Decision models for order fulfillment processes of online food delivery platforms: a systematic review论文学习

    这是一篇综述类型的论文，系统梳理了在线外卖平台（ODP）实时配送运营中的各类问题，并对现有的运筹学模型进行分类。研究将ODP运营划分为“配送前”与“配送”两阶段，指出现有文献主要聚焦于后者（分单、路径、调度、发单）。建模方法以优化与机器学习并重，机器学习应用呈上升趋势；求解方法从传统算法/启发式转向问题专属的新颖方法；绩效指标体系亦日趋多元。综述统一术语、厘清研究脉络，为后续研究奠定基础。

运营决策与建模

    ODP 的每一次配送都需做出若干实时运营决策，这些决策普遍被抽象为运筹学（OR）模型。
最关键的决策是“指派（assignment）”和“路径（routing）”：
– 先决定由哪位骑手接单（assignment），
– 再为该骑手规划取餐-送餐的最优路线（routing）。
这些决策与车辆路径问题（VRP）及其子类“取送货问题”（PDP）同源，但 ODP 的独特之处在于：
– 指派与路径高度耦合，
– 需同时处理多单并发，
– 还涉及班次排班等额外决策。

ODP 与其他配送模式的区别

区别于生鲜电商：生鲜电商通常自营前置仓，骑手驻仓；ODP 则从分散的餐厅取餐，骑手初始位置不确定，使取餐指派更复杂。
区别于餐厅自营配送：本文仅聚焦“第三方”平台，不含餐厅自行配送的场景。
区别于同质化商品配送：ODP 配送的是易腐、异质的餐厅成品，对时效和品质要求更高。

ODP 订单履约问题（ODP-OFP）

定义为“从下单到送达”全过程中 ODP 必须依次解决的所有运营子问题。
两大阶段：
– 前置决策（Pre-delivery）：服务范围、车队规模、骑手排班等；
– 即时决策（Delivery）：对每一张订单循环执行指派、路径、调度、发单。

    在 ODP 的“配送阶段”研究中，三大核心运营子问题——指派（Assignment）、路径（Routing）以及调度-发单（Scheduling & Dispatching）——各自扮演不同角色，并呈现出以下关键特征与研究热点：
首先，指派问题的核心任务是将新生成的订单与平台骑手进行匹配。现有文献主要围绕两个维度展开：一是决策发起方，既可以由平台根据距离、成本、骑手空闲状态等标准主动派单，也可以由骑手在系统内主动“抢单”或“选单”；二是决策时机，既可以订单一生成就立即指派再给骑手规划路线，也可以先把多个订单进行批处理（batching/bundling）后再统一指派给骑手，甚至先求解路径或调度，再反推指派结果。建模上，通常采用二分图匹配、层次分解法或 FIFO/优先级规则，并考虑骑手是否允许拒单、车辆异质性、时间窗与拥堵影响等因素。
    其次，路径问题负责为已指派的骑手规划取餐-送餐的最优路线。研究者普遍将经典车辆路径问题（VRP）拓展为“带时间窗的取送货问题”（VRPPDTW）或专门针对外卖场景提出的“餐食配送路径问题”（MDRP/RMDP）。由于订单实时涌入，动态 VRP 与在线重算成为重点；同时，机器学习被用来预测行程时间，GIS/GPS 与 IoT 技术则提供了实时路况和餐品状态数据。实际应用中，平台既可以给出固定路线，也允许骑手基于自身经验微调或完全自行选择。
    最后，调度-发单问题处理“多单并发”情境。调度关注为单个骑手排定多张订单的取送顺序，以最小化距离、时间或成本，并兼顾餐品新鲜度；发单则关注在每一决策窗口如何批量、有序地把众多任务分配给多位骑手，同时考虑公平性、骑手接单意愿及订单收益等多目标。实现方式上，常用滚动时域、博弈论或多目标优化，并尝试引入骑手偏好、公平性约束及实时反馈机制，以提高方案的可执行性和骑手满意度。

预配送问题（Pre-delivery problems）

在订单真正进入“配送阶段”之前，ODP 必须先完成一系列“预配送”决策，否则后续实时运营将无的放矢。文献将其归纳为四大核心问题：需求预测、服务范围划定、车队规模确定以及骑手排班，并附带讨论了无人机配送所需的设施选址等新兴议题。

