CN112949922A - 中欧陆海快线中海铁联运路线优化方法 - Google Patents

中欧陆海快线中海铁联运路线优化方法 Download PDF

Info

Publication number
CN112949922A
CN112949922A CN202110224513.0A CN202110224513A CN112949922A CN 112949922 A CN112949922 A CN 112949922A CN 202110224513 A CN202110224513 A CN 202110224513A CN 112949922 A CN112949922 A CN 112949922A
Authority
CN
China
Prior art keywords
sea
transportation
transport
time
cost
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.)
Pending
Application number
CN202110224513.0A
Other languages
English (en)
Inventor
纪寿文
田晖
孙可朝
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.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
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 Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN202110224513.0A priority Critical patent/CN112949922A/zh
Publication of CN112949922A publication Critical patent/CN112949922A/zh
Pending legal-status Critical Current

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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06Q10/0831—Overseas transactions

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Strategic Management (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Development Economics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种中欧陆海快线中海铁联运路线优化方法，所述方法包括以下步骤：S1、构建中欧陆海快线中海铁联运路线运输网络；S2、根据步骤S1中的中欧陆海快线中海铁联运路线运输网络，构建中欧陆海快线海铁联运路线优化的模型；S3、采用遗传算法对步骤S2中优化模型进行求解。得到最优化运输方案，实现控制运输成本，显著提高运输服务水平。

