五年打磨！东财首篇博士生一作UTD顶刊，讲好中国故事，160万数据大规模实证
东北财经大学李晓涵博士生、刘子龙教授、唐加福教授与澳大利亚伊迪斯科文大学王学群教授、美国得州大学阿灵顿分校张洁教授合作撰写的学术论文“Real-Time Demands, Restaurant Density, and Delivery Reliability: An Empirical Analysis of On-demand Meal Delivery”在线发表于管理学领域顶级期刊Journal of Operations Management。李晓涵（2022级博士生）为第一作者，刘子龙教授为通讯作者。这是东北财经大学第一篇以博士生为第一作者发表的UTD24期刊论文。
论文立足于中国外卖平台即时配送的管理实践，致力于向国际学术界讲好中国故事，获得了期刊编辑的高度认可。
在“数实融合”浪潮的推动下，基于人工智能算法实时匹配供需双方的O2O按需服务平台应运而生。考虑到消费者需求的紧迫性，可靠的即时配送服务成为平台的核心竞争力。然而，即使有人工智能算法的支持，按需服务平台即时配送可靠性仍面临两方面挑战。一方面，即时配送的低单价性促使骑手采用拼单配送策略，但这一策略在提高了配送效率的同时，也增加了配送的复杂性。另一方面，合理配置骑手运力以应对高度动态的需求是平台面临的另一挑战。
按需服务平台通常采用专送骑手和众包骑手组成的混合用工模式以平衡用工成本与服务质量。专送骑手隶属于平台，配送的订单由算法分配；而众包骑手则拥有更高的灵活性，通过“自我选择”优化配送工作。
基于此，论文基于任务复杂性理论，结合定性与定量研究方法，通过分析模型（analytical model）与半结构化访谈确立假设关系，随后构建计量模型并利用160万条外卖平台订单数据加以验证。论文分析了需求方市场特征（实时销量）和供给方市场特征（餐厅密度）如何通过拼单影响外卖配送可靠性，并探讨了专送骑手和众包骑手在不同市场特征中的优势。
研究结果表明，实时销量与配送可靠性呈倒U型关系，商户密度正向影响配送可靠性，实时销量和餐厅密度会影响拼单的可能性，而拼单不仅可以减少平均配送距离还可以提升骑手配送绩效。研究还发现，专送骑手在大多数情况下表现更好，但是当配送高峰期（实时销量很高，专送骑手运力不足）时，众包骑手表现出更高水平的配送可靠性，有效补充了专送骑手的运力。论文不仅在理论上揭示了市场特征影响配送可靠性的机制，丰富了即时配送、任务复杂性和零工经济领域的文献；也在实践上为O2O按需服务平台根据市场特征进行适应性调整以及高效配置运力提供了理论基础和指导建议。
东北财经大学研究生院对李晓涵的报道榜样力量 | 向世界讲好中国故事，东财博士生在国际顶级期刊发表论文提到：
看似寻常最奇崛，成如容易却艰辛。从2019年开始研究选题，到2023年初稿完成，又到2023年5月投稿；从近200万条数据整理，到第一轮收到近二十页期刊改稿反馈，再到四轮修改完成……经历五年打磨，最终在2024年10月被接收发表。回顾这五年的研究和发表历程，李晓涵累并快乐着，也真诚地感激研究团队的每一位老师。
“我非常感激导师刘子龙教授和各位合作者，没有他们的全力支持，这篇文章是不可能顺利发表的。在论文的写作过程中，唐加福老师从项目全局视野把控研究整体方向，刘子龙老师负责研究方案的总体设计以及与不同团队成员之间的沟通协作。刘子龙老师和王学群老师负责理论构建，张洁老师主要负责研究方法，我则负责具体执行。我在执行过程中遇到问题，都会和老师们讨论一起想办法解决。此外，我也特别感谢研究组中的胡鑫老师，帮助我们解决了几个非常关键问题。同时，也感谢研究组中的宋晓龙、刘晓丹和韩茂新老师，他们也在研究的各个阶段提出了许多宝贵的建议，为文章的顺利完成提供了支持。”
本文立足于中国外卖平台即时配送的管理实践，致力于向国际学术界讲好中国故事，获得了期刊编辑的高度认可。编辑认为，本文探索了“零工”经济中一个相对未被充分研究的领域，该研究不仅可以扩展对按需送餐平台/系统的理论贡献，还可以助力管理者为全球众多客户提供更优质的上门配送服务。（“this is a relatively unstudied part of the ‘gig’ economy. By extension, research in this area potentially not only advances our knowledge concerning such on-demand meal delivery platforms/systems but also potentially helps managers provide better home-delivery service to countless customers around the globe”）。
期刊编辑和审稿人对研究方法的严谨性给予了高度评价，认为研究中所使用的数据、场景选择及数据分析展现出了令人印象深刻的学术严谨性（“Indeed, the data, context selection, and rigorous analyses used in this study all demonstrate an impressive level of intellectual rigor”）。