混合司机车队众包配送中的战略性劳动力规划

如今，物流服务提供商（LSPs）越来越多地考虑在最后一英里使用众包劳动力，以更低的成本满足客户对当日或按需配送的期望。然而，众包劳动力的可用性是不确定的。因此，LSPs 经常在众包司机可用性低时雇佣额外的固定员工来执行配送。在此背景下，LSPs 在较长时期（例如一年）中所面临的可靠性与灵活性权衡尚未被研究。基于此，我们联合研究了一个考虑固定司机（FDs）与众包司机（CD）车队随时间发展的长期劳动力规划问题。我们考虑两类 CD：零工工作者（GWs）与偶发司机（ODs）。GWs 对请求目的地不敏感且通常表现出高可用性，而 ODs 仅服务于起讫点与其私人路线起讫点重合的请求。此外，为考虑特定时间范围的动态性，我们考虑 FDs 与 CDs 的随机流失以及 CD 车队的随机增长。我们将由此产生的劳动力规划问题建模为马尔可夫决策过程（MDP），其奖励函数反映总成本，即使用 FDs 和 CDs 服务需求所产生的工资与运营成本，并通过近似动态规划（ADP）求解。将我们的方法应用于基于 GrubHub 真实世界需求数据的环境，我们发现由 FDs 和 CDs 组成的车队中，基于 ADP 的雇佣策略在总成本上可优于短视雇佣策略达 19%。在所研究设定中，我们观察到 GWs 比 ODs 更能降低 LSP 的总成本。当我们考虑 CD 在未匹配足够请求时辞职概率增加的情况时，所需 FDs 的数量上升。