Location Optimization for Community Smart Parcel Lockers Based on Bilevel Programming
Notice bibliographique
Résumé
With the rapid development of e-commerce and the dramatic upsurge in direct-to-consumer deliveries, the last-mile problem has become increasingly apparent. With the distinct advantages of bringing economies of scale and providing 24/7 contactless self-service, smart parcel lockers play a critical role in solving the last-mile problem. However, due to a lack of planning, myopia expansion, and an ambiguous profit model, smart parcel locker suppliers in China have been suffering huge economic losses, restricting their further development. In the study, on the basis of an in-depth analysis of the cost elements and major revenue sources of smart parcel lockers, we propose a bilevel programming model to optimize the location of community smart parcel lockers with the upper-level model maximizing the profit of a third-party smart parcel locker supplier and the lower-level model maximizing user satisfaction. Then, a solution algorithm based on the genetic algorithm is proposed. Finally, some numerical experiments are carried out based on a medium-scale residential community in Jiading District, Shanghai. The sensitivity analyses conducted in this study reveal how the user satisfaction evaluation and the investment budget influence the expected profit. The modelling framework and numerical results can provide third-party smart parcel locker suppliers with significant theoretical support and practical guidance on planning the investment budget and optimizing the smart parcel locker locations to maximize their profit.
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.
Comment cette classification a été obtenuedéplier
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».