基于興趣度匹配的應(yīng)急物資采購策略研究

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(yīng)急物資采購策略，將本地庫存貨物的興趣度設(shè)定為二維向量，通過分析貨物新鮮度，采購價格，運(yùn)輸代價及時間等影響因子得到預(yù)計時間興趣度與預(yù)計代價興趣度的計算方法，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)量和對應(yīng)的匹配原則為采購方選出最佳物資。實驗結(jié)果表明了興趣度算法的有效性和采購策略的可行性。

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

中圖分類號：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：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)急物資采購策略，可以確保受災(zāi)區(qū)域在最短時間內(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)力難以實現(xiàn)。應(yīng)急物資在傳統(tǒng)的采購策略下，發(fā)貨點和收貨點可能處在不同的區(qū)域內(nèi)，采購到收貨的過程中有較多的風(fēng)險因素需要考慮，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、采購價格浮動等，難以同時滿足應(yīng)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(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)的本地庫存應(yīng)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(dāng)前國內(nèi)應(yīng)急物資采購調(diào)度研究大多基于政府和企業(yè)視角，且多針對應(yīng)急管理體系的完善[2-3]，基于末端采購方視角的相關(guān)研究尚未成熟；國外則集中在設(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)異常時應(yīng)急物資采購策略的適應(yīng)性，亟待一種充分考慮物資價格、運(yùn)輸時間、保質(zhì)期和運(yùn)費(fèi)等因素受災(zāi)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(yīng)急物流之間迅速切換的物資采購策略。

本文基于現(xiàn)有的物流信息平臺，在目前技術(shù)可對入庫貨物實現(xiàn)歸類的基礎(chǔ)上，優(yōu)先考慮采購區(qū)域內(nèi)的本地庫存物資，以減少跨區(qū)域運(yùn)力不足以及諸多運(yùn)輸風(fēng)險帶來的消極影響，在本地轉(zhuǎn)運(yùn)中心匹配應(yīng)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(zāi)區(qū)域內(nèi)群眾的多樣化需求。

1 應(yīng)急物資采購策略分析

為尋求應(yīng)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(biāo)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(nèi)容興趣匹配的相關(guān)研究，部分電商平臺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]，同時下沉倉庫網(wǎng)點，配合部署分布式本地倉，用戶選擇電商產(chǎn)品后，貨物從出倉轉(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，但針對運(yùn)輸環(huán)境異常、應(yīng)急救災(zāi)的物資采購這一特殊場景，現(xiàn)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(shè)定預(yù)計時間與預(yù)計代價兩個維度。

在應(yīng)急救災(zāi)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(yīng)急物資采購策略中需要考慮的重要因素。文獻(xiàn)[7]在時間窗不確定的情況下，設(shè)計補(bǔ)貼合作策略和公益銷售策略以減輕應(yīng)急易腐庫存系統(tǒng)的過期浪費(fèi)，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(xiàn)[8]基于受災(zāi)點需求量與運(yùn)輸時間不確定，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)點綜合滿意度。文獻(xiàn)[9]中將應(yīng)急時間和應(yīng)急物資滿足程度結(jié)合起來，構(gòu)造了受災(zāi)點的損失函數(shù)，建立了以受災(zāi)點損失最小為目標(biāo)的多階段應(yīng)急物資分配模型。

另一方面，對于應(yīng)急物資的預(yù)計代價，往往需要考慮從開始運(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價格、運(yùn)輸成本、運(yùn)輸貨損等多個因素組合影響的綜合代價。文獻(xiàn)[10]利用大數(shù)據(jù)技術(shù)對用戶評價、產(chǎn)品質(zhì)量反饋、倉儲配送等進(jìn)行分析，為團(tuán)購物資供應(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)行評價，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(yù)計時間以及多因素融合的預(yù)計代價可作為采購方對應(yīng)急物資興趣的兩個決定性因素。引入二維向量（預(yù)計時間、預(yù)計代價）作為物資興趣度的優(yōu)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(yù)計時間換取更低的預(yù)計代價，另一部分則愿意以更高的預(yù)計代價換取更低的預(yù)計時間，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，的值可由采購方在發(fā)起采購申請前自主選擇。最終的匹配結(jié)果可以更好地適應(yīng)采購方的選擇偏好。

2 基于興趣度匹配的應(yīng)急物資采購策略

2.1 貨物興趣度計算

設(shè)定轉(zhuǎn)運(yùn)中心庫存貨物的興趣度為二維向量，其中是預(yù)計時間興趣度，是預(yù)計代價興趣度。預(yù)計時間興趣度與預(yù)計運(yùn)輸時間成負(fù)相關(guān)，即預(yù)計運(yùn)輸時間越長，用戶對該貨物的興趣越低，因此設(shè)定預(yù)計時間興趣度如下。

