机器学习模型如何优化城市配送与人类行为

Mahdieh Allahviranloo作为某中心最后一公里科学团队的访问学者，利用其在交通工程领域的专业知识，协助优化某中心的最后一公里配送运营。她通过数据挖掘、统计分析和优化模型研究城市中个体的移动模式，并将这些技术应用于管理配送站的运输量和劳动力分配。

在纽约市的一次配送跟车体验中，Allahviranloo亲眼目睹了算法逻辑与城市逻辑之间的差距。司机凭借对布鲁克林街道停车挑战的了解，自行优化配送路线，将包裹集中并从更少的停车点步行配送。这激发了她对计算科学与人类直觉之间结合点的深入研究。

Allahviranloo的研究重点是通过网络建模和机器学习概念，解决配送网络中的数学问题。她应用了一种称为“共识规划”的方法到某中心的配送站网络，该模型试图在网络内的不同“代理”（如配送服务提供商、劳动力规划团队和物理容量）之间建立共识，以识别和预防潜在瓶颈。

她的模型在两个层次上规划运输量：一是在每个配送站内规划劳动力和容量，二是设计一个跨数百个配送站的通信系统，以便站在需要时能够相互吸收溢出量。这项工作是某中心供应链优化技术团队在履行中心类似工作的延伸，总体目标是以最低成本尽可能高效地将包裹送达客户。

Allahviranloo直接参与的其他项目属于拣货清单优化建模的范畴，旨在结合包裹尺寸、重量和位置信息，设计更好的拣货清单，指导配送站员工从货架上检索物品进行暂存和装载。

“我们研究如何最优分配任务，使每个人大约在同一时间完成工作，并在员工之间实现任务的平衡分配，”Allahviranloo说。

Allahviranloo长期对各种移动性中的变量感兴趣。她通过德黑兰Sharif University of Technology的两门本科课程——交通系统和工程经济学——进入这一领域。交通问题吸引她是因为它结合了计量经济学和优化问题，以及一个不确定因素：人类行为。

“人类行为完全不确定，这使得交通问题在设计和思考时非常复杂，”她说。在了解到某中心的访问学者项目后，Allahviranloo于去年开始兼职工作，并计划全职工作至2023年8月。

Allahviranloo赞赏团队中想法的自由交流和安全环境，她不仅能够表达自己的观点，还能从同事那里获得建设性的批评。此外，她自愿担任CCNY Women’s Robotics Club的导师，指导来自机械工程、电气工程和计算机科学等学科的学生进行机器人项目。

“主要目的是给年轻女性勇气进入编程领域并获得实践经验，”她说。“我相信当每个人都处于同一水平时，社会才会成功。如果你坐在一把椅子上，其中一条腿短了，你就会摔倒。”

对于有抱负的工程师，Allahviranloo建议以激情和过程为导向，而不是专注于可能改变的目标。“重要的是知道什么驱动你，什么让你快乐，”她说。“一旦你快乐了，工作就不会看起来像工作。它将是一个充满激情的愉快过程。”

这种快乐正是Allahviranloo在纽约市街道和某中心配送站地板上解决问题时所找到的。