A Hybrid Modeling Approach to Joint Matching and Pricing in an Intelligent Freight Transportation Platform

Le marché du fret joue un rôle important dans les économies nationales, régionales et mondiales, ce qui affecte tous les autres secteurs économiques. Ce marché est complexe et dynamique et doit s'adapter aux conditions et tendances politiques, sociales et économiques en évolution rapide. Des plateformes de partage des ressources de fret ont été récemment introduites dans ce marché pour coordonner les ententes entre les clients et les fournisseurs de ressources de transport utilisant l’Internet et les différentes plateformes Web. Le recours à ces plateformes vise à améliorer l'efficacité de l'industrie du transport du fret en réduisant les coûts logistiques et les effets environnementaux négatifs et en offrant plus de transparence aux différents intervenants. Ces plateformes permettent de collecter un grand volume de données en temps réel et d’appliquer des modèles d'optimisation et d'intelligence artificielle pour l'analyse des données et la prise de décision. La littérature sur les plates-formes de fret intelligentes peut être classée en trois thèmes essentiels : (1) les avantages environnementaux de ces plates-formes, (2) décisions d’allocation de ressources (3) décisions de fixation de prix Notre recherche a révélé plusieurs lacunes dans la littérature que nous proposons de combler. Un domaine de recherche récent consiste à évaluer les avantages environnementaux des plateformes intelligentes de partage de fret. Ce sujet n'a pas encore été étudié à l'aide d'une étude de cas au Canada. Pour combler cette lacune, nous fournissons une évaluation de la durabilité basée sur des scénarios pour les flux de marchandises au Québec en 2021, basée sur la base de données du Cadre d'analyse du fret canadien. Nous constatons également une lacune dans la littérature concernant d’allocation de ressources et de fixation intégrées dans les plateformes de partage de fret. La littérature n'aborde pas les problèmes d’allocation de ressources multi-acteurs et de fixation de prix à grande échelle. Pour tenter de combler l'écart, nous développons une approche hybride pour aider ces plates-formes à optimiser conjointement les décisions d’allocation de ressources et de fixation intégrées à grande échelle. L'approche proposée comprend sept étapes. La première étape concerne la collecte de données sur l'offre et la demande. À l'étape 2, une méthode d'analyse des données en deux étapes est proposée pour réduire la complexité de la prise de décision. Tout d'abord, en utilisant l'analyse des correspondances multiples (MCA), les positions des coordonnées spatiales des variables catégorielles sont déterminées. Ensuite, un algorithme K-means est utilisé pour regrouper les transporteurs et les expéditeurs en fonction de leurs emplacements géographiques. Les étapes 3 et 4 incluent les moteurs d'optimisation de décisions d’allocation de ressources et de fixation de prix. Ces moteurs d'optimisation aident à déterminer les prix, les itinéraires de livraison et les correspondances de la plateforme dans des espaces d'optimisation prédéterminés. La fourniture de commentaires aux clients est envisagée à l'étape 5. L'étape 6 consiste à évaluer la satisfaction des clients. Enfin, l'étape 7 est liée à la finalisation des décisions. Les résultats de cette recherche incluent : (1) le potentiel des plateformes de fret intelligentes pour réduire les émissions de gaz à effet de serre du fret, et (2) la recommandation d'une tarification personnalisée tout en s'adressant aux acteurs existants du marché du fret dans les décisions d'appariement.