一种基于注意力机制的货运车辆仓库逗留时长预测方法

摘要

本发明公开了一种基于注意力机制的货运车辆仓库逗留时长预测方法，利用深度学习技术，按照大宗货运车辆在厂内装货时的不同排队状态设计了分别与之对应的深度学习模块。根据装运作业已完成车辆信息感知仓库的作业能力，基于作业中车辆与排队车辆提取队列中任务完成进展相关的信息，利用Attention机制提取队列中前序车辆与当前车辆仓库逗留时长预测相关的重要信息，将前序车辆信息加权结果与当前车辆信息进行残差连接，最后使用单层神经网络作为回归层得到最终时长预测值。本发明在物流仓库车辆排队的逗留时长预测研究中，更适用于仓库作业能力不确定的情况，整体模型结构设计更适用于具有多种排队状态的场景，能有效提升货车在仓库逗留的时长预测精度。