Urban Logistics through River: A Two-Echelon Distribution Model

Abstract

Studies that use rivers in a last-mile delivery context are scarce. This research considers the first multimodal alternative based on a barge for parcel delivery activities. It proposes two sustainable network designs for a two-echelon distribution. The efficiency of scenarios is assessed through performance indicators. A three-stage decomposition heuristic is used. Allocation of the customers to the closest satellite at the first stage uses a non-supervised machine learning clustering method, 2D-k-means. The last two stages, comprising the two echelons routing, are solved using a heuristic based on the nearest neighbor procedure. The fixed costs decrease by 41% and energy consumption by 92% when applying a river transportation mode and e-cargo bikes in the distribution network’s first and second echelon, respectively. Future research avenues are to render the results more realistic with the consideration of other costs and a larger network. © 2023 by the authors.

Los estudios que utilizan los ríos en un contexto de entrega de última milla son escasos. Esta investigación considera la primera alternativa multimodal basada en una barcaza para actividades de entrega de paquetería. Propone dos diseños de red sostenibles para una distribución de dos escalones. La eficiencia de los escenarios se evalúa a través de indicadores de desempeño. Se utiliza una heurística de descomposición en tres etapas. La asignación de los clientes al satélite más cercano en la primera etapa utiliza un método de agrupamiento de aprendizaje automático no supervisado, 2D-k-means. Las dos últimas etapas, que comprenden el enrutamiento de los dos escalones, se resuelven utilizando una heurística basada en el procedimiento del vecino más cercano. Los costos fijos disminuyen en un 41% y el consumo de energía en un 92% cuando se aplica un modo de transporte fluvial y bicicletas de carga eléctricas en el primer y segundo escalón de la red de distribución, respectivamente. Las futuras vías de investigación pasan por hacer que los resultados sean más realistas teniendo en cuenta otros costes y una red más grande. © 2023 por los autores.