CN111639790A - 保证货运可靠性和安全性的多式联运调度方法和系统 - Google Patents

保证货运可靠性和安全性的多式联运调度方法和系统 Download PDF

Info

Publication number
CN111639790A
CN111639790A CN202010385496.4A CN202010385496A CN111639790A CN 111639790 A CN111639790 A CN 111639790A CN 202010385496 A CN202010385496 A CN 202010385496A CN 111639790 A CN111639790 A CN 111639790A
Authority
CN
China
Prior art keywords
transportation
cost
mode
hub
trunk
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010385496.4A
Other languages
English (en)
Other versions
CN111639790B (zh
Inventor
孙峣
白子建
柯水平
赵巍
杜鹏
郑利
刘亚帝
刘岩
张磊
宋超群
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Municipal Engineering Design and Research Institute
Original Assignee
Tianjin Municipal Engineering Design and Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin Municipal Engineering Design and Research Institute filed Critical Tianjin Municipal Engineering Design and Research Institute
Priority to CN202010385496.4A priority Critical patent/CN111639790B/zh
Publication of CN111639790A publication Critical patent/CN111639790A/zh
Application granted granted Critical
Publication of CN111639790B publication Critical patent/CN111639790B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及综合交通运输领域，为考虑多式联运调度模型转运安全性和可靠性，时间与成本的转化未考虑货物自身价值，以及调度方案缺乏时效性的问题，优化多式联运调度，本发明，保证货运可靠性和安全性的多式联运调度方法，步骤如下：步骤S100：获取货物运输路径集合，构建干支线运输拓扑网络；步骤S200：根据构建的干支线运输拓扑网络，输入各拓扑网络节点的运输方式种类，并对节点进行分化，构建多方式干支线运输拓扑网络；步骤S300：建立考虑运输费用成本、时间成本、转运成本的多式联运安全性和可靠性调度模型。本发明主要应用于综合交通运输联运调度场合。

