基于興趣度匹配的應急物資采購策略研究

摘 要：在物流運輸環境異常、跨區域運力不足的情況下，傳統應急物流中以生存為第一要義的物資采購策略難以同時滿足交付的個性化需求和時效性要求。文章中提出了一種基于興趣度匹配的應急物資采購策略，將本地庫存貨物的興趣度設定為二維向量，通過分析貨物新鮮度，采購價格，運輸代價及時間等影響因子得到預計時間興趣度與預計代價興趣度的計算方法，并利用BP神經網絡進行興趣度的融合，最終按照興趣偏轉量和對應的匹配原則為采購方選出最佳物資。實驗結果表明了興趣度算法的有效性和采購策略的可行性。

關鍵詞：物流工程；應急供應鏈；物資采購；興趣匹配

中圖分類號：F253.4；U116.1 文獻標志碼：A DOI：10.13714/j.cnki.1002-3100.2024.14.006

文章編號：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

研究發現，應急物資采購在應急救災中扮演著至關重要的角色，不僅可以保障救援工作順利進行，還能穩定受災群眾的情緒[1]。因此采用科學、合理的應急物資采購策略，可以確保受災區域在最短時間內獲得所需的物資，提高救援效率。

例如在突發公共衛生事件、暴雪暴雨等災害的背景下，物流運輸崗位容易發生減員，區域間物流運輸帶寬迅速減小，從而導致物資運輸配送不通暢，這種不通暢一般反映在跨區域的運力難以實現。應急物資在傳統的采購策略下，發貨點和收貨點可能處在不同的區域內，采購到收貨的過程中有較多的風險因素需要考慮，例如跨區域運力不足、物資保質期緊張、物資品類單一、采購價格浮動等，難以同時滿足應急物資交付的個性化需求與時效性要求。但在目前制度保障下，通過政府部門的積極調度以及其他區域的人道援助，同一區域內的本地運力和物資實際可能有剩，一定程度上可以滿足本地救災的多樣化需求，所要考慮的是如何將區域內的本地庫存應急物資與最需要該物資的采購方匹配起來并能夠快速交付。

當前國內應急物資采購調度研究大多基于政府和企業視角，且多針對應急管理體系的完善[2-3]，基于末端采購方視角的相關研究尚未成熟；國外則集中在設施路徑模型上，且多以自然災害為研究背景[4-5]，對突發公共衛生事件等情況下的應急物流借鑒有限。為加強物流環境突發異常時應急物資采購策略的適應性，亟待一種充分考慮物資價格、運輸時間、保質期和運費等因素受災害消極影響時，采購方對該物資購買興趣的變化，且能在社會物流和應急物流之間迅速切換的物資采購策略。

本文基于現有的物流信息平臺，在目前技術可對入庫貨物實現歸類的基礎上，優先考慮采購區域內的本地庫存物資，以減少跨區域運力不足以及諸多運輸風險帶來的消極影響，在本地轉運中心匹配應急物資的過程中加入興趣度算法，以此為采購方提供更為合理的采購意向參考，旨在及時交付物資的同時滿足受災區域內群眾的多樣化需求。

1 應急物資采購策略分析

為尋求應急物資在時效性要求與個性化需求之間的平衡，本文在目標物資的采購選擇過程中加入物資興趣度這一屬性。興趣度來源于內容興趣匹配的相關研究，部分電商平臺將興趣匹配這一技術投入應用，以求為用戶呈現更精準的電商產品推送[6]，同時下沉倉庫網點，配合部署分布式本地倉，用戶選擇電商產品后，貨物從出倉轉運到成功交付的調度運輸效率大大提升。盡管興趣匹配的物流基礎設施條件已初步達成，但針對運輸環境異常、應急救災的物資采購這一特殊場景，現有的電商興趣匹配不能完全滿足采購方的需求，因此在本文的物資采購策略中引入新的興趣度屬性，即同時設定預計時間與預計代價兩個維度。

在應急救災的背景下，采購物資的交付時間最為直觀地影響著需求方的滿意度，因此是應急物資采購策略中需要考慮的重要因素。文獻[7]在時間窗不確定的情況下，設計補貼合作策略和公益銷售策略以減輕應急易腐庫存系統的過期浪費，證明了時間和代價是決定采購方對物資興趣的主要因素。文獻[8]基于受災點需求量與運輸時間不確定，建立應急物資配送中心選址-分配多目標優化模型，分析表明增加時間滿意度權重，降低需求量滿意度權重，可以提高受災點綜合滿意度。文獻[9]中將應急時間和應急物資滿足程度結合起來，構造了受災點的損失函數，建立了以受災點損失最小為目標的多階段應急物資分配模型。

