CN116187889A - 全链条铁水联运方案系统及评价方法 - Google Patents

全链条铁水联运方案系统及评价方法 Download PDF

Info

Publication number
CN116187889A
CN116187889A CN202211524173.4A CN202211524173A CN116187889A CN 116187889 A CN116187889 A CN 116187889A CN 202211524173 A CN202211524173 A CN 202211524173A CN 116187889 A CN116187889 A CN 116187889A
Authority
CN
China
Prior art keywords
transportation
mode
container
network
intermodal
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
CN202211524173.4A
Other languages
English (en)
Inventor
刘志凯
时青松
管小矿
仇燕云
何增辉
蒋欣
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.)
Jiangsu Port Group Logistics Co ltd
Nanjing United International Shipping Agency Co ltd
Original Assignee
Jiangsu Port Group Logistics Co ltd
Nanjing United International Shipping Agency Co ltd
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 Jiangsu Port Group Logistics Co ltd, Nanjing United International Shipping Agency Co ltd filed Critical Jiangsu Port Group Logistics Co ltd
Priority to CN202211524173.4A priority Critical patent/CN116187889A/zh
Publication of CN116187889A publication Critical patent/CN116187889A/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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • 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
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Educational Administration (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出全链条铁水联运方案系统及评价方法，具体步骤：S1：客户需求偏好识别：分析客户需求偏好产生的因素和类别，获得客户对于不同需求偏好的评价和重要程度排序；S2：生成多式联运方案模型：包括四个部分：S21：模型建立，S22：建立模型目标函数，S23：建立模型约束条件，S24：求解多目标模型；S3：方案评价：评价指标包括经济性、时效性、便捷性以及安全性，根据客户的需求偏好构建评价指标体系，为每个评价指标赋予不同的权重，分别采用G1法、熵权‑模糊层次分析法、组合赋权法分析得出具体偏好程度高的多式联运方案。本发明为现有全链条铁水联运提供一套科学的方案系统及评价方法。

