一种基于认知数字孪生与增量博弈的多式联运物流报价方法及装置与流程
本发明属于智能物流,涉及多式联运智能物流定价技术,特别涉及一种基于认知数字孪生与增量博弈的多式联运物流报价方法及装置。
背景技术:
1、在全球供应链持续波动的行业背景下,跨境集装箱多式联运业务长期面临舱位供给周期性紧缺、各国关务政策动态调整、极端气象灾害频发、国际汇率频繁震荡等多重不确定性因素叠加的经营环境,市场对于物流报价的实时性、风险量化能力、透明度提出了更高标准的要求。
2、当前跨境物流业务覆盖公路枢纽、铁路场站、港口码头、关务节点多类运输节点,线路链路交织形成复杂网络;其中,单一节点或单条线路的异常波动会沿链路持续传导扩散,大幅改变链路综合运输成本。
3、目前,现有的多式联运报价方案普遍采用静态人工报价方案,其依据固定费率表并结合人工经验折扣完成定价,整体定价逻辑为固化模式,仅能依据预设固定附加费标准叠加基础运价生成报价,存在无法量化网络传导风险、供需双方收益失衡、报价无解释依据、合规校验滞后、响应速度慢的难题。
4、具体而言,现有报价方案的数据维度单一,仅录入固定线路基础运价,无法实时接入舱位容量、节点作业效率、气象预警、汇率波动、历史异常事件等动态变量;同时,不具备网络风险传导量化能力,无法精准测算单一节点故障、政策变动、极端天气对整条运输链路的连锁成本影响,仅依靠人工主观预估风险溢价,定价偏差极大;此外,现有方案未区分客户与运营方双向诉求,定价仅从运营方单一利润角度出发,无法兼顾客户对价格、时效、运输稳健性、报价透明度的差异化需求,供需双方收益存在天然博弈冲突却无量化平衡机制。
技术实现思路
1、针对现有技术中存在的技术问题,本发明提供了一种基于认知数字孪生与增量博弈的多式联运物流报价方法及装置,以解决跨境集装箱多式联运报价业务中现有静态人工报价方案存在无法量化网络传导风险、供需双方收益失衡、报价无解释依据、合规校验滞后、响应速度慢的行业技术问题。
2、为达到上述目的,本发明采用的技术方案为:
3、第一方面,本发明提供了一种基于认知数字孪生与增量博弈的多式联运物流报价方法,包括:
4、获取目标多式联运网络的实时状态数据;
5、构建目标多式联运网络的认知数字孪生体,并基于实时状态数据对认知数字孪生体的状态进行更新;
6、利用异构图神经网络,并结合认知数字孪生体进行风险分层推理,获得风险分层推理结果;
7、获取客户偏好向量和运营方偏好向量;基于客户偏好向量构建客户效用函数,基于运营方偏好向量构建运营方效用函数;
8、基于风险分层推理结果、客户偏好向量及运营方偏好向量,在认知数字孪生体上执行增量博弈优化,获得目标报价策略;
9、基于目标报价策略和认知数字孪生体的当前状态,生成价格构成数据;
10、对价格构成数据进行因果解释分析,获得敏感性说明文本;
11、基于价格构成数据和敏感性说明文本,生成并输出报价方案,作为目标多式联运网络的物流报价结果。
12、进一步的,实时状态数据包括实时状态数据包括各运输节点的舱位容量数据、运输节点作业效率数据、边线路运价数据、汇率数据、气象预警数据以及历史异常事件日志数据;
13、其中,运输节点包括公路枢纽、铁路场站、港口码头和关务节点,边线路为连接任意两个运输节点的运输通道。
14、进一步的,认知数字孪生体包括目标多式联运网络的运行层拓扑结构和策略层拓扑结构;其中,运行层拓扑结构用于表征所述运输节点与所述边线路的物理属性、动态属性和运行状态,策略层拓扑结构用于表征合同约束、金融敞口和合规规则;
15、构建目标多式联运网络的认知数字孪生体的过程,如下:
16、以目标多式联运网络中的运输节点为节点,边线路为边,构建有向多属性图,并作为运行层拓扑结构;将目标多式联运网络中的合同条款、金融敞口和合规规则编码为策略层图结构,并作为策略层拓扑结构;建立运行层拓扑结构与策略层拓扑结构之间的跨层映射边;其中,跨层映射边用于将运行层运行层拓扑结构中的节点的状态变化映射至策略层拓扑结构中的节点的约束参数变化。
17、进一步的,利用异构图神经网络,并结合认知数字孪生体进行风险分层推理,获得风险分层推理结果的过程,如下:
18、在运行层拓扑结构上,采用基于消息传递的多头注意力图神经网络,计算每条边的弹性向量和每个运输节点的脆弱度值;其中,弹性向量包括运能冗余度、时效稳定性和成本敏感性;脆弱度值基于运输节点的入边弹性向量的统计量和出边弹性向量的统计量确定;
19、在策略层拓扑结构上,采用自编码器网络学习合同条款、金融敞口和合规规则的潜在表示向量;
20、建立跨层注意力机制,将运行层拓扑结构中各边线路的弹性向量作为查询向量,将策略层拓扑结构中各策略节点的潜在表示向量作为键值对,计算运行层到策略层的跨层注意力权重;
21、基于运行层到策略层的跨层注意力权重和弹性向量,计算风险传播矩阵。
22、进一步的,基于风险分层推理结果、客户偏好向量及运营方偏好向量,在认知数字孪生体上执行增量博弈优化,获得目标报价策略的过程中,每一博弈轮次执行以下步骤:
