Covering Routing Problem with Robots and Parcel Lockers: A Sustainable Last-Mile Delivery Approach
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
This study presents the Covering Routing Problem with Robots and Parcel Lockers (CRP-R-PL), a challenge arising in sustainable last-mile delivery contexts such as e-commerce and city distribution. In this problem, trucks depart from a central depot, delivering parcels directly to a subset of customers or a subset of parcel lockers. With these parcel lockers, the remaining customers could pick up items if they prefer the pick-up delivery method. In addition, each truck is equipped with an electric-powered Sidewalk Autonomous Delivery Robot (SADR), a sustainable delivery solution used in the U.S. and Canada by Uber and Amazon. This zero-emission vehicle is deployed to get off the truck, serve one or multiple customers, and then return to the same truck for battery swap and package retrieval. For the routing of SADRs, the trucks act as a moveable satellite depot to serve the remaining customers. The CRP-R-PL seeks cost-minimizing solutions by determining optimal parcel locker locations and routes of trucks and SADRs to serve all customers. We offer a mixed-integer programming formulation and a greedy heuristic to solve it. The CRP-R-PL includes three decisions: 1) finding the location of parcel lockers, 2) routing the trucks to visit the customers and parcel lockers, and 3) routing the SADRs to serve the remaining customers. Since this problem has yet to be studied in the literature, a new set of benchmark instances is introduced for the CRP-R-PL and solved by Gurobi alongside the parameter's sensitivity analysis.
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