另一方面，對于應急物資的預計代價，往往需要考慮從開始運輸到成功交付之間的總體消耗，應該定義為由物資的采購價格、運輸成本、運輸貨損等多個因素組合影響的綜合代價。文獻[10]利用大數據技術對用戶評價、產品質量反饋、倉儲配送等進行分析，為團購物資供應鏈提供全新的數據信息處理模式，并有效管理供應鏈成本。文獻[11]采用模糊層次分析法對C2M模式下生鮮農產品物流配送服務的質量水平進行評價，結論發現生鮮農產品的貨物品質和貨損率直接影響了電商平臺物流服務質量。文獻[12]為求綜合成本最小的優化目標，建立了一個考慮時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，預計時間以及多因素融合的預計代價可作為采購方對應急物資興趣的兩個決定性因素。引入二維向量（預計時間、預計代價）作為物資興趣度的優勢在于，不同的采購方選擇物資時采取的策略可能不同，一部分傾向于以更高的預計時間換取更低的預計代價，另一部分則愿意以更高的預計代價換取更低的預計時間，因此本文在后續物資匹配環節中設置了興趣偏轉量，的值可由采購方在發起采購申請前自主選擇。最終的匹配結果可以更好地適應采購方的選擇偏好。

2 基于興趣度匹配的應急物資采購策略

2.1 貨物興趣度計算

設定轉運中心庫存貨物的興趣度為二維向量，其中是預計時間興趣度，是預計代價興趣度。預計時間興趣度與預計運輸時間成負相關，即預計運輸時間越長，用戶對該貨物的興趣越低，因此設定預計時間興趣度如下。

（1）

其中為自然常數，為預計運輸時間對應的權重，顯然有，預計運輸時間由負責物流運輸的單位直接提供。

預計代價興趣度是由貨物新鮮度、貨物價格、運輸代價三種影響因子共同構成的函數。

（2）

2.1.1 計算貨物新鮮度影響因子

用戶在收貨階段對部分貨物的興趣會隨其剩余保質期的減少而降低，但過期的貨物一定不感興趣，因此：

。 （3）

在預計運輸時間和貨物基本信息已知的情況下，易證為1或0的結果，不再列式計算，且為0時，停止該貨物后續興趣度計算，將該貨物置為0。

不等于0或1時，設定興趣存量，初始貨物新鮮度影響因子，，。用戶對貨物的興趣，本質上可視為用戶對該貨物的價值的興趣，因此通過計算剩余保質期對貨物剩余價值的影響來衡量貨物處在某新鮮度時對用戶興趣存量的影響，因此隨著貨物當前價值的減少而降低。設定貨物當前價值為，參考艾賓浩斯記憶衰減定律，公式如下。

（4）

其中、為設定的常量，用以控制貨物當前價值減少時用戶興趣存量的衰減速率，大量研究表明，時較為符合用戶興趣存量的衰減變化規律。貨物當前價值會隨著剩余保質期的減少而降低，因此參考牛頓溫度冷卻定律，貨物當前價值是貨物剩余保質期為時初始價值和衰減速率的乘積，公式如下。

（5）

其中，為自然常數。衰減速率由衰減系數決定，，例如牛奶生鮮等貨物價值對其剩余保質期變化較為敏感時，較大，貨物價值衰減速度較快；例如大米餅干等貨物價值對其剩余保質期變化不太敏感時，較小，貨物價值衰減速度較慢。設定貨物保質期為，生產日期為，當前日期為，預計運輸時間為，則貨物的剩余保質期為。

2.1.2 計算貨物價格影響因子

應急物資的價格可能在特殊時期發生一定的波動。考慮用該貨物的市場需求量隨價格變化的關系來衡量當價格發生變化時消費者對購買該貨物的興趣變化。參考消費者對商品的需求函數公式，的計算公式如下。

（6）

其中初始貨物價格影響因子設定為1，為貨物當前價格變動百分比，為貨物的正常價格，為當前貨物價格相較于貨物正常價格的變動量。為貨物價格彈性系數，越大，代表消費者對該貨物價格變化越敏感，需求變化也就越大，則該貨物價格發生變化時消費者對其的購買興趣度變化越大，的計算公式如下。

（7）

其中是第個月內貨物需求量變動的百分比，為貨物的正常需求量，為第個月內貨物需求量相較于正常需求量的變動量，是第個月內貨物價格變動的百分比，為貨物的正常價格，為第個月內貨物價格相較于正常價格的變動量，，，為統計數據月份的數量（即根據市場調研選用個月內該貨物對應的貨物需求量變動百分比以及貨物價格變動百分比的歷史數據求出）。

