A carregar...
Publicação
A hierarchical data-driven approach for last-mile delivery route planning using LSTM-based district sequencing
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 31.84 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
Last-mile delivery route planning in large-scale urban contexts is a complex
problem, where direct optimisation at the stop level can become computationally
demanding and difficult to interpret operationally. This dissertation develops and
evaluates an integrated hierarchical data-driven approach to route planning, combining
capacity-based grouping, LSTM-based district sequencing, and stop-level
route construction. The study uses historical operational data from a parcel delivery
company operating in the Porto region, structured according to a three-level district
hierarchy. The use of historical routes is motivated by the assumption that they
contain not only spatial visitation patterns but also tacit knowledge accumulated by
drivers through daily operational experience. After data preparation, cleaning and
validation, the final dataset comprised 507 624 records, 8 236 routes and 156 operational
days. The proposed grouping strategy generated capacity-compatible groups
while preserving the hierarchical district structure, producing 701 groups across the
17 test days, all respecting the maximum vehicle capacity. District sequencing was
formulated as a hierarchical sequential prediction task, with independent LSTM
models trained at the L1, L2, and L3 levels. The results showed that the model
was especially effective at the most aggregated level and remained competitive at
lower levels. The final integrated solution transformed the generated groups into
complete stop-level routes, combining learned historical patterns with spatial continuity
rules. Compared with the historical routes, the proposed solution reduced the
estimated total distance, although the CVRP baseline produced lower distances by
directly optimising at the stop level. Overall, the results show that the proposed
approach delivers a fast, modular, and interpretable solution to large-scale last-mile
delivery planning, balancing capacity feasibility, territorial coherence, and historical
operational knowledge.
O planeamento de rotas de entrega na última milha em contextos urbanos de grande escala constitui um problema complexo, em que a otimização direta ao nível das paragens pode tornar-se computacionalmente exigente e difícil de interpretar do ponto de vista operacional. Esta dissertação desenvolve e avalia uma abordagem hierárquica integrada e orientada por dados para o planeamento de rotas, combinando grouping baseado em capacidade, sequencing de distritos com recurso a modelos LSTM e construção final de rotas ao nível das paragens. O estudo utiliza dados operacionais históricos de uma empresa de distribuição de encomendas que opera na região do Porto, estruturados segundo uma hierarquia territorial com três níveis de distritos. A utilização de rotas históricas é motivada pelo pressuposto de que estas contêm não só padrões espaciais de visita, mas também parte do conhecimento tácito acumulado pelos motoristas através da experiência operacional diária. Após a preparação, limpeza e validação dos dados, o dataset final integrou 507 624 registos, 8 236 rotas e 156 dias de operação. A estratégia de grouping proposta gerou grupos compatíveis com a capacidade dos veículos, preservando a estrutura hierárquica dos distritos, e resultou em 701 grupos ao longo dos 17 dias do conjunto de teste, todos respeitando a capacidade máxima definida. O sequencing de distritos foi formulado como uma tarefa hierárquica de previsão sequencial, com modelos LSTM treinados de forma independente nos níveis L1, L2 e L3. Os resultados demonstraram que o LSTM foi particularmente eficaz no nível mais agregado e manteve um desempenho competitivo nos níveis mais locais. A solução integrada final transformou os grupos gerados em rotas completas ao nível das paragens, combinando padrões históricos aprendidos com regras de continuidade espacial. Comparativamente às rotas históricas, a solução proposta obteve distâncias estimadas inferiores, embora o baseline CVRP tenha produzido distâncias menores ao otimizar diretamente ao nível das paragens. De forma geral, os resultados mostram que a abordagem proposta constitui uma solução rápida, modular e interpretável para o planeamento de entrega na última milha em larga escala, equilibrando a viabilidade em termos de capacidade, a coerência territorial e o conhecimento operacional histórico.
O planeamento de rotas de entrega na última milha em contextos urbanos de grande escala constitui um problema complexo, em que a otimização direta ao nível das paragens pode tornar-se computacionalmente exigente e difícil de interpretar do ponto de vista operacional. Esta dissertação desenvolve e avalia uma abordagem hierárquica integrada e orientada por dados para o planeamento de rotas, combinando grouping baseado em capacidade, sequencing de distritos com recurso a modelos LSTM e construção final de rotas ao nível das paragens. O estudo utiliza dados operacionais históricos de uma empresa de distribuição de encomendas que opera na região do Porto, estruturados segundo uma hierarquia territorial com três níveis de distritos. A utilização de rotas históricas é motivada pelo pressuposto de que estas contêm não só padrões espaciais de visita, mas também parte do conhecimento tácito acumulado pelos motoristas através da experiência operacional diária. Após a preparação, limpeza e validação dos dados, o dataset final integrou 507 624 registos, 8 236 rotas e 156 dias de operação. A estratégia de grouping proposta gerou grupos compatíveis com a capacidade dos veículos, preservando a estrutura hierárquica dos distritos, e resultou em 701 grupos ao longo dos 17 dias do conjunto de teste, todos respeitando a capacidade máxima definida. O sequencing de distritos foi formulado como uma tarefa hierárquica de previsão sequencial, com modelos LSTM treinados de forma independente nos níveis L1, L2 e L3. Os resultados demonstraram que o LSTM foi particularmente eficaz no nível mais agregado e manteve um desempenho competitivo nos níveis mais locais. A solução integrada final transformou os grupos gerados em rotas completas ao nível das paragens, combinando padrões históricos aprendidos com regras de continuidade espacial. Comparativamente às rotas históricas, a solução proposta obteve distâncias estimadas inferiores, embora o baseline CVRP tenha produzido distâncias menores ao otimizar diretamente ao nível das paragens. De forma geral, os resultados mostram que a abordagem proposta constitui uma solução rápida, modular e interpretável para o planeamento de entrega na última milha em larga escala, equilibrando a viabilidade em termos de capacidade, a coerência territorial e o conhecimento operacional histórico.
Descrição
Palavras-chave
last-mile delivery route planning capacity-based grouping district sequencing LSTM hierarchical planning Entrega na última milha Planeamento de rotas Grouping baseado em capacidade Sequencing de distritos Planeamento hierárquico