基于ELM算法的智能快递柜逾期计费模型研究*

□ 林绍丹，谢如鹤，徐钊楷，施宇鸿

(广州大学 工商管理学院，广东 广州 510006)

1 引言

2020年初新冠疫情背景下，快递柜成为解决最后一百米交付的有效载体，但同时关于逾期收费的问题也逐渐受到公众的高度关注。一方面，随着线上电商的快速发展，智能快递柜因解决了末端交付的时间窗、效率及安全性等问题，而充分享受了物流配送行业成长的红利，但另一方面，智能快递柜的初始投入及运营维护投入成本较大，不少快递柜供应商以逾期收费作为资金回笼的渠道之一。

2019年10月1日起施行的《智能快件箱寄递服务管理办法》中明确表示：企业使用智能快件箱投递快件应征得收件人同意，投递快件后应及时通知收件人[1]；应提供合理的保管期限，且在保管期限内不应单独收取服务费用。这在一定程度上将智能快递柜的选择权交给消费者，而企业也不得不做出让步，但《办法》中也表示，快递柜服务属于公共服务领域，在实践中应发挥其优势，逐步将智能快递柜发展为城市快递末端服务的重要组成部分。从长远角度来看，快递柜的布局有一定的战略意义，因此,剔除逾期收费中的盈利部分，确定逾期边际成本是快递柜收费良性发展的关键[2-3]。

2 快递柜收费现状

快递柜行业在中国仍处在早期布局阶段，普及率并不高，且快递柜的收益来源较为单一[4]，但在成本端，根据推荐性行业标准《智能快件箱》(YZ/T0133-2013)里对智能快递柜尺寸以及包括摄像头和控制区的配套硬件等的规定[5]，快递柜的生产成本具有一定刚性，而资金回笼的主要面向对象是在配送末端受惠的配送员，而逾期收费模式主要包括定额收费和打赏模式，随着打赏模式向定额收费模式转变，用户对快递柜收费标准及其合理性的关注度也日益提高[6]。用户对于逾期取件收费普遍表示理解，但是对使用快递柜的选择权、快递保管期限以及逾期收费标准仍存在争议。魏文彪认为，多数快递员未征得用户同意将快递放入快递柜，在已收取快递员缴纳的使用费后再向用户收费，属于违法的二次收费[7]；沈玲芳认为，快递柜收费是必然的趋势，但应该通过使用获得的流量与社区居民相关的服务商进行合作来获得相应收益[8]；杨达卿也提出，快递柜是消费流量的重要引入口，打通快递柜和线上平台才能实现更多元化的服务[9]。这些观点指出了快递柜企业的收益来源应通过扩展快递柜的价值来实现，并主要以此来弥补成本，而逾期费用则应尽可能反映逾期取件带来的边际成本，任震宇表示，只有科学合理地确定免费保管期限和收费标准，才有利于形成多方共赢的局面[10]，吴学安则提出，只有让消费者参与到决策的过程，并给消费者设定能接受的定价范围，让消费者满意，才能让行业发展壮大起来[11]。

现阶段在快递柜领域暂无快递柜收费机制相关的研究，而在空间租用计费领域，严海等人以总选择效用最大化为目标构建了浮动式的停车计费模型，且验证了浮动式计费的调控作用优于道路系统[12]；肖本佳等人从运输大数据平台抽样，以评价定平台权重，并结合指数编制理论建立了公路运价指数计算模型[13]，据此，本文结合快递柜的地域特点，让用户参与到定价过程，同时按经营效果对定价范围设置一定的纠偏机制，综合考虑了用户反馈信息的特点以及学习方法的泛化性能，本文基于极限学习机算法(Extreme Learning Machine，ELM)构建了综合考虑消费者反馈信息、管理者经验、行业限制等因素的浮动式计费模型，以期对相关行业的定价起到一定启发作用。

3 逾期计费模型构建

3.1 模型假设

在调查现状的基础上，为了将快递柜收费模型简化，做出如下合理假设：

①假设放入快递柜的所有快递都已经获得用户的同意才放入的；

②快递柜有一段时间的免费放置时间，这部分时间的成本由物流企业承担；

③假设逾期费用是用户能接受的和能被提前预知的；

④假设快递柜格口被打开后，必定发生了拿取或放置快递的行为。

3.2 模型构建

快递逾期拿取对快递柜造成的机会成本，即逾期快递对快递柜后续存放快递的影响大小，这个影响随着快递柜装载率、快递柜使用频繁程度的变化而变化，而合理的逾期收费不仅要考虑成本，还要在一定程度上为消费者的满意度做出让步，故本项目还加入了消费者反馈信息与管理者干预这两个调整因素。计费模型的计算流程如图1所示。

图1 新型自主学习计费策略的计算流程

其中，ELM算法的激活函数选择“系数+阈值”，将逾期快递所占用的机会成本用快递员每次存放快递时受逾期快递影响存放的期望成本表示，同时采用系数定向调节的方式体现管理者的干预，具体建立逾期计费模型如下：

(1)

(2)