Description

全链条铁水联运方案系统及评价方法
技术领域
本发明属于铁水交通运输技术领域，具体涉及全链条铁水联运方案系统及评价方法。
背景技术
随着经济和贸易的全球化，国际间的运输联系也更加频繁，多式联运作为一种能充分发挥各种运输方式优势的现代化运输组织方式，相对单一运输方式，资源利用率更高、运输全程距离更长、综合效益也更好，因此，使其成为国际运输的重要形式之一。合理、适当的运输方案能更好地满足客户需求，并为客户带来经济、高效、快捷的运输服务，提高社会资源利用率和客户满意度。根据当前的形势，客户对服务质量方面提出了更多样化的要求，仅提供单一的服务较难满足绝大部分客户的要求，因此，面对不同的特点与要求，提供差异化的运输方案，是提高客户满意度的关键，对多式联运的发展也起到一定的推动作用。
在多式联运网络运营中，多式联运路径规划可依据各运输参与方在运输经济性、时效性、安全性和可靠性等不同方面的需求，针对不同货物性质，综合考虑多式联运服务网络的结构与能力、各类运输服务的组织模式、运输政策等多方面的影响因素，结合实际情况中可能发生的各种不确定运输场景，设定优化目标，为原材料或产品在多式联运服务网络中的运输规划最佳的多式联运路径，达到降低客户物流费用，提高运输时效性和可靠性等目的以及应对不确定风险的能力。
发明内容
发明目的：针对以上问题，本发明提出全链条铁水联运方案系统及评价方法，具体包括客户需求偏好识别、铁水联运方案生成模型、方案评价，旨在通过研究其组合优化问题，结合现实情况，建立一套完整、科学、合理的方案生成模型和评价方法，能为解决现实多式联运存在的问题提供可行的方法，起到辅助决策的作用。
本发明所采用的技术方案是：全链条铁水联运方案系统及评价方法，具体包括如下步骤：
S1：客户需求偏好识别：通过对多式联运服务质量影响因素进行分析，结合客户对服务质量的调研的数据分析，明确不同客户对服务质量各因素的需求存在个体差异化，获得客户对于不同需求偏好的评价和重要程度排序；
客户需求偏好产生因素主要包括：运输费用、运输时间、中转换装作业、货物安全、运输距离、运输批量、货物种类和属性；
客户需求偏好类别主要包括：经济性目标、时效性目标、转换次数便捷性(转换次数)、货物安全(保费考虑到目标函数)；
S2：生成多式联运方案模型：
其中，生成模型主要假设如下：
(1)货物应一次性运输完毕，不能分批运输；
(2)两个节点之间只有一条运输路段，且两个节点之间只能使用一种运输方式；
(3)两个节点之间的运输路段上只能使用一种集装箱；
(4)整个运输过程中只能使用一种集装箱；
(5)如果集装箱在某个节点发生转运，则在该节点的转运次数最多不能超过一次；
(6)货物通过一个节点的运输次数最多不能超过一次；
(7)货物的总运输时间不应超过货物的承运总时间要求；
(8)货物的总运输时间不应超过集装箱的使用期限。
生成铁水联运方案模型包括如下四个部分：
S21：模型建立，选择网络搭建模式搭建多式联运运输网络，定义模型中的变量和决策变量；
S22：建立模型目标函数，包括经济成本、时间成本和集装箱使用成本目标函数；
S23：建立模型约束条件，包括多式联运网络节点流量平衡约束、多式联运网络中间节点逻辑约束、运输场景假设约束、集装箱选择约束、总运输时间限制约束、决策变量约束；
S24：求解多目标模型，根据Messac学者提出来的标准化法向约束法求解帕累托解；
S3：方案评价：多式联运方案的评价指标包括经济性、时效性、便捷性以及安全性，根据客户的需求偏好构建评价指标体系，为每个评价指标赋予不同的权重，分别采用G1法、熵权-模糊层次分析法、组合赋权法分析得出具体偏好程度高的多式联运方案。
优选的，步骤S21：模型建立，采用点线式网络搭建模式，用G＝(N，A，R，M)表示多式联运运输网络，其中N为多式联运网络节点集合，A为多式联运网络路径集合，M为多式联运运输模式集合，R为集装箱集合。用o,d,Tr分别代表网络运输起点、运输终点和网络中间节点，且有N＝Tr∪(o,d)表示多式联运网络节点集合包含网络运输起点、运输终点以及运输中间节点。模型中的变量和决策变量定义如下所示：
(1)集合：
N：多式联运运输节点集合；
A：多式联运运输路径集合；
M：多式联运运输模式集合；
R：集装箱集合；
I：连接节点集合，其中单个的连接点用i表示，I∈N；
(2)变量：
Q：网络中运输货物的集装箱总量，单位为TEU；
h，i，j：多式联运运输网络中的节点；
k，l：多式联运运输网络中的运输方式；
Figure BDA0003970220910000031
运输模式m在路径(i，j)上的单位运输成本，单位为元/TEU；
Figure BDA0003970220910000032
运输模式m在路径(i，j)上的运输距离
Figure BDA0003970220910000033
运输模式m在路径(i，j)上的运输速度
Figure BDA0003970220910000034
在运输节点i由运输模式k转为运输模式l的单位转运成本；
Ti kl：在运输节点i由运输模式k转为运输模式l的单位转运时间；
Figure BDA0003970220910000038
集装箱r在运输模式m下的使用时间限制；
Cr：集装箱r的单位使用成本
T：货物总运输时间限制；
D：保险费用
(3)决策变量：
Figure BDA0003970220910000035
0-1决策变量，如果货物使用运输模式m在路径(i，j)上运输，则
Figure BDA0003970220910000036
取值为1，否则取值为0。
Figure BDA0003970220910000037
0-1决策变量，如果货物在运输节点i由运输模式k转为运输模式l，则Yi kl取值为1，否则取值为0。
Zr：0-1决策变量，如果选用集装箱r，则Zr取值为1，否则取值为0。
优选的，步骤S22：建立模型目标函数；
(1)经济成本目标
以企业在实际运输中的路段总运输成本和在多式联运网络节点发生货物运输方式转换时所产生的总转运成本之和最小为经济成本目标，如下公式(1)所示：
Figure BDA0003970220910000041
(2)时间成本目标
以企业在实际运输中的路段总运输时间和在多式联运网络节点发生货物运输方式转换时所产生的总转运时间成本之和最小为时间成本目标，如下公式(2)所示：
Figure BDA0003970220910000042
(3)集装箱使用成本目标
以企业在实际运输中的集装箱的单位使用成本与网络中运输货物的集装箱总量之积为集装箱使用成本目标，如下公式(3)所示：
Figure BDA0003970220910000043
优选的，步骤S23：建立模型约束条件，包括多式联运网络节点流量平衡约束、多式联运网络中间节点逻辑约束、运输场景假设约束、集装箱选择约束、总运输时间限制约束、决策变量约束。
(1)多式联运网络节点流量平衡约束
涉及的多式联运网络节点共包含三类：
