Data-driven method for increasing efficiency in road freight transportation

Abstract

Large and medium-sized asset-based road transport companies have long-term growth strategies. The logistics business is cyclical, and companies, especially asset-based, must align their growth ambitions with market cycles. Growth during a cycle of decreasing demand for transportation services and declining prices can negatively impact businesses, leading to underutilisation of resources and significant financial losses. Conversely, when demand recovers, and transportation rates increase, there is often a delayed readiness – a shortage of human and other resources (e.g., to achieve the desired number of trucks). This situation can result in unused market potential, competitive losses, and the inability to achieve strategic goals on time. Business digitalisation brings an opportunity to develop novel technological solutions that may increase efficiency in the transportation sector. Efficiency in transportation companies is analysed in this dissertation, focusing on developing a freight rate and demand a prognosis method. By taking different approaches, the research offers a comprehensive subject analysis. It helps bridge the literature gap on demand and freight rate prognosis in road freight transportation. The study employs artificial intelligence-based and econometric models, including multivariate models, to comprehensively analyse the subject matter and address the problem. These models consider various factors influencing demand and pricing, such as economic indicators, accumulated practical experience and market trends. The analysis results provide valuable insights into demand prognosis and pricing in the road freight transport industry during significant market fluctuations. It can serve as a valuable reference for companies in the sector. Based on the investigation, a data-driven method for increased efficiency in road freight transportation has been developed, and the possibility of its integration into the company’s IT system has been analysed. The dissertation includes an introduction, three chapters, general conclusions and references. The main results of the dissertation were published in four scientific publications: two in journals referenced by the Web of Science database with Impact Factor and two in Conference Proceedings. Research results were presented during the international conference Transbaltica plenary session (2019) and conference Transport Problems (2024).

Didelės ir vidutinio dydžio kelių transporto įmonės su nuosavu transporto priemonių parku turi ilgalaikes augimo strategijas. Logistikos verslas yra cikliškas, todėl įmonės, ypač turinčios nuosavą parką, privalo suderinti savo augimo ambicijas su rinkos ciklais. Augimas esant mažėjančiai paklausai transporto paslaugoms ir mažėjant tarifams gali neigiamai paveikti verslą – tai gali lemti nepakankamą resursų panaudojimą ir reikšmingas finansines nuostolių problemas. Priešingai, kai paklausa atsinaujina ir transportavimo tarifai kyla, dažnai atsiliekama su pasirengimu – trūksta žmogiškųjų ir kitų resursų (pavyzdžiui, norint pasiekti pageidaujamą sunkvežimių skaičių). Tai gali lemti neišnaudotą rinkos potencialą, konkurencijos praradimus ir nesugebėjimą laiku pasiekti strateginius tikslus. Verslo skaitmenizacija suteikia galimybę kurti naujus technologinius sprendimus, kurie gali padidinti transporto sektoriaus efektyvumą. Šioje disertacijoje nagrinėjamas transportavimo efektyvumo didinimas, sutelkiant dėmesį į krovinių tarifų ir paklausos prognozavimo metodų kūrimą. Tyrimų metu pritaikius įvairius metodus pateikiama išsami temos analizė, užpildant literatūros spragą dėl paklausos ir krovinių tarifų prognozavimo kelių transporto sektoriuje. Disertacijoje taikomi dirbtinio intelekto ir ekonometriniai modeliai, įskaitant daugiamačius modelius, siekiant išsamiai išanalizuoti temą ir spręsti problemą. Šie modeliai atsižvelgia į įvairius veiksnius, darančius įtaką paklausai ir kainodarai, tokius kaip ekonominiai rodikliai bei sukaupta praktinė patirtis ir rinkos tendencijos. Atlikti tyrimai pabrėžia paklausos ir krovinių tarifų prognozavimo svarbą didinant kelių krovinių transporto pramonės efektyvumą. Pateikiamas metodas, kurį įmonės gali taikyti prognozavimui. Remiantis tyrimu, buvo sukurtas duomenimis pagrįstas metodas efektyvumui kelių transporto srityje didinti ir išanalizuota jo integracijos į įmonės IT sistemą galimybė. Pagrindiniai disertacijos rezultatai buvo paskelbti keturiuose moksliniuose leidiniuose: dviejuose žurnaluose, kuriuos indeksuoja Web of Science duomenų bazė su cituojamumo rodikliu, ir dviejuose konferencijų leidiniuose. Tyrimų rezultatai buvo pristatyti tarptautinės konferencijos Transbaltica plenarinėje sesijoje (2019 m.) ir konferencijoje Transport Problems (2024 m.).