Dwuetapowy model optymalizacyjny dla zrównoważonego problemu lokalizacji i trasowania z ograniczeniami pojemności i okien czasowych w inteligentnych paczkomatach

Dlaczego inteligentniejsze dostawy paczek mają znaczenie dla życia miasta

Zakupy online umożliwiły zamawianie niemal wszystkiego pod nasze drzwi, ale za nimi idą ukryte koszty: zapchane ulice, zanieczyszczone powietrze i wyższe ceny. W tym badaniu analizuje się, jak „inteligentne paczkomaty” — samoobsługowe skrytki, w których można odebrać przesyłki w dogodnym dla siebie czasie — można zaplanować i obsłużyć tak, by zmniejszyć zanieczyszczenie i natężenie ruchu, jednocześnie zapewniając klientom szybkie i niezawodne usługi. Na przykładzie danych z Teheranu autorzy pokazują, jak matematyka, mapy i sprytne algorytmy mogą uczynić dostawy ostatniej mili czystszymi, tańszymi i bardziej sprawiedliwymi.

Od chaosu pod drzwiami do wspólnych punktów odbioru

Artykuł wychodzi od prostej obserwacji: ostatni etap dostawy, od lokalnego magazynu do każdego klienta, jest najdroższy i najbardziej zanieczyszczający w e‑commerce. W dużym, zatłoczonym mieście takim jak Teheran miliony codziennych przejazdów samochodów, vanów i motocykli spowalniają ruch i pogarszają jakość powietrza. Inteligentne paczkomaty proponują inny model. Zamiast wielu pojazdów zatrzymujących się przy wielu drzwiach, mniejsza liczba pojazdów odwiedza sieć skrytek, a klienci pokonują krótki dystans, by odebrać przesyłki. Wcześniejsze badania analizowały lokalizację skrytek, ich konstrukcję lub satysfakcję klientów osobno. Niniejsza praca łączy te wątki, pytając, gdzie lokować paczkomaty, jak trasować do nich pojazdy i jak jednocześnie równoważyć koszty, jakość obsługi i wpływ na środowisko.

Dwie powiązane decyzje: gdzie umieścić skrytki i jak poruszają się pojazdy

Aby rozwiązać ten problem, autorzy opracowali dwuetapowy model optymalizacyjny. W pierwszym etapie model decyduje, które lokalizacje paczkomatów otworzyć i ile przesyłek każda powinna obsłużyć, uwzględniając pojemność skrytek, koszty uruchomienia oraz odległość, jaką klienci są skłonni pokonać. W drugim etapie projektuje trasy dostawcze z centralnego magazynu do wybranych skrytek, respektując ograniczenia pojemności pojazdów, czasu jazdy oraz okien czasowych, w których można obsługiwać skrytki. Kilka celów zostaje połączonych: zmniejszenie kosztów budowy i eksploatacji skrytek, ograniczenie odrzuconych przesyłek wymagających dostawy pod drzwi, skrócenie dystansów i zużycia paliwa oraz utrzymanie krótkich czasów obsługi. Model przekształca te konkurujące cele w jedną miarę przy użyciu regulowanych wag, dzięki czemu menedżerowie mogą kłaść nacisk na oszczędność, szybkość lub emisje w zależności od priorytetów.