第一类是中间节点，主要承担路段之间的衔接和集装箱货物的转运，不具有存储以及加工等功能。因此，对于任意该类中间节点，从与该节点相连接的所有路段上运抵集装箱货物的总量等于从该节点转运去各个相连接的所有路段上集装箱货物总量，即网络中间节点具有流量平衡特性；
第二类是网络中唯一固定的货物起运点，整个多式联运网络中运输的集装箱货物均从该起点发出，通过各个路段运往终点。因此，到达该起运点的所有集装箱货物为0，与通过该点运往终点的集装箱货物总量之和的差值为负；
第三类是网络中唯一固定的货物运抵终点，集装箱货物运抵该点后，运输任务结束，则到达该终点的所有集装箱货物量与通过该点运出的集装箱货物总量之和的差值为正1，该约束如下公式(4)所示：
Figure BDA0003970220910000051
(2)多式联运网络中间节点逻辑约束
多式联运网络中的中间节点具有转运功能，对于任意中间节点来说，转运过程遵循流量守恒规律，即通过同一种运输方式运抵该节点的集装箱货物总量与在此中间节点从该种运输方式转换为别的运输方式继续运输的集装箱货物总量之和相等。
Figure BDA0003970220910000052
Figure BDA0003970220910000053
(3)运输场景假设约束
在多式联运网络中的任意一个中间节点上，均可以发生运输方式的转换，在网络的中间节点上，运输方式的转换最多发生一次，而在运输起点和运输终点，则没有运输方式转换的发生且由于集装箱货物的不可分割性，在一个固定的路段上，只能选择一种运输方式，相应的约束如下公式(7)、公式(8)和公式(9)所示：
Figure BDA0003970220910000054
Figure BDA0003970220910000055
Figure BDA0003970220910000056
(4)集装箱选择约束
在多式联运网络的运输起点，运输货物需要集装箱装运，此时就要选择集装箱的来源，在后续的运输过程中，标准集装箱一般不需要换装，因此在整个多式联运网络运输过程中，仅限使用一种集装箱，该约束条件如下公式所示。同时，为了解决集装箱短缺问题，企业需要面临或租借铁路集装箱、或使用船公司集装箱，而对于这两种集装箱的选择，均有运输方式的限制，尤其是对于铁路集装箱，还有使用时间的限制，对于此部分的集装箱选择限制和使用时间限制的约束，
Figure BDA0003970220910000057
Figure BDA0003970220910000058
Figure BDA0003970220910000061
(5)总运输时间限制约束
在货主进行货物托运的时候，一般会有一个期望的运输时间要求，而企业则应该在该时间范围内，完成集装箱货物承运业务，因此该时间约束是一个很重要的强约束，将会对路径选择产生重要的影响，相关约束如下：
Figure BDA0003970220910000062
(6)决策变量约束
路段的运输方式选择变量
Figure BDA0003970220910000066
中间节点的运输方式转换变量Yi kl以及集装箱的选择变量Zr为三个0-1决策变量相关约束如下：
Figure BDA0003970220910000063
Figure BDA0003970220910000064
Figure BDA0003970220910000065
优选的，步骤S24：求解多目标模型，根据Messac学者提出来的标准化法向约束法(NNCM)求解帕累托解，根据Messac的描述，该方法分为七个步骤：
步骤S241：定位点
首先建立三个单目标问题：P1、P2和P3。P1的目标是使总运输成本最小化，模型由目标函数1和约束条件4至16组成。P2的目标是最小化总运输时间模型由目标函数2和约束条件4至16组成。P3的目标是使集装箱的总使用成本最小化，模型由目标函数3和约束条件4至16组成。独立求解问题P1、P2和P3，得到这三个问题的最优解。设μ1*＝[x1*,y1*]、μ2*＝[x2*,y2*]、μ3*＝[x3*,y3*]分别代表问题P1、P2和问题P3的最优解。
步骤S242：目标规范化
为了获得所需的映射参数，定义两个点：鞍点μN和最低点μu其计算公式如下：
Figure BDA0003970220910000071
Figure BDA0003970220910000072
Figure BDA0003970220910000073
矩阵L的计算如下：
Figure BDA0003970220910000074
最后，得到向量Z的标准化形式如下公式所示：
Figure BDA0003970220910000075
步骤S243：鞍点线的矢量化计算
用
Figure BDA0003970220910000076
作为矢量，对于k∈{1,2}，
Figure BDA0003970220910000077
到
Figure BDA0003970220910000078
的方向:
Figure BDA0003970220910000079
步骤S244：规范化增量定义
帕累托是一个解集，如果沿着鞍点线
Figure BDA00039702209100000710
方向的标准化增量δk包括mk个帕累托解，则标准化增量δk定义如下所示：
Figure BDA00039702209100000711
其中，
Figure BDA00039702209100000712
步骤S245:：鞍点线生成
在超平面上均匀分布的鞍点可以通过以下公式得到：
Figure BDA00039702209100000713
其中，
Figure BDA00039702209100000714
Figure BDA00039702209100000715
Figure BDA0003970220910000081
Figure BDA0003970220910000082
步骤S246:帕累托点生成
依据在乌托邦超平面上得到点集
Figure BDA0003970220910000086
对应于帕累托解。求解公式如下所示：
Figure BDA0003970220910000083
xli＜xi＜xui,1<i<3 (31)
Figure BDA0003970220910000084
Figure BDA0003970220910000085
步骤S247：帕累托解对应的目标函数识别出帕累托点后，将解点代入目标函数方程，得到模型的相应目标函数值。
优选的，步骤S3：方案评价中，多式联运方案的评价指标包括经济性、时效性、便捷性(转换次数)，根据客户的需求偏好构建评价指标体系，为每个评价指标赋予不同的权重。分别采用G1法、熵权-模糊层次分析法、组合赋权法分析得出具体偏好程度高的多式联运方案。
1.序关系分析法
序关系分析法，即G1法，是一种指标偏好型法，应用于不同的运输情景中，对于指标权重范围定更加精确。
1)确定序关系
将m个评价指标组成评价指标集X＝{x1,x2,...,xm}，根据评价指标在不同的运输情景中的相对重要程度确定序关系。
