客户位置(餐厅位置)的时空关联。此外,还有客户位置与餐厅位置的时空关联。传统的流量预测问题往往是通过时间序列的有关方法进行宏观的预测,无法满足本文的预测要求。基于此,本文提出了三种基于深度学习的餐饮外卖订单预测模型。主要研究工作如下:首先,将客户与餐厅进行聚类划分成客户群与餐厅群,并寻找订单出现在客户群空间中的空间结构联系及出现在餐厅群空间中的空间结构联系。然后,将客户群及餐厅群中的同时出现的订单关联起来构成客户-餐厅群空间,寻找到客户-餐厅群空间中的空间结构联系。再者,在基于实际餐品配送的情况下,将时间划分生时间片。再将三个空间按照时间片顺序关联起来,寻找到三个空间在时间序列上的联系...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景
        1.1.1 O2O餐饮外卖出现与发展
        1.1.2 O2O餐饮外卖现存的问题、订单预测的意义与难点
    1.2 相关文献综述
        1.2.1 订单预测上的研究
        1.2.2 流量预测上的研究
    1.3 相关理论与技术
        1.3.1 时间序列
        1.3.2 长短时神经网络
        1.3.3 卷积神经网络
    1.4 本文组织结构
2 外卖订单预测问题定义与数据处理分析
    2.1 外卖订单预测问题定义
    2.2 时间的划分与分析
    2.3 空间的划分与分析
        2.3.1 空间的划分
        2.3.2 空间内的联系与分析
    2.4 时间-空间的关联
    2.5 外界信息考虑
3 外卖订单预测模型
    3.1 时间与三空间结合的LSTM-CNN模型(3STNet)
        3.1.1 时空数据输入
        3.1.2 空间结构关系
        3.1.3 三空间整合
        3.1.4 时间序列关系
        3.1.5 外界信息结构
    3.2 时间与双空间结合的LSTM-CNN模型(2STNet)
        3.2.1 时空数据输入
        3.2.2 空间结构关系
        3.2.3 两空间整合、时间序列联系及外界信息结构
    3.3 时间与单空间结合的LSTM-CNN模型(1STNet)
4 实验结果对比与分析
    4.1 客户-餐厅群订单空间CR-
        4.1.1 CR-1上单个客户-餐厅群订单预测结果对比分析
        4.1.2 CR-1上全部客户-餐厅群订单预测结果对比分析
    4.2 客户-餐厅群订单空间CR-
        4.2.1 CR-2上单个客户-餐厅群订单预测结果对比分析
        4.2.2 CR-2上全部客户-餐厅群订单预测结果对比分析
    4.3 在CR-1空间与CR-2空间上预测结果对比
    4.4 有无外界信息下的预测结果对比
结论
参考文献
附录A 输入CR-1数据时单客户-餐厅群订单预测结果
附录B 输入CR-2数据时单客户-餐厅群订单预测结果
致谢



本文编号：3773647