Green Vehicle Routing for Mixed-Fleet Cold-Chain Distribution under Time- and Location-Dependent Traffic Congestion
Questo studio propone un modello di routing per veicoli a flotta mista per la catena del freddo che integra la congestione del traffico dipendente dal tempo e dalla posizione in un framework non lineare di consumo energetico e lo risolve utilizzando un algoritmo di ricerca locale estesa adattiva migliorato per minimizzare i costi totali di distribuzione, dimostrando al contempo i vantaggi operativi ed economici delle flotte miste in condizioni di congestione dinamica.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Nelle arterie frenetiche delle città moderne, il movimento delle merci è un balletto costante di precisione, ad alto rischio, tra tempistiche e temperature. Per gli articoli deperibili come prodotti freschi, latticini e medicinali, il viaggio da un magazzino alla porta di un cliente non riguarda solo la distanza; è una corsa contro il tempo e il calore. Se un camion per le consegne resta bloccato troppo a lungo nel traffico, l'unità di refrigerazione deve lavorare con più intensità, consumando energia e aumentando il rischio che il carico si deteriori. Questo delicato equilibrio diventa ancora più complesso man mano che le città introducono camion elettrici per ridurre le emissioni di carbonio. Sebbene i veicoli elettrici offrano un percorso più pulito, portano con sé un set diverso di vincoli: durata limitata della batteria e necessità di ricarica. I responsabili della logistica affrontano ora un difficile rompicapo: come mescolare questi due tipi di veicoli, navigare i ritmi imprevedibili del traffico cittadino e mantenere freschi i prodotti senza spendere una fortuna. La sfida è complicata dal fatto che il traffico non si comporta allo stesso modo ovunque o in ogni ora; una strada potrebbe essere libera a mezzogiorno ma congestionata alle 17:00, e un quartiere specifico potrebbe essere un imbuto mentre il blocco successivo scorre liberamente.
I ricercatori della Northeast Forestry University in Cina hanno affrontato questo intricato problema sviluppando un nuovo modo per pianificare le rotte di consegna per una flotta mista di camion refrigerati elettrici e a combustione. Hanno riconosciuto che i metodi di pianificazione tradizionali spesso trattano il traffico come una media statica o considerano tempo e posizione separatamente, perdendo di vista la realtà che la congestione è un fenomeno tridimensionale e mutevole. Per catturare ciò, il team ha creato un modello dettagliato che suddivide ogni segmento stradale in pezzi più piccoli, calcolando quanto tempo un camion impiega per percorrere ogni pezzo in base all'ora esatta del giorno e al livello specifico di congestione di quella zona. Questo approccio ha permesso loro di costruire un calcolatore di costi completo. Questo calcolatore non conta solo le miglia; tiene conto dell'elettricità o del carburante consumati dal motore, dell'energia extra necessaria per mantenere freddo il carico, della perdita finanziaria se il cibo si deteriora a causa dei ritardi, delle penali per l'arrivo troppo presto o troppo tardi e del costo delle emissioni di carbonio. Alimentando questo complesso set di dati in un sofisticato algoritmo di ricerca, i ricercatori sono riusciti a simulare milioni di possibili combinazioni di rotte per trovare il percorso più efficiente per una flotta di veicoli misti.
Lo studio si è concentrato su uno scenario specifico in cui un centro di distribuzione invia camion per servire molti clienti entro stretti intervalli di tempo. I ricercatori hanno testato il loro modello utilizzando vari layout cittadini e modelli di traffico, che spaziavano da piccoli quartieri a distretti grandi e vasti. Hanno scoperto che la strategia più efficace era raramente l'uso di soli camion elettrici o solo di quelli a combustione. Inveve, una flotta mista si è dimostrata costantemente la soluzione più economica e flessibile. Nelle loro simulazioni, combinare i due tipi di veicoli ha permesso al sistema di adattarsi alle specifiche richieste della giornata. Ad esempio, nelle aree con clienti densi e raggruppati e rotte più brevi, i camion elettrici potevano prosperare, sfruttando i loro minori costi operativi. Tuttavia, quando le rotte diventavano lunghe, disperse o incontravano gravi ingorghi che minacciavano di esaurire una batteria o di saltare una finestra di consegna, i camion a combustione fornivano la necessaria autonomia e affidabilità. I risultati hanno mostrato che questo approccio ibrido riduceva significativamente i costi totali di distribuzione rispetto all'uso di un singolo tipo di veicolo, con la flotta mista che otteneva le prestazioni migliori in quasi tutti gli scenari testati.
La ricerca ha anche evidenziato quanto questi sistemi di consegna siano sensibili alle condizioni del traffico. Il team ha eseguito simulazioni in cui aumentava la durata dell'ora di punta e la dimensione delle zone congestionate. Hanno osservato che, man mano che il traffico peggiorava, i costi per il deterioramento, la refrigerazione e le penali per le finestre temporali aumentavano drasticamente. Velocità inferiori significavano che i camion trascorrevano più tempo sulla strada, il che non solo consumava più energia ma aumentava anche il tempo in cui i prodotti deperibili erano esposti a potenziali fluttuazioni di temperatura. In risposta a queste condizioni più dure, l'algoritmo spostava naturalmente la sua strategia, impiegando più veicoli a combustione per garantire che le consegne fossero completate in tempo, anche se ciò significava un leggero aumento del consumo di carburante. Questo aggiustamento dinamico ha dimostrato che una flotta rigida non può far fronte alla natura fluida del traffico cittadino; la capacità di passare tra i tipi di veicoli in base alle condizioni in tempo reale è fondamentale per mantenere l'efficienza.
Inoltre, i ricercatori hanno confrontato il loro nuovo algoritmo con diversi metodi esistenti, inclusi gli algoritmi genetici standard e altre tecniche di ricerca. Il loro nuovo metodo, che combina una ricerca di vicinato estesa con un processo di annealing simulato, ha trovato costantemente soluzioni migliori. È stato particolarmente efficace nell'evitare le trappole locali — situazioni in cui una rotta sembra buona ma è lontana dal miglior risultato possibile — accettando occasionalmente rotte leggermente peggiori per esplorare nuove possibilità. Nei test che coinvolgevano fino a cento clienti, il nuovo algoritmo ha trovato le rotte a costo inferiore in ogni istanza, superando gli altri metodi con un margine evidente. Lo studio suggerisce che per le aziende logistiche che mirano a diventare "green" senza sacrificare l'affidabilità, la risposta non risiede in una singola tecnologia, ma in un mix intelligente e adattivo di tecnologie. Comprendendo la natura specifica e mutevole del traffico e abbinandola al giusto mix di veicoli elettrici e a combustione, le città possono muoversi verso un futuro in cui la distribuzione della catena del freddo sia sia ecologicamente sostenibile che economicamente sostenibile.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.