The Pulse
Google rende open source MilleMiglia per la logistica della tratta intermedia
Google Research ha pubblicato MilleMiglia, un generatore open source di istanze per creare benchmark realistici per la logistica della tratta intermedia.
AI.info Team ·
Google punta a colmare la lacuna nei benchmark per l’ottimizzazione del trasporto merci
Google Research ha rilasciato MilleMiglia, un generatore open source di istanze pensato per offrire ai ricercatori problemi di test realistici per la logistica della tratta intermedia. Il progetto crea reti di trasporto merci sintetiche che modellano il movimento delle spedizioni tra centri di distribuzione, i cambi di veicolo e le attese per le coincidenze programmate lungo percorsi regionali o continentali.
I ricercatori di Google Aymane Lotfi e Thibaut Cuvelier hanno presentato il rilascio in un post del 18 settembre 2026. Il repository GitHub che lo accompagna contiene l’implementazione in C++, la documentazione e un’istanza di esempio.
«MilleMiglia colma il divario tra teoria accademica e logistica industriale, fornendo benchmark realistici e open source che consentono ai ricercatori di ottimizzare reti complesse per la tratta intermedia, contribuendo in ultima analisi a catene di approvvigionamento globali più solide ed efficienti.»
— Aymane Lotfi, Software Engineer, Ads & Commerce, e Thibaut Cuvelier, Software Engineer, Google Research
Le operazioni della tratta intermedia si collocano tra il ritiro presso la fabbrica o il fornitore e la consegna finale. Una spedizione può attraversare diversi centri di distribuzione e viaggiare su più camion prima di raggiungere la destinazione. Questa struttura rende il problema sostanzialmente diverso dai problemi di instradamento dei veicoli comunemente usati per studiare le consegne dell’ultimo miglio e del primo miglio.
Perché i test standard di instradamento dei veicoli non bastano
I modelli tradizionali di instradamento dei veicoli si concentrano in genere sull’assegnazione delle fermate ai veicoli e sulla definizione della loro sequenza in un periodo limitato, spesso una sola giornata. Le reti della tratta intermedia aggiungono trasferimenti programmati, stoccaggio temporaneo e limiti di movimentazione nei centri di distribuzione.
Google modella il problema come un problema di flusso multi-commodity su un grafo spazio-temporale. In questa rappresentazione, ciascun nodo identifica un centro di distribuzione e un intervallo di tempo, mentre gli archi rappresentano lo spostamento di un veicolo oppure la permanenza di una spedizione in un hub per essere smistata e inoltrata in un secondo momento.
I vincoli operativi sono strettamente interconnessi. I camion seguono orari fissi, i centri di distribuzione possono movimentare solo un volume limitato in una determinata ora e una spedizione deve arrivare in tempo per prendere il veicolo successivo previsto. Se perde la coincidenza, la merce può rimanere nell’hub fino al ciclo operativo seguente.
MilleMiglia trasforma i modelli privati di trasporto merci in dati sintetici
I dati pubblici di alta qualità per la ricerca sulla tratta intermedia sono scarsi, perché gli operatori logistici considerano in genere le strutture delle reti e i volumi della domanda informazioni commercialmente sensibili. MilleMiglia colma questa lacuna generando istanze artificiali che conservano importanti modelli operativi senza esporre i dati aziendali.
Il generatore colloca i centri di distribuzione usando modelli gravitazionali o raggruppamenti spaziali pensati per riflettere la densità della popolazione e delle attività industriali. Crea coppie origine-destinazione delle spedizioni con distribuzioni realistiche di volume e peso, quindi costruisce rotazioni strutturate dei veicoli che collegano gli hub principali o connettono un hub principale ai centri minori vicini.
Google afferma che queste distribuzioni statistiche combinano informazioni disponibili pubblicamente provenienti da fonti industriali con dati divulgati privatamente. Le reti risultanti sono sintetiche e non costituiscono registrazioni delle operazioni di una specifica azienda.
Il formato C++ supporta sia i risolutori esatti sia il machine learning
MilleMiglia è scritto in C++ e serializza le istanze con Protocol Buffers. Ogni problema generato può essere salvato in un unico file compatto e utilizzato da risolutori scritti in diversi linguaggi di programmazione.
Il formato riunisce nella stessa istanza orari fissi, limiti di capacità dei centri di distribuzione e prerequisiti per il trasferimento delle spedizioni. È diverso dall’approccio di molti benchmark per l’instradamento dei veicoli, che suddividono le caratteristiche operative in varianti distinte del problema, come i vincoli di capacità o le finestre temporali di consegna.
Google intende usare il generatore per produrre casi di test di diverse dimensioni. Le istanze piccole possono servire per algoritmi esatti ed esperimenti in stile didattico, mentre i casi più grandi, estesi a un intero continente, sono pensati per euristiche e metaeuristiche. Lo stesso generatore può anche creare grandi raccolte di dati di addestramento per sistemi di machine learning.
Un punto di partenza per una suite di risolutori per la tratta intermedia
Google presenta MilleMiglia come un primo passo verso una raccolta standardizzata di benchmark per l’ottimizzazione della tratta intermedia. L’azienda paragona questo obiettivo a CVRPLIB, una libreria ampiamente utilizzata di problemi di instradamento dei veicoli con capacità limitata.
Il progetto fa parte di una collaborazione che coinvolge Google, l’Università di Brescia ed ENPC Paris. Google afferma che i partner stanno lavorando anche a un risolutore specializzato e a un’API per le operazioni della tratta intermedia, con metodi basati sulla struttura dei flussi di queste reti anziché adattati da software ordinari per l’instradamento dei veicoli.
Il valore immediato di MilleMiglia è più circoscritto e pratico: i ricercatori possono ora confrontare i metodi su istanze di test condivise e riproducibili, invece di affidarsi soprattutto a dati logistici proprietari o a esempi accademici semplificati. Il repository pubblico include un’istanza di esempio.