1.一种基于多元线性回归模型的医院后勤运送时间预测方法，其特征在于，包括以下步骤：

S1：从医院后勤数据库中提取运送数据和医院的基建数据，使用数据内容有运送历史任务表、医院组织机构表、楼宇距离信息表和楼层信息表；

S2：将医院组织机构表，楼宇距离信息表和楼层信息表的数据整合到运送历史任务表中，得到因变量Y和一系列的自变量X1,X2,......，Xp；

S3：针对重复执行次数大于设定数量的稳定运送任务数据进行分析处理；

S4：在处理同种任务方面，采取以相同任务数据的中值作为此条运送任务数据的标准，组成待多元线性拟合的数据集Y,X1,X2,......，Xp；

S5：计算时段繁忙程度指标。取原运送任务数据，统计在不同时间段的运送任务数，计算不同任务数量占总的任务数的占比 i取0，1，......，M；

S6：将时段繁忙程度U作为一项自变量Xp+1指标加入待多元线性拟合的数据集中；

S7：对加入繁忙程度指标的运送任务数据集进行多元回归线性拟合，得到多元线性函数yi＝β0+β1xi1+β2xi2+......+βpxip+εi，进而对后续的后勤运送时间进行预测。

2.如权利要求1所述的一种基于多元线性回归模型的后勤运送时间预测方法，其特征在于：所述步骤S1中，在医院的后勤系统中，运送员工每完成一条信息都会在数据库中，其中信息包括任务工具类型、任务内容、出发地编号、目的地编号、任务开始时间和任务结束时间，医院数据库中还包含医院的基础数据，所述基础数据包括医院组织机构表、楼宇距离信息表和楼层信息表，所述基础数据与运送任务数据中的编号是一一对应的。

3.如权利要求1或2所述的一种基于多元线性回归模型的医院后勤运送时间预测方法，其特征在于：所述步骤S2中，根据任务的开始时间和任务的结束时间作差得出任务的执行时间，根据任务的出发地编号和目的地编号还有基础数据能够得到距离信息和跨越楼层的数据，将二级数据的数据整合到运送历史任务表中。

4.如权利要求3所述的一种基于多元线性回归模型的医院后勤运送时间预测方法，其特征在于：所述步骤S2中，在整合数据时，需要对原始数据作清洗和处理，处理后得到自变量X1,X2,X3,X4,X5，分别代表任务跨越楼层数，科室编号之差，楼宇之间直线间距，楼宇之间实际距离，任务的执行工具类型。

5.如权利要求4所述的一种基于多元线性回归模型的医院后勤运送时间预测方法，其特征在于：所述步骤S2中，任务的执行工具类型X5为标称量，在用多元线性回归计算时需要数值型数据，标称型数据要转成二值型数据，将任务工具标称量转化为数值型数据，采取的转换方式为One-Hot Encoding方法，将四种运送执行的工具类型转化为四位二值型数据。

6.如权利要求1或2所述的一种基于多元线性回归模型的医院后勤运送时间预测方法，其特征在于：所述步骤S3中，针对重复执行次数大于40次的稳定运送任务数据进行分析处理。

7.如权利要求6所述的一种基于多元线性回归模型的医院后勤运送时间预测方法，其特征在于：所述步骤S4中，取处理后的相同任务数据的中值作为此条运送任务数据的指标标准，组成待多元线性拟合的数据集Y,X1,X2,......，X8。

8.如权利要求7所述的一种基于多元线性回归模型的医院后勤运送时间预测方法，其特征在于：所述步骤S5中，通过计算不同任务数量占总的任务数的占比 i取0，

1......23得到时段繁忙程度指标U，其中i代表将一天划分24份后的各个时间段。

9.如权利要求8所述的一种基于多元线性回归模型的医院后勤运送时间预测方法，其特征在于：所述步骤S6中，将时段繁忙程度指标U并作为一项自变量指标X9加入待拟合的数据集中。

10.如权利要求9所述的一种基于多元线性回归模型的医院后勤运送时间预测方法，其特征在于：所述步骤S7中，利用SPSS数理分析软件对加入繁忙程度指标的运送任务数据集进行多元线性回归分析，得到具有拥堵意识多元线性回归函数y＝β0+β1x1+β2x2+......+β

9x9+ε，计算得出拟合函数残差值、R方、标准估计的误差。