1、引子

履约时长是电商的生命线，直接关系到用户的消费体验。新华网[5]2022年双十一的报告显示，37.4%的受访者希望次日达，29.91%希望当日达。相较于其他物品，受访者对手机、电脑、数码产品的物流时效要求更高，更希望当日或1-2天内能收到货。

得物履约场景中，主要的阶段包括仓库内生产和第三方承运商配送。在用户支付时，得物会根据仓库的生产情况和运配资源，给用户一个承诺时效。

1.1 为什么要预测承运商的线路时效

在履约过程中，得物需要监控订单的流转，及时的发现可能超时的订单（与和用户承诺时效相比），这里包含仓库生产的监控和三方配送的监控。在实际过程中我们发现：配送节点发生变更时，承运商给的预测偏保守的。下面例子中，到了营业部承运商才给到比较精准的预计送达时间，故在分拣中心使用承运商的预计送达时间容易出现误报。


网点

离开时间

承运商预计送达

xxx网点

2022-12-02 07:05:47

2022-12-10 22:00:00

A集货分拣中心

2022-12-02 14:09:19

2022-12-10 22:00:00

B集货分拣中心

2022-12-04 07:42:03

2022-12-10 22:00:00

C散货分拣中心

2022-12-05 04:58:28

2022-12-09 22:00:00

D营业部

2022-12-05 08:47:58

2022-12-05 15:00:00

下图是承运商接口返回的预计送达时效的宽松指数，可以看到在接近目的地时，承诺时效才比较准确。

2、承运商网络是如何运作的

在构建承运商网络之前，需要先了解承运商网络是如何工作的。下面是从A网点到E网点的配送示意图，分为以下内容：

（1）节点，包含的揽收和派送网点以及分拣中心。

（2）线路，包括干线和支线。例如从网点到分拣中心属于支线，从分拣中心到分拣中心属于干线。

（3）班次：承运商为了平衡成本和时效，会设置生产班次。到分拣中心之后，需要根据目的地进行分拣，当到达一定量的货物之后，会从分拣中心出发，前往下一个节点。承运商在设置班次的时候，会考虑单量，兼顾运输的成本以及时效。

上图中：以紫色为例，在A网点，早上8点截单，即8点之前交接给承运商的货物，会在8点20左右完成封车，然后从网点出发，前往B分拣中心，到达B分拣中心的时间是11点40，这个时候赶上了B分拣中心截单时间为12点的班次，B分拣中心会在12：30完成分拣并前往下一个分拣中心，以此类推完成整个配送过程。

在构建承运商的网络时，需要进行建模。除了节点、线路和班次之外，核心还包括以下两个模型：

（5）成品线，即从A网点到E网点经过所有节点。上图中：A网点-B分拣中心-C分拣中心-D分拣中心-E网点构成了一条成品线。

（6）成品线波次：因为节点存在波次，所以成品线也存在波次，实际上成品线波次和第一个节点的波次数一样。

3、如何构建承运商网络

在了解承运商网络如何工作后，需要着手构建承运商的网络。承运商会将轨迹信息推送到得物，内容类似以下的文本。

[
    {
"code":"180",
"desc":"快件到达【xxx营业部】",
"location":{
"city":"xxx市",
"district":"xxx县",
"point":{
"latitude":xxx,
"longitude":xxx
            },
"province":"xxx"
        },
"node":"已揽收",
"opeTitle":"站点装箱",
"time":"2022-09-04 17:29:27"
    },
    {
"code":"xxx",
"desc":"收取快件",
"location":{
"city":"xxx",
"district":"xxx",
"point":{
"latitude":28.65,
"longitude":120.07
            },
"province":"xx"
        },
"node":"已揽收",
"opeTitle":"配送员完成揽收",
"time":"2022-09-04 17:29:27"
    }
]

3.1 结构化清洗

轨迹的文本，需要经过结构化的清洗之后，才能获取轨迹的含义。对于每一个运单，它的轨迹会经过很多个节点，而每个节点的数据类型如下：

1. waybill_no 表示运单号，同一个运单号会有多条节点记录
2. station_index 表示当前这个节点的下标
3. station_enum 表示这个节点的类型，是分拣中心还是揽派网点
4. station_name 表示节点的名称，例如上面例子里的xxx营业部
5. station_status 表示这个节点的状态，例如是进入还是离开
6. operate_time 表示当前节点的操作时间

3.2 轨迹里面是否真的有班次信息

承运商网络工作原理提到了承运商会按班次进行生产，从轨迹的结果里面是否能找到班次生产的证据呢。通过分析，我们猜想：相同流向（例如从A分拣中心开往B分拣中心）离开某个分拣中心（例如离开A分拣中心）的时间应该是相对集中的。