Description

保证货运可靠性和安全性的多式联运调度方法和系统
技术领域
本发明涉及综合交通运输领域，具体涉及一种保证货运可靠性和安全性的多式联运调度方法及系统。
背景技术
经济全球化趋势以及电子商务行业规模的逐年扩大，国际贸易货运量与日俱增，对货物的运输时效性也提出了高要求。多式联运作为综合交通运输的重要内涵，可以有效的降低物流运输成本，提高资源利用率。目前，欧美国家海铁、公铁多式联运运输比例占总运量的30％-40％，而我国仅为2％。主要原因有两点：一是缺乏多式联运系统平台的资源整合，多种运输方式之间信息不对称；二是缺乏多式联运运输安全性和可靠性的综合考量，使货主更倾向采用单一的运输方式。如何形成一套还原实际运输过程的多式联运调度方法，进而整合多方式的运输资源，开发多式联运调度系统平台，对提高货物多式联运运量、降低物流运输成本具有重要意义。
当前多式联运调度技术主要是基于战略层面的提出，包括：多式联运通道优化、可行性分析、运输效益评价等。定量的多式联运调度模型主要考虑运输成本和时间成本，时间与成本之间的转化往往采用单一参数标定，缺乏对运输货物价值本身的考量。作为多式联运运输过程的关键环节，转运过程中货物换装存在的运输安全性和可靠性问题鲜有思考，缺乏对安全性和可靠性的定量化分析。此外，因各种运输方式数据资源信息不畅和调度系统开发技术的缺失，使多式联运物流企业的调度方案缺乏时效性，进而增加了运输资源的闲置成本和空驶成本。
因此，现有技术还有待改进和发展。
发明内容
为克服现有技术的不足，本发明旨在提出一种保证货运可靠性和安全性的多式联运调度方法及系统，解决现有技术中多式联运调度模型鲜有考虑转运安全性和可靠性，时间与成本的转化未考虑货物自身价值，以及调度方案缺乏时效性的问题。为此，本发明采取的技术方案是，保证货运可靠性和安全性的多式联运调度方法，步骤如下：
步骤S100：获取货物运输路径集合，构建干支线运输拓扑网络
所述的干支线运输拓扑网络，是指在枢纽场站间的采用干线运输的方式；同时在枢纽场站与非枢纽场站间采用支线运输的方式，将非枢纽场站的货物吸引至枢纽场站再采用干线运输将货物运往其他枢纽场站，并在货物到达其他枢纽场站后通过支线运输到非枢纽场站的运输网络；
步骤S200：根据构建的干支线运输拓扑网络，输入各拓扑网络节点的运输方式种类，并对节点进行分化，构建多方式干支线运输拓扑网络；其中，将干支线运输拓扑网络的节点称作父节点，将多方式干支线运输拓扑网络的节点称作子节点；
步骤S300：建立考虑运输费用成本、时间成本、转运成本的多式联运安全性和可靠性调度模型，具体基于步骤S200所述的多方式干支线运输拓扑网络，建立考虑运输费用成本、时间成本、转运成本的多式联运成本最小化的单目标函数模型。
步骤S100具体包括：
步骤S101：获取以城市群为单位的各城市多式联运枢纽场站和非枢纽场站，作为干支线运输拓扑网络的节点，干支线运输拓扑网络的节点分别用H和S表示，其中H为枢纽场站集合H∈{H1,H2,H3…}，S为非枢纽场站集合S∈{S1,S2,S3…}；
步骤S102：获取枢纽场站与非枢纽场站之间的运输通路，作为干支线运输拓扑网络的连接线，干支线运输拓扑网络用节点-通路有向图G表示，G＝(A,E)，A表示干支线运输拓扑网络的节点集合，H,S∈A，E表示通路集合，er,s∈E表示运输通路，连接两个r,s节点；
干支线运输网络按照枢纽和非枢纽场站的连接、枢纽场站数量、非枢纽场站对应枢纽场站的数量分类，具体类别如下：
(1)按枢纽和非枢纽场站的连接划分：
a)纯干支线运输网络：非枢纽场站只能连接到枢纽场站；
b)混合干支线运输网络：非枢纽场站可以与非枢纽场站相连；
(2)按枢纽场站数量划分：
a)单中心网络：干支线运输网络中只包含一个枢纽场站，网络中只有支线，网络中的非枢纽场站间的运输都需要通过枢纽场站中转；
b)多中心网络：网络中有多个枢纽场站互相连接，枢纽场站间相互连接为干线，非枢纽场站与枢纽场站连接为支线；
(3)按非枢纽场站对应枢纽场站的数量划分：
a)单一指派运输网络：非枢纽场站只能连接到唯一一个枢纽场站；
b)多指派运输网络：非枢纽场站可以连接到两个及以上的枢纽场站。
步骤S200具体包括：
步骤S201：获取枢纽场站节点与非枢纽场站节点运输方式种类，将父节点按照其运输方式的数量，分化为对应数量的子节点；
所述的运输方式分为5种，包括：公路运输、铁路运输、海运运输、航空运输和管道运输，因此，枢纽场站节点最多分化成5个子节点，非枢纽场站节点仅分化为1个子节点；
步骤S202：判断两组分化的枢纽场站子节点对应的父节点间是否相连，若相连，则将两组分化后的各个子节点，分别与另一组的全部子节点相连；否则，两组分化的枢纽场站子节点间无连接关系。重复上述方法，遍历任意两组枢纽场站；
步骤S203：判断分化的枢纽场站与非枢纽场站子节点对应的父节点是否相连，若相连，则将非枢纽场站的子节点与其具有相同运输方式的枢纽场站的子节点相连；否则，分化的枢纽场站和非枢纽场站子节点间无连接关系。重复上述方法，遍历任意枢纽场站与非枢纽场站；
步骤S204：判断两个分化的非枢纽场站子节点对应的父节点间是否相连，若相连，则将两个分化后的子节点相连；否则，两个分化的非枢纽场站子节点间无连接关系。重复上述方法，遍历任意两个非枢纽场站。
步骤S300具体包括：
步骤S301：计算运输费用成本C费用；
Figure BDA0002483659040000031
Figure BDA0002483659040000032
其中，A表示多方式干支线运输拓扑网络中的所有节点集合，T表示多时间段集合，
Figure BDA0002483659040000033
表示t时段从节点r到节点s的运输费用成本，
Figure BDA0002483659040000034
表示t时段从节点r到节点s的单位运输成本，N货表示货运量。决策变量
Figure BDA0002483659040000035
表示t时段从r节点到s节点是否有运输资源，若是，
Figure BDA0002483659040000036
否则，
Figure BDA0002483659040000037
步骤S302：计算运输时间成本C时间
Figure BDA0002483659040000038
其中，
Figure BDA0002483659040000039
表示t时段从节点r到节点s的运输时间，θn表示第n种货物的单位时间价值，单位为元/小时·千克；
步骤S303：计算转运成本C转运，转运过程包括货物的吊装和运输，因此安全性是转运的一项重要考量，转运成本计算包含三部分，分别为吊装费用成本
Figure BDA00024836590400000310
吊装时间成本
Figure BDA00024836590400000311
和转运风险成本
Figure BDA00024836590400000312
Figure BDA00024836590400000313
其中，
Figure BDA00024836590400000314
表示第n种货物由第i种运输方式转到第k种运输方式的吊装费用成本；
Figure BDA00024836590400000315
表示第n种货物由第i种运输方式转到第k种运输方式的吊装时间成本；