1. 需求预测（Demand Forecasting）
   预测为所有后续决策提供输入。ODP 需要按地理网格、按天乃至按小时预测订单量，以决定资源投放。难点在于：

   • 数据源选择：历史数据便于提前部署，但精度低；实时数据预测更准确，却缺乏准备时间。
   • 空间异质性：需求随地段、时段、天气、活动等剧烈波动。
   • 方法：传统时序模型与机器学习（尤其融合 GIS 数据）并用；还借助仿真与实验评估动态定价、会员制等需求管理策略的效果。

2. 服务覆盖范围（Service Coverage Area）
   平台为每家餐厅划定可接单半径，既可直接按“距离圆”设定，也可依据顾客历史订单做动态重定向。

   • 静态划分便于骑手熟悉区域，但难以应对订单分布不确定性与拥堵；
   • 动态调整则根据实时需求、骑手余量实时扩张或收缩区域，并支持跨区共享骑手。
     当前研究尚未充分解决拥堵区域的定价与服务级别权衡问题。

3. 车队规模（Fleet Sizing）
   在已知预测需求与覆盖范围后，平台需决定各区域应投放多少骑手。

   • 目标是在满足服务水平（常用平均等候时间衡量）与最小化空驶/闲置间取得平衡。
   • 手段包括：区域间共享骑手、动态增派、调整覆盖范围或提升拼单率以降低所需总人数。
   • 行为挑战：“骑手流失”（courier drainage）导致热门区域骑手扎堆，冷门区域短缺；众包与混合运力模式为未来研究热点。

4. 骑手排班（Shift Scheduling）
   确定每位骑手的当班起止时间，以用最少人力覆盖波动需求。

   • 多数研究假设班次固定，但现实中平台提供不同灵活度（完全自由或部分约束）。
   • 关键绩效指标：骑手成本、利用率、法规合规（各地劳动法差异）。
   • 未来需结合众包骑手自排班行为及拒单不确定性，建立更贴合实际的排班模型。

5. 无人机配送与设施选址（UAV & Facility Location）
   疫情推动“无接触”配送，催生无人机送餐研究。

   • 新增预决策：无人机需在何处设置起降/充电站（facility location），其容量与布局直接影响后续路径。
   • 地面设施：幽灵厨房、充电/停靠点同样需靠近需求中心，兼顾道路拥堵与空域安全。
   • 未来方向：无人机-骑手混合运力、机器人协同及相应法规约束。

6. 其他相关决策
   车队构成（电动车/燃油车/无人机比例）、骑手预定位（re-positioning）、薪酬机制等虽常被归入车队规模或服务范围议题，但同样需要在预配送阶段一并考虑。

总体而言，预配送问题虽与实时运营同样关键，却受关注不足；大多数文献将其隐含在指派或路径模型中，仅有少数研究独立探讨。未来需加强对需求-资源-行为耦合的系统性建模，以支撑 ODP 在扩张与竞争中的盈利与效率目标。

ODP-OFP 问题延申

为将“ODP 订单履约问题（ODP-OFP）”嵌入不同业务场景，研究普遍通过两条主线对其进行扩展：

1. 单次指派中同时考虑的订单-骑手匹配规模；
2. 针对 ODP 特有运营情境所引入的假设与约束。

---

1. 匹配规模：1×1、m×1、m×n 三种范式

• 1×1：每来一张新订单，就立即在“当前所有空闲骑手中”挑一个最优者，完成指派+路径决策；不考虑后续订单。模型最简单，可重复求解，实时性好，但缺乏全局视野（图 5a）。
• m×1：在某一决策窗口内，先把 m 张订单“拼成”一个任务包（bundle），再为这个任务包挑一位最合适的骑手；只涉及“单骑手多订单”场景，可嵌套调度或路径优化（图 5b）。
• m×n：一次性把 m 张订单分配给 n 位骑手，即“多骑手-多订单”并发指派；通常以“发单（dispatching）”形式出现，可再细分为：
  – 先打包再整体指派；
  – 直接同时求解指派-路径-调度。
  该范式最贴近真实高峰场景，但模型复杂度高，需要分解或滚动求解。

