摘 要：在物流運(yùn)輸環(huán)境異常、跨區(qū)域運(yùn)力不足的情況下，傳統(tǒng)應(yīng)急物流中以生存為第一要義的物資采購(gòu)策略難以同時(shí)滿足交付的個(gè)性化需求和時(shí)效性要求。文章中提出了一種基于興趣度匹配的應(yīng)急物資采購(gòu)策略，將本地庫(kù)存貨物的興趣度設(shè)定為二維向量，通過(guò)分析貨物新鮮度，采購(gòu)價(jià)格，運(yùn)輸代價(jià)及時(shí)間等影響因子得到預(yù)計(jì)時(shí)間興趣度與預(yù)計(jì)代價(jià)興趣度的計(jì)算方法，并利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行興趣度的融合，最終按照興趣偏轉(zhuǎn)量和對(duì)應(yīng)的匹配原則為采購(gòu)方選出最佳物資。實(shí)驗(yàn)結(jié)果表明了興趣度算法的有效性和采購(gòu)策略的可行性。

關(guān)鍵詞：物流工程；應(yīng)急供應(yīng)鏈；物資采購(gòu)；興趣匹配

中圖分類號(hào)：F253.4；U116.1 文獻(xiàn)標(biāo)志碼：A DOI：10.13714/j.cnki.1002-3100.2024.14.006

文章編號(hào)：1002-3100（2024）14-0028-05

Research on Emergency Material Procurement Strategy Based on Interest Matching

（1. School of Modern Posts and Institute of Modern Posts， Nanjing University of Posts and Telecommunications， Nanjing 210003， China; 2. Yuantong Express Co.， Ltd.， Shanghai 201705， China; 3. Research and Development Center of Post Industry Technology of the State Posts Bureau （Internet of Things Technology）， Nanjing University of Posts and Telecommunications， Nanjing 210003， China）

Abstract： In the case of abnormal logistics transportation environment and insufficient cross regional transportation capacity， the traditional emergency logistics material procurement strategy that prioritizes survival is difficult to meet both personalized delivery needs and timeliness requirements. The article proposes an emergency material procurement strategy based on interest matching， which sets the interest of local inventory goods as a two-dimensional vector. By analyzing factors such as freshness of goods， purchase price， transportation cost， and time， the calculation method of expected time interest and expected cost interest is obtained. BP neural network is used to fuse the interest. Finally， the best materials are selected for the purchaser based on the deviation of interest and corresponding matching principles. The experimental results demonstrate the effectiveness of the interest algorithm and the feasibility of the procurement strategy.

Key words： logistics engineering; emergency supply chain; material procurement; interest matching

1

0 引 言

研究發(fā)現(xiàn)，應(yīng)急物資采購(gòu)在應(yīng)急救災(zāi)中扮演著至關(guān)重要的角色，不僅可以保障救援工作順利進(jìn)行，還能穩(wěn)定受災(zāi)群眾的情緒[1]。因此采用科學(xué)、合理的應(yīng)急物資采購(gòu)策略，可以確保受災(zāi)區(qū)域在最短時(shí)間內(nèi)獲得所需的物資，提高救援效率。

例如在突發(fā)公共衛(wèi)生事件、暴雪暴雨等災(zāi)害的背景下，物流運(yùn)輸崗位容易發(fā)生減員，區(qū)域間物流運(yùn)輸帶寬迅速減小，從而導(dǎo)致物資運(yùn)輸配送不通暢，這種不通暢一般反映在跨區(qū)域的運(yùn)力難以實(shí)現(xiàn)。應(yīng)急物資在傳統(tǒng)的采購(gòu)策略下，發(fā)貨點(diǎn)和收貨點(diǎn)可能處在不同的區(qū)域內(nèi)，采購(gòu)到收貨的過(guò)程中有較多的風(fēng)險(xiǎn)因素需要考慮，例如跨區(qū)域運(yùn)力不足、物資保質(zhì)期緊張、物資品類單一、采購(gòu)價(jià)格浮動(dòng)等，難以同時(shí)滿足應(yīng)急物資交付的個(gè)性化需求與時(shí)效性要求。但在目前制度保障下，通過(guò)政府部門的積極調(diào)度以及其他區(qū)域的人道援助，同一區(qū)域內(nèi)的本地運(yùn)力和物資實(shí)際可能有剩，一定程度上可以滿足本地救災(zāi)的多樣化需求，所要考慮的是如何將區(qū)域內(nèi)的本地庫(kù)存應(yīng)急物資與最需要該物資的采購(gòu)方匹配起來(lái)并能夠快速交付。