Figure BDA00024836590400000316
表示第n种货物由第i种运输方式转到第k种运输方式的吊装风险成本；
(1)吊装费用成本：
Figure BDA00024836590400000317
(2)吊装时间成本：
Figure BDA00024836590400000318
(3)转运风险成本：
Figure BDA00024836590400000319
其中，Nikn表示第n种运输方式由第i种运输方式转到第k种运输方式的货运量，γik表示由第i种运输方式转到第k种运输方式的单位转运运输单元载重量，Lik表示由第i种运输方式转到第k种运输方式的距离，δ表示转运运输单元的单位燃油消耗成本，v表示转运运输单元的平均行驶速度，ti′k表示由第i种运输方式转到第k种运输方式的平均装卸时间，ti″k表示由第i种运输方式转到第k种运输方式的平均场站等待时间，Rikn表示第n种货物由第i种运输方式转到第k种运输方式的风险率，π表示事故发生损失成本系数，由年平均事故损失成本和造成事故的运输距离之比标定；
步骤S304：建立多式联运成本最小化的单目标函数Z:
Figure BDA0002483659040000041
其中，α1和α2分别表示运输时间成本和转运成本的可靠性系数，对于风险中立型的决策者α1＝α2＝0，对于风险寻求的决策者α1,α2＜0，对于风险规避的决策者α1,α2＞0；决策变量
Figure BDA0002483659040000042
表示t时段从r节点到s节点是否转运，若是，
Figure BDA0002483659040000043
否则，
Figure BDA0002483659040000044
约束条件：
Figure BDA0002483659040000045
Figure BDA0002483659040000046
Figure BDA0002483659040000047
上述约束条件保证起点到终点有一条完整的路径，Ao和Af分别为调度模型的起点和终点；
Figure BDA0002483659040000048
上述约束条件保证从r到s最多只能经过一次；
步骤S400：多式联运调度模型求解，得到保证货运可靠性和安全性的调度方案，利用基于仿生学的启发式算法，求解最优成本及对应的调度方案；
步骤S500：输出保证货运可靠性和安全性的调度方案。所述的方案包括调度路径及每条路径对应的运输方式，最优结果下的运输费用成本、时间成本、转运成本。
利用基于仿生学的启发式算法具体步骤如下：
步骤S401：初始化蜜蜂种群，蜜蜂总数设置为M，采蜜蜂和观察蜂各一半，最大搜索次数Limit，迭代次数iter＝0，最大迭代次数maxCycle，转到步骤S402，
步骤S402：所有蜜蜂均为侦查蜂模式，输入货物需求OD矩阵，随机产生M个可行解{xrs,yrs}，转到步骤S403。
步骤S403：计算适应度函数F值，其中，适应度函数为目标函数Z的倒数，即F＝1/Z。根据函数值大小，将蜜蜂分为采蜜蜂和观察蜂两种，初始化标志向量trial(iter)＝0，记录采蜜蜂在同一蜜源的连续停留次数。转到步骤S404，
步骤S404：每只采蜜蜂局部搜索寻找新蜜源并计算适应度函数值F′，若F′＞F，更新当前采蜜蜂所在的蜜源位置，蜜源位置即为货物运输调度方案，令trial(iter)＝0，否则更新标志向量trial(iter)＝trial(iter)+1，转到步骤S405。
步骤S405：计算观察蜂选择概率向量P，每只观察蜂以概率p(iter)寻找新蜜源，
Figure BDA0002483659040000049
将观察蜂转换为采蜜蜂进行邻域搜索，计算适应度函数值，判断是否保留蜜源，若F′＞F，更新当前采蜜蜂所在的蜜源位置，蜜源位置即为货物运输调度方案，令trial(iter)＝0，否则更新标志向量trial(iter)＝trial(iter)+1，转到步骤S406。
步骤S406：若Trial(iter)>Limit，则第iter个采蜜蜂放弃当前蜜源变成侦察蜂，在解空间随机产生新蜜源，否则，转到步骤S407；
步骤S407：记录当前所有蜜蜂找到的最优值，即全局最优解Fbest，iter＝iter+1，转到步骤S408；
步骤S408：若iter>maxCycle，结束循环，否则返回步骤S405，直到满足停止规则为止。
系统包括：
信息采集模块M100，用于获取枢纽场站和非枢纽场站的经纬度位置，各场站间的运输方式及运输方向，各场站间的运输成本矩阵和运输时间矩阵；
网络拓扑模块M200，用于构建干支线运输拓扑网络和多方式干支线运输拓扑网络；
模型构建模块M300，用于建立考虑运输费用成本、时间成本、转运成本的多式联运安全性和可靠性调度模型，并确定模型中的待定参数；
所述的模型构建模块M300，包括运输费用成本计算单元，运输时间成本计算单元，转运成本计算单元，目标函数计算单元和参数输入单元；
参数输入单元中需要输入的参数包括：货物的时间价值θn、货物风险率Rikn、货运量Nikn、运输时间成本可靠性系数α1、转运成本可靠性系数α2、单位转运运输单元载重量γik、转运运输单元的单位燃油消耗成本δ、转运运输单元的平均行驶速度v、表示事故发生损失成本系数π；
调度优化模块M400，用于求解模型构建模块中运输费用成本计算单元，时间成本计算单元，转运成本计算单元，目标函数计算单元的最优取值及最优化的调度方案。
所述的计算单元依托MATLAB2012R编程，实现与调度优化模块的接口，数据的导入来源于信息采集模块中的费用矩阵和时间矩阵。
本发明的特点及有益效果是：
本发明提出了一种适用于多式联运的多方式干支线运输拓扑网络，更加清晰地用一组节点连线表达多式联运的运输方案及运输方式。
本发明整合多方式的运输资源，考虑转运过程中货物换装存在的运输安全性和可靠性问题，提出了一种多式联运调度方法，以满足不同决策者对安全性、可靠性的把握而采取的不同调度方案；调度方案具有时效性，可有效降低货物运输成本，充分利用运输资源，提高货运安全性和可靠性。
本发明提出了一种多式联运调度系统，将调度的方案可视化，通过灵活的改变模型参数，以适应复杂的现实情况变化，为不同环境下的决策提供理论支撑。
附图说明：
图1一种保证货运可靠性和安全性的多式联运调度方法及系统流程图。
图2混合多中心多指派干支线运输拓扑网络结构。
图3干支线运输拓扑路径。
图4多方式干支线运输拓扑网络。
图5蜂群算法流程图。
图6多式联运调度系统。
图7优选的城市间的运输网络。
图8优选的拓扑网络。
图9优选方案下蜂群算法收敛性示意图。
具体实施方式
为更加清楚、明确地表述本发明的目的、技术方案及实施过程，结合附图对本发明进行详细阐述。应当理解，下述的具体实施例仅用于解释本发明，而不应该限制本发明。
如图1所示，本发明提供了一种保证货运可靠性和安全性的多式联运调度方法，包括：
步骤S100：获取货物运输路径集合，构建干支线运输拓扑网络。
所述的干支线运输拓扑网络，是指在枢纽场站间的采用干线运输的方式，发班频次高、货物运输能力强；同时在枢纽场站与非枢纽场站间采用支线运输的方式，将非枢纽场站的货物吸引至枢纽场站再采用干线运输将货物运往其他枢纽场站，并在货物到达其他枢纽场站后通过支线运输到非枢纽场站的运输网络。
进一步的实施例中，步骤S100具体包括：
