e-works数字化企业网  »  文章频道  »  基础信息化  »  大数据

物流大数据标准及案例研究

2017/11/15    来源:大数据期刊    作者:蒋凡      
关键字:物流大数据  物流调度系统  
介绍了在城市物流配送领域的数据化和智能化改造过程中,如何面对大数据标准化的挑战,并从调度系统和开放平台两方面入手,提出了提高单次配送效率和节省多次配送成本的标准化解决方案。案例为物流大数据标准化技术提供了可供参考的分析思路、实施案例和创新经验。

    不管是接入不同商户自有的订单管理系统,还是接入不同物流公司的配送管理系统,开放平台负责提供标准化的商户订单生成、制作、取货、配送的全过程字段定义以及标准化的能对接多套物流公司的元调度接口。这一整套物流标准化解决方案包含了内外部系统的交互数据标准(比如订单格式)、交互操作标准(因为存在需要协同合作的多个机构或者系统)以及对外部合作方的服务要求标准等。
 
    双方通过超文本传输协议(hypertext transfer protocol,HTTP)方式交互数据,第三方平台通过POST方式发送提交内容,内容参数为JSON串。双方需要保证数据传输的完整性和安全性,每次发送请求都有响应(响应返回格式为纯文本),安全验证目前采用数据签名的方式。
 
    接口采用静态KEY+参数方式进行签名,以防止数据在过程中被篡改,参数值为非数字、字符串的参数不参与签名。签名的具体步骤如下。
 
    步骤1 将请求字段按照字典顺序进行排序,将字段key与value用“=”连接,字段之间用“&”相连,例如out_order_id=12121& immediate_deliver=1&…;
 
    步骤2 在步骤1中拼接好的字符串结尾拼“&APPID&APPKEY”;
 
    步骤3 对步骤2的结果进行sha1方式签名,获得签名sign;
 
    步骤4 将签名参数sign=”3da541559 918a808c2402bba5012f6c60b27661c”,放入请求字段中。
 
    对于第三方平台新订单的格式要求为:请求URL:{SERVER_HOST}/api/createorder。
 
    请求参数则包括了订单号、用户联系手机号、用户经纬度坐标、用户配送地址、期望送达时间等字段。具体部分字段的示例见表1。
 
    表1 请求参数部分字段示例
 
物流大数据标准及案例研究
 
    常用的交 互 操作包 括取消订单(请求URL:{SERVER_HOST}/api/cancelorder)和批量查询订单(请求URL:{SERVER_HOST}/api/listordermulti)。
 
    对于骑士的配送服务要求则分别定义了接单取餐、送餐和完成订单3类标准接口。以接单取餐为例可以看到请求字段为:
 
    {
 
    “order_id”:100001,
 
    “confirm_time”:1439544470,
 
    “sign”:“ jsadieuddye73625wr stdedfcvfgbh096lhogit6”,
 
    “delivery_name”:“John”,
 
    “delivery_ phone”:“13288909981”,
 
    “push_time”:1428374657
 
    }
 
    返回字段为:
 
    {
 
    “error_no”:0,
 
    “message”:“success”,
 
    }
 
    6.标准化能力通用性及效果评估
 
    以上标准化能力已经被证明在物流配送行业具有较强的通用性。
 
    ● 在百度外卖自有物流业务中得到应用,通过大规模地在百度物流配送业务运用智能化调度系统,调度效率提升明显,配送准时率达98.78%,平均送达时长为32 min。
 
    ● 完成对多家品牌商户订单管理系统的对接,比如:和合谷、正一味、眉州东坡酒楼,每天承接这些入口商户带来的物流订单,无缝纳入百度物流的运力资源。
 
    ● 完成对众包物流运力的服务对接,每天发布高峰时期的峰值订单,由富余的众包运力负责配送。
 
    ● 完成能兼容多家物流配送公司的元调度接口测试,比如:许鲜网、多点网,混合调度多家异质运力资源,做到兼容并包,统一调配,实现了错峰时段的运力最大化利用。
 
    7.对城市物流领域典型问题的贡献
 
    百度外卖在物流标准化建设的工作为物流配送效率和体验提升提供了持久动力,也对城市物流领域在提升效率、评估效果和降低成本等典型问题上探索出了有益经验,做出了相应贡献。
 
    (1)提高调度系统机器学习的优化效果
 
    综合利用各种地理定位数据和校验手段,获得精准的标准化订单样本数据。结合餐饮领域特点构建全面的商户和菜品标签体系,构建标准化的分层商户经营范围和多维度菜品数据库。
 
    在此基础上,才能够利用机器学习方法从千万量级的训练样本训练产出预测误差在7 min以内的出餐时间预估,才能够实现多目标优化规划算法将原先40多分钟的平均配送时长缩短到32 min,极大改变了整个城市短途物流配送行业的生态。
 
    (2)建立模拟系统线下效果的评估能力
 
    通过离线的标准化处理和在线的异步处理模式,实现精准推演。通过模拟真实约束情况将多变的场景变量(比如商圈、天气、整体运力)在高层作为调优参数进行优化,尽可能地模拟多维限制条件下的真实约束情况。模拟系统会分商圈、分时间地统计每个调度场景下的订单分布数据,解析成骑士在岗率、平均压单数、订单出单位置密度等参数的基础物理分布函数,并作为刻画该调度场景的约束条件组。
 
    模拟系统还可以进一步调整这些分布函数的参数,得到人工设定的约束条件组,从而模拟出更复杂丰富的设定场景。以这些与动态场景相关的参数组作为调度算法 的输入约束条件,调用模拟系统,反复推演虚拟订单的分配过程,通过梯度下降优化算法,求解出多目标下的最优解。
 
    (3)实现物流平台调度能力的横向输出
 
    受限于业务场景的复杂性,各个不同配送场景下的运力难以互相调剂,表现为:时段、空间上的运力不均匀现象。如果能将这些孤立的运力资源区间打通,将有效地发挥城市物流运力的作用,提高运力使用效率。
 
    对物流调度的相关元素做标准化处理,抽象出更基本的元调度接口,极大降低了各种异质运力的接入成本,实现城市内自由运力的互联互通。通用的元调度(meta dispatch)将所有的调度行为抽象成最核心的操作和数据结构,对外提供简易可行的通用接口。
 
    8.结束语
 
    通过在外卖配送行业的实践可以发现,遵循国家层面在标准化建设的指导意见,适应并积极推动移动互联网技术为物流配送领域带来的挑战和变革,解决一线业务实际需求面临的大数据标准化问题,就一定能很好地解决大数据技术在应用层面遇到的工程问题,并为其他人工智能创新提供支持。百度外卖物流在这一领域开展了一些有益尝试,并将在标准化方案研制和应用推广方面持续深入进行下去。尤其是在物流运输需求预测及供需调配方面,有必要进一步提供大数据环境下城市物流运输的预测需求、调配供给和平衡供需等技术,未来可能涉及的研究方向包括:基于历史交易和消费信息,采集并存储特定行业领域的物流运输需求大数据;利用数据挖掘和机器学习方法,分析物流运输需求在时间、空间和人群上的分布规律和性质特点;动态调配可供给运力资源在人员数量、工具类型、投放能力等指标上的配比,以适应需求变化;主动采用动态定价、划分服务范围、人群画像和推送消息等技术手段,引导运输需求发生变化,使之趋于均匀有效分布。
 
责任编辑:李欢
本文为授权转载文章,任何人未经原授权方同意,不得复制、转载、摘编等任何方式进行使用,e-works不承担由此而产生的任何法律责任! 如有异议请及时告之,以便进行及时处理。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
兴趣阅读
相关资料
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