當(dāng)前國(guó)內(nèi)應(yīng)急物資采購(gòu)調(diào)度研究大多基于政府和企業(yè)視角，且多針對(duì)應(yīng)急管理體系的完善[2-3]，基于末端采購(gòu)方視角的相關(guān)研究尚未成熟；國(guó)外則集中在設(shè)施路徑模型上，且多以自然災(zāi)害為研究背景[4-5]，對(duì)突發(fā)公共衛(wèi)生事件等情況下的應(yīng)急物流借鑒有限。為加強(qiáng)物流環(huán)境突發(fā)異常時(shí)應(yīng)急物資采購(gòu)策略的適應(yīng)性，亟待一種充分考慮物資價(jià)格、運(yùn)輸時(shí)間、保質(zhì)期和運(yùn)費(fèi)等因素受災(zāi)害消極影響時(shí)，采購(gòu)方對(duì)該物資購(gòu)買興趣的變化，且能在社會(huì)物流和應(yīng)急物流之間迅速切換的物資采購(gòu)策略。

本文基于現(xiàn)有的物流信息平臺(tái)，在目前技術(shù)可對(duì)入庫(kù)貨物實(shí)現(xiàn)歸類的基礎(chǔ)上，優(yōu)先考慮采購(gòu)區(qū)域內(nèi)的本地庫(kù)存物資，以減少跨區(qū)域運(yùn)力不足以及諸多運(yùn)輸風(fēng)險(xiǎn)帶來(lái)的消極影響，在本地轉(zhuǎn)運(yùn)中心匹配應(yīng)急物資的過(guò)程中加入興趣度算法，以此為采購(gòu)方提供更為合理的采購(gòu)意向參考，旨在及時(shí)交付物資的同時(shí)滿足受災(zāi)區(qū)域內(nèi)群眾的多樣化需求。

1 應(yīng)急物資采購(gòu)策略分析

為尋求應(yīng)急物資在時(shí)效性要求與個(gè)性化需求之間的平衡，本文在目標(biāo)物資的采購(gòu)選擇過(guò)程中加入物資興趣度這一屬性。興趣度來(lái)源于內(nèi)容興趣匹配的相關(guān)研究，部分電商平臺(tái)將興趣匹配這一技術(shù)投入應(yīng)用，以求為用戶呈現(xiàn)更精準(zhǔn)的電商產(chǎn)品推送[6]，同時(shí)下沉倉(cāng)庫(kù)網(wǎng)點(diǎn)，配合部署分布式本地倉(cāng)，用戶選擇電商產(chǎn)品后，貨物從出倉(cāng)轉(zhuǎn)運(yùn)到成功交付的調(diào)度運(yùn)輸效率大大提升。盡管興趣匹配的物流基礎(chǔ)設(shè)施條件已初步達(dá)成，但針對(duì)運(yùn)輸環(huán)境異常、應(yīng)急救災(zāi)的物資采購(gòu)這一特殊場(chǎng)景，現(xiàn)有的電商興趣匹配不能完全滿足采購(gòu)方的需求，因此在本文的物資采購(gòu)策略中引入新的興趣度屬性，即同時(shí)設(shè)定預(yù)計(jì)時(shí)間與預(yù)計(jì)代價(jià)兩個(gè)維度。

在應(yīng)急救災(zāi)的背景下，采購(gòu)物資的交付時(shí)間最為直觀地影響著需求方的滿意度，因此是應(yīng)急物資采購(gòu)策略中需要考慮的重要因素。文獻(xiàn)[7]在時(shí)間窗不確定的情況下，設(shè)計(jì)補(bǔ)貼合作策略和公益銷售策略以減輕應(yīng)急易腐庫(kù)存系統(tǒng)的過(guò)期浪費(fèi)，證明了時(shí)間和代價(jià)是決定采購(gòu)方對(duì)物資興趣的主要因素。文獻(xiàn)[8]基于受災(zāi)點(diǎn)需求量與運(yùn)輸時(shí)間不確定，建立應(yīng)急物資配送中心選址-分配多目標(biāo)優(yōu)化模型，分析表明增加時(shí)間滿意度權(quán)重，降低需求量滿意度權(quán)重，可以提高受災(zāi)點(diǎn)綜合滿意度。文獻(xiàn)[9]中將應(yīng)急時(shí)間和應(yīng)急物資滿足程度結(jié)合起來(lái)，構(gòu)造了受災(zāi)點(diǎn)的損失函數(shù)，建立了以受災(zāi)點(diǎn)損失最小為目標(biāo)的多階段應(yīng)急物資分配模型。

