Utilisateur:Malibenzakour/Brouillon

Le problème de tournée de véhicule en Anglais VRP (Vehicule Routing Problem) peut être étudié d'un point de vue classique, sans collaboration entre les parties prenantes, ou d'un point de vue collaboratif lorsque l'information et les ressources sont partagées entre les intervenants. Un VRP collaboratif peut se résoudre via l'utilisation des foules de personnes notamment via les réseaux sociaux. Les VRP collaboratifs ont un impact économique et environnemental et leurs rendements est bien meilleur que les VRP non collaboratifs.

Introduction

Le secteur des transports est très concurrentiel, les entreprises visent un maximum d'efficacité pour rester compétitif. Cette forte concurrence a fait baisser les prix alors que les marges bénéficiaires ont diminué à un niveau extrêmement bas.  

Pour accroître leur efficacité, ces entreprises établissent des collaborations, où des parties de leurs opérations logistiques sont planifiées conjointement. Le routage des véhicules de collaboration est une expression utilisée pour toute sorte de coopération destinées à augmenter l'efficacité des opérations du parc de véhicules.

En augmentant l'efficacité, les collaborations servent également des objectifs écologiques. Il est bien connu que les transports sont l’un des principaux contributeurs aux émissions de CO2. Les pouvoirs publics encouragent les entreprises à collaborer pour des fins de durabilité. Ils visent non seulement à réduire les émissions de substances nocives, mais également à réduire la congestion routière et les nuisances sonores surtout dans le milieu urbain.

De plus, il a été démontré que les collaborations logistiques augmentent les niveaux de service, les parts de marché, les capacités. Il n’est donc pas surprenant que le routage collaboratif de véhicules soit un domaine de recherche actif d’une grande importance pratique.

Nous observons qu’environ la moitié des articles liés font référence à des situations de planification centrale. Il s’agit d’un aspect important du routage collaboratif des véhicules, dans lequel une autorité centrale est chargée d’allouer les demandes de manière à répondre aux besoins de tous les collaborateurs.

Dans ce qui suit nous traitons dans un premier lieu du problème de tournée classique dans sa définition détaillée, ensuite nous donnons un PLNE pour résoudre celui-ci en définissant les paramètres, nous donnons à l’issue un comparatif avec le problème de livraison du dernier km en se basant sur la littérature et en présentant une formulation mathématique de celui-ci avec les différents paramètres. Les avantages et les inconvénients de chaque approche de résolution ont été cités au fur et à mesure.

Les domaines d’application

Il existe différents domaines d’application liés à la recherche dans les problèmes de routage de véhicule, on peut les catégoriser comme suit :

• Transport de marchandise au clients finaux :

Avec l’accroissement de sites de commerces électroniques ce mode de consommation impose une optimisation des trajets et une collaboration avec les différents partenaires.

• Transport de courrier :

Les organismes de postes tendent à réduire leurs effectifs et revalorisent les fonctions des facteurs au-delà de la livraison simple de courrier, ils ont ainsi recours à différentes approches pour maximiser leurs marges et rentabiliser leurs flottes.

• Transport urbain de personnes :

Les entreprises de transport urbain de personnes font également recours aux solutions trouvées par les chercheurs dans ce domaine afin d’optimiser leur circuit.

• La grande distribution :

La grande distribution utilise massivement les solutions de VRP collaboratif et non collaboratif, ils mettent en place des plateformes communes d’achat et redistribuent les stocks en fonction de la demande.

• Les services urbains d’hygiènes :

Ces services utilisent les solutions de VRP afin d’optimiser les tournées de leur flotte et minimiser les couts.

• Les entreprises de distribution de presse :

La distribution de presse est un grand consommateur des solutions de VRP collaboratifs, ces entreprises allient différentes combinaisons de solutions horizontales, verticales, centralisées et décentralisées.