Description

中欧陆海快线中海铁联运路线优化方法
技术领域
本发明属于本发明属于多式联运规划技术领域，具体涉及一种中欧陆海快线中海铁联运路线优化方法。
背景技术
我国与欧洲间货物运输量大，电机、电器、锅炉、机械器、家具、玩具、衣物、金属制品等占据大比重，这类产品与时效要求强的产品比如食品、鲜花等相比较，对于运输的时效性要求较低，而且运量大、价值高。
综合我国与欧洲间主要运输产品的特性、运输要求来看，中欧陆海快线采用海运、铁运为主的运输方式，摆脱了单一铁路运输成本高、对基础设施的要求高、铁路换轨难的困难，也摆脱了单一海路运输时间太慢、对内陆的覆盖范围小的难题。提供两种运输方式的结合，借助自然优势降低了运输成本，相比单纯的海运缩短了运输的时间，相比单纯的铁路运输降低了对基础设施的要求，提高货物运输的能力和覆盖率。并且这两种运输方式碳排放较低、能耗小、安全性高，属于绿色运输。因此，中欧陆海快线的发展可以促进国家运输的高质量发展，发展中欧陆海快线十分重要。
但实践证明，一味加强交通运输基础设施建设并非解决运输效率低下的良策，而不合理的运输方案是运输效率低的主要问题。
发明内容
针对上述情况，为克服现有技术之缺陷，本发明之目的就是提供一种中欧陆海快线中海铁联运路线优化方法，包括以下步骤：
S1、构建中欧陆海快线中海铁联运路线运输网络；
S2、根据步骤S1中的中欧陆海快线中海铁联运路线运输网络，构建中欧陆海快线海铁联运路线优化的模型；
S3、采用遗传算法对步骤S2中优化模型进行求解。
进一步地，所述步骤S1中包括中国国内运输成本和运输时间、海运段运输成本和运输时间、欧洲段运输成本和运输时间；
进一步地，所述中国国内运输成本和运输时间采用如下函数计算：
运输成本C1＝各个运输节点间集装箱的个数*该段选择运输方式的单位运输价格*选择变量，其公式为：
Figure BDA0002956579220000021
中转成本C2＝各个运输节点间需要转运的集装箱个数*由k运输方式转化l运输方式产生的单位中转费用*选择变量，其公式为：
Figure BDA0002956579220000022
运输时间T1＝选择某种运输方式在两节点中运输需要的时间*选择变量，其公式为：
Figure BDA0002956579220000023
中转时间T2＝集装箱在两种运输方式间转换所需时间*选择变量，公式如下：
Figure BDA0002956579220000024
进一步地，所述海运段运输成本和运输时间采用如下函数计算：
操作成本C3＝选择某港口的登船的舱单费、订舱费和封签费等费用的总和*在此港口登船的集装箱的个数+选择某港口的订单费和文件费等费用*选择系数，公式如下：
Figure BDA0002956579220000025
运输成本C4＝指数*运输集装箱的数量，公式如下：
Figure BDA0002956579220000026
中转时间T3＝由运输方式k运送到港口城市后再转运到港口p所需时间*选择系数，公式如下：
Figure BDA0002956579220000027
运输时间T4＝选择港口p的j轮渡运输到达希腊比雷埃夫斯港口时间*选择系数，公式如下：
Figure BDA0002956579220000031
等待时间T5＝(轮渡出发时间-在内陆的运输时间-所有的中转时间)*选择系数，公式如下：
Figure BDA0002956579220000032
进一步地，所述欧洲段运输成本和运输时间采用如下函数计算：
运输费用C5＝在某国家的集装箱单位运输费用*集装箱数量*选择系数，公式如下：
Figure BDA0002956579220000033
港口操作费C6为：
Figure BDA0002956579220000034
运输时间T6＝某国家采用b线路的运输时间*选择变量，公式如下：
Figure BDA0002956579220000035
操作时间如下：
Figure BDA0002956579220000036
等待时间如下：
Figure BDA0002956579220000037
进一步地，所述步骤S2中的模型如下：
C＝min(C1+C2+C3++C4+C5+C6)
Figure BDA0002956579220000038
运输的总时间函数为：
T＝min(T1+T2+T3+T4+T5+T6+T7+T8)
Figure BDA0002956579220000041
约束条件：
Figure BDA0002956579220000042
在约束条件中，约束(1)表示集装箱在两相邻节点间只能采用一种运输方式。约束(2)表示改变集装箱的运输方式只能在节点发生。约束(3)表明集装箱的运输只能从一个港口出发。约束(4)表示在每个欧洲国家集装箱只能选择一趟车运输。约束(5)-(8)表示四个决策变量只能取0或1；约束(9)保证运输过程的连续性；约束(10)表示概率θ的取值范围是0到1；约束(11)-(12)表示集装箱运输要严格遵守时刻表，按照船期、班期运行。
本发明成功得到最优化运输方案，实现控制运输成本，显著提高运输服务水平，进而为中欧集装箱多式联运经营人提供运输方案参考。
附图说明
图1为本发明的中欧陆海快线海铁联运路线优化简化图。
具体实施方式
以下结合附图对本发明的具体实施方式作进一步详细说明。
实施例1：
参考附图1，在本实施例中，涉及一种一种中欧陆海快线中海铁联运路线优化方法，包括以下步骤：
S1、构建中欧陆海快线中海铁联运路线运输网络；
