A drone-assisted last-mile delivery framework for shipment prioritization in post-disaster and high demand periods
Notice bibliographique
Résumé
The aftermath of a disaster can observe increased demands for online purchases and deliveries due to a decreased local supply. The increased demands may then induce delays in item delivery. Natural disasters may also result in epidemics and critical medical situations. Thus, the deliveries can include both life-essential items, such as medicine or medical equipment, and non-essential items, such as toys or decor products. Similar circumstances may be induced by other abnormal situations, such as pandemics or wars. It is then important to prioritize shipments to ensure early delivery of life-essential products at the expense of delaying non-essential items. In this work, we introduce a framework to prioritize shipments with application on drone-assisted last-mile deliveries. While the framework is general and can be used in different last-mile delivery types, the selection of drone-assisted deliveries is important for post-disaster situations to allow for contactless deliveries in case of epidemic outbreaks, and to reach destinations inaccessible by vehicles due to damaged roads and infrastructure. We consider different priority levels ranging from high priority to low priority items. High priority items must be delivered as soon as possible, medium priority items must be delivered within a certain time frame, and low priority items can be delivered after the high and medium priority conditions are met. We introduce a mixed integer program to model the drone-assisted last-mile deliveries with the prioritization scheme and propose a solution framework to systematically solve the problem. Finally, we illustrate the benefits of the model through numerical cases and simulations, and discuss its implications. • Drone-assisted last-mile deliveries in post-disaster and high-demand periods. • A prioritization scheme to ensure the prompt delivery of essential items. • A mixed integer program formulation is designed and presented. • A solution framework that aids in solving the problem is designed and presented. • Numerical cases and simulations are presented and discussed.
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 ».