基于多任务学习的快件送达时间预测方法

基于多任务学习的快件送达时间预测方法
王强;林友芳;万怀宇
【期刊名称】《计算机工程》
【年(卷),期】2022(48)4
【摘要】快件送货时间预测(即在任何时间预测包裹送达的到达时间)是物流领域中最重要的服务之一。

准确地预测快件送达时间可以为用户提供更准时的服务,缓解客户的等待焦虑,提升用户体验,且有利于快递员的路径规划,从而提高派送效率。

然而在快递派送场景下,多因素、动态性及多目的地等特征给快件投递准确预测送达时间带来巨大挑战。

提出一种基于多任务学习的模型MTDTN,从快递员的大量历史时空轨迹中预测快件送达时间。

MTDTN建模多种影响送达时间的外部因素,利用地理信息编码、卷积操作以及双向长短时记忆网络来捕获派送行为的时空关系,并运用多任务学习框架,引入顺序预测的辅助任务与送达时间预测的主任务,提高模型预测性能。

在真实数据集上的实验结果表明,与基准方法中最优的DeepETA模型相比,该模型的平均绝对误差与平均绝对百分比误差分别降低了16.11%和12.88%,模型效果明显提升。

【总页数】7页(P314-320)
【作者】王强;林友芳;万怀宇
【作者单位】北京交通大学计算机与信息技术学院;综合交通运输大数据应用技术交通运输行业重点实验室
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于多任务学习的炼钢终点预测方法
2.基于多任务学习的风速实时预测方法
3.基于有序多任务学习的司法二审判决预测方法
4.基于多任务学习的测井储层参数预测方法
5.基于对比预测编码模型的多任务学习语种识别方法
因版权原因，仅展示原文概要，查看原文内容请购买。