2)指标重要程度赋值
将不同指标xj-1和xj间相对重要程度进行比较判断，关于评价指标xj-1和xj的重要程度之比ωk-1/ωk的理性判断为：
ωk-1/ωk＝rk
k＝m,m-1,m-2,...,3,2,1 (34)
当m取值较大时，由序关系可取rm＝1。
指标赋值表
Figure BDA0003970220910000091
3)主观权重ωk确定
Figure BDA0003970220910000092
2.熵权-模糊层次分析法
模糊层次分析法通过将一个复杂的多目标的评价问题层次化。依据多式联运客户的偏好对不同运输情景下的指标进行赋值，形成目标敏感程度评价表。利用熵权法平衡参与多式联运客户的差异性需求。使模糊层次分析法分析法所得权重更为客观。
1)根据效率评价指标体系所建立的层析结构图，利用0.1-0.9标度法进行赋值，构建样本特征均值X并对数值进行归一化处理。
正向指标：vij＝[rij-min(rj)]/[max(rj)-min(rj)]
负向指标：vij＝[max(rj)-rij]/[max(rj)-min(rj)] (36)
评价指标敏感程度表如下表所示：
敏感程度表
Figure BDA0003970220910000093
2)计算j指标下第i对象指标值所占的比重pij以及j指标的熵值
Figure BDA0003970220910000094
3)引入差异系数dj，dj＝1-ej，计算权重μi
Figure BDA0003970220910000101
4)构建FAHP模糊一致矩阵
Figure BDA0003970220910000102
Figure BDA0003970220910000103
5)FAHP层次单排序，确定各层次中因素权重ωi
Figure BDA0003970220910000104
Figure BDA0003970220910000105
6)E-FAHP组合权重ωE
Figure BDA0003970220910000106
3.组合赋权法
案例采用组合赋权法求解建立的组合权重模型。G1法的运算结果反映多式联运系统的整体运输需求对目标函数的重视程度，E—FAHP法反映了不同多式联运参与者的运输需求和偏好度相结合。组合赋权法综合考虑影响因素，同时降低主观因素影响，评价结果更真实的反映系统信息。
wj＝αwj1+βwj2 (42)
其中wj表示组合权重，wj1表示G1法权重，wj2表示E-FAHP权重，α、β分别表示各自权重待定系数。
根据客户需求偏好度的不同，为每个评价指标赋予不同的权重，其中客户偏好程度高的赋予最大的权重，偏好程度小的赋予最小的权重。
本发明的有益效果：与现有多式联运技术相比，本发明技术方案具有以下有益技术效果：
(1)本发明能够有效降低运输成本，提高运输资源利用率。通过合理地规划和科学地组织，能够实现运输过程的顺畅高效，达到对整个多式联运系统优化的目的。与单一的运输模式相比，能够有效地降低运输成本，并且考虑各运输方式的技术经济特征，可提高运输资源的利用率。
(2)本发明能够提升多式联运服务质量，增加客户满意度。当前，货物运输市场竞争激烈，运输产品及服务质量呈现多样化，对于运输货物的不同性质和货主的差异化需求，提供不同的多式联运路径和运输方式选择方案，对于提升服务质量，增加客户满意度具有重要意义。
(3)本发明更够帮助企业把握价值客户，提升企业竞争力。目前我国货物运输需求结构正在逐步发生着变化，运输市场竞争也日益激烈，通过客户对多式联运服务质量中不同因素的评价和选择，在制定多式联运方案时，能够更好满足客户需求，大大提升了货运服务质量，让企业效益最大化，并进一步提升市场竞争力。同时，也可以反向通过对客户进行分类，把握价值客户。
附图说明
图1为本发明提供的三个目标函数下的鞍点线生成图；
图2为本发明提供的三个目标函数下的鞍点生成图；
图3为本发明提供的多式联运网络示意图。
具体实施方式
下面对本发明结合实施例作出进一步说明。
本发明所采用的技术方案是：全链条铁水联运方案系统及评价方法，具体包括如下步骤：
S1：客户需求偏好识别。通过对多式联运服务质量影响因素进行分析，结合客户对服务质量的调研的数据分析，明确不同客户对服务质量各因素的需求存在个体差异化，获得客户对于不同需求偏好的评价和重要程度排序。
为了更好地了解客户需求差异化的情况，在晟海公司、省港集团对不同客户进行调研。主要以问卷和客户座谈会相结合的方式进行。
通过问卷调查的方式，能够较直观的了解客户对于三种需求偏好的评价和重要程度排序。在收集问卷的过程中，为确保问卷数据的准确性，采用实地问卷发放和邮寄调查两种方式。并通过与客户面对面座谈会的方式，进一步了解客户对于运输过程中的需求。
调查问卷内容为客户对运输过程中需求偏好的重要度排序，客户在填写完成基本信息后，需根据自身的需求偏好在四个方面进行打分，分值为1-3，客户按照重要程度对四个因素进行排序，重要程度越高，分值越大。
问卷调查的对象主要包括：大宗货物客户、批量货物客户、零散货物客户等。
S2：生成多式联运方案模型。其中，生成模型主要假设如下：
(1)货物应一次性运输完毕，不能分批运输；
(2)两个节点之间只有一条运输路段，且两个节点之间只能使用一种运输方式；
(3)两个节点之间的运输路段上只能使用一种集装箱；
(4)整个运输过程中只能使用一种集装箱；
(5)如果集装箱在某个节点发生转运，则在该节点的转运次数最多不能超过一次；
(6)货物通过一个节点的运输次数最多不能超过一次；
(7)货物的总运输时间不应超过货物的承运总时间要求；
(8)货物的总运输时间不应超过集装箱的使用期限。
S21：模型建立。本发明采用点线式网络搭建模式，用G＝(N，A，R，M)表示多式联运运输网络，其中N为多式联运网络节点集合，A为多式联运网络路径集合，M为多式联运运输模式集合，R为集装箱集合。用o,d,Tr分别代表网络运输起点、运输终点和网络中间节点，且有N＝Tr∪(o,d)表示多式联运网络节点集合包含网络运输起点、运输终点以及运输中间节点。模型中的变量和决策变量定义如下所示。
(1)集合：
N：多式联运运输节点集合；
A：多式联运运输路径集合；
M：多式联运运输模式集合；
R：集装箱集合；
I：连接节点集合，其中单个的连接点用i表示，I∈N；
(2)变量：
Q：网络中运输货物的集装箱总量，单位为TEU；
h，i，j：多式联运运输网络中的节点；
k，l：多式联运运输网络中的运输方式；
Figure BDA0003970220910000121
运输模式m在路径(i，j)上的单位运输成本，单位为元/TEU；
Figure BDA0003970220910000131
运输模式m在路径(i，j)上的运输距离
Figure BDA0003970220910000132
运输模式m在路径(i，j)上的运输速度
Figure BDA0003970220910000133
在运输节点i由运输模式k转为运输模式l的单位转运成本
Ti kl：在运输节点i由运输模式k转为运输模式l的单位转运时间；
