Datadrivet beslutsstöd för lokalisering av upphämtningsplatser
Ökad e-handel påverkar stadslogistik och invånarnas rörelsemönster. Last mile-transporter, särskilt kopplade till e-handel, blir allt mer betydande. För att effektivisera och minska klimatavtrycket från dessa transporter undersöker detta projekt hur leveransdata kombinerat med AI-analys ger insikter om olika leveransplatser. Denna nya förståelse möjliggör datadrivna beslut och optimering av transporter till och från leveransplatser.
Uppnådda resultat
Genom att använda klustring har vi analyserat hur olika utlämningsställen i Östergötland skiljer sig åt både i tid och rum. Resultaten visar att genom att använda det gemensamma datasetet tillsammans med klustringstekniker kan vi tydligt identifiera olika kännetecken, både när det gäller plats och tid, för olika utlämningsställen i Östergötland.
Hur tas resultaten vidare?
Under projektets gång ha fler intressenter identifierats och kontaktats. Potentiella samarbetspartners för att förbättra effektiva sista-mile-leveranser inkluderar Telia samt kommunerna i Norrköping och Linköping. Projektgruppen har även haft diskussioner med Ahlsell, IMI Solutions och Inquire med fokus på byggsektorns leveranser.
Vad för lärdomar har projektet fått med sig?
Resultatet pekar på de möjligheter som uppstår när man kombinerar transportörernas leveransdata med AI för att få en djupare förståelse av hur leveransplatser används. Under projektet har LiU ökat sin insikt om egenskaperna hos leveransdata, medan DB Schenker och iBoxen har fått bättre förståelse för hur AI kan bearbeta data och generera insikter om deras system och kunder.
Nyfiken på projektresultaten?
Kolla in presentationen från slutkonferensen!
Partners
Huvudparter i förprojektet var Linköpings universitet, DB Schenker och iBoxen. RISE, Trafikverket och CLOSER har deltagit i diskussioner kring möjligheter, utmaningar och inriktning.
