论最后一公里物流中的熵

最后一公里物流（LML）具有高度碎片化的特征，然而现有研究将其视为外生约束，而非一种可量化、可优化的系统属性。本文引入一个利用结构熵（源自玻尔兹曼统计力学）来衡量LML复杂性的框架。与距离或成本等传统关键绩效指标（KPI）不同，结构熵量化了配置空间的基数，提供了对固有系统无序度的诊断。我们建立了与香农熵的形式对偶性，将绝对复杂度负担与分布均衡性联系起来。我们将此熵框架应用于美国五个城市的6112条亚马逊最后一公里路线。当前运营表现出持续的高归一化熵，表明碎片化程度接近最大。熵与路线距离之间稳定的非线性标度关系验证了该指标作为运营难度预测指标的有效性。为评估空间整合，我们开发了一个系统范围的熵度量，该度量考虑了承运人和客户的所有移动。我们建立了一个理论守恒原理：在理想化条件下，空间整合仅仅是将熵从承运人重新分配给客户。在实践中，这两个理想化条件均被违反，从而增加了系统总熵。我们的系统范围度量揭示，在积极采用的情况下，空间整合可将承运人熵降低多达40%，但通过激活客户自提行程增加了系统总熵，尽管行程链化可以减弱这种效应。相比之下，时间整合通过减少交付事件而不产生新的移动，真正降低了熵。通过将碎片化形式化为一种可度量的结构属性，本研究为网络设计、整合策略和最后一公里系统性能评估提供了新的视角。