蓉歐+境內(nèi)集裝箱集疏運系統(tǒng)優(yōu)化及仿真

劉露露，湯銀英，陳 思

蓉歐+境內(nèi)集裝箱集疏運系統(tǒng)優(yōu)化及仿真

劉露露，湯銀英，陳 思

（1. 西南交通大學，交通運輸與物流學院，成都 611756；2. 綜合交通運輸智能化國家地方聯(lián)合工程實驗室，成都 611756）

在蓉歐+發(fā)展戰(zhàn)略下，本文針對中歐班列（成都）發(fā)展現(xiàn)狀和當前集疏運系統(tǒng)存在的問題，以集疏運成本最小為目標函數(shù)，以貨物的運輸時限等作為約束條件構(gòu)建模型，通過基于優(yōu)先級的分段式編碼的遺傳算法對模型求解，并在不同運輸時限下進行仿真實驗。結(jié)果表明：對于距離成都國際鐵路港較近的昆明、貴陽、重慶和距中轉(zhuǎn)地較遠的南寧，應高度重視鐵路集疏運的方式；對于距離中轉(zhuǎn)地較近的廈門、寧波、日照，應注重與武漢、上海等中轉(zhuǎn)地之間的合作，通過多式聯(lián)運降低成本；對于距離中轉(zhuǎn)地居中的廣州、天津，不僅要注重鐵路集疏運方式的發(fā)展，同時應注重與武漢、上海等中轉(zhuǎn)地之間的合作。

蓉歐+；運輸時限；遺傳算法；仿真

0 引 言

在蓉歐+戰(zhàn)略背景下，中歐班列（成都）在境內(nèi)形成了以成都國際鐵路港為依托，腹地范圍由四川周邊地區(qū)擴大到全國地區(qū)的集疏運系統(tǒng)，通過該集疏運系統(tǒng)，可為中歐班列（成都）集散貨物。中歐班列（成都）運價約為海運的2.6倍左右，時間上則僅是海運的40%，但由于成都國際鐵路港處于內(nèi)陸，兩端集疏運成本偏高，因此如何在保持運輸時效優(yōu)勢的前提下降低集疏運成本是當前值得探討的一個問題。

國內(nèi)外對于集疏運的研究主要集中于以下幾方面：第一，對于集疏運系統(tǒng)的研究，主要研究集疏運系統(tǒng)的主體、組成及主要構(gòu)成環(huán)節(jié)[1-4]。第二，針對港口碼頭的集疏運研究，有的人從計算機操作系統(tǒng)和虛擬結(jié)構(gòu)以及Agent角度提出集裝箱碼頭物流系統(tǒng)的優(yōu)化建議[5, 6]，有的學者提出應用離散仿真模型來研究碼頭通過能力，研究者借助離散仿真平臺，構(gòu)建各個碼頭物流環(huán)節(jié)的仿真模塊，研究碼頭通過能力[7, 8]。還有的學者從低碳經(jīng)濟的角度出發(fā)建立泊位分配模型并利用遺傳算法求解[9]。第三，對于港口與腹地城市的研究，如Chang TS[10]研究了集疏運最優(yōu)路徑的選擇問題；Hao C[11]等以成本最小為目標，構(gòu)建了內(nèi)陸集疏運系統(tǒng)優(yōu)化模型；馮震[12]等以時間成本最小為目標，提出了復雜網(wǎng)絡(luò)目標評價的優(yōu)化函數(shù)，并設(shè)計改進算法進行求解；蔣先穩(wěn)[13]則利用博弈論的知識對港內(nèi)集裝箱碼頭腹地和轉(zhuǎn)運業(yè)務(wù)進行競合研究。

本文將在已有研究基礎(chǔ)上針對中歐班列（成都）發(fā)展現(xiàn)狀以及集疏運系統(tǒng)存在的問題，以集疏運成本最小為目標函數(shù)，針對不同運輸時限要求進行仿真，提出優(yōu)化建議，以期降低集疏運成本。

