A digital twin simulation framework for assessing the impact of autonomous vehicles on agri-food supply chain performance: a case study
Nitish Suvarna & Anjali Awasthi
CIISE, Concordia University, Montreal, Canada
随着自动驾驶技术与智能物流的发展，自动驾驶车辆正逐渐成为推动供应链运输模式变革的重要技术。本文提出一种面向农业食品供应链的数字孪生仿真框架，通过离散事件模拟方法构建供应链网络的虚拟模型，并在不同自动驾驶应用场景下评估其对系统绩效的影响。
研究以酸奶供应链为案例，设计多种运输情景，对成本、运输时间、运营效率及碳排放等关键指标进行比较分析。结果表明，在适当的物流环节引入自动驾驶车辆能够显著提升运输效率、降低运营成本并减少环境影响。研究进一步指出，数字孪生技术能够为供应链决策提供可视化仿真与策略评估工具，对农业食品供应链的数字化转型与可持续发展具有重要意义。
随着自动驾驶技术与智能物流系统的发展，自动驾驶车辆（Autonomous Vehicles, AVs）正逐渐改变传统运输模式。农业食品供应链具有运输频繁、时效要求高以及产品易损耗等特点，因此运输效率和物流稳定性对其运行具有重要影响。数字孪生技术能够通过构建供应链虚拟模型，对不同运输方案进行仿真评估，为供应链优化提供决策支持。本文通过构建农业食品供应链数字孪生模型，分析自动驾驶车辆在物流系统中的潜在影响。
农业食品供应链（Agri-food Supply Chain）通常包括原料供应、生产加工、仓储配送及零售等多个环节，其运营效率直接影响食品损耗、运输成本以及供应稳定性。随着农业4.0和智能物流的发展，自动驾驶车辆被认为能够通过自动化调度、优化路径规划及稳定运输速度等方式，提高运输系统效率。
既有研究表明，自动驾驶车辆在物流系统中可能带来多方面收益，例如降低燃料消耗、减少交通事故、提升道路通行能力以及优化运输路径等。与此同时，自动化运输也可能改变交通需求和车辆使用模式，因此需要系统化的仿真方法对其综合影响进行评估。
3.1 概念模型与仿真逻辑
为评估自动驾驶车辆对农业食品供应链绩效的影响，研究构建了基于离散事件模拟（DES）的数字孪生模型。该模型通过对供应商、生产设施、配送中心以及客户节点进行数字化建模，模拟订单生成、库存变化与运输活动等过程，并记录成本、运输时间及排放等关键指标。
3.2 输入数据建模
模型输入包括需求模式、运输成本、车辆运行参数以及排放系数等。通过对这些参数进行设定，可以模拟不同运输条件下供应链运行状态，并评估自动驾驶技术对系统绩效的影响。
3.3 数字孪生模型构建
研究利用仿真平台构建供应链网络的数字孪生模型，将现实物流网络中的节点与运输路线映射到虚拟环境中，并建立车辆调度、库存管理和订单处理等运行机制，从而实现供应链系统的动态仿真。
3.4 仿真情景设计
为了分析自动驾驶车辆在不同物流环节中的应用效果，研究设计了多种仿真情景，包括传统人工驾驶运输、完全自动驾驶运输以及部分环节自动驾驶运输等模式。通过对不同情景进行对比，可以评估自动驾驶技术在供应链中的潜在优势。
3.5 模型验证与结果分析
在模型运行过程中，通过对关键绩效指标进行统计和分析，对不同运输情景下的成本、交付周期和碳排放等指标进行比较。仿真结果用于验证模型的合理性，并为供应链决策提供参考依据。
研究以一个典型酸奶供应链为案例，对自动驾驶车辆在农业食品物流系统中的应用进行仿真分析。该供应链包括原料供应商、生产工厂、配送中心以及零售终端。仿真结果表明，在供应链运输系统中引入自动驾驶车辆能够提高运输效率、降低运营成本并减少环境排放。
研究结果表明，自动驾驶技术在农业食品供应链中的应用具有较大潜力。通过数字孪生仿真方法，企业可以在实际部署之前评估不同技术方案的经济与环境影响，从而降低技术应用风险。未来研究可进一步结合政策环境、技术发展以及全球供应链网络结构，对自动驾驶物流系统的长期影响进行深入分析。