Méthodologie de la recherche

Nous avons effectué une recherche dans les bases de données de bibliothèques où sont répertoriés les principaux journaux consacrés à la recherche opérationnelle, à la gestion opérationnelle et à la science de la gestion, parmi celles que nous avons utilisé on cite :

• Sciencedirecte

• ACM Digital Library

• ResearchGate

• Springer

Les termes de recherche utilisés étaient essentiellement des combinaisons de : «collaboration», «coopération», «coalition», «alliance» et  «Transport», «acheminement», «logistique», «fret», «transporteur», «expéditeur», «vrp» .

Nous avons ainsi identifié un premier ensemble d’articles pertinents que nous avons fait valider auprès de notre tuteur et ensuite nous avons commencé à traduire ces articles en français grâce à des moteurs de traductions en ligne, nous avons par la suite examiné chacun des articles selon les propos qu’ils contiennent.

Après avoir répertorié les éléments que contiennent ces articles, en procédant selon la démarche proposée par notre professeur, nous avons ainsi établi une liste à trois colonnes, d’abord la référence trouvée ensuite les articles dans lesquels elle a été cité et après une colonne portant sur l’information essentielle que propose la référence. Après nous avons repris les informations de ce tableau et nous les avons rassemblées selon le plan proposé par notre professeur avant de rédiger notre recherche bibliographique que voici.

Description détaillée du problème

Définition du VRP Classique

Figure 1 : Schéma faisant ressortir une représentation du problème de tournées classique

Dans la fingure 1, un VRP classique a pour objectif de mettre en place un ensemble de routes dans lesquelles chaque véhicule démarre une tournée à partir du dépôt, visite les consommateurs pour les servir et revient finalement au dépôt.

Figure 2 : Schéma comparatif du VRP avec et sans collaboration

La figure 2 ci-dessus, définit clairement un VRP classique sans collaboration en comparaison avec un VRP avec collaboration, on distingue alors que les opérateurs se partagent les points de livraison (-) et ceux d’approvisionnement (+) en prenant en considération la proximité géographique par rapport au dépôt.

Définition de livraison dernier KM collaborative

La livraison des produits au dernier kilomètre est un élément crucial de la chaîne d'approvisionnement d'un produit et peut faire ou défaire la relation entre les détaillants et leurs clients. En effet, cette question est devenue l'un des goulots d'étranglement du commerce électronique (Wang et al., 2014). Dans leur quête de réduction des coûts et d'amélioration de l'efficacité opérationnelle, de nombreuses entreprises testent différentes approches pour la livraison dans le dernier kilomètre. Dans le scénario concurrentiel actuel, pour prospérer, il est très important que les entreprises soient en avance ou à égalité avec leurs concurrents.

La livraison du dernier KM Non Collaboratif (PLNE)

Dans le scénario non collaboratif, chaque entreprise définit son plan de livraison indépendamment, dans lequel les clients ne sont jamais partagés et chaque entreprise essaie juste de minimiser ses propres coûts de routage. Ainsi, chaque entreprise résout individuellement son propre problème de routage de véhicule avec des contraintes de capacité de véhicule pour une optimisation locale.

Le problème de routage pour chaque entreprise est résolu à l'aide du modèle de programmation linéaire en nombres entiers mélangés (MILP) présenté ci-dessous. Comme une demande variable est supposée et connue avant le processus de routage, plusieurs instances du CVRP sont résolues :

Une instance pour chaque ensemble différent de demandes de points de livraison. Notez que ce modèle recherche un routage équilibré et a une durée maximale pour les itinéraires. Les variables binaires sont définies : X_ik  = 1 si le véhicule k passe du dépôt au point de livraison i sinon 0 ; Y_ik  = 1 si le véhicule k passe de point de livraison i au dépôt sinon 0; et B_ijk = 1 si le véhicule k passe du point de livraison i au point de livraison j sinon 0 . De plus, la notation suivante est nécessaire :

• i,j,h = Points de Livraison{1 , 2 , … n}
• k = Véhicules {1 , 2 , …. m}

Liste de paramètres :

Formulation mathématique du problème de tourné non collaboratif (Andrés Muñoz-Villamizar et co-auteurs 2015)

d1_i : Distance entre le dépôt et le point de livraison

d2_i : Distance entre le point de livraison et le dépôt

d3_ij : Distance entre les points de livraison i et j

N : Nombre total de points de livraison

M : Nombre total de véhicules

V : vitesse moyenne du véhicule

T : temps de parcours maximal

Di : Demande du point de livraison i

CAP : Capacité maximale des véhicules

Le modèle mathématique se présente comme suit :