无论哪种范式，都可嵌入动态或随机要素：订单、骑手位置、路况持续更新；历史决策在下一轮迭代中可修正。

---

2. 关键假设与约束
这些假设把通用 VRP 改造成“真正属于 ODP”的问题，常见如下：

• 需求侧不确定性：订单到达率、下单前顾客/商家位置未知。
• 供给侧不确定性：众包骑手位置、在线状态、拒单或抢单行为。
• 订单处理特征：
  – 拼单（bundling）：上限由车辆容量或时空距离决定；需同时考虑多家餐厅的取餐点。
  – 容量约束：每辆车同时可携带订单数上限。
• 骑手行为：
  – 抢单（grabbing） vs 拒单（rejection） 两种模式互斥；前者为骑手主动选单，后者为平台派单后允许拒绝。
• 时间相关：
  – 承诺送达时间（ETA）向顾客实时展示；
  – 软时间窗，延迟罚金或提前奖励；
  – 取餐-等餐-送餐三段时长的精确估计与动态更新。
  

通过组合上述假设，研究者可在 ODP-OFP 框架之上构建更贴近真实业务、但又不过度复杂的子模型，从而为不同规模、不同策略的 ODP 提供可操作、可解释的决策支持。

建模与求解方法的“三阶段进化”

2018-2019（起步期）
• 以 Reyes 等提出的 MDRP 为起点，研究集中在“如何把 ODP 流程公式化”；
• 主流工具：动态/整数规划 + 经典精确或启发式算法（branch-and-bound、ALNS 等）。
2020-2021（融合期）
• 机器学习首次大规模进入：监督学习、强化学习与优化模型嵌套；
• 同时出现 MDP、系统动力学等新范式；Ulmer 等提出 RMDP，成为与 MDRP 并列的两大标杆模型。
2022-2024（精修期）
• 优化与 ML 持续并存，但重点从“能否求解”转向“求解更快、更准”；
• 大量论文比拼算法效率与精度，ML 被用于加速组合优化、OR 用于提升 ML 策略的可行性；
• 绩效指标从“距离-时间-成本”扩展到“延迟订单-骑手空闲-模型复杂度-实时误差”等多维体系。

OR 提供结构化的决策模型，ML 提供高维行为/需求预测；
平台内部学者（尤其 Meituan 团队）率先把骑手轨迹、商家出餐数据喂给 ML，再把 ML 输出作为 OR 模型的实时输入，实现“预测-优化-闭环反馈”。
未来方向：统一框架下，ML 负责“感知+预测”，OR 负责“决策+控制”，以应对高动态、高不确定性的外卖网络。

ODP 运营没有“通用模板

不同市场在法规、劳动力结构、顾客期望、城市基础设施等方面差异显著，导致众包/专职骑手、无人机/人工配送、可拒单/强制派单等策略必须因地制宜；车辆容量、出餐时间、食品保鲜、时间窗、罚金、需求不确定性等参数也必须本地化校准。
方法论演进：OR + ML 成为主流
• 2018 以前：以 MDRP、RMDP 等整数规划/动态规划模型为主，用经典启发式求解。
• 2020 起：机器学习（监督、强化学习）与 MDP、系统动力学模型融合，用于预测需求、骑手行为并实时优化。
• 2022-2024：重点转向“毫秒级”算法效率与精度；绩效指标从“距离/时间/成本”扩展到“延迟订单、骑手空驶、模型复杂度”。
数据与地理高度集中
56.6 % 的论文使用真实 ODP 数据，其中中国（美团、饿了么）和美国（GrubHub）市场占绝对主导，印度（Swiggy）、意大利、土耳其等为补充。会议论文因与平台合作密切，提供了大量一手案例。
平台实践：研究反哺政策
美团、Swiggy 等平台已将最新 OR+ML 成果嵌入派单、调度、定价策略，实现持续迭代。
未来研究议程
• 实时计算瓶颈：需在毫秒级完成大规模组合优化，算法轻量化仍是刚需。
• 无人机配送：在基础设施允许的市场将进一步落地，但跨场景普适性仍待验证。
• 众包 vs 专职：高人力成本地区众包比例上升；低成本地区仍以专职为主。
• 研究空白：
– 骑手送完单后的“空驶/闲置”时间建模；
– 顾客当面拒收场景的应急策略；
– 将骑手满意度纳入多目标优化，实现平台-顾客-骑手三方共赢。

总体而言，本综述为对ODP 运营研究进行了结构化拆解，既总结了现有成果，也为后续研究与行业实践指明了可深耕的方向。