合作交流

2024年4月10日，经济与管理学院举行学术前沿讲座，邀请北京交通大学系统科学学院国家杰青获得者吴建军教授、同济大学经管学院国家杰青获得者梁哲教授和上海大学管理学院院长、国家杰青获得者镇璐教授为学院师生带来了精彩的学术报告。

吴建军教授带来“大数据环境下共享出行需求预测与动态调度”的报告。共享出行是大家生活中常见的场景，目前共享出行主要以共享单车和共享汽车两种形式呈现，在运营过程中面临着各种困难和不便，以往对共享出行的研究存在“数据收集不全、用户画像不够精细、传统算法精度偏低、缺乏数据驱动模型”等不足。为优化共享出行的运营管理，吴建军首先对共享交通出行行为与城市功能区挖掘进行研究，分别采集了城市中共享单车和共享汽车的出行数据、共享交通工具所移动的空间数据及外部环境因素带来的外部特征数据，利用机器学习相关的LSTM神经网络、卷积神经网络对数据进行处理后，创新地提出了一个时空融合的深度学习模型。他还展示了当模型应用在故障车回收的调度决策时发生的延展和变化，并进行了算例分析。最后，他分享了对研究的展望，期待加深共享交通和其他交通方式接驳的研究，打造出行新生态。

梁哲教授带来“航空货运运营管理问题研究”的报告。他指出，我国航空货运市场份额增长迅速，全货机的发展空间巨大，然而货运航司目前仍旧处于“分部门、分阶段决策”的状态，带来了很多现实问题：资源不匹配、货物行程受限、运营成本急剧增加。因此，研究飞机和货物的一体化规划问题对提高航空运营效率有重要意义。梁哲分别以纯货运航司和客货运混合经营的复合航司为例，展现了不同算法在航空货运领域的应用。对于纯货运航司，常见的操作有直通连接和短连接两种，考虑到现实中各个城市的航线有限、无法直通，更多的是中转或者转运，因此需要对航班的串联进行优化。他通过构建一个基于航班串的整合模型，以最大化货运利润为目标，并采用基于列生成的启发式算法进行求解；对于客货运混合的复合航司，其难点在于客、货运的运营决策相互分离，采用机器学习中K-邻近、支持向量机、CART决策树、随机森林4种模型进行比较，最终发现随机森林模型相较于其他模型各指标表现更佳。最后，梁哲还针对航空配载问题进行了拓展。

镇璐教授带来“面向自动化仓库系统的数学规划建模与算法研究”的报告。随着电子商务订单量的不断增长，订单及时性要求越来越高。自动化仓库系统通过控制机器人移动不同的货架到达拣货台的方式，实现了订单拣货从传统的“人到货”变为“货到人”转换，大幅度提高了仓库的运营效率。然而，随着仓库面积越大、SKU数量越多，给自动化仓库系统的调度决策带来了更大挑战。镇璐教授结合对行业的实地考察和数据采集结果，对自动化仓库系统的算法进行了升级和优化。通过三个模块展现了整个算法框架的设计思路：第一步根据就近原则和订单需求，将打包好的订单组和仓库中的货架进行“多对多”匹配；匹配后得到了不同的“订单-货架”组合，并根据仓库布局规划货架移动路线、确定匹配拣货台；最后，将不同的货架移动的“任务”分配给合适的机器人。此外，镇璐教授还介绍了如何通过大规模求解的方法进行运算，分享了该研究课题未来可能进行的一系列拓展。

三位教授研究思想新颖，为大家带来了内容丰富且极具学术前沿性的学术报告，启发了学院师生在研究范式和科研创新等学术研究层面的深度思考。本次讲座由舒嘉教授主持，慕银平教授、殷允强教授、艾兴政教授、白春光教授、代文强教授、王娇副教授、黄冯凤副教授、钟颖副教授、陈忠副教授、栗跃峰博士等经管近百名师生参加此次讲座。