亚马逊是一家全球著名的电子商务公司,在中国有着复杂的库房网络,客户订单出库的所有货物都是用卡车运输到配送站,再由配送员配送,其中卡车运输部分外包给承运商。不同的卡车车型,运输费用也并不相同,运输费用往往和卡车的容积成正比,即容积越大,卡车运输费用越高。业务部门相关工作人员会根据历史经验预定当天使用的卡车的车型和数量,如果工作人员估计将要运输的货物体积过大,则卡车空间使用率低,造成了不必要的资源浪费；而估计体积过小,则造成部分货物无法及时配送,将导致客户无法及时收到自己的订单,影响客户满意度。在客户及时收到自己订单的前提下,尽可能高地利用卡车的空间,节约运输成本,卡车物流配送预测子系统的开发是十分必要的。之前线上已经存在一版卡车物流配送预测子系统,专为卡车预测体积,但预测结果精度一般。所以新系统,需要在原有系统的基础上,提高预测精度,给出合理的货品摆放体积。笔者主要实现在亚马逊货物运输过程中每日,每条干线所需卡车体积的预测功能,并为其日常卡车预定提供数据支持。本文根据其业务需求进行了系统的需求分析,根据业务需求对系统模块进行分类和划分；在此基础上,根据项目具体情况选择了技术框架,完成系统概要设计,通过整合业务需求及分析真实数据,预测货物品类及订单单量,选定使用决策树模型,进而利用随机森林降低噪声完成商品装箱的体积模拟,对模型应用结果进行检验,针对各个功能模块进行详细设计,并对重点模块做了流程说明和类设计,说明其中所应用的数学模型及其使用意义,明确说明了功能点实现过程中各方法的调用关系,本人在项目中完成了系统需求分析,设计开发及部署上线的全过程,其中主要包括干线预测,卡车推荐,数据采集,预测结果展示各个模块的功能设计,开发等工作。系统上线运行后,根据采集到的实际数据对比可知,本系统为卡车预定提供了具有有力的数字凭据,成功的提高了卡车的装载率,节约了货物的运输成本,降低了卡车的空间浪费。