في عالم يتسارع فيه التطور التكنولوجي، تظهر الحاجة الملحة لتطوير حلول فعالة لمشاكل إدارة حركة المركبات، خاصة على نطاق واسع. آخر ما توصلت إليه الأبحاث في هذا المجال هو استخدام نهج "تقسيم أول - توجيه ثانٍ" (Cluster-First Route-Second) الذي يتيح تقسيم مشكلات توجيه المركبات ذات السعة الكبيرة إلى مشاكل فرعية أصغر، مما يجعلها أكثر قابلية للحل.

لكنّ العديد من طرق التقسيم التقليدية تعتمد على قواعد تقسيم ثابتة أو أهداف تحسين محددة مسبقاً، مما قد يؤدي إلى أداء غير متسق عبر السيناريوهات المختلفة. هنا يأتي الابتكار الجديد: نظام CFRS التكييفي.

تم تصميم هذا النظام كعملية اتخاذ قرار تكرارية تُستخدم فيها نماذج اللغة الضخمة (LLMs) كمُقرِّر عالي المستوى، يقوم بتحليل حالة التقسيم المتطورة وتطبيق مزيد من عمليات التجميع والتوازن والتنقيح بشكل انتقائي.

يسمح هذا الأسلوب بتقسيم عملاء المركبات بشكل مشترك، مما يتيح تجميعًا ملائمًا للسعة مع تكييف قرارات التقسيم لتتناسب مع خصائص كل مشكلة على حدة.

قد تم تقييم هذه الطريقة على مجموعة من الحالات التجريبية التي تحتوي على ما يصل إلى 500,000 عميل، وكانت النتائج التجريبية تظهر أداءً تنافسياً مقارنة بالحالات القياسية مع تحسين ملحوظ في القابلية للتوسع وجودة التوجيه.

تسلط هذه النتائج الضوء على إمكانيات دعم اتخاذ القرار المدعوم بالذكاء الاصطناعي كنهج عملي لتوجيه المركبات على نطاق واسع وتخطيط اللوجستيات الإيرادية.