2.1.3 計算運輸代價影響因子

用戶對貨物的興趣會隨著運輸代價的提高而降低。運輸代價與總運費和區域運輸帶寬有關，則總運費越低，用戶興趣越高，區域運輸帶寬越高，用戶興趣越高，因此：

。 （8）

其中為貨物總運費，，為貨物運價，為計費規格，為計費里程。為區域運輸帶寬，設定，其中為異常指數，表示區域處于異常事件時對運輸帶寬造成的影響。設定為該區域正常公路貨運量（以所在區域為標準，由行業公開數據可得），為異常事件下公路貨運量。當時，，當時，。其中為異常指數權重，，當較高異常地區向較低異常地區運輸時阻力較小，因此較小，當較低異常地區向較高異常地區運輸時阻力較大，因此較大。為一般指數，表示區域在正常情況下相較于全國各省平均運輸狀況的水平，設定，其中為本地運量指數（以所在區域為標準，由行業公開數據可得），為全國各省平均運量指數。

2.1.4 三種影響因子融合

當不等于0時，將，，三種影響因子的數據作為神經網絡的三個輸入口，輸出口為，利用神經網絡融合三個影響因子的數據得到預計代價興趣度，并對所有個結果采用歸一化處理（），歸一化公式如式（9）所示，顯然有。

（9）

2.2 貨物匹配

基于現有的物流信息平臺，在貨物入庫區域內的本地轉運中心時，依靠電商大數據與人工智能對貨物自動歸類，將該入庫貨物標記為某一類別，并在庫存數據中更新該貨物基本信息。當采購方發出采購應急物資的申請時，平臺首先確認采購方的基本信息并識別其需要采購的物資類別，然后遍歷本地轉運中心庫存信息，調用上述的興趣度算法計算同一類別下的庫存貨物的興趣度，貨物的興趣度以坐標點的形式置于可視化的二維坐標系內（X軸為預計代價興趣度，Y軸為預計時間興趣度）。完成計算后，平臺獲取采購方發出申請時選擇的興趣偏轉量，分別按照預計時間興趣度優先或預計代價興趣度優先這兩種原則，在二維坐標系內對備選貨物進行匹配，從而找出與采購方需求最為接近的物資。

興趣偏轉量N對應貨物匹配原則的設定為：興趣偏轉量，當時，采取預計時間興趣度優先原則，即在預計時間興趣度由高到低前|N|×100%的貨物中選擇預計代價興趣度最高的貨物視為匹配成功；當時，采取預計代價興趣度優先原則，即在預計代價興趣度由高到低前||×100%的貨物中選擇預計時間興趣度最高的貨物視為匹配成功。

3 算法驗證

3.1 BP神經網絡

BP神經網絡由輸入層、輸出層和若干隱含層構成。通常情況下，三層網絡結構即可滿足應用要求，本文選擇三層為網絡層的層數。首先將貨物新鮮度、貨物價格和運輸代價三種影響因子作為神經網絡的輸入數據，輸出數據為融合后的最終貨物預計代價興趣度。根據神經網絡的輸入數據和輸出數據，確定神經網絡的輸入層包含3個節點，輸出層包含１個節點。對于神經網絡來說，隱節點個數太少，無法擬合到復雜的關系，隱節點過多，又會導致過擬合。因此隱節點個數需要參考經驗公式。

（10）

其中為隱節點個數，n是輸入個數，m是輸出個數，為常數且。本文中設定為4，即隱節點個數為6個。利用Python軟件，構造并實現上述三層結構的BP神經網絡，合理選擇訓練樣本數據，對神經網絡進行訓練。

3.2 樣本選取與實驗分析

為了實現利用神經網絡進行預計代價興趣度和預計時間興趣度的融合計算，并驗證興趣度算法和應急物資采購策略的有效性，需要大量的樣本數據。在具體驗證用例中，對A企業的數據進行清洗和整理，從而得到預計運輸時間、轉運中心位置坐標、采購方位置坐標、轉運中心與采購方之間的運輸路徑、貨物總運費、貨物售后評價等實驗所需數據。區域公路貨運量由交通運輸部公開信息查詢可得，區域風險程度按照安全監督組織部門的標準劃分，區域運量指數由中國物流與采購聯合會公開信息提供。通過采集、清洗得到受災時區域內采購方在3個月內發生的采購行為共80余條記錄，對應的售后商品評價共3 000余條數據。以其中80%的數據作為訓練集，20%的數據作為測試集。選擇不同類別下具有代表性的采購商品，分別計算貨物新鮮度、貨物價格與運輸代價三種影響因子，將獲得的結果數據作為訓練樣本數據，對BP神經網絡進行訓練。同時，利用單層神經網絡訓練得到預計時間對應的權重的值，并通過公式（1）計算出貨物的預計時間興趣度。最終利用訓練好的神經網絡對測試集數據進行融合，測試集數據需要額外基于貨物的用戶評價得到其代價興趣度和時間興趣度，并與神經網絡融合后的計算結果進行比較。表１描述了部分典型數據的比較結果，誤差絕對值在可接受范圍內。其中對時間較敏感的生鮮商品，例如水果、蔬菜等，采購方可能因需求標準的高低變化，產生與計算結果偏移的興趣趨向，因此誤差絕對值相較而言更大。

