PAPN：用于包裹取件路线预测的邻近注意力编码器与指针网络解码器
机器学习
2026-03-03 v3
摘要
包裹的最后一公里配送和第一公里取件的优化是物流优化流程中不可或缺的一部分，因为它既涉及成本和资源效率，也关乎服务质量的提升。这种优化需要准确的路线和时间预测系统来提前适应不同场景。本研究致力于解决第一个构建模块，即路线预测。新颖的邻近注意力 (PA) 机制与指针网络 (PN) 解码器相结合，以利用包裹取件过程中每个时间步上不同可访问取件位置之间的潜在联系。这种局部注意力通过多头注意力 Transformer 编码器与全局上下文计算相结合。然后，两种注意力被混合，以对问题进行完整而全面的建模。PA 还用于解码过程，以将预测偏向于访问可能性最高的位置，从而利用节点间的互连性进行下一位置预测。该方法在一个名为 LaDE (2024) 的真实世界最后一公里配送和第一公里取件的大型行业级数据集上进行了训练、验证和测试。在该数据集上用于基准测试的大多数指标方面，该方法优于所有最先进的监督方法，同时仍能与表现最佳的强化学习框架 DRL4Route (2023) 相媲美。
引用
@article{arxiv.2505.03776,
title = {PAPN: Proximity Attention Encoder and Pointer Network Decoder for Parcel Pickup Route Prediction},
author = {Hansi Denis and Ali Anwar and Ngoc-Quang Luong and Siegfried Mercelis},
journal= {arXiv preprint arXiv:2505.03776},
year = {2026}
}
备注
10 pages, 2 figures, 2 tables, WCTR 2026