一种用于城市贸易中的运力分配方法及系统技术方案

本发明专利技术公开了一种用于城市贸易中的运力分配方法及系统，涉及城市贸易运力分配技术领域，通过收集城市贸易数据、预测周期时长序列以及每个贸易中心各类商品的历史售卖数据，训练出售卖量预测模型集合，从预测周期时长序列中筛选出下一预测周期时长，并获得下一预测周期中，每种商品预测的补货量；基于城市贸易数据和各类商品预测的补货量，获得运力分配调度方案；保证了商品供应的效率，并可量化地降低商品运输成本。商品运输成本。商品运输成本。

【技术实现步骤摘要】
一种用于城市贸易中的运力分配方法及系统


[0001]本专利技术涉及城市贸易运力分配
，具体是一种用于城市贸易中的运力分配方法及系统。

技术介绍

[0002]对于城市贸易中的各个贸易中心，消费者需求的不确定性是影响商品售卖量预测的一个关键因素。消费者购买行为受到个体偏好、市场趋势等多种因素的影响，这导致了商品需求的波动不稳定；而对商品的售卖量的预测极大地影响到对商品的提前供应，即当供应过多可能会导致商品浪费甚至最终过期，而供应过少可能会导致商品供不应求，从而带来利润损失；因此，更为准确的提供各类商品的补货量成为一项亟须解决的问题；为此，本专利技术提出一种用于城市贸易中的运力分配方法及系统。

