为提高整车运输中的车辆装载率、提升车货匹配效率,基于CBR(case based reasoning)系统思维,提出了一种基于视图相似度的车货匹配方法。首先,通过知识表达系统表征货物和车辆信息,基于车辆的车型属性和货物名称属性实现二者的初步分类...为提高整车运输中的车辆装载率、提升车货匹配效率,基于CBR(case based reasoning)系统思维,提出了一种基于视图相似度的车货匹配方法。首先,通过知识表达系统表征货物和车辆信息,基于车辆的车型属性和货物名称属性实现二者的初步分类和匹配;然后,对车辆数据集进行KMeans聚类,并基于马氏距离计算并确定与待匹配货物最近的聚类,实现对视图匹配空间的横向压缩;最后,融合改进传统视图计算方法,并利用欧氏距离计算待匹配货物与既定聚类内各车辆的视图相似度。通过实验分析,证明所提方法使匹配结果有更大区分度,最大相似度达0.848;显著提升车货匹配装载率,匹配效率提高了76.339%。展开更多
文摘为提高整车运输中的车辆装载率、提升车货匹配效率,基于CBR(case based reasoning)系统思维,提出了一种基于视图相似度的车货匹配方法。首先,通过知识表达系统表征货物和车辆信息,基于车辆的车型属性和货物名称属性实现二者的初步分类和匹配;然后,对车辆数据集进行KMeans聚类,并基于马氏距离计算并确定与待匹配货物最近的聚类,实现对视图匹配空间的横向压缩;最后,融合改进传统视图计算方法,并利用欧氏距离计算待匹配货物与既定聚类内各车辆的视图相似度。通过实验分析,证明所提方法使匹配结果有更大区分度,最大相似度达0.848;显著提升车货匹配装载率,匹配效率提高了76.339%。