另一方面，對(duì)于應(yīng)急物資的預(yù)計(jì)代價(jià)，往往需要考慮從開(kāi)始運(yùn)輸?shù)匠晒桓吨g的總體消耗，應(yīng)該定義為由物資的采購(gòu)價(jià)格、運(yùn)輸成本、運(yùn)輸貨損等多個(gè)因素組合影響的綜合代價(jià)。文獻(xiàn)[10]利用大數(shù)據(jù)技術(shù)對(duì)用戶評(píng)價(jià)、產(chǎn)品質(zhì)量反饋、倉(cāng)儲(chǔ)配送等進(jìn)行分析，為團(tuán)購(gòu)物資供應(yīng)鏈提供全新的數(shù)據(jù)信息處理模式，并有效管理供應(yīng)鏈成本。文獻(xiàn)[11]采用模糊層次分析法對(duì)C2M模式下生鮮農(nóng)產(chǎn)品物流配送服務(wù)的質(zhì)量水平進(jìn)行評(píng)價(jià)，結(jié)論發(fā)現(xiàn)生鮮農(nóng)產(chǎn)品的貨物品質(zhì)和貨損率直接影響了電商平臺(tái)物流服務(wù)質(zhì)量。文獻(xiàn)[12]為求綜合成本最小的優(yōu)化目標(biāo)，建立了一個(gè)考慮時(shí)間懲罰成本與新鮮度損耗的模型，配送中心以此合理安排車輛，制定配送方案。

上述研究表明，預(yù)計(jì)時(shí)間以及多因素融合的預(yù)計(jì)代價(jià)可作為采購(gòu)方對(duì)應(yīng)急物資興趣的兩個(gè)決定性因素。引入二維向量（預(yù)計(jì)時(shí)間、預(yù)計(jì)代價(jià)）作為物資興趣度的優(yōu)勢(shì)在于，不同的采購(gòu)方選擇物資時(shí)采取的策略可能不同，一部分傾向于以更高的預(yù)計(jì)時(shí)間換取更低的預(yù)計(jì)代價(jià)，另一部分則愿意以更高的預(yù)計(jì)代價(jià)換取更低的預(yù)計(jì)時(shí)間，因此本文在后續(xù)物資匹配環(huán)節(jié)中設(shè)置了興趣偏轉(zhuǎn)量，的值可由采購(gòu)方在發(fā)起采購(gòu)申請(qǐng)前自主選擇。最終的匹配結(jié)果可以更好地適應(yīng)采購(gòu)方的選擇偏好。

2 基于興趣度匹配的應(yīng)急物資采購(gòu)策略

2.1 貨物興趣度計(jì)算

設(shè)定轉(zhuǎn)運(yùn)中心庫(kù)存貨物的興趣度為二維向量，其中是預(yù)計(jì)時(shí)間興趣度，是預(yù)計(jì)代價(jià)興趣度。預(yù)計(jì)時(shí)間興趣度與預(yù)計(jì)運(yùn)輸時(shí)間成負(fù)相關(guān)，即預(yù)計(jì)運(yùn)輸時(shí)間越長(zhǎng)，用戶對(duì)該貨物的興趣越低，因此設(shè)定預(yù)計(jì)時(shí)間興趣度如下。

（1）

其中為自然常數(shù)，為預(yù)計(jì)運(yùn)輸時(shí)間對(duì)應(yīng)的權(quán)重，顯然有，預(yù)計(jì)運(yùn)輸時(shí)間由負(fù)責(zé)物流運(yùn)輸?shù)膯挝恢苯犹峁?/p>

