Optymalizacja wykorzystania przestrzeni ładunkowej w transporcie drogowym przy ograniczeniach czasowych
DOI:
https://doi.org/10.25312/ziwgib.867Słowa kluczowe:
transport drogowy, optymalizacja przestrzeni ładunkowej, zarządzanie transportem, logistyka zrównoważonaAbstrakt
Celem niniejszego badania jest ocena skuteczności algorytmu optymalizacyjnego wspierającego wykorzystanie przestrzeni ładunkowej w międzynarodowym transporcie drogowym przy uwzględnieniu ograniczeń ładowności oraz ograniczeń czasowych. Badanie koncentruje się na identyfikacji ekonomicznie optymalnych ładunków dodatkowych, które mogą zostać skonsolidowane z ładunkiem podstawowym na z góry określonej trasie.
W pracy zastosowano podejście teoretyczno-empiryczne, łączące przegląd literatury z analizą studium przypadku operacji transportowej na trasie Madryt (Hiszpania) – Warszawa (Polska). Zbiór danych obejmuje dwanaście ofert ładunków dodatkowych opisanych za pomocą parametrów takich jak masa, objętość, przychód oraz dodatkowy dystans. Metodyka obejmuje transformację współrzędnych geograficznych do układu kartezjańskiego, estymację linii trendu trasy, wyznaczenie dopuszczalnego korytarza odchyleń oraz filtrację wykonalnych ładunków na podstawie ograniczeń technicznych (ładowność i pojemność). Ocena ekonomiczna została przeprowadzona z wykorzystaniem wskaźnika frachtu do odległości (EUR/km).
Wyniki wskazują, że algorytm skutecznie ogranicza przestrzeń decyzyjną oraz identyfikuje rozwiązania ekonomicznie opłacalne. Optymalny wariant zwiększył stosunek frachtu do odległości do około 1,40 EUR/km w porównaniu do znacznie niższej wartości dla samego ładunku podstawowego, jednocześnie eliminując rozwiązania niewykonalne.
Wnioski potwierdzają, że nawet proste narzędzia oparte na algorytmach mogą znacząco poprawić efektywność transportu, wspierać procesy decyzyjne oraz zwiększać wykorzystanie zdolności przewozowych bez konieczności dodatkowych inwestycji, przyczyniając się do poprawy wyników ekonomicznych oraz zrównoważonego rozwoju.
Pobrania
Bibliografia
Browne M., Allen J., Leonardi J. (2019), Evaluating the use of urban consolidation centres and their impact on logistics efficiency, “Transport Reviews”, vol. 39(1), pp. 1–23.
Crainic T. G., Laporte G. (1997), Planning models for freight transportation, “European Journal of Operational Research”, vol. 97(3), pp. 409–438.
Ivanov D., Dolgui A., Sokolov B. (2019), The impact of digital technology and Industry 4.0 on the ripple effect and supply chain risk analytics, “International Journal of Production Research”, vol. 57(3), pp. 829–846.
McKinnon A. (2018), Decarbonizing logistics: Distributing goods in a low carbon world, London: Kogan Page.
McKinnon A., Browne M., Whiteing A., Piecyk M. (2015), Green logistics: Improving the environmental sustainability of logistics, London: Kogan Page.
Power D.J. (2002), Decision support systems: Concepts and resources for managers, Westport: Greenwood Publishing Group.
Turban E., Sharda R., Delen D. (2011), Decision support and business intelligence systems, London: Pearson Education.
White Paper on Transport: Roadmap to a Single European Transport Area – Towards a competitive and resource efficient transport system (2011), European Commission: Brussels.
Yin R.K. (2018), Case study research and applications: Design and methods, Thousand Oaks: SAGE Publications.
Pobrania
Opublikowane
Numer
Dział
Licencja
Prawa autorskie (c) 2026 Akademia Humanistyczno-Ekonomiczna w Łodzi

Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.