车货供需匹配模型与算法研究综述

随着货车保有量及货运需求的迅速增长,车货供需匹配问题成为了货运电子商务平台的核心和热点。本文主要针对车货供需匹配问题从模型和算法两个方面对现有文献进行梳理和总结。在车货供需匹配模型方面,考虑的优化目标主要包括满意度、公平性和稳定性三个方面的评价指标,根据应用场景,将车货供需匹配模型分为一对一、一对多和多对多三类,其中一对一车货供需匹配模型针对整车运输,其他两种则对应零担运输。随着三种应用场景的模型复杂程度越来越高,相应求解难度、求解时间也呈现递增趋势。在车货供需匹配算法方面,根据货运需求数据的结构与特点可以划分为最优化算法、人工智能算法、推荐算法以及其他算法四类:对于小规模、时效性要求不高的货运需求,可以根据模型的特点与特性设计最优化求解算法;对于大数据、交互性数据或实时性要求高的货运需求,人工智能算法和推荐算法则是车货供需匹配问题的有效途径,其中人工智能算法通过预测车主行为或匹配结果实现匹配任务,而推荐算法可以针对车货需求大数据实现有效的召回并推荐。最后,本文总结了现有研究的不足之处,并从中归纳出三个值得进一步研究的方向:一是结合实际业务场景和车货信息大数据背景,提高车货供需匹配方法的实际可行性;二是进一步挖掘更多的评价指标,如车主偏好以及订单目的地接单概率等指标;三是关注车货供需匹配的实时决策问题,重点考虑货运需求的动态随机性以及平台和车主的长期收益目标。

计算机自动销售铁路货运能力实现方法研究

在分析铁路货运组织改革前货运能力销售现状的基础上,提出铁路货运能力数据化、计算机自动销售流程设置、特殊情况取消计算机自动销售结果流程设置、特殊客户货运需求的保障等计算机自动销售货运能力重点问题,研究利用在货运电子商务平台上计算机自动销售货运能力的实现方法,即精细化设置货运能力、合理设置货运能力计算机匹配流程、特殊客户货运需求保障、规范作业流程,实现计算机自动匹配客户需求与铁路货运能力,实时向客户反馈匹配结果,最终实现铁路货运能力预订"先到先得,即订即得"。