47、TDCM：基于多任务学习的运输目的地校准

TDCM：基于多任务学习的运输目的地校准

在大宗商品运输中，准确的目的地位置和地址至关重要，它直接决定了运输任务调度、路线规划等物流应用的服务质量。然而，由于操作人员的手动输入错误以及目的地位置的动态变化，网络货运平台维护的运输目的地信息可能存在错误、不完整甚至冗余的情况，这严重影响了货物的运输效率，降低了卡车司机对货运平台的满意度。因此，迫切需要一种校准机制来更新目的地的地址和位置。

1. 研究背景与问题提出

在快递领域，一些研究尝试根据提取的停留位置点推断实际交付位置，但在大宗商品物流中，由于卡车司机确认运输完成的时间往往比实际完成运输的时间晚很多，导致司机点击确认的位置可能与实际目的地相距甚远，所以快递领域使用交付点的解决方案不适用于大宗商品物流的目的地校准。

在商品运输过程中，卡车会积累大量的位置点（即轨迹），这为推断运输目的地的位置提供了机会。但存在的问题是，司机确认位置附近有其他类型的停留热点，它们与运输目的地非常接近，且运输目的地大小不一，如何从这些相邻的地方辨别出不同大小的运输目的地位置，成为校准运输目的地需要解决的首要问题。此外，不同运单的运输目的地差异较大，简单地构建基于运单轨迹特征的二分类器无法正确区分不同的目的地，需要提取特征及其对目的地识别的重要性，以识别每个运单的实际运输目的地。

2. 相关工作

• 交付位置推断 ：在快递领域，有研究通过估计交付点的空间质心或构建模型从候选交付点中选择实际交付位置，但这些方法高度依赖交付点的准确性，不适用于大宗商品物流运输目的地的推断。还有基于停留点的交付位置推断策略，但由于运输目的地大小不同、距离相近以及类型多样，也不适合复杂