預(yù)計(jì)代價(jià)興趣度是由貨物新鮮度、貨物價(jià)格、運(yùn)輸代價(jià)三種影響因子共同構(gòu)成的函數(shù)。

（2）

2.1.1 計(jì)算貨物新鮮度影響因子

用戶在收貨階段對(duì)部分貨物的興趣會(huì)隨其剩余保質(zhì)期的減少而降低，但過(guò)期的貨物一定不感興趣，因此：

。 （3）

在預(yù)計(jì)運(yùn)輸時(shí)間和貨物基本信息已知的情況下，易證為1或0的結(jié)果，不再列式計(jì)算，且為0時(shí)，停止該貨物后續(xù)興趣度計(jì)算，將該貨物置為0。

不等于0或1時(shí)，設(shè)定興趣存量，初始貨物新鮮度影響因子，，。用戶對(duì)貨物的興趣，本質(zhì)上可視為用戶對(duì)該貨物的價(jià)值的興趣，因此通過(guò)計(jì)算剩余保質(zhì)期對(duì)貨物剩余價(jià)值的影響來(lái)衡量貨物處在某新鮮度時(shí)對(duì)用戶興趣存量的影響，因此隨著貨物當(dāng)前價(jià)值的減少而降低。設(shè)定貨物當(dāng)前價(jià)值為，參考艾賓浩斯記憶衰減定律，公式如下。

（4）

其中、為設(shè)定的常量，用以控制貨物當(dāng)前價(jià)值減少時(shí)用戶興趣存量的衰減速率，大量研究表明，時(shí)較為符合用戶興趣存量的衰減變化規(guī)律。貨物當(dāng)前價(jià)值會(huì)隨著剩余保質(zhì)期的減少而降低，因此參考牛頓溫度冷卻定律，貨物當(dāng)前價(jià)值是貨物剩余保質(zhì)期為時(shí)初始價(jià)值和衰減速率的乘積，公式如下。

（5）

其中，為自然常數(shù)。衰減速率由衰減系數(shù)決定，，例如牛奶生鮮等貨物價(jià)值對(duì)其剩余保質(zhì)期變化較為敏感時(shí)，較大，貨物價(jià)值衰減速度較快；例如大米餅干等貨物價(jià)值對(duì)其剩余保質(zhì)期變化不太敏感時(shí)，較小，貨物價(jià)值衰減速度較慢。設(shè)定貨物保質(zhì)期為，生產(chǎn)日期為，當(dāng)前日期為，預(yù)計(jì)運(yùn)輸時(shí)間為，則貨物的剩余保質(zhì)期為。

2.1.2 計(jì)算貨物價(jià)格影響因子

應(yīng)急物資的價(jià)格可能在特殊時(shí)期發(fā)生一定的波動(dòng)?？紤]用該貨物的市場(chǎng)需求量隨價(jià)格變化的關(guān)系來(lái)衡量當(dāng)價(jià)格發(fā)生變化時(shí)消費(fèi)者對(duì)購(gòu)買該貨物的興趣變化。參考消費(fèi)者對(duì)商品的需求函數(shù)公式，的計(jì)算公式如下。

（6）

其中初始貨物價(jià)格影響因子設(shè)定為1，為貨物當(dāng)前價(jià)格變動(dòng)百分比，為貨物的正常價(jià)格，為當(dāng)前貨物價(jià)格相較于貨物正常價(jià)格的變動(dòng)量。為貨物價(jià)格彈性系數(shù)，越大，代表消費(fèi)者對(duì)該貨物價(jià)格變化越敏感，需求變化也就越大，則該貨物價(jià)格發(fā)生變化時(shí)消費(fèi)者對(duì)其的購(gòu)買興趣度變化越大，的計(jì)算公式如下。

（7）

其中是第個(gè)月內(nèi)貨物需求量變動(dòng)的百分比，為貨物的正常需求量，為第個(gè)月內(nèi)貨物需求量相較于正常需求量的變動(dòng)量，是第個(gè)月內(nèi)貨物價(jià)格變動(dòng)的百分比，為貨物的正常價(jià)格，為第個(gè)月內(nèi)貨物價(jià)格相較于正常價(jià)格的變動(dòng)量，，，為統(tǒng)計(jì)數(shù)據(jù)月份的數(shù)量（即根據(jù)市場(chǎng)調(diào)研選用個(gè)月內(nèi)該貨物對(duì)應(yīng)的貨物需求量變動(dòng)百分比以及貨物價(jià)格變動(dòng)百分比的歷史數(shù)據(jù)求出）。

