基于储物柜的卡车-无人机联合配送路径规划：综合考量取货、送货与禁飞区

近日，一篇题为《基于储物柜的卡车-无人机联合配送路径规划：综合考量取货、送货与禁飞区》的论文在arXiv上发布。该研究由Xuanyu Liu、Hui Hu、Jiao Zhao、Ziliang Wang和Zhengbing He共同完成，针对现代物流中的最后一公里配送问题，提出了一种创新的联合配送模式。

在传统卡车-无人机配送中，卡车负责长距离运输，无人机则进行灵活配送。然而，实际应用中面临许多挑战，例如无人机续航有限、禁飞区限制以及取货与送货的混合需求。该研究引入智能储物柜作为中间节点，这些储物柜不仅存储包裹，还支持无人机的自动起降、包裹交接和电池更换，从而大幅扩大服务范围，提升操作灵活性。但与此同时，系统需要协调复杂的约束条件，包括电池容量、载荷影响以及禁飞区绕行。

为此，论文定义了新型的LTDRP-PDNF问题，目标是最小化配备无人机的卡车车队的运营成本。研究人员将路径构建过程建模为马尔可夫决策过程，并开发了一种两阶段深度强化学习神经启发式算法。第一阶段使用注意力编码器和双向门控循环单元解码器，解决仅卡车的带容量车辆路径问题（CVRP）。第二阶段结合策略迁移和混合调度分配启发式，构建完全协同的卡车-无人机路线，其中无人机可以从储物柜出发执行配送或取货任务，并在电池耗尽前返回储物柜或卡车。

实验在多种规模实例上进行，包括不同数量的客户点、储物柜和无人机。结果表明，所提方法在大多数情况下优于元启发式算法（如大型邻域搜索）和神经启发式基线，且计算时间极短，通常只需几秒。该研究为实际运营约束下的物流配送提供了高效、可扩展的解决方案框架，有望推动智能物流系统的发展，特别是在城市密集区域和复杂空域环境中具有重要应用前景。