式中，C 是发生逾期之后的最终计费结果；M 是一个增益系数，表示管理者对定价的干预力量；a 和b 是通过ELM拟合算法得到的参数，它们的值没有具体的意义；ω 是针对用户反馈信息加入的缩放因子，用来表示消费者反馈信息的真实贡献，相比于根据收费效果进行设置的管理者参数，缩放因子是在收费前根据区域消费群体的特征进行设置的；P表示所在地区一个快递柜格口超时收费平均价格，元/天/格；num表示快递柜格口的周转率，个/天/格；demand表示快递员平均每次投放快递需要的格口数；N表示快递柜的格口总数；iin表示快递柜每次放入快递后的满载率；iout表示快递柜每次拿出快递之后的满载率；当快递开始逾期时，系统记录逾期到被拿取期间的进出情况，实时生成快递逾期的动态费用。

3.3 数据处理过程

将用户的反馈信息划分为9标度(1…9)，1分表示认为价格太低，以至于不合理；9分表示价格太高，以至于不合理。假设用户对价格感知的反馈信息存在一个服从正态分布的随机偏向，根据3σ原则，若将偏向大小范围界定为[1/5,9/5]，σ≈0.27，即随机数X1～N(1,0.272)，在用户通过平台进行价格感知反馈时对反馈信息进行无偏处理。

其次，设置极限学习机算法的超参数，ELM算法是一类基于前馈神经网络(Feedforward Neuron Network,FNN)构建的机器学习算法，算法启动时随机生成输入层与隐含层间的连接权值及隐含层神经元的阈值，且这部分参数在处理数据过程中不再调整，相比于传统的训练方法，ELM具有学习速度快，泛化性能好等优势[14]。本项目设置学习周期power=30，即每有30个用户进行反馈则系统自动调整得到新的参数，令输入层神经元个数n=30；为了保证预测率，设隐含层神经元个数l=n=30；输出层神经元个数m=30。

算法输入集为用户经无偏处理的反馈信息，期望输出集为算法对反馈的学习效率，因为各级反馈而对快递柜的边际存储费用的调整比例，由于处理后的用户反馈是连续且不确定的，故需要对确定数据集进行拟合得到短时间一定内适用的函数，即确定式(1)中的a、b。而对于用户的反馈需要有个循序渐进的过程，因为用户的反馈而导致价格的剧烈波动并不可取，故本项目将9标度分别对应到价格波动区间[-0.1,0.1]的各均分位点上。

4 仿真应用结果分析

本项目采用数值仿真实验来验证模型效果。初始创建格口总数N=300的快递柜研究对象，以0-1形式随机生成格口的装载情况；令快递员平均每次投递快递的需求格口demand=100，每次的模拟需求则按正态分布X2～N(1,0.1)上下波动；根据实际的调研情况，设置P=1；假设该研究对象的逾期率是10%，快递柜可免费保管两天，且超过4天会面临退回，未逾期快递存放时长均匀分布在2天内，逾期快递的存放时长均匀分布在2-4天，可模拟得到格口中快递存放时长的状态集，若存放时长为0表示未存放快递，存放时长超过2则表示逾期，从初始开始，当快递的存放时长大于2，则开始记录该快递的成本，直到快递被提取；其中周转率num以当天的存放量和提取量计算，管理者干预是事后纠偏，故在模拟初令M=1。

在用户未反馈之前，需要通过调研收集潜在消费者的价格感知信息，本项目收集了30份消费者对P=1的定额收费的感知信息，经拟合得到网络结构中的连接函数，加入缩放因子后的表达式如下：

(3)

通过MATLAB进行数值仿真，对进出快递记录并计算逾期快递的费用，截取一定仿真时间范围内的订单逾期收费数据，本项目的仿真时间取50天，对比新型计费策略与传统定额收费之间的差别，记录数据如图2所示。

图2 逾期的快递所需要缴纳费用

从新型逾期计算费用的仿真数据来看，与传统的定额收费之间有较明显的差距，新型计费模型能更好地结合快递柜的机会成本，而从模拟的收费均值数据来看，新型计费策略下逾期快递的平均收费为1.1050元，传统定额收费策略下则为1.4906元，说明新型计费模型能以更灵活的方式将消费者剩余价值返还给消费者，结合一般采取线性连续函数刻画满意度的方式[15]，可以说明新型浮动计费模型能更好优化用户的使用体验。

5 结论

本项目的研究可以得出更合理反映快递柜被逾期快递所占用的成本，该模型应用了ELM拟合算法和加入了管理者干预机制的模式，能高效率且高准确度地适应陌生的数据环境，通过数值模拟验证了基于ELM算法的新型逾期计费模型的有效性。

未来快递柜的收费更多是考虑如何使快递柜用户形成社区盈利模式，对于本身作为惩罚手段的逾期收费，若把其当作盈利点则有过分惩戒的风险，容易造成消费者满意度下降和损害消费者权益。随着用户导向市场的形成，快递柜逾期收费剔除其盈利定位的趋势明显，通过平衡逾期惩戒费用和消费者满意度以维护用户使用习惯的相关举措，有望成为主流。