1 問題描述及模型建立

1.1 集疏運系統(tǒng)描述

集疏運系統(tǒng)包括港口、腹地、集疏運方式、中轉(zhuǎn)地，蓉歐+境內(nèi)集疏運系統(tǒng)和網(wǎng)絡(luò)如圖1和圖2所示，其中“集”指通過鐵路、公路、水運等多種運輸方式將腹地貨物運送至成都國際鐵路港，并最終通過中歐班列（成都）運送至歐洲各地；“疏”指通過中歐班列（成都）運至成都國際鐵路港的貨物從鐵路港發(fā)散至腹地。隨著蓉歐+戰(zhàn)略的實施，國內(nèi)逐步建設(shè)由成都到上海、廣州、武漢、寧波、昆明、廈門、廣州、南寧、青島、天津、日照等沿海沿邊城市的集裝箱快速互聯(lián)互通通道，使得昆明、貴陽、重慶、武漢和廈門、上海、廣州、南寧、天津、日照、寧波沿海沿邊城市成為成都國際鐵路港的腹地[14]，編號為1~11。此外，由于成都國際鐵路港處于我國內(nèi)陸，貨物的集運除了通過陸路運輸外，還可通過瀘州、武漢、上海以水運形式展開，因此將瀘州港、武漢和上海作為中轉(zhuǎn)地，編號為12~14。同時，成都國際鐵路港作為集疏運系統(tǒng)的港口編號為15。

圖1 蓉歐+境內(nèi)集疏運系統(tǒng)

圖 2 蓉歐+境內(nèi)集疏運網(wǎng)絡(luò)

1.2 模型建立

1.2.1 模型假設(shè)

模型假設(shè)如下：

（1）每個腹地在同一時間發(fā)出的貨物為同一批貨物且運輸時限相同。

（2）腹地、中轉(zhuǎn)地，以及目的地之間的運輸距離和運輸費用已知。同時，中轉(zhuǎn)地的換裝時間、費用、容量限制以及各腹地的運輸需求已知。

（3）同一批貨物在集運過程中每個節(jié)點最多經(jīng)過一次。

（4）同一批貨物僅采用一種集運方案，即同一批貨物必須整批運輸。

（5）同一種運輸方式的平均運輸速度恒定不變，不受運輸路徑的影響。

1.2.2 模型符號說明

1.2.3 數(shù)學模型建立

基于蓉歐+境內(nèi)集疏運網(wǎng)絡(luò)，以總成本最低建立如下目標函數(shù)：

基于運輸時限、路徑容量限制、中轉(zhuǎn)地容量限制等要求，建立如下約束條件：

（2）同一批貨物不可分批運輸約束，即只能采用一種運輸方案，在從腹地直接運輸?shù)礁劭诤屯ㄟ^中轉(zhuǎn)站中轉(zhuǎn)中選擇一個：

（4）中轉(zhuǎn)地的流量守恒約束：

（5）運輸時限約束：

（6）腹地、中轉(zhuǎn)地與目的地的定義：

（7）腹地與目的地不發(fā)生中轉(zhuǎn)約束：

（8）中轉(zhuǎn)地容量限制約束：

（9）流量非負約束和路徑的容量限制約束：

（10）0-1約束：

2 算法設(shè)計

由于有非線性約束，若采用Lingo求解則會造成求解結(jié)果為局部最優(yōu)，求解效率降低，因此本文采用遺傳算法進行求解。具體步驟如下：

（1）染色體設(shè)計

染色體設(shè)計主要由兩個部分組成，第一部分為編碼，第二部分為解碼。染色體的編碼，需包括多個腹地集運方案信息，因此采用分段編碼的方法。此外，染色體需包括不同腹地貨物在集運過程中運輸節(jié)點和運輸方式選擇的信息，采用整數(shù)型分階段的編碼方式，其中第一段為運輸節(jié)點選擇信息，第二段為運輸方式選擇信息。以圖3的集疏運網(wǎng)絡(luò)為例，其編碼如圖4所示，不僅包括不同腹地的運輸節(jié)點選擇信息也包括運輸方式選擇信息。

