科创中国

本发明公开了一种基于认知图谱的冷链多温混配选温方法及装置。该方法首先对货源信息的货物类型、货物体积、保存适宜温度、运输时间限制、路线和车源信息的可配载货物类型、剩余车厢体积大小、途径路线标签作标记处理和定义，得到标签空间以及标签集合；然后利用点互信息（PMI）和TF‑IDF分别基于冷链货源信息标签集合和冷链车源信息标签集合计算标签权重，构建货源（货物信息）关联图和车货源（货物与运输车信息）关联图；将车源与货源关联图输入图卷积神经网络（GCN），通过增加注意力机制对货源关联图的节点选择性增强，得出了关键特征表示，再通过Softmax分类选择温度。本发明普遍适用于匹配选择冷链物流中货源信息和车源信息，实现提高运载效率，减少了运输成本以及空车率。

发明目的：针对上述问题，本发明提供了一种基于认知图谱的冷链多温混配选温方法，能够有效地对多图结构的提取特征，解决选温中车货匹配不是最优问题。

我国冷链物流的发展还处于起步阶段,冷链物流成本居高不下，使得在冷链物流中常常因节约成本而出现“断链”现象。配送作为冷链物流中极为重要环节,它占据着冷链物流成本的很大比重。

在现有的冷链配载中，对如何多个温度共同进行配载，以及如何选择最优车货匹配，车辆利用率最大化等均存在着不足。针对这些问题，本发明中使用认知图谱中图卷积神经网络结合注意力方法对传统分类有重要的作用和意义。在对不同温度进行选择时，使用图卷积神经网络对构建的标签图结构进行特征提取，再使用注意力机制将辅助图的图结构提取特征，得到特征增强矩阵；最后，使用Softmax输出概率，依据结果在合适的温度下得到最佳匹配。

此技术是淮阴工学院李翔研发，淮阴工学院，位于江苏省淮安市，宗旨和业务范围是“培养高等学历人才，促进社会发展。工学类、理学类、经济学类、管理学类、文学类、法学类、艺术学类和农学类学科本科学历教育工程硕士研究生学历教育相关科学研究技术开发继续教育专业培训学术交流与咨询服务会议展览服务”。

与现有技术相比，此技术具有以下有益效果：

1、本发明构建车货源关联图和货源关联图，构建标签之间连边时，利用标签间共现信息，使每个节点不只带有自身信息，还可以表示邻域节点的个别特征，在进行特征融合、节点增强时，依据关联图可以深度探索不同标签之间的隐藏关系，更全面的获得特征，最终获得更准确的分类概率。

2、本发明对两种关联图分别使用GCN关键特征提取后，以车货源关联图关键特征为主，货源关联图关键特征为辅，对车货源关联图中节点的权重增强，在最终分类中强化重要节点，弱化次要节点，使输出结果更加层次分明、清晰化。

3、本发明对关联图的结构特征进行权重筛选以及融合，采用注意力机制之前对关联图结构特征的权重进行等级划分，选取两权重wi和wj，其中注意力机制融合特征，对节点之间权重的等级进行判断，使增强效果更有目的性，更加准确。

4、本发明采用注意力机制可以显式的将对节点影响较大的信息赋予较大的权重并且加权到增强自身节点中，这样极大地丰富了节点表示，使得在构建关联图以及捕获标签之间的隐藏关系更加全面。

5、本发明对冷链多温混配中的最佳温度配送进行选择，在现有的方法中，更多的是基于路径的最优、最短距离等路线上的推荐，而本发明着重点为多温混配，其中温度的合适为首选，其次加入为路线、适配货物体积等因素再次选择最优，这种做法可以做到冷链车‑货的最优适配，同时大大提升了运输效率。

技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地保定，希望具备此项技术研发的技术方，能够尽快承接此项目。