Las cadenas de tiendas de conveniencia son la elección principal de muchas personas para comer y disfrutar del ocio, y tienen procedimientos logísticos que implican que cada tienda reciba múltiples entregas debido a los diferentes periodos de entrega y temperaturas adecuadas para diferentes productos. El tiempo estimado de llegada de cada entrega tiene un gran impacto en la planificación de rutas y la preparación de las tiendas de conveniencia para los despachadores programar futuras entregas. Este estudio recopiló datos de viaje del sistema de posicionamiento global de una flota de una de las principales cadenas de tiendas de conveniencia en Taiwán entre abril de 2021 y marzo de 2022 y propuso el uso de aprendizaje automático para establecer un modelo para predecir los tiempos de viaje. Para los datos no disponibles, propusimos la ecuación de regresión no lineal para completar los datos de GPS faltantes. Además, el estudio utilizó los datos entre abril de 2022 y septiembre de 2022 con un error porcentual absoluto medio para validar los efectos de predicción superiores al 97%. Por lo tanto, el modelo propuesto basado en datos históricos y el algoritmo de aprendizaje automático en este estudio pueden ayudar a las flotas logísticas a estimar tiempos de viaje precisos para la planificación de tareas de entrega futuras y la organización de rutas.