实时上通过一些简单的聚类方法，证实了我们的猜想。下面图中，横轴表示的是出分拣中心的小时，每一个点表示历史上的某一个运单，纵轴没有业务含义，只是为了方便显示。

绘制上述图时使用的是kmeans聚类算法，kmeans聚类算法需要指定聚类的个数。故需要使用Knee/Elbow这类的算法进行聚类数检测，同时它对异常值敏感，故在实现时最终使用的DBSCAN。

3.3 聚类参数该如何选取

DBSCAN虽然不需要指定聚类的个数，但是需要指定点之间的距离以及点的密度，通过反复调整，最终确定这两个核心的参数如下：

clustering = DBSCAN(eps=0.25, min_samples=max(5, int(x.size * 0.02)), metric=metric).fit(x_after_reshape)

其中eps为0.25，即15分钟。点密度为5和总数的2%的最大值。

3.4 如何解决跨天的问题

从上面聚类图看，同一个波次的点可能出现跨天的情况，即有些点出分拨中心的时间可能是23:50，有些分拨中心的点可能是00:10。这两个点的欧式距离比较大，故需要重写距离的metrics函数。

def metric(x, y):
ret = abs(x[0] - y[0])
if ret > 12:
ret = abs(24 - ret)
return ret

3.5 线路是如何串联的

分析节点的生产班次和线路的班次是不够的，还需要将它们进行串联，得到成品线班次，这样才能在售前或者售中进行应用。这里在处理的时候进行了一些简化，一方面是分拣中心的分拣波次是没有办法识别到的，另外一方面其实可以不用关注分拣中心的分拣波次。

实际上，串联成品线班次的过程是这样的：

核心的代码如下：

for (int i = 1; i < tmp.getResourceList().size();   i) {
    List<NetworkResourceWaveDTO>
next = tmp.getResourceList().get(i)
            .getWaveList();
next.sort(Comparator.comparing(NetworkResourceWaveDTO::getOffTime));
    boolean match = false;
for (NetworkResourceWaveDTO nextWave : next) {
if (nextWave.getOffTime() > p.getEndTime()) {
            match = true;
            duration  = nextWave.getDurationDay();
            p = nextWave;
break;
        }
    }
if (!match) {
        duration  = next.get(0).getDurationDay()   1;
        p = next.get(0);
    }
    productLineWave.add(p);
}

3.6 四级地址与揽派网点的关系是如何建立的

从应用的角度，输入条件是买家的四级地址，但承运商网络的终点是派送站点，故需要建立承运商派送站点和四级地址的映射关系。映射关系的建立比较简单，取过去一段时间负责派送该四级地址的站点中，派送该地址单量最多的那个。

4、工程落地的挑战

Part 3更像是一个理论家的滔滔不绝，那如何在工程上进行落地呢？这里面包含了ODPS SQL的开发、UDF的开发以及DDD，总之需要十八般武艺。

4.1 如何在ODPS进行简单的机器学习

在班次分析的过程中，使用到DBSCAN的聚类算法。如果在odps上使用这些算法呢？实际上python里面已经实现了DBSCAN算法，而odps支持使用python编写UDF。只是目前odps的运行环境并没有安装DBSCAN相关的包，故需要手动进行安装，安装的教程可以参考阿里云的官方文档

4.2 在线服务化的问题

上述清洗过程需要每天或者至少一周运行一次，选取过去一个时间窗口的数据进行训练，得到承运商的网络，这样才能及时的感知承运商网络的变化。这意味着会定时的更新成品线、成品线波次以及节点波次的信息，在在线服务化的过程中，我们是直接将数据这些数据存放在redis里面。为了不占用太多的内存，通过使用hash数据结构对内存进行了一些优化，当然hash的一个缺点是无法为field设置超时时间，这意味着某个key的某个field数据实际已经是过期数据了，但是它不会被删除，进而造成泄漏，但这种泄漏可以通过其他技术手段解决。

5、进展与规划

目前我们已经构建了第三方承运商网络，首网点预测的准确率在65%左右，末分拣预测的准确率在85%左右。未来持续优化点包括：班次聚合（对于一些数据比较稀疏线路，需要做班次的聚合）、时间衰减（清洗数据需要选取过去一段时间的数据，对于太久远的数据，应该进行衰减，使得它在结果中的贡献小一些）等，相信准确率能有进一步提升。

6、参考文献

[1]. Knee/Elbow Point Detection

[2]. arvkevi/kneed

[3].https://datascience.stackexchange.com/questions/46106/kmeans-vs-dbscan

[4]. https://redis.io/docs/management/optimization/memory-optimization/

[5]. 用户调研:今年11.11消费者最关注“确定性” 京东是八成用户首选-新华每日电讯