Presentiamo LaDe: un nuovo dataset per la ricerca sulla consegna dell'ultimo miglio

La consegna dell'ultimo miglio è una parte importante della Logistica che collega il centro di spedizione con il cliente finale. Questa fase include sia il processo di ritiro dei pacchi che la loro consegna. Non è solo fondamentale per soddisfare i clienti, ma è anche la parte più costosa e dispendiosa in termini di tempo del processo di spedizione. Con la crescita delle città e l'aumento dello shopping online, lo studio della consegna dell'ultimo miglio ha attirato l'attenzione di molti ricercatori ed esperti del settore. Sono stati pubblicati molti articoli sui problemi legati alla consegna dell'ultimo miglio, compreso come pianificare i percorsi e prevedere i tempi di consegna.

I ricercatori stanno sempre più usando tecniche di machine learning per affrontare le problematiche nella consegna dell'ultimo miglio. Una delle principali esigenze per questa ricerca è avere accesso a buoni dataset. Avere una grande quantità di dati di qualità può davvero aiutare a far avanzare le idee in questo campo, proprio come hanno fatto altri dataset in ambiti come la visione computerizzata e l'elaborazione del linguaggio naturale. Tuttavia, fino ad ora, non c'è stato un dataset ampiamente conosciuto e disponibile pubblicamente focalizzato specificamente sulla consegna dell'ultimo miglio. Questo ha portato a una ricerca limitata per un piccolo numero di aziende, limitando sia la trasparenza che i progressi. Inoltre, la mancanza di dataset pubblici rende più difficile per i professionisti del settore sviluppare algoritmi migliori per la consegna dell'ultimo miglio.

Per colmare questa lacuna, introduciamo un nuovo dataset chiamato LaDe, che è il primo del suo genere nel settore. LaDe include dati sui ritiri e sulle consegne dei pacchi e ha diverse caratteristiche chiave:

1. Grande Scala: Il dataset copre oltre 10 milioni di pacchi gestiti da 21.000 corrieri in un periodo di sei mesi.
2. Informazioni Complete: Include informazioni chiave su ogni pacco, come la sua posizione e i requisiti temporali, oltre ai dettagli sulle azioni dei corrieri durante gli eventi di consegna.
3. Diversità: Il dataset contiene informazioni da vari scenari, comprese consegne in diverse città con caratteristiche e modelli unici.

Valutiamo LaDe applicandolo a tre compiti e utilizzando vari modelli consolidati. La natura diversificata e dettagliata di LaDe può assistere significativamente i ricercatori nel settore della logistica, del data mining e di campi correlati.

#Panoramica della Consegna dell'Ultimo Miglio

La consegna dell'ultimo miglio gioca un ruolo critico nel processo di spedizione, collegando il punto di consegna del pacco con i clienti. È un fattore chiave per garantire la soddisfazione del cliente, pur essendo la parte più costosa della spedizione. Negli anni, ricercatori di varie discipline si sono concentrati su importanti problemi legati alla consegna dell'ultimo miglio. Questo include l'ottimizzazione dei percorsi di consegna, la previsione dei tempi di arrivo e la modellazione dei flussi di lavoro.

Negli studi recenti, i ricercatori hanno impiegato metodi di machine learning per affrontare le sfide nella consegna dell'ultimo miglio. Per questo campo, avere accesso a dataset ampi e di alta qualità è necessario per far avanzare la ricerca. Sfortunatamente, l'assenza di dataset pubblicamente disponibili ha portato a limitate opportunità di esplorazione e sviluppo di nuove idee.

Per riempire questa lacuna, abbiamo creato LaDe, un ampio dataset per la ricerca sulla consegna dell'ultimo miglio, raccolto da una delle principali aziende di logistica. Questo dataset cattura sia le fasi di ritiro che di consegna, consentendo ai ricercatori di analizzare vari aspetti della logistica dell'ultimo miglio.

#Dataset LaDe

LaDe è il primo dataset completo sulla consegna dell'ultimo miglio che è accessibile al pubblico. Ha diversi vantaggi che lo distinguono dai dataset esistenti:

1. Grande Scala: LaDe consiste in oltre 10 milioni di pacchi, rendendolo uno dei più grandi dataset pubblicamente disponibili in questo campo.
2. Completo: Il dataset comprende informazioni dettagliate sui pacchi, sui corrieri corrispondenti e su vari eventi di lavoro che si verificano durante il processo di consegna.
3. Diverso: I dati sono raccolti da diverse città, il che consente ai ricercatori di esplorare l'impatto di diverse caratteristiche demografiche e urbane sui modelli di consegna.

I dettagli ricchi di LaDe consentono di supportare una vasta gamma di attività di ricerca. Lo abbiamo testato su tre compiti: previsione dei percorsi, previsione del tempo stimato di arrivo (ETA) e previsione di grafi spatio-temporali. Attraverso questi esempi, dimostriamo come LaDe possa stimolare la ricerca nella logistica della consegna dell'ultimo miglio.

#Processo di Raccolta Dati

LaDe è stato raccolto da una delle più grandi piattaforme logistiche in Cina. Il processo per ottenere i dati per questo dataset comporta diversi passaggi:

1. Un cliente effettua un ordine per il ritiro del pacco attraverso un portale online.
2. La piattaforma logistica assegna questo ordine a un corriere.
3. Il corriere ritira il pacco entro un intervallo di tempo specificato e torna al deposito.
4. Il pacco viene quindi inviato attraverso la rete logistica fino a raggiungere il deposito di destinazione.
5. Infine, il corriere della consegna ritira il pacco dal deposito e lo porta al cliente finale.

