РУКОВОДСТВО ПО Отраслям

ИИ в доставке последней мили и оптимизации маршрута

ИИ в доставке «последней мили» использует алгоритмы оптимизации и машинное обучение, чтобы решить, какой водитель какие посылки везет, в каком порядке посещать остановки и когда прибудет каждая доставка.

Прослушайте это руководствоОзвучено ИИ · ~3 min

На этой странице4 минуты чтения
  1. Обзор
  2. Глубокое погружение
  3. Реальная реализация
  4. Будущее искусственного интеллекта в доставке последней мили и оптимизации маршрутов
  5. Применение на практике
  6. Продолжайте исследовать
  7. Часто задаваемые вопросы

Обзор

Это важно, потому что последний этап доставки зачастую является самой дорогой частью доставки. Небольшая выгода от маршрутизации экономит топливо, время и выбросы на миллионах остановок.

Глубокое погружение

Маршрутизация транспортных средств доставки — это хрестоматийный пример задачи маршрутизации транспортных средств (VRP), обобщения задачи коммивояжера. Учитывая наличие депо, автопарка и набора остановок, целью являются маршруты, которые минимизируют общие затраты при соблюдении ограничений. К ним относятся вместимость транспортного средства, продолжительность смены водителя, временные окна для клиентов, а иногда и пары пикапов и доставок. Проблема NP-сложна: точные решения становятся непрактичными по мере роста числа остановок, поэтому реальные системы полагаются на эвристику (эмпирические правила, которые находят хорошие, а не гарантированно лучшие ответы). Классические методы включают в себя алгоритм экономии Кларка-Райта 1964 года и ходы локального поиска, такие как 2-opt, который распутывает пересекающиеся сегменты маршрута. Современные решатели, в том числе инструменты с открытым исходным кодом, такие как OR-Tools от Google, сочетают их с метаэвристикой, которая исследует множество возможных решений. Хорошо известным примером является система UPS ORION, развернутая в 2010-х годах. Он оптимизирует порядок остановок каждого водителя. UPS также известна своим давним предпочтением маршрутов, которые избегают левых поворотов на перекрестках, где это возможно, и обменивают немного большие расстояния на меньшие простои на холостом ходу и меньше рискованных поворотов. Машинное обучение добавляет прогнозирование поверх оптимизации. Модели оценивают время в пути по времени суток, времени обслуживания на каждой остановке (поиск парковки, подъем по лестнице, получение подписи) и вероятности срыва доставки. В 2021 году Amazon и MIT провели исследование, предложив командам изучить маршруты, которые на самом деле предпочитают опытные водители, поскольку математически самый короткий маршрут не всегда подходит для улицы. Приложения для продуктов питания и продуктов питания сталкиваются с более сложной и динамичной версией. Заказы поступают постоянно, поэтому диспетчерская служба в режиме реального времени решает, какой курьер какой заказ получит и следует ли объединять заказы, балансируя между скоростью и занятостью курьеров. Распространенным заблуждением является то, что маршрутизация — это всего лишь навигация по кратчайшему пути. Навигация находит путь между двумя точками. Оптимизация маршрута определяет порядок и назначение сотен остановок.

Реальная реализация

В одночасье система планирования курьерской службы распределяет посылки на следующий день между своими фургонами с учетом вместимости каждого транспортного средства и окон доставки клиентов.

Платформа доставки еды дает одному курьеру два заказа из одного и того же ресторана, хотя прогнозируемое время приготовления и время в пути означают, что оба заказа все равно прибудут теплыми.

Служба доставки продуктов прогнозирует время прибытия, используя прошлые данные о том, сколько времени водителям требуется, чтобы припарковаться и дойти до дверей квартиры, а не только время в дороге.

Когда дорога закрывается в середине смены, динамическое изменение маршрута меняет порядок оставшихся остановок одного водителя вместо перерасчета плана для всего автопарка.

