《Transportation Research Interdisciplinary Perspectives》：Beyond the last mile: a systematic review of feasibility factors for drone deployment in logistics operations over the past decade
编辑推荐：
随着电子商务的快速发展和城市化进程的加速，物流运营的高效管理变得更具挑战性。传统物流系统面临着诸如道路拥堵、高运营成本和可持续性问题等限制。基于无人机的物流，无论是纯无人机模式还是与地面运输相结合的无人机模式，都成为一种有前景的解决方案，尤其适用于涉及小型轻量
随着电子商务的快速发展和城市化进程的加速，物流运营的高效管理变得更具挑战性。传统物流系统面临着诸如道路拥堵、高运营成本和可持续性问题等限制。基于无人机的物流，无论是纯无人机模式还是与地面运输相结合的无人机模式，都成为一种有前景的解决方案，尤其适用于涉及小型轻量包裹的最后一公里配送。大量研究探索了将无人机部署于现有交通网络中的混合物流系统，以提高配送速度、降低运营成本并支持可持续发展实践。本研究的文献综述批判性地、系统地评估了过去十年间已发表的无人机物流研究。其主要目标是通过考察技术、经济和运营维度，评估将无人机整合到物流系统中的可行性。本次调查研究识别并量化了关键的实践可行性因素，包括无人机飞行距离限制、有效载荷限制、同步复杂性、监管约束、充电基础设施可用性、制造能力和电池性能。此外，本综述还探讨了不同服务部门内的多智能体交互，分析了这些交互如何影响决策过程以及从技术、经济和运营角度看待的无人机整合所带来的后续影响。此外，本研究还提出了一个用于评估无人机及无人机辅助运输服务可行性的综合框架。通过分析广泛的不同因素，本研究清晰地展示了基于无人机的物流解决方案的潜力、其环境影响，以及若电子商务公司采用无人机进行配送，对城市区域的长期影响。
论文主体内容总结
3.1 纯无人机与无人机辅助地面运输的比较
将无人机整合到最后一公里物流中产生了两种主要的系统架构：纯无人机模式和混合无人机辅助地面运输系统。纯无人机配送模型旨在实现完全自主，不依赖地面车辆。例如，Kim等人引入了无人机运行规划模型，在该模型中，无人机从建筑物屋顶起飞执行包裹配送并自主充电。该系统被表述为一个混合整数线性规划模型，并辅以块堆叠启发式算法，证明了其可扩展性，但假设了理想的飞行条件。同样，Borghetti等人评估了意大利米兰纯无人机配送的可行性，通过多项逻辑模型和财务分析纳入了用户行为。结果表明，在有利的天气和监管环境下具有经济可行性，尽管城市空域和有效载荷限制仍是制约因素。
虽然纯无人机模型专注于实现完全自主，但它们面临飞行条件、法规和有效载荷方面的限制。为了解决这些挑战并提高运营效率，一些研究人员探索了将无人机与地面车辆相结合的无人机辅助地面运输系统。Murray和Chu的开创性工作引入了飞行副驾旅行商问题，协调一辆卡车和一架无人机以最小化配送时间。在此概念基础上，后来的研究扩展了问题范围和解法。Huang等人探索了与公共交通基础设施的整合，为无人机-火车系统构建了一个广义旅行商问题，减少了长途走廊的配送时间。Samouh等人引入了一种结合无人机和自动导引车的混合系统，在确定性需求条件下使用启发式方法最小化客户等待时间。Jeong和Lee研究了带卡车的无人机路径问题，其中卡车仅作为无人机枢纽，允许一次出动服务多个客户。他们开发的元启发式算法在城市模拟数据集中表现出色。Liu等人提出了一种包含同时取送货的多访问混合路由模型，该研究特别纳入了全球许多城市网络中常见的禁飞区约束。Dai等人探索了一种针对农村地区最后一公里物流的卡车-无人机混合方法，卡车将无人机从中央仓库运送到指定的转运点，无人机在此处被释放进行包裹配送。