步骤S101：获取以城市群为单位的各城市多式联运枢纽场站和非枢纽场站，作为干支线运输拓扑网络的节点。
枢纽场站具有多种运输方式，非枢纽场站仅有一种运输方式。具体实施时，干支线运输拓扑网络的节点分别用H和S表示。其中H为枢纽场站集合H∈{H1,H2,H3…}，S为非枢纽场站集合S∈{S1,S2,S3…}。
步骤S102：获取枢纽场站与非枢纽场站之间的运输通路，作为干支线运输拓扑网络的连接线。
干支线运输拓扑网络用节点-通路有向图G表示，G＝(A,E)。A表示干支线运输拓扑网络的节点集合，H,S∈A，E表示通路集合，er,s∈E表示运输通路，连接两个r,s节点。
具体实施中，干支线运输拓扑网络作为枢纽场站与非枢纽场站的关联关系，通路长短无实际意义，不对通路赋值。
干支线运输网络按照枢纽和非枢纽场站的连接、枢纽场站数量、非枢纽场站对应枢纽场站的数量分类。具体类别如下：
(1)按枢纽和非枢纽场站的连接划分：
a)纯干支线运输网络：非枢纽场站只能连接到枢纽场站。
b)混合干支线运输网络：非枢纽场站可以与非枢纽场站相连。
(2)按枢纽场站数量划分：
a)单中心网络：干支线运输网络中只包含一个枢纽场站，网络中只有支线，网络中的非枢纽场站间的运输都需要通过枢纽场站中转。
b)多中心网络：网络中有多个枢纽场站互相连接，枢纽场站间相互连接为干线，非枢纽场站与枢纽场站连接为支线。
(3)按非枢纽场站对应枢纽场站的数量划分：
a)单一指派运输网络：非枢纽场站只能连接到唯一一个枢纽场站。
b)多指派运输网络：非枢纽场站可以连接到两个及以上的枢纽场站。
本发明所述的干支线运输拓扑网络属于混合多中心多指派干支线运输网络结构。为了更加清楚的说明上述网络结构，本实例提供了一种混合多中心多指派干支线运输网络结构，如图2所示。其中，H1-H3表示枢纽场站节点，S1-S7表示非枢纽场站节点。箭头表示运输通路的方向，实线和虚线分别表示枢纽场站与枢纽场站连接、枢纽场站与非枢纽场站连接。
步骤S200：根据构建的干支线运输拓扑网络，输入各拓扑网络节点的运输方式种类，并对节点进行分化，构建多方式干支线运输拓扑网络。
枢纽场站节点是多方式多式联运的衔接，干支线运输拓扑网络结构无法描述枢纽场站的多种运输方式选择，因此需要对步骤S100中的干支线运输拓扑网络变形。为了清楚的说明干支线运输拓扑网络与多方式干支线运输拓扑网络中的节点，将干支线运输拓扑网络的节点称作父节点，将多方式干支线运输拓扑网络的节点称作子节点。
进一步的实施例中，步骤S200具体包括：
步骤S201：获取枢纽场站节点与非枢纽场站节点运输方式种类，将父节点按照其运输方式的数量，分化为对应数量的子节点。
所述的运输方式分为5种，包括：公路运输、铁路运输、海运运输、航空运输和管道运输。因此，枢纽场站节点最多分化成5个子节点，非枢纽场站节点仅分化为1个子节点。
步骤S202：判断两组分化的枢纽场站子节点对应的父节点间是否相连，若相连，则将两组分化后的各个子节点，分别与另一组的全部子节点相连；否则，两组分化的枢纽场站子节点间无连接关系。重复上述方法，遍历任意两组枢纽场站。
步骤S203：判断分化的枢纽场站与非枢纽场站子节点对应的父节点是否相连，若相连，则将非枢纽场站的子节点与其具有相同运输方式的枢纽场站的子节点相连；否则，分化的枢纽场站和非枢纽场站子节点间无连接关系。重复上述方法，遍历任意枢纽场站与非枢纽场站。
步骤S204：判断两个分化的非枢纽场站子节点对应的父节点间是否相连，若相连，则将两个分化后的子节点相连；否则，两个分化的非枢纽场站子节点间无连接关系。重复上述方法，遍历任意两个非枢纽场站。
步骤S205：确定步骤S201-S204产生的节点连线的通路方向。对任意两个已连接的子节点，其父节点连线的通路方向作为子节点的通路方向。
至此，通过干支线运输拓扑网络构建出多方式干支线运输拓扑网络。
具体实施中，以图3作为示例，图3是图2中一条干支线运输拓扑路径。图4为由上述路径构建出的多方式干支线运输拓扑网络。经由H2和H3节点有i种运输方式种类，因此将H2和H3分别拆分为i个节点，分别定义为
Figure BDA0002483659040000071
和
Figure BDA0002483659040000072
其中，H2和H3分别拆分成i个节点，各节点之间的箭头连接表示不同运输方式及运输方向，以
Figure BDA0002483659040000073
为例，其表示经由S2节点采用第1种运输方式到达H2节点，然后采用第i种运输方式到达H3节点，再通过第2种运输方式到达S6节点。需要进一步说明的是，
Figure BDA0002483659040000074
在多方式干支线运输拓扑网络由一条有向线段连接，实际运输过程是经由
Figure BDA0002483659040000075
即包含了在枢纽场站H2转运从第一种运输方式转运到第i种运输方式的过程。
步骤S300：建立考虑运输费用成本、时间成本、转运成本的多式联运安全性和可靠性调度模型。
相比于传统的双目标多式联运调度计算模型，本发明基于步骤S200所述的多方式干支线运输拓扑网络，建立了考虑运输费用成本、时间成本、转运成本的多式联运成本最小化的单目标函数模型。
进一步的实施例中，步骤S300具体包括：
步骤S301：计算运输费用成本C费用。
Figure BDA0002483659040000081
Figure BDA0002483659040000082
其中，A表示多方式干支线运输拓扑网络中的所有节点集合，T表示多时间段集合。
Figure BDA0002483659040000083
表示t时段从节点r到节点s的运输费用成本，
Figure BDA0002483659040000084
表示t时段从节点r到节点s的单位运输成本，N货表示货运量。决策变量
Figure BDA0002483659040000085
表示t时段从r节点到s节点是否有运输资源，若是，
Figure BDA0002483659040000086
否则，
Figure BDA0002483659040000087
步骤S302：计算运输时间成本C时间。
Figure BDA0002483659040000088
其中，
Figure BDA0002483659040000089
表示t时段从节点r到节点s的运输时间，θn表示第n种货物的单位时间价值，单位为元/小时·千克。下面给出不同货物种类的时间价值，如表1所示。
表1不同货物种类的时间价值
Figure BDA00024836590400000810
步骤S303：计算转运成本C转运。转运过程包括货物的吊装和运输，因此安全性是转运的一项重要考量。转运成本计算包含三部分，分别为吊装费用成本
Figure BDA00024836590400000811
吊装时间成本
Figure BDA00024836590400000812
和转运风险成本
Figure BDA00024836590400000813
Figure BDA00024836590400000814
其中，
Figure BDA00024836590400000815
表示第n种货物由第i种运输方式转到第k种运输方式的吊装费用成本；
Figure BDA00024836590400000816
