中歐集裝箱多式聯(lián)運(yùn)路徑選擇優(yōu)化研究

萬(wàn)杰　魏爽　耿麗

摘要 在中歐集裝箱多式聯(lián)運(yùn)現(xiàn)狀研究的基礎(chǔ)上，采用模糊等級(jí)評(píng)價(jià)法對(duì)港口城市和中歐班列城市的物流服務(wù)質(zhì)量進(jìn)行評(píng)價(jià)，綜合考慮多式聯(lián)運(yùn)物流網(wǎng)絡(luò)中物流成本以及物流服務(wù)質(zhì)量，建立了多式聯(lián)運(yùn)路徑優(yōu)化數(shù)學(xué)模型，設(shè)計(jì)了求解多目標(biāo)的遺傳算法，為中國(guó)運(yùn)輸至歐洲的多式聯(lián)運(yùn)路徑選擇提供參考。

關(guān) 鍵 詞 綜合交通運(yùn)輸;路徑選擇優(yōu)化;遺傳算法;中歐集裝箱運(yùn)輸;多式聯(lián)運(yùn)

中圖分類(lèi)號(hào) U15? ? ?文獻(xiàn)標(biāo)志碼 A

Research on the optimization of logistics routing in China-EU container intermodal transport

WAN Jie， WEI Shuang， GENG Li

（School of Economics and Management， Hebei University of Technology， Tianjin 300401， China）

Abstract Based on the current status of China-EU container multimodal transport， this paper uses fuzzy evaluation method to evaluate the logistics service quality of port cities and Central European cities， and considers the logistics costs and logistics service quality of multimodal transport logistics network. The mathematical model of intermodal route optimization was designed and a multi-objective genetic algorithm was designed to provide a reference for the multimodal transport selection from China to Europe.

Key words integrated transportation; path selection optimization; genetic algorithm; China-EU container transport; multimodal transport

過(guò)去的一個(gè)多世紀(jì)以來(lái)，由于海運(yùn)技術(shù)的不斷發(fā)展及其運(yùn)輸成本的優(yōu)勢(shì)，中歐貿(mào)易集裝箱運(yùn)輸主要是通過(guò)海上通道來(lái)完成，隨著“一帶一路”的提出，在國(guó)內(nèi)各地政府對(duì)開(kāi)行中歐班列的大力推進(jìn)下，中歐班列貨物分擔(dān)率在不斷提高。目前關(guān)于中歐集裝箱運(yùn)輸?shù)难芯恐饕獮橹袣W班列集裝箱運(yùn)輸公司選擇的研究[1]、中歐班列開(kāi)行方案的研究[2]、中歐航線集裝箱運(yùn)價(jià)的研究[3]以及中歐集裝箱多式聯(lián)運(yùn)的研究。對(duì)于多式聯(lián)運(yùn)物流路徑選擇的研究主要集中在不同的因素而模型構(gòu)建和算法優(yōu)化。多式聯(lián)運(yùn)物流路徑選擇受運(yùn)輸費(fèi)用、運(yùn)輸時(shí)間、服務(wù)質(zhì)量、運(yùn)輸風(fēng)險(xiǎn)、技術(shù)水平、環(huán)境因素以及行程利用率等因素的影響[4]，例如Cho等[5]選取成本和時(shí)間為目標(biāo)，應(yīng)用從釜山到鹿特丹的實(shí)際運(yùn)輸路線來(lái)驗(yàn)證標(biāo)簽算法;Seo等[6]選取運(yùn)輸費(fèi)用、運(yùn)輸時(shí)間以及信心指數(shù)研究重慶到荷蘭鹿特丹的筆記本電腦出口多式聯(lián)運(yùn)路線選擇問(wèn)題;付新平等[7]選取運(yùn)輸時(shí)間和運(yùn)輸費(fèi)用，研究從武漢到歐洲的國(guó)際集裝箱多式聯(lián)運(yùn)線路問(wèn)題;李玉民等[8]選取運(yùn)輸時(shí)間、運(yùn)輸費(fèi)用和碳排放，構(gòu)建中多式聯(lián)運(yùn)路徑優(yōu)化的多目標(biāo)優(yōu)化模型。目前對(duì)于物流服務(wù)質(zhì)量的概念界定和構(gòu)成要素還沒(méi)有統(tǒng)一的見(jiàn)解，最廣泛使用的是以時(shí)間、地點(diǎn)、效率、倉(cāng)儲(chǔ)為基礎(chǔ)的物流服務(wù)質(zhì)量。如Limbourg 等[9]設(shè)計(jì)了SERVQ UAL量表，將物流服務(wù)質(zhì)量劃分為4個(gè)維度，用越南峴港市的200家物流客戶進(jìn)行實(shí)證研究;鄭茜[10]將運(yùn)輸時(shí)效性作為物流服務(wù)質(zhì)量指標(biāo)，構(gòu)建多式聯(lián)運(yùn)優(yōu)化模型。對(duì)于多式聯(lián)運(yùn)路徑選擇優(yōu)化研究的求解算法多為啟發(fā)式算法，其中包括蟻群算法[11]、遺傳算法[12-13]、模擬退火算法[14]和聲搜索算法[15]等。

