基于深度学习的网络货运平台定价决策.pdf
《基于深度学习的网络货运平台定价决策.pdf》由会员分享,可在线阅读,更多相关《基于深度学习的网络货运平台定价决策.pdf(12页珍藏版)》请在咨信网上搜索。
1、第21卷 第3期2023年09月交通运输工程与信息学报Journal of Transportation Engineering and InformationVol.21 No.3Sep.2023文章编号:1672-4747(2023)03-0086-12基于深度学习的网络货运平台定价决策基于深度学习的网络货运平台定价决策姜浩晨1,张小强*1,2,3(1.西南交通大学,交通运输与物流学院,成都 611756;2.综合交通大数据应用技术国家工程实验室,成都 611756;3.综合交通运输智能化国家地方联合工程实验室,成都 611756)摘要:人工议价是当前网络货运平台的主要定价方式,但存在议价
2、回合多、耗时及效率低下等弊端。为了弥补人工议价的不足,本文提出基于深度学习的动态价格预测模型。首先,结合历史订单数据和极端随机树特征选择的结果,对价格预测模型进行训练调优。其次,利用该模型对待定价订单的计划价格和实际价格进行预测,形成一个价格区间,制定实时价格策略,为网络货运平台的定价决策提供依据。最后,论文以顺丰网络货运平台为例,选取了8种经典机器学习模型作为对比模型,经对比发现本文所建的模型R2-score达到98.24%,相较于与其他模型有更高的预测准确度,并能为平台提供多样化的动态调价策略。实验结果表明:该深度学习模型定价预测更精准、动态定价能力更强,能够适应复杂的现实交易情况,从而可
3、提高网络货运平台在公路货运市场的竞争力。关键词:物流工程;动态定价;深度学习;网络货运平台中图分类号:TP18;U492.31文献标志码:ADOI:10.19961/ki.1672-4747.2022.11.016Pricing decision of online freight platform based on deep learningJIANG Hao-chen1,ZHANG Xiao-qiang*1,2,3(1.School of Transportation and Logistics,Southwest Jiaotong University,Chengdu 611756,Ch
4、ina;2.NationalEngineering Laboratory of Integrated Transportation Big Data Application Technology,Chengdu 611756,China;3.National United Engineering Laboratory of Integrated and Intelligent Transportation,Chengdu 611756,China)Abstract:Manual bargaining is currently the main pricing method for online
5、 freight platforms,butthere are drawbacks including multiple rounds of bargaining,and time-consuming and inefficient ne-gotiations.To compensate for the shortcomings of manual bargaining,this paper proposes a dynamicprice prediction model based on deep learning.First,the price prediction model is tr
6、ained and opti-mized using historical order data and the results of extreme random tree feature selection.Next,themodel is used to predict the planned and practical prices of pending orders,formulating a price rangeand establishing a real-time pricing strategy to provide a basis for pricing decision
