ПРИМЕНЕНИЕ МЕТОДОВ ГЛУБОКОГО ОБУЧЕНИЯ И ГЕОИНФОРМАЦИОННЫХ СИСТЕМ ДЛЯ ОПТИМИЗАЦИИ МАРШРУТОВ ГОРОДСКОЙ КУРЬЕРСКОЙ ДОСТАВКИ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ ТРАФИКА

Аннотация

В представленной научной статье проводится детальное математическое и программно-инженерное исследование методов динамической маршрутизации транспортных потоков в секторе внутригородской логистики последней мили. Актуальность данной работы обусловлена лавинообразным ростом объемов экспресс-доставки, необходимость минимизации углеродного следа и критической важностью соблюдения временных окон в условиях высокого уровня загруженности дорожных сетей мегаполисов. В рамках статьи осуществляется глубокая декомпозиция классической задачи маршрутизации транспортных средств с временными окнами (VRPTW), последовательно выделяются и анализируются ключевые метрики эффективности доставки, включая совокупный пробег автопарка, удельный расход топлива, долю своевременно выполненных заявок и среднее время простоя в заторах. Автор подробно рассматривает интеграцию генетических алгоритмов с рекуррентными нейронными сетями для краткосрочного прогнозирования матрицы задержек на графе дорожной сети и экспериментально доказывает, что предиктивный расчет маршрутов позволяет снизить операционные издержки логистических операторов. Особое место в исследовании занимает адаптация разработанных алгоритмов к реальным геоинформационным данным и топологии городских улиц. Практическая значимость полученных результатов заключается в возможности их прямого интеграционного внедрения в программные модули систем автоматизации транспортной логистики (TMS) и в учебные курсы технических вузов.