La fonction objectif (1) exprime la distance totale du transport. Les contraintes (2) et (3) garantissent respectivement que chaque route doit commencer et se terminer au dépôt. La contrainte (4) définit la séquence d'itinéraire par véhicule. La contrainte (5) oblige tous les points de livraison à être visités exactement une fois. La contrainte (6) garantit l'équilibre des itinéraires. La contrainte (7) établit la durée maximale des itinéraires. La contrainte (8) garantit que la capacité maximale des véhicules n'est pas dépassé. La contrainte (9) force l'élimination des sous-tours. Enfin, la contrainte (10) garantit que les variables ne prennent que des valeurs binaires.

La livraison du dernier KM avec approche collaborative (PLNE)

Afin d’améliorer les performances du système de transport lors de la livraison dans le dernier kilomètre (réduction des coûts de transport, augmentation de l’utilisation des véhicules, etc.), un scénario de collaboration est proposé. Ce scénario est le cas idéal dans lequel se déroule une collaboration horizontale complète entre les entreprises.

La collaboration horizontale est un accord commercial entre deux ou plusieurs entreprises situées au même niveau dans la chaîne d'approvisionnement ou le réseau afin de faciliter le travail et la coopération en vue d'atteindre un objectif commun. Dans ce scénario collaboratif, les entreprises sont incitées à partager des camions, des itinéraires et des clients afin d’améliorer leurs chiffres d’affaires individuels en réduisant les coûts de transport, le nombre de véhicules nécessaires et en offrant dans de nombreux cas un meilleur service aux clients, en plus de réduire l’impact environnemental des véhicules en activités de livraison.

Ce scénario est modélisé comme un problème de routage de véhicules à capacités multiples (MDCVRP) dans lequel toute entreprise peut livrer n'importe quel point de livraison pour une optimisation globale. Cette approche devient un problème plus difficile du point de vue du temps de calcul en raison de la complexité NPD du MDCVRP. La littérature académique a été témoin de proposition de plusieurs approches de solutions, basées sur des algorithmes exacts et approximatifs, pour résoudre ce problème (R.V. Kulkarni and P.R Bhave 1985). Afin de dépasser la difficulté du MDCVRP au NP difficile, la procédure de résolution reposera sur une approche heuristique hiérarchique en deux phases.

La première phase considère l'allocation des points de livraison vers les dépôts, tandis que la deuxième phase envisage l’acheminement de chaque ensemble déterminé dans la phase précédente. La phase d’allocation est résolue en utilisant le modèle MILP présenté ci-dessous le problème de routage est résolu en utilisant le même modèle MILP utilisé pour résoudre le VRP dans le scénario non collaboratif. Comme mentionné précédemment, pour faire face à la demande stochastique, plusieurs instances sont résolues à l'aide de cette heuristique hiérarchique : une instance pour chaque ensemble différent de demandes de points de livraison.

Dans le modèle d'allocation, les variables binaires sont définies : X_ij = 1 si le dépôt situé sur le site i dessert le point de livraison (magasin) j. Des variables entières sont également définies : Y_i est le nombre de véhicules affectés au dépôt situé sur le site i. De plus, la notation suivante est nécessaire :

• i = Dépôts {1, 2, … n}

• j = Points de livraison {1, 2, … m}

Listes de paramètres :  

C_ij: Distance entre le dépôt et le point de livraison

D_j : Demande du point de livraison j

CAP : Capacité des véhicules

Formulation mathématique de la phase d'allocation (Andrés Muñoz-Villamizar et co-auteurs 2015)

U : Niveau minimum d'utilisation des véhicules

Le modèle mathématique pour la phase d'allocation est le suivant :

La fonction objective (11) exprime la distance d'attribution totale à minimiser. Les contraintes (12) garantissent que chaque point de livraison est affecté à un seul dépôt. Les contraintes (13) indiquent le nombre de véhicules nécessaires pour répondre à la demande. Les contraintes (14) obligent les véhicules à être chargés au minimum. Notez que ce niveau d'utilisation ne peut être défini que dans le scénario collaboratif, car les entreprises peuvent partager leurs clients. Enfin, les contraintes (15) et (16) définissent les valeurs des variables de décision.