前期對(duì)于該問(wèn)題的研究多集中在多式聯(lián)運(yùn)運(yùn)輸費(fèi)用方面，對(duì)于多式聯(lián)運(yùn)物流服務(wù)質(zhì)量的研究較少，同時(shí)考慮到前期的研究多集中在國(guó)內(nèi)領(lǐng)域，缺少基于現(xiàn)狀的國(guó)際多式聯(lián)運(yùn)研究。綜上所述，本文從中歐集裝箱運(yùn)輸現(xiàn)狀出發(fā)，分析了中歐班列開(kāi)設(shè)城市節(jié)點(diǎn)以及主要港口城市物流服務(wù)質(zhì)量影響因素，構(gòu)建指標(biāo)體系;抽象出物流網(wǎng)絡(luò)模型，建立了綜合考慮運(yùn)輸費(fèi)用和物流服務(wù)質(zhì)量的多目標(biāo)優(yōu)化模型，并設(shè)計(jì)求解該模型的遺傳算法，能夠較好的為中歐集裝箱多式聯(lián)運(yùn)路徑優(yōu)化提供方案。

1 數(shù)學(xué)模型構(gòu)建

1.1 問(wèn)題描述

假設(shè)貨物需要從出發(fā)點(diǎn)O運(yùn)送至目的地D，途中可選擇n個(gè)城市節(jié)點(diǎn)中的若干個(gè)作為中轉(zhuǎn)，構(gòu)建從出發(fā)點(diǎn)到目的點(diǎn)的完整路徑。貨物可由中歐班列開(kāi)設(shè)城市節(jié)點(diǎn)B通過(guò)阿拉山口（霍爾果斯）、二連浩特或者滿洲里（綏芬河）出境到達(dá)目的地;還可以由沿海港口城市C運(yùn)輸至國(guó)外港口D再到達(dá)目的地，任意相連的兩個(gè)節(jié)點(diǎn)之間有公路、鐵路和水運(yùn)3種運(yùn)輸方式可供選擇。除起點(diǎn)和終點(diǎn)外每個(gè)節(jié)點(diǎn)都可實(shí)現(xiàn)貨物在不同運(yùn)輸方式之間的相互轉(zhuǎn)載，客戶對(duì)貨物的運(yùn)輸時(shí)間有合理的區(qū)間要求。本文選取運(yùn)輸費(fèi)用以及物流服務(wù)為主要因素來(lái)選擇整個(gè)運(yùn)輸過(guò)程中所途經(jīng)的節(jié)點(diǎn)及節(jié)點(diǎn)間最佳的運(yùn)輸方式和運(yùn)輸路徑組合。多式聯(lián)運(yùn)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

1.2 路徑選擇需考慮的因素

1）運(yùn)輸費(fèi)用：中歐集裝箱多式聯(lián)運(yùn)運(yùn)輸成本即在運(yùn)輸過(guò)程中所產(chǎn)生的費(fèi)用成本函數(shù)，主要包括節(jié)點(diǎn)與節(jié)點(diǎn)之間的運(yùn)輸成本，節(jié)點(diǎn)上的換裝成本，以及貨物因沒(méi)有準(zhǔn)時(shí)到達(dá)而產(chǎn)生的懲罰成本。

