(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 202210793570.5 (22)申请日 2022.07.07 (71)申请人 东北大学 地址 110819 辽宁省沈阳市和平区文化路3 号巷11号 (72)发明人 蒋松辰　黄敏　张宇鑫　徐洪亮　 刘鹏霖　 (74)专利代理 机构 沈阳东大知识产权代理有限 公司 21109 专利代理师 徐湘辉 (51)Int.Cl. G06Q 10/08(2012.01) G06Q 50/28(2012.01) (54)发明名称 基于时间敏感需求在线学习的平台物流运 输路径规划方法 (57)摘要 本发明提供了基于时间敏感需求在线学习 的平台物 流运输路径规划方法， 涉及物流技术领 域。 该方法考虑了时间敏感需求中履约时间和需 求量均值的关系、 平台运作过程中产生的在线数 据， 能够基于在线数据实现客户时间敏感需求的 在线学习， 并进一步利用学习得到的时间敏感需 求函数进行平台物流运输 路径规划。 相较于传统 的运输路径规划方法， 能够 有效地刻画客户需求 量与履约时间的关系， 使 得对客户需求的刻 画更 加精准， 更有利于设计使 得平台收益最大的运输 路径规划方案， 以及避免由于履约时间改变导致 的运输路径规划方案失准； 该方法与传统的运输 路径规划方法相比可以不断适应变化的客户时 间敏感需求， 适用范围更广。 权利要求书2页 说明书10页 附图5页 CN 115081989 A 2022.09.20 CN 115081989 A 1.基于时间敏感需求在线学习的平台物流运输路径规划方法， 其特征在于， 该方法包 括以下步骤： 步骤1： 针对当前待运输商品， 对其历史销售数据进行统计获得该商品的需求量均值和 平均履约时间， 参考所述需求量均值和平均履约时间估计出若干可能的时间敏感需求函数 构成在线学习所需的潜在时间敏感需求 函数集合Φf； 步骤2： 确定平台所有物流资源组成的潜在网络的信息及参数； 步骤3： 从集合Φf中随机选择一个函数作为初始的平 台认定的客户实际时间敏感需求 函数； 步骤4： 基于平台所有物流资源组成的潜在网络的信息及参数、 平台认定的客户实际时 间敏感需求函数， 以最大化平台收益为 目标， 以中转节点的选择和承担运输任务的物流企 业的选择为决策变量， 建立平台物流 运输路径规划模型； 步骤5： 求 解平台物流 运输路径规划模型， 得到运输路径规划方案Sp； 步骤6： 平台应用Sp， 获得在线的客户真实时间敏感需求数据均值； 步骤7： 计算集合Φf中所有函数在Sp下对应的客户时间敏感需求均值及其各自与所述 真实时间敏感需求数据均值之间的偏差， 找到集 合Φf中偏差值 最小的函数； 步骤8： 若最小偏差值在允许的误差范围内， 则 输出当前的运输路径规划方案； 否则， 判 断最小偏差值是否大于预设的最大允许偏差范围： 若是， 则以运输路径规划方案Sp对应的 运输时间、 真实时间敏感需求数据均值为参考， 估计新的时间敏感需求函数并将其加入到 集合Φf后转至步骤9； 若否， 则执 行步骤9； 步骤9： 将Φf中偏差值最小的函数更新为平台认定的客户实际时间敏 感函数， 并按照步 骤4至步骤8的方法， 重复执行步骤4至步骤8直到最小偏差值在允许的误差范围内时输出当 前的运输路径规划方案 。 2.根据权利要求1所述的基于时间敏感需求在线学习的平台物流运输路径规划方法， 其特征在于， 所述时间敏感 需求函数表达的是待运输商品采用某运输路径规划方案所对应 履约时间下的客户需求 量均值。 3.