7、s on the onlinefreight platform.Finally,the SF Express online freight platform is considered as a case study and 8classic machine learning models are selected for comparison.As a result,the R2-score of the modelproposed in this paper reaches 98.24%,with higher prediction accuracy than other models,a
8、nd themodel can provide diversified dynamic pricing strategies for the platform.Further,experimental re-收稿日期:2022-11-27录用日期:2023-04-06网络首发:2023-04-19审稿日期:2022-11-2711-29;2023-01-27;02-1302-21;03-0603-18;03-2904-06基金项目:中国铁路南宁局集团有限公司科研计划项目(KYL202112-0200)作者简介:姜浩晨(1999),男,硕士研究生,研究方向为货运定价,E-mail:通信作者:张小
9、强(1975),男,教授,研究方向为铁路运营管理、人工智能与物流,E-mail:引文格式:姜浩晨,张小强.基于深度学习的网络货运平台定价决策J.交通运输工程与信息学报,2023,21(3):86-97.JIANG Hao-chen,ZHANG Xiao-qiang.Pricing decision of online freight platform based on deep learningJ.Journal of TransportationEngineering and Information,2023,21(3):86-97.sults show that the deep lear
10、ning model has more accurate pricing prediction and stronger dynamicpricing capabilities,which can adapt to complex real-world transaction situations and improve thecompetitiveness of the online freight platform in the road freight market.Key words:logistics engineering;dynamic pricing;deep learning
11、;online freight platform0引言公路运输是最主要的运输方式,其货运量占国内货运总量的70%。但是货运市场存在货源信息和运力信息分散的问题,集中表现为货主找车难,车主找货难。为此,交通运输部开展了无车承运人1试点工作,并在总结试点经验的基础上,制定了 网络平台道路货物运输经营管理暂行办法,无车承运人演变为如今的网络货运平台2。但试点过程中也出现了一些问题,如人工定价方式带来的定价效率过低、定价不合理等。据此,用智能化定价和动态调价3的方式取代传统定价模式,既有利于提高订单的成交率,也能实现平台降本增效。因此,对网络货运平台订单定价进行智能化预测,并进行动态调价,具有很强的研
12、究价值和现实意义。网络货运平台是典型的双边平台4,一边是有运输需求的托运人,另一边则是有运输能力的承运人。对双边用户制定合适的定价策略5有助于网络货运平台在激烈的竞争中占据优势。国内外大量学者在这方面进行了广泛的研究。Li等6建立混合整数规划模型,分析定价决策和分销匹配策略对双边平台交付的影响。Liu等7探究不同需求状态下的平台定价策略和利润水平。Cachon等8构建不同契约下的服务模型,设计多种定价方案。部分学者从博弈论视角通过构建多主体博弈模型的方式,对网络货运平台定价策略进行了探讨。郭丽彬等9基于斯坦伯格博弈分析了航运商与无车承运人的竞争均衡策略。聂福海等10基于平台与车主博弈模型,分析
13、了平台最优的定价决策。桂云苗等11建立Hotelling博弈模型,在承运人和托运人不同归属条件下,探讨了对应的定价策略。蹇明等12建立Salop圆形市场模型,分析不同因素对托运人、承运人和平台竞价决策的影响。郭晓龙等13基于货主与平台博弈模型,给出平台在提供货源和寻找车源两种模式下的定价策略。然而,基于动态博弈的定价研究尚不能满足网络货运平台货运订单价格调整的需要。不同于博弈论的方法,基于机器学习的网络货运平台定价研究能够在货运订单数据的基础上为平台定价提供更完善的解决方案。特征选择14有利于提高机器学习模型的性能,增强泛化能力。分析网络货运平台的定价特征可采用层次分析法、因子分析法、主成分分
