Shared Mobility for Last-Mile Delivery: Design, Operational Prescriptions, and Environmental Impact
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Two socioeconomic transformations, namely, the booms in the sharing economy and retail e-commerce, lead to the prospect where shared mobility of passenger cars prevails throughout urban areas for home delivery services. Logistics service providers as well as local governments are in need of evaluating the potentially substantial impacts of this mode shift, given their economic objectives and environmental concerns. This paper addresses this need by providing new logistics planning models and managerial insights. These models characterize open-loop car routes, car drivers’ wage-response behavior, interplay with the ride-share market, and optimal sizes of service zones within which passenger vehicles pick up goods and fulfill the last-mile delivery. Based on theoretical analysis and empirical estimates in a realistic setting, the findings suggest that crowdsourcing shared mobility is not as scalable as the conventional truck-only system in terms of the operating cost. However, a transition to this paradigm has the potential for creating economic benefits by reducing the truck fleet size and exploiting additional operational flexibilities (e.g., avoiding high-demand areas and peak hours, adjusting vehicle loading capacities, etc.). These insights are insignificantly affected by the dynamic adjustment of wages and prices of the ride-share market. If entering into this paradigm, greenhouse gas emissions may increase because of prolonged car trip distance; on the other hand, even exclusively minimizing operating costs incurs only slightly more emissions than exclusively minimizing emissions. The online appendix is available at https://doi.org/10.1287/msom.2017.0683 .
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle