Last-mile leveringssystemen opereren in een wereld die zelden stilstaat. Bestellingen komen binnen terwijl vrachtwagens al onderweg zijn, verkeersomstandigheden veranderen en aflevertijden zijn vaak krap. In deze omgeving is een statisch plan — een route die aan het begin van de dag één keer is berekend — zelden voldoende. In plaats daarvan moeten dispatchers hun plannen voortdurend bijwerken, door nieuwe stops in bestaande routes in te voegen of ze te herschikken wanneer een klant annuleert of een voertuig defect raakt. Deze constante noodzaak om te heroptimaliseren creëert een moeilijke computationele uitdaging: het systeem moet binnen enkele seconden een nieuwe, geldige rangschikking van stops vinden. Als de computer te lang nodig heeft om na te denken, sluit het aflevervenster of staat de chauffeur te wachten. Als de computer een nieuwe route gokt die de regels overtreedt — zoals een vrachtwagen die te veel gewicht draagt of te laat aankomt — stort het hele plan in en moet het systeem opnieuw beginnen. Het doel is niet alleen om het kortste pad te vinden, maar om een werkbaar pad te vinden, direct.

Onderzoekers aan de Hubei University of Automotive Technology hebben een nieuwe aanpak voor dit probleem ontwikkeld, een aanpak die een strategie leent uit de wereld van kunstmatige intelligentie om deze beslissingen van een fractie van een seconde betrouwbaarder te maken. Ze noemen hun systeem SRI-ECR-balanced. In plaats van telkens een perfecte route vanaf nul te proberen te berekenen wanneer er een nieuwe bestelling binnenkomt, werkt het systeem als een bekwame redacteur die een paar zinnen opstelt, ze controleert op fouten, de goede delen behoudt en de slechte delen onmiddellijk herstelt. Deze methode, bekend als speculative execution (speculatieve uitvoering), stelt het systeem in staat om in één keer verschillende toekomstige stops voor te stellen, te verifiëren welke veilig zijn, en de rest weg te gooien voordat ze een probleem veroorzaken. Door dit te doen, kan het systeem veel sneller tegenslagen op te lossen dan traditionele methoden, waardoor het leveringsplan levensvatbaar blijft, zelfs wanneer de situatie ter plaatse snel verandert.

De kern van dit nieuwe framework is een cyclus van concepten, verifiëren en repareren. Wanneer er een nieuwe bestelling binnenkomt, stelt een "conceptgenerator" een korte sequentie van klanten voor om aan de route van een vrachtwagen toe te voegen. In het verleden probeerden systemen misschien slechts één klant tegelijk in te voegen, wat traag is, of probeerden ze een lange lijst met klanten in één keer in te voegen, wat vaak tot fouten leidt. Dit nieuwe systeem vindt een balans: het stelt een kleine groep stops voor, bijvoorbeeld vijf tegelijk. Een aparte "verifieerder" controleert deze groep vervolgens tegen de regels van de weg, zoals de gewichtslimiet van de vrachtwagen en het tijdvenster van de klant. Het systeem accepteert het langste deel van de voorgestelde groep dat aan de regels voldoet en negeert de rest onmiddellijk. Als de eerste drie stops in de voorgestelde groep in orde zijn, maar de vierde te zwaar is voor de vrachtwagen, houdt het systeem de eerste drie vast en draait het voor de vierde terug. Het gooit niet het hele plan weg; het verwijdert alleen het deel dat de regels overtrad.

Zodra de ongeldige stops zijn teruggedraaid, stapt een gespecialiseerde "reparatie-expert" in om het probleem op te lossen. Dit is geen generieke reparateur; het systeem diagnosticeert precies wat er mis is gegaan. Als het probleem is dat de vrachtwagen te vol is, geeft de expert prioriteit aan het vinden van een andere vrachtwagen met meer ruimte. Als het probleem is dat een klant wordt gemist vanwege een krap tijdvenster, zoekt de expert naar een route die eerder kan arriveren. Deze gerichte aanpak is cruciaal. De onderzoekers ontdekten dat het systeem zonder deze specifieke, conflictbewuste reparatiestap faalde om geldige routes te vinden in stressvolle situaties. Wanneer het systeem gedwongen werd een willekeurige reparatiemethode te gebruiken in plaats van een expert-methode, kon het slechts ongeveer een derde van de problemen oplossen, waardoor veel bestellingen onbeantwoord bleven. Met de expert-router slaagde het systeem erin om elk conflict in hun tests te repareren, waarmee het een perfect record van levensvatbare plannen behield.

Om dit proces snel genoeg te maken voor real-time gebruik, maakt het systeem ook gebruik van een vorm van geheugen die een "route-prefix cache" wordt genoemd. In een dynamische omgeving blijft het grootste deel van de route van een vrachtwagen van het ene moment naar het andere hetzelfde; alleen het einde van de route verandert. Traditionele systemen berekenen vaak de hele reis opnieuw telkens wanneer ze een kleine wijziging aanbrengen, wat tijd verspilt aan delen van de rit die niet veranderd zijn. Dit nieuwe systeem onthoudt de berekeningen voor de delen van de route die al bevestigd zijn. Wanneer het een nieuwe stop moet controleren, berekent het alleen het nieuwe deel en gebruikt het de opgeslagen gegevens voor de rest. Deze eenvoudige truc maakte het systeem meer dan drie keer sneller bij het evalueren van potentiële routes. In tests met een standaardset van 100 klanten maakte deze caching het systeem 3,12 keer sneller in het evalueren van routes dan wanneer het vanaf nul zou moeten beginnen. In een grotere test met 200 klanten was de versnelling 3,08 keer.

