随着网络消费的持续增长，消费者对寄递服务快捷、便利的需求越来越高，迫使零售商、物流商和邮政运营商不得不优化服务、提升质量，不断完善“最后一英里”的服务。完美的合作协同与技术优化能够助力邮政企业在竞争日益激烈的包裹寄递市场提升适应力和竞争力。

美国邮政监察长办公室近日发布一份《协同发展、技术优化与邮政应用》研究报告。报告称，要想实现高效、创新、协同的“最后一英里”投递，必须具备4种核心要素，分别是优化算法、机器学习、共享寄递供应链、同步系统。这些能力可以统称为协同优化技术，能够使供应链上的各个要素高效、协同运转，实现员工、运输和设备等资源的优化配置与合理利用，能够让邮政企业从基础设施中获得附加价值。

该报告指出，邮政和其他寄递企业从20世纪80年代就开始利用数学模型，综合考虑业务量、时间窗口、车辆可用性、装载容量以及最大行驶时间等因素，计算和规划距离最短或成本最低的投递路线。优化算法意味着投递司机可以获得动态、实时的路线选择，会根据交通拥堵、更改派送信息以及其他突发事件对投递路线进行更改、优化，不断提升“最后一英里”客户体验，而不是像以前那样从司机出发开始就按最初既定的路线完成配送。这种灵活性对于提高配送时效、满足客户需求、降低运营成本至关重要。例如，敦豪于2009年在德国开始测试实时动态优化系统;联合包裹在实施ORION路径优化系统后，每年可节约成本4亿美元。

与大多数行业一样，邮政行业每天都会处理大量的数据信息，包括地址信息、订单信息、投递路线信息、仓储信息和车辆管理信息。这些信息都可以通过机器学习，达到提升客户体验、改善“最后一英里”服务的目标。美国邮政监察长办公室将机器学习定义为一种统计模型，通过收集、分析数据，推理出市场需求与客户行为背后隐藏的规律，随着新的数据不断进入系统，这种算法也会不断优化。例如，美国邮政的Expected Delivery服务旨在为客户提供2小时窗口的包裹投递服务，根据历史投递数据作出的预测分析和快递员出发的实际时间，来推算即将配送的窗口时段。机器学习还可用于预测进口包裹及邮件量，帮助邮政企业优化投递资源配置。

客户对寄递服务更快、更便利的需求给寄递企业带来巨大压力，各种各样的按需寄递企业将传统的包裹寄递价值链变成了点菜式系统，在不同企业之间构建一条虚拟的共享寄递供应链。数字寄递平台能够让寄件人根据包裹重量、价格、体积、投递时间、可靠性及其他偏好因素，在多家“最后一英里”配送公司中自由选择，还可通过订购按需仓储等服务将业务拓展到新区域。对收件人来说，数字寄递平台能够提供丰富的定制化投递选择。邮政企业也可借助这些新型协同化平台，提升邮政寄递网络能力，拓宽客户“最后一英里”选择。

同步系统旨在提升邮件传递的可视性，促进邮件和包裹内部运营信息与外部客户服务信息的协调统一。美国邮政于2014年推出邮件量流入信息系统，邮局监察员可以实时监控流入邮件量、内部邮件和包裹设施的运转情况、快递员和车辆进站及出站时间、运输资源与劳动力资源的使用情况。

类似的同步系统对于整合不同投递模式、实现投递企业合作也非常重要。英国无人生活公司的无人机可以利用卡车顶部实现起飞和降落，通过研制一套车辆顶部的系统集成箱，可以监控卡车的位置信息，实现车辆与邮政中心投递系统的互联，同时还能为无人机提供导航服务。