[论文解读] LaDe: The First Comprehensive Last-mile Delivery Dataset from Industry

Lixia Wu, Haomin Wen+11 more|arXiv (Cornell University)|Jun 19, 2023

Urban and Freight Transport Logistics被引用 4

一句话总结

本文介绍了LaDe，这是首个公开可用的大规模、全面且多样化的末端配送数据集，源自菜鸟网络的真实运营。该数据集涵盖六个月内的1070万件包裹和21000名快递员，包含包裹位置、任务事件和快递员活动的详细时空数据，可用于路线预测、ETA估算以及时空预测任务的基准测试，并支持最先进基线模型的评估。

ABSTRACT

Real-world last-mile delivery datasets are crucial for research in logistics, supply chain management, and spatio-temporal data mining. Despite a plethora of algorithms developed to date, no widely accepted, publicly available last-mile delivery dataset exists to support research in this field. In this paper, we introduce exttt{LaDe}, the first publicly available last-mile delivery dataset with millions of packages from the industry. LaDe has three unique characteristics: (1) Large-scale. It involves 10,677k packages of 21k couriers over 6 months of real-world operation. (2) Comprehensive information. It offers original package information, such as its location and time requirements, as well as task-event information, which records when and where the courier is while events such as task-accept and task-finish events happen. (3) Diversity. The dataset includes data from various scenarios, including package pick-up and delivery, and from multiple cities, each with its unique spatio-temporal patterns due to their distinct characteristics such as populations. We verify LaDe on three tasks by running several classical baseline models per task. We believe that the large-scale, comprehensive, diverse feature of LaDe can offer unparalleled opportunities to researchers in the supply chain community, data mining community, and beyond. The dataset homepage is publicly available at https://huggingface.co/datasets/Cainiao-AI/LaDe.

研究动机与目标

• 为解决学术界和工业界在末端配送领域缺乏公开可用、大规模且全面的数据集的问题。
• 提供一个基准数据集，以支持物流、供应链管理和时空数据挖掘领域的研究。
• 通过真实世界的末端配送任务，实现机器学习模型评估的可复现性。
• 通过发布包含详细、匿名化且经过扰动的真实运营数据的数据集，促进透明度与合作。

提出的方法

• 数据集源自菜鸟实时末端配送平台，涵盖包裹取件（LaDe-P）和配送（LaDe-D）两个流程。
• 原始数据通过混淆快递员和包裹ID实现匿名化，空间坐标被扰动至10米精度阈值以保障隐私。
• 数据集包含全面的属性信息：包裹级数据（如起点、终点、时间窗口）、快递员级数据，以及带时间戳和位置的任务事件日志（如任务接受、任务完成）。
• 数据被组织为两个子数据集：LaDe-P用于取件，LaDe-D用于配送，各自在多个城市展现出独特的时空模式。
• 在三个核心任务上训练并评估了基线模型：路线预测、ETA预测和时空图预测。
• 所有基准测试的源代码和模型实现均通过Hugging Face仓库公开，以支持可复现性及社区扩展。

实验结果

研究问题

• RQ1 大规模、全面且多样的末端配送数据集在多大程度上能提升物流算法的评估与开发？
• RQ2 在不同城市环境中，真实世界末端配送中的关键时空模式和运营特征是什么？
• RQ3 当在该数据集上进行训练时，现有机器学习模型在真实世界末端配送任务中的泛化能力如何？
• RQ4 任务事件日志（如任务接受、任务完成）的引入在建模快递员行为与配送动态方面有何增强作用？
• RQ5 在该真实世界数据集上，路线预测、ETA估算和时空预测的性能基准是什么？

主要发现

• LaDe是迄今为止最大规模的公开末端配送数据集，包含10677000件包裹和21000名快递员，数据覆盖六个月。
• 数据集包含对包裹位置、时间窗口和快递员任务事件的详细、匿名化且经过扰动的时空数据，确保隐私的同时保留了数据实用性。
• 在路线预测、ETA预测和时空图预测三项任务上的基准测试表明，该数据集适用于评估各类机器学习模型。
• 由于其全面且多场景的设计，该数据集支持多样化的研究应用，包括物流优化、路径规划和时空预测。
• 该数据集以CC BY-NC 4.0许可托管于Hugging Face，源代码和基线模型均公开，以鼓励可复现性与社区贡献。
• 该数据集在Hugging Face上持续维护，版本更新通过仓库通知，以确保透明度和长期可用性。