Будущее искусственного интеллекта в доставке последней мили и оптимизации маршрутов

Маршрутизация — это зрелая область, поэтому прогресс, скорее всего, будет постепенным: более точные прогнозы времени в пути и обслуживания, изученные эвристики, которые ускоряют работу решателей, и более тесные связи с тем, как окна прибытия сообщаются клиентам. Электрические фургоны добавляют ограничения, такие как запас хода и остановки для зарядки. Эксперименты с тротуарными роботами, дронами и камерами хранения посылок решают проблему, добавляя новые типы транспортных средств и точки передачи, хотя то, насколько широко они используются, сильно зависит от региона. Несмотря на все это, суть остается прежней: точные прогнозы, необходимые для хорошего оптимизатора, при этом знания водителей о местных условиях по-прежнему ценны.

Применение на практике

Почему это важно

  • Контекст и правила. Отраслевой контекст определяет, выживут ли идеи ИИ при контакте с реальностью.
  • Контроль качества. Ограничения предметной области влияют на приемлемый уровень ошибок и модели надзора.
  • Выбор сборки. Успешные развертывания позволяют согласовать технические возможности с рабочими процессами на переднем крае.

Следите за

  • Нормативные требования могут сделать недействительными сильные прототипы.
  • Исторические данные могут отражать предвзятость, которая наносит вред конкретным сообществам.
  • Устаревшие системы могут создавать узкие места в интеграции и скрытые затраты.

Следующие шаги

  1. Привлекайте экспертов в предметной области от постановки проблемы до оценки.
  2. Разработайте журналы аудита и документацию перед запуском.
  3. Заблаговременно проверяйте соответствие требованиям и обязательства по безопасности.
  4. Развертывание поэтапно с четкими критериями остановки и отката.

Продолжайте исследовать

Бесплатная рассылка

Получайте ежедневный AI-обзор

Три проверенных AI-истории каждое утро буднего дня, написанные простым английским. Бесплатно навсегда, без рекламы.

Одно электронное письмо каждый будний день. Отписаться в один клик. Мы никогда не продаем и не передаем ваш адрес.

Проверьте себя

Пройдите викторину по доставке последней мили и оптимизации маршрута с помощью ИИ.

Мгновенная обратная связь по каждому ответу и общий сертификат с проверяемым идентификатором после прохождения курса.

Начать тест

Поддержите бесплатное образование в области искусственного интеллекта. AI Understanding — это некоммерческая организация 501(c)(3). Никакой рекламы и платного доступа. Сделать пожертвование

Часто задаваемые вопросы

Что такое ИИ в доставке последней мили и оптимизации маршрута?

ИИ в доставке «последней мили» использует алгоритмы оптимизации и машинное обучение, чтобы решить, какой водитель какие посылки везет, в каком порядке посещать остановки и когда прибудет каждая доставка. Это важно, потому что последний этап доставки зачастую является самой дорогой частью доставки. Небольшая выгода от маршрутизации экономит топливо, время и выбросы на миллионах остановок.

Задача выбора маршрута транспортного средства является обобщением какой классической задачи?

VRP расширяет задачу коммивояжера на несколько транспортных средств с вместимостью, временными окнами и другими ограничениями.

Почему реальные системы маршрутизации полагаются на эвристику, а не на точные решения?

Поскольку VRP является NP-сложным, объем вычислений, необходимых для получения точных ответов, стремительно растет. Эвристика находит хорошие решения в практические сроки.

Что дает ход с двумя вариантами?

2-opt удаляет два ребра и соединяет маршрут в другую сторону, что распутывает пересечения и обычно сокращает маршрут.

Какова была цель исследовательского проекта Amazon и Массачусетского технологического института в 2021 году?

Задача состояла в том, чтобы команды смоделировали маршруты, которые на самом деле выбирают водители, поскольку математически кратчайший маршрут не всегда работает на практике.

Что означает время обслуживания при планировании доставки?

Время обслуживания – это время, проведенное на каждой остановке, не считая времени вождения. Это трудно предсказать, и это основной источник ошибки времени прибытия, поэтому модели машинного обучения оценивают ее для каждого адреса.

Продолжайте учиться

Связанные руководства

Другие руководства, выбранные по этой теме

Получите бесплатный AI-сертификатКороткий бесплатный курс и экзамен. Без стоимости, без карты. Около 2,5 часов.Начать бесплатно →