14、析法和 Spearman 系数15-18等方法。XGBoost、LSTM 神经网络、BP 神经网络、决策树和GA-BP18-22等模型可用于网络货运平台定价预测。在构建基于机器学习的定价预测模型过程中,特征选择的优劣将直接影响预测模型的好坏。然而,已有研究在特征选择的过程中,选择了部分已完成订单才包含的特征,如实际运输时间等,但这些特征在网络货运平台待定价的订单中是缺失的。这样训练出来的模型泛化能力会降低,从而出现对平台历史订单定价预测较为准确,而对新的待定价订单预测效果较差的情况。此外,仅对网络货运平台订单定价进行预测,对平台定价决策缺乏指导意义。设置动态调价机制能更有效地提高订单成交率,从
15、而提高网络货运平台在运输市场的竞争力。为了解决目前研究中存在的问题,本文进行了特征选择、智能化定价和动态调价的研究。在数据处理方面,在尽可能贴合实际的前提下,选取历史成交订单和待定价订单中的共有特征进行特征选择。在智能化定价方面,设计了基于深度神经网络的自动定价模型,为平台实现高效、准确的定价提供技术支持。在调价方面,考虑到平台订单价格会根据实际情况进行动态调整的特点,将计划价格和实际价格都作为标签,分别进行特征选择和预测,再将预测结果设置为定价区间,在合理范围内对订单进行动态调价。本文的贡献如下:(1)建立极端随机森林特征选择模型进行更加高效合理的特征选择。本文通过构建极端随机森林模型,分别
16、对网络货运平台的计划价格和实际价格进行特征选择,为网络货运平台定价影响因素分析提供理论参考,并在特征选择的基础上,姜浩晨 等:基于深度学习的网络货运平台定价决策87第3期提取出重要程度高的特征,形成平台画像,为提高货运平台资源分配效率提供参考思路。(2)建立基于深度学习的定价预测模型来预测网络货运平台定价。本文所构建的基于深度学习的定价预测模型,能够更加准确地预测网络货运平台的计划价格和实际价格,为网络货运平台定价提供数据支持,进一步推动平台定价智能化转型。将计划价格和实际价格都作为标签进行预测,为平台定价的预测研究提供新的研究方向。(3)为促进订单快速成交提供更加科学的定价策略参考。本文基于
17、订单预测的计划价格和实际价格构建调价的基线价格,能够在满足多方需求的前提下提高成交效率。与之相关联的动态调价策略,为平台提供多样性动态定价方案,有助收益最大化目标的实现。1问题描述与数据处理1.1问题描述本文以顺丰网络货运平台为例,仅考虑面向承运人(即司机和其他承运主体)的定价。结合历史成交订单数据,对定价预测模型进行训练调优,再利用该模型预测待定价订单的计划价格和实际价格。将预测的计划价格发布到平台上,同时以预测的实际价格作为成交参考价格,这两个价格所构成的定价区间,将被用于指导平台进行调价。在调价过程中,网络货运平台为了保证收益,最后的成交价格都不会超过托运人给平台的报价。1.2数据描述该
18、平台订单数据由历史成交订单和待定价订单构成。其中,历史成交订单总计16 016个,每个订单含有63个指标;待定价订单总计1 489个,每个订单含有38个指标。历史成交订单数据在完成网络货运平台货运订单后生成,包括基本信息和订单完成后的信息。其中,基本信息包括总里程、运输等级及车辆吨位等。运输等级是运输任务的线路等级,用于衡量不同运输线路的基本情况,包括一级运输、二级运输和三级运输,分别对应跨省运输、省内运输和市内运输。订单完成后的信息包括实际运输时间、计划价格和实际价格等指标。对于历史成交订单而言,计划价格指的是货运订单第一次发布到平台的价格,而实际价格指的是经过若干次调价的最终成交价格。待定
19、价订单则只包含货运订单的基本信息,不具有计划价格和实际价格,因此需要运用模型进行预测。1.3数据预处理预处理的具体步骤主要分为以下七点:步骤1 剔除网络货运平台订单完成后产生的指标。将历史成交订单和待定价订单进行对比,剔除实际到车时间等指标。步骤2剔除无分类指标,如任务状态等。无变化指标对定价影响极小,故忽略。步骤3剔除无意义指标,如分拨时间等。无意义指标的数据虽然会有变化,但与定价关联度极低,故忽略。步骤4 处理缺失指标。剔除缺失比例大且无法通过计算填补的指标,如装卸次数等。步骤5 整合指标。将意义相近并且有关联的多个指标连接合并为一个指标。如线路编码能表示整条运输线路的基本情况,故用其代替