圖3 示例圖

對于染色體的解碼分為兩部分，第一部分為運輸路徑解碼，第二部分為運輸方式解碼。運輸路徑解碼具體如下：

圖4 編碼圖

對于運輸方式的解碼，第一個運輸方式的編碼代表第一段路徑的運輸方式，依次類推。以圖3腹地1的編碼為例，其終點為點5。由圖3知節(jié)點1的關(guān)聯(lián)節(jié)點為3和4，節(jié)點1優(yōu)先級最高的關(guān)聯(lián)節(jié)點為點4，因此該段路徑為1—4，因為4不是節(jié)點1貨物的終點，因此重復步驟二與三，完整的集運方案為1—4—5，相應的運輸方式為1和3，即1—4采用公路運輸、4—5采用水運。

（2）初始種群，運輸節(jié)點和運輸方式采用隨機生成的方式以保證初始種群的多樣性。

（3）適應度函數(shù)，以目標函數(shù)作為其適應度函數(shù)。隨機生成的運輸方案滿足運輸需求約束，但是未考慮運力和運輸時限約束，因此按照運輸路徑和運輸方式的選擇信息，對運輸時間和運量進行計算，對未滿足運輸時限和運力約束的個體，其目標函數(shù)乘系數(shù)2作為罰函數(shù)。

（4）選擇操作，本文將隨機聯(lián)賽策略與最佳保留策略結(jié)合，既保證了種群多樣性，也可以保證最優(yōu)個體被選擇。具體如下：

① 最佳保留策略：將目標函數(shù)最小的個體直接保留進入下一代，不再進行交叉、變異操作，以保證最優(yōu)個體被選擇。

② 隨機聯(lián)賽策略：隨機選取兩個個體，比較其目標函數(shù)，目標函數(shù)較小者被選中，隨后進行交叉、變異等操作。

（5）交叉操作，本文中交叉概率為0.8，路徑階段采用多點交叉的方式，運輸方式采用單點交叉的方式。

（6）變異操作，采用單點變異的方法，在本文中變異概率為0.01。

（7）迭代終止條件檢驗，若達到最大迭代次數(shù)，則算法終止，否則，返回第三步。

3 仿真模型運行及結(jié)果分析

3.1 蓉歐+集疏運系統(tǒng)基本數(shù)據(jù)

為了使腹地與中轉(zhuǎn)地劃分明確，針對武漢與上海增設(shè)虛擬腹地，到其他節(jié)點的距離、時間以及運費與實際腹地相同。本文中集裝箱均為20 ft集裝箱，公路運輸單位集裝箱成本約為4.8元/km，水運則為1元/km[15]，鐵路運輸成本采用中國國家鐵路集團有限公司官網(wǎng)的鐵路貨運基價表進行計算[16]。對于時間的計算，公路運輸為地圖導航時間，鐵路與水運為距離除以平均速度（鐵路、水運平均速度分別為55和35 km/h）；對于容量限制，公路運輸在兩節(jié)點之間沒有限制。同時，各節(jié)點間的編號如圖2所示，具體運輸成本、運輸時間與容量如表1所示，各中轉(zhuǎn)地的容量限制、換裝費用與換裝時間如表2所示。根據(jù)中歐班列（成都）發(fā)展規(guī)劃，對于腹地昆明、貴陽、重慶、武漢、廈門、上海、廣州、南寧、天津、日照、寧波，平均每天的運輸需求約為35、38、40、24、22、24、26、22、26、14、22TEU。

表1 各節(jié)點之間集裝箱運輸成本（元/TEU）/運輸時間（h）/容量（TEU）

續(xù)表1

節(jié)點編號 12131415 1119 033.2/20.624 204.8/9.821 088.64/2.89 508.32/21.52 26 076.06/38.76/403 382.06/27.1/1101 440.88/20.51/1206 754.12/36.02/92 3—1 269.8/36.28/98226.8/6.48/100— 1210/04 983.34/14.138 864.96/19.971 388.16/3.33 20/04 226.75/21.6/886 952.06/38.05/841 269/6.13/100 30/01 540/44/50/862 583/73.8/82—

注：公路運輸容量沒有限制，表格中的數(shù)據(jù)為兩項；“—”表示該節(jié)點沒有水運可以到達。

表2 中轉(zhuǎn)地數(shù)據(jù)