S2、根据步骤S1中的中欧陆海快线中海铁联运路线运输网络，构建中欧陆海快线海铁联运路线优化的模型；
S3、采用遗传算法对步骤S2中优化模型进行求解。
进一步地，所述步骤S1中包括中国国内运输成本和运输时间、海运段运输成本和运输时间、欧洲段运输成本和运输时间；
进一步地，所述中国国内运输成本和运输时间采用如下函数计算：
运输成本C1＝各个运输节点间集装箱的个数*该段选择运输方式的单位运输价格*选择变量，其公式为：
Figure BDA0002956579220000051
中转成本C2＝各个运输节点间需要转运的集装箱个数*由k运输方式转化l运输方式产生的单位中转费用*选择变量，其公式为：
Figure BDA0002956579220000052
运输时间T1＝选择某种运输方式在两节点中运输需要的时间*选择变量，其公式为：
Figure BDA0002956579220000053
中转时间T2＝集装箱在两种运输方式间转换所需时间*选择变量，公式如下：
Figure BDA0002956579220000054
进一步地，所述海运段运输成本和运输时间采用如下函数计算：
操作成本C3＝选择某港口的登船的舱单费、订舱费和封签费等费用的总和*在此港口登船的集装箱的个数+选择某港口的订单费和文件费等费用*选择系数，公式如下：
Figure BDA0002956579220000061
运输成本C4＝指数*运输集装箱的数量，公式如下：
Figure BDA0002956579220000062
中转时间T3＝由运输方式k运送到港口城市后再转运到港口p所需时间*选择系数，公式如下：
Figure BDA0002956579220000063
运输时间T4＝选择港口p的j轮渡运输到达希腊比雷埃夫斯港口时间*选择系数，公式如下：
Figure BDA0002956579220000064
等待时间T5＝(轮渡出发时间-在内陆的运输时间-所有的中转时间)*选择系数，公式如下：
Figure BDA0002956579220000065
进一步地，所述欧洲段运输成本和运输时间采用如下函数计算：
运输费用C5＝在某国家的集装箱单位运输费用*集装箱数量*选择系数，公式如下：
Figure BDA0002956579220000066
港口操作费C6为：
Figure BDA0002956579220000067
运输时间T6＝某国家采用b线路的运输时间*选择变量，公式如下：
Figure BDA0002956579220000068
操作时间如下：
Figure BDA0002956579220000071
等待时间如下：
Figure BDA0002956579220000072
进一步地，所述步骤S2中的模型如下：C＝min(C1+C2+C3++C4+C5+C6)
Figure BDA0002956579220000073
运输的总时间函数为：
T＝min(T1+T2+T3+T4+T5+T6+T7+T8)
Figure BDA0002956579220000074
约束条件：
Figure BDA0002956579220000081
在约束条件中，约束(1)表示集装箱在两相邻节点间只能采用一种运输方式。约束(2)表示改变集装箱的运输方式只能在节点发生。约束(3)表明集装箱的运输只能从一个港口出发。约束(4)表示在每个欧洲国家集装箱只能选择一趟车运输。约束(5)-(8)表示四个决策变量只能取0或1；约束(9)保证运输过程的连续性；约束(10)表示概率θ的取值范围是0到1；约束(11)-(12)表示集装箱运输要严格遵守时刻表，按照船期、班期运行。
实施例2：
在考虑路线优化问题的求解时，本发明采用遗传算法。遗传算法是模拟著名生物学家达尔文提出的生物进化论提出的算法，在达尔文的进化论中，大自然会根据自然界的生存环境会对生物进行考验，留下基因优质、适合生存的个体。遗传算法的适应度就相当于在大自然中，通过设定规则和采用优胜劣汰的方法对个体进行搜索，适应环境的个体将得到更大的生存机会，并产生后代。其特点是可以在遗传中保留潜在解构成的基因，进而来实现全局搜索。遗传算法因为对数学方面的要求低，非常适用于多目标函数优化和非线性组合优化问题，可以方便快捷的处理所有的种类的目标函数与目标约束。
遗传算法求解步骤：
第一步：初始化个体，生成初始种群。
第二步：根据适应度函数，计算生成个体的适应度值，判断适应度值是否满足迭代终止条件；若满足，则输出最佳适应度值对应的个体，即该个体是最优解。否则继续第三步。
第三步：根据适应度函数计算个体的适应度，选出种群中部分潜在的最优个体。
第四步：通过交叉算法，对第三步选择出来的个体进行交叉操作，扩大个体的基因库。
第五步：通过变异算法，对第四步选择的个体做变异操作，增加个体的可能性，防止求解结果陷入局部最优。
第六步：将执行第四步和第五步操作后得到新个体，组成新的种群，重新进行第二步的操作。
其中采用实施例1中的模型进行求解时的变量与参数，含义如下：
Figure BDA0002956579220000091
Figure BDA0002956579220000101
表4-1(续表)
Figure BDA0002956579220000102
Figure BDA0002956579220000111
上述实施例并非对本发明的范围进行限定，在不脱离本发明设计构思的前提下，本领域所属技术人员对本发明的技术方案作出的各种变形和改进，均应纳入本发明的权利要求书确定的保护范围内。

