公开(公告)号：CN116109234A

公开(公告)日：2023-05-12

申请号：CN202211526434.6

申请日：2022-12-01

Applicant: 北京交通大学

Inventor： 张金雷 ,  杨立兴 ,  单尔刚 ,  吴黎霞 ,  高自友

IPC: G06Q10/087 ,  G06Q10/04 ,  G06Q10/0631 ,  G06F18/23213 ,  G06F16/29 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于预测与决策一体化的快递系统智能订单分配方法。该方法包括：构建预测模型，该预测模型基于历史订单量获得后续时间段的预测订单数量；构建聚类优化模型，该聚类优化模型使用所述预测订单数量和感兴趣区域的地理位置信息，在设定的优化目标和约束条件下将感兴趣区域聚类为多个类别；基于所述预测模型和所述聚类优化模型构建端到端的订单预测深度学习模型；训练所述订单预测深度学习模型，其中在前向传播中，将聚类结果转换为离散解，以获得最终聚类结果，反向传播的目标是通过所述聚类优化模型和所述预测模型将损失函数反向传播。本发明提高了订单分配的效率和准确性。

公开(公告)号：CN116109234B

公开(公告)日：2023-08-08

申请号：CN202211526434.6

申请日：2022-12-01

Applicant: 北京交通大学

Inventor： 张金雷 ,  杨立兴 ,  单尔刚 ,  吴黎霞 ,  高自友

IPC: G06Q10/087 ,  G06Q10/04 ,  G06Q10/0631 ,  G06F18/23213 ,  G06F16/29 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于预测与决策一体化的快递系统智能订单分配方法。该方法包括：构建预测模型，该预测模型基于历史订单量获得后续时间段的预测订单数量；构建聚类优化模型，该聚类优化模型使用所述预测订单数量和感兴趣区域的地理位置信息，在设定的优化目标和约束条件下将感兴趣区域聚类为多个类别；基于所述预测模型和所述聚类优化模型构建端到端的订单预测深度学习模型；训练所述订单预测深度学习模型，其中在前向传播中，将聚类结果转换为离散解，以获得最终聚类结果，反向传播的目标是通过所述聚类优化模型和所述预测模型将损失函数反向传播。本发明提高了订单分配的效率和准确性。