20、始发网点等指标。步骤6 合并指标。数据的时间以时间点的形式呈现,不具有实际意义,故将时间点合并为时间段,删除合并前的时间点。对于时间点,我们将语义一致的数据合并为时间段,作以下定义:定义 1计划装货时间=计划发车时间-计划靠车时间定义 2计划运输时间=计划到达时间-计划发车时间步骤7 转换字符类指标。经过数据预处理后,我们最终选取了15个重点影响定价的特征作为之后特征提取和定价预测模型构建的依据,分别是任务id、总里程、业务类型、需求类型1、需求类型2、线路编码、运输等级、标的展示策略、交易对象、需求紧急程度、计划装货时长、计划运输时长、车辆长度、车辆吨位和是否续签。表1展示了选取的特征、特征
21、释义以及字符类数据和数值类数据的转换。88交通运输工程与信息学报第21卷表1 特征释义表Tab.1 Feature interpretation table特征分类定量特征定性特征特 征任务id总里程线路编码计划装货时间计划运输时间车辆长度车辆吨位业务类型需求类型1需求类型2运输等级标的展示策略交易对象需求紧急程度是否续签特征释义唯一标识任务id货运订单的任务里程线路id(线路定义为始发地+目的地)货运订单预估的装货时间货运订单预估的运输时间实际托运人所需运输车辆的车长实际托运人所需运输车辆的吨位重货运输或普通快递需求的业务场景,如普通、接驳需求产生的形式,如计划、临时运输任务的线路等级发布订
22、单的方式,如抢单、定向指派面向的司机类型,如承运商、个体司机货运订单需求的紧急程度司机是否在下个周期继续承接任务特征处理保留0(重货运输);1(普通快递)0(普通);1(接驳)0(计划);1(临时)0(一级运输);1(二级运输);2(三级运输)0(抢单);1(定向指派)0(承运商);1(个体司机)0(常规订单);1(紧急订单);2(特急订单)0(非续签);1(续签)2特征选择2.1 基于极端随机树的特征选择极端随机树是随机森林的一个变种,具有更好的泛化能力。本文利用极端随机树获得网络货运平台定价特征的重要程度,具体步骤如下:步骤1 利用袋外数据对极端随机树生成的每一棵决策树进行性能测试,计算袋
23、外数据误差率,记为MSEioob1。步骤2 对袋外数据所有样本中的某一个特征X加入噪声干扰,再次计算袋外数据误差率,记为MSEioob2。步骤3 计算特征X的重要性:impX=1Ni=1N(MSEioob2-MSEioob1)(1)式中:MSEioob1为第i棵决策树的袋外数据的测试误差;MSEioob2为对第i棵决策树的袋外数据的特征X的取值进行改变后再次测试的误差;N为极端随机树中决策树的个数。图1是使用极端随机树得到的特征重要性情况。由图可见,总里程、车辆吨位、车辆长度和运输等级这四类特征的重要程度较高,且对计划价格和实际价格的重要程度不同,说明这是影响网络货运平台货运订单定价最重要的四
24、个因素。相比之下,其他因素对货运订单定价的重要程度较低。图1 特征重要性Fig.1 Feature importance表2及表3表示的是特征重要性排名前4的特征以及重要程度。表2 计划价格的特征重要性Tab.2 Feature importance of the planned price特 征总里程车辆吨位车辆长度运输等级重要性程度0.490 40.218 00.176 50.058 2姜浩晨 等:基于深度学习的网络货运平台定价决策89第3期表3 实际价格的特征重要性Tab.3 Feature importance of the practical price特 征总里程车辆吨位车辆长度运
25、输等级重要性程度0.358 80.240 60.198 10.156 92.2重要特征分析由2.1可知,总里程、车辆吨位、车辆长度和运输等级四个特征对运输价格的影响最大。图2展示了这四个特征与历史订单实际价格的分布密度。为了在有视觉呈现效果的同时减少过大价格和较小角度在作图时的差距,我们使用以10为底的对数函数表示实际价格,如1 000元在图中展示为3元。由图2(a)可见,该网络货运平台订单的总里程大都集中在 1 000 km以下,订单价格则集中在千元附近,更高的公里里程意味着更高的订单单价。对此,平台可以依据该特征对订单进行分类,如长距离订单、中距离订单和短距离订单,再分别制定不同的调价策略
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 深度 学习 网络 货运 平台 定价 决策
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。