2.1.3 計(jì)算運(yùn)輸代價(jià)影響因子

用戶對(duì)貨物的興趣會(huì)隨著運(yùn)輸代價(jià)的提高而降低。運(yùn)輸代價(jià)與總運(yùn)費(fèi)和區(qū)域運(yùn)輸帶寬有關(guān)，則總運(yùn)費(fèi)越低，用戶興趣越高，區(qū)域運(yùn)輸帶寬越高，用戶興趣越高，因此：

。 （8）

其中為貨物總運(yùn)費(fèi)，，為貨物運(yùn)價(jià)，為計(jì)費(fèi)規(guī)格，為計(jì)費(fèi)里程。為區(qū)域運(yùn)輸帶寬，設(shè)定，其中為異常指數(shù)，表示區(qū)域處于異常事件時(shí)對(duì)運(yùn)輸帶寬造成的影響。設(shè)定為該區(qū)域正常公路貨運(yùn)量（以所在區(qū)域?yàn)闃?biāo)準(zhǔn)，由行業(yè)公開(kāi)數(shù)據(jù)可得），為異常事件下公路貨運(yùn)量。當(dāng)時(shí)，，當(dāng)時(shí)，。其中為異常指數(shù)權(quán)重，，當(dāng)較高異常地區(qū)向較低異常地區(qū)運(yùn)輸時(shí)阻力較小，因此較小，當(dāng)較低異常地區(qū)向較高異常地區(qū)運(yùn)輸時(shí)阻力較大，因此較大。為一般指數(shù)，表示區(qū)域在正常情況下相較于全國(guó)各省平均運(yùn)輸狀況的水平，設(shè)定，其中為本地運(yùn)量指數(shù)（以所在區(qū)域?yàn)闃?biāo)準(zhǔn)，由行業(yè)公開(kāi)數(shù)據(jù)可得），為全國(guó)各省平均運(yùn)量指數(shù)。

2.1.4 三種影響因子融合

當(dāng)不等于0時(shí)，將，，三種影響因子的數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的三個(gè)輸入口，輸出口為，利用神經(jīng)網(wǎng)絡(luò)融合三個(gè)影響因子的數(shù)據(jù)得到預(yù)計(jì)代價(jià)興趣度，并對(duì)所有個(gè)結(jié)果采用歸一化處理（），歸一化公式如式（9）所示，顯然有。

（9）

2.2 貨物匹配

基于現(xiàn)有的物流信息平臺(tái)，在貨物入庫(kù)區(qū)域內(nèi)的本地轉(zhuǎn)運(yùn)中心時(shí)，依靠電商大數(shù)據(jù)與人工智能對(duì)貨物自動(dòng)歸類，將該入庫(kù)貨物標(biāo)記為某一類別，并在庫(kù)存數(shù)據(jù)中更新該貨物基本信息。當(dāng)采購(gòu)方發(fā)出采購(gòu)應(yīng)急物資的申請(qǐng)時(shí)，平臺(tái)首先確認(rèn)采購(gòu)方的基本信息并識(shí)別其需要采購(gòu)的物資類別，然后遍歷本地轉(zhuǎn)運(yùn)中心庫(kù)存信息，調(diào)用上述的興趣度算法計(jì)算同一類別下的庫(kù)存貨物的興趣度，貨物的興趣度以坐標(biāo)點(diǎn)的形式置于可視化的二維坐標(biāo)系內(nèi)（X軸為預(yù)計(jì)代價(jià)興趣度，Y軸為預(yù)計(jì)時(shí)間興趣度）。完成計(jì)算后，平臺(tái)獲取采購(gòu)方發(fā)出申請(qǐng)時(shí)選擇的興趣偏轉(zhuǎn)量，分別按照預(yù)計(jì)時(shí)間興趣度優(yōu)先或預(yù)計(jì)代價(jià)興趣度優(yōu)先這兩種原則，在二維坐標(biāo)系內(nèi)對(duì)備選貨物進(jìn)行匹配，從而找出與采購(gòu)方需求最為接近的物資。

興趣偏轉(zhuǎn)量N對(duì)應(yīng)貨物匹配原則的設(shè)定為：興趣偏轉(zhuǎn)量，當(dāng)時(shí)，采取預(yù)計(jì)時(shí)間興趣度優(yōu)先原則，即在預(yù)計(jì)時(shí)間興趣度由高到低前|N|×100%的貨物中選擇預(yù)計(jì)代價(jià)興趣度最高的貨物視為匹配成功；當(dāng)時(shí)，采取預(yù)計(jì)代價(jià)興趣度優(yōu)先原則，即在預(yù)計(jì)代價(jià)興趣度由高到低前||×100%的貨物中選擇預(yù)計(jì)時(shí)間興趣度最高的貨物視為匹配成功。