3.2 集疏運仿真分析

本文所有試驗在MATLAB2017進行，在所有實驗中初始種群為180，遺傳代數(shù)為800，交叉概率為0.8，變異概率為0.1。在四川省周邊地區(qū)集運實驗中有昆明、貴陽、重慶、武漢4個腹地，瀘州港一個中轉(zhuǎn)地。在全國地區(qū)集運實驗中，有昆明、貴陽、重慶、武漢、廈門、上海、廣州、南寧、天津、日照、寧波11個腹地，瀘州港、上海和武漢3個中轉(zhuǎn)地。

3.2.1 模型有效性驗證

在只有公路運輸可以達到運輸時限要求的前提下，分別進行腹地范圍為四川省周邊地區(qū)與全國地區(qū)的實驗。其中腹地范圍為四川省周邊地區(qū)的實驗稱為四川省周邊地區(qū)集運實驗1，腹地范圍為全國地區(qū)的實驗稱為全國地區(qū)集運實驗1。

因為只有公路運輸可以達到運輸時限要求，因此其集運方案為通過公路直達到成都國際鐵路港。四川省周邊地區(qū)集運實驗1和全國集運實驗1的實驗結(jié)果如表3、圖5和圖6所示，即通過公路直達到成都國際鐵路港，與預設(shè)的運輸方案相同，因此該模型與算法可行。

表3 模型有效性驗證實驗

圖5 四川省周邊地區(qū)集運實驗1

圖6 全國地區(qū)集運實驗1

3.2.2 數(shù)值實驗

隨著中歐班列（成都）的發(fā)展和腹地范圍的不斷擴大，因此有必要對不同腹地范圍進行實驗。在本節(jié)中針對蓉歐+境內(nèi)集疏運系統(tǒng)，分別進行四川省周邊地區(qū)集運實驗2和全國地區(qū)集運實驗2，除改變運輸時限外，其他參數(shù)選取同四川省周邊地區(qū)集運實驗1和全國集運實驗1，實驗結(jié)果如表4、圖7和圖8所示。

表4 數(shù)值實驗

續(xù)表4

實驗編號腹地運輸時限/h總成本/萬元單位集運成本/（元/TEU·km）運輸方案運輸時間/h 全國集運實驗21150111.760.151—15（鐵路）20.82 21502—15（鐵路）12.09 31503—15（鐵路）5.53 41504—12—15（水運—鐵路）55.87 51505—13—12—15（水運—水運—公路）107.70 61506—12—15（水運—鐵路）85.67 71507—14—12—15（水運—水運—鐵路）116.91 81508—15（鐵路）26.2 91509—14—— 12—15（水運—水運—鐵路）127.65 1015010—13—12—15（水運—水運—公路）95 1115011—13—12—15（水運—水運—公路）93.84

圖8 全國地區(qū)集運實驗2

將四川省周邊地區(qū)集運實驗1與2、全國地區(qū)集運實驗1與2分別進行對比分析，發(fā)現(xiàn)單位集裝箱運輸成本減少39%、62.5%，隨著腹地范圍的不斷擴大，單位集疏運成本減少比例更多。隨著腹地范圍的擴大，對于時限要求不高的貨物，若一味追求時間競爭優(yōu)勢，會成倍增加集疏運系統(tǒng)的成本，凸顯中歐班列（成都）的劣勢。所以對于蓉歐+集疏運系統(tǒng)，有必要對不同運輸時限要求下的貨物進行優(yōu)化和仿真分析。

3.2.3 全國地區(qū)集疏運仿真分析

基于前文的分析，本文在不同的運輸時限要求進行仿真實驗，實驗結(jié)果如表5和圖9所示。由圖9知隨著運輸期限的不斷延長，集運成本逐漸降低，由實驗1到4知集運成本降低的主要原因是由公路運輸轉(zhuǎn)為鐵路運輸，由實驗4到9知集運成本降低的主要原因是通過上海、武漢等地進行中轉(zhuǎn)，具體分析如下：

