ACA-Net：基于未来图学习的物流需求供给预测
机器学习
2025-09-03 v1 人工智能
摘要
物流需求供给预测评估预测供给与预期需求之间的对齐情况，是按需食品配送平台效率和质量的关键指标，也是调度决策的重要依据。未来订单分布信息反映了按需食品配送中订单的分布情况，对物流需求供给预测性能至关重要。当前研究利用时空分析方法从严格的时间切片中建模未来订单分布信息。然而，线上配送平台中学习未来订单分布是一个对时间序列不敏感且具有强随机性的问题。这些方法往往难以有效捕获此类信息且仍保持高效。本文提出一种创新的时空学习模型，仅使用两个图（进行中图和全局图）即可学习未来订单分布信息，相较于传统时空长序列方法实现了卓越的性能。主要贡献如下：(1) 在物流需求供给压力预测中引入进行中图和全局图，显著提升了预测性能；(2) 提出一种创新的图学习网络框架，采用自适应未来图学习和创新跨注意力机制（ACA-Net），从而有效学习到稳健的未来图，大幅提升物流需求供给压力预测效果；(3) 在真实生产环境中验证了所提方法的有效性。
引用
@article{arxiv.2509.01997,
title = {ACA-Net: Future Graph Learning for Logistical Demand-Supply Forecasting},
author = {Jiacheng Shi and Haibin Wei and Jiang Wang and Xiaowei Xu and Longzhi Du and Taixu Jiang},
journal= {arXiv preprint arXiv:2509.01997},
year = {2025}
}
备注
12 pages, DASFAA2025 conference full paper