3 算法驗(yàn)證

3.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)由輸入層、輸出層和若干隱含層構(gòu)成。通常情況下，三層網(wǎng)絡(luò)結(jié)構(gòu)即可滿足應(yīng)用要求，本文選擇三層為網(wǎng)絡(luò)層的層數(shù)。首先將貨物新鮮度、貨物價(jià)格和運(yùn)輸代價(jià)三種影響因子作為神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，輸出數(shù)據(jù)為融合后的最終貨物預(yù)計(jì)代價(jià)興趣度。根據(jù)神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)和輸出數(shù)據(jù)，確定神經(jīng)網(wǎng)絡(luò)的輸入層包含3個(gè)節(jié)點(diǎn)，輸出層包含１個(gè)節(jié)點(diǎn)。對(duì)于神經(jīng)網(wǎng)絡(luò)來(lái)說(shuō)，隱節(jié)點(diǎn)個(gè)數(shù)太少，無(wú)法擬合到復(fù)雜的關(guān)系，隱節(jié)點(diǎn)過(guò)多，又會(huì)導(dǎo)致過(guò)擬合。因此隱節(jié)點(diǎn)個(gè)數(shù)需要參考經(jīng)驗(yàn)公式。

（10）

其中為隱節(jié)點(diǎn)個(gè)數(shù)，n是輸入個(gè)數(shù)，m是輸出個(gè)數(shù)，為常數(shù)且。本文中設(shè)定為4，即隱節(jié)點(diǎn)個(gè)數(shù)為6個(gè)。利用Python軟件，構(gòu)造并實(shí)現(xiàn)上述三層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)，合理選擇訓(xùn)練樣本數(shù)據(jù)，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

3.2 樣本選取與實(shí)驗(yàn)分析

為了實(shí)現(xiàn)利用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)計(jì)代價(jià)興趣度和預(yù)計(jì)時(shí)間興趣度的融合計(jì)算，并驗(yàn)證興趣度算法和應(yīng)急物資采購(gòu)策略的有效性，需要大量的樣本數(shù)據(jù)。在具體驗(yàn)證用例中，對(duì)A企業(yè)的數(shù)據(jù)進(jìn)行清洗和整理，從而得到預(yù)計(jì)運(yùn)輸時(shí)間、轉(zhuǎn)運(yùn)中心位置坐標(biāo)、采購(gòu)方位置坐標(biāo)、轉(zhuǎn)運(yùn)中心與采購(gòu)方之間的運(yùn)輸路徑、貨物總運(yùn)費(fèi)、貨物售后評(píng)價(jià)等實(shí)驗(yàn)所需數(shù)據(jù)。區(qū)域公路貨運(yùn)量由交通運(yùn)輸部公開(kāi)信息查詢可得，區(qū)域風(fēng)險(xiǎn)程度按照安全監(jiān)督組織部門的標(biāo)準(zhǔn)劃分，區(qū)域運(yùn)量指數(shù)由中國(guó)物流與采購(gòu)聯(lián)合會(huì)公開(kāi)信息提供。通過(guò)采集、清洗得到受災(zāi)時(shí)區(qū)域內(nèi)采購(gòu)方在3個(gè)月內(nèi)發(fā)生的采購(gòu)行為共80余條記錄，對(duì)應(yīng)的售后商品評(píng)價(jià)共3 000余條數(shù)據(jù)。以其中80%的數(shù)據(jù)作為訓(xùn)練集，20%的數(shù)據(jù)作為測(cè)試集。選擇不同類別下具有代表性的采購(gòu)商品，分別計(jì)算貨物新鮮度、貨物價(jià)格與運(yùn)輸代價(jià)三種影響因子，將獲得的結(jié)果數(shù)據(jù)作為訓(xùn)練樣本數(shù)據(jù)，對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。同時(shí)，利用單層神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到預(yù)計(jì)時(shí)間對(duì)應(yīng)的權(quán)重的值，并通過(guò)公式（1）計(jì)算出貨物的預(yù)計(jì)時(shí)間興趣度。最終利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)測(cè)試集數(shù)據(jù)進(jìn)行融合，測(cè)試集數(shù)據(jù)需要額外基于貨物的用戶評(píng)價(jià)得到其代價(jià)興趣度和時(shí)間興趣度，并與神經(jīng)網(wǎng)絡(luò)融合后的計(jì)算結(jié)果進(jìn)行比較。表１描述了部分典型數(shù)據(jù)的比較結(jié)果，誤差絕對(duì)值在可接受范圍內(nèi)。其中對(duì)時(shí)間較敏感的生鮮商品，例如水果、蔬菜等，采購(gòu)方可能因需求標(biāo)準(zhǔn)的高低變化，產(chǎn)生與計(jì)算結(jié)果偏移的興趣趨向，因此誤差絕對(duì)值相較而言更大。

