ML-прогнозирование тарифов грузоперевозки
Проблема, которую мы решали
Сложное ценообразование на грузоперевозки: затруднение ручного описания данных, формирование тарифов вручную – все это приводило к значительным временным затратам заказчика, финансовым потерям из-за неоптимальных цен, а также ограничивало масштабирование бизнеса – адаптация тарифной сетки к новым регионам или изменениям рынка занимала много времени.
При этом велась работала с неполными исходными данными: встречались дубликаты записей и несогласованность форматов.
О проекте
Мы разработали ML-модель для расчета рыночного тарифа на грузоперевозки. Она обучается на предоставленных исторических данных с учетом ключевых факторов: направление, тип груза, расстояние, срочность, тип прицепа, рыночный баланс и других значимых признаков.
Наши специалисты:
- провели детализацию по регионам и маршрутам: для ряда направлений точность прогнозирования превысила 95%.
- выполнили анализ важности признаков, выявивший ключевые драйверы ценообразования (расстояние, регион, время в пути, тип прицепа).
- реализовали API для проверки предлагаемой стоимости перевозки по заданным параметрам заявки.
Информационные системы решают задачи:
Модель соответствует уровню промышленного внедрения, сохраняет высокое качество, устойчивость, надежность, прозрачность и удобство интерпретации результатов, а также показывает высокие результаты на реальных производственных данных и сохраняет корректность прогнозов даже при неполной или зашумленной входной информации, что особенно важно для практического использования в логистических процессах.
Полученные результаты обеспечили заказчику инструмент прогнозирования тарифов в реальном времени с возможностью масштабирования на новые данные и регионы. Решением ежедневно пользуются сотни сотрудников, включая специалистов по расчету тарифов.
ML-МОДЕЛЬ ДЛЯ ПРОГНОЗИРОВАНИЯ ТАРИФОВ ГРУЗОПЕРЕВОЗКИ СКАЧАТЬ