Ottimizzare i percorsi di consegna dell'ultimo miglio per veicoli elettrici

Questa discussione si concentra sul miglioramento dei percorsi per la consegna dell'ultimo miglio usando veicoli elettrici (EV), per renderli più sicuri e più efficienti dal punto di vista energetico. Con l'e-commerce che diventa sempre più comune, le aziende di consegna affrontano sia preoccupazioni ambientali sia problemi di sicurezza stradale. Questo documento propone un metodo per creare Percorsi di Consegna efficienti che considerano sia l'energia utilizzata sia il numero di svolte a sinistra, che possono contribuire a una guida più sicura.

#Introduzione

Negli ultimi anni, il settore dei trasporti ha visto un notevole aumento delle emissioni di gas serra, con quasi otto gigatoni riportati nel 2022. Questo aumento è in parte dovuto al mercato dell'e-commerce in espansione, che richiede una logistica estesa per consegnare beni. Ad esempio, Amazon ha consegnato un numero impressionante di pacchi nel 2021, ma a un costo di carbonio considerevole.

La sicurezza stradale è un altro problema urgente, con milioni di incidenti che si verificano ogni anno, molti dei quali coinvolgono operazioni di consegna. Gli studi dimostrano che molti incidenti avvengono agli incroci, specialmente durante le svolte a sinistra. La ricerca ha indicato che riducendo le svolte a sinistra nei percorsi, aziende come UPS sono riuscite a diminuire sia il consumo di carburante sia i tassi di incidenti.

Tenendo conto di questi problemi, ci concentriamo sui percorsi di consegna per veicoli elettrici, che presentano un'opportunità unica per ridurre le emissioni e migliorare la qualità dell'aria urbana. Tuttavia, modellare il Consumo Energetico per questi veicoli resta una sfida a causa di vari fattori influenti, tra cui lo stile di guida e le condizioni del traffico.

#Dichiarazione del problema

Questo documento affronta il problema della pianificazione dei percorsi per un singolo veicolo, creando percorsi efficienti e sicuri per raggiungere i punti di consegna. L'obiettivo è trovare un modo per visitare le posizioni selezionate dei clienti minimizzando il consumo energetico e il numero di svolte a sinistra effettuate durante il viaggio.

L'ottimizzazione può essere inquadrata come una variante del noto Problema del Commesso Viaggiatore (TSP), dove l'obiettivo è trovare il percorso più breve per visitare tutte le fermate specificate. Tuttavia, il nostro metodo permette la possibilità di rivisitare posizioni specifiche se necessario e richiede anche che le consegne avvengano entro finestre temporali impostate.

#Metodologia

Per risolvere questo problema, introduciamo un modello di programmazione mista-integra che considera due obiettivi principali: minimizzare l'energia utilizzata e minimizzare le svolte a sinistra. Questo modello consente ai veicoli di aspettare in determinate posizioni per rispettare i limiti di tempo quando arrivano in anticipo.

Il modello genera una gamma di opzioni di routing, o tour, da cui i conducenti possono scegliere in base alle loro priorità. I tour assicurano che i conducenti possano prendere decisioni informate su quali percorsi seguire, bilanciando il consumo energetico e la sicurezza.

#Approccio di Programmazione Mista Intera

Il nostro metodo proposto inizia con un modello matematico. Il modello aiuta a delineare i migliori percorsi possibili utilizzando variabili decisionali che indicano quando e dove avvengono le consegne e quante volte ogni posizione viene visitata.

Applichiamo quindi una tecnica di scalarizzazione per bilanciare i due obiettivi in competizione del consumo energetico e della sicurezza. Questa tecnica aiuta a scoprire un insieme di percorsi ottimali che possono essere adattati in base alle specifiche esigenze di consegna.