表示第n种货物由第i种运输方式转到第k种运输方式的吊装时间成本；
Figure BDA00024836590400000817
表示第n种货物由第i种运输方式转到第k种运输方式的吊装风险成本。
(1)吊装费用成本：
Figure BDA0002483659040000091
(2)吊装时间成本：
Figure BDA0002483659040000092
(3)转运风险成本：
Figure BDA0002483659040000093
其中，Nikn表示第n种运输方式由第i种运输方式转到第k种运输方式的货运量，γik表示由第i种运输方式转到第k种运输方式的单位转运运输单元载重量，Lik表示由第i种运输方式转到第k种运输方式的距离，δ表示转运运输单元的单位燃油消耗成本，v表示转运运输单元的平均行驶速度，ti′k表示由第i种运输方式转到第k种运输方式的平均装卸时间，ti″k表示由第i种运输方式转到第k种运输方式的平均场站等待时间，Rikn表示第n种货物由第i种运输方式转到第k种运输方式的风险率，π表示事故发生损失成本系数，由年平均事故损失成本和造成事故的运输距离之比标定。
具体实施中，给出不同货物种类的风险率，如表2所示。
表2不同货物种类的时间价值风险率
Figure BDA0002483659040000094
步骤S304：建立多式联运成本最小化的单目标函数Z，针对不同类型的决策者采取不同的可靠性策略。
Figure BDA0002483659040000095
其中，α1和α2分别表示运输时间成本和转运成本的可靠性系数。对于风险中立型的决策者α1＝α2＝0。对于风险寻求的决策者α1,α2＜0，对于风险规避的决策者α1,α2＞0。决策变量
Figure BDA0002483659040000096
表示t时段从r节点到s节点是否转运，若是，
Figure BDA0002483659040000097
否则，
Figure BDA0002483659040000098
约束条件：
Figure BDA0002483659040000099
Figure BDA00024836590400000910
Figure BDA0002483659040000101
上述约束条件保证起点到终点有一条完整的路径，Ao和Af分别为调度模型的起点和终点。
Figure BDA0002483659040000102
上述约束条件保证从r到s最多只能经过一次。
步骤S400：多式联运调度模型求解，得到保证货运可靠性和安全性的调度方案。多式联运调度模型模型是非线性函数，属于NP难问题，常用的遍历算法无法求解，本发明提出一种基于仿生学的启发式算法，求解最优成本及对应的调度方案；图5为蜂群算法流程图，具体算法步骤如下：
步骤S401：初始化蜜蜂种群，蜜蜂总数设置为M(采蜜蜂和观察蜂各一半)，最大搜索次数Limit，迭代次数iter＝0，最大迭代次数maxCycle。转到步骤S402。
步骤S402：所有蜜蜂均为侦查蜂模式，输入货物需求OD矩阵，随机产生M个可行解{xrs,yrs}。转到步骤S403。
步骤S403：计算适应度函数F值，其中，适应度函数为目标函数Z的倒数，即F＝1/Z。根据函数值大小，将蜜蜂分为采蜜蜂和观察蜂两种，初始化标志向量trial(iter)＝0，记录采蜜蜂在同一蜜源的连续停留次数。转到步骤S404。
步骤S404：每只采蜜蜂局部搜索寻找新蜜源并计算适应度函数值F′，若F′＞F，更新当前采蜜蜂所在的蜜源位置，蜜源位置即为货物运输调度方案。令trial(iter)＝0，否则更新标志向量trial(iter)＝trial(iter)+1。转到步骤S405。
步骤S405：计算观察蜂选择概率向量P，每只观察蜂以概率p(iter)寻找新蜜源，
Figure BDA0002483659040000103
将观察蜂转换为采蜜蜂进行邻域搜索，计算适应度函数值，判断是否保留蜜源，若F′＞F，更新当前采蜜蜂所在的蜜源位置，蜜源位置即为货物运输调度方案。令trial(iter)＝0，否则更新标志向量trial(iter)＝trial(iter)+1。转到步骤S406。
步骤S406：若Trial(iter)>Limit，则第iter个采蜜蜂放弃当前蜜源变成侦察蜂，在解空间随机产生新蜜源。否则，转到步骤S407。
步骤S407：记录当前所有蜜蜂找到的最优值，即全局最优解Fbest，iter＝iter+1。转到步骤S408。
步骤S408：若iter>maxCycle，结束循环，否则返回步骤S405，直到满足停止规则为止。
步骤S500：输出保证货运可靠性和安全性的调度方案。所述的方案包括调度路径及每条路径对应的运输方式，最优结果下的运输费用成本、时间成本、转运成本。
本发明提供了一种保证货运可靠性和安全性的多式联运调度方法，通过地理信息数据的采集构建干支线运输拓扑网络，利用节点分化的思路构建多方式干支线运输拓扑网络。调度方法中考虑了多式联运安全性和可靠性问题，并采用一种仿生的计算方法求解，最终通过本发明所述的方法得到实时的调度方案，并可有效降低货物运输成本，充分利用运输资源，提高货运安全性和可靠性。
本发明提供了一种保证货运可靠性和安全性的多式联运调度系统，如图6所示，给出了系统各模块及连接关系。其中，系统包括：
信息采集模块M100，用于获取枢纽场站和非枢纽场站的经纬度位置，各场站间的运输方式及运输方向，各场站间的运输成本矩阵和运输时间矩阵。具体如方法实施例所述。
网络拓扑模块M200，用于构建干支线运输拓扑网络和多方式干支线运输拓扑网络。具体如方法实施例所述。
模型构建模块M300，用于建立考虑运输费用成本、时间成本、转运成本的多式联运安全性和可靠性调度模型，并确定模型中的待定参数。具体计算过程如方法实施例所述。
所述的模型构建模块M300，包括运输费用成本计算单元，运输时间成本计算单元，转运成本计算单元，目标函数计算单元和参数输入单元。
参数输入单元中需要输入的参数包括：货物的时间价值θn、货物风险率Rikn、货运量Nikn、运输时间成本可靠性系数α1、转运成本可靠性系数α2、单位转运运输单元载重量γik、转运运输单元的单位燃油消耗成本δ、转运运输单元的平均行驶速度v、表示事故发生损失成本系数π。
调度优化模块M400，用于求解模型构建模块中运输费用成本计算单元，时间成本计算单元，转运成本计算单元，目标函数计算单元的最优取值及最优化的调度方案。
所述的计算单元依托MATLAB2012R编程，并实现了与调度优化模块的接口。数据的导入来源于信息采集模块中的费用矩阵和时间矩阵。
调度显示模块M500，用于将调度优化模块M400中的运输费用成本C费用，时间成本C时间，转运成本C转运，目标函数Z，并在拓扑网络上显示多式联运调度方案。
综上所述，本发明提出了一种保证货运可靠性和安全性的多式联运调度方法及系统。通过构建一种适用于多式联运的多方式干支线运输拓扑网络，更加清晰地用一组节点连线表达多式联运的运输方案及运输方式。整合多方式的运输资源，考虑转运过程中货物换装存在的运输安全性和可靠性问题，提出一种多式联运调度方法，以满足不同决策者对安全性、可靠性的把握而采取的不同调度方案；调度方案具有时效性，可有效降低货物运输成本，充分利用运输资源，提高货运安全性和可靠性。提出一种多式联运调度系统，将调度的方案可视化，通过灵活的改变模型参数，以适应复杂的现实情况变化，为不同环境下的决策提供决策支撑。