23、基于风险分层推理结果、客户偏好向量及运营方偏好向量,通过多目标强化学习的actor网络生成当前博弈轮次的报价动作向量;
24、基于客户效用函数及运营方效用函数,通过多目标强化学习的critic网络,计算当前博弈轮次的报价动作向量的双边效用值;
25、判断当前博弈轮次的报价动作向量的双边效用值是否满足帕累托改善条件和机会约束条件;若满足,则将当前博弈轮次的报价动作向量作为当前博弈轮次的报价策略。
26、进一步的,对价格构成数据进行因果解释分析,获得敏感性说明文本的过程,如下:
27、根据价格构成数据,并结合价格生成结构方程,计算最终报价金额;其中,价格构成数据包括基础成本项、风险附加项、汇率校正项和合规费用项;
28、价格生成结构方程,如下:
29、
30、其中,为最终报价金额;为基础成本项;为风险附加项;为汇率校正项;为合规费用项;为激励项;
31、采用do-calculus算法,对价格构成数据中的每个构成项进行反事实推断,获得反事实报价;
32、基于最终报价金额和反事实报价,计算平均因果效应,作为构成项的边际贡献值;判断构成项的边际贡献值是否超过预设贡献阈值;若是,则生成对应构成项的敏感性说明文本。
33、第二方面,本发明提供了一种基于认知数字孪生与增量博弈的多式联运物流报价系统,用于实现第一方面所述的基于认知数字孪生与增量博弈的多式联运物流报价方法,包括:
34、状态数据获取模块,用于获取目标多式联运网络的实时状态数据;
35、孪生体构建模块,用于构建目标多式联运网络的认知数字孪生体,并基于实时状态数据对认知数字孪生体的状态进行更新;
36、风险推理模块,用于利用异构图神经网络,并结合认知数字孪生体进行风险分层推理,获得风险分层推理结果;
37、效用函数构建模块,用于获取客户偏好向量和运营方偏好向量;基于客户偏好向量构建客户效用函数,基于运营方偏好向量构建运营方效用函数;
38、博弈优化模块,用于基于风险分层推理结果、客户偏好向量及运营方偏好向量,在认知数字孪生体上执行增量博弈优化,获得目标报价策略;
39、价格数据计算模块,用于基于目标报价策略和认知数字孪生体的当前状态,生成价格构成数据;
40、因果分析模块,用于对价格构成数据进行因果解释分析,获得敏感性说明文本;
41、报价方案输出模块,用于基于价格构成数据和敏感性说明文本,生成并输出报价方案,作为目标多式联运网络的物流报价结果。
42、第三方面,本发明提供了本发明还提供了一种电子设备,包括:
43、处理器,适用于执行计算机程序;
44、计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被所述处理器执行时,执行第一方面所述的基于认知数字孪生与增量博弈的多式联运物流报价方法。
45、第四方面,本发明提供了本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的基于认知数字孪生与增量博弈的多式联运物流报价方法。
46、第五方面,本发明提供了本发明还提供了一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现第一方面所述的基于认知数字孪生与增量博弈的多式联运物流报价方法。
47、与现有技术相比,本发明的有益效果为:
48、本发明提供的基于认知数字孪生与增量博弈的多式联运物流报价方法,通过认知数字孪生实时映射网络动态状态,结合异构图神经网络量化风险传导,并基于增量博弈平衡供需双方效用,能够有效提升复杂跨境多式联运场景下报价的响应速度、风险适应能力和定价合理性;具体而言,通过构建认知数字孪生体对多式联运网络进行实时镜像映射,有效克服传统静态报价仅依赖固定费率表的数据维度限制,能够将舱位容量、节点作业效率、气象预警、汇率波动等动态变量纳入定价基础;其次,利用异构图神经网络对多式联运网络中公路枢纽、铁路场站、港口码头、关务节点间的复杂耦合关系进行风险分层推理,实现单一节点异常向整条链路成本传导的量化测算,替代人工主观预估风险溢价的粗放模式;在此基础上,通过分别构建客户效用函数与运营方效用函数,在数字孪生体上执行增量博弈优化,使报价策略能够在价格、时效、运输稳健性、透明度多目标间寻求帕累托改进,有效缓解供需双方的收益博弈冲突;此外,结合因果解释分析生成敏感性说明文本,使报价具备可解释性,同时基于实时数据驱动和自动化计算机制,显著提升了报价响应速度与合规校验的前置能力。
49、本发明提供的基于认知数字孪生与增量博弈的多式联运物流报价系统、电子设备、计算机可读存储介质及计算机程序产品,具备上述基于认知数字孪生与增量博弈的多式联运物流报价方法的全部优势。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com