Tr m：集装箱r在运输模式m下的使用时间限制；
Cr：集装箱r的单位使用成本
T：货物总运输时间限制；
D：保险费用
(3)决策变量：
Figure BDA0003970220910000134
0-1决策变量，如果货物使用运输模式m在路径(i，j)上运输，则
Figure BDA0003970220910000135
取值为1，否则取值为0。
Yi kl：0-1决策变量，如果货物在运输节点i由运输模式k转为运输模式l，则Yi kl取值为1，否则取值为0。
Zr：0-1决策变量，如果选用集装箱r，则Zr取值为1，否则取值为0。
S22：建立模型目标函数；
(1)经济成本目标
以企业在实际运输中的路段总运输成本和在多式联运网络节点发生货物运输方式转换时所产生的总转运成本之和最小为经济成本目标，如下公式(1)所示：
Figure BDA0003970220910000136
(2)时间成本目标
以企业在实际运输中的路段总运输时间和在多式联运网络节点发生货物运输方式转换时所产生的总转运时间成本之和最小为时间成本目标，如下公式(2)所示：
Figure BDA0003970220910000137
(3)集装箱使用成本目标
以企业在实际运输中的集装箱的单位使用成本与网络中运输货物的集装箱总量之积为集装箱使用成本目标，如下公式(3)所示：
Figure BDA0003970220910000141
S23：建立模型约束条件
(1)多式联运网络节点流量平衡约束
涉及的多式联运网络节点共包含三类：第一类是中间节点，主要承担路段之间的衔接和集装箱货物的转运，不具有存储以及加工等功能。因此，对于任意该类中间节点，从与该节点相连接的所有路段上运抵集装箱货物的总量等于从该节点转运去各个相连接的所有路段上集装箱货物总量，即网络中间节点具有流量平衡特性；第二类是网络中唯一固定的货物起运点，整个多式联运网络中运输的集装箱货物均从该起点发出，通过各个路段运往终点。因此，到达该起运点的所有集装箱货物为0，与通过该点运往终点的集装箱货物总量之和的差值为负；同理，最后一类是网络中唯一固定的货物运抵终点，集装箱货物运抵该点后，运输任务结束，则到达该终点的所有集装箱货物量与通过该点运出的集装箱货物总量之和的差值为正1，该约束如下公式所示：
Figure BDA0003970220910000142
(2)多式联运网络中间节点逻辑约束
对于任意中间节点来说，转运过程遵循流量守恒规律，即通过同一种运输方式运抵该节点的集装箱货物总量与在此中间节点从该种运输方式转换为别的运输方式继续运输的集装箱货物总量之和相等。
Figure BDA0003970220910000143
Figure BDA0003970220910000144
(3)运输场景假设约束
在多式联运网络中的任意一个中间节点上，均可以发生运输方式的转换，在网络的中间节点上，运输方式的转换最多发生一次，而在运输起点和运输终点，则没有运输方式转换的发生且由于集装箱货物的不可分割性，在一个固定的路段上，只能选择一种运输方式，相应的约束如下公式所示：
Figure BDA0003970220910000145
Figure BDA0003970220910000151
Figure BDA0003970220910000152
(4)集装箱选择约束
在多式联运网络的运输起点，运输货物需要集装箱装运，此时就要选择集装箱的来源，在后续的运输过程中，标准集装箱一般不需要换装，因此在整个多式联运网络运输过程中，仅限使用一种集装箱，该约束条件如下公式所示。同时，为了解决集装箱短缺问题，企业需要面临或租借铁路集装箱、或使用船公司集装箱，而对于这两种集装箱的选择，均有运输方式的限制，尤其是对于铁路集装箱，还有使用时间的限制，对于此部分的集装箱选择限制和使用时间限制的约束。
Figure BDA0003970220910000153
Figure BDA0003970220910000154
Figure BDA0003970220910000155
(5)总运输时间限制约束
在货主进行货物托运的时候，一般会有一个期望的运输时间要求，而企业则应该在该时间范围内，完成集装箱货物承运业务，因此该时间约束是一个很重要的强约束，将会对路径选择产生重要的影响，相关约束如下：
Figure BDA0003970220910000156
(6)决策变量约束
路段的运输方式选择变量
Figure BDA0003970220910000157
中间节点的运输方式转换变量Yi kl以及集装箱的选择变量Zr为三个0-1决策变量相关约束如下：
Figure BDA0003970220910000158
Figure BDA0003970220910000159
Figure BDA0003970220910000161
S24：求解多目标模型，根据Messac学者提出来的标准化法向约束法(NNCM)求解帕累托解。根据Messac的描述，该方法分为七个步骤：
步骤S241：定位点
首先建立三个单目标问题：P1、P2和P3。P1的目标是使总运输成本最小化，模型由目标函数1和约束条件4至16组成。P2的目标是最小化总运输时间模型由目标函数2和约束条件4至16组成。P3的目标是使集装箱的总使用成本最小化，模型由目标函数3和约束条件4至16组成。独立求解问题P1、P2和P3，得到这三个问题的最优解。设μ1*＝[x1*,y1*]、μ2*＝[x2*,y2*]、μ3*＝[x3*,y3*]分别代表问题P1、P2和问题P3的最优解。
步骤S242：目标规范化
为了获得所需的映射参数，定义两个点：鞍点μN和最低点μu其计算公式如下：
Figure BDA0003970220910000162
Figure BDA0003970220910000163
μu＝[μi(x1*),μ(x2*),μ(x3*)]T (19)
矩阵L的计算如下：
Figure BDA0003970220910000164
最后，得到向量Z的标准化形式如下公式所示：
Figure BDA0003970220910000165
步骤S243：鞍点线的矢量化计算
用
Figure BDA0003970220910000166
作为矢量，对于k∈{1,2}，
Figure BDA0003970220910000167
到
Figure BDA0003970220910000168
的方向:
Figure BDA0003970220910000169
步骤S244：规范化增量定义
帕累托是一个解集，如果沿着鞍点线
Figure BDA00039702209100001610
方向的标准化增量δk包括mk个帕累托解，则标准化增量δk定义如下所示：
Figure BDA0003970220910000171
其中，
Figure BDA0003970220910000172
步骤S245：鞍点线生成
在超平面上均匀分布的鞍点可以通过以下公式得到：
