論文の概要: Differentiated Pickup Point Offering for Emission Reduction in Last-Mile Delivery

• arxiv url: http://arxiv.org/abs/2601.14196v1
• Date: Tue, 20 Jan 2026 18:00:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:23.439429
• Title: Differentiated Pickup Point Offering for Emission Reduction in Last-Mile Delivery
• Title（参考訳）: ラストミル輸送における排出削減のための差別化ピックアップポイントの提供
• Authors: Albina Galiullina, Wouter van Heeswijk, Tom van Woensel,
• Abstract要約: 本研究は、配送トラックルートと顧客旅行からの排出を共同で削減することを目的とした、差別化ピックアップポイントオファリング(DPO)政策を提案する。 DPOの下では、到着した各顧客は、すべての場所において制限のない選択ではなく、単一の推奨ピックアップポイントが提供される。 計算実験により、分化したピックアップポイントは炭素排出量を大幅に削減できることが示された。
• 参考スコア（独自算出の注目度）: 3.4945482759378734
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pickup points are widely recognized as a sustainable alternative to home delivery, as consolidating orders at pickup locations can shorten delivery routes and improve first-attempt success rates. However, these benefits may be negated when customers drive to pick up their orders. This study proposes a Differentiated Pickup Point Offering (DPO) policy that aims to jointly reduce emissions from delivery truck routes and customer travel. Under DPO, each arriving customer is offered a single recommended pickup point, rather than an unrestricted choice among all locations, while retaining the option of home delivery. We study this problem in a dynamic and stochastic setting, where the pickup point offered to each customer depends on previously realized customer locations and delivery choices. To design effective DPO policies, we adopt a reinforcement learning-based approach that accounts for spatial relationships between customers and pickup points and their implications for future route consolidation. Computational experiments show that differentiated pickup point offerings can substantially reduce total carbon emissions. The proposed policies reduce total emissions by up to 9% relative to home-only delivery and by 2% on average compared with alternative policies, including unrestricted pickup point choice and nearest pickup point assignment. Differentiated offerings are particularly effective in dense urban settings with many pickup points and short inter-location distances. Moreover, explicitly accounting for the dynamic nature of customer arrivals and choices is especially important when customers are less inclined to choose pickup point delivery over home delivery.
• Abstract（参考訳）: ピックアップポイントは宅配に代わる持続可能な代替品として広く認識されており、ピックアップロケーションでの注文の統合は配送ルートを短縮し、ファースト・アタプティブな成功率を改善することができる。 しかし、顧客が注文を受け付けると、これらのメリットは否定される可能性がある。 本研究は、配送トラックルートと顧客旅行からの排出を共同で削減することを目的とした、差別化ピックアップポイントオファリング(DPO)政策を提案する。 DPOの下では、到着した各顧客は、ホームデリバリーのオプションを維持しながら、すべての場所に制限のない選択ではなく、単一の推奨ピックアップポイントが提供される。 この問題を動的かつ確率的な環境で研究し、各顧客に提供されたピックアップポイントは、以前に実現された顧客位置と配送選択に依存する。 効果的なDPOポリシーを設計するために,顧客とピックアップポイント間の空間的関係と今後のルート統合への意義を考慮に入れた強化学習に基づくアプローチを採用する。 計算実験により、分化したピックアップポイントは炭素排出量を大幅に削減できることが示された。 提案した政策は、家庭のみの配送と比較して総排出量を最大9%削減し、制限なしのピックアップポイント選択や最寄りのピックアップポイント割り当てを含む代替政策と比較して平均2%削減する。 分化した提供物は、多くのピックアップポイントと短い位置間距離を持つ密集した都市環境で特に有効である。 さらに、顧客が宅配よりもピックアップポイントの配送を選択する傾向が低い場合、顧客の到着と選択の動的な性質を明示的に説明することが特に重要である。