2）物流服務(wù)質(zhì)量：中歐集裝箱多式聯(lián)運(yùn)選擇不同的運(yùn)輸路線會(huì)導(dǎo)致不同的服務(wù)質(zhì)量。各城市節(jié)點(diǎn)依據(jù)自身資源（如基礎(chǔ)設(shè)施建設(shè)、經(jīng)濟(jì)條件和運(yùn)輸組織資源等）與各種能力（如安全性、可靠性以及便利性等）為貨物提供物流服務(wù)，對(duì)于不同的城市節(jié)點(diǎn)來(lái)說(shuō)，自身資源和能力越好，所提供的物流服務(wù)質(zhì)量越好。因此，綜合港口城市和開(kāi)設(shè)中歐班列的城市狀況與特點(diǎn)，選取基礎(chǔ)設(shè)施建設(shè)水平、經(jīng)濟(jì)發(fā)展水平以及多式聯(lián)運(yùn)物流服務(wù)水平來(lái)對(duì)城市節(jié)點(diǎn)進(jìn)行分析。影響因素與指標(biāo)如圖2所示。采用模糊等級(jí)評(píng)價(jià)法[16]對(duì)各指標(biāo)進(jìn)行比較，根據(jù)不同指標(biāo)的數(shù)字特征對(duì)建立評(píng)價(jià)準(zhǔn)則集合{好，一般，差}，其對(duì)應(yīng)的分值為{0.9，0.6，0.3}。

1.3 假設(shè)條件

1）貨物的轉(zhuǎn)載只能發(fā)生在城市節(jié)點(diǎn)，且在城市節(jié)點(diǎn)只能轉(zhuǎn)載一次;

2）貨物在運(yùn)輸途中不能分割;

3）貨物在城市節(jié)點(diǎn)之間只能選擇一種運(yùn)輸方式;

4）運(yùn)輸成本與運(yùn)輸距離和所選路線的單位運(yùn)輸成本成正比。

1.4 符號(hào)說(shuō)明與模型建立

決策變量：[xmij]為0或1變量，當(dāng)節(jié)點(diǎn)ij之間使用運(yùn)輸方式m時(shí)為1，否則為0;[ymli]為0或1變量，當(dāng)在節(jié)點(diǎn)i由運(yùn)輸方式m轉(zhuǎn)為l時(shí)為1，否則為0;[xi]為0或1變量，當(dāng)貨物通過(guò)城市節(jié)點(diǎn)i時(shí)為1否則為0。其他符號(hào)說(shuō)明見(jiàn)表1。

多目標(biāo)多式聯(lián)運(yùn)問(wèn)題的混合整數(shù)規(guī)劃模型如下

目標(biāo)函數(shù)（1）式為最小化物流成本，包括運(yùn)輸成本、換裝成本以及懲罰成本;目標(biāo)函數(shù)（2）為最大化物流服務(wù)質(zhì)量;約束條件（3）表示城市i、j之間只能選擇一種運(yùn)輸方式;約束條件（4）表示城市節(jié)在節(jié)點(diǎn)i處只能轉(zhuǎn)運(yùn)一次;約束條件（5）表示該路徑為一條完整路徑;約束條件（6）表示懲罰函數(shù);約束條件（7）表示決策變量取值為0或者1。

2 求解多式聯(lián)運(yùn)問(wèn)題的遺傳算法設(shè)計(jì)

2.1 遺傳算法

本文使用遺傳算法進(jìn)行求解。遺傳算法是一種模擬自然界物種進(jìn)化的過(guò)程、使用優(yōu)勝劣汰的原則的啟發(fā)式算法，遺傳算法具有全局搜索能力，搜索過(guò)程簡(jiǎn)單易理解的特點(diǎn)。遺傳算法流程如圖3所示。

2.2 求解步驟

1）目標(biāo)函數(shù)分析：因本文兩個(gè)目標(biāo)函數(shù)之間存在相互約束的關(guān)系，理想解為成本的最小值和物流服務(wù)質(zhì)量的最大值。所以應(yīng)將多目標(biāo)轉(zhuǎn)化為單目標(biāo)優(yōu)化

[minZ=mini=1nθiZi]， （8）

式中：[θi]為目標(biāo)函數(shù)[Zi]所對(duì)應(yīng)的權(quán)重，且[i=1nθi=1]，對(duì)應(yīng)每組權(quán)重系數(shù)會(huì)有一個(gè)的pareto解。

2）編碼：對(duì)節(jié)點(diǎn)城市和運(yùn)輸方式進(jìn)行采用二進(jìn)制編碼，具體編碼方式見(jiàn)圖4。每一條染色體被分為兩個(gè)部分：在城市節(jié)點(diǎn)部分，0、1變量表示是否通過(guò)該城市節(jié)點(diǎn)，在運(yùn)輸方式部分，0、1、2、3表示鐵路、公路、水路和航運(yùn)四種運(yùn)輸方式。

3）適應(yīng)度值評(píng)價(jià)：由于目標(biāo)函數(shù)單位不一致，需要通過(guò)統(tǒng)一量綱規(guī)范化各目標(biāo)函數(shù)

