A MODELING FRAMEWORK FOR HANDLING UNCERTAINTY IN CROWDSOURCED DELIVERY PROBLEMS. PhD thesis, King Fahd University of Petroleum and Minerals.

PDF PhD Dissertation_Zead Saleh_ePrint.pdf Restricted to Repository staff only until 15 June 2026. Download (28MB)

Arabic Abstract

أدى التوسع الاخير في التجارة الالكترونية الى أدى التوسع السريع الأخير في التجارة الإلكترونية إلى ظهور نظام تسليم جديد يعرف بالتسليم المعتمد على الحشود. يعتمد هذا النظام على تجنيد الأفراد الذين يستخدمون مواردهم الخاصة—مثل السيارات والدراجات النارية—لأداء مهام التوصيل. هؤلاء الأفراد، الذين يُشار إليهم باسم "الرسل"، ليسوا موظفين في المنصة التي تشرف على عملية التوصيل. في هذه الدراسة، نحدد نوعين من الرسل: الرسل الملتزمون، الذين دخلوا في اتفاق مع المنصة للعمل لفترة محددة، والرسل العرضيون، الذين يشاركون في نظام التوصيل في الوقت الذي يناسبهم. نظرًا لأن الرسل ليسوا تحت السيطرة الكاملة للمنصة، فإن هذا الترتيب يقدم مستوى من عدم اليقين بشأن قدرة نظام التسليم، خاصة بسبب عدم التنبؤ بتوافرهم. علاوة على ذلك، يمتلك الرسل حرية قبول أو رفض الطلبات المخصصة لهم، مما يضيف طبقة أخرى من عدم اليقين إلى النظام. لمعالجة هذه الشكوك، تم هيكلة بحثنا على النحو التالي: أولاً، نقوم بإجراء مراجعة شاملة للأدبيات المتعلقة بالتسليم المعتمد على الحشود، باستخدام تحليل بيبليومتري يعد الأول من نوعه. يحدد هذا التحليل ويحلل الموضوعات الأساسية، والاتجاهات الرائجة، والكلمات المفتاحية ضمن مجال لوجستيات التسليم المعتمد على الحشود، بالإضافة إلى تقنيات النمذجة والحلول السائدة التي يستخدمها الباحثون. ثانيًا، نطور نموذج جدولة عبر الإنترنت يقوم بضبط نوبات العمل للرسل الملتزمين ديناميكيًا لاستيعاب الطلب المتقلب خلال فترات التشغيل مع الأخذ في الاعتبار توافر الرسل العرضيين. يتم تحفيز الرسل الملتزمين لتمديد نوبات عملهم مقابل تعويض أعلى عند الحاجة. تم صياغة هذه المشكلة كعملية اتخاذ قرار متسلسلة، ونطبق نهج التعلم العميق المعزز، المعروف بقدرته على معالجة "لعنة الأبعاد". تعزز هذه المنهجية قدرة النظام من خلال تقليل عدد الطلبات المفقودة وزيادة مستويات الخدمة. بالإضافة إلى ذلك، نقوم بإجراء تحليل حساسية على المعلمات الرئيسية المؤثرة في النظام، مثل معدلات وصول الرسل العرضيين والطلبات، بالإضافة إلى تعويضات التمديد، مما يوضح قوة النظام في التكيف مع مثل هذه التغييرات. ثالثًا، نطور نموذج تعويض ديناميكي حيث يتم تحديد التعويض بناءً على الاحتمالية المتوقعة لقبول الرسول لطلب معين. نعتمد منهج التعلم المعزز متعدد الوكلاء، الذي يتضمن ثلاثة وكلاء، كل منهم مسؤول عن اتخاذ قرارات بشأن التعيين، وتمديد النوبة، والتعويض. يتم مقارنة نموذجنا مع سيناريو حيث يتم التعامل مع التعويض كمعلمة ثابتة. يظهر نموذج التعويض الديناميكي أداءً أفضل من حيث معدلات قبول الطلبات المخصصة وتقليل عدد الطلبات المفقودة. أخيرًا، نقوم بتقييم نموذج الجدولة عبر الإنترنت المقترح باستخدام مجموعة متنوعة من خوارزميات التعلم المعزز، بما في ذلك NQD وOPP وC2A، ونقوم بإجراء تحليل للأداء بناءً على الأرباح المخفضة المحسوبة وعدد الطلبات المفقودة.

English Abstract

The recent rapid expansion of e-commerce has led to the emergence of a new delivery system known as crowdsourced delivery. This system relies on enlisting individuals who utilize their own resources—such as cars and motorbikes—to undertake tasks, namely, in last-mile delivery. These individuals, referred to as couriers, are not employees of the platform responsible of the delivery process. In this research, we consider two types of couriers: committed couriers, who have agreed with the platform to work for a specified duration, and occasional couriers, who participate in the delivery system at their convenience. Since couriers are not under the full platform's control, this arrangement introduces uncertainty regarding the system's delivery capacity, particularly due to the couriers limited availability. Besides, couriers have the autonomy to accept or reject assigned delivery requests, adding another level of uncertainty to the system. To address these intricate uncertainties, our research is structured as follows: Firstly, we conduct a comprehensive literature review of crowdsourced delivery, utilizing a first-of-its-kind Scientometric analysis in this area. This analysis identifies and analyzes core themes, trending topics, and keywords within the realm of crowdsourced delivery logistics, as well as the predominant modeling and solution techniques employed by researchers. Secondly, we develop an online scheduling model that dynamically adjusts the shifts of committed couriers to accommodate fluctuating demand during operational periods while considering the availability of occasional couriers. Committed couriers are incentivized to extend their shifts for higher compensation when necessary. This problem is formulated as a sequential decision-making process, and we apply a \gls{drl} approach, known for addressing the “curse of dimensionality.” The adopted methodology enhances system capacity by reducing the number of lost requests and increasing service levels. Additionally, we perform a sensitivity analysis on key parameters affecting the system, such as the arrival rates of occasional couriers and requests, as well as extension compensation, demonstrating the system's robustness in adapting to such changes. Thirdly, we develop a dynamic compensation model where compensation is determined based on the predicted probability of a courier accepting an assigned order based its compensation, delivery duration, and delivery distances features. We employ a \gls{mdrl} approach, involving three agents, each responsible for making one of these decisions :assignment, shift extension, and compensation. The model is benchmarked with a base scenario where compensation is treated as a static, fixed parameter. The dynamic compensation model demonstrates superior performance in terms of acceptance rates for assigned orders and a reduced number of lost requests. Lastly, we evaluate our proposed online scheduling model using various \gls{drl} algorithms, including \gls{dqn}, \gls{ppo}, and \gls{a2c}, and conduct a performance analysis based on optimized discounted profit and the number of lost requests.

Item Type:	Thesis (PhD)
Subjects:	Systems Engineering
Department:	College of Computing and Mathematics > lndustrial and Systems Engineering
Committee Advisor:	Al Hanbali, ahmad
Committee Co-Advisor:	Baubaid, Ahmad
Committee Members:	Duffuaa, Salih and AlDurgam, Mohammad and El-Ferik, Sami
Depositing User:	ZEAD SALEH (g201080800)
Date Deposited:	16 Jun 2025 12:26
Last Modified:	16 Jun 2025 12:26
URI:	http://eprints.kfupm.edu.sa/id/eprint/143536