实例分析：为了更好的描述本发明提出的一种保证货运可靠性和安全性的多式联运调度方法及系统，本发明给出优选的城市间的运输网络，见图7。以廊坊到新加坡的多式联运运输的实例，中间天津、北京、济南和大连作为中转，其中廊坊到天津和北京存在公路和铁路两种运输方式，济南和大连到新加坡只有航空运输方式，其他城市间的运输方式为公路和航空两种运输方式。
优选的拓扑网络见图8，节点10表示新加坡，为非枢纽节点，只有一种运输方式，1和11分别表示在廊坊选择公路运输和铁路运输，2和3分别表示在天津选择公路运输和航空运输，4和5表示在北京选择公路运输和航空运输，6和7表示在济南选择公路运输和航空运输，8和9表示在大连选择公路运输和航空运输，9和10分别表示在连云港选择公路运输和航空运输，11和12分别表示到达首尔采用航空运输。表3和表4分别给出优选的拓扑网络运输费用成本和运输时间。
表3优选的拓扑网络运输费用成本(单位：元)
Figure BDA0002483659040000121
表4优选的拓扑网络运输时间(单位：小时)
Figure BDA0002483659040000122
优选的参数取值如下：Nik1＝1吨，Nik2＝0.07吨，Nik3＝0.001吨，Nik4＝0.012吨，Nik5＝0.05吨，Nik6＝0.02吨，α1＝0，α2＝0，γik＝0.2吨，δ＝2.5元/公里，v＝15公里/小时π＝100000元。
运用MATLAB2012.R软件对蜂群算法进行编程，图9为优选方案下蜂群算法收敛性。结果显示，在最初22步的迭代过程中，系统目标值的下降明显，在之后的迭代过程中目标值下降缓慢，最终得到最优值。输出的最优方案为：廊坊-(铁路)-天津-(公路)-济南-(航空)-新加坡，运输总成本为6247.6元，其中运输费用成本为2450元，运输时间成本为2004.2元(对应的运输时间为16.5小时)，转运成本为1793.4元。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种保证货运可靠性和安全性的多式联运调度方法，其特征是，步骤如下：
步骤S100：获取货物运输路径集合，构建干支线运输拓扑网络
所述的干支线运输拓扑网络，是指在枢纽场站间的采用干线运输的方式；同时在枢纽场站与非枢纽场站间采用支线运输的方式，将非枢纽场站的货物吸引至枢纽场站再采用干线运输将货物运往其他枢纽场站，并在货物到达其他枢纽场站后通过支线运输到非枢纽场站的运输网络；
步骤S200：根据构建的干支线运输拓扑网络，输入各拓扑网络节点的运输方式种类，并对节点进行分化，构建多方式干支线运输拓扑网络；其中，将干支线运输拓扑网络的节点称作父节点，将多方式干支线运输拓扑网络的节点称作子节点；
步骤S300：建立考虑运输费用成本、时间成本、转运成本的多式联运安全性和可靠性调度模型，具体基于步骤S200所述的多方式干支线运输拓扑网络，建立考虑运输费用成本、时间成本、转运成本的多式联运成本最小化的单目标函数模型。
2.如权利要求1所述的保证货运可靠性和安全性的多式联运调度方法，其特征是，步骤S100具体包括：
步骤S101：获取以城市群为单位的各城市多式联运枢纽场站和非枢纽场站，作为干支线运输拓扑网络的节点，干支线运输拓扑网络的节点分别用H和S表示，其中H为枢纽场站集合H∈{H1,H2,H3…}，S为非枢纽场站集合S∈{S1,S2,S3…}；
步骤S102：获取枢纽场站与非枢纽场站之间的运输通路，作为干支线运输拓扑网络的连接线，干支线运输拓扑网络用节点-通路有向图G表示，G＝(A,E)，A表示干支线运输拓扑网络的节点集合，H,S∈A，E表示通路集合，er,s∈E表示运输通路，连接两个r,s节点；
干支线运输网络按照枢纽和非枢纽场站的连接、枢纽场站数量、非枢纽场站对应枢纽场站的数量分类，具体类别如下：
(1)按枢纽和非枢纽场站的连接划分：
a)纯干支线运输网络：非枢纽场站只能连接到枢纽场站；
b)混合干支线运输网络：非枢纽场站可以与非枢纽场站相连；
(2)按枢纽场站数量划分：
a)单中心网络：干支线运输网络中只包含一个枢纽场站，网络中只有支线，网络中的非枢纽场站间的运输都需要通过枢纽场站中转；
b)多中心网络：网络中有多个枢纽场站互相连接，枢纽场站间相互连接为干线，非枢纽场站与枢纽场站连接为支线；
(3)按非枢纽场站对应枢纽场站的数量划分：
a)单一指派运输网络：非枢纽场站只能连接到唯一一个枢纽场站；
b)多指派运输网络：非枢纽场站可以连接到两个及以上的枢纽场站。
3.如权利要求1所述的保证货运可靠性和安全性的多式联运调度方法，其特征是，步骤S200具体包括：
步骤S201：获取枢纽场站节点与非枢纽场站节点运输方式种类，将父节点按照其运输方式的数量，分化为对应数量的子节点；
所述的运输方式分为5种，包括：公路运输、铁路运输、海运运输、航空运输和管道运输，因此，枢纽场站节点最多分化成5个子节点，非枢纽场站节点仅分化为1个子节点；
步骤S202：判断两组分化的枢纽场站子节点对应的父节点间是否相连，若相连，则将两组分化后的各个子节点，分别与另一组的全部子节点相连；否则，两组分化的枢纽场站子节点间无连接关系。重复上述方法，遍历任意两组枢纽场站；
步骤S203：判断分化的枢纽场站与非枢纽场站子节点对应的父节点是否相连，若相连，则将非枢纽场站的子节点与其具有相同运输方式的枢纽场站的子节点相连；否则，分化的枢纽场站和非枢纽场站子节点间无连接关系。重复上述方法，遍历任意枢纽场站与非枢纽场站；
步骤S204：判断两个分化的非枢纽场站子节点对应的父节点间是否相连，若相连，则将两个分化后的子节点相连；否则，两个分化的非枢纽场站子节点间无连接关系。重复上述方法，遍历任意两个非枢纽场站。
4.如权利要求1所述的保证货运可靠性和安全性的多式联运调度方法，其特征是，步骤S300具体包括：
步骤S301：计算运输费用成本C费用；
Figure FDA0002483659030000021
Figure FDA0002483659030000022
其中，A表示多方式干支线运输拓扑网络中的所有节点集合，T表示多时间段集合，
Figure FDA0002483659030000023
表示t时段从节点r到节点s的运输费用成本，
Figure FDA0002483659030000024
表示t时段从节点r到节点s的单位运输成本，N货表示货运量。决策变量
Figure FDA0002483659030000025
表示t时段从r节点到s节点是否有运输资源，若是，
Figure FDA0002483659030000026
否则，
Figure FDA0002483659030000027
步骤S302：计算运输时间成本C时间
Figure FDA0002483659030000028
其中，
Figure FDA0002483659030000029
表示t时段从节点r到节点s的运输时间，θn表示第n种货物的单位时间价值，单位为元/小时·千克；
步骤S303：计算转运成本C转运，转运过程包括货物的吊装和运输，因此安全性是转运的一项重要考量，转运成本计算包含三部分，分别为吊装费用成本