Figure BDA0003970220910000173
其中，
Figure BDA0003970220910000174
Figure BDA0003970220910000175
Figure BDA0003970220910000176
Figure BDA0003970220910000177
这些点的生成如附图1，2所示，由总运输成本、总时间成本和集装箱总运输成本这三个目标函数生成的均匀分布的鞍点图，鞍点图与鞍点线图有良好的相关性。
步骤S246:帕累托点生成
依据步骤5在乌托邦超平面上得到点集
Figure BDA0003970220910000178
对应于帕累托解。求解公式如下所示：
Figure BDA0003970220910000179
xli＜xi＜xui, 1<i<3 (31)
Figure BDA00039702209100001710
Figure BDA00039702209100001711
步骤S247：帕累托解对应的目标函数识别出帕累托点后，将解点代入目标函数方程，得到模型的相应目标函数值。
采用的具体案例如附图3所示：网络起终点是四川省攀枝花市、江苏省南京市。运输方式包括铁路、公路、水运。
利用长江航运通道，攀枝花钒铁矿石可经成都、武汉等重要铁路枢纽和港口运往南京、上海。在这个多式联运运输网络中，共有铁路、水路和公路三种运输方式，这三种运输方式的平均速度参考如下表1所示：
表1敏感程度表
Figure BDA0003970220910000181
在我国，铁路运输由交通运输部统一管理，铁路运输方式的单位运输成本可从铁道部门货运信息网络平台获取，登录官方网站(http://www.95306.cn/)并注明货物种类、起止地点后，网站上就会显示两铁路站点间集装箱货物的单位运输成本，而公路、水路单位运输成本则可以从实时动态更新的货运网站http://www.jctrans.com/上获取。
三种运输方式的单位运输成本和运输距离如下表2所示：
表2运输路段上不同运输方式的单位运输成本和运输距离
Figure BDA0003970220910000182
Figure BDA0003970220910000191
使用的转运成本和转运时间如下表3所示：
表3 多式联运网络中间节点的单位转运成本和转运时间
Figure BDA0003970220910000192
不同运输方式下的集装箱使用时间限制如下表4所示：
表4 不同运输方式下的集装箱使用时间限制
Figure BDA0003970220910000193
案例结果：考虑到水路运输的时间长度，将本案例中的总运输时间限制为120 小时。我们得到了一组包含6个解的帕累托解集，如下表5所示：
表5 案例的帕累托解集
Figure BDA0003970220910000194
从表5的解集中可以看到，在总运输时间较短的情况下，企业更愿意选择使用自有集装箱。运输限制时间越短，可供选择的运输方式和运输路径就越少。当总运输时间限制低于某个时间长度时，企业不得不选择所有的公路进行运输，产生巨大的集装箱使用成本。随着运输时间的放宽，货运公司有了更多可选的运输方式和运输路径。在这种情况下，选择铁路或者水运运输方式，货运公司便可以使用铁路集装箱和船公司的集装箱。
最后，企业越倾向于使用自有的集装箱，总运输成本越高。其中运输成本最高的运输方案是选择网络节点1-2-6-8进行全公路运输，此种情况下，货运公司便不能使用铁路集装箱和船公司集装箱，随着企业选择铁路和水运运输方式，运输成本逐渐降低，同时也为选择此类集装箱提供了具体可行的解决方案。
S3：方案评价。本实例分别采用G1法、计算熵权法、组合赋权法来分析多式联运方案的时效性。
根据效率评价指标体系所建立的层析结构图，利用0.1-0.9标度法进行赋值，构建样本特征均值X并对数值进行归一化处理。
Figure BDA0003970220910000201
其中，本案例选取的运输评价指标为负向指标。评价指标敏感程度表如下表6所示：
表6敏感程度表
Figure BDA0003970220910000202
1.G1法
1)确定序关系
将4个评价指标组成评价指标集，根据评价指标在不同的运输情景中的相对重要程度确定序关系。
2)指标重要程度赋值，如表7所示：
表7指标赋值表
Figure BDA0003970220910000203
3)主观权重的确定
本实例多式联运运输效率指标重要程度排序为：xc1＞xc2＞xc3数值r2＝1.4，r3＝1.2。此时经计算主观权重Wj1＝(0.423,0.312,0.256)。
2.熵权-模糊层次分析法
本实例利用熵权法平衡参与多式联运客户的差异性需求，使模糊层次分析法所得权重更为客观，详细计算步骤如下文所示。
1)计算j指标下第i对象指标值所占的比重pij以及j指标的熵值
Figure BDA0003970220910000217
Figure BDA0003970220910000211
2)引入差异系数dj，dj＝1-ej，计算权重μi
Figure BDA0003970220910000212
3)构建FAHP模糊一致矩阵
Figure BDA0003970220910000213
4)FAHP层次单排序，确定各层次中因素权重ωi
Figure BDA0003970220910000214
Figure BDA0003970220910000215
5)E-FAHP组合权重ωE
Figure BDA0003970220910000216
计算熵权法的权重W熵＝(0.237，0.256，0.56)；
计算FAHP法权重为ωi＝(0.462，0.214，0.1566)；
此时E-FAHP权重Wj2＝(0.445,0.322,0.233)。
3.组合赋权法
本实例采用组合赋权法求解建立的组合权重模型。根据客户需求偏好度的不同，为每个评价指标赋予不同的权重，其中客户偏好程度高的赋予最大的权重，偏好程度小的赋予最小的权重。组合赋权法综合考虑影响因素，同时降低主观因素影响，评价结果更真实的反映系统信息。
wj＝αwj1+βwj2 (42)
其中wj表示组合权重，wj1表示G1法权重，wj2表示E-FAHP权重，α，β分别表示各自权重待定系数。本实例中取值各为0.5。
最优组合权重W＝(0.434，0.317，0.249)，对评价指标进行归一化处理后，综合考虑影响因素，降低主观因素影响，评价结果更真实的反映系统信息，分析得出时效性偏好程度高的多式联运方案，如表8所示：
表8多式联运优势路径
Figure BDA0003970220910000221
综合考虑时效性与转换次数的客户需求时，且时效性作为重点考虑的客户需求偏好。方案1-2-7-8，运输方式为公路-公路-水运的方案最优。若单一考虑时效性的话，方案1-2-6-8，运输方式为公路-公路-公路的运输时间最少。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (6)

