【技术实现步骤摘要】
本专利技术涉及即时配送服务，尤其涉及一种基于机器学习的考虑司机异质性的路径规划方法。
技术介绍
1、随着即时配送服务提供商履约能力的提升和外卖及新零售的进一步布局，即时配送行业深入发展。由于即时配送市场竞争日趋激烈，即时物流平台的核心竞争领域逐步转向建立高效可靠的即时配送调度系统，以期提升配送效率和服务质量及降低运营成本。平台通常需要协调来自供需双方的资源，即聚集服务提供者并满足顾客的需求。众包配送的服务质量受司机个人经验的影响，新司机和普通司机的配送能力存在差异，现有研究说明了工作经验和当地知识会使每个订单的交付时间减少。此外，司机在进入平台初期，对顾客的评价更敏感，因此及时服务有利于新司机积累良好的信誉，最近的一些工作已经关注到不同场景中顾客的异质性及优先级。
2、动态取送问题是车辆路径问题(vrp)的一种重要拓展，它具有规模大、实时性和动态性强的特点。目前的研究领域主要有两种：一种是面向问题的，包括对客户满意度、低碳和实时交通信息等的考虑；另一种面向启发式算法的改进和优化，包括智能水滴算法、灰狼优化算法、模糊蚁群算法和基于可变邻域搜索的算法等。因此在考虑异质司机的即时配送场景中，如何基于机器学习的方法提高按需配送的效率是当前关注的重要问题。
技术实现思路
1、本专利技术的目的是提供一种基于机器学习的考虑司机异质性的路径规划方法，该方法能有效地提高订单分配效率，并实现对新司机的激励，为物流服务提供商提供了一种权衡效率与公平的工具。
2、本专利技术的目的是
3、一种基于机器学习的考虑司机异质性的路径规划方法，所述方法包括：
4、步骤1、基于最大化一段运营时间内的平台长期收益，构建按需配送优化模型；
5、步骤2、使用基于机器学习的两阶段分类预测算法，训练预测模型以预测实时订单的类别；
6、步骤3、求解步骤1建立的按需配送优化模型，获得该车辆路径规划问题的最优解和最优策略。
7、由上述本专利技术提供的技术方案可以看出，上述方法能有效地提高订单分配效率，并实现对新司机的激励，为物流服务提供商提供了一种权衡效率与公平的工具。
本文档来自技高网...【技术保护点】
1.一种基于机器学习的考虑司机异质性的路径规划方法，其特征在于，所述方法包括：
2.根据权利要求1所述基于机器学习的考虑司机异质性的路径规划方法，其特征在于，在步骤1中，首先考虑新司机激励的按需配送问题，将该问题定义为异构车辆的随机动态取货和交付问题，在服务区域G内，由新司机和普通司机构成的异构车队在一段时间内为顾客提供按需配送服务，已知下单时间分布的顾客请求在一天的服务时间内随机到达，每个订单请求都关联着一个取餐点、一个送餐点、一个预期配送时长约束和一个预期延迟容忍时长；每个订单的预计配送时间由平台预测得到并告知顾客，取餐服务时间和送餐服务时间均为；车辆的初始地点在服务区内随机产生并在最后的服务地点结束服务，并假设司机按照平台的建议确定自己配送顺序和路径，并且不能拒绝指派的订单；
3.根据权利要求1所述基于机器学习的考虑司机异质性的路径规划方法，其特征在于，在步骤2中，使用基于机器学习的两阶段分类预测算法预测订单类型的过程具体为：
4.根据权利要求3所述基于机器学习的考虑司机异质性的路径规划方法，其特征在于，所述训练一个随机森林分类预测器，实
5.根据权利要求1所述基于机器学习的考虑司机异质性的路径规划方法，其特征在于，在步骤3中，具体是通过近似订单分配和路径规划算法获得订单的配送方案，通过策略搜索算法寻找最优策略，所述近似订单分配和路径规划算法的具体过程为：
...【技术特征摘要】
1.一种基于机器学习的考虑司机异质性的路径规划方法，其特征在于，所述方法包括：
2.根据权利要求1所述基于机器学习的考虑司机异质性的路径规划方法，其特征在于，在步骤1中，首先考虑新司机激励的按需配送问题，将该问题定义为异构车辆的随机动态取货和交付问题，在服务区域g内，由新司机和普通司机构成的异构车队在一段时间内为顾客提供按需配送服务，已知下单时间分布的顾客请求在一天的服务时间内随机到达，每个订单请求都关联着一个取餐点、一个送餐点、一个预期配送时长约束和一个预期延迟容忍时长；每个订单的预计配送时间由平台预测得到并告知顾客，取餐服务时间和送餐服务时间均为；车辆的初始地点在服务区内随机产生并在最后的服务地点结束服务，并...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。