Figure FDA00024836590300000210
吊装时间成本
Figure FDA00024836590300000211
和转运风险成本
Figure FDA00024836590300000212
Figure FDA00024836590300000213
其中，
Figure FDA00024836590300000214
表示第n种货物由第i种运输方式转到第k种运输方式的吊装费用成本；
Figure FDA0002483659030000031
表示第n种货物由第i种运输方式转到第k种运输方式的吊装时间成本；
Figure FDA0002483659030000032
表示第n种货物由第i种运输方式转到第k种运输方式的吊装风险成本；
(1)吊装费用成本：
Figure FDA0002483659030000033
(2)吊装时间成本：
Figure FDA0002483659030000034
(3)转运风险成本：
Figure FDA0002483659030000035
其中，Nikn表示第n种运输方式由第i种运输方式转到第k种运输方式的货运量，γik表示由第i种运输方式转到第k种运输方式的单位转运运输单元载重量，Lik表示由第i种运输方式转到第k种运输方式的距离，δ表示转运运输单元的单位燃油消耗成本，v表示转运运输单元的平均行驶速度，t′ik表示由第i种运输方式转到第k种运输方式的平均装卸时间，t″ik表示由第i种运输方式转到第k种运输方式的平均场站等待时间，Rikn表示第n种货物由第i种运输方式转到第k种运输方式的风险率，π表示事故发生损失成本系数，由年平均事故损失成本和造成事故的运输距离之比标定；
步骤S304：建立多式联运成本最小化的单目标函数Z:
Figure FDA0002483659030000036
其中，α1和α2分别表示运输时间成本和转运成本的可靠性系数，对于风险中立型的决策者α1＝α2＝0，对于风险寻求的决策者α1,α2＜0，对于风险规避的决策者α1,α2＞0；决策变量
Figure FDA0002483659030000037
表示t时段从r节点到s节点是否转运，若是，
Figure FDA0002483659030000038
否则，
Figure FDA0002483659030000039
约束条件：
Figure FDA00024836590300000310
Figure FDA00024836590300000311
Figure FDA00024836590300000312
上述约束条件保证起点到终点有一条完整的路径，Ao和Af分别为调度模型的起点和终点；
Figure FDA00024836590300000313
上述约束条件保证从r到s最多只能经过一次；
步骤S400：多式联运调度模型求解，得到保证货运可靠性和安全性的调度方案，利用基于仿生学的启发式算法，求解最优成本及对应的调度方案；
步骤S500：输出保证货运可靠性和安全性的调度方案。所述的方案包括调度路径及每条路径对应的运输方式，最优结果下的运输费用成本、时间成本、转运成本。
5.如权利要求1所述的保证货运可靠性和安全性的多式联运调度方法，其特征是，利用基于仿生学的启发式算法具体步骤如下：
步骤S401：初始化蜜蜂种群，蜜蜂总数设置为M，采蜜蜂和观察蜂各一半，最大搜索次数Limit，迭代次数iter＝0，最大迭代次数maxCycle，转到步骤S402，
步骤S402：所有蜜蜂均为侦查蜂模式，输入货物需求OD矩阵，随机产生M个可行解{xrs,yrs}，转到步骤S403；
步骤S403：计算适应度函数F值，其中，适应度函数为目标函数Z的倒数，即F＝1/Z，根据函数值大小，将蜜蜂分为采蜜蜂和观察蜂两种，初始化标志向量trial(iter)＝0，记录采蜜蜂在同一蜜源的连续停留次数。转到步骤S404；
步骤S404：每只采蜜蜂局部搜索寻找新蜜源并计算适应度函数值F′，若F′＞F，更新当前采蜜蜂所在的蜜源位置，蜜源位置即为货物运输调度方案，令trial(iter)＝0，否则更新标志向量trial(iter)＝trial(iter)+1，转到步骤S405；
步骤S405：计算观察蜂选择概率向量P，每只观察蜂以概率p(iter)寻找新蜜源，
Figure FDA0002483659030000041
将观察蜂转换为采蜜蜂进行邻域搜索，计算适应度函数值，判断是否保留蜜源，若F′＞F，更新当前采蜜蜂所在的蜜源位置，蜜源位置即为货物运输调度方案，令trial(iter)＝0，否则更新标志向量trial(iter)＝trial(iter)+1，转到步骤S406；
步骤S406：若Trial(iter)>Limit，则第iter个采蜜蜂放弃当前蜜源变成侦察蜂，在解空间随机产生新蜜源，否则，转到步骤S407；
步骤S407：记录当前所有蜜蜂找到的最优值，即全局最优解Fbest，iter＝iter+1，转到步骤S408；
步骤S408：若iter>maxCycle，结束循环，否则返回步骤S405，直到满足停止规则为止。
6.一种保证货运可靠性和安全性的多式联运调度系统，其特征是，包括：
信息采集模块M100，用于获取枢纽场站和非枢纽场站的经纬度位置，各场站间的运输方式及运输方向，各场站间的运输成本矩阵和运输时间矩阵；
网络拓扑模块M200，用于构建干支线运输拓扑网络和多方式干支线运输拓扑网络；
模型构建模块M300，用于建立考虑运输费用成本、时间成本、转运成本的多式联运安全性和可靠性调度模型，并确定模型中的待定参数；
所述的模型构建模块M300，包括运输费用成本计算单元，运输时间成本计算单元，转运成本计算单元，目标函数计算单元和参数输入单元；
参数输入单元中需要输入的参数包括：货物的时间价值θn、货物风险率Rikn、货运量Nikn、运输时间成本可靠性系数α1、转运成本可靠性系数α2、单位转运运输单元载重量γik、转运运输单元的单位燃油消耗成本δ、转运运输单元的平均行驶速度v、表示事故发生损失成本系数π；
调度优化模块M400，用于求解模型构建模块中运输费用成本计算单元，时间成本计算单元，转运成本计算单元，目标函数计算单元的最优取值及最优化的调度方案。
7.如权利要求6所述的保证货运可靠性和安全性的多式联运调度系统，其特征是，所述的计算单元依托MATLAB2012R编程，实现与调度优化模块的接口，数据的导入来源于信息采集模块中的费用矩阵和时间矩阵。
CN202010385496.4A 2020-05-09 2020-05-09 保证货运可靠性和安全性的多式联运调度方法和系统 Active CN111639790B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010385496.4A CN111639790B (zh) 2020-05-09 2020-05-09 保证货运可靠性和安全性的多式联运调度方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010385496.4A CN111639790B (zh) 2020-05-09 2020-05-09 保证货运可靠性和安全性的多式联运调度方法和系统