圖1表述了計(jì)算得出貨物興趣度后，在二維坐標(biāo)系中映射匹配結(jié)果的實(shí)驗(yàn)示例。采購(gòu)方提交申請(qǐng)時(shí)預(yù)先選擇了興趣偏轉(zhuǎn)量N為0.2，因此匹配時(shí)應(yīng)當(dāng)遵循預(yù)計(jì)代價(jià)興趣度優(yōu)先的原則，在預(yù)計(jì)代價(jià)興趣度由高到低前20%的貨物中（1號(hào)和9號(hào)）選擇預(yù)計(jì)時(shí)間興趣度最高的貨物，最終確定9號(hào)貨物為匹配成功的采購(gòu)目標(biāo)。

針對(duì)不同類別貨物的若干次實(shí)驗(yàn)，最終得到貨物預(yù)測(cè)匹配與采購(gòu)方實(shí)際選擇的對(duì)比結(jié)果?；趯?shí)驗(yàn)總次數(shù)以及算法預(yù)測(cè)匹配結(jié)果與采購(gòu)方實(shí)際選擇結(jié)果達(dá)成一致的次數(shù)，計(jì)算出采購(gòu)策略的準(zhǔn)確率。表2表述了部分典型數(shù)據(jù)且證明了采購(gòu)策略的準(zhǔn)確率在可接受范圍內(nèi)。與表1興趣度比較示例中的數(shù)據(jù)表現(xiàn)一樣，對(duì)時(shí)間較敏感的生鮮果蔬等商品而言，采購(gòu)方對(duì)商品保鮮狀況的接受程度有較大差異，實(shí)際的選擇意愿與商品興趣度數(shù)值之間的關(guān)聯(lián)性有一定的波動(dòng)幅度，樣本數(shù)據(jù)在神經(jīng)網(wǎng)絡(luò)融合訓(xùn)練的過(guò)程中更容易產(chǎn)生與真實(shí)值的偏差，因此采購(gòu)策略的準(zhǔn)確率明顯低于糧油調(diào)味、醫(yī)療保健等商品。進(jìn)一步分析此類商品的興趣特征分布規(guī)律，并縮小融合后預(yù)測(cè)興趣度向量與真實(shí)值之間的差距，將是后續(xù)的研究方向。

4 結(jié)束語(yǔ)

區(qū)域突發(fā)公共衛(wèi)生事件、暴雪暴雨等災(zāi)害時(shí)，物流跨區(qū)域運(yùn)力可能不足，且運(yùn)輸配送時(shí)面臨的風(fēng)險(xiǎn)因素大大增加，應(yīng)急物資的采購(gòu)需要盡可能以本地物資優(yōu)先滿足，在可及時(shí)交付的同時(shí)還要最大程度考慮采購(gòu)方的個(gè)性化需求。本文構(gòu)建了一種應(yīng)急物資的興趣度計(jì)算與匹配方法，優(yōu)先以本地轉(zhuǎn)運(yùn)中心庫(kù)存貨物為采購(gòu)目標(biāo)，將預(yù)計(jì)運(yùn)輸時(shí)間、剩余保質(zhì)期、采購(gòu)價(jià)格、運(yùn)費(fèi)等影響采購(gòu)方對(duì)應(yīng)急物資購(gòu)買興趣的因素，歸納為貨物的預(yù)計(jì)時(shí)間興趣度和預(yù)計(jì)代價(jià)興趣度，并分析得出相應(yīng)的計(jì)算公式，利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行融合得到貨物興趣度二維向量，并按照采購(gòu)方預(yù)選的興趣偏轉(zhuǎn)量和對(duì)應(yīng)的兩種匹配原則選出最終的采購(gòu)目標(biāo)。通過(guò)實(shí)驗(yàn)對(duì)樣本數(shù)據(jù)進(jìn)行測(cè)試，最終驗(yàn)證了基于興趣度匹配的應(yīng)急物資采購(gòu)策略的有效性，對(duì)社會(huì)物流向應(yīng)急物流的軟切換有一定的借鑒作用。