関連論文リスト

• One Step is Enough: Multi-Agent Reinforcement Learning based on One-Step Policy Optimization for Order Dispatch on Ride-Sharing Platforms [11.43941442981793]
  MARLベースのライドシェアリングアプローチは、Q値またはV値の正確な推定に大きく依存している。 本稿では,値関数推定をバイパスする2つの新しい方法を提案する。 まず、GRPOをライドシェアリングに適応させ、PPOベースラインをグループ平均報酬に置き換えて、批判的推定誤差を排除する。 第2に、GRPOによるグループ報酬情報の完全活用に触発されて、配車プラットフォーム向けのPPOフレームワークをカスタマイズし、均質なフリートの下では、1ステップの報酬のみを使用して最適な政策を訓練できることを示します。
  論文  参考訳（メタデータ） (2025-07-21T08:04:31Z)
• Joint Matching and Pricing for Crowd-shipping with In-store Customers [2.7950888004779064]
  本稿では,集中型集客システムにおける配送クーラーとしての店内顧客の利用について検討する。 本稿では,注文の到着や群集船員の到着など,重要な不確実性を捉えるマルコフ決定プロセス(MDP)モデルを提案する。 統合されたNeurADP + DDQNポリシーは、配送コスト効率の顕著な改善を実現していることを示す。
  論文  参考訳（メタデータ） (2025-07-02T14:27:32Z)
• Optimizing Ride-Pooling Operations with Extended Pickup and Drop-Off Flexibility [16.399294770099615]
  ライドプールマッチング問題(RMP)はオンデマンド配車サービスの中心である。 既存のRMPソリューションの多くは、乗客が元の場所で拾い上げられ降ろされることを想定している。 本稿では,乗客の着脱範囲を拡大する新しいマッチング手法を提案する。
  論文  参考訳（メタデータ） (2025-03-11T14:17:30Z)
• Dynamic Demand Management for Parcel Lockers [0.0]
  本研究では,逐次決定分析と強化学習に根ざしたアルゴリズム手法を編成するソリューションフレームワークを開発する。 これらのテクニックを組み合わせるための革新的なアプローチは、この2つの意思決定タイプ間の強い相互関係に対処する上で有効です。 本手法は筋電図のベンチマークを13.7%上回り、業界に触発された政策を12.6%上回る結果となった。
  論文  参考訳（メタデータ） (2024-09-08T11:38:48Z)
• Emulating Full Participation: An Effective and Fair Client Selection Strategy for Federated Learning [50.060154488277036]
  連合学習では、クライアントの選択はモデルの性能と公平性の両方に大きな影響を及ぼす重要な問題である。 2つの指標間の固有の対立に対処し、互いに強化する2つの原則を提案する。 提案手法は,データ分布に基づいてクライアントを選択することにより,この多様性を適応的に向上させ,モデル性能と公平性の両方を改善する。
  論文  参考訳（メタデータ） (2024-05-22T12:27:24Z)
• Optimizing the Placement of Roadside LiDARs for Autonomous Driving [61.584278382844595]
  道路沿いのLiDARの配置を最適化する方法は不可欠だが、見落とされがちな問題である。 本稿では,シーン内の最適化位置を選択することで,道路側LiDARの配置を最適化する手法を提案する。 Roadside-Optという名前のデータセットは、ロードサイドLiDAR配置問題の研究を容易にするために、CARLAシミュレータを使って作成されている。
  論文  参考訳（メタデータ） (2023-10-11T07:24:27Z)
• Strategic Facility Location with Clients that Minimize Total Waiting Time [52.3893099287099]
  本研究では,非協調型施設位置ゲームにおいて,施設やクライアントが戦略的に行動する場所ゲームについて検討する。 サブゲーム完全平衡は、このゲームの全ての事例に存在せず、その存在はNPハードで決定できることを証明している。
  論文  参考訳（メタデータ） (2022-11-25T10:43:57Z)
• Two-Stage Facility Location Games with Strategic Clients and Facilities [50.12183574133361]
  我々は,施設と顧客の両方が戦略的かつ大きな影響を与える非協力的な施設位置ゲームについて検討する。 当社のモデルでは,各施設の場所は,顧客を引き寄せる集合体を持ち,各クライアントは,その消費能力に応じた一組のショッピングロケーションと重みを有する。 サブゲーム完全平衡が存在することを示し、アナーキーの価格と安定の価格にほぼ一定の境界を与える。
  論文  参考訳（メタデータ） (2021-05-04T11:27:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。