基于司机及工厂满意度来建议集卡到厂时间的优化方法

技术领域

本发明涉及港口物流技术领域，尤其是涉及一种基于司机及工厂满意度来建议集卡到厂时间的优化方法。

背景技术

随着中国互联网飞速发展，"互联网+"、大数据、云计算已深入现代物流行业。互联网背景下催生了一批以UberFreight、新集运、鸵鸟货运、鸭嘴兽、货车帮为代表的互联网港口物流集卡货运服务共享平台，为现代物流市场提供了极大便利。互联网港口物流集卡货运服务平台的主要模式可以概括为——从国际货物代理商处接单，分包给平台上加盟的集卡司机，而司机通过司机端产品APP，可独自完成接单、作业、结算等工作。互联网货运服务共享平台依据货主或货代工厂的要求，通过提供标准化的报价与车货匹配服务，找到合适司机满足货主企业日益增长的对港口物流运输的需求。在这一过程中，货主企业对司机到厂装货的及时性要求较高，与此同时，司机对工厂服务水平以及装箱效率也有一定的要求。因此，集卡物流共享平台，作为第三方平台，给定合理的建议到厂时间来平衡司机和工厂满意度十分重要也具有一定实际意义。

给定建议到厂时间，属于集卡预约调度的重要一环。集卡的预约调度可以看作卡车执行一系列任务时的特定时间窗限制，以此来优化集卡和工厂的资源，确保双方预设的服务水平。不过现有的大多数卡车预约调度系统，在运营需求不断变化的大背景下，没有充分考虑可变性和不确定性。这些卡车预约调度系统通常针对单一工厂或港口，采用模拟优化的办法，建立起了相对应的整数规划模型，或基于混合优化算法，或从多服务器排队理论入手。但在第三方平台参与的场景下，第三方平台只负责其所属司机的任务分配，无法掌握其他平台或传统货代的订单信息，因此其从工厂获得的订单信息并不是连贯的，且这些信息具有一定的局限性。第三方平台对司机的到厂建议时间不能依据原有的针对单一工厂或者港口的卡车调度技术来实现，只能基于数据进行进一步的特征划分和建议到达时间优化。另外，对于大多数订单，平台通常不能改变工厂要求的做箱时间，如果直接参照工厂要求的做箱时间给出到达时间建议，由于工厂的差异做箱效率和对司机不同的服务优先顺序，以及司机的不同习惯与偏好，平台无法同时保证工厂和司机的满意度。因此，本发明旨在基于港口集卡物流共享平台的动态实时数据，考虑司机及工厂的满意度，来提出一种新的建议集卡到厂时间优化方法。

发明内容

本发明所要解决的技术问题是提供一种合理、并且高效的基于司机及工厂满意度来建议集卡到厂时间的优化方法。

本发明所采用的技术方案是，一种基于司机及工厂满意度来建议集卡到厂时间的优化方法,设定司机迟到时间代表工厂满意度，司机在厂停留时间代表司机满意度，该方法包括下列步骤：

(1)、实时收集港口集卡物流共享平台的动态订单信息，包括订单号ID、工厂要求的做箱时间s

(2)、根据收集的动态订单信息，调取与所述动态订单信息相关联的历史物流信息，所述历史物流信息包括工厂的要求做箱时间s

(3)、将步骤(2)中得到的新的历史物流信息划分成四个信息集，四个信息集为：司机的迟到时间信息集T1、司机早到或准时到达的等待时间信息集T2、司机早到或准时到达的服务时间信息集T3以及司机晚到后的停留时间信息集T4，设定司机迟到时间信息集T1中的司机迟到时间表示为：a-s

(4)、建立满意度均衡模型，满意度均衡模型的表达式为：

(5)、将工厂针对司机而设定的服务形式划分为第一类型、第二类型以及第三类型，第一类型为司机无论早到工厂或者晚到工厂都立马开始服务；第二类型为司机早到必须等到工厂要求的做箱时间才开始服务，而司机晚到可以立马开始服务；第三类型为司机早到必须等到工厂要求的做箱时间才开始服务，而司机晚到则需要等待工厂安排，或者反而直接服务；当工厂针对司机而设定的服务形式为第一类型时，第三方平台直接建议司机早到工厂；当工厂针对司机而设定的服务形式为第二类型或者第三类型时，进入步骤(6)给出最优的建议到达时间s；

