最后一英里的末端配送中，美國郵政研究報告指出了4大核心要素，分別是優(yōu)化算法、機器學習、共享寄遞供應鏈、同步系統，只有這4中要素相結合，實現協同化運作，才能夠提升最后一公里的效率，提升網絡運營能力。

隨著網絡消費的持續(xù)增長，消費者對寄遞服務快捷、便利的需求越來越高，迫使零售商、物流商和郵政運營商不得不優(yōu)化服務、提升質量，不斷完善“最后一英里”的服務。完美的合作協同與技術優(yōu)化能夠助力郵政企業(yè)在競爭日益激烈的包裹寄遞市場提升適應力和競爭力。

美國郵政監(jiān)察長辦公室近日發(fā)布一份《協同發(fā)展、技術優(yōu)化與郵政應用》研究報告。報告稱，要想實現高效、創(chuàng)新、協同的“最后一英里”投遞，必須具備4種核心要素，分別是優(yōu)化算法、機器學習、共享寄遞供應鏈、同步系統。這些能力可以統稱為協同優(yōu)化技術，能夠使供應鏈上的各個要素高效、協同運轉，實現員工、運輸和設備等資源的優(yōu)化配置與合理利用，能夠讓郵政企業(yè)從基礎設施中獲得附加價值。

該報告指出，郵政和其他寄遞企業(yè)從20世紀80年代就開始利用數學模型，綜合考慮業(yè)務量、時間窗口、車輛可用性、裝載容量以及最大行駛時間等因素，計算和規(guī)劃距離最短或成本最低的投遞路線。優(yōu)化算法意味著投遞司機可以獲得動態(tài)、實時的路線選擇，會根據交通擁堵、更改派送信息以及其他突發(fā)事件對投遞路線進行更改、優(yōu)化，不斷提升“最后一英里”客戶體驗，而不是像以前那樣從司機出發(fā)開始就按最初既定的路線完成配送。這種靈活性對于提高配送時效、滿足客戶需求、降低運營成本至關重要。例如，敦豪于2009年在德國開始測試實時動態(tài)優(yōu)化系統;聯合包裹在實施ORION路徑優(yōu)化系統后，每年可節(jié)約成本4億美元。

與大多數行業(yè)一樣，郵政行業(yè)每天都會處理大量的數據信息，包括地址信息、訂單信息、投遞路線信息、倉儲信息和車輛管理信息。這些信息都可以通過機器學習，達到提升客戶體驗、改善“最后一英里”服務的目標。美國郵政監(jiān)察長辦公室將機器學習定義為一種統計模型，通過收集、分析數據，推理出市場需求與客戶行為背后隱藏的規(guī)律，隨著新的數據不斷進入系統，這種算法也會不斷優(yōu)化。例如，美國郵政的Expected Delivery服務旨在為客戶提供2小時窗口的包裹投遞服務，根據歷史投遞數據作出的預測分析和快遞員出發(fā)的實際時間，來推算即將配送的窗口時段。機器學習還可用于預測進口包裹及郵件量，幫助郵政企業(yè)優(yōu)化投遞資源配置。

客戶對寄遞服務更快、更便利的需求給寄遞企業(yè)帶來巨大壓力，各種各樣的按需寄遞企業(yè)將傳統的包裹寄遞價值鏈變成了點菜式系統，在不同企業(yè)之間構建一條虛擬的共享寄遞供應鏈。數字寄遞平臺能夠讓寄件人根據包裹重量、價格、體積、投遞時間、可靠性及其他偏好因素，在多家“最后一英里”配送公司中自由選擇，還可通過訂購按需倉儲等服務將業(yè)務拓展到新區(qū)域。對收件人來說，數字寄遞平臺能夠提供豐富的定制化投遞選擇。郵政企業(yè)也可借助這些新型協同化平臺，提升郵政寄遞網絡能力，拓寬客戶“最后一英里”選擇。

同步系統旨在提升郵件傳遞的可視性，促進郵件和包裹內部運營信息與外部客戶服務信息的協調統一。美國郵政于2014年推出郵件量流入信息系統，郵局監(jiān)察員可以實時監(jiān)控流入郵件量、內部郵件和包裹設施的運轉情況、快遞員和車輛進站及出站時間、運輸資源與勞動力資源的使用情況。

類似的同步系統對于整合不同投遞模式、實現投遞企業(yè)合作也非常重要。英國無人生活公司的無人機可以利用卡車頂部實現起飛和降落，通過研制一套車輛頂部的系統集成箱，可以監(jiān)控卡車的位置信息，實現車輛與郵政中心投遞系統的互聯，同時還能為無人機提供導航服務。