Optimisation de l'efficacité de la livraison en milieu urbain dernier kilomètre grâce à des heuristiques de routage dynamique des véhicules et une analyse du flux de trafic

Les systèmes de livraison urbains sur le dernier kilomètre fonctionnent sous des conditions de circulation volatiles, des fenêtres de livraison étroites et des perturbations fréquentes en temps réel qui limitent l'efficacité des approches de routage de véhicule statiques et à stratégie unique. Les modèles existants de VRP dynamiques et sensibles au trafic abordent ces défis uniquement de manière partielle, manquant de mécanismes unifiés pour la recherche adaptative, l'évaluation des coûts sensibles à la congestion et la gestion proactive des perturbations. Cette recherche introduit une recherche à grande voisine adaptative guidée par Tabu avec déploiement en temps réel basé sur des simulations de réponse aux perturbations (T-ALNS-RRD), un cadre d'optimisation sensible au trafic qui intègre trois composants jusqu'alors non combinés : (a) un noyau ALNS amélioré avec des fonctions de coût pénalisées par la congestion dynamique, (b) un système de mémoire Tabu multicouche avec diversification basée sur les mouvements, les solutions et la fréquence pour une exploration non cyclique, et (c) un mécanisme de déploiement basé sur des simulations d'horizon limité pour sélectionner de manière préventive les réponses aux perturbations. L'évaluation expérimentale dans un scénario de livraison urbaine réaliste impliquant 47 clients et 4 véhicules démontre des avancées significatives en termes de performance par rapport aux références statiques et sensibles au trafic. T-ALNS-RRD réalise une réduction de 24,3 % des coûts opérationnels totaux, augmente les taux de livraison à temps de 68,1 % à 92,8 %, et réduit l'exposition à la congestion de 54,4 %. En cas de variabilité extrême du trafic, la méthode limite la dégradation à 15,1 %, contre 26,2 % dans les systèmes statiques. L'adaptation en temps réel permet de gérer avec succès 27,4 événements perturbateurs par scénario avec un taux de résolution de 94,2 % et un temps de réponse moyen de 143,7 ms. La comparaison statistique avec des métaheuristiques à la pointe de la technologie (SOTA) confirme une amélioration de performance de 6,6 % (p < 0,001) dans les conditions testées. Ces résultats établissent l'approche comme un cadre validé à échelle intermédiaire pour l'optimisation dynamique de la livraison urbaine et fournissent une base méthodologique évolutive pour de futurs déploiements à grande échelle.