根据《中国即时物流行业发展报告》的数据表明,2021年订单量达294亿单,预计到2025年将达793亿单。我国即时配送行业市场规模大,市场潜力大,不仅吸引了越来越多投资者的关注,也逐渐成为学术研究的热点。O2O模式下的即时配送服务（O2O-IDS）的每一笔订单是一条供应链,O2O-IDS系统汇集了大量订单的集合,属于一个复杂的供应链网络。O2O-IDS供应链网络相较于传统的供应链网络主要有以下几点不同:其一,供需节点和分配节点不固定,因此比传统的供应链网络的配送路线更为复杂;其二,配送范围也相对较短,配送速度相对较慢;其三,对于订单的取送货时间要求精准,客户对平台的稳定性要求较高。基于O2O-IDS的供应链网络的特殊性,平台企业亟需提高系统弹性,即系统抵御外界冲击,保持稳定运营的能力。弹性作为供应链网络抵抗冲击的一种能力,近年来是学术界研究的重点。本文通过研究O2O-IDS供应链网络弹性的定义、属性和测度指标,并通过计算机仿真对测度指标进行定量化分析,发现调配测度指标的规则,为增强O2O-IDS供应链网络抵御外部冲击的能力,提供了量化方法和决策依据。通过研究O2O模式、即时配送服务、供应链网络弹性三个领域的相关文献,并对相关学科的弹性研究进行梳理和总结,提出了 O2O-IDS供应链网络弹性的定义,即O2O-IDS系统在由于受到外部环境（如恶劣天气、交通状况、疫情等）或供需变化的影响,使正常情况下的导致派单状态发生变动时,系统所能承受最大供需变化的适应能力,以及和从非正常状态下恢复为正常派单状态的恢复能力。以美团业务流程为例,分析了 O2O-IDS系统的业务流程,构建了 O2O-IDS供应链网络弹性的测度指标。进而与行业专家和领域学者访谈,将一、二级指标进行匹配。根据O2O-IDS业务流程及供应链网络测度指标,明确O2O-IDS仿真系统的功能需求和功能模块流程图,设计出满足O2O-IDS供应链网络弹性仿真的实验系统。进而与系统开发人员和算法工程师沟通,确定目前的仿真系统所能支持的各测度指标的等级划分,在此基础上定义了 324组影响因素的等级组合。通过对324组等级组合进行实验,得到了进行后续分析的实验结果,在实验结果中选取了贴合表现供应链网络弹性并与O2O-IDS相结合的实验结果—系统未接单时间作为测量供应链网络弹性的分析指标。通过对实验结果进行聚类分析,将系统未派单时间及系统中断时间划分为3个等级,使用随机抽样的方法,将数据按照类簇进行随机抽样,以此划分抽取50组实验。通过对样本数据进行判别分析和随机森林演算法进行模型构建,比对50组实验中二者分类的准确性和稳健性。通过对比两种方法,随机森林演算法相较于判别分析法,误判率较低,并且随着训练样本的数据量和特征值的加大,随机森林演算法的可处理高维度不降维的优势更加明显,其预测的稳定性和正确率会越来越高。但判别分析较为直观的反应测度指标对于被分析变量的影响,因此,后续研究学者应考虑在不同场景下选择不同的方法。最后结合随机森林演算法与判别分析法,选择贡献度较大,并适合于平台调配的测度指标进行相对应的敏感性分析,最终为平台企业提出建议,既能加强平台弹性,又能提高平台运营效率。为使仿真系统满足业务场景与实验要求,为仿真系统设计了订单生成功能模块、顾客管理功能模块、商户管理功能模块、实验场景设置功能模块、路径规划算法功能模块、实验过程记录功能模块、实验结果查询功能模块等7个功能模块。后续的O2O-IDS的供应链网络弹性分析所选取的变量为配送范围、单一骑手可承载量、骑手配送速度、顾客数量、订单总量、骑手人数六个变量。结合随机森林演算法与判别分析法,使用随机森林演算法得到的贡献度较大的3个测度指标,即顾客数量、订单总量、骑手人数,通过使用判别分析法构建判别函数,并使用判别函数来进行敏感性分析,通过在固定顾客数量、订单总量的情况下,分析骑手人数的合理配置,为平台方提出建议,加强平台弹性,减少资源浪费。