Il est important de rappeler qu'après la phase d'allocation, le routage est résolu à l'aide du modèle MILP pour le CVRP dans le scénario non collaboratif.

Méthodes de résolution proposées

La rapidité et le coût sont les deux facteurs essentiels au succès de la livraison du dernier kilomètre (Chen et Pan, 2015). De plus en plus de recherches sont en cours sur l'utilisation du crowdsourcing comme solution au transport de marchandises dans la logistique urbaine.

Depuis que le crowdsourcing a été conçu en s’appuyant sur Internet et une foule facilement accessible, de nombreuses préoccupations en matière de confidentialité et de fiabilité sont associées à son utilisation dans des environnements physiques.

Varshney (2012) aborde les problèmes liés à l’emploi de personnes aléatoires, qui s’apparentent généralement à des groupes à faibles revenus, pour effectuer la livraison payée du dernier kilomètre avec un système participatif en masse et propose un modèle mathématique pour déterminer les conditions de seuil de ces embauches et explorer les compromis entre confidentialité, fiabilité et coût. L'un des éléments les plus importants de la logistique de la foule est la foule elle-même. À cet égard, la confiance, la publicité et la convivialité sont les trois facteurs déterminants.  

À l’heure actuelle, cependant, il n’existe aucune information sur l’influence de ces facteurs (Frehe et al., 2017). Lorsqu’on utilise des « foules indépendantes » lors de livraisons en foule, il est important d’assurer la qualité du service. Si la valeur des marchandises est élevée, le risque de vol de courrier peut être augmenté (Peng et Xu, 2016).  

Une autre solution permettant de résoudre efficacement ces problèmes consiste à exploiter les propres réseaux d’amitié des clients, c’est-à-dire à utiliser des amis dont les itinéraires quotidiens se chevauchent dans le temps, comme ceux de leurs collègues et de leurs voisins. Les applications de réseaux sociaux populaires telles que Foursquare et Facebook Places peuvent être utilisées pour fournir aux amis et aux locataires des itinéraires et des itinéraires de voyage en temps réel, qui peuvent être utilisés pour améliorer la livraison au dernier kilomètre avec un système de recherche participative. Une étude récente a présenté un cadre de travail pour utiliser les réseaux sociaux avec une plate-forme mobile et de communication pour aider à la récupération des colis lors de la livraison du dernier kilomètre (Suh et al., 2012). Toutefois, la recherche fondamentale sur l’évaluation de la volonté de la population de fournir un tel service et sur son impact mondial en se fondant sur des hypothèses réalistes concernant les habitudes de déplacement quotidiennes doit encore être entreprise.

Résolution collaborative en utilisant la foule

Des chercheurs de l’université de Nanterre (Hakim Akeb et co-auteurs 2018) ont étudié dans un article la mise en œuvre d’une solution collaborative de livraison de colis en zone urbaine, leur objectif était de proposer une solution basée sur la logistique participative.

Plusieurs modes de livraison ont vu le jour ces dernières années, principalement dans les centres urbains denses. Le marché français des colis offre actuellement un large éventail de méthodes de livraison pour satisfaire les clients. Le service postal français est l’opérateur traditionnel majeur, mais il est confronté à de nouveaux acteurs désireux d’élargir et d’adapter leurs options de livraison. Ceux-ci inclus :

• Points de ramassage : développés par les sociétés de vente directe traditionnelles pour faire face aux problèmes de livraison du dernier kilomètre. La position dominante sur le marché français est détenue par cinq sociétés : Pickup Service (Groupe La Poste - 18 000 points), Relais Colis (La Redoute et DHL - 5000 points), Kiala (UPS - 5000 points), Mondial Relay (Les 3 Suisses [Otto] - 5000 points). Ils sont souvent situés chez un petit détaillant ; les points de collecte constituent un réseau dense en milieu urbain.