圖1表述了計算得出貨物興趣度后，在二維坐標系中映射匹配結果的實驗示例。采購方提交申請時預先選擇了興趣偏轉量N為0.2，因此匹配時應當遵循預計代價興趣度優先的原則，在預計代價興趣度由高到低前20%的貨物中（1號和9號）選擇預計時間興趣度最高的貨物，最終確定9號貨物為匹配成功的采購目標。

針對不同類別貨物的若干次實驗，最終得到貨物預測匹配與采購方實際選擇的對比結果。基于實驗總次數以及算法預測匹配結果與采購方實際選擇結果達成一致的次數，計算出采購策略的準確率。表2表述了部分典型數據且證明了采購策略的準確率在可接受范圍內。與表1興趣度比較示例中的數據表現一樣，對時間較敏感的生鮮果蔬等商品而言，采購方對商品保鮮狀況的接受程度有較大差異，實際的選擇意愿與商品興趣度數值之間的關聯性有一定的波動幅度，樣本數據在神經網絡融合訓練的過程中更容易產生與真實值的偏差，因此采購策略的準確率明顯低于糧油調味、醫療保健等商品。進一步分析此類商品的興趣特征分布規律，并縮小融合后預測興趣度向量與真實值之間的差距，將是后續的研究方向。

4 結束語

區域突發公共衛生事件、暴雪暴雨等災害時，物流跨區域運力可能不足，且運輸配送時面臨的風險因素大大增加，應急物資的采購需要盡可能以本地物資優先滿足，在可及時交付的同時還要最大程度考慮采購方的個性化需求。本文構建了一種應急物資的興趣度計算與匹配方法，優先以本地轉運中心庫存貨物為采購目標，將預計運輸時間、剩余保質期、采購價格、運費等影響采購方對應急物資購買興趣的因素，歸納為貨物的預計時間興趣度和預計代價興趣度，并分析得出相應的計算公式，利用BP神經網絡進行融合得到貨物興趣度二維向量，并按照采購方預選的興趣偏轉量和對應的兩種匹配原則選出最終的采購目標。通過實驗對樣本數據進行測試，最終驗證了基于興趣度匹配的應急物資采購策略的有效性，對社會物流向應急物流的軟切換有一定的借鑒作用。

參考文獻：

[1] 郝旭召，喇娟娟．應急物資響應機制優化提升研究[J]．物流科技，2023，46（13）：36-41．

[2] 雷杰．面向突發疫情的應急物流體系研究[J]．中國儲運，2022（11）：170-171．

[3] 閆森，齊金平．考慮需求不確定的多級應急物流設施選址研究[J]．運籌與管理，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用戶興趣挖掘仿真[J]．計算機仿真，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．災后初期考慮需求及時間不確定的應急物資配送中心選址-分配優化[J]．大連海事大學學報，

2023，49（2）：121-130．

[9] 葛洪磊．考慮應急時間和未滿足需求量的應急物資多階段分配模型[J]．現代商貿工業，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．考慮時間窗與新鮮度損耗的社區團購生鮮產品配送路徑優化研究[J]．物流科技，2022，45（11）：22-26．

收稿日期：2024-02-21

基金項目：國家自然科學基金項目——“基于條件生成對抗網絡和變分自編碼機的加密流量識別深度學習方法研究”（GZ2

19086）

作者簡介：黃曉俊（1998—），男，江蘇常州人，南京郵電大學現代郵政學院amp;研究院碩士研究生，研究方向：物流工程與管理；相 峰（1967—），男，山東煙臺人，圓通速遞股份有限公司，碩士，研究方向：智慧物流、應急管理、區塊鏈；徐勁松（1975—），本文通信作者，男，江蘇南京人，南京郵電大學國家郵政局郵政行業技術研發中心（物聯網技術），副教授，研究方向：郵政通信網絡、信息安全，區塊鏈。

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