钢铁物流下的卡车排队等待时间预测

• 作者: 梁爽 蔡鹏
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 钢铁物流 排队等待时间 长短期记忆网络 数据融合 机器学习
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 专栏·Web信息系统及应用
• 页码范围: 2815-2820,2835
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.12.004

摘要

在钢铁物流场景下,卡车进厂卸货之前首先要在厂外排队.排队时间按照货物品种不同,短则半个小时,长则数十小时.卡车司机在无法预知等待时间的情况下,只能随时呆在车内待命.这种情况既增加了物流成本,也降低了司机对平台的满意度.首先分析了信息平台产生的数据并抽取出有价值的特征,然后提出了一种基于长短期记忆网络(LSTM)与线性模型(Linear)的组合模型用于卡车等待时间预测.LSTM模型从历史数据中学得先验知识,Linear模型结合先验知识与车辆的实时信息进行等待时间预测.在日照钢铁集团实际生产环境下,将LSTM-Linear组合模型与平台现有方法(岭回归模型)、最近邻回归模型、Auto-sklearn自动构建的模型进行对比,结果表明组合模型的预测精度更高.