Optimizing an On-Demand Delivery Mode Based on Trucks and Drones
Notice bibliographique
Résumé
We explore a novel on-demand delivery mode based on cooperation between trucks and drones. A fleet of trucks, each of which carries several drones, travels along a closed-loop route, and the drones are launched from the trucks to pick up (or deliver) ordered parcels from their origin (or to their destination). The fulfillment of an order (i.e., delivering the parcel from its origin to its destination) includes three steps: pick up by a drone, transport by a truck, and delivery by a drone. We investigate how to fulfill all of the orders in one batch in order to minimize the total operational cost. We build a mixed-integer programming (MIP) model for this new on-demand delivery system in a network of multiple routes with transshipment. For drones, the assignment decision regarding the fulfillment stages for the orders and the location decision regarding the launching from and landing onto trucks are optimized by the proposed MIP model. An exact branch-and-price algorithm is designed to efficiently solve the model on large-scale instances. We validate the advantages of our algorithm in terms of computing time and solution quality through experiments on both artificial and real data. We validate the benefits of both implementing this new delivery mode and allowing transshipments among routes using a drone to serve multiple orders in one flying trip and consolidating orders. We also investigate the influences of the number of drones, speed, endurance time, unit penalty cost, and the geographic distribution of orders on the system’s operational cost. Funding: This research was supported by the National Natural Science Foundation of China [Grants 72025103, 72394360, 72394362, 72361137001, and 7237122]; the China Postdoctoral Science Foundation [Grant 2024M761921]; the Project of Science and Technology Commission of Shanghai Municipality China [Grant 23JC1402200]; and the Research Grants Council of the Hong Kong Special Administrative Region, China [Grant HKSAR RGC TRS T32-707/22-N]. Supplemental Material: The online appendix is available at https://doi.org/10.1287/trsc.2024.0693 .
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».