（1）

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

預(yù)計代價興趣度是由貨物新鮮度、貨物價格、運(yùn)輸代價三種影響因子共同構(gòu)成的函數(shù)。

（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(zhì)期的減少而降低，但過期的貨物一定不感興趣，因此：

。 （3）

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

不等于0或1時，設(shè)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(zhì)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(zhì)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(dāng)前價值的減少而降低。設(shè)定貨物當(dāng)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(shè)定的常量，用以控制貨物當(dāng)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(guī)律。貨物當(dāng)前價值會隨著剩余保質(zhì)期的減少而降低，因此參考牛頓溫度冷卻定律，貨物當(dāng)前價值是貨物剩余保質(zhì)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(shù)。衰減速率由衰減系數(shù)決定，，例如牛奶生鮮等貨物價值對其剩余保質(zhì)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(zhì)期變化不太敏感時，較小，貨物價值衰減速度較慢。設(shè)定貨物保質(zhì)期為，生產(chǎn)日期為，當(dāng)前日期為，預(yù)計運(yùn)輸時間為，則貨物的剩余保質(zhì)期為。

2.1.2 計算貨物價格影響因子

應(yīng)急物資的價格可能在特殊時期發(fā)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(guān)系來衡量當(dāng)價格發(fā)生變化時消費(fèi)者對購買該貨物的興趣變化。參考消費(fèi)者對商品的需求函數(shù)公式，的計算公式如下。

（6）

其中初始貨物價格影響因子設(shè)定為1，為貨物當(dāng)前價格變動百分比，為貨物的正常價格，為當(dāng)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(shù)，越大，代表消費(fèi)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(fā)生變化時消費(fèi)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(nèi)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(nèi)貨物需求量相較于正常需求量的變動量，是第個月內(nèi)貨物價格變動的百分比，為貨物的正常價格，為第個月內(nèi)貨物價格相較于正常價格的變動量，，，為統(tǒng)計數(shù)據(jù)月份的數(shù)量（即根據(jù)市場調(diào)研選用個月內(nèi)該貨物對應(yīng)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(shù)據(jù)求出）。

2.1.3 計算運(yùn)輸代價影響因子

用戶對貨物的興趣會隨著運(yùn)輸代價的提高而降低。運(yùn)輸代價與總運(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，為計費(fèi)規(guī)格，為計費(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)域處于異常事件時對運(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)域為標(biāo)準(zhǔn)，由行業(yè)公開數(shù)據(jù)可得），為異常事件下公路貨運(yùn)量。當(dāng)時，，當(dāng)時，。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)域為標(biāo)準(zhǔn)，由行業(yè)公開數(shù)據(jù)可得），為全國各省平均運(yùn)量指數(shù)。

2.1.4 三種影響因子融合

當(dāng)不等于0時，將，，三種影響因子的數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的三個輸入口，輸出口為，利用神經(jīng)網(wǎng)絡(luò)融合三個影響因子的數(shù)據(jù)得到預(yù)計代價興趣度，并對所有個結(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，在貨物入庫區(qū)域內(nèi)的本地轉(zhuǎn)運(yùn)中心時，依靠電商大數(shù)據(jù)與人工智能對貨物自動歸類，將該入庫貨物標(biāo)記為某一類別，并在庫存數(shù)據(jù)中更新該貨物基本信息。當(dāng)采購方發(fā)出采購應(yīng)急物資的申請時，平臺首先確認(rèn)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(zhuǎn)運(yùn)中心庫存信息，調(diào)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(biāo)點的形式置于可視化的二維坐標(biāo)系內(nèi)（X軸為預(yù)計代價興趣度，Y軸為預(yù)計時間興趣度）。完成計算后，平臺獲取采購方發(fā)出申請時選擇的興趣偏轉(zhuǎn)量，分別按照預(yù)計時間興趣度優(yōu)先或預(yù)計代價興趣度優(yōu)先這兩種原則，在二維坐標(biāo)系內(nèi)對備選貨物進(jìn)行匹配，從而找出與采購方需求最為接近的物資。

興趣偏轉(zhuǎn)量N對應(yīng)貨物匹配原則的設(shè)定為：興趣偏轉(zhuǎn)量，當(dāng)時，采取預(yù)計時間興趣度優(yōu)先原則，即在預(yù)計時間興趣度由高到低前|N|×100%的貨物中選擇預(yù)計代價興趣度最高的貨物視為匹配成功；當(dāng)時，采取預(yù)計代價興趣度優(yōu)先原則，即在預(yù)計代價興趣度由高到低前||×100%的貨物中選擇預(yù)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(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、貨物價格和運(yùn)輸代價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)計代價興趣度。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個節(jié)點，輸出層包含１個節(jié)點。對于神經(jīng)網(wǎng)絡(luò)來說，隱節(jié)點個數(shù)太少，無法擬合到復(fù)雜的關(guān)系，隱節(jié)點過多，又會導(dǎo)致過擬合。因此隱節(jié)點個數(shù)需要參考經(jīng)驗公式。

