[論文レビュー] On-Demand Delivery from Stores: Dynamic Dispatching and Routing with Random Demand

Sheng Liu, Zhixing Luo|arXiv (Cornell University)|Jul 27, 2021

Transportation and Mobility Innovations被引用数 11

ひとこと要約

本稿では、ランダムで時間変動する需要を伴うオンデマンドのグルメ・グルーディング配送システムにおける配送ドライバーの動的ディスpatchおよびルーティングのための構造的近似フレームワークAJRPを提案する。オフラインでのコスト・トゥ・ゴール関数の推定と、ボンデルス分解およびカラム生成によるオンライン確率的前方探索を組み合わせることで、検証可能な最適性を達成し、会社の現在のポリシーと比較して平均配達時間を36.53%短縮し、需要が高水準の状況では最大49.61%の改善が得られた。

ABSTRACT

On-demand delivery has become increasingly popular around the world. Motivated by a large grocery chain store who offers fast on-demand delivery services, we model and solve a stochastic dynamic driver dispatching and routing problem for last-mile delivery systems where on-time performance is the main target. The system operator needs to dispatch a set of drivers and specify their delivery routes facing random demand that arrives over a fixed number of periods. The resulting stochastic dynamic program is challenging to solve due to the curse of dimensionality. We propose a novel structured approximation framework to approximate the value function via a parametrized dispatching and routing policy. We analyze the structural properties of the approximation framework and establish its performance guarantee under large-demand scenarios. We then develop efficient exact algorithms for the approximation problem based on Benders decomposition and column generation, which deliver verifiably optimal solutions within minutes. The evaluation results on a real-world data set show that our framework outperforms the current policy of the company by 36.53% on average in terms of delivery time. We also perform several policy experiments to understand the value of dynamic dispatching and routing with varying fleet sizes and dispatch frequencies.

研究の動機と目的

• ランダムで逐次的な注文の到着が生じるオンデマンドのグルメ・グルーディング配送システムにおける、タイムリーな最終マイル配送を実現する挑戦に取り組む。
• 空間的・時間的需要の不確実性とマルチトリップ車両運用を考慮した、有限時間ホライズンの確率的動的計画問題としてのドライバーのディスパッチおよびルーティングをモデル化・解法する。
• 限られた車両数の下で、タイムリーなパフォーマンスと運用コストのバランスを取る計算効率が高く実装可能なポリシーを開発する。
• 大規模需要条件下での近似フレームワークの理論的パフォーマンス保証を確立する。
• 動的ルーティングとディスパッチの価値、およびディスパッチ頻度と注文の延期の影響が、配達パフォーマンスに与える影響を評価する。

提案手法

• 時間帯およびドライバー種別に分解された、パラメータ化されたディスパッチおよびルーティングポリシーを用いたコスト・トゥ・ゴール関数の推定を含む、構造的近似フレームワークを提案する。
• 将来の期待コストのオフライン推定とオンラインのロールアウトを統合し、不確実性下でのリアルタイム意思決定を可能にする。
• ボンデルス分解およびカラム生成を用いて近似問題を正確に解き、数分以内に検証可能な最適解を保証する。
• サンプル平均近似を用いて1期間分のコストおよび進行中のドライバー数を推定し、サンプルサイズの感度分析を実施する。
• 推定されたコスト・トゥ・ゴール関数を確率的動的計画問題に統合し、リアルタイムのディスパッチおよびルーティング意思決定を支援する。
• 最適だが実装不能な基準との比較のため、予言的評価法を適用する。

(a) Spatial distribution

実験結果

リサーチクエスチョン

• RQ1 ランダムで逐次的な注文の到着が生じる状況下で、動的ディスパッチおよびルーティングポリシーをどのように設計すれば、タイムリーな配達パフォーマンスを最大化できるか？
• RQ2 オンデマンド配送システムにおいて、短視眼的または静的ポリシーと比較して、構造的近似フレームワークを用いることでどの程度のパフォーマンス向上が得られるか？
• RQ3 特に車両数が制限されている状況において、動的ルーティングは動的ディスパッチに比べて、配達時間の短縮にどの程度大きな貢献をするか？
• RQ4 ディスパッチ頻度を高めることで、配達パフォーマンスおよび運用効率にどのような影響が生じるか？
• RQ5 ディスパッチおよびルーティングがすでに最適化されている状況で、柔軟な注文の延期はどの程度の価値を持つのか？

主な発見

• AJRPは、グルーディングチェーンが現在使用している短視眼的ポリシーと比較して、平均配達時間を36.53%短縮し、需要が高水準の状況では最大49.61%の改善が得られた。
• 動的ルーティングは、特に車両数が制限されている状況で、動的ディスパッチよりもより大きなパフォーマンス向上をもたらした。
• 柔軟な注文の延期による改善は限定的であり、平均して2.56%の配達時間短縮にとどまり、ディスパッチおよびルーティングがすでに良好に最適化されている状況では追加的価値は小さいことが示唆された。
• コスト推定のためのサンプルサイズが異なる場合でもパフォーマンスが安定しており、サンプルサイズを100から200に増やしても改善が得られなかった。これは、サンプルサイズが大きくなると過学習の可能性があることを示唆している。
• 近似フレームワークは有界な近似比を達成し、大規模需要条件下での最悪ケースパフォーマンス保証を提供した。
• ボンデルス分解およびカラム生成により、近似問題の正確な解が数分以内に得られ、リアルタイム導入を可能にした。

(b) Temporal distribution