利用排队模型与机器学习算法优化高校校园快递柜取件效率研究.pdfVIP

利用排队模型与机器学习算法优化高校校园快递柜取件效率研究1

利用排队模型与机器学习算法优化高校校园快递柜取件效率

研究

1.研究背景与意义

1.1高校校园快递柜现状

高校校园快递柜作为校园物流的重要组成部分，在校园生活中发挥着不可或缺的

作用。随着高校学生数量的不断增加以及网络购物的普及，校园快递业务量呈现出爆发

式增长。以某高校为例，其日均快递包裹量从2019年的500件增长到2023年的2000

件，增长了3倍。然而，快递柜的数量和布局并未能及时跟上业务量的增长。目前，该

校共有快递柜100个，分布在3个不同的区域，平均每个区域每天需要处理约667件

快递包裹。这种供需不平衡的现状，导致了学生取件时经常需要排队等待，影响了学生

的取件体验。

1.2取件效率问题的现状

取件效率低下已经成为高校校园快递柜面临的突出问题。一方面，快递柜的使用效

率不高。由于快递柜的容量有限，而快递包裹的大小和形状各异，导致部分快递柜空间

被浪费。例如，一些小型快递包裹占据了较大的快递柜空间，使得其他包裹无法放入。

另一方面，学生取件时的操作流程繁琐。学生需要先在快递柜的屏幕上输入取件码，然

后等待快递柜打开柜门，整个过程平均需要30秒左右。此外，快递柜的布局不合理也

影响了取件效率。快递柜之间的距离较远，学生需要在不同的快递柜之间来回寻找自己

的包裹，增加了取件时间。据调查，学生平均每次取件需要花费5分钟，其中排队等待

时间占3分钟，实际取件操作时间占2分钟。这种低下的取件效率不仅浪费了学生的

时间，也降低了校园物流的整体运营效率。

2.排队模型理论基础

2.1基本排队模型介绍

排队模型是一种用于分析和优化服务系统性能的数学模型，广泛应用于各种场景，

包括高校校园快递柜取件效率的优化。排队模型的核心是通过研究顾客到达、服务过程

以及排队等待等环节，来提高系统的整体效率。

•M/M/1模型：这是最基本的排队模型，假设顾客到达服从泊松分布，服务时间

服从指数分布，且只有一个服务台。在高校校园快递柜场景中，可以将学生视为

2.排队模型理论基础2

顾客，快递柜的取件操作视为服务过程。根据泊松分布，学生到达快递柜的速率

可以表示为λ，即每单位时间到达的学生数量。服务时间服从指数分布，其平均

服务时间为µ，即每个学生完成取件操作所需的时间。通过计算系统的稳态概率，

可以得到学生在系统中的平均等待时间Wq和平均逗留时间W，从而评估快递柜

的取件效率。

•M/M/c模型：当存在多个服务台时，即有多个快递柜可供学生取件时，适用

M/M/c模型。假设快递柜数量为c，其他假设与M/M/1模型相同。该模型能够

更准确地反映高校校园快递柜的实际运营情况，因为通常校园内会有多个快递柜

同时供学生使用。通过引入服务台数量c，可以进一步分析在不同快递柜数量配

置下，学生的等待时间和系统利用率等关键指标的变化情况，为优化快递柜布局

和数量提供理论依据。

•M/G/1模型：该模型假设顾客到达服从泊松分布，但服务时间服从一般分布，即

服务时间可以是任意分布形式。在快递柜取件场景中，由于学生取件操作时间可

能受到包裹大小、操作熟练程度等多种因素的影响，呈现出非指数分布的特点，因

此M/G/1模型更适合用于分析这种情况。通过研究服务时间的一般分布特性，可

以更精确地计算学生在系统中的等待时间和其他性能指标，从而为优化取件流程

提供更准确的指导。

2.2排队模型参数与指标

排队模型的参数和指标是衡量系统性能的关键因素，通过合理设置和分析这些参

数和指标，可以为高校校园快递柜取件效率的优化提供科学依据。

•到达率(λ)：表示单位时间内到达快递柜的学生数量。在高校校园快递柜场景中，

到达率可以通过统计分析学生取件的时间分布来确定。例如，通过对某高