[Z′i=Zi-min（Zi）max（Zi）-min（Zi）]， （9）

式中：[Zi]（ i = 1，2，…，m）表示目標(biāo)函數(shù);[Zi，max]表示目標(biāo)函數(shù)的最大值;[Zi，min]表示目標(biāo)函數(shù)的最小值。則適應(yīng)度函數(shù)為

[fit（i）=1θ1Z′1+θ2Z′2+…+θiZ′i]。 （10）

4）選擇：為了能將更好的信息傳遞給下一代同時(shí)保證種群的多樣性，本文使用輪盤(pán)賭選擇法進(jìn)行操作。

5）交叉：為了防止當(dāng)前群體的最優(yōu)個(gè)體在下一代發(fā)生丟失，導(dǎo)致遺傳算法不能收斂到全局最優(yōu)解，本文采用單點(diǎn)交叉方式。選擇的父輩個(gè)體通過(guò)交換部分信息，從而產(chǎn)生新的運(yùn)輸方案。

6）變異：本文中采用單點(diǎn)變異方法。在隨機(jī)選取的個(gè)體中上按一定的概率改變基因，從而會(huì)產(chǎn)生新的運(yùn)輸路線。

7）算法終止：算法迭代到最大代數(shù)時(shí)終止。

3 算例分析

目前，已經(jīng)開(kāi)通的中歐班列運(yùn)行線路分別是從阿拉山口（霍爾果斯）出境的西通道、二連浩特出境的中通道以及滿洲里（綏芬河）出境的東通道。根據(jù)《中國(guó)口岸統(tǒng)計(jì)年鑒2017》整理鐵路口岸運(yùn)行情況來(lái)看，滿洲里、二連浩特、綏芬河及阿拉山口（霍爾果斯）為鐵路運(yùn)輸?shù)?大鐵路口岸，分別占到全國(guó)的32.4%、22.6%、20.7%、15.2%。因此，本算例選取滿洲里、二連浩特、綏芬河及阿拉山口（霍爾果斯）為內(nèi)陸口岸節(jié)點(diǎn)。選取天津、上海、大連、青島、深圳、廣州、廈門(mén)、寧波以及連云港9個(gè)沿海港口（中歐集裝箱運(yùn)輸主要港口），共涉及23個(gè)城市節(jié)點(diǎn)，考慮到中國(guó)連續(xù)兩年成為德國(guó)第一大貿(mào)易伙伴，雙邊貿(mào)易額高達(dá)1866億美元，中國(guó)是德國(guó)第3大出口目的國(guó)和第1大進(jìn)口來(lái)源國(guó)。并且中德貿(mào)易占中歐 （盟） 貿(mào)易量超過(guò) 30%，所以本文選取柏林為運(yùn)輸終點(diǎn)，海運(yùn)運(yùn)輸口岸為鹿特丹港，由鹿特丹運(yùn)往柏林選取鐵路運(yùn)輸。

本算例中3種運(yùn)輸方式所需的數(shù)據(jù)及其來(lái)源如表2所示。運(yùn)輸方式之間的轉(zhuǎn)換時(shí)間以及轉(zhuǎn)換費(fèi)用參照天津港口的收費(fèi)標(biāo)準(zhǔn)，數(shù)據(jù)詳見(jiàn)表3。中歐班列的在場(chǎng)平均箱等待時(shí)間由其一周之內(nèi)開(kāi)通的班列次數(shù)推算得出，港口樞紐城市節(jié)點(diǎn)的在場(chǎng)平均箱停留時(shí)間根據(jù)《中國(guó)港口年鑒2017》整理出;采用模糊等級(jí)評(píng)價(jià)法對(duì)16個(gè)城市節(jié)點(diǎn)進(jìn)行綜合比較，權(quán)重依據(jù)相關(guān)論文確定為0.2、0.2和0.6。計(jì)算出16個(gè)節(jié)點(diǎn)物流服務(wù)質(zhì)量如表4所示。

采用MATLAB對(duì)本文進(jìn)行數(shù)學(xué)模型進(jìn)行求解，遺傳算法最大迭代次數(shù)設(shè)置為1 000次，交叉概率為0.8，變異概率為0.01。遺傳算法迭代如圖5所示，加權(quán)目標(biāo)函數(shù)值為31 302.83，遺傳算法迭代20次取得最優(yōu)解。輸出路線為西安→鄭州（鐵路）→深圳（鐵路）→鹿特丹（水路）→柏林（鐵路）。

4 總結(jié)

本文從中歐集裝箱運(yùn)輸現(xiàn)狀出發(fā)，分析了中歐班列開(kāi)設(shè)城市節(jié)點(diǎn)以及主要港口城市物流服務(wù)質(zhì)量影響因素，構(gòu)建指標(biāo)體系;抽象出物流網(wǎng)絡(luò)模型，建立了綜合考慮運(yùn)輸費(fèi)用和物流服務(wù)質(zhì)量的多目標(biāo)優(yōu)化模型，模型理論清晰，考慮了現(xiàn)實(shí)情況，符合實(shí)際。采用遺傳算法進(jìn)行求解，以“西安—柏林”集裝箱運(yùn)輸進(jìn)行算例分析，結(jié)果表明，該模型和算法能夠有效地為中歐集裝箱多式聯(lián)運(yùn)路徑選擇提供方案和路線參考。

今后可以增加更多的城市節(jié)點(diǎn)進(jìn)行深入研究，對(duì)運(yùn)算結(jié)果進(jìn)行分析，討論當(dāng)前物流網(wǎng)絡(luò)結(jié)構(gòu)是否合理;還可以對(duì)算法進(jìn)一步研究，提出解決多式聯(lián)運(yùn)問(wèn)題的新算法。

參考文獻(xiàn)：

[1]? ? 劉宗清. “一帶一路”下中歐班列鐵路運(yùn)輸公司選擇研究[D]. 北京：北京交通大學(xué)，2017.

[2]? ? 韓雪. 中歐班列開(kāi)行方案研究[D]. 北京：北京交通大學(xué)，2017.

[3]? ? 余國(guó)英. 中歐貿(mào)易航線集裝箱班輪運(yùn)價(jià)研究[D]. 青島：中國(guó)海洋大學(xué)，2011.

[4]? ? 伍轉(zhuǎn)青. 物流企業(yè)多式聯(lián)運(yùn)運(yùn)輸線路選擇研究[J]. 鐵路采購(gòu)與物流，2011，6（2）： 52-54.

[5]? ? CHO J H，KIM H S，CHOI H R. An intermodal transport network planning algorithm using dynamic programming：A case study：from Busan to Rotterdam in intermodal freight routing[J]. Applied Intelligence，2012，36（3）： 529-541.

[6]? ? SEO Y J，CHEN F，ROH S Y. Multimodal transportation：the case of laptop from Chongqing in China to rotterdam in Europe[J]. The Asian Journal of Shipping and Logistics，2017，33（3）： 155-165.

[7]? ? 付新平，何瑜莎，鄒敏，等. 國(guó)際集裝箱多式聯(lián)運(yùn)線路選擇研究[J]. 鐵道運(yùn)輸與經(jīng)濟(jì)，2017，39（12）：12-17

[8]? ? 李玉民，郭曉燕，楊露，等. 考慮多目標(biāo)的中歐集裝箱多式聯(lián)運(yùn)路徑選擇[J]. 鐵道科學(xué)與工程學(xué)報(bào)，2017，14（10）：2239-2248.

[9]? ? LIMBOURG S，GIANG H T Q. Cools M. Logistics service quality：the case of Da Nang city [J]. Procedia Engineering，2016，142：124-130.

[10]? 鄭茜. 低碳約束下多式聯(lián)運(yùn)路徑優(yōu)化問(wèn)題研究[D]. 杭州：浙江工商大學(xué)，2017.

[11]? 劉維林. 基于動(dòng)態(tài)蟻群算法的集裝箱國(guó)際多式聯(lián)運(yùn)路徑優(yōu)化研究[J]. 北京交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2012（3）：57-62.

[12]? 何狄江. 遺傳算法在多式聯(lián)運(yùn)路徑優(yōu)化的應(yīng)用[D]. 杭州：杭州電子科技大學(xué)，2017.

[13]? 張潤(rùn)杰. 基于改進(jìn)遺傳算法的多式聯(lián)運(yùn)路徑優(yōu)化研究[J]. 物流工程與管理，2014，36（5）：95-96，88.

[14]? 郭丹丹. 基于模擬退火混合遺傳算法的多式聯(lián)運(yùn)優(yōu)化問(wèn)題的研究[D]. 大連：大連海事大學(xué)，2012.

[15]? 賴(lài)志柱. 和聲搜索算法優(yōu)化多時(shí)間窗多式聯(lián)運(yùn)運(yùn)輸方案[J]. 計(jì)算機(jī)應(yīng)用，2013，33（9）：2640-2642，2693.

[16]? 付新平，張雪，鄒敏，等. 基于價(jià)值量模型的中歐班列經(jīng)濟(jì)性比較分析[J]. 鐵道運(yùn)輸與經(jīng)濟(jì)，2016，38（11）：1-5.

[責(zé)任編輯 田 豐]