运量预测

运量预测是对未来一定时期内可能发生或需要承担的运输工作量进行估计与判断。它既可服务于区域交通规划，也可用于企业安排车辆、舱位、班次和配送资源。货运预测的对象可以是重量、箱量、件数、订单数量或货物周转量，不同指标对应不同决策，应在建模前明确。

先确定预测对象

全国或区域运输需求、某种运输方式的业务量、某条线路的发到量，以及某家企业能获得的运量，属于不同问题。总体市场增长不代表每家承运人的业务都按相同比例增长；企业实际承运量还受市场份额、服务能力和竞争影响。

预测期也应对应使用目的。按日或按周预测有助于排班和订舱，季度预测可支持旺季资源准备，较长期预测则用于设施或网络规划。时间跨度越长，业务结构变化的影响通常越需要考虑，不能简单将短期模型无限向前延伸。

运量、周转量和节点吞吐量不应混合。订单数量可以辅助估计包裹件数，但一单可能拆成多件；吨位与箱量之间的转换，也依赖货物结构和装载情况。若单位或订单组成发生变化，预测模型应相应调整。

数据与方法选择

历史数据是常见起点，需要识别重复记录、取消订单、补发、异常停运和统计范围变更。季节、节假日、促销和合同集中发货等因素，应与普通业务趋势分开观察。遇到缺失数据或口径调整，应说明处理依据，不能以补值制造出并不存在的连续业务。

时间序列方法适合从历史记录中识别趋势与周期，可包括移动平均、指数平滑及考虑季节性的模型。回归或其他解释型方法，则利用订单、产量、销量、价格等变量分析关联。变量相关不等于已经建立稳定因果关系，需要检查其业务含义与预测期可获得性。

专家判断、客户访谈和合同信息有助于补充历史数据无法反映的变化。例如，新仓启用、客户迁移或新品上市可能改变运输需求。判断结果最好有明确假设，而不是仅凭经验给出一个数值。数据方法与业务判断也可以结合使用。

验证结果与表达不确定性

选择方法时，应使用未参与拟合的历史时期进行回测，比较预测与实际差异。可以观察绝对误差、相对误差和持续高估或低估的偏差。实际值为零或接近零时，百分比误差可能无法计算或被放大，应选用适合的评价口径。

平均误差较小，也可能掩盖旺季峰值或关键线路上的偏差。企业应按决策关注的地点、商品和时段检查结果。预测可表达为基准、较高与较低情景，或给出有依据的区间；使用区间并不代表一定覆盖所有可能情况。

从预测到运输计划

需求预测与运力计划相关，却不是同一结果。预测认为某时段有大量货物，不代表已经获得足够舱位或车辆；实际完成量也可能因容量限制而低于需求。若只用历史完成量预测，需留意是否遗漏过去被延迟或未能承运的需求。

把预测用于订舱、排班和设施决策时，还应考虑装载条件、节点能力、时间窗口和备用安排。跨境业务中的销售节奏、补货计划及线路变化，可以作为具体输入，而不宜用泛泛的市场增长率替代企业真实订单。持续将新数据与实际偏差反馈到模型，才能让运量预测更贴近运营变化。