Testowanie modelu w zatłoczonym, rzeczywistym obszarze

Ramę modelu sprawdzono na szczegółowym studium przypadku Teheranu, koncentrując się na centralnej dzielnicy znanej z dużego natężenia ruchu i gęstego zapotrzebowania. Do modelu wprowadzono dane o istniejących paczkomatach, klientach, odległościach, typach pojazdów, zużyciu paliwa i ograniczeniach czasowych. Wyniki pokazują, że starannie dobrane lokalizacje skrytek w miejscach o dużym zapotrzebowaniu — w pobliżu ruchliwych obszarów mieszkalnych i handlowych — pozwalają skonsolidować wiele przesyłek w mniej trasach. W porównaniu z mniej uporządkowanymi wzorcami dostaw zoptymalizowana sieć redukuje całkowity przebieg, koszty operacyjne i emisje dwutlenku węgla, przy jednoczesnym utrzymaniu skrytek wystarczająco blisko, by klienci mieli wygodny odbiór. Analizy scenariuszowe, w których badacze zmieniają dozwolone czasy podróży, odległości i wagę poszczególnych celów, ujawniają, jak wrażliwa jest sieć na decyzje polityczne, takie jak ostrzejsze limity czasowe lub silniejszy nacisk na wydajność środowiskową.

Jak sprytniejsze algorytmy skalują się do metropolii

Ponieważ w dużych miastach może być wiele skrytek, pojazdów i klientów, znalezienie absolutnie najlepszego rozwiązania metodą brutalnej siły jest niezwykle trudne. Autorzy porównują więc dokładne solvery matematyczne z trzema metodami opartymi na przeszukiwaniu inspirowanym procesami natury, znanymi jako metaheurystyki: algorytmem Keshtel, algorytmem genetycznym oraz symulowanym wyżarzaniem. Dla małych problemów testowych wszystkie metody porównano z rozwiązaniami dokładnymi i uznano za dokładne. Dla problemów średnich i dużych, gdzie solvery dokładne zaczynają się dławić, algorytm Keshtel konsekwentnie dostarczał lepsze rozwiązania w krótszym czasie, szczególnie gdy w grę wchodziły dziesiątki skrytek i pojazdów. To sugeruje, że sieci paczkomatów na skalę miejską można optymalizować na tyle szybko, by były praktycznie użyteczne w planowaniu codziennym lub tygodniowym.

Szerokie korzyści dla miast, firm i mieszkańców

Ponad czystszą logistyką, badanie wskazuje na korzyści społeczne i ekonomiczne. Obniżając koszty i złożoność dostaw ostatniej mili, wspólne sieci skrytek mogą pomóc mniejszym kurierom i lokalnym sklepom konkurować z dominującymi gigantami e‑commerce, zmniejszając koncentrację rynku i dając konsumentom więcej wyborów. Strategiczne umieszczanie skrytek w niedostatecznie obsługiwanych dzielnicach, w pobliżu węzłów komunikacyjnych oraz na obszarach o mieszanym dochodzie może równomierniej rozprowadzać te korzyści, zamiast skupiać dobrą obsługę wyłącznie w bogatych rejonach. Autorzy argumentują, że połączenie inteligentnych skrytek z pojazdami elektrycznymi i odnawialną energią mogłoby pogłębić zyski środowiskowe.

Co to oznacza dla zwykłych klientów

Dla laika przekaz jest prosty: wybieranie odbioru przesyłek z pobliskiego inteligentnego paczkomatu zamiast domagania się dostawy pod drzwi może być częścią czystszego i bardziej wydajnego miasta. Badanie pokazuje, że przy starannym planowaniu i odpowiednich algorytmach sieci skrytek mogą istotnie zmniejszyć ruch dostawczy, zużycie paliwa i emisje, nie tracąc przy tym wygody. W miarę jak coraz więcej miast rozwija e‑commerce i mierzy się z narastającymi zatorami, modele takie jak ten oferują mapę drogową, jak przeprojektować dostawy ostatniej mili, aby działały lepiej dla klientów, małych firm i środowiska miejskiego.»

Cytowanie: Ghadirpour, S.M., Chaharsooghi, S.K. & Hajiaghaei-Keshteli, M. A two stage optimization model for sustainable location routing problem with capacity and time window constraints in smart parcel lockers. Sci Rep 16, 11514 (2026). https://doi.org/10.1038/s41598-026-41653-6

Słowa kluczowe: inteligentne paczkomaty, dostawa ostatniej mili, logistyka miejska, zrównoważony transport, optymalizacja lokalizacji i trasowania