物流仿真算法应用及包裹数据中台介绍

1、物流全链路仿真算法应用及包裹数据中台技术创新，变革未来内容物流优化中的一些难点问题包裹的时空预测及算法建模物流全链路仿真包裹数智中台总结和展望物流优化中的一些难点问题仰望星空的困惑建立物流大数据基础设施B-20A0HU7955物流优化中的一些难点问题订单/包裹线路/网络/计划设备/车/人表达/售卖订单履行资源调度网络变更/规划表 达 粒 度写 入 订 单 池履行粒度待决 策订 单履 行 计 划可 优 化 集 合组合 优化 方案包裹计划可调用度资方源案订单计划网 络 现 状规 划 网 络资源约束线路信息同步网络资源变更物流优化中的一些难点问题包裹引擎组网引擎资源引擎服务与市场履行域调度域规划域表

2、 达 粒 度写 入 订 单 池履行粒度待决 策订 单履 行 计 划可 优 化 集 合组合 优化 方案包裹计划可调用度资方源案订单计划网 络 现 状规 划 网 络资源约束线路信息同步网络资源变更物流优化中的一些难点问题物流要素&网络（高效组织物流要素及其工作计划）现象及趋势：一张网，物流要素互联互通，物流要素变化越来越频繁。技术挑战：物流要素单点修改，业务影响面随着网络规模的变大，非线性膨胀。大数据、计算 密集、响应变化要迅速。网络状态的分析及推演（看清网络，为优化提供支撑）需求：海量物流计划、日志、单据进行实时分析和统计。提供未来指标的推演能力。指标的开 发不依赖于工程开发。技术挑战：物流规律

3、的预测和推演能力，高性能OLAP物流仿真体系（物流的A/B test，提升迭代效率）技术挑战：流量不具有独立性，无法使用传统的灰度方式进行迭代。思路及方案：将全链路系统构建在时间轴之上，利用未来时间或虚拟时间轴，进行试验。物流优化中的一些难点问题包裹的时空预测及算法建模包裹的时空预测及算法建模早期的时间标量回归模型，回归预测包裹最终抵达的小时数。根据当前包裹特征（位置，状态，时间），目的地特征（收货地址文本），预测签收消息的时间。只能预测签收，准确率非常低。难以优化。包裹时效预测1.01.不预测具体的需要多少小时到，预测事件发生的时间分布，将物流的不确定性也定量的刻画出来包裹的时空预测及算法建

4、模早期的时间标量回归模型，回归预测包裹最终抵达的小时数。根据当前包裹特征（位置，状态，时间），目的地特征（收货地址文本），预测签收消息的时间。只能预测签收，准确率非常低。难以优化。包裹时效预测1.0不预测具体的需要多少小时到，预测事件发生的时间分布，将物流的不确定性也定量的刻画出来整个物流链路上存在独立的多段，可以分开预测，从混沌中找到独立的部分各个击破。使用蒙特卡 洛模拟将独立的事件串联，得出完整的时效分布。0.8 +0.2=包裹的时空预测及算法建模早期的时间标量回归模型，回归预测包裹最终抵达的小时数。根据当前包裹特征（位置，状态，时间），目的地特征（收货地址文本），预测签收消息的时间。只能

5、预测签收，准确率非常低。难以优化。包裹时效预测1.0不预测具体的需要多少小时到，预测事件发生的时间分布，将物流的不确定性也定量的刻画出来整个物流链路上存在独立的多段，可以分开预测，从混沌中找到独立的部分各个击破。使用蒙特卡 洛模拟将独立的事件串联，得出完整的时效分布。不使用回归预测时刻，而是用多分类预测时间段。具体时刻并没有太大的意义，而早上到还是下午 到更具有意义。数据质量差的分段更粗，数据质量好的分段更细，灵活调节。包裹的时空预测及算法建模早期的时间标量回归模型，回归预测包裹最终抵达的小时数。根据当前包裹特征（位置，状态，时间），目的地特征（收货地址文本），预测签收消息的时间。只能预测签收