參考文獻(xiàn)：

[1] 郝旭召，喇娟娟．應(yīng)急物資響應(yīng)機(jī)制優(yōu)化提升研究[J]．物流科技，2023，46（13）：36-41．

[2] 雷杰．面向突發(fā)疫情的應(yīng)急物流體系研究[J]．中國(guó)儲(chǔ)運(yùn)，2022（11）：170-171．

[3] 閆森，齊金平．考慮需求不確定的多級(jí)應(yīng)急物流設(shè)施選址研究[J]．運(yùn)籌與管理，2022，31（9）：7-13．

[4] HAGHI M， GHOMI S M T F， JOLAI F．Developing a robust multi-objective model for pre/post disaster times under uncertainty

in demand and resource[J]．Journal of Cleaner Production，2017，154：188-202．

[5] SAFAEI A S， FARSAD S， PAYDAR M M．Emergency logistics planning under supply risk and demand uncertainty[J].

Operational Research，2020，20：1437-1460．

[6] 成保梅，韓景靈．融合情境因素的電子商務(wù)用戶興趣挖掘仿真[J]．計(jì)算機(jī)仿真，2020，37（4）：326-329．

[7] MENG Qingchun，GUO Ying，ZHANG Xiaran．Mitigation strategies for expiration in perishable emergency inventory system[J/OL].

Computers amp; Industrial Engineering，2021，157：107336.[2024-01-10].https：//doi.org/10.1016/j.cie.2021.107336．

[8] 郭冰，靖可，龔逢能．災(zāi)后初期考慮需求及時(shí)間不確定的應(yīng)急物資配送中心選址-分配優(yōu)化[J]．大連海事大學(xué)學(xué)報(bào)，

2023，49（2）：121-130．

[9] 葛洪磊．考慮應(yīng)急時(shí)間和未滿足需求量的應(yīng)急物資多階段分配模型[J]．現(xiàn)代商貿(mào)工業(yè)，2018，39（23）：48-49．

[10] HUANG Yifei，ZHUANG Xinjia．Research on big data technology to reduce the cost of community group buying supply

chain[C]//2021 2nd International Conference on Big Data Economy and Information Management （BDEIM）．Sanya，China，

December 3-5，2021：405-409．

[11] YE Fenfang，ZHAO Jing，JANG Guanwei．Research on logistics distribution service quality of fresh agri-products under

C2M community group buying model[C]//Proceedings of the 2023 7th International Conference on E-Commerce，E-Business and

E-Government.2023，New York：IEEE，2022：26-31．

[12] 陳濤，康世寧．考慮時(shí)間窗與新鮮度損耗的社區(qū)團(tuán)購(gòu)生鮮產(chǎn)品配送路徑優(yōu)化研究[J]．物流科技，2022，45（11）：22-26．

收稿日期：2024-02-21

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目——“基于條件生成對(duì)抗網(wǎng)絡(luò)和變分自編碼機(jī)的加密流量識(shí)別深度學(xué)習(xí)方法研究”（GZ2

19086）

作者簡(jiǎn)介：黃曉?。?998—），男，江蘇常州人，南京郵電大學(xué)現(xiàn)代郵政學(xué)院amp;研究院碩士研究生，研究方向：物流工程與管理；相 峰（1967—），男，山東煙臺(tái)人，圓通速遞股份有限公司，碩士，研究方向：智慧物流、應(yīng)急管理、區(qū)塊鏈；徐勁松（1975—），本文通信作者，男，江蘇南京人，南京郵電大學(xué)國(guó)家郵政局郵政行業(yè)技術(shù)研發(fā)中心（物聯(lián)網(wǎng)技術(shù)），副教授，研究方向：郵政通信網(wǎng)絡(luò)、信息安全，區(qū)塊鏈。

引文格式：黃曉俊，相峰，徐勁松．基于興趣度匹配的應(yīng)急物資采購(gòu)策略研究[J]．物流科技，2024，47（14）：28-32.