Technology

拠点間物流の試験データを統計分布から生成

この記事のポイント

  1. 実現したこと

    物流向けデータ生成ソフトウェアMilleMigliaで、拠点間輸送の最適化を研究するための試験問題を生成できる。

  2. 実現の仕組み

    重力モデルや空間クラスタリングで、人口や産業の密度を反映した配送拠点を配置する。

  3. 得られた結果

    生成される貨物需要には、出発地と到着地に加え、現実的な分布に従う容積と重量が含まれる。

  4. 従来との違い

    公開データが不足していた拠点間物流の研究に向け、試験問題を合成するソースコードとドキュメントが公開された。

明るい地域風景の中、道路で結ばれた複数の配送拠点とトラックを描いたイラスト。手前の拠点では荷物を載せたトラックが並び、パレットの貨物が積み替えを待っている。
AI生成画像

配送拠点の配置や貨物需要を統計分布から合成し、拠点間物流の最適化に使う試験データを生成するソフトウェアMilleMigliaが公開された。企業の物流網をそのまま公開することなく、複数車両への積み替えを伴う輸送の研究を支える。

非公開の物流網に代わる試験データを合成

拠点間物流向けのデータ生成ソフトウェアMilleMigliaは、C++で実装され、最適化手法の評価に使う試験問題を生成する。Googleは、物流企業がネットワーク構造や需要量を機密情報として扱うため、この分野では研究に使える公開データが不足していると説明している。

この生成ソフトウェアは、統計分布から配送網を合成する。Googleによると、非公開情報を明かさずに実際の配送網に似たネットワークを作る仕組みで、ソースコードとドキュメントをGitHubで公開している。

拠点の位置と貨物の量に分布を持たせる

合成する配送拠点の配置には、重力モデルまたは空間クラスタリングを使う。拠点の位置に現実の人口や産業の密度を反映させるための処理だ。

配置された拠点間の需要には、貨物ごとの出発地と到着地の組を与える。貨物の容積と重量も現実的な分布に従って生成し、輸送対象を表す。

積み替えを場所と時刻のグラフで表す

拠点を結ぶ輸送では、一つの貨物が複数の車両を乗り継ぐ。Googleは、この構造を時空間グラフ上の多品種フロー問題、すなわち複数の貨物の流れを扱う問題としてモデル化している。

グラフのノードは、特定の時間区間における配送拠点を表す。ノードを結ぶ辺には車両による移動と拠点での保管を対応させ、貨物が場所を移る場合と、その場所にとどまる場合を表現する。

接続便の時刻と拠点の処理能力を制約にする

貨物の移動は、車両の固定時刻表と配送拠点の時間当たり処理能力に制約される。さらに、到着した車両から別の出発車両へ貨物を引き継ぐため、到着と出発を同期させる必要がある。

接続便に載せる貨物は、その便に間に合う時間帯に拠点へ到着しなければならない。予定した接続を逃すと、貨物は拠点に残り、次の運行サイクルまで待つことになる。