《ADVANCED ENGINEERING INFORMATICS》：Integrating autonomous delivery vehicles and couriers for instant delivery: a dynamic optimization approach considering customer preferences and courier income
编辑推荐：
本研究探讨了一种涉及自动驾驶配送车 (ADVs) 与人类快递员混合车队的动态车辆路径问题，其主要目标是通过优化订单分配和车辆路线来最小化系统总成本。虽然引入 ADVs 能带来效率提升，但现有研究 largely 忽视了客户对不同配送模式的异质性偏好，以及自动化
本研究探讨了一种涉及自动驾驶配送车 (ADVs) 与人类快递员混合车队的动态车辆路径问题，其主要目标是通过优化订单分配和车辆路线来最小化系统总成本。虽然引入 ADVs 能带来效率提升，但现有研究 largely 忽视了客户对不同配送模式的异质性偏好，以及自动化对传统快递员潜在的收入影响。为解决这些空白，本研究构建了一个考虑客户与快递员的即时配送系统动态优化模型 (DOMIDS-CC)。该研究采用滚动时域框架，通过整合实时订单与预测订单来动态优化路线。利用机会约束规划显式地对客户针对不同模式的偏好进行建模。此外，首次引入了时间感知的收入保护约束，以保障快递员收入并确保劳动公平性。为高效求解这一 NP-hard 问题，研究人员开发了一种改进的自适应大邻域搜索 (ALNS) 算法，并结合蒙特卡洛采样以处理随机约束。具体而言，该算法纳入了一种新颖的基于偏好的破坏算子和一种基于模拟的可行性检查，有效地平衡了复杂解空间的探索与概率满足保证的严格验证。实验结果表明，与仅使用快递员的模型相比，所提出的方法将总成本降低了 23.5%。此外，以人为本约束的加入使客户满意度提高了 8.4%，快递员平均收入增加了 22.4%，为平衡运营效率与社会责任提供了一个稳健的框架。
**论文解读：融合自动驾驶与人工配送的动态优化策略及其社会经济效益分析**
**研究背景与问题阐述**
即时配送作为一种新兴的快速响应快递服务，近年来发展迅猛。它利用数字平台连接寄件人、快递员和收件人，承诺按需履行，通常在两小时内完成交付。此类服务涵盖生鲜食品、外卖餐点、药品及紧急文件等典型物品。与传统物流提前数天规划订单不同，即时配送具有极端的即时性、高度的需求随机性以及严格的服务水平协议 (SLAs)。请求的动态到达造成了需求的突然激增（例如午餐高峰），这就要求系统具备快速响应能力。这些特征在响应速度与运营成本之间制造了根本性的张力。单纯依赖人类快递员虽然能提供高度灵活性以满足紧迫的时间窗口，但在高峰期会产生高昂的成本并面临劳动力短缺。相反，自动驾驶配送车 (ADVs) 或无人机虽能提供较低的边际成本，但目前缺乏应对最紧急或复杂配送所需的速度和垂直移动能力（如爬楼梯）。因此，即时配送的独特性质 necessitates 一种协作范式。
尽管 ADVs 被视为即时配送行业的变革力量，能够通过减少劳动力支出作为补充物流能力，特别是在深夜运营、恶劣天气条件和订单高峰期部分替代人类快递员，但技术的不成熟和不完善的法律框架目前阻止了这些自动驾驶车辆完全独立地履行配送任务。因此，ADVs 与快递员之间的协作配送预计将成为可预见的未来即时配送的主要模式。然而，这种技术转变带来了深刻的社会技术挑战，而当前的物流优化模型尚无法有效应对。简单地引入 ADVs 并非万能药，它产生了一系列新的复杂性，威胁到客户接受度和劳动力稳定性。现有研究过度关注成本降低和路由效率，从而在两个关键维度上造成了严重的盲点：一是客户的异质性偏好，用户受成本、感知安全、无接触需求或配送指令复杂性等因素影响，对 ADVs 与人类快递员表现出截然不同的偏好；二是快递员的福利与收入稳定性，自动化的部署直接威胁到庞大的人类快递员群体的生计，确保公正过渡并维持快递员公平收入不仅是伦理考量，更是运营稳定和社会可持续性的关键因素。鉴于现有研究 largely 忽视了这两个 crucial 维度，且据研究人员所知，此前尚无研究开发出能同时应对这些交织的运营、社会和以客户为中心的挑戰的优化模型，因此开展此项研究显得尤为迫切。
**研究内容与结论**
针对上述空白，研究人员 pioneering 地提出了一种用于协作 ADV-快递员配送系统的动态优化模型 (DOMIDS-CC)。该模型超越了单纯的成本最小化，实现了三重目标：最大化运营效率、确保高客户满意度以及保护快递员收入。研究发表在《ADVANCED ENGINEERING INFORMATICS》期刊上。主要贡献包括：首先，通过开发独特的滚动时域框架，将实时需求与复杂的订单预测模型相结合，以应对即时配送的高度动态性；其次，通过显式建模配送模式偏好，直接解决客户接受度问题，利用机会约束规划确保分配在高概率下尊重客户偏好；第三，通过纳入 robust 的快递员收入保护约束，倡导可持续和公平的劳动模式。实验结果证实，该方法显著降低了总成本，同时提升了客户满意度和快递员收入，为平衡效率与责任提供了 robust 框架。
**关键技术方法概括**
为开展此项研究，研究人员主要运用了以下关键技术方法：首先，构建了考虑客户和快递员的即时配送系统动态优化模型 (DOMIDS-CC)，该模型基于滚动时域框架，能够整合实时订单数据与预测订单数据，以实现对混合车队（ADVs 与人类快递员）路径的动态优化。其次，采用了机会约束规划 (Chance-Constrained Programming) 技术，将客户对不同配送模式的定性偏好转化为可量化的优化约束，确保在服务分配中满足特定的概率置信度。再次，创新性地引入了时间感知的收入保护约束，旨在量化并保障人类快递员的最低收入水平，以维护劳动公平。最后，为求解这一 NP-hard 问题，研究人员开发了一种改进的自适应大邻域搜索 (ALNS) 算法，该算法耦合了蒙特卡洛采样 (Monte Carlo Sampling, MCS) 技术来处理随机约束，并特别设计了基于偏好的破坏算子以及基于模拟的可行性检查机制，以高效探索解空间并验证概率满足保证。案例研究基于真实世界数据进行验证。
**研究结果分析**
* **算法性能基准测试**：通过将提出的改进 ALNS 算法与经典元启发式算法进行对比，验证了新算法在求解效率和解决方案质量上的优越性，证明其能更快速地收敛至高质量解。
* **实验设置与参数分析**：在特定的研究区域和参数值设定下，评估了系统在不同场景下的表现，确立了模型在实际应用中的可行性边界。
* **系统整体性能分析**：在最优解下，研究发现所提出的 DOMIDS-CC 模型相较于仅使用快递员的基准模型，能够将系统总成本降低 23.5%。这一数据表明，混合车队模式在经济性上具有显著优势。
* **社会与人文指标评估**：进一步的分析显示，由于引入了以人为本的约束条件，客户满意度提升了 8.4%，这归因于模型对客户偏好的尊重；同时，快递员的平均收入增加了 22.4%，证明了收入保护约束的有效性，成功缓解了自动化带来的负面社会影响。
**讨论与结论总结**
本研究提出了 DOMIDS-CC 模型以优化 ADVs 与人类快递员之间的协作配送。基于实证结果，研究人员综合得出了关键的管理启示：管理者应从同质化车队管理转向差异化容量策略，充分利用 ADVs 和人类快递员的独特优势。例如，利用 ADVs 处理标准化、低复杂度的订单，而让人类快递员专注于高复杂度、高价值或对人际互动有要求的配送任务。
结论部分指出，本研究通过提出 DOMIDS-CC 模型，解决了整合 ADVs 与人类快递员这一新兴挑战。该模型通过机会约束规划 accounted for 不同配送模式下的客户满意度。此外，研究人员引入了额外的约束条件，以减轻 ADVs 对快递员的潜在不利影响并保护其福利。所提出的模型利用结合蒙特卡洛采样 (MCS) 的改进 ALNS 算法进行求解。基于真实世界的广泛实验表明，该方法不仅大幅降低了运营成本，还显著提升了客户体验和劳动者权益，为实现技术进步与社会责任的和谐统一提供了理论依据和实践指南。