Publications (2)

Publication Number Publication Date
CN111639790A true CN111639790A (zh) 2020-09-08
CN111639790B CN111639790B (zh) 2023-10-17

Family

ID=72330892

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010385496.4A Active CN111639790B (zh) 2020-05-09 2020-05-09 保证货运可靠性和安全性的多式联运调度方法和系统

Country Status (1)

Country Link
CN (1) CN111639790B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112907188A (zh) * 2021-03-12 2021-06-04 北京化工大学 一种基于自适应邻域搜索算法的共享单车搬运优化方法
CN113469429A (zh) * 2021-06-28 2021-10-01 桂林电子科技大学 一种基于区块链的多式联运的货物拼车方法及应用系统
CN113610453A (zh) * 2021-06-30 2021-11-05 宁波诺丁汉大学 一种多运输方式联合的集装箱运输路径选择方法
CN116029886A (zh) * 2023-03-29 2023-04-28 泰维能源集团股份有限公司 基于安全最大化的液化天然气运输调度系统
CN116542476A (zh) * 2023-05-09 2023-08-04 重庆赛迪奇智人工智能科技有限公司 一种铁水运输车辆的调度方法、装置、设备及存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110516869A (zh) * 2019-08-22 2019-11-29 西南交通大学 一种针对货运领域的空铁联运枢纽网络规划方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110516869A (zh) * 2019-08-22 2019-11-29 西南交通大学 一种针对货运领域的空铁联运枢纽网络规划方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
吕博文;杨斌;朱小林;: "多式联运情形下货物中转集拼的运作优化" *
孙峣等: "基于改进 H-R 双边匹配算法的定制公交合乘优化" *
杨璐;唐勇军;: "基于多联式遗传算法的运输网络成本研究" *
柯水平等: "基于多用户配流的空港集疏运交通量预测" *
白子建等: "基于 SWMM 模型的海绵城市道路规划设计仿真研究" *
赵巍等: "港内道路交通承载能力分析与计算" *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112907188A (zh) * 2021-03-12 2021-06-04 北京化工大学 一种基于自适应邻域搜索算法的共享单车搬运优化方法
CN113469429A (zh) * 2021-06-28 2021-10-01 桂林电子科技大学 一种基于区块链的多式联运的货物拼车方法及应用系统
CN113610453A (zh) * 2021-06-30 2021-11-05 宁波诺丁汉大学 一种多运输方式联合的集装箱运输路径选择方法
CN116029886A (zh) * 2023-03-29 2023-04-28 泰维能源集团股份有限公司 基于安全最大化的液化天然气运输调度系统
CN116542476A (zh) * 2023-05-09 2023-08-04 重庆赛迪奇智人工智能科技有限公司 一种铁水运输车辆的调度方法、装置、设备及存储介质
CN116542476B (zh) * 2023-05-09 2023-11-28 重庆赛迪奇智人工智能科技有限公司 一种铁水运输车辆的调度方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN111639790B (zh) 2023-10-17

Similar Documents

Publication Publication Date Title
CN111639790A (zh) 保证货运可靠性和安全性的多式联运调度方法和系统
CN107766994A (zh) 一种共享自行车调度方法与调度系统
CN111091238A (zh) 一种自动化集装箱码头agv智能化调度方法
CN107871179B (zh) 一种基于运到时限的铁路货物列车运行图编制方法
CN105404941A (zh) 一种物流运输方式和路径智能优化的方法及系统
CN109934382B (zh) 一种基于轴幅式布局的多级地铁货运网络系统及建构方法
CN110533219B (zh) 城市轨道交通末班列车时刻表优化方法
Zheng et al. Urban logistics delivery route planning based on a single metro line
CN115471153A (zh) 一种新农村智慧物流管理系统
CN110598971A (zh) 一种基于蚁群算法的响应式公交服务规划方法
CN113947287A (zh) 一种电动公交区域调度方法及其系统
CN108197879A (zh) 一种多模式客货共运方法及系统
CN116935616A (zh) 面向港区车辆调度-规控耦合的智能集卡协同调度方法
Xie et al. Two-Sided Matching on Comprehensive Transportation Network Emergency Vehicles’ Allocation
Zuo et al. Analysis of a collaborative transport model mixing passengers with freights in metro system
CN116187889A (zh) 全链条铁水联运方案系统及评价方法
CN114912696A (zh) 计及换电与岸电接入的全电力船舶集群路径优化方法
Shen et al. Parallel intermodal road-rail transportation system based on ACP approach
Yang et al. Multiagent-based modeling and simulation of a coal multimodal transport system
CN113988425A (zh) 物流网络发车方案测算方法及装置
Chow et al. Adaptive scheduling of mixed bus services with flexible fleet size assignment under demand uncertainty
Lai et al. Collaborative optimization model for the design and operation of feeder bus routes based on urban metro
Shatokhin et al. Optimization of Empty Wagon Flows in the Formation of the Technical Work Plan for the Railway Network
Liu et al. Path planning based on joint distribution of distribution vehicles and UAVs
Xiao et al. Optimization of operation scheme for express freight railway

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 300051 No. 239, Yingkou Road, Heping District, Tianjin

Applicant after: Tianjin municipal engineering design and Research Institute Co.,Ltd.

Address before: 300051 No. 239, Yingkou Road, Heping District, Tianjin

Applicant before: TIANJIN MUNICIPAL ENGINEERING DESIGN & Research Institute

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant