考虑预测不确定性的配送调度方法、装置及可存储介质制造方法及图纸

本发明专利技术公开了一种考虑预测不确定性的配送调度方法、装置及可存储介质，涉及物流管理技术领域，其中方法包括：确定调度决策周期时长、当前决策时刻以及配送员集合；提取配送员个人特征数据集，以及配送员对应的历史配送记录的配送时间特征矩阵，利用聚类方法处理所述个人特征数据集及所述配送时间特征矩阵，寻找最优类目数量和聚类方案，构建个性化配送时间预测模型，并对所述个性化配送时间预测模型进行训练得到配送员配送时间模型等步骤；本发明专利技术建立同步聚类和预测的配送时间预测模型，结合到物流调度算法中，并考虑预测算法的估计不确定性，可以实现更精准的供需匹配，提高决策的鲁棒性，有效降低配送成本和配送时间。有效降低配送成本和配送时间。有效降低配送成本和配送时间。

【技术实现步骤摘要】
考虑预测不确定性的配送调度方法、装置及可存储介质


[0001]本专利技术涉及物流管理
，更具体的说是涉及一种考虑预测不确定性的配送调度方法、装置及可存储介质。

技术介绍

[0002]目前，餐饮O2O行业连接线上线下的订餐需求，将传统的到店消费模式改造成更加灵活便捷的到家消费模式，极大降低了用户的消费成本和商户的固定成本。
[0003]但是，不同的配送员完成订单需要的配送时间存在巨大的差异，不同的环境对于众包配送员的工作效率也存在差异。针对配送员的差异，现有的针对配送员的异质化配送速度的物流调度算法，主要分为两类：第一类算法首先预测不同环境下的配送速度，然后结合到物流调度算法中、第二类算法将配送速度或配送时间作为随机变量，考虑一个随机优化的物流调度算法。上述算法仅考虑配送时间受环境因素的影响，未考虑配送员个性化因素对配送时间的影响，也没有考虑配送时间预测的不确定性。
[0004]因此，如何提供一种能够解决上述问题的物流配送调度方法是本领域技术人员亟需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种考虑预测不确定性的配送调度方法、装置及可存储介质，建立同步聚类和预测的配送时间预测模型，结合到物流调度算法中，并考虑预测算法的估计不确定性，可以实现更精准的供需匹配，提高决策的鲁棒性，有效降低配送成本和配送时间。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种考虑预测不确定性的配送调度方法，包括以下步骤：
[0008]确定调度决策周期时长、当前决策时刻以及配送员集合；
[0009]提取配送员个人特征数据集，以及配送员对应的历史配送记录的配送时间特征矩阵，利用聚类方法处理所述个人特征数据集及所述配送时间特征矩阵，寻找最优类目数量和聚类方案，构建个性化配送时间预测模型，并对所述个性化配送时间预测模型进行训练得到配送员配送时间模型；
[0010]基于经过训练的所述个性化配送时间预测模型的点估计与残差分布，并建立配送调度模型；
[0011]对所述配送调度模型及所述配送时间预测模型进行求解，得到物流配送调度方案。
[0012]优选的，利用所述最优类目数量及所述聚类方案对所述个性化配送时间预测模型进行训练的具体过程包括：
[0013]获取所述配送员集合中所有配送员对应的个人特征数据集、配送时间特征矩阵以及聚类的类目上限；
[0014]在所述类目上限内，依次选择不同的类目数量，基于所述个人特征数据集，利用聚类方法将所有配送员按照类目进行分类；
[0015]针对每一类配送员，构建个性化配送时间预测模型，调用基础预测方法对所述个性化配送时间预测模型进行训练；
[0016]计算所有类目配送员的预测误差总和；
[0017]当预测误差总和最小时，记录此时聚类的类目数量对应的个性化配送时间预测模型为所述配送员配送时间模型。
[0018]优选的，所述配送时间特征矩阵包括轨迹、配送员、区域、外部环境多个维度的特征。
[0019]优选的，所述基础预测方法采用线性回归模型、弹性网络模型、随机森林模型、支持向量机回归模型中的任一种或任几种。
[0020]优选的，对所述配送调度模型及所述配送时间预测模型进行求解的方法采用启发式算法。
[0021]进一步，本专利技术还提供一种考虑预测不确定性的配送调度装置，利用上述任一项所述的一种考虑预测不确定性的配送调度方法，包括：
[0022]第一获取模块，用于确定调度决策周期时长、当前决策时刻以及配送员集合；
[0023]第二获取模块，用于提取配送员个人特征数据集，以及配送员对应的历史配送记录的配送时间特征矩阵，利用聚类方法处理所述个人特征数据集及所述配送时间特征矩阵；
[0024]第一构建模块，用于构建个性化配送时间预测模型，并对所述个性化配送时间预测模型进行训练；
[0025]第二构建模块，用于获取实时配送员信息及订单信息，建立配送调度模型；
[0026]求解模块，用于对所述配送调度模型及所述配送时间预测模型进行求解，得到物流配送调度方案。
[0027]进一步，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的配送调度方法。
[0028]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种考虑预测不确定性的配送调度方法、装置及可存储介质，构建同步聚类与预测的个性化配送时间预测模型，对配送员的配送时间进行高频实时预测，并将此整合到物流配送决策过程中，实现高频调度，进行全局优化。
附图说明
[0029]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0030]图1为本专利技术提供的一种考虑预测不确定性的配送调度方法的整体流程图；
[0031]图2为本专利技术提供的一种考虑预测不确定性的配送调度装置的结构原理框图。
具体实施方式
[0032]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0033]实施例1
[0034]参见附图1所示，本专利技术实施例公开了一种考虑预测不确定性的配送调度方法，包括以下步骤：
[0035]确定调度决策周期时长τ
a
、当前决策时刻t以及配送员集合K；
[0036]提取配送员个人特征数据集{F
tK
}
k∈K'
，以及配送员对应的历史配送记录的配送时间特征矩阵利用聚类方法处理个人特征数据集及配送时间特征矩阵，寻找最优类目数量和聚类方案；
[0037]其中配送员个人特征数据集主要通过历史配送数据中提取，主要包括个人经验、偏好等特征；
[0038]构建个性化配送时间预测模型，并对个性化配送时间预测模型进行训练得到配送员配送时间模型；
[0039]基于经过训练的所述个性化配送时间预测模型的点估计与残差分布，并建立配送调度模型，其中配送调度模型可以利用平台的实时订单信息以及配送员信息得到；
[0040]对配送调度模型及配送时间预测模型进行求解，得到物流配送调度方案。
[0041]在一个具体的实施例中，利用最优类别数量及聚类方案对个性化配送时间预测模型进行训练的具体过程包括：
[0042]获取配送员集合中所有配送员对应的个人特征数据集{F
tK
}
k∈K'
、配送时间特征矩阵以及类目上限L<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑预测不确定性的配送调度方法，其特征在于，包括以下步骤：确定调度决策周期时长、当前决策时刻以及配送员集合；提取配送员个人特征数据集，以及配送员对应的历史配送记录的配送时间特征矩阵，利用聚类方法处理所述个人特征数据集及所述配送时间特征矩阵，寻找最优类目数量和聚类方案，构建个性化配送时间预测模型，并对所述个性化配送时间预测模型进行训练得到配送员配送时间模型；基于经过训练的所述个性化配送时间预测模型的点估计与残差分布，并建立配送调度模型；对所述配送调度模型及所述配送时间预测模型进行求解，得到物流配送调度方案。2.根据权利要求1所述的一种考虑预测不确定性的配送调度方法，其特征在于，利用所述最优类目数量及所述聚类方案对所述个性化配送时间预测模型进行训练的具体过程包括：获取所述配送员集合中所有配送员对应的个人特征数据集、配送时间特征矩阵以及聚类的类目上限；在所述类目上限内，依次选择不同的类目数量，基于所述个人特征数据集，利用聚类方法将所有配送员按照类目进行分类；针对每一类配送员，构建个性化配送时间预测模型，调用基础预测方法对所述个性化配送时间预测模型进行训练；计算所有类目配送员的预测误差总和；当预测误差总和最小时，记录此时聚类的类目数量对应的个性化配送时间预测模型为所述配送员配送时间模型。3.根据权利要求1所述的一种考虑预测不确定性的配送调度方法，其特征在于...

【专利技术属性】
技术研发人员：代宏砚，陶家威，姜海，
申请(专利权)人：清华大学，
类型：发明
国别省市：