众包物流系统中的准时送达：一种基于智能体并使用流数据的方法
人工智能
2024-01-23 v1 机器学习
多智能体系统
摘要
在包裹配送中，从包裹枢纽到客户的“最后一公里”成本高昂，尤其是对于必须在到达后数小时内完成的时效性配送任务。近来，众包物流作为一种传统配送模式的新替代方案，吸引了越来越多的关注。在众包物流中，普通市民（“大众”）在日常生活中进行短途绕行，以换取小额奖励的方式参与包裹配送。然而，实现理想的群体行为具有挑战性，因为群体高度动态且由自主、自利的个体组成。利用众包物流进行时效性配送仍然是一个开放的挑战。本文提出了一种基于智能体的众包准时包裹配送方法。我们的系统对配送员智能手机传感器数据进行数据流处理，以预测配送延迟。每当预测到延迟时，系统会尝试促成一项协议，将包裹从当前配送员转移给附近一位更有希望的配送员。我们的实验表明，通过准确的延迟预测和有目的的任务转移，可以避免许多在没有我们方法的情况下会发生的延迟。
引用
@article{arxiv.2401.12108,
title = {On-Time Delivery in Crowdshipping Systems: An Agent-Based Approach Using Streaming Data},
author = {Jeremias Dötterl and Ralf Bruns and Jürgen Dunkel and Sascha Ossowski},
journal= {arXiv preprint arXiv:2401.12108},
year = {2024}
}