Publicação
A hierarchical data-driven approach for last-mile delivery route planning using LSTM-based district sequencing
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Mecânica | |
| datacite.subject.sdg | 09:Indústria, Inovação e Infraestruturas | |
| dc.contributor.advisor | Ramos, António José Galrão | |
| dc.contributor.advisor | Salimi, Farzam | |
| dc.contributor.author | VAZ, ANA RITA SIMÕES DO PAÇO E | |
| dc.date.accessioned | 2026-09-16T13:17:24Z | |
| dc.date.available | 2026-09-16T13:17:24Z | |
| dc.date.issued | 2026-07-06 | |
| dc.description.abstract | 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. | eng |
| dc.description.abstract | 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. | por |
| dc.description.sponsorship | This work was co-funded by the European Regional Development Fund (ERDF) through the Innovation and Digital Transition Programme (COMPETE 2030) under Portugal 2030, and by National Funds through the FCT – Fundação para a Ciência e a Tecnologia, I.P. (Portuguese Foundation for Science and Technology), within project AIOTacitR, with reference 15051 (COMPETE2030-FEDER-00870300). | |
| dc.identifier.tid | 204361320 | |
| dc.identifier.uri | http://hdl.handle.net/10400.22/32722 | |
| dc.language.iso | eng | |
| dc.relation | COMPETE2030-FEDER-00870300 | |
| dc.rights.uri | N/A | |
| dc.subject | last-mile delivery | |
| dc.subject | route planning | |
| dc.subject | capacity-based grouping | |
| dc.subject | district sequencing | |
| dc.subject | LSTM | |
| dc.subject | hierarchical planning | |
| dc.subject | Entrega na última milha | |
| dc.subject | Planeamento de rotas | |
| dc.subject | Grouping baseado em capacidade | |
| dc.subject | Sequencing de distritos | |
| dc.subject | Planeamento hierárquico | |
| dc.title | A hierarchical data-driven approach for last-mile delivery route planning using LSTM-based district sequencing | eng |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| thesis.degree.name | Mestrado em Engenharia e Gestão da Cadeia de Abastecimento |