1.全链条铁水联运方案系统及评价方法，其特征在于：在考虑客户需求偏好条件下，建立铁水联运方案模型并进行方案评价，具体步骤如下：
S1：客户需求偏好识别：分析客户需求偏好产生的因素和客户需求偏好的类别，结合客户对服务质量的调研的数据分析，获得客户对于不同需求偏好的评价和重要程度排序；
S2：生成多式联运方案模型：生成铁水联运方案模型包括四个部分：
S21：模型建立，选择网络搭建模式搭建多式联运运输网络，定义模型中的变量和决策变量；
S22：建立模型目标函数，包括经济成本、时间成本和集装箱使用成本目标函数；
S23：建立模型约束条件，包括多式联运网络节点流量平衡约束、多式联运网络中间节点逻辑约束、运输场景假设约束、集装箱选择约束、总运输时间限制约束、决策变量约束；
S24：求解多目标模型，根据Messac学者提出来的标准化法向约束法求解帕累托解；
S3：方案评价：多式联运方案的评价指标包括经济性、时效性、便捷性以及安全性，根据客户的需求偏好构建评价指标体系，为每个评价指标赋予不同的权重，分别采用G1法、熵权-模糊层次分析法、组合赋权法分析得出具体偏好程度高的多式联运方案。
2.根据权利要求1所述的全链条铁水联运方案系统及评价方法，其特征在于：步骤S21所述的网络搭建模式是指采用点线式网络搭建模式，用G＝(N，A，R，M)表示多式联运运输网络，其中N为多式联运网络节点集合，A为多式联运网络路径集合，M为多式联运运输模式集合，R为集装箱集合。
3.根据权利要求2所述的全链条铁水联运方案系统及评价方法，其特征在于：步骤S22所述建立的模型目标函数如下：
1)经济成本目标
Figure FDA0003970220900000011
2)时间成本目标
Figure FDA0003970220900000021
3)集装箱使用成本目标
Figure FDA0003970220900000022
其中，
Q：网络中运输货物的集装箱总量，单位为TEU；
h，i，j：多式联运运输网络中的节点；
k，l：多式联运运输网络中的运输方式；
Figure FDA0003970220900000023
运输模式m在路径(i，j)上的单位运输成本，单位为元/TEU；
Figure FDA0003970220900000024
运输模式m在路径(i，j)上的运输距离；
Figure FDA0003970220900000025
运输模式m在路径(i，j)上的运输速度；
Figure FDA0003970220900000026
在运输节点i由运输模式k转为运输模式l的单位转运成本；
Ti kl：在运输节点i由运输模式k转为运输模式l的单位转运时间；
Tr m：集装箱r在运输模式m下的使用时间限制；
Cr：集装箱r的单位使用成本；
T：货物总运输时间限制；
Figure FDA0003970220900000027
0-1决策变量，如果货物使用运输模式m在路径(i，j)上运输，则
Figure FDA0003970220900000028
取值为1，否则取值为0；
Yi kl：0-1决策变量，如果货物在运输节点i由运输模式k转为运输模式l，则Yi kl取值为1，否则取值为0；
Zr：0-1决策变量，如果选用集装箱r，则Zr取值为1，否则取值为0。
4.根据权利要求3所述的全链条铁水联运方案系统及评价方法，其特征在于：步骤S23所述的建立模型约束条件为：
1)多式联运网络节点流量平衡约束，
涉及的多式联运网络节点共包含三类：
第一类是中间节点，对于任意该类中间节点，从与该节点相连接的所有路段上运抵集装箱货物的总量等于从该节点转运去各个相连接的所有路段上集装箱货物总量，即网络中间节点具有流量平衡特性；
第二类是网络中唯一固定的货物起运点，整个多式联运网络中运输的集装箱货物均从该起点发出，通过各个路段运往终点，因此，到达该起运点的所有集装箱货物为0，与通过该点运往终点的集装箱货物总量之和的差值为负；
第三类是网络中唯一固定的货物运抵终点，集装箱货物运抵该点后，运输任务结束，则到达该终点的所有集装箱货物量与通过该点运出的集装箱货物总量之和的差值为正1，该约束如下公式(4)所示：
Figure FDA0003970220900000031
2)多式联运网络中间节点逻辑约束，
多式联运网络中的中间节点具有转运功能，对于任意中间节点来说，转运过程遵循流量守恒规律，即通过同一种运输方式运抵该节点的集装箱货物总量与在此中间节点从该种运输方式转换为别的运输方式继续运输的集装箱货物总量之和相等；
Figure FDA0003970220900000032
Figure FDA0003970220900000033
3)运输场景假设约束，
在多式联运网络中的任意一个中间节点上，均可以发生运输方式的转换，在网络的中间节点上，运输方式的转换最多发生一次，而在运输起点和运输终点，则没有运输方式转换的发生且由于集装箱货物的不可分割性，在一个固定的路段上，只能选择一种运输方式，相应的约束如下公式(7)、公式(8)和公式(9)所示：
Figure FDA0003970220900000034
Figure FDA0003970220900000035
Figure FDA0003970220900000036
4)集装箱选择约束，
在整个多式联运网络运输过程中，仅限使用一种集装箱，该约束条件如下公式(10)、公式(11)、公式(12)所示，同时，为了解决集装箱短缺问题，企业需要面临或租借铁路集装箱、或使用船公司集装箱，而对于这两种集装箱的选择，均有运输方式的限制，尤其是对于铁路集装箱，还有使用时间的限制，对于此部分的集装箱选择限制和使用时间限制的约束，
Figure FDA0003970220900000041
Figure FDA0003970220900000042
Figure FDA0003970220900000043
5)总运输时间限制约束，
在货主进行货物托运的时候，一般会有一个期望的运输时间要求，而企业则应该在该时间范围内，完成集装箱货物承运业务，因此该时间约束是一个很重要的强约束，将会对路径选择产生重要的影响，相关约束如下公式(13)：
Figure FDA0003970220900000044
6)决策变量约束，
路段的运输方式选择变量
Figure FDA0003970220900000045
中间节点的运输方式转换变量Yi kl以及集装箱的选择变量Zr为三个0-1决策变量相关约束如下公式(14)、公式(15)、公式(16)：
Figure FDA0003970220900000046
Figure FDA0003970220900000047
Figure FDA0003970220900000048
5.根据权利要求1所述的全链条铁水联运方案系统及评价方法，其特征在于：步骤S24所述的根据Messac学者提出来的标准化法向约束法求解帕累托解，包括以下步骤：
步骤S241：定位点；
步骤S242：目标规范化；
步骤S243：鞍点线的矢量化计算；
步骤S244：规范化增量定义；
步骤S245:鞍点线生成；
步骤S246：帕累托点生成；
步骤S247:帕累托解对应的目标函数识别出帕累托点后，将解点代入目标函数方程，得到模型的相应目标函数值。
6.根据权利要求1所述的全链条铁水联运方案系统及评价方法，其特征在于：步骤S3所述的采用组合赋权法求解建立的组合权重模型按照公式(42)求解建立：
wj＝αwj1+βwj2 (42)
其中wj表示组合权重，wj1表示G1法权重，wj2表示E-FAHP权重，α、β分别表示各自权重待定系数。
CN202211524173.4A 2022-11-29 2022-11-29 全链条铁水联运方案系统及评价方法 Pending CN116187889A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211524173.4A CN116187889A (zh) 2022-11-29 2022-11-29 全链条铁水联运方案系统及评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211524173.4A CN116187889A (zh) 2022-11-29 2022-11-29 全链条铁水联运方案系统及评价方法