（10）

其中為隱節(jié)點個數(shù)，n是輸入個數(shù)，m是輸出個數(shù)，為常數(shù)且。本文中設(shè)定為4，即隱節(jié)點個數(shù)為6個。利用Python軟件，構(gòu)造并實現(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)，對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

3.2 樣本選取與實驗分析

為了實現(xiàn)利用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)計代價興趣度和預(yù)計時間興趣度的融合計算，并驗證興趣度算法和應(yīng)急物資采購策略的有效性，需要大量的樣本數(shù)據(jù)。在具體驗證用例中，對A企業(yè)的數(shù)據(jù)進(jìn)行清洗和整理，從而得到預(yù)計運(yùn)輸時間、轉(zhuǎn)運(yùn)中心位置坐標(biāo)、采購方位置坐標(biāo)、轉(zhuǎn)運(yùn)中心與采購方之間的運(yùn)輸路徑、貨物總運(yùn)費(fèi)、貨物售后評價等實驗所需數(shù)據(jù)。區(qū)域公路貨運(yùn)量由交通運(yùn)輸部公開信息查詢可得，區(qū)域風(fēng)險程度按照安全監(jiān)督組織部門的標(biāo)準(zhǔn)劃分，區(qū)域運(yùn)量指數(shù)由中國物流與采購聯(lián)合會公開信息提供。通過采集、清洗得到受災(zāi)時區(qū)域內(nèi)采購方在3個月內(nèi)發(fā)生的采購行為共80余條記錄，對應(yīng)的售后商品評價共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(yùn)輸代價三種影響因子，將獲得的結(jié)果數(shù)據(jù)作為訓(xùn)練樣本數(shù)據(jù)，對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。同時，利用單層神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到預(yù)計時間對應(yīng)的權(quán)重的值，并通過公式（1）計算出貨物的預(yù)計時間興趣度。最終利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對測試集數(shù)據(jù)進(jìn)行融合，測試集數(shù)據(jù)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(jīng)網(wǎng)絡(luò)融合后的計算結(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，誤差絕對值在可接受范圍內(nèi)。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(biāo)準(zhǔn)的高低變化，產(chǎn)生與計算結(jié)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(biāo)系中映射匹配結(jié)果的實驗示例。采購方提交申請時預(yù)先選擇了興趣偏轉(zhuǎn)量N為0.2，因此匹配時應(yīng)當(dāng)遵循預(yù)計代價興趣度優(yōu)先的原則，在預(yù)計代價興趣度由高到低前20%的貨物中（1號和9號）選擇預(yù)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(biāo)。

針對不同類別貨物的若干次實驗，最終得到貨物預(yù)測匹配與采購方實際選擇的對比結(jié)果。基于實驗總次數(shù)以及算法預(yù)測匹配結(jié)果與采購方實際選擇結(jié)果達(dá)成一致的次數(shù)，計算出采購策略的準(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(shù)值之間的關(guān)聯(lián)性有一定的波動幅度，樣本數(shù)據(jù)在神經(jīng)網(wǎng)絡(luò)融合訓(xùn)練的過程中更容易產(chǎn)生與真實值的偏差，因此采購策略的準(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)測興趣度向量與真實值之間的差距，將是后續(xù)的研究方向。

4 結(jié)束語

區(qū)域突發(fā)公共衛(wèi)生事件、暴雪暴雨等災(zāi)害時，物流跨區(qū)域運(yùn)力可能不足，且運(yùn)輸配送時面臨的風(fēng)險因素大大增加，應(yīng)急物資的采購需要盡可能以本地物資優(yōu)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(gòu)建了一種應(yīng)急物資的興趣度計算與匹配方法，優(yōu)先以本地轉(zhuǎn)運(yùn)中心庫存貨物為采購目標(biāo)，將預(yù)計運(yùn)輸時間、剩余保質(zhì)期、采購價格、運(yùn)費(fèi)等影響采購方對應(yīng)急物資購買興趣的因素，歸納為貨物的預(yù)計時間興趣度和預(yù)計代價興趣度，并分析得出相應(yīng)的計算公式，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，并按照采購方預(yù)選的興趣偏轉(zhuǎn)量和對應(yīng)的兩種匹配原則選出最終的采購目標(biāo)。通過實驗對樣本數(shù)據(jù)進(jìn)行測試，最終驗證了基于興趣度匹配的應(yīng)急物資采購策略的有效性，對社會物流向應(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]．中國儲運(yùn)，2022（11）：170-171．

[3] 閆森，齊金平．考慮需求不確定的多級應(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，

2023，49（2）：121-130．

[9] 葛洪磊．考慮應(yīng)急時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．考慮時間窗與新鮮度損耗的社區(qū)團(tuán)購生鮮產(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

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

19086）

作者簡介：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)急物資采購策略研究[J]．物流科技，2024，47（14）：28-32.