一些研究还通过解决可扩展性、现实性和实际实施方面的关键限制，探索了先进的混合协调方法。Bi等人开发了一种深度Q网络算法，该算法通过纳入动作约束来减少决策空间并提高训练效率，从而优化真实路网上的配送计划。他们的方法显著减少了客户等待时间，并优于其他算法。Conea和Crisan提出了一种两步启发式方法，将OR-Tools用于初始卡车路线生成与贪婪无人机插入策略相结合。他们的方法能够并行计算多个候选路线，即使以次优的纯卡车路线初始化，也能保持稳定的性能。在此基础上，Conea等人引入了一个模型，该模型将精确的旅行商问题解与卡车的特定运输距离度量及无人机的直线距离相结合。这种方法解决了先前模型中缺乏地理现实性的问题，并在输入变化下展现出高解的稳定性。总的来说，这些研究有助于弥合理论路由模型与实际运营约束之间的差距，为混合最后一公里配送系统提供了更可扩展、高效和可实施的解决方案。
从基础设施的角度来看，纯无人机系统常常因电池续航而受限。为了解决这个问题，Cokyasar等人和Cokyasar开发了带有自动电池更换机系统的混合整数非线性规划模型，使纯无人机系统能够增强其航程和可扩展性。然而，这些模型需要战略性的基础设施布局，并且在规模扩大时面临计算挑战。混合系统通过在复杂网络中提供更好的灵活性和响应能力来解决关键的操作挑战，包括灾后道路网络中断、洪水灾害期间的多地形通行障碍以及卡车无法到达某些人道主义援助目的地的情况。例如，Rahman等人解决了灾后道路网络中断的挑战，并为两梯队协同车辆与无人机路径问题制定了一个优化模型，以确保紧急物资的及时送达。卡车服务于可达区域，无人机则到达偏远地点，从而在交通网络中断的情况下维持最后一英里服务的连续性。
Gong等人解决了洪水灾害后应急物资配送的挑战，当时许多陆路被淹没或无法通行。他们提出了一种协调的整数非线性规划优化模型，整合了卡车、快艇和无人机，以利用每种模式在不同地形上的优势。他们的方法证明了多模式混合系统在具有多地形通行限制的灾难场景中的有效性。同样，Lu等人解决了向卡车无法到达的地点运送人道主义援助的挑战，提出了一个带有多目标的无人机人道主义配送与取货车辆路径问题。他们的混合整数线性规划模型旨在最小化协同路由时间的最大值，同时最大化所考虑需求节点的最低满足率。以中国武汉为背景的计算实验表明，与纯卡车或纯无人机系统相比，卡车-无人机协作方案实现了更高的配送效率。Heidari等人也呼应了这种多目标视角，他们利用多目标粒子群优化和非支配排序遗传算法II，在考虑天气条件的同时最小化能耗和配送时间。
能源效率方面的考量也使最近的优化模型与众不同。Moadab等人提供了一种替代性的节能策略，即利用公共巴士作为移动无人机充电器，从而在不需新建基础设施的情况下延长无人机航程。Rahmani等人直接比较了纯无人机系统和无人机辅助公共交通系统，发现在西班牙巴塞罗那的一个现实案例研究中，虽然纯无人机系统通常更快，但无人机辅助公共交通系统消耗的能量显著更少。此外，Zhu等人将无人机与插电式混合动力电动汽车相结合，通过分段线性时间-荷电状态函数对部分充电进行建模，并使用自适应大邻域搜索算法优化配送时间。计算实验证明了所采用的ALNS算法相对于传统变邻域搜索算法的效率。此外，与基本线性函数相比，采用分段时间-荷电状态函数产生了更低的成本。
基于对相关研究的回顾可以得出结论，大多数研究考虑的无人机配送系统直接依赖于单个或多个地面运输车辆。单仓库设置是现有研究中最常见的一种。无人机通常被安排在一次行程中访问一个客户。随机建模设置并不常见，因为该领域的大多数研究工作都假设了确定性输入。混合整数线性规划数学公式通常是建模研究的基础。该组中的大多数研究侧重于时间和/或成本最小化，只有少数研究直接考虑了能耗因素。
所进行的审查确定，纯无人机系统提供自主性和简单性，但常常受困于能源限制和城市限制。无人机辅助地面运输模型虽然更复杂，但提供了更远的航程、操作灵活性和更好的可扩展性，特别是在通过人工智能、公共基础设施或能源感知设计得到增强时。这些比较性的见解强调了选择纯无人机还是混合系统在很大程度上取决于环境背景、配送密度、基础设施可用性以及物流运营的具体目标。