Publications (1)

Publication Number Publication Date
CN116187889A true CN116187889A (zh) 2023-05-30

Family

ID=86431494

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211524173.4A Pending CN116187889A (zh) 2022-11-29 2022-11-29 全链条铁水联运方案系统及评价方法

Country Status (1)

Country Link
CN (1) CN116187889A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117313916A (zh) * 2023-08-14 2023-12-29 深圳大学 考虑需求不确定性和散改集的多式联运网络及优化方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117313916A (zh) * 2023-08-14 2023-12-29 深圳大学 考虑需求不确定性和散改集的多式联运网络及优化方法

Similar Documents

Publication Publication Date Title
Taniguchi et al. Modelling city logistics using recent innovative technologies
Schiffer et al. Designing sustainable mid-haul logistics networks with intra-route multi-resource facilities
Schönberger Operational freight carrier planning: basic concepts, optimization models and advanced memetic algorithms
Vaziri et al. Development and optimization of a horizontal carrier collaboration vehicle routing model with multi-commodity request allocation
Koohathongsumrit et al. Route selection in multimodal supply chains: A fuzzy risk assessment model-BWM-MARCOS framework
Gan et al. A novel intensive distribution logistics network design and profit allocation problem considering sharing economy
Zhao et al. A Two‐Stage Chance Constrained Approach with Application to Stochastic Intermodal Service Network Design Problems
Zhang et al. Dynamic vehicle routing with random requests: A literature review
Sun et al. Research on improved genetic algorithm in path optimization of aviation logistics distribution center
Lai et al. Cost allocation for less-than-truckload collaboration via shipper consortium
CN116187889A (zh) 全链条铁水联运方案系统及评价方法
Mardanya et al. Solving the multi-modal transportation problem via the rough interval approach
Sokolova et al. Development of conceptual provisions to effectively manage the activities of a multimodal transport operator
Drozhzhyn et al. THE MODEL OF CONTAINER FEEDER LINE ORGANIZATION FOCUSED ON THE NATURE AND PARAMETERS OF EXTERNAL CONTAINER FLOWS.
Cai et al. Optimization on the multi-period empty container repositioning problem in regional port cluster based upon inventory control strategies
CN112257946B (zh) 一种突发紧急状态下装备运输多目标优化模型
Cai et al. Data-Driven Empty Container Repositioning for Large Scale Railway Network With Fuzzy Demands
CN114693004B (zh) 物流优化方法和装置
Chen et al. Dynamic container drayage booking and routing decision support approach for E-commerce platforms
Lin et al. Yield management by reconstruction of cargo contribution for container shipping
Li et al. Robust optimization of the hub location problem for fresh agricultural products with uncertain demand
Huang et al. Last-mile delivery optimization considering the demand of market distribution methods: A case studies using Adaptive Large Neighborhood Search algorithm
Yin et al. Examining the reasons for the low market share of road passenger transport based express using structural equation modeling
Huang A two-stage stochastic model for intermodal transportation operational planning problem under capacity shortage
Ma et al. Multi-objective vehicle delivery path optimization model based on improved constrained evolutionary control operator

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