货物拉拉KDD 2021论文详情：MoD系统中信息披露优化方法量子比特

国际数据科学与数据挖掘领域最高峰学术会议KDD入选论文日前发表。今年KDD吸引了全世界705篇论文的发布，只收录了138篇论文，收录率不到20%。货运拉拉论文《Improving the Information Disclosure in Mobility-on-DemandSystems》（《MoD系统中信息披露的优化方法》）从705篇论文中脱颖而出，成功入选。本论文通过数据建模解决互联网物流智能分类问题，提高互联网物流平台效率，实现业务指标优化。

本文详细解读了货运拉拉论文《Improving the Information Disclosure in Mobility-on-Demand Systems》。货物拉拉技术团队在本文中提出了优化信息披露方式的框架，通过建模和解决，通过算法选择最佳司机履行合同，实现订单的精确推送，实现了平台效率、用户体验和司机体验的整体提升。

一、研究背景

在下货拉拉货物采用的订单分配方式为全球广播的情况下，即在指定的时间/距离等范围内，将所有订单发送给所有司机，司机通过浏览订单列表，进行选择，选择并响应预期的订单针对同一订单被多个司机响应的场景，通过算法综合考虑平台效率、用户体验、司机体验等因素，选择最佳司机履行合同。

将订单推送到驾驶员定义为信息披露，本文提出的算法是订单广播环节中提出的改进。

作为司机，处于不同的状态（时空、供求、今天的累计工作时间、今天的累计收入等），即使面对不同的选择（订单清单），对收入的期望也不同。

我举几个例子。

1、在供应受限的情况下，匹配对象订货数远远大于运力数

司机比较积极，倾向于接受价格较高的订单。

2、在需求受限的情况下，应核对的订单数远小于运力数

司机倾向于相对被动，而不是空车，尽量不在乎价格。

3、无限制的订单场景，司机的订单清单包括全城乃至全国的订单

司机相对积极，如果系统订单过剩，就很难做出选择。

4、限位强派单场景，司机订单单上不超过一个订单

司机相对被动，当你不满系统没有派单/派单时，你就会焦虑。

希望通过准确估计司机决策行为，优化信息披露（哪些订单让哪些司机看到），实现司机体验、用户体验和平台效率的整体提升。

二、研究价值

1.与传统推荐系统不同，例如颤音、电子商务网站商品（例如，豆瓣、淘宝等）和短视频等内容是相对不受限制的资源，一个商品可以被成百上千的用户购买，一个视频可以被推荐给成千上万的用户。

货轮场景：订单是时空问题，发送给有限的司机，司机是屏幕问题，只能查看有限的订单。这些资源约束问题目前没有成熟有效的解决方案。

2.与传统的分派模式不同，封装业务的分派模式引入了更多的运力保障。

a.引入更多复杂性

m对于司机，n个订单的业务场景

派单解决1vs1匹配问题，派单解决nvsm信息披露问题

纯暴力搜索空间：

随着问题规模的增大，其对应复杂度呈指数增长。

b.引入更多的驾驶员竞争

无论是供过于求还是供过于求的场景，司机对某类订单的偏好都是比较一致的，比如高价格、高芯片等属性使得响应该类订单的司机数量增多，订单最终只有一个司机能够履行合同许多无效司机的选择将会发生，导致整个平台的效率下降。

三、算法框架

1.预测

基于业务场景中的条件依赖性，展开Multinormal Logit Model，分两步估计司机的决策：

a.司机选择接受或不接受订单

b.司机选择候选名单中的某个订单进行响应

通过在历史行为数据上进行最大化对数似然估计，对模型的参数进行拟合：

能够阶段性地分析建模的合理性：

1、第一级，司机看到某个订单清单，可以选择不按一定的概率接受订单，如果目前的清单他不满意，他等待，直到未来某个时空出现满意的候选订单清单；

2、二级，司机认为目前订单清单满意

i）从中选择最优选订单响应

ii）根据该候补订单列表，在减少订单o的信息公开的情况下，司机对其他订单o#8217的订单意愿提高，司机对1级的不接受订单的概率也提高（1级的满意度降低）

2.计划

a.目标函数

b.问题解决

i.全球信息披露

ii. 局部信息披露

iii.原始切边算法

iv.最小化损耗的边缘切割算法

总体算法包括：。

3.实验

a.离线：

货运拉拉平台上三城市历史数据选择培训司机决策预测模型

b.联机：

选择货运拉拉平台上3个城市的几个时段，按照分组交替进行AB实验

A：货物拉拉现有的全球信息披露方式

B：基于司机决策估计模型的$$MLEC$$算法框架

l定量结果（从整体的响应率、驾驶员使用率来看，提案框架有很大提高）

l定性结果（颜色越深，表示订单响应问题比较严重，建议框架可以缓解整体局部供需问题）

在“Improving the Information Disclosure in Mobility-on-DemandSystems”论文中，提出了一种通过建模和解决来优化信息披露方式以实现业务指标优化的框架。该研究不仅可以应用于货运拉拉这个互联网物流平台，还可以应用于带有资源约束的推荐系统。

-结束了