技术实现思路

[0003]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种用于城市贸易中的运力分配方法及系统，保证了商品供应的效率，并可量化地降低商品运输成本。
[0004]为实现上述目的，根据本专利技术的实施例1提出一种用于城市贸易中的运力分配方法，包括以下步骤：步骤一：收集城市贸易数据，并收集预测周期时长序列；步骤二：基于预测周期时长序列，收集每个贸易中心各类商品的历史售卖数据，基于历史售卖数据训练出售卖量预测模型集合；步骤三：对于每个贸易中心的每种商品，基于售卖量预测模型集合，从预测周期时长序列中筛选出下一预测周期时长，并获得下一预测周期中，每种商品预测的补货量；步骤四：基于城市贸易数据和各类商品预测的补货量，获得运力分配调度方案；所述收集城市贸易数据的方式为：收集城市中各个贸易中心的地理位置、配送中心的地理位置以及贸易无向图；在所述贸易无向图中，点集合包括所有贸易中和配送中心，边集合包括点集合中任意两个点之间的最短距离路线；所述城市贸易数据包括贸易无向图；所述收集预测周期时长序列的方式为：预先人工设置若干预测周期时长，组成预测周期时长序列；每个预测周期时长代表一段统计时长，每个贸易中心每隔统计时长进行商品售卖量的统计；所述收集每个贸易中心各类商品的历史售卖数据的方式为：对于预测周期时长序列中的每个预测周期时长，每个贸易中心每隔该预测周期时长作为一次预测周期，统计每个预测周期中，每种商品的售卖量；将每个贸易中心的编号标记为i，将每种商品类型的编号标记为j，将预测周期时
长序列中的预测周期时长的编号标记为t；对于第i个贸易中心，第j种商品类型的第t个预测周期时长，生成商品售卖量序列；所述商品售卖量序列中每个元素对应该商品在一个预测周期的售卖量，且商品售卖量序列中的售卖量按时间先后顺序进行排列；所述历史售卖数据包括所有贸易中心的所有商品类型的所有商品售卖量序列；所述基于历史售卖数据训练出售卖量预测模型集合的方式为：设置预测时间步长为1、预设滑动步长以及滑动窗口长度；对于第i个贸易中心，第j种商品类型的第t个预测周期时长，将对应的商品售卖量序列使用滑动窗口方法转化为若干个售卖量预测样本，将每组售卖量预测样本作为售卖量预测模型的输入，售卖量预测模型以未来的预测时间步长的商品售卖量序列作为输出，每个售卖量预测样本后续预测时间步长内的商品售卖量序列作为预测目标，对售卖量预测模型进行训练；生成预测商品售卖量的售卖量预测模型；所述售卖量预测模型集合包括所有训练完成的售卖量预测模型；基于售卖量预测模型集合，从预测周期时长序列中筛选出下一预测周期时长的方式为：对于第i个贸易中心，第j种商品类型的第t个预测周期时长对应的售卖量预测模型，将最近一次预测周期中该商品的售卖量标记为SRijt，将最近一次预测周期中，该商品的预测的售卖量标记为SPijt；所述该商品的预测的售卖量的获得方式为：将最近一次预测周期之前的长度为滑动窗口长度的商品售卖量序列输入至对应的售卖量预测模型中，获得该售卖量预测模型输出的最近一次预测周期的预测的售卖量；计算第t个预测周期时长的综合预测偏差Lt；其中，所述综合预测偏差Lt的计算方式为：；从预测周期时长序列中的所有预测周期时长中筛选出综合预测偏差Lt最小的预测周期时长作为下一预测周期时长；获得下一预测周期中，每种商品预测的补货量的方式为：将下一预测周期时长的编号标记为t0；从第i个贸易中心，第j种商品类型的第t0个预测周期时长对应的商品售卖量序列中，截取出最近的长度为滑动窗口长度的商品售卖量序列，将截取出的商品售卖量序列作为对应的售卖量预测模型的输入，获得输出的下一个预测周期的预测的售卖量Sijt0；统计第i个贸易中心中，第j种商品类型的库存量Kij；将第i个贸易中心中第j种商品类型预测的补货量标记为Bij；则预测的补货量Bij的计算公式为：Bij=max(Sijt0
‑
Kij+a0,0)，其中，a0为预设的调整系数，max()为取最大值函数；基于城市贸易数据和各类商品预测的补货量，获得运力分配调度方案的方式为：将贸易无向图中的贸易中心对应的节点的编号标记为u，将贸易无向图中的配送中心对应的节点标记为v；为第u个节点设置运输顺序变量yuxf；所述运输顺序变量yuxf为值为0/1的二值变
量，当运输顺序变量yuxf=1时，表示第u个节点为第x条运输路线中经过的第f个贸易中心，其中，x=1,2
…
|U|，f=1,2,3
…
