|
|
| FCS | 前沿研究：基于群智物流的城市包裹派送：最小化群智工作者的努力 |
|
论文标题：Citywide package deliveries via crowdshipping: minimizing the efforts from crowdsourcers（基于群智物流的城市包裹派送：最小化群智工作者的努力）
期刊：Frontiers of Computer Science
作者：Sijing CHENG, Chao CHEN, Shenle PAN, Hongyu HUANG, Wei ZHANG, Yuming FENG
发表时间：24 Dec 2021
DOI：10.1007/s11704-021-0568-5
微信链接：点击此处阅读微信文章
导读
当前大多数群智物流商的目标是最小化物流系统成本和最大化派送容量，但群智工作者的努力几乎被忽视。在基于“顺风车”的包裹派送过程中，司机通常需要长途绕行。本研究考虑了群智工作者的努力，并提出了一种集成离线轨迹数据挖掘和在线路由和调度优化的方法，为包裹和出租车司机寻找最佳派送路线。具体来说，提出了一个两阶段框架来进行派送路径规划和派送调度。在第一阶段，离线挖掘历史轨迹数据以构建包裹运输网络。在第二阶段，将派送路径规划和包裹 -出租车匹配建模为整数线性规划问题，并使用 Gurobi 优化器对其进行求解。之后通过一个巧妙设计的调度策略来让出租车以最优的派送路径来派送包裹。本文使用真实数据集进行了实验，结果表明，该方法能够以较高的成功率和较少的出租车司机的额外努力完成城市包裹派送。研究结果为群智物流实践提供了理论和实践意义。
文章精要
摘要
Most current crowdsourced logistics aim to minimize systems cost and maximize delivery capacity, but the efforts of crowdsourcers such as drivers are almost ignored. In the delivery process, drivers usually need to take long-distance detours in hitchhiking rides based package deliveries. In this paper, we propose an approach that integrates offline trajectory data mining and online route-and-schedule optimization in the hitchhiking ride scenario to find optimal delivery routes for packages and drivers. Specifically, we propose a two-phase framework for the delivery route planning and scheduling. In the first phase, the historical trajectory data are mined offline to build the package transport network. In the second phase, we model the delivery route planning and package-taxi matching as an integer linear programming problem and solve it with the Gurobi optimizer. After that, taxis are scheduled to deliver packages with optimal delivery paths via a newly designed scheduling strategy. We evaluate our approach with the real-world datasets; the results show that our proposed approach can complete citywide package deliveries with a high success rate and low extra efforts of taxi drivers.
相关内容推荐：
基于种子替换的属性图随机游走社区发现 2022 16(5)：165324
利用评论信息改进的司法舆情生成式摘要 2022 16(6)：166333
面向域对抗网络的度量学习 2022 16(5)：165341
CrowdDesigner: 群智知识驱动的个性化商品描述生成 2022 16(6)：166339
融合加权策略和查询替换的异质信息网络社区搜索方法 2022 16(4)：164345
面向语义类语言描述的跨模态特征融合图像指代分割方法研究 2022 16(6)：166342
基于标签自愈的无监督领域自适应 2022 16(5)：165323
发揭同源GPCR任务中的非相干稀疏和低秩模式可以更好地预测作用配体的生物活性 2022 16(4)：164322
DRPS: 针对分布式机器学习的高效磁盘驻留参数服务器 2022 16(4)：164321
基于元对抗损失的正则化方法 2022 16(5)：165331
汉-越神经机器翻译的语言特性模板集成 2022 16(3)：163344
语法错误纠正的可控数据合成方法研究 2022 16(4)：164318
基于高性能计算的时序动作提名生成 2022 16(4)：164317
一种用于噪声标签学习数据融合与联合训练方法 2022 16(6)：166338
利用谷歌街景影像探索街景要素与犯罪行为的关联关系 2022 16(4)：164316
L3-值命题逻辑的单调性和非单调性 2022 16(4)：164315
基于硬盘的Pay-as-you-go 记录链接 2022 16(4)：164340
基于危险经验规划的安全防护模型改进深度强化学习 2022 16(4)：164320
从二次神经网络动力学理解深度学习 2022 16(3)：163313
人脸掩膜引导的多样化人脸图像合成 2022 16(3)：163311
基于图卷积网络的局部特征聚合算法 2022 16(3)：163309
迈向更好的实体链接 2022 16(2)：162308
基于深度学习网络的侧信道攻击 2022 16(2)：162303
DeepM6ASeq-EL: 基于LSTM网络和集成学习预测人类m6A甲基化位点 2022 16(2)：162302
基于标记分布的多模态机器学习 2022 16(1)：161306
基于深度层叠式表征的高效三维点云理解网络 2022 16(1)：161301
Frontiers of Computer Science
Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办、SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，双月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华教授，共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐期刊；两次入选“中国科技期刊国际影响力提升计划”；入选“第4届中国国际化精品科技期刊”；入选“中国科技期刊卓越行动计划项目”。
《前沿》系列英文学术期刊
由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊，于2006年正式创刊，以网络版和印刷版向全球发行。系列期刊包括基础科学、 、工程技术和人文社会科学四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中13种被SCI收录，其他也被A&HCI、Ei、MEDLINE或相应学科国际权威检索系统收录，具有一定的国际学术影响力。系列期刊采用在线优先出版方式，保证文章以最快速度发表。
中国学术前沿期刊网
http://journal.hep.com.cn
特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。