6、，准确率非常低。难以优化。包裹时效预测1.0不预测具体的需要多少小时到，预测事件发生的时间分布，将物流的不确定性也定量的刻画出来整个物流链路上存在独立的多段，可以分开预测，从混沌中找到独立的部分各个击破。使用蒙特卡 洛模拟将独立的事件串联，得出完整的时效分布。不使用回归预测时刻，而是用多分类预测时间段。具体时刻并没有太大的意义，而早上到还是下午 到更具有意义。数据质量差的分段更粗，数据质量好的分段更细，灵活调节。以时效为抓手，基于物流大数据，理解物流运作规律。时效预测1.0采用了DNN多分类模型进行时效预测，以包裹当前所在网点、收货地址、快递公司、商品类别 等信息作为特征输入，预计包裹派送时间

7、，以分布的形式给出包裹的时空预测及算法建模时效预测1.0业务痛点预测出来的时间，无法给用户、产品、客服说明白；不清楚各物流要素负载情况。进一步研究物流运作规律：波次性：节点运作有工作时间和休息时间，体现出波次特性包裹的时空预测及算法建模分段独立性包裹的时空预测及算法建模白盒化概率图模型超参数：Dirichlet 先验模型参数：MLE 最大似然估计包裹的时空预测及算法建模物流全链路仿真从包裹时空预测到全链路仿真虽然对单个包裹的运行规律进行建模，但是对物流网络全局仍然缺乏了解朴素的想法：以微观包裹状态来计算宏观网络状态。预测结果采样（mc=1）：线性化packageId - Node_1,Acti

8、on_1,Time_1, Node_2,Action_2,Time_2, ., Node_n,Action_n,Time_n方案及执行预测基于决策引擎与包裹引擎的全 链路仿真网络方案根据物流需求召回可选的路由仿真决策引擎发货地选择履行时效计划&预测路CP由选决择 策根末据端可决行的策路由决策全链路履行 返回路由包裹引擎履行计划&仿真物流详情写入包裹引擎实操日志网络方案&决策方案实时优化Nearline & Offline实时大规模数据计算、同步、算法求解query订单订单中心订单生成中心销量计划& 预测分层分桶(多版本） 路由选择包裹索引根据条件查找包裹（订单） 的集合及其履行统计数据履行（仿

9、真） 效果报告查询 报告物流全链路仿真物流全链路仿真物流全链路仿真物流全链路仿真包裹数智中台目标：包裹、单据、日志一套数据模型，统一的处理流程，统一的 分析查询服务。特性：索引百亿包裹，千亿消息数据密集，计算密集，业务无关高吞吐量实时更新，实时交互式分析和预测仿真无缝衔接OMS订单管理及调度资源&计划运营工作台动态组网引擎服务&能力网络-接需求-供方案天猫猫超即时配送外单物流 订单 需求服务&报价计划网 络导入仿真分析引擎仿真资金结算 系统仿真组网&决 策引擎仿真订单生成网络规划虚拟网络& 策略版本虚拟 订单虚拟单据&物流详情报价结算仿真域前台 业务优化引擎履行决策-供需匹配-组合优化履行方案

10、 集合履行 决策运力资 源池出价&调度统一包裹数智中台单据&包裹&物流日志分析WMSTMS智分宝实操域履行计 划下发 实操履行 计划 同步实操执行实操回传凤凰系统面向网络&实操 效率紧急网 络变更实时宏观 分析&异常决策参 数支持实操运营大控制塔面向消费者商家 体验实时微 观分析 &异常客服客诉 平台行业、商家 物流助手物流要素 工作计划宏观物流 计划计划域主动服务物流详情透出包裹数据展示普通数据 展示Evnet: BuEyvnet: wms_out Time:15:23T:3im2 e:18:23:00Order_codeO: rder_code:Order_codOer:der_code:

11、 LP02834223LPX0X2X834223XXX LP0283422L3PX0X2X834223XXXEvnet: ac_oEvunt et: signed Time:23:20T:im00e:10:48:00X月8日00:00X月9日00:00NOWNOW历史物流消息和仿真日志在包裹引擎中的无缝融合包裹数智中台子文档-物流详情举例节点：动作：时间：省：市：区：节点类型node_0 HGH204_1:10001:1559320990:330000:330400:330402:20:; node_0 HGH204_1:10006:1559350928:330000:330400:33040

