论文标题：Optimizing Last-Mile Delivery: A Multi-Criteria Approach with Automated Smart Lockers, Capillary Distribution and Crowdshipping

论文链接：https://www.mdpi.com/2305-6290/8/2/52

期刊名：Logistics

期刊官网：https://www.mdpi.com/journal/logistics

本文围绕“优化最后一公里配送”这一核心问题，提出了一种融合自动化智能柜、毛细管配送和众包配送的多目标优化方法。全文结构清晰，依次从问题背景、关键概念、方法论、案例研究与结果分析展开，最终得出结论并展望未来研究方向。

一、引言

最后一公里配送是供应链中成本最高、环境负担最重的环节。随着电子商务的快速发展，配送频率增加、路径复杂、车辆拥堵等问题日益突出。传统配送模式难以应对“客户不在家”、包裹丢失、高碳排放等挑战。为此，自动化智能柜、毛细管配送和众包配送等新型配送模式逐渐成为解决方案。

二、智慧城市与可持续交通

智慧城市强调经济增长、生活质量提升与环境影响的平衡。自动化智能柜作为城市物流的一部分，有助于减少配送车辆数量、降低碳排放，并提升配送效率。其部署符合联合国2030年可持续发展目标（SDG），特别是在可持续城市与社区（目标11）和产业创新与基础设施（目标9）方面。

三、自动化智能柜系统

自动化智能柜是自助式存储设备，通常部署在商场、住宅区、交通枢纽等便利位置。用户通过代码或二维码取件，支持24/7服务，适用于包裹、生鲜、药品、衣物等多种物品的配送。其优势包括提高安全性、减少重复配送、提升客户满意度。

图1 用于包裹递送的自动化智能储物柜

图2 用于书籍 (a)、鲜花 (b)、食品 (c) 和衣物 (d) 递送的自动化智能储物柜

四、毛细管配送

毛细管配送是一种基于小型化、本地化配送节点的网络模式。通过在城市密集区域布设智能柜，结合公共交通与商业设施，实现“最后一公里”的高效覆盖。该模式缩短配送距离，缓解交通压力，并鼓励步行或骑行取件，促进城市可持续发展。

五、众包配送

众包配送利用普通市民的出行路径进行包裹配送，是一种共享经济模式。通过与智能柜系统结合，可以实现更灵活、低成本的本地配送。尽管目前仍处于理论探索阶段，但其潜力在于优化资源利用、减少专职配送车辆的数量。

六、最后一公里配送供应链

最后一公里是从配送中心到最终用户的关键环节。通过将智能柜作为配送枢纽，结合车辆路径优化算法（如遗传算法、蚁群算法），可以实现动态路由规划、减少拥堵和排放，提升整体配送效率与服务质量。

七、智慧城市最后一公里供应链中的横向合作

横向合作指不同物流企业、智能柜运营商与配送点之间的协同。通过共享资源（如共配车辆、无人机辅助配送），提升整体城市物流系统的敏捷性与可持续性。

八、智能柜供应链构建

智能柜的供应链包括零售商、物流商、柜体运营商与最终用户。流程涵盖包裹分拣、配送、柜体维护与用户取件。虽然智能柜能显著提升效率，但也面临初期投资高、网络整合复杂、需求波动大等挑战。

九、智慧城市物流案例

城市物流涉及货物在城区的流动与管理。目前缺乏系统性的政策框架与技术标准。世界经济论坛预测，到2030年，城市配送车辆将增长36%，通勤时间可能增加21%，凸显出优化城市物流的紧迫性。

十、最后一公里配送的电力风险

智能柜、毛细管配送和众包配送均依赖电力运营。若电力来源不可再生，可能增加碳足迹；停电则可能导致服务中断。因此，需考虑备用电源或可再生能源以保障系统韧性。

十一、文献综述

现有研究多聚焦于智能柜的设施选址问题（FLP）、车辆路径问题（VRP）以及系统仿真。研究表明，智能柜能有效减少车辆行驶里程、提升客户价值，但其最优布点仍受多种因素影响，如人口密度、消费习惯、政策限制等。

十二、智能柜系统优化问题的图表示

作者使用有向无环图表示客户与智能柜之间的配送关系，并通过GUROBI求解器进行优化。图中顶点代表客户与柜体，边表示包裹流动，优化目标是最小化配送成本与距离。

图3 设施选址问题的自动智能储物柜定位示例(仅考虑配送设施到客户的距离)

十三、方法论

研究结合系统仿真与多目标优化模型，使用Anylogic进行基于代理的模拟，模拟人口、电商用户、智能柜使用量与包裹需求的动态变化。每月通过FLP模型优化柜体布点，形成仿真-优化闭环。

十四、多目标优化模型

提出两个多目标数学模型，分别优化柜体布点与车辆路径。目标包括最小化成本、距离、时间，最大化柜体利用率、服务水平和供应链弹性。模型考虑多种约束，如容量、需求覆盖、客户分配等。

十五、案例研究

以波兰弗罗茨瓦夫市为案例，结合真实企业数据（400个柜体）进行仿真。输入数据包括人口密度、电商增长率、柜体成本等，通过模拟未来三年需求变化，优化柜体数量与位置。

十六、结果分析

电商用户与智能柜用户数量随人口增长而上升。包裹需求与柜体数量呈正相关，模型最终推荐151个柜体（企业原有400个）。成本分析显示，服务成本占总成本95%，维护与启停成本占比较小。

十七、结论

本文通过多目标优化模型，验证了自动化智能柜、毛细管配送与众包配送在最后一公里配送中的可行性与有效性。案例表明，该模型能显著优化配送网络、降低成本、提升服务满意度，为物流企业提供了科学的决策支持。

十八、未来研究

未来可进一步结合仿真-优化混合模型、多目标决策与实时数据分析，探索无人机、机器人等新兴技术在最后一公里配送中的应用，以提升系统的动态响应与整体可持续性。