|U|，U为所有贸易中心对应的节点的集合；设置目标优化函数g；所述目标优化函数g的函数表达式为；其中，Duv为第i个节点距离节点v的距离，Du1u2为第u1个节点与第u2个节点的距离；设计约束目标集合Z；所述约束目标集合Z包括：；以最小化优化目标函数g为整数规划问题的优化目标，以约束目标集合Z作为整数规划问题的约束目标集合，使用整数规划求解工具对所述整数规划问题进行求解，得到解集合；从该解集合中筛选出所有值为1的运输顺序变量yuxf，从值为1的运输顺序变量yuxf中获得运输路线的条数以及每条运输路线的运输顺序；计算每条运输线路中，经过的所有贸易中心的所有类型商品的补货量的总数，基于该总数与使用的运输车辆的容量，计算出需要的运输车辆的数量；则在每条运输路线，分配对应的需要的运输车辆数量，且分配的运输车辆按照该运输路线进行运输。
[0005]根据本专利技术的实施例2提出一种用于城市贸易中的运力分配系统，包括训练数据收集模块、模型训练模块以及运力分配模块；其中，各个模块之间电性连接；其中，所述训练数据收集模块主要用于收集城市贸易数据、预测周期时长序列，以及基于预测周期时长序列，收集每个贸易中心各类商品的历史售卖数据，并将历史售卖数据发送至模型训练模块，将城市贸易数据发送至运力分配模块；其中，所述模型训练模块主要用于基于历史售卖数据训练出售卖量预测模型集合，并将售卖量预测模型集合发送至运力分配模块；其中，所述运力分配模块主要用于对于每个贸易中心的每种商品，基于售卖量预测模型集合，从预测周期时长序列中筛选出下一预测周期时长，并获得下一预测周期中，每种商品预测的补货量，基于城市贸易数据和各类商品预测的补货量，获得运力分配调度方案。
[0006]与现有技术相比，本专利技术的有益效果是：本专利技术通过预先收集城市贸易数据，并收集预测周期时长序列，基于预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于城市贸易中的运力分配方法，其特征在于，包括以下步骤：收集城市贸易数据，并收集预测周期时长序列；基于预测周期时长序列，收集每个贸易中心各类商品的历史售卖数据，基于历史售卖数据训练出售卖量预测模型集合；对于每个贸易中心的每种商品，基于售卖量预测模型集合，从预测周期时长序列中筛选出下一预测周期时长，并获得下一预测周期中，每种商品预测的补货量；基于城市贸易数据和各类商品预测的补货量，获得运力分配调度方案。2.根据权利要求1所述的一种用于城市贸易中的运力分配方法，其特征在于，所述收集城市贸易数据的方式为：收集城市中各个贸易中心的地理位置、配送中心的地理位置以及贸易无向图；在所述贸易无向图中，点集合包括所有贸易中和配送中心，边集合包括点集合中任意两个点之间的最短距离路线；所述城市贸易数据包括贸易无向图。3.根据权利要求2所述的一种用于城市贸易中的运力分配方法，其特征在于，所述收集每个贸易中心各类商品的历史售卖数据的方式为：对于预测周期时长序列中的每个预测周期时长，每个贸易中心每隔该预测周期时长作为一次预测周期，统计每个预测周期中，每种商品的售卖量；将每个贸易中心的编号标记为i，将每种商品类型的编号标记为j，将预测周期时长序列中的预测周期时长的编号标记为t；对于第i个贸易中心，第j种商品类型的第t个预测周期时长，生成商品售卖量序列；所述商品售卖量序列中每个元素对应该商品在一个预测周期的售卖量，且商品售卖量序列中的售卖量按时间先后顺序进行排列；所述历史售卖数据包括所有贸易中心的所有商品类型的所有商品售卖量序列。4.根据权利要求3所述的一种用于城市贸易中的运力分配方法，其特征在于，所述基于历史售卖数据训练出售卖量预测模型集合的方式为：设置预测时间步长为1、预设滑动步长以及滑动窗口长度；对于第i个贸易中心，第j种商品类型的第t个预测周期时长，将对应的商品售卖量序列使用滑动窗口方法转化为若干个售卖量预测样本，将每组售卖量预测样本作为售卖量预测模型的输入，售卖量预测模型以未来的预测时间步长的商品售卖量序列作为输出，每个售卖量预测样本后续预测时间步长内的商品售卖量序列作为预测目标，对售卖量预测模型进行训练；生成预测商品售卖量的售卖量预测模型；所述售卖量预测模型集合包括所有训练完成的售卖量预测模型。5.根据权利要求4所述的一种用于城市贸易中的运力分配方法，其特征在于，基于售卖量预测模型集合，从预测周期时长序列中筛选出下一预测周期时长的方式为：对于第i个贸易中心，第j种商品类型的第t个预测周期时长对应的售卖量预测模型，将最近一次预测周期中该商品的售卖量标记为SRijt，将最近一次预测周期中，该商品的预测的售卖量标记为SPijt；所述该商品的预测的售卖量的获得方式为：将最近一次预测周期之前的长度为滑动窗口长度的商品售卖量序列输入至对应的售卖量预测模型中，获得该售卖量预测模型输出的
最近一次预测周期的预测的售卖量；计算第t个预测周期时长的综合预测偏差Lt；其中，所述综合预测偏差Lt的计算方式为：；从预测周期时长序列中的所有预测周期时长中筛选出综合预测偏差Lt最小的预测周期时长作为下一预测周期时长。6.根据权利要求5所述的一种用于城...

【专利技术属性】
技术研发人员：孙文峰，王淑敏，
申请(专利权)人：中国标准化研究院，
类型：发明
国别省市：