[论文解读] Fighting the E-commerce Giants: Efficient Routing and Effective Consolidation for Local Delivery Platforms

Albert H. Schrotenboer, Michiel A.J. uit het Broek+2 more|arXiv (Cornell University)|Aug 28, 2021

Urban and Freight Transport Logistics参考文献 27被引用 4

一句话总结

本文提出一种基于列生成的双参数成本函数近似（CFA）方法，用于在动态本地配送平台中平衡订单整合与配送紧急性。与基线方法相比，该方法显著提升了客户满意度，减少了延迟配送和行驶时间，且在不同系统条件下均表现出强鲁棒性。

ABSTRACT

Local delivery platforms are collaborative undertakings where local stores offer instant-delivery to local customers ordering their products online. Offering such delivery services both cost-efficiently and reliably is one of the main challenges for local delivery platforms, as they face a complex, dynamic, stochastic dynamic pickup-and-delivery problem. Orders need to be consolidated to increase the efficiency of the delivery operations and thereby enable a high service guarantee towards the customer and stores. But, waiting for consolidation opportunities may jeopardize delivery service reliability in the future, and thus requires anticipating future demand. This paper introduces a generic approach to balance the consolidation potential and delivery urgency of orders. Specifically, it presents a newly developed parameterized Cost-Function Approximation (CFA) approach that modifies a set-packing formulation with two parameters. This CFA approach not only anticipates future demand but also utilizes column generation to search the large decision space related to pickup-and-delivery problems fast. Inspired by a motivating application in the city of Groningen, the Netherlands, numerical experiments show that our CFA approach strongly increases perceived customer satisfaction while lowering the total travel time of the vehicles compared to various benchmark policies. Furthermore, our CFA also reduces the percentage of late deliveries, and their lateness, to a minimum. Finally, our approach may assist managers in practice to manage the non-trivial balance between consolidation opportunity and delivery urgency.

研究动机与目标

• 解决本地配送平台面临的动态、随机的取送货问题，需在订单整合效率与配送紧急性之间取得平衡。
• 开发一种可扩展、计算高效的实时路径决策方法，适用于不确定环境和软截止时间。
• 通过将客户满意度建模为配送时间与软截止时间的通用函数，最大化期望客户满意度。
• 通过离线训练和可解释的参数实现实际部署，避免昂贵的在线仿真。
• 在不同订单量、车辆数量和惩罚函数条件下，验证方法的鲁棒性。

提出的方法

• 参数化成本函数近似（CFA）通过引入两个参数，对集合打包公式进行修改，以权衡订单整合潜力与配送紧急性。
• CFA方法采用通用惩罚函数，基于配送时间相对于软截止时间的情况，建模客户不满程度。
• 采用列生成技术，实现实时高效探索取送货路径的庞大决策空间。
• 该方法通过历史数据离线训练，实现无需实时情景评估的快速在线决策。
• 该方法嵌入动态规划框架中，可预测未来需求并战略性地整合订单。
• 通过数值实验对CFA参数进行调优，以在不同需求和目标条件下最小化期望惩罚成本。

实验结果

研究问题

• RQ1 动态路径系统如何在提升效率的订单整合与满足软截止时间的紧急配送之间实现平衡？
• RQ2 不同惩罚函数（固定 vs. 变量延迟成本）对最优CFA参数设置及系统性能有何影响？
• RQ3 所提出的CFA方法在客户满意度、延迟配送和总行驶时间方面相较于基线策略表现如何？
• RQ4 CFA方法能否在不同系统规模（如不同车辆数和订单量）下保持稳健应用？
• RQ5 两个CFA参数之间存在何种关系？它们在不同目标下如何非线性地影响性能？

主要发现

• 与最佳基线策略（DSP）相比，CFA方法将延迟交付的百分比降低了最多40%，在LIML-4场景中延迟超过截止时间的情况减少了25%。
• 与DSP相比，延迟交付的平均延迟时间最多减少50%；在LIML-4案例中，CFA的平均延迟为8分钟，而DSP为18分钟。
• 与DSP相比，总行驶时间最多减少10.4%；在LIML-4场景中，CFA的行驶时间为918分钟，而DSP为1084分钟。
• CFA方法通过最小化惩罚成本提升了客户满意度，尤其在延迟惩罚具有高固定成本时，系统更优先考虑配送紧急性。
• 最优CFA参数之间存在非线性关系，表明人工调参无效，因此该方法的自动化参数化至关重要。
• 该方法在不同订单规模、车辆数量和惩罚函数下均保持鲁棒性，展现出强大的泛化能力。