已經跟呼吸一樣重要的網路和手機論文書籍站
逢甲大學 建設碩士在職學位學程 周天穎、穆青雲所指導 高智群的 運用統計方法推估機車物流任務旅行時間-以臺北市為例 （2021），提出Shuttle 物流關鍵因素是什麼，來自於機車物流、機車旅行時間推估。
而第二篇論文國立臺灣大學 土木工程學研究所 張學孔所指導 王嵩容的 應用多智慧體強化學習優化自駕巴士營運之研究 （2021），提出因為有 自駕巴士、多智慧體強化學習、策略梯度演算法、車隊管理、社會成本的重點而找出了 Shuttle 物流的解答。
運用統計方法推估機車物流任務旅行時間-以臺北市為例
為了解決Shuttle 物流 的問題，作者高智群 這樣論述：
近年來臺灣電子商務(e-commerce)產業市場蓬勃發展，消費者對其依賴程度也大幅提升，2020年受新冠疫情影響，加速傳統零售業者改變經營模式，新零售市場交易，儼然成為消費者主要購物的管道，而機車物流配送服務水準更是決定消費者購物行為滿意度最重要的環節。因此，如何根據穿梭在城市裡大街小巷內的機車快遞送貨員位置，快速進行收送貨任務媒合，估算每一趟次任務物流時間、節省物流配送時間，已成為是機車快遞物流公司營運管理的一大課題。目前已有學者探討結合資訊系統建置改善機車快遞營運模式，也有許多學者針對車輛路線問題、旅行推銷員問題，衍生出許多變化型研究，探討最佳距離途程演算法，但鮮少探討機車旅行時間估算
方法，本研究主要目的是透過城市機車物流歷史收送貨紀錄，統計並探討機車旅行速度在各行政區域、各時段之變化，希望可以做為估算城市機車物流旅行時間之參考。
應用多智慧體強化學習優化自駕巴士營運之研究
為了解決Shuttle 物流 的問題，作者王嵩容 這樣論述：
自駕巴士過去五年在全世界超過七十幾個城市推廣測試，先進的無人駕駛技術得以免除駕駛人力成本、降低交通事故，有很大的潛力為公共運輸系統帶來革命性的變革。本研究的目標是發展一個自駕巴士車隊管理模式，讓自駕巴士能夠有效率的運作，同時比較自駕巴士的相對優勢。考量自駕巴士本質上是去中央指派的獨立運作智慧體，這些智慧體所面對的是旅客隨機到達以及部份環境資訊，在沒有人為干涉的狀況下學習作出決策。本研究基於自駕巴士在單一路動態服務特性而發展了一個「多智慧體強化學習」(MARL)車隊派遣方法，結合最先進的策略梯度(PG)演算法，來解決複雜且動態的自駕巴士車隊派遣最佳化問題。本研究同時發展一個自駕巴士往返路線的智
慧體動態模擬平台，用來訓練和評估此強化學習派遣演算法的績效。模擬結果顯示，本研究所發展的自駕巴士強化學習派遣，在相對較低乘客需求狀況，比較現行固定派遣公車具有降低車隊規模和減少乘客等待時間的優勢。本研究也同時探討自駕巴士強化學習派遣在一條往返公車路線上的社會總成本，包括業者營運成本以及乘客等待時間成本與乘客車內時間成本。研究結果顯示自駕巴士人工智慧派遣在社會成本最佳化狀況下，較現行固定班表普通公車具有明顯的成本優勢。研究成果可以作為單一路廊自駕巴士派遣、優化以及未來自駕巴士系統發展的基礎。