最后一公里配送是指将包裹从仓库送至客户手中,是物流服务的关键一步。在最后一公里配送中进行路线和时间预测(route and time prediction,RTP),有利于提升物流系统效率并改善客户的体验。然而,实现准确的路线和时间预测面临巨大的挑战...最后一公里配送是指将包裹从仓库送至客户手中,是物流服务的关键一步。在最后一公里配送中进行路线和时间预测(route and time prediction,RTP),有利于提升物流系统效率并改善客户的体验。然而,实现准确的路线和时间预测面临巨大的挑战。快递员的配送路线和到达时间受到多源异质特征的影响,如快递员的个性化偏好、订单所在位置及下单时间、订单所在区域的类型及订单量等;当前很多研究先预测配送路线再预测配送时间,但不准确的路线预测结果往往会对时间预测造成误差累积。针对上述挑战,提出了一种基于多关系图神经网络的路线与时间并行预测方法(multi-relational graph model for route and time parallel prediction,MRG4RTPP)。构建包裹在位置和区域这两个层次上的时间、空间和转移模式多关系图,并设计双层次多关系图编码器提取多源异质特征,对包裹间的复杂时空关系进行建模。创新性地提出基于状态转移的路线与时间并行解码方式,用于缓解误差累计问题,在每步解码中,基于快递员当前状态并行预测下一配送包裹及其到达时间,并基于预测结果更新快递员状态。在三个城市的真实物流配送数据集上进行了实验,结果表明MRG4RTPP在路线预测和时间预测任务上均达到了当前最优效果。展开更多
文摘最后一公里配送是指将包裹从仓库送至客户手中,是物流服务的关键一步。在最后一公里配送中进行路线和时间预测(route and time prediction,RTP),有利于提升物流系统效率并改善客户的体验。然而,实现准确的路线和时间预测面临巨大的挑战。快递员的配送路线和到达时间受到多源异质特征的影响,如快递员的个性化偏好、订单所在位置及下单时间、订单所在区域的类型及订单量等;当前很多研究先预测配送路线再预测配送时间,但不准确的路线预测结果往往会对时间预测造成误差累积。针对上述挑战,提出了一种基于多关系图神经网络的路线与时间并行预测方法(multi-relational graph model for route and time parallel prediction,MRG4RTPP)。构建包裹在位置和区域这两个层次上的时间、空间和转移模式多关系图,并设计双层次多关系图编码器提取多源异质特征,对包裹间的复杂时空关系进行建模。创新性地提出基于状态转移的路线与时间并行解码方式,用于缓解误差累计问题,在每步解码中,基于快递员当前状态并行预测下一配送包裹及其到达时间,并基于预测结果更新快递员状态。在三个城市的真实物流配送数据集上进行了实验,结果表明MRG4RTPP在路线预测和时间预测任务上均达到了当前最优效果。
