Modelli MILP per il Routing di Robot Supportato dal Trasporto Pubblico

This thesis explores the Public Transport-aided Robot Routing Problem (PTRRP), a novel framework that integrates public transport systems into robot delivery operations. The study begins by reviewing existing literature on Autonomous Delivery Robots (ADRs) and their routing challenges, focusing on integrating public transport networks to enhance efficiency. We propose two Mixed-Integer Linear Programming (MILP) models to address the PTRRP: the Shift Network Model and the Supernetwork Model. These models optimize routing by accounting for practical constraints, such as load-dependent energy consumption, public transport schedules, and boarding times. Computational experiments on synthetic data demonstrate the models’ effectiveness in reducing operational costs while maintaining delivery reliability. This work provides new insights into leveraging public transport for sustainable and efficient last-mile delivery.

Questa tesi analizza il problema del Public Transport-aided Robot Routing Problem (PTRRP), un framework innovativo che integra i sistemi di trasporto pubblico nelle operazioni di consegna tramite robot. Lo studio inizia con una revisione della letteratura sugli Autonomous Delivery Robots (ADRs) e sulle relative sfide di routing, concentrandosi sull'integrazione delle reti di trasporto pubblico per migliorare l'efficienza. Proponiamo due modelli di Programmazione Lineare Intera Mista (MILP) per affrontare il PTRRP: il Shift Network Model e il Supernetwork Model. Questi modelli ottimizzano il routing tenendo conto di vincoli pratici, come il consumo energetico dipendente dal carico, gli orari del trasporto pubblico e i tempi di salita. Gli esperimenti computazionali su dati sintetici dimostrano l’efficacia dei modelli nel ridurre i costi operativi mantenendo l'affidabilità delle consegne. Questo lavoro offre nuove prospettive sull'uso del trasporto pubblico per una logistica dell'ultimo miglio sostenibile ed efficiente.