• Spécialistes express : spécialistes du transport rapide (généralement 24h) des petits colis. Ceux-ci incluent Chronopost (groupe La Poste), mais aussi des opérateurs tels que Colis Privé (Amazon), France Express (Geodis), Ciblex, DHL, UPS, FedEx et TNT.

• Automated Parcel Locker: une livraison de colis en libre-service proposée par des détaillants en ligne tels qu'Amazon ou d'autres prestataires de services logistiques tels que Pickup Station du groupe La Poste et Abricolis d'InPost (groupe polonais). Les colis sont livrés directement au casier à colis automatisé. Les consommateurs sont ensuite avertis et collectent leurs propres colis via des applications mobiles (Wang et al., 2016).

• Plateformes collaboratives : autoriser la livraison du colis chez un voisin. Par exemple, Drivoo propose des bons de réduction à la foule des participants qui livrent des colis à leurs voisins. Un autre type de plate-forme, Colis du voisin, permet la livraison de colis par une foule de participants qui reçoivent une somme d’argent pour le service. Ce montant est décidé par le client final.

Ces chercheurs ont étudié la faisabilité d’une nouvelle solution (voisin relais) et sur la manière dont elle pourrait être mise en œuvre dans une ville comme Paris.

La plateforme collaborative étudiée dans cette recherche utilise la démarche suivante : une personne passe une commande en ligne. Si le destinataire (consommateur final) est absent de la maison lors de la livraison, le transporteur utilise le réseau de la plate-forme pour livrer le colis au relais le plus proche du destinataire via une application de géolocalisation. Le destinataire reçoit alors une alerte avec une notification indiquant que le colis est chez le voisin et il peut programmer une heure pour recevoir ou récupérer le colis. Ainsi, la solution consiste pour l'acheteur à faire livrer le colis chez son voisin et à permettre au transporteur de livrer le colis au premier passage.  

Les chercheurs précités ont présenté deux solutions collaboratives déjà utilisées en France, à savoir “Colis du voisin” et “Drivoo”. Ci-après les résultats de la comparaison de ces deux plates-formes existantes avec la solution “voisins relais”.

Du point de vue du client final, les trois solutions ont l’avantage que la livraison peut avoir lieu même lorsque le client est absent. Un voisin accepte le colis au nom du client, ce qui lui permet de retirer ou de recevoir le colis à sa convenance. Un inconvénient de la solution Colis du voisin est que le client final doit sélectionner et contacter un voisin qui recevra le colis à sa place.  

Pour les deux autres solutions (Voisins relais et Drivoo), le client sélectionne un voisin sur la plate-forme, ce qui simplifie les choses. Un avantage de Drivoo est que la plate-forme permet de trouver un chauffeur pouvant même récupérer le colis ou les produits achetés chez un revendeur.

En ce qui concerne le prestataire de services logistiques, les trois solutions sont bénéfiques car elles évitent l’échec de la livraison du colis et permettent au client final de recevoir son colis à sa convenance. Ces solutions sont également bénéfiques pour l’entreprise en général, car les clients hésiteront moins à acheter en ligne car ils sont sûrs de recevoir leurs produits même quand ils ne sont pas à la maison pendant la livraison. Cependant, la plate-forme voisins relais aide le fournisseur à définir le revenu des participants de la foule, ce qui facilite le développement du réseau des voisins.

Enfin, du point de vue des participants de la foule, l’avantage des relais de voisins, par rapport aux deux autres plates-formes, c'est qu'il offre un revenu direct (argent) à chaque participant. Ce n'est pas le cas pour les deux autres solutions. Drivoo propose des bons d'achat dont la valeur dépend du nombre de colis livrés, tandis que dans la solution Colis du voisin, le client final propose de l'argent (pourboire) au voisin, ce dernier ayant le choix de l'accepter ou non, d'où il n’est pas clair s’il existe une valeur minimale que le client doit donner au voisin pour le motiver. On peut soutenir que l’inconvénient commun des trois solutions est qu’elles génèrent des coûts supplémentaires pour le client, mais que l’avantage en termes de commodité de livraison sur pondère les coûts.