La consegna dell'ultimo miglio include i passaggi tre e cinque, dove i corrieri interagiscono con i clienti durante il ritiro e la consegna. È importante notare che, durante la fase di ritiro, i corrieri potrebbero non sapere quali pacchi ritireranno fino a quando i clienti non fanno gli ordini, aggiungendo un livello di imprevedibilità al processo.

LaDe è una ricca fonte di dati del mondo reale che cattura le complessità della consegna dell'ultimo miglio. Il dataset presenta diverse città in Cina, ognuna con caratteristiche uniche. Esaminando i dati di diverse aree, i ricercatori possono ottenere informazioni su come gli ambienti urbani influenzano la logistica delle consegne.

#Dettagli e Statistiche del Dataset

LaDe è diviso in due segmenti principali: LaDe-P, che si concentra sul processo di ritiro del pacco, e LaDe-D, che si concentra sul processo di consegna. Il dataset completo include dati da un totale di 10.667.000 pacchi e oltre 600.000 consegne, rappresentando una visione complessiva della logistica dell'ultimo miglio.

Ogni voce in LaDe-P fornisce informazioni cruciali sul pacco, comprese:

• ID pacco
• Finestra temporale per il ritiro
• Coordinate della posizione
• Il corriere responsabile della consegna
• Tempo relativo all'accettazione e completamento della consegna

LaDe-D detiene informazioni rilevanti riguardo alla fase di consegna, inclusi tempi di arrivo e luoghi di consegna.

Il dataset include informazioni da cinque grandi città in Cina, selezionate per le loro uniche demografie e modelli spatio-temporali. Questa diversità aggiunge ricchezza al dataset, consentendo ai ricercatori di analizzare vari scenari di consegna dell'ultimo miglio.

#Risultati e Osservazioni Chiave

Attraverso un'analisi di LaDe, sono stati notati diversi risultati significativi:

• Modelli Temporali: I ritiri dei pacchi tendono a verificarsi in orari specifici della giornata, con picchi particolarmente al mattino e nel tardo pomeriggio.
• Modelli di Distanza: In media, la distanza tra i ritiri di pacchi consecutivi da parte di un corriere è solitamente inferiore a un chilometro.
• Tipi di Area: Una parte significativa delle consegne di pacchi proviene da specifici tipi di aree urbane, dimostrando l'importanza della conoscenza locale nell'ottimizzare i percorsi di consegna.

Queste intuizioni stabiliscono LaDe come una risorsa preziosa per i ricercatori che cercano di capire le dinamiche della logistica dell'ultimo miglio.

#Applicazioni di Ricerca

La versatilità di LaDe consente di supportare numerosi compiti all'interno della ricerca sulla consegna dell'ultimo miglio. Nel nostro articolo, abbiamo esplorato tre compiti chiave:

1. Previsione dei Percorsi: Questo comporta stimare il futuro percorso che un corriere prenderà in base ai pacchi attuali e alle condizioni.
2. Previsione dell'ETA: Questo compito si concentra sulla previsione di quando un corriere finirà le sue consegne, il che è fondamentale per la soddisfazione del cliente.
3. Previsione di Grafi Spatio-Temporali: Questo compito mira a prevedere il numero di pacchi in determinate regioni per un periodo specifico, aiutando a ottimizzare le risorse logistiche.

Applicando metodi di machine learning a LaDe, abbiamo dimostrato come possa facilitare questi compiti e portare a soluzioni migliori nella logistica della consegna dell'ultimo miglio.

#Limitazioni del Dataset

Sebbene LaDe sia un dataset innovativo per la consegna dell'ultimo miglio, ha alcune limitazioni:

1. Copertura Geografica: LaDe attualmente include solo dati da città selezionate in Cina, che potrebbero non rappresentare la consegna dell'ultimo miglio in altre regioni o paesi.
2. Dati Mancanti: In alcuni casi, la posizione dei corrieri durante eventi specifici potrebbe non essere registrata a causa di problemi tecnologici. Questo porta a una proporzione di dati mancanti nel dataset.

Nonostante queste limitazioni, LaDe rimane una risorsa potente per i ricercatori. La sua completezza e grande scala permettono una moltitudine di studi e analisi per migliorare la comprensione della logistica dell'ultimo miglio.

#Conclusione

Il lancio di LaDe segna un significativo avanzamento nello studio della consegna dell'ultimo miglio. Fornendo un dataset grande, completo e accessibile al pubblico, questa iniziativa apre nuove strade per la ricerca nella logistica e nella gestione della supply chain. Con applicazioni nell'ottimizzazione dei percorsi, nelle previsioni dei tempi di consegna e oltre, LaDe è destinato a diventare una risorsa centrale per studiosi e professionisti.

In conclusione, LaDe punta a favorire la collaborazione tra ricercatori di vari campi e incoraggiare lo sviluppo di soluzioni innovative per le sfide della consegna dell'ultimo miglio. Il dataset non solo offre una ricchezza di informazioni, ma funge anche da catalizzatore per studi futuri volti a migliorare l'efficienza nella logistica e a potenziare l'esperienza del cliente.