#Euristica di Ricerca Locale

Riconosciamo anche che le reti di consegna nel mondo reale sono complesse e richiedono soluzioni più veloci. Pertanto, proponiamo un'euristica di ricerca locale per trovare soluzioni quasi ottimali in un lasso di tempo ragionevole. Questo metodo itera attraverso diverse combinazioni di percorsi e utilizza varie strategie per esplorare potenziali percorsi.

Le nostre strategie includono:

• S3Opt e S3OptTW: Questi metodi cercano modi per migliorare i percorsi esistenti valutando le combinazioni di segmenti per vedere se sono disponibili opzioni migliori.

• RepairTW: Questa strategia si concentra sulla correzione dei percorsi che non soddisfano i requisiti delle finestre temporali modificando l'ordine delle fermate.

• FixedPerm: Questo operatore cerca di migliorare i percorsi tra terminali vicini senza alterare la loro sequenza.

• Quad e RandPermute: Questi metodi iniettano diversità nella ricerca per esplorare una gamma più ampia di soluzioni.

La combinazione di queste strategie permette al modello di affinare continuamente i percorsi, garantendo che le soluzioni siano efficienti e pratiche per applicazioni nel mondo reale.

#Applicazioni nel mondo reale

Per illustrare l'efficacia dei nostri metodi, li applichiamo a un set di dati relativo ai percorsi di consegna dell'ultimo miglio di Amazon ad Austin, in Texas. Questo set di dati include informazioni dettagliate su fermate di consegna, finestre temporali, e la sequenza delle fermate effettuate dai conducenti.

Nella nostra analisi, ci siamo concentrati sull'assicurare che ogni percorso fosse progettato in modo ottimale per ridurre sia il consumo energetico sia il numero di svolte. Abbiamo utilizzato un modello basato sulla fisica per stimare il consumo energetico, che ha considerato fattori come la velocità del veicolo, il gradiente stradale e l'attrito.

Analizzando i dati reali, abbiamo scoperto che quasi un terzo dei collegamenti stradali offriva opportunità di recupero energetico, dimostrando il potenziale per ulteriori ottimizzazioni nei percorsi che coinvolgono la frenata rigenerativa.

#Risultati

Nei nostri esperimenti, abbiamo cercato di confrontare le prestazioni dei nostri metodi proposti rispetto agli approcci tradizionali. I risultati hanno rivelato che la nostra euristica di ricerca locale ha superato la programmazione mista-integra quando si trattava di reti più grandi e complesse a causa dei vincoli di tempo dell'ultima.

In media, i nostri metodi sono stati in grado di identificare circa 66 percorsi distinti in meno di due ore. Questi percorsi hanno fornito una gamma di opzioni per i conducenti, consentendo loro di scegliere i percorsi che meglio soddisfacevano le loro esigenze in termini di efficienza energetica e sicurezza.

L'analisi ha anche indicato che consentire di rivisitare determinati terminali era un aspetto cruciale per trovare percorsi efficaci, con i numeri medi di rivisitazione che suggerivano miglioramenti significativi nella qualità del tour.

#Conclusione

Questa ricerca affronta le sfide che si trovano di fronte alla logistica delle consegne in un mondo sempre più guidato dall'e-commerce. Concentrandosi sull'ottimizzazione dei percorsi di consegna per veicoli elettrici, contribuiamo a soluzioni che minimizzano l'uso di energia mentre migliorano la sicurezza.

I metodi proposti consentono alle aziende di logistica la flessibilità di adattare le loro strategie di routing in base a specifiche esigenze operative e preferenze. Abilitando l'esplorazione di opzioni di routing diverse, permettiamo a conducenti e manager di prendere decisioni informate che si allineano sia con gli obiettivi ambientali sia di sicurezza.

Il lavoro futuro potrebbe considerare l'incorporazione di vincoli aggiuntivi che influenzano le decisioni di guida nel mondo reale, come le condizioni del traffico e la disponibilità di parcheggio. In definitiva, questa ricerca getta le basi per far avanzare pratiche logistiche sostenibili di fronte a una crescente urbanizzazione e preoccupazioni ambientali.