Résolution collaborative avec planification centralisée

Un exemple de VRP collaboratif en présence d’une autorité centrale pourrait être une plate-forme en ligne fournissant des services pour la prise de décision en collaboration (Dai & Chen, 2012). Il est évident que dans le cas d’une information complète, le décideur doit s’attaquer à un problème d’optimisation standard, car l’aspect collaboratif est diminué par la divulgation d’informations. Ainsi, chaque problème de planification de transport peut être interprété comme un problème de transport à planification collaborative qu'un décideur disposant de toutes les informations doit résoudre. Cependant, pour avoir dans cet article une portée raisonnable, nous ne recensons que les études qui contribuent à l'aspect collaboratif de la planification des transports. Wang, Kopfer et Gendreau (2014) en sont un exemple. Dans cette étude, l'autorité centrale n'a pas tout le pouvoir pour trouver une solution optimale en échangeant simplement des demandes. Il doit plutôt décider du degré de collaboration prenant en compte à la fois l'externalisation et l'échange de demandes.

On peut constater qu’il existe deux courants de recherche dans ce domaine :

• Evaluation du gain de collaboration : concerne l'évaluation des avantages potentiels de la planification collaborative centralisée par rapport aux environnements non coopératifs. Dans les contextes non coopératifs, les acteurs ne font preuve d'aucun effort de collaboration.

• Contributions méthodologiques : concerne les modèles innovants ou approches de solutions innovantes pour la planification collaborative centralisée.

De nombreuses autres études confirment qu’une planification collaborative centralisée pourrait potentiellement améliorer les bénéfices totaux d'environ 20 à 30% de la solution non coopérative (par exemple, Montoya-Torres, Muñoz-Villamizar et Vega-Mejia, 2016; Soysal, Bloemhof-Ruwaard, Haijema, 2016). & van der Vorst, 2018). Lin (2008) a étudié un problème concret lié à un service de courrier local d'une société de logistique multinationale. Il est démontré que la stratégie de coopération, dans laquelle les itinéraires de messagerie sont planifiés conjointement, surpasse de 20% les coûts de déplacement dans un environnement non coopératif.

Les collaborations horizontales suivent non seulement des objectifs économiques mais également écologiques, tels que la réduction de la congestion routière, la pollution sonore et les émissions de substances nocives. Ainsi, les pouvoirs publics encouragent les entreprises à collaborer. La ville de Zurich, par exemple, finance un projet de recherche visant à améliorer la coopération entre différentes entreprises de transport via une plate-forme de collaboration informatisée (Schmelzer, 2014). Dans cet esprit, Montoya-Torres et al. (2016) quantifient l'effet du routage collaboratif dans le domaine de la logistique urbaine. Afin de résoudre des cas réels de la ville de Bogotá, le problème centralisé est décomposé en une partie d’affectation et une autre de routage améliorant ainsi la distance parcourue d’environ 25%.

De nombreuses autres études récentes prennent en compte les aspects écologiques. Pérez Bernabeu, Juan, Faulin et Barrios (2015), par exemple, examinent différents scénarios de VRP et montrent que les coopérations peuvent contribuer à une réduction notable des coûts de déplacements attendus ainsi que des émissions de gaz à effet de serre. Le VRP avec fenêtres temporelles (VRPTW) et avec l'empreinte carbone comme contrainte est proposé par Sanchez, Pradenas, Deschamps et Parada (2016). À l'aide de ce modèle, la réduction des émissions de carbone dans un cadre de collaboration, où différentes entreprises mettent en commun leurs ressources, est étudiée. Les auteurs constatent que les émissions totales de gaz à effet de serre peuvent être réduites de 60%, tandis que les économies de coûts étaient de près de 55%. Soysal et al. (2018) modélisent et analysent le IRP (Inventory Routing Problems) dans un environnement collaboratif qui prend en compte la périssabilité, la consommation d'énergie (émissions de CO2) et l'incertitude de la demande.

