基于选择行为的众包末端配送优化框架

《TRANSPORTATION RESEARCH PART E-LOGISTICS AND TRANSPORTATION REVIEW》：A choice-based optimization framework for crowdsourced last-mile delivery

　　

研究人员提出了一种结合设施选址优化、行为选择与车辆路径规划的集成仿真优化框架，用于城市众包末端配送(LMD)系统的设计。该框架将包裹服务点(SP)的选址决策、偶发快递员(OC)的任务接受行为建模以及专业车队(PF)的 fallback 路由纳入统一决策流程。在包裹预分配阶段，采用单源容量约束设施选址问题(SSCFLP)模型，将包裹分配至候选服务点，同时考虑固定运营成本与任务补偿成本。任务接受行为由二元Logit离散选择模型模拟，涵盖运输方式、绕行距离、天气、包裹属性、行程目的及激励金额等因素。未被OC接受的任务由专业车队通过带容量约束的车辆路径问题(CVRP)完成。案例研究基于哥本哈根真实包裹数据与模拟乘客行程，结果显示，与仅使用专业车队或基于最近距离分配包裹的策略相比，该集成框架显著提升了OC参与率，降低了PF的路由工作量，并在系统总成本上实现了优化。该方法论通过结合行为建模与空间优化，为众包与专业车队的高效协作提供了可扩展的决策支持工具。

该研究针对电子商务增长带来的城市末端配送压力及众包模式的不确定性，构建了融合设施选址、行为选择与车辆路径优化的仿真优化框架。研究背景显示，当前众包物流中偶发快递员(OC)的任务接受行为具有高度异质性，传统方法常假设OC可用性确定，忽视其个体决策特征，导致任务匹配失败率升高，并增加专业车队(PF)的应急负担。此外，包裹服务点(SP)的选址与OC行为、PF路由之间存在强耦合关系，但现有研究缺乏统一建模。为此，研究人员开发了集成决策支持工具，通过真实包裹数据与模拟乘客行程验证其在哥本哈根都市区的适用性。结果表明，该框架可在确保服务可靠性的前提下，显著降低系统总成本并提升OC参与效率。论文发表于《TRANSPORTATION RESEARCH PART E-LOGISTICS AND TRANSPORTATION REVIEW》，为城市物流规划提供了兼顾成本效益与行为现实性的方法论基础。

在技术方法方面，研究人员首先基于单源容量约束设施选址问题(SSCFLP)优化包裹到服务点的预分配，采用核搜索(Kernel Search, KS)启发式算法求解大规模实例。其次，利用二元Logit离散选择模型模拟OC的任务接受概率，参数来源于SP调查数据并引入随机异质性。第三，采用混合遗传搜索(Hybrid Genetic Search, HGS)算法求解带容量约束的车辆路径问题(CVRP)，处理未被OC接受的任务及高需求量目的地配送。案例数据来自丹麦邮政市场主流运营商的真实包裹记录与COMPASS活动-based交通模型的模拟乘客行程，时间范围为2021年10月1日。

研究结果分为三个模块。在包裹布局与SP利用率分析中，优化后的SSCFLP激活了71.5%的候选服务点，中央哥本哈根地区包裹分配密度最高，外围区域利用率较低，体现了成本驱动的空间集中效应。OC任务接受行为结果显示，在基准情景下，74.66%的被提议任务获得接受，其中80.52%由汽车完成，19.48%由自行车完成，公共交通模式的OC未参与任务，这与模式效用系数及可达性限制相符。PF fallback路由结果表明，OC参与减少了分散的直接配送需求，使PF路线更为紧凑，降低了总行驶距离与运营成本。

在基准策略比较中，纯PF策略产生最高的路由成本（约101,334 DKK），而最近距离分配策略虽降低PF工作量，却因过度依赖OC导致总补偿成本过高（约96,512 DKK），总系统成本最高（约137,938 DKK）。所提框架在平衡OC与PF工作负荷后，实现最低总成本（约98,754 DKK）。OC可用率敏感性分析显示，在低供应区间（0.1%-5%）提升可用率可显著增加任务完成率，超过20%后边际收益递减；单位成本曲线在15%-20%可用率处交叉，此后OC单位成本低于PF。补偿参数γ敏感性分析表明，γ≈1.0时系统总成本最小，过低导致PF负担过重，过高则OC补偿成本激增。PF单位距离成本c^PF变化主要影响任务分配比例，对OC接受率影响有限。高需求量阈值H的变化则通过改变PF直接服务比例影响总成本，H=100时总成本最低。行为参数扰动测试显示，即使接受模型存在±20%的系数误差，总系统成本波动不超过±1%，验证了框架的稳定性。

在讨论与结论部分，研究人员指出，该集成框架的核心优势在于将战略层面的包裹布局与运营层面的行为响应、路由决策耦合，避免了传统方法中各模块的孤立优化。适度OC参与与合理补偿设计比单纯追求高参与率更具成本效益。未来研究可扩展至动态任务分配、时间窗约束及多任务OC场景，以提升时效性与环境绩效评估能力。总体而言，该研究为城市物流提供了一种可扩展、行为现实且计算高效的决策支持方法，能够在保障服务水平的同时实现成本最小化。