编者注：SCM 研究项目“应用线性模型、随机森林和梯度提升方法识别关键因素并预测全球 3PL 公司的卡车停留时间”由 Sireethorn Benjatnont 和 Dylan Francisco Tantuico 撰写，由 MIT CTL 研究科学家 David Correll 博士 和 MIT CTL 物流和 SCM 研究生证书项目主任 Christopher Mejia Argueta 博士 指导。有关研究的更多信息，请联系项目主管。
价值 8000 亿美元的美国卡车运输业约占全国货运成本的 80%。预计从 2019 年到 2024 年，该行业将同比增长 2.3%，货物运输总量将达到 150 亿吨。由于美国劳动力市场预计将收紧，通过继续吸引和留住卡车司机并最大限度地延长司机的上路时间，确保市场供需平衡变得越来越重要。
然而，需求增长带来的压力造成供需失衡，从而使司机与行业其他参与者之间的关系变得紧张。
以司机为中心的市场允许司机根据盈利能力和偏好 Dominican Republic电子邮件列表 优先选择路线，从而导致低密度、低利润路线上的载货取消和拒绝数量增加。此外，为了增加潜在收入，司机可能会将运力从长期合同重新分配到利润更高的现货市场，从而推高托运人的价格。
相反，以供应商为中心的市场会限制货运价格，使司机的留任面临风险。因此，司机会被鼓励转向薪酬更具竞争力的其他行业。
注重生产力
解决这些问题的方法之一是最大限度地提高司机在路上的工作效率。停留时间是生产力的重要组成部分，因为卡车司机在托运设施装卸货物的时间占其工作时间的 30%。
我们的研究旨在了解影响停留时间的因素，并最终预测货物在托运设施中的停留时间。这些知识使我们能够查明导致计划外停留时间的运营实践和政策，并为公司提供更详细的信息，他们可以利用这些信息减少每批货物的停留时间。
托运人设施是关键
我们利用了赞助这项研究的领先第三方物流公司的数据，帮助我们了解影响停留时间的关键因素，并确定是否可以预测货物的停留时间。分析结合使用了描述性统计数据和机器学习模型，因为每种方法在预测性能和结果可解释性之间都有特定的权衡。