学全局而优局部：一种面向最后一公里路由的数据驱动方法

在最后一公里路由中，寻找路径的任务常被构建为旅行商问题以最小化行驶时间及相关成本。然而，由此方法得出的解与驾驶员因导航考量与偏好而偏离的实际路径并不吻合。为给出融合此类隐性知识的路径，本文提出一种与配送数据的层次结构高度契合的数据驱动模型，其中每个站点归属于一个地理区域——区。首先，在全局层面，通过对由历史信息与区间距离（行驶时间）的加权组合构成的代价矩阵进行最小化，确立区序列。随后，在区内确定站点序列，其与预定区序列结合得到完整解。该方法尤为可观，在最后一公里路由研究挑战赛中跻身顶尖提交方案之列，同时保持优雅的分解结构以确保实际中的可行部署。所规划路径与实际路径的一致印证了问题层次化拆解的恰当性，以及驾驶员在导航时做出一系列局部最优决策的事实。此外，对历史信息与距离间权衡的实验表明，历史信息对决定路由起始区至关重要。实验还揭示，在路由末端最好舍弃历史信息，使返回站点所需时间成为首要考量。