面向快递员揽收到达时间预测的多任务深度时空网络 |
| |
引用本文: | 王晨宇,温浩珉,郭晟楠,林友芳,万怀宇.面向快递员揽收到达时间预测的多任务深度时空网络[J].计算机工程与科学,2023,45(1):136-144. |
| |
作者姓名: | 王晨宇 温浩珉 郭晟楠 林友芳 万怀宇 |
| |
作者单位: | (1.北京交通大学计算机与信息技术学院,北京 100044;2.交通数据分析与挖掘北京市重点实验室,北京 100044) |
| |
基金项目: | CCF-阿里巴巴创新研究计划青年科学基金(CCF-ALIBABA OF 2022001) |
| |
摘 要: | 快递员揽件到达时间预测,即预测用户下单后快递员的上门揽收时间,一直都是物流企业所关心的重要问题。准确的揽件到达时间预测可以优化揽件效率,提升用户体验。该问题主要存在以下挑战:(1)快递员揽件到达时间受到多种复杂时空因素的影响,包括待预测订单自身的时空特征,以及与其他待揽收订单之间的相互影响;(2)快递员在执行揽件任务期间,会不断接收到系统分配的新订单,造成揽收路线的动态变化,从而给揽件到达时间预测带来了更大的不确定性。针对以上挑战,提出了一种面向揽件到达时间预测的多任务深度时空网络MSTN4PAT模型,从海量的揽件历史数据中学习快递员揽件到达时间的复杂时空模式。MSTN4PAT充分挖掘待预测订单始发地与目的地之间的内在关联,使用多任务学习来建模订单之间的相互影响,并从特征宽度和特征深度2个角度高效融合各种特征,实现准确的揽件到达时间预测。在真实的揽件数据集上的实验结果表明,MSTN4PAT的预测效果明显优于对比模型。
|
关 键 词: | 快递揽收 预计到达时间 多任务学习 时空数据挖掘 时空相关性 |
收稿时间: | 2022-08-31 |
修稿时间: | 2022-10-21 |
|
| 点击此处可从《计算机工程与科学》浏览原始摘要信息 |
|
点击此处可从《计算机工程与科学》下载全文 |
|