根据权利要求1所述的基于时间敏感需求在线学习的平台物流运输路径规划方法， 其特征在于， 在所述步骤1中引入与待运输商品相 近品类商品历史学习得到的时间敏感需 求函数与所有估计的当前待运输商品的时间敏感需求 函数一起构成所述 集合Φf。 4.根据权利要求1或2所述的基于时间敏感需求在线学习的平台物流运输路径规划方 法， 其特征在于， 所述步骤2所述的平台所有物 流资源组成的潜在网络的信息及参数包括潜 在网络中不同节点间的连接关系、 中转节点的处理时间及单位处理费用 、 相连节点间物流 企业数量及每一家 物流企业的运输时间及单位 运输费用。 5.根据权利要求1所述的基于时间敏感需求在线学习的平台物流运输路径规划方法， 其特征在于， 所述平台物流 运输路径规划模型包括： 式(4)所示的目标函数： maxR＝b·dp(Tp)‑C(Sp)        (4) 上式中， R为平台收益， 元； b为平台完成订单获得的单位酬金， 元/件； p为平台认定的客 户实际时间敏感需求函数dp(t)在潜在时间敏感需求函数集合Φf中的编号； Sp表示在认定 dp(t)为客户的实际时间敏感需求的情况下采用的运输路径规划方案； C(Sp)为运输路径规权　利　要　求　书 1/2 页 2 CN 115081989 A 2划方案Sp对应的运作成本， 元； Tp为运输路径规划方案Sp的运输时间， h； dp(Tp)为认定dp(t) 为客户实际时间敏感需求的情况下采用运输路径规划方案Sp时客户集群产生的需求量， 件； 式(5)‑(9)所示的约束条件， 其中， 式(5)为流平衡约束， 用于保证求 解模型所得的运输路径规划方案是一条合理通路： 上式中， 为平台所有物流资源组成的潜在网络中所有节点的集合； 为平台所有物 流资源组成的潜在网络中所有供应点的集合； 为平台所有物流资源组成的潜在网络中 所有中转节点的集合； 为平台所有物流资源组成的潜在网络中所有客户的集合； 为起 点编号为i、 终点编号为j的运输路段上所有物流企业的集合； xijk为决策变量， 代表承担运 输任务的物 流企业的选择， 表示起点编号为i、 终点编号为j的运输 路段上编号为k的物 流企 业在运输路径规划方案中是否被选择， xijk＝1代表被选择， xijk＝0代表未被选择； 式(6)和式(7)为唯一通路约束， 用于保证每一个客户订单都经由唯一可行通路履约运 送： 式(8)和式(9)决策变量取值范围约束， 用于规定决策变量在合理的{0， 1}集 合中取值； 上式中， yl为决策变量， 代表中转节点的选 择， 表示编号为l的中转节点在运输路径规划 方案中是否被选择， yl＝1代表被选择， yl＝0代表未被选择； xijk为决策变量， 代表承担运输 任务的物 流企业的选择， 表示起点编号为i、 终点编号为j的运输路段上编号为k的物流 企业 在运输路径规划方案中是否被选择， xijk＝1代表被选择， xijk＝0代表未被选择。 6.根据权利要求5所述的基于时间敏感需求在线学习的平台物流运输路径规划方法， 其特征在于， 按照式(2)计算 运输路径规划方案Sp的运输时间Tp； 其中， TPijk为起点编号为i、 终点编号为j的运输路段上编号为k的物流企业的运输时 间， h； TCl为编号为l的中转节点的处 理时间， h 。 7.根据权利要求5所述的基于时间敏感需求在线学习的平台物流运输路径规划方法， 其特征在于， 按照式(3)计算 运输路径规划方案Sp对应的运作成本 C(Sp)， 元； 其中， CPijk为起点编号为i、 终点编号为j的运输路段上编号为k的物流企业的单位运输 费用， 元； C Cl为编号为l的中转节点的单位处 理费用， 元。权　利　要　求　书 2/2 页 3 CN 115081989 A 3