[논문 리뷰] On-Demand Delivery from Stores: Dynamic Dispatching and Routing with Random Demand

Sheng Liu, Zhixing Luo|arXiv (Cornell University)|2021. 07. 27.

Transportation and Mobility Innovations인용 수 11

한 줄 요약

이 논문은 랜덤하고 시간에 따라 변하는 수요를 가진 온디맨드 식료품 및 식사 배달 시스템에서 배달 기사의 동적 딜리버리 딜리버리 및 라우팅을 위한 구조적 근사 프레임워크인 AJRP를 제안한다. 비용-미래 함수의 오프라인 추정과 온라인 스토케스틱 룩어헤드를 Benders 분해와 컬럼 생성을 통해 조합함으로써 AJRP는 검증 가능한 최적성을 확보하고 기업의 현재 정책 대비 평균 배달 시간을 36.53% 감소시켰으며, 고수요 상황에서는 최대 49.61% 향상시켰다.

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.

연구 동기 및 목표

• 랜덤하고 순차적인 주문 도착 조건 하에서 온디맨드 식료품 및 식사 배달 시스템에서 정시 최종마일 배달을 달성하는 데 도전 과제를 해결하기 위해.
• 공간-시간 수요 불확실성과 다중 여정 차량 운영을 고려한 유한시간 영역 스토케스틱 동적 프로그래밍을 모델링하고 해결하기 위해.
• 제한된 플릿 규모 조건 하에서 정시 성과와 운영 비용을 균형 잡는 계산 효율적이고 구현 가능한 정책을 개발하기 위해.
• 대량 수요 조건 하에서 근사 프레임워크의 이론적 성능 보장을 수립하기 위해.
• 동적 라우팅과 딜리버리 딜리버링의 가치 및 딜리버리 빈도와 주문 유예의 영향이 배달 성능에 미치는 영향을 평가하기 위해.

제안 방법

• 비용-미래 함수를 매개변수화된 딜리버리 및 라우팅 정책을 사용해 시간 간격과 기사 유형별로 분해함으로써 비용-미래 함수를 추정하는 구조적 근사 프레임워크를 제안한다.
• 미래 비용의 온라인 추정과 온라인 롤아웃을 통합하여 불확실성 하에서 실시간 의사결정을 가능하게 한다.
• 근사 문제를 정확하게 해결하기 위해 Benders 분해와 컬럼 생성을 활용하며, 분석 결과 최적 해를 몇 분 내로 확보할 수 있다.
• 단일 기간 비용과 운행 중 기사 수를 추정하기 위해 표본 평균 근사법을 사용하며, 표본 크기의 민감도 분석을 실시한다.
• 추정된 비용-미래 함수를 스토케스틱 동적 프로그래밍에 통합하여 실시간 딜리버리 및 라우팅 의사결정을 안내한다.
• 최적이지만 비현실적인 기준과의 성능 비교를 위해 클레어보이언트 평가 방법을 적용한다.

(a) Spatial distribution

실험 결과

연구 질문

• RQ1 랜덤하고 순차적인 주문 도착 조건 하에서 정시 배달 성능을 극대화하기 위해 동적 딜리버리 및 라우팅 정책는 어떻게 설계될 수 있는가?
• RQ2 온디맨드 배달 시스템에서 이른바 '미래를 보지 못하는' 정책이나 정적 정책에 비해 구조적 근사 프레임워크를 사용할 경우 성능 향상은 어느 정도인가?
• RQ3 제한된 플릿 규모 조건 하에서 동적 라우팅은 동적 딜리버리에 비해 얼마나 더 높은 성능 향상을 제공하는가?
• RQ4 딜리버리 주파수를 높일 경우 배달 성능과 운영 효율성에 어떤 영향을 미치는가?
• RQ5 딜리버리 및 라우팅가 최적화되어 있는 상황에서, 유연한 주문 유예는 얼마나 가치가 있는가?

주요 결과

• AJRP는 식료품 체인에서 현재 사용 중인 이른바 '미래를 보지 못하는' 정책 대비 평균 배달 시간을 36.53% 감소시켰으며, 고수요 상황에서는 최대 49.61% 향상시켰다.
• 제한된 플릿 규모 조건 하에서 동적 라우팅이 동적 딜리버리에 비해 더 큰 성능 향상을 제공한다.
• 주문 유예의 영향은 미미하며, 평균적으로 배달 시간 감소 2.56% 수준에 그쳐, 딜리버리 및 라우팅가 잘 최적화된 이후에는 추가 가치가 제한적임을 시사한다.
• 비용 추정의 표본 크기 변화에 대해 성능이 안정적이며, 표본 크기를 100에서 200으로 늘려도 향상 없이 유지되어, 더 큰 표본에서의 과적합 가능성을 시사한다.
• 근사 프레임워크는 유한한 근사 비율을 확보하고 대량 수요 조건 하에서 최악의 경우 성능 보장을 제공한다.
• Benders 분해와 컬럼 생성은 근사 문제의 정확한 해를 몇 분 내로 도출하여 실시간 구현을 지원한다.

(b) Temporal distribution