Conclusion et perspectives de recherche sur la problématique

L’étude des différents articles figurant dans cette recherche bibliographique nous a permis de d’appréhender les problèmes de VRP classique et collaboratifs à bien des égards. Nous avons dans un premier lieu réussi à identifier ce problème dans ses deux aspects et trouvé une modélisation mathématique et une résolution via un programme linéaire à entier. Ensuite, nous avons examiné les différents approchent que les chercheurs appréhendent pour la résolution de ce genre de problème. Cela, en prenant en compte les différentes contraintes liées principalement à l’optimisation de la distance parcourue, à l’optimisation de l’usage des capacités des véhicules, à l’optimisation de la consommation d’énergie et à la réduction des émissions de gaz nocives.

Nous nous sommes basés pour les propositions de recherche futures sur les recommandations des auteurs des articles que nous avons étudiés, ceux-ci proposent ce qui suit :

1.     L’application de cadres de collaboration à des processus plus complexes, par exemple : les systèmes de transport multimodaux,  

2.     L’étude du comportement stratégique et des mécanismes efficaces de partage des profits.

3.     L’évaluation des valeurs de l’information dans les mécanismes d’échange décentralisés.

4.     Une étude sur la possibilité d’octroyer des bons d’achat en gratification aux voisins collaborant à la livraison d’un colis

5.     L’étude des comportements de commande chez les amis afin de prédire les collaborations possibles via les réseaux sociaux.

6.     L’étude de l’impact des systèmes collaboratifs sur l’émission de gaz nocives.

Bibliographie

1. Aashwinikumar Devari a, Alexander G. Nikolaev a, Qing He (2017) - Crowdsourcing the last mile delivery of online orders by exploiting the social networks of retail store customers.
2. Andrés Muñoz-Villamizar, Jairo R. Montoya-Torres, Carlos A. Vega-Mejía (2015), Non-Collaborative versus Collaborative Last-Mile Delivery in Urban Systems with Stochastic Demands
3. Bo Dai, Haoxun Chen (2012), Mathematical model and solution approach for carriers' collaborative transportation planning in less than truckload transportation.
4. Chen, C., Pan, S., (2015). Using the crowd of taxis to last mile delivery in e-commerce: a methodological research.
5. Frehe, V., Mehmann, J., Teuteberg, F., (2017). Understanding and assessing crowd logistics business models – using everyday people for last mile delivery. J.
6. Hakim Akeb, Btissam Moncef, Bruno Durand (2018), Building a collaborative solution in dense urban city settings to enhance parcel delivery: An effective crowd model in Paris.
7. Lin, C. (2008). A cooperative strategy for a vehicle routing problem with pickup and delivery time windows.
8. Margaretha Gansterer, Richard F. Hartl (2018)- Collaborative vehicle routing: A survey, European
9. Montoya-Torres, J. R., Muñoz-Villamizar, A., & Vega-Mejia, C. A. (2016). On the impact of collaborative strategies for goods delivery in city logistics.
10. Pérez-Bernabeu, E., Juan, A. A., Faulin, J., & Barrios, B. B. (2015). Horizontal cooperation in road transportation: A case illustrating savings in distances and greenhouse gas emissions.
11. R.V. Kulkarni and P.R Bhave (1985), Integer programming formulations of vehicle routing problems.
12. Sanchez, M., Pradenas, L., Deschamps, J.-C., & Parada, V. (2016). Reducing the carbon footprint in a vehicle routing problem by pooling resources from different companies.
13. Schmelzer, H. (2014). Cooperational platform for urban logistics in Zurich.
14. Soysal, M., Bloemhof-Ruwaard, J. M., Haijema, R., & van der Vorst, J. G. (2018) Modeling a green inventory routing problem for perishable products with horizontal collaboration.
15. Varshney, L.R.,(2012). Privacy and reliability in crowdsourcing service delivery
16. Xin Wang., Zhan, L., Ruan, J., Zhang, J. (2014), How to Choose ‘‘Last Mile” delivery modes for E-Fulfillment.
17. Xin Wang, Herbert Kopfer (2014). Collaborative transportation planning of less-than-truckload freight.
18. Xin Wang, Herbert Kopfer, Michel Gendreau (2014). Operational transportation planning of freight forwarding companies in horizontal coalitions..