Claims (6)

1.一种中欧陆海快线中海铁联运路线优化方法，其特征在于，所述方法包括以下步骤：
S1、构建中欧陆海快线中海铁联运路线运输网络；
S2、根据步骤S1中的中欧陆海快线中海铁联运路线运输网络，构建中欧陆海快线海铁联运路线优化的模型；
S3、采用遗传算法对步骤S2中优化模型进行求解。
2.如权利要求1所述的一种中欧陆海快线中海铁联运路线优化方法，其特征在于，所述步骤S1中包括中国国内运输成本和运输时间的计算、海运段运输成本和运输时间的计算、欧洲段运输成本和运输时间的计算。
3.如权利要求2所述的一种中欧陆海快线中海铁联运路线优化方法，其特征在于，所述中国国内运输成本和运输时间采用如下函数计算：
运输成本C1＝各个运输节点间集装箱的个数*该段选择运输方式的单位运输价格*选择变量，其公式为：
Figure FDA0002956579210000011
中转成本C2＝各个运输节点间需要转运的集装箱个数*由k运输方式转化l运输方式产生的单位中转费用*选择变量，其公式为：
Figure FDA0002956579210000012
运输时间T1＝选择某种运输方式在两节点中运输需要的时间*选择变量，其公式为：
Figure FDA0002956579210000013
中转时间T2＝集装箱在两种运输方式间转换所需时间*选择变量，公式如下：
Figure FDA0002956579210000014
4.如权利要求2所述的一种中欧陆海快线中海铁联运路线优化方法，其特征在于，所述海运段运输成本和运输时间采用如下函数计算：
操作成本C3＝选择某港口的登船的舱单费、订舱费和封签费等费用的总和*在此港口登船的集装箱的个数+选择某港口的订单费和文件费等费用*选择系数，公式如下：
Figure FDA0002956579210000021
运输成本C4＝指数*运输集装箱的数量，公式如下：
Figure FDA0002956579210000022
中转时间T3＝由运输方式k运送到港口城市后再转运到港口p所需时间*选择系数，公式如下：
Figure FDA0002956579210000023
运输时间T4＝选择港口p的j轮渡运输到达希腊比雷埃夫斯港口时间*选择系数，公式如下：
Figure FDA0002956579210000024
等待时间T5＝(轮渡出发时间-在内陆的运输时间-所有的中转时间)*选择系数，公式如下：
Figure FDA0002956579210000025
5.如权利要求2所述的一种中欧陆海快线中海铁联运路线优化方法，其特征在于，所述欧洲段运输成本和运输时间采用如下函数计算：
运输费用C5＝在某国家的集装箱单位运输费用*集装箱数量*选择系数，公式如下：
Figure FDA0002956579210000026
港口操作费C6为：
Figure FDA0002956579210000027
运输时间T6＝某国家采用b线路的运输时间*选择变量，公式如下：
Figure FDA0002956579210000031
操作时间如下：
Figure FDA0002956579210000032
等待时间如下：
Figure FDA0002956579210000033
6.如权利要求2所述的一种中欧陆海快线中海铁联运路线优化方法，其特征在于，所述步骤S2中的模型如下：
C＝min(C1+C2+C3++C4+C5+C6)
Figure FDA0002956579210000034
运输的总时间函数为：
T＝min(T1+T2+T3+T4+T5+T6+T7+T8)
Figure FDA0002956579210000035
约束条件：
Figure FDA0002956579210000041
在约束条件中，约束(1)表示集装箱在两相邻节点间只能采用一种运输方式；约束(2)表示改变集装箱的运输方式只能在节点发生；约束(3)表明集装箱的运输只能从一个港口出发；约束(4)表示在每个欧洲国家集装箱只能选择一趟车运输；约束(5)-(8)表示四个决策变量只能取0或1；约束(9)保证运输过程的连续性；约束(10)表示概率θ的取值范围是0到1；约束(11)-(12)表示集装箱运输要严格遵守时刻表，按照船期、班期运行。
CN202110224513.0A 2021-03-01 2021-03-01 中欧陆海快线中海铁联运路线优化方法 Pending CN112949922A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110224513.0A CN112949922A (zh) 2021-03-01 2021-03-01 中欧陆海快线中海铁联运路线优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110224513.0A CN112949922A (zh) 2021-03-01 2021-03-01 中欧陆海快线中海铁联运路线优化方法

Publications (1)

Publication Number Publication Date
CN112949922A true CN112949922A (zh) 2021-06-11

Family

ID=76246854

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110224513.0A Pending CN112949922A (zh) 2021-03-01 2021-03-01 中欧陆海快线中海铁联运路线优化方法

Country Status (1)

