基于多关系图的快递路由预测方法——MRGRP
人工智能
2025-05-20 v1
摘要
即时食物配送因其便捷性已成为全球最流行的网络服务之一。一个根本性挑战在于准确预测快递员路线，以优化任务分派并提高配送效率。这有助于提升快递员和用户的满意度，增加平台盈利能力。当前的启发式预测方法仅使用有限的人为选择的任务特征，忽略了快递员的偏好，导致次优结果。此外，现有的学习方法未能充分捕捉影响快递员决策的多样因素或这些因素之间的复杂关系。为此，我们提出一种基于多关系图的路程预测(MRGRP)方法，通过建模影响快递员决策的细粒度关联，实现精准预测。我们将空间和时间邻近性以及提货-递送关系编码到多关系图中，并设计GraphFormer架构来捕捉这些复杂连接。我们还引入一个路程解码器，利用快递员信息和动态距离、时间上下文进行预测，并以现有路程解决方案为参考以提高结果。实验表明，我们的模型在来自不同规模城市的离线数据上实现了最新的路程预测，部署于美团图灵平台后，超过了当前的启发式算法，达到0.819的高水平路程预测准确率，这对于快递员和用户的满意度至关重要。
关键词
引用
@article{arxiv.2505.11999,
title = {MRGRP: Empowering Courier Route Prediction in Food Delivery Service with Multi-Relational Graph},
author = {Chang Liu and Huan Yan and Hongjie Sui and Haomin Wen and Yuan Yuan and Yuyang Han and Hongsen Liao and Xuetao Ding and Jinghua Hao and Yong Li},
journal= {arXiv preprint arXiv:2505.11999},
year = {2025}
}