莫文婷,新加坡国立大学计算机工程博士,现任Coupang全球运营部门数据科学总监。钻研运营优化问题十余年,曾任职于全球领先的优化引擎公司ILOG,后加入IBM研究院致力于将优化技术应用于中国交通行业。加入Coupang后,积累了丰富的电商平台供应链、仓储、物流及配送各环节的数据分析和优化落地实战经验,经历了SKU从20k到1M的过程,并主导了4大环节的预测优化系统研发。目前正关注如何引入深度学习技术解决运营优化问题。
莫文婷,新加坡国立大学计算机工程博士,现任Coupang全球运营部门数据科学总监。钻研运营优化问题十余年,曾任职于全球领先的优化引擎公司ILOG,后加入IBM研究院致力于将优化技术应用于中国交通行业。加入Coupang后,积累了丰富的电商平台供应链、仓储、物流及配送各环节的数据分析和优化落地实战经验,经历了SKU从20k到1M的过程,并主导了4大环节的预测优化系统研发。目前正关注如何引入深度学习技术解决运营优化问题。
包裹配送运输路线规划是一个重要而且复杂的问题。精确的配送路线使得包裹能在配送车上依次排列,提高拣货效率;更精确的预估配送需要的时间;安排配送员和区块的分配。配送路线的规划涉及到很多经验规则:小区出入口,左转右转,上下坡,交通路况等都会影响到路径的规划。Coupang采用深度学习理解配送路径,从积累的海量配送数据中学习行驶经验,生成符合经验下的优化配送路径。
我们会简要介绍Coupang路径规划算法框架以及周围的子模块,分享公司在配送路径学习方面的经验。