交通意外或公司「臨時加單」的情況時有發生，或會影響速遞物流的服務效率。嶺南大學（嶺大）數據科學學院人工智能學部博士後研究員童浩博士研發「智能車輛路線優化系統」，能在車隊遇上突發塞車或新增任務時，即時模擬交通狀況及任務變化，重新設計最合適的餘下行走路線，協助車隊以最高效率完成任務。有關論文《應對突發情況的智能車輛路線優化系統》（Advancing optimisation and evaluation for dynamic capacitated arc routing problems）成為全球唯一榮獲2026年度IEEE計算智能學會傑出博士論文獎的研究項目。

針對傳統車隊工作路線規劃難以應對突發事故的問題，童浩博士提出學術界首個「智能車輛路線優化系統」（Dynamic Capacitated Arc Routing Problem, DCARP），該系統應用了其新開發的智能算法，能在不同交通狀況、任務變動的情況下，即時重新規劃路線，最快能於數十秒內提供「更聰明」的調整方案，提高車隊的整體工作效率。

研究團隊將新系統應用於真實道路環境與實時交通數據下驗證，結果發現，無論在繁忙市中心與較清閒區域、高峰及非高峰時段、突發新增任務等多種模擬場景下，新系統均表現穩定，並能節省總服務時間。此外，新系統安排車隊的工作時間均衡，僅少數因交通阻塞或新增任務而延長工作時間，避免因調整行車路線而加重職員的工作量。

童浩博士指出，實驗結果顯示，新系統具備落地應用的潛力，其價值亦不限於協助速遞物流，也適用於其他智慧城市服務，例如垃圾收集、共享單車、公共設施巡檢或緊急服務等。未來更可進一步結合即時交通感測器、人工智能及大數據分析等，助力全球智慧城市發展。

童浩博士表示：「無論速遞員或垃圾收集車，這些服務往往依賴事前的既定路線，中途發生交通事故或遇上突發情況都可能影響服務效率。我們研發新系統目的是加強服務提供者的可靠度與效率。新系統應用的演算法不僅有助安排更精準的行車路線，避免車輛不必要繞路，研究結果更顯示有助降低燃料消耗與碳排放，支持全球發展智慧城市及碳中和政策，推動可持續發展。」

童浩博士補充，新系統尤其有潛力應用於香港這類人口密集、「車多路窄」，對高效運輸要求高的國際城市，未來將會提升系統應對大量新增任務時的穩定性，並簡化其操作界面，讓管理者及工作人員更方便使用新系統。

有關《應對突發情況的智能車輛路線優化系統》全文，請瀏覽：UBIRA ETheses - Advancing optimization and evaluation for dynamic capacitated arc routing problems。