OPTIMIZING LAST-MILE DELIVERY WITH HYBRID TRUCK-DRONE SYSTEMS: A PREDICTIVE TRAFFIC MILP FRAMEWORK. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF Shihab_Hasan Master Thesis.pdf Restricted to Repository staff only until 25 December 2025. Download (13MB)

Arabic Abstract

شهدت التجارة الإلكترونية توسعًا سريعًا، مما زاد الحاجة إلى حلول فعّالة للتسليم في المرحلة الأخيرة ودفع نحو دمج الطائرات بدون طيار في الخدمات اللوجستية التقليدية المعتمدة على الشاحنات. ومع ذلك، يواجه تحسين أنظمة التسليم الهجينة من الشاحنات والطائرات بدون طيار تحديات متعددة، منها حركة المرور الديناميكية والمتغيرة، وقدرة الطائرات بدون طيار على التحمل، ومتطلبات التنسيق المعقدة. غالبًا ما تعاني الأساليب الحالية من التعقيد الحسابي وتفتقر إلى التعامل مع ديناميكيات حركة المرور في الوقت الفعلي. لمعالجة هذه المشكلات، نقترح إطار عمل لمشكلة توجيه المركبات المعتمدة على الوقت التنبؤي مع الطائرات بدون طيار (PTD-VRP-D). يدمج الإطار المقترح نموذج التنبؤ بحركة المرور باستخدام تقنية XGBoost، حيث يتنبأ بسرعة الشاحنات اعتمادًا على بيانات حركة المرور في الوقت الفعلي، مما يتيح التعديل الديناميكي لأوقات انطلاق الشاحنات وتحسين مسار مرورها في ظل الظروف المتغيرة. إضافة إلى ذلك، قمنا بتطوير نموذج يعتمد على البرمجة الخطية المختلطة (MILP) لتحسين موقع توقف الشاحنات داخل كل مجموعة من العملاء ومسار مرور الشاحنات لتعزيز كفاءة استخدام الطائرات بدون طيار. بالإضافة إلى ذلك، يعتمد الإطار المقترح على تجميع العملاء ضمن مجموعات بشكل ديناميكي يتكيف باستمرار بناءً على القرب الجغرافي وإمكانية استخدام الطائرات بدون طيار، إلى جانب استخدام جدولة ديناميكية للطائرات بدون طيار لتقليل وقت عدم الاستخدام لها وتحسين استخدام الطائرات المتوفرة في الشاحنة. أظهرت التجارب العملية أن إطار العمل المتكامل المقترح يقلل بشكل كبير إجمالي وقت التسليم، ويحسن دقة مسار مرور الشاحنات، ويعزز الكفاءة التشغيلية مقارنة بالنماذج التقليدية، خاصة في سيناريوهات حركة المرور المتغيرة. بشكل أدق، يحقق الإطار انخفاضًا يصل إلى 66% في إجمالي وقت التسليم مقارنة بطرق التسليم التقليدية المعتمدة على الشاحنات فقط، وتحسنًا يصل إلى 10% مقارنة بتجميع العملاء ضمن مجموعات فقط. يعالج الإطار المقترح القابل للتوسع والتكيف الفجوات الرئيسية في الأبحاث الحالية، ويقدم حلولًا عملية لتعزيز أداء التسليم النهائي في الخدمات اللوجستية في المناطق الحضرية.

English Abstract

The rapid expansion of e-commerce has heightened the need for efficient last-mile delivery solutions, prompting the integration of drones into traditional truck-based logistics. However, optimizing hybrid truck-drone delivery systems poses challenges due to dynamic traffic, drone endurance limits, and coordination requirements. Existing approaches often struggle with computational complexity and lack real-time traffic dynamics. To address these issues, we propose a Predictive Time-Dependent Vehicle Routing Problem with Drones (PTD-VRP-D) framework. Our approach integrates predictive traffic modeling using an XGBoost-based model to forecast truck speeds using real-time traffic data, enabling dynamic adjustment of truck travel times and route optimization under fluctuating conditions. We develop a Mixed-Integer Linear Programming (MILP) model to optimize both truck stop locations within delivery clusters and the truck route to enhance drone deployment efficiency. Additionally, we introduce an adaptive clustering technique that dynamically adjusts delivery clusters based on geographic proximity and drone feasibility, along with dynamic drone scheduling, to minimize idle time and optimize fleet utilization. Computational experiments demonstrate that our integrated framework significantly improves total delivery time, route accuracy, and operational efficiency compared to traditional models, especially under variable traffic scenarios. Specifically, it achieves up to a 66% decrease in total delivery time over traditional truck-only delivery methods and up to a 10% improvement over static clustering approaches. Our scalable and adaptive approach addresses key gaps in existing research and offers practical solutions for enhancing last-mile delivery performance in urban logistics.

Item Type:	Thesis (Masters)
Subjects:	Computer Engineering
Department:	College of Computing and Mathematics > Computer Engineering
Committee Advisor:	Sheltami, Tarek
Committee Members:	Mahmoud, Ashraf S. and Elferik, Sami
Depositing User:	Shihab Hasan
Date Deposited:	26 Dec 2024 06:32
Last Modified:	26 Dec 2024 06:32
URI:	http://eprints.kfupm.edu.sa/id/eprint/143171