12、2:20:;node_0 11074_3:30004:1559362546:330000:330400:330402:20:2004:2; node_0 11074_3:30007:1559362906:330000:330400:330402:20:2004:2; node_0 1298_3:30004:1559386502:320000:320200:320205:20:2002:2;梳理底层数据逻辑，从交易到实操日志；包裹索引，以子文档存储物流详情，有很好的扩展性；对数据源分为驱动流和维表流，保证及时性和准确性；查询场景的特殊性，物流要素在时间和空间上的单量；包裹数智中台性能产品数据量查

13、询场景查询Rt写入延迟包裹引擎1亿（100W结果）宽表查询20ms秒级OLAP11亿（100W结果）宽表查询200ms秒级OLAP21亿（100W结果）宽表查询60ms分钟级包裹引擎10亿（1000W结果） 宽表查询100ms秒级OLAP110亿（1000W结果） 宽表查询500ms秒级OLAP210亿（1000W结果） 宽表查询200ms分钟级包裹数智中台数据层处理层引擎层控制层应用层数据层处理层引擎层控制层应用层全链路仿真客观引擎预测未发生包裹1.已预测定时未发生2.重新预测实时回流修正链路3签收包裹预测 中间表删除之前虚拟包裹状态2.访问决策引擎3.虚拟包裹详情44正向实时预测链路1.准

14、备LP维度数据当前履行接单仓接单56配揽件转移分布时效预测MC=1引擎存储的就是单量在时间轴上的分布订单 数据履行 数据仓实操运输实操配实操公共维表驱动流关联层订单生成XXXXXXXXXXXXX时空预测XXXXXXXXXXXXX时空预测XXXXXXXXXXXX时空预测XXXXXXX时空预测时空预测决策引擎打标层包裹宽表事前仿真链路销量 预测虚拟包裹离线仿真链路实时链路仿真引擎客观引擎指标中心单量预测生成物流详情客观&仿真同时查询写入引擎包裹引擎宏观单量的聚合客观物流消息和 预测信息在包裹 引擎中实时无缝 融合网络状态实时反馈预测虚拟订单随着 时间逐步失效时效预测产能包裹数智中台引擎查询逻辑举例

15、难点：没有一个action表示待运输;待运是包裹在空间时间维度的一种状态；需要深入理解业务、实操、数据和引擎等；单量预测口径定义包裹数智中台车辆调度包裹数智中台网络可视化包裹数智中台件量预测产业互联网关键是“先进理念”抽象出包裹数智中台蕴含的“先进理念”客观和虚拟（计划）的实时融合宏观微观一致性从流量驱动入手总结和展望理念1客观和虚拟的实时融合时刻都在推演未来，多看几步棋别人落子了，又得重新推演Evnet: BuEyvnet: wms_out Time:15:23T:3im2 e:18:23:00Order_codeO: rder_code:Order_codOer:der_code: LP0

16、2834223LPX0X2X834223XXX LP0283422L3PX0X2X834223XXXEvnet: ac_oEvunt et: signed Time:23:20T:im00e:10:48:00X月8日00:00X月9日00:00NOWNOW仿真和预测要融入所有物流核心系统理念1客观和虚拟的实时融合理念2宏观微观一致性一致性是物流的本质问题一切尽可能从微观出发，利用强大计算能力，得到宏观宏观微观的一致是天然的对账机制，长链路必须所有合作方的指 标口径都对上，才能一致性驱动优化。缩短业务迭代的闭环，极大提升迭代效率理念2宏观微观一致性品类规划&Inbound服务履约&OutBoun

17、d运输配送库存周转，缺货率履约成本、 时效、体验满载率、体 积重量人均件量全链路数据都原子化到 最小粒度SKU，成本都 细化到SKU由微观计算宏观，宏观和微观一致，微观的唯一性 = 链路的一致性供应链案例理念3从流量驱动入手以包裹流量为基础，承载资金流，打造业财一体以包裹流量推演为基础，驱动网络资源计划和调度以资源计划为约束，反向调节流量，提高运作效率处理了多少包裹用了多少人、车进多少钱，花多少钱解答核心问题会来多少包裹需要多少人、车能赚多少钱决策如何最高效的处理包裹如何用最少的人、车如何赚最多的钱统看一清包网裹络引现擎状全链根据路仿假设真系 推演统未来做优出化最引优擎的推演优化总结和展望架构师成长路径指南Q极客时间 企