(6)、基于步骤(2)中得到的新的历史物流信息，标定步骤(3)中每个信息集所对应的时间变量的概率密度函数：

(7)、根据现实生活中对司机进行的问卷调查结果来设定司机可接受早到或准时到的等待时间为r

(8)、将步骤(7)中估计出的四个期望值表达式输入到满意度均衡模型中，并根据已知关系式s＝s

本发明的有益效果是：传统的集卡预约调度算法直接从工厂角度优化到达时间，假设规划时段内预期到达工厂的所有卡车信息已知，而本发明还同时从第三方集卡物流共享平台的效益出发来建议第三方平台上司机的到厂时间；并且，传统的集卡预约调度算法一般针对单一工厂，对于不同工厂的服务特性(如随到随服务、迟到允许插队服务等)考虑欠缺，而本发明通过数据挖掘对不同工厂进行服务特性分类，从而根据每个订单目标工厂的特性进行平台推荐到达时间计算；传统的集卡预约调度算法普遍忽略了不同司机的时间敏感性，而本发明主要从第三方平台所有参与者的满意度出发，设计同时考虑工厂及司机满意度的建议到厂时间计算方法，在考虑不同工厂及司机时间敏感度前提下做个性化到达时间推荐；传统的集卡预约调度算法大多假设司机会严格按照建议到达时间到达工厂，忽略了由司机主观偏好行为(如有意提前或拖后)导致的到达时间的随机性，而本发明给出的预约调度方案同时还考虑了客观及主观因素造成的到达时间随机性。本发明根据时间数据考虑满意度均衡，合理、并且高效地给出司机新的建议集卡到厂时间。

作为优选，对动态实时信息进行异常值和极值的处理来得到新的物流信息的具体过程为：剔除d-a≤0的数据字段，对重复订单号ID数据进行筛除，仅保留相同订单号ID的一条有效数据；取1

具体实施方式

以下结合具体实施方式来进一步描述发明，以令本领域技术人员参照说明书文字能够据以实施，本发明保护范围并不受限于该具体实施方式。

本发明基于第三方港口集卡物流共享平台的动态实时信息，主要包括订单号ID，到厂时间a，离厂时间d和工厂要求做箱时间s

根据工厂优先服务的顺序，分为三种情形。其一，工厂实施随到随服务方案，即无论卡车司机早到或者晚到都能立刻接受服务。在此种情形下，平台应建议司机越早到达工厂越好。因为此时司机满意度不受到达时间的影响，为了提高工厂满意度，平台应该通过建议到达时间的调节来尽可能避免迟到。其二，工厂不提前服务，即早到的卡车司机必须等到工厂要求的做箱时间才开始接受服务，而晚到的卡车司机可以立刻接受服务。其三，工厂不提前服务，即早到的卡车司机必须等到工厂要求的做箱时间才开始接受服务，而晚到的卡车司机可能因为错过排期而等待更久，或由于工厂赶时间反而接受的服务时间变快。在后两种情形中，平台应根据工厂和司机满意度的权重，来进行到达时间建议决策。基于港口集卡物流共享平台的动态实时数据，假设所有工厂不提前服务，早到车辆必须等工厂要求的做箱时间才开始接受服务，并定义x

本发明提供一种基于司机及工厂满意度来建议集卡到厂时间的优化方法,设定司机迟到时间代表工厂满意度，司机在厂停留时间代表司机满意度，该方法包括下列步骤：

(1)、实时收集港口集卡物流共享平台的动态订单信息，包括订单号ID、工厂要求的做箱时间s

(2)、根据收集的动态订单信息，调取与所述动态订单信息相关联的历史物流信息，所述历史物流信息包括工厂的要求做箱时间s

(3)、将步骤(2)中得到的新的历史物流信息划分成四个信息集，四个信息集为：司机的迟到时间信息集T1、司机早到或准时到达的等待时间信息集T2、司机早到或准时到达的服务时间信息集T3以及司机晚到后的停留时间信息集T4，以上这四个信息集都是相对于工厂要求做箱时间定义的；司机迟到时间信息集T1中的司机迟到时间表示为：a-s

(4)、建立满意度均衡模型，满意度均衡模型的表达式为：

(5)、将工厂针对司机而设定的服务形式划分为第一类型、第二类型以及第三类型，第一类型为司机无论早到工厂或者晚到工厂都立马开始服务；第二类型为司机早到必须等到工厂要求的做箱时间才开始服务，而司机晚到可以立马开始服务；第三类型为司机早到必须等到工厂要求的做箱时间才开始服务，而司机晚到就需要等待工厂安排，或者反而直接服务；当工厂针对司机而设定的服务形式为第一类型时，第三方平台可以直接建议司机早到工厂；当工厂针对司机而设定的服务形式为第二类型或者第三类型时，进入步骤(6)给出最优建议到达时间s；

(6)、基于步骤(2)中得到的新的历史物流信息，采用统计学习的方法及经验分布插值手段，标定步骤(3)中每个信息集所对应的时间变量的概率密度函数：

(7)、根据现实生活中对司机进行的问卷调查结果来设定司机可接受早到或准时到的等待时间为r

(8)、将步骤(7)中估计出的四个期望值表达式输入到满意度均衡模型中，并代入已知关系s＝s

对动态实时信息进行异常值和极值的处理来得到新的物流信息的具体过程为：剔除d- a≤0的数据字段，对重复订单号ID数据进行筛除，仅保留相同订单号ID的一条有效数据；取1