De onderzoekers testten hun systeem tegen bestaande tools die door logistieke bedrijven worden gebruikt, waaronder OR-Tools en PyVRP, die krachtige solvers zijn die ontworpen zijn om de absoluut kortste routes te vinden. Ze voerden simulaties uit waarbij nieuwe bestellingen constant binnenkwamen en waarbij tijdvensters kunstmatig nauwer werden gemaakt om stress te creëren. Onder deze moeilijke omstandigheden hadden de traditionele solvers bijna de volledige drie seconden die voor elke beslissing waren toegestaan nodig om een oplossing te vinden, en zelfs dan produceerden ze soms routes die iets korter waren maar langer tijd nodig hadden om te berekenen. Het nieuwe systeem vond daarentegen gemiddeld in minder dan een halve seconde een geldige oplossing. Hoewel de routes die het produceerde in totaal ongeveer 7,8% langer waren in afstand dan die van de krachtige solvers, was de afweging weloverwogen. In een real-world leveringsscenario is een iets langere route die direct klaar is, vaak waardevoller dan een perfecte route die te laat arriveert. Het systeem gaf prioriteit aan het uit de deur krijgen van een werkbaar plan boven het uitwringen van elke laatste mijl aan efficiëntie.

De studie onderzocht ook hoe het systeem zich gedraagt onder verschillende niveaus van risico. Ze vergeleken een "gebalanceerde" aanpak, die zorgvuldig het risico bij het toevoegen van een nieuwe stop afweegt, met een "agressieve" aanpak die probeert zoveel mogelijk stops toe te voegen voordat er gecontroleerd wordt. De agressieve methode zorgde ervoor dat het systeem veel fouten maakte die moesten worden teruggedraaid, wat het aanzienlijk vertraagde. De gebalanceerde aanpak, die risicovolle zetten bestraft voordat ze zelfs maar worden voorgesteld, verminderde het aantal fouten en hield het systeem soepel in beweging. Dit bevestigde dat het systeem het beste werkt wanneer het met voorzichtigheid speculeert, door een paar stappen vooruit te kijken maar deze grondig te controleren voordat het zich vastlegt.

De onderzoekers beweerden niet dat hun systeem de beste is in het vinden van de kortst mogelijke route in een statische wereld waar tijd geen factor is. Ze gaven expliciet aan dat voor problemen waarbij het enige doel het minimaliseren van afstand is en de computer enkele seconden heeft om na te denken, de traditionele solvers nog steeds winnen. De waarde van dit nieuwe framework ligt specifiek in de chaotische, tijdsdruk ervarende wereld van dynamische dispatch. In deze scenario's is het vermogen om direct te herstellen van een conflict en een geldig plan te behouden belangrijker dan een marginale verbetering in afstand. Het systeem bewees zijn waarde door 100% van de klanten te bedienen in de meest stressvolle testscenario's, met nul geweigerde bestellingen, terwijl het reactietijd laag genoeg hield om bruikbaar te zijn voor een live dispatchcentrum.

Zelfs toen de onderzoekers willekeurige ruis introduceerden om onvoorspelbare verkeersvertragingen te simuleren, hield het systeem stand. Het bleef alle klanten bedienen en conflicten succesvol repareren, wat aantoont dat de methode robuust genoeg is om de onzekerheid van de echte wereld aan te kunnen. Ze testten het systeem ook op een deel van echte leveringsgegevens van een groot logistiek bedrijf, gebruikmakend van werkelijke drop-off coördinaten. Het systeem draaide succesvol op deze real-world data en bediende alle 80 stops in de testset. De onderzoekers waren echter voorzichtig om de beperkingen van hun huidige ontwerp te vermelden. Wanneer ze een veel groter scenario testten met 400 klanten, kon het systeem niet binnen de tijdslimiet een perfecte oplossing vinden en bediende het slechts ongeveer driekwart van de bestellingen. Dit geeft aan dat hoewel de methode goed werkt voor middelgrote vloten, grotere operaties aanvullende strategieën vereisen om het probleem in kleinere stukken op te splitsen.

Uiteindelijk demonstreert dit werk een verschuiving in hoe we over routingproblemen denken. In plaats van de computer te zien als een rekenmachine die het enkel beste antwoord moet vinden, behandelden de onderzoekers het als een besluitvormer die snel een goed antwoord moet vinden. Door de speculatieve patronen te adopteren die worden gebruikt in moderne kunstmatige intelligentie — concepten, verifiëren en cachen — kan het systeem de onzekerheid van dynamische levering navigeren met snelheid en betrouwbaarheid. De bevindingen suggereren dat voor veel real-world logistieke uitdagingen het vermogen om direct aan te passen de ware maatstaf is van een succesvol systeem, zelfs als dat betekent dat de routes niet wiskundig perfect zijn. Het systeem belooft niet alle vertragingen te elimineren of elke keer het kortste pad te vinden, maar het belooft dat wanneer er een nieuwe bestelling binnenkomt, er bijna onmiddellijk een plan klaar is, zodat de wielen van het leveringsnetwerk blijven draaien.