(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221084013 6.8 (22)申请日 2022.07.18 (71)申请人 中央财经 大学 地址 100081 北京市海淀区学院南路39号 申请人 清华大学 (72)发明人 代宏砚　陶家威　姜海　 (74)专利代理 机构 北京睿智保诚专利代理事务 所(普通合伙) 11732 专利代理师 韩迎之 (51)Int.Cl. G06Q 10/08(2012.01) G06Q 10/06(2012.01) G06Q 50/28(2012.01) (54)发明名称 一种考虑个性化配送能力的物流配送调度 方法及系统 (57)摘要 本发明公开了一种考虑个性化配送能力的 物流配送调度方法及系统， 应用于物 流配送技术 领域， 确定调度决策周期时长， 当前决策时刻， 配 送员集合； 提取特征集， 根据特征集设计聚类算 法， 对配送员进行分类， 并针对每类配送员计算 个性化的每趟最大接单数； 提取历史配送记录的 配送速度 ‑特征矩阵， 训练得到个性化配送速度 预测模型； 基于个性化的最大接单数和个性化配 送速度预测模型， 构建配送调度模型； 利用启发 式算法求解物 流配送调度方案。 本发 明通过计算 个性化最大接单数和个性化配送速度预测模型， 对配送员的每趟最大接单数和配送速度进行高 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。 权利要求书2页 说明书7页 附图1页 CN 115130968 A 2022.09.30 CN 115130968 A 1.一种考虑个性 化配送能力的物流配送调度方法， 其特 征在于， 具体步骤如下： 确定调度决策周期时长 τa， 当前决策时刻t， 配送员集 合K； 提取特征集 根据特征集设计聚类算法， 对所述配送员进行分类， 并针对每类 配送员计算个性 化的每趟 最大接单 数； 提取历史配送记录的配送速度 ‑特征矩阵 训练得到个性化配送速度预测 模型； 基于个性 化的最大接单 数和个性 化配送速度预测模型， 构建配送调度模型； 利用启发式算法求 解物流配送调度方案 。 2.根据权利要求1所述的一种考虑个性化配送能力的物流配送调度方法， 其特征在于， 所述特征集 包括订单、 工作时间、 绩效、 历史配送能力多维度特 征。 3.根据权利要求1所述的一种考虑个性化配送能力的物流配送调度方法， 其特征在于， 针对每类配送员计算个性 化的每趟 最大接单 数具体步骤如下： 确定配送员和订单的历史信息R， 同时确定数据集的时间长度W， 单位为周； 确定迭代步 数L以及配送员的类别数目m； 对于每一周的开始， 记录配送员在上一周所属的类别Cw‑1， 将新出现的配送员类别初始 化为无经验的配送员， 并提取 所有配送员的特 征集 采用K‑means聚类算法更新所有配送员的类别Cw； 计算每个类别配送员的每趟最大接单数， 针对每个类别， 选取出所有配送员没有造成 延误订单 的路径， 统计每个类别的配送员的每趟路径包含的订单数目， 根据路径包含的订 单数目的均值作为该类别的配送员的个性 化每趟最大接单 数。 4.根据权利要求1所述的一种考虑个性化配送能力的物流配送调度方法， 其特征在于， 得到个性 化配送速度预测模型 具体步骤如下： 提取历史配送 记录的配送速度 ‑特征矩阵 针对特征矩阵 选择特征筛选算法删去与配送速度无显著关系的特 征； 基于筛选后的特 征集， 选取基础预测算法建立个性 化配送速度预测模型。 5.根据权利要求1所述的一种考虑个性化配送能力的物流配送调度方法， 其特征在于， 提取历史配送记录的配送速度 ‑特征矩阵 配送速度为配送员完成一整趟配送 轨迹的平均配送速度， 特 征矩阵包括轨 迹、 配送员、 外 部环境多维度特 征。 6.一种考虑个性 化配送能力的物流配送调度系统， 其特 征在于， 包括： 定义模块， 确定调度决策周期时长 τa， 当前决策时刻t， 配送员集 合K； 最大单数确定模块， 用于提取特征集 根据特征集设计聚类算法， 对所述配送 员进行分类， 并针对每 类配送员计算个性 化的每趟 最大接单 数； 配送速度预测模块， 提取历史配送记录的配送速度 ‑特征矩阵 训练得到 个权　利　要　求　书 1/2 页 2 CN 115130968 A 2性化配送速度预测模型； 配送调度模块， 基于个性化的最大接单数和个性化配送速度预测模型， 构建配送调度 模型； 求解模块， 利用启发式算法求 解物流配送调度方案 。 7.根据权利要求1所述的一种考虑个性化配送能力的物流配送调度系统， 其特征在于， 最大单数确定模块包括提取单元， 用 于提取特征集 所述特征集 包括订 单、 工作时间、 绩效、 历史配送能力多维度特 征。 8.根据权利要求7所述的一种考虑个性化配送能力的物流配送调度系统， 其特征在于， 还包括计算单元： 确定配送员和订单的历史信息R， 同时确定数据集的时间长度W， 单位为 周； 确定迭代步数L以及配送员的类别数目m； 对于每一周的开始， 记录配送员在上一周所属 的类别Cw‑1， 将新出现的配送员类别初始 化为无经验的配送员， 并提取所有配送员的特征集 采用K‑means聚类算法更新所有配送员的类别Cw； 计算每个类别配送员的每趟最 大接单数， 针对每个类别， 选取出所有配送员没有造成延误订单的路径， 统计每个类别的配 送员的每趟路径包含的订单数目， 根据路径包含的订单数目的均值作为该类别的配送员的 个性化每趟最大接单 数。 9.根据权利要求1所述的一种考虑个性化配送能力的物流配送调度系统， 其特征在于， 配送速度预测模块包括： 特征矩阵提取 单元， 提取历史配送 记录的配送速度 ‑特征矩阵 剔除单元， 针对特征矩阵 选择特征筛选算法删去与配送速度无显著关系的特 征； 选取单元， 基于筛选后的特 征集， 选取基础预测算法建立个性 化配送速度预测模型。 10.根据权利要求1所述的一种考虑个性化配送能力的物流配送调度系统， 其特征在 于， 特征矩阵提取 单元提取特征包括轨 迹、 配送员、 外 部环境多维度特 征。权　利　要　求　书 2/2 页 3 CN 115130968 A 3