Country Link
CN (1) CN112949922A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104376387A (zh) * 2014-12-05 2015-02-25 四川大学 高拱坝工程建设中的混凝土运输排队网络优化决策方法
CN108985677A (zh) * 2018-06-11 2018-12-11 华东理工大学 多品种多批次生鲜农产品配送路径优化方法
US20190303859A1 (en) * 2018-04-03 2019-10-03 Florida A&M University Application of a multi-objective optimization model for automatic vessel scheduling in liner shipping
CN111553507A (zh) * 2020-03-09 2020-08-18 西南交通大学 基于多商品流的中欧集装箱运输方案优化方法
CN111667086A (zh) * 2019-03-08 2020-09-15 山东大学 一种车辆共乘路径寻优方法及系统
CN112330071A (zh) * 2020-11-27 2021-02-05 科技谷（厦门）信息技术有限公司 一种基于遗传算法的公铁水多式联运路径优化方法
CN112330070A (zh) * 2020-11-27 2021-02-05 科技谷（厦门）信息技术有限公司 一种碳排放限制下的冷藏集装箱多式联运路径优化方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104376387A (zh) * 2014-12-05 2015-02-25 四川大学 高拱坝工程建设中的混凝土运输排队网络优化决策方法
US20190303859A1 (en) * 2018-04-03 2019-10-03 Florida A&M University Application of a multi-objective optimization model for automatic vessel scheduling in liner shipping
CN108985677A (zh) * 2018-06-11 2018-12-11 华东理工大学 多品种多批次生鲜农产品配送路径优化方法
CN111667086A (zh) * 2019-03-08 2020-09-15 山东大学 一种车辆共乘路径寻优方法及系统
CN111553507A (zh) * 2020-03-09 2020-08-18 西南交通大学 基于多商品流的中欧集装箱运输方案优化方法
CN112330071A (zh) * 2020-11-27 2021-02-05 科技谷（厦门）信息技术有限公司 一种基于遗传算法的公铁水多式联运路径优化方法
CN112330070A (zh) * 2020-11-27 2021-02-05 科技谷（厦门）信息技术有限公司 一种碳排放限制下的冷藏集装箱多式联运路径优化方法

Similar Documents

Publication Publication Date Title
Karlaftis et al. Containership routing with time deadlines and simultaneous deliveries and pick-ups
CN101585453B (zh) 集装箱码头出口箱堆场自动分配方法
Wijayaningrum et al. Optimization of ship’s route scheduling using genetic algorithm
CN111639790B (zh) 保证货运可靠性和安全性的多式联运调度方法和系统
CN110490391B (zh) 一种多式联运运输方案的计算方法
CN113689037A (zh) 一种散货港口生产调度优化方法
CN109934382A (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
Zhang et al. Route selection of multimodal transport based on China railway transportation
CN112330070A (zh) 一种碳排放限制下的冷藏集装箱多式联运路径优化方法
CN116307330A (zh) 基于大数据处理的多式联运组织模式动态优化方法
CN115619065A (zh) 一种多式联运路径优化方法、系统、电子设备及介质
Duan et al. Combined configuration of container terminal berth and quay crane considering carbon cost
CN118014253B (zh) 一种基于改进遗传算法的岸桥泊位集成调度方法
Wang et al. Path design and planning and investment and construction mode of multimodal transport network based on big data analysis
Li et al. Optimization of high-speed railway line planning with passenger and freight transport coordination
CN112949922A (zh) 中欧陆海快线中海铁联运路线优化方法
Mnif et al. A multi-objective formulation for multimodal transportation network's planning problems
CN110544067B (zh) 一种多式联运运输系统
Rožić et al. Container transport flows as a prerequisite for determination of inland terminal location
CN111325481A (zh) 一种智能的自动化集装箱码头节能综合调度方法
Wang et al. Green ammonia supply chain design for maritime transportation
CN115249138A (zh) 基于优化算法的物流多式联合运输方案决策系统
Teng et al. Study on Optimization of International Intermodal Container Route Selection-A Case of Zhengzhou Railway Bureau
Liu et al. Multi-modal Transportation Bi-objective Network Optimization Design based on Ideal Point Method
Niu et al. Route optimization of express network considering high-speed rail express and carbon emission

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210611