表5 全國集運實驗數(shù)據(jù)

續(xù)表5

實驗編號節(jié)點編號運輸時限/h集運成本/萬元運輸方案運輸時間/h 5660.62129.916—13—15（水運—鐵路）59.57 7116.167—14—12—15（水運—水運—公路）114.26 853.558—15（鐵路）26.2 9129.259—14—12—15（水運—水運—鐵路）127.65 1059.210—13—15（水運—公路）56.61 1171.5211—13—15（水運—鐵路）65.61 6160.43127.351—15（鐵路）20.82 247.22—15（鐵路）12.09 343.483—15（鐵路）5.53 472.334—12—15（水運—鐵路）55.87 582.165—13—12—15（鐵路—水運—公路）76.12 670.626—13—15（水運—鐵路）59.57 7126.167—14—12—15（水運—水運—鐵路）116.91 863.558—15（鐵路）26.2 9139.259—14—12—15（水運—水運—鐵路）127.65 1069.210—13—15（水運—鐵路）68.77 1181.5211—13—12—15（鐵路—水運—鐵路）76.99 7170.43127.351—15（鐵路）20.82 257.22—15（鐵路）12.09 353.483—15（鐵路）5.53 482.334—12—15（水運—鐵路）55.87 592.165—13—12—15（鐵路—水運—公路）76.12 680.626—13—15（水運—鐵路）59.57 7141.77—14—12—15（水運—水運—鐵路）116.91 873.558—15（鐵路）26.2 9149.29—14—12—15（水運—水運—鐵路）127.65 1079.210—13—15（水運—鐵路）68.77 1191.5211—13—12—15（鐵路—水運—鐵路）76.99 8180.43118.171—15（鐵路）20.82 267.22—15（鐵路）12.09 363.483—15（鐵路）5.53 492.334—12—15（水運—鐵路）55.87 5102.165—13—12—15（鐵路—水運—公路）76.12 690.626—12—15（水運—鐵路）85.67 7151.77—14—12—15（水運—水運—鐵路）116.91 883.558—15（鐵路）26.2 9159.29—14—12—15（水運—水運—鐵路）127.65 1089.210—13—15（水運—鐵路）68.77 11101.5211—13—12—15（水運—水運—鐵路）96.99 9190.43111.761—15（鐵路）20.82 277.22—15（鐵路）12.09 373.483—15（鐵路）5.53 4102.334—12—15（水運—鐵路）55.87 5112.165—13—12—15（水運—水運—公路）107.70 690.626—12—15（水運—鐵路）85.67 7151.77—14—12—15（水運—水運—鐵路）116.91 883.558—15（鐵路）26.2 9159.29—14—12—15（水運—水運—鐵路）127.65 1099.210—13—12—15（水運—水運—公路）95 11101.5211—13—12—15（水運—水運—公路）93.84

（1）對比分析實驗1、2、3、4、5，知對于腹地1、2、3、8，除運輸時限在公路運輸范圍之內(nèi)，即小于20.82、12.09、5.53、26.2時都采用鐵路直達運輸方案。腹地1、2、3的貨物若在瀘州港進行中轉(zhuǎn)最后到達成都國際鐵路港，則中轉(zhuǎn)費用與運輸費用之和大于鐵路直達運輸費用，故采用鐵路直達運輸。對于腹地8，由于其距武漢和上海較遠，即使通過水鐵聯(lián)運到達成都國際鐵路港，但是總的成本仍高于鐵路直達運輸。因此，對于腹地昆明、重慶、貴陽、南寧，當運輸時限大于等于20.82、12.09、5.53、26.2時，都采用鐵路直達的運輸方式。鐵路運輸滿足的運輸時限區(qū)間長度最長，應高度重視鐵路集疏運方式的發(fā)展，降低集疏運成本。

（2）對比分析實驗4、5、6、7、8、9，知對于腹地5、10、11的運輸方案一直在改變，主要原因是其距武漢、上海較近，先通過鐵路、公路或水運到達武漢或者上海，再通過水運到達瀘州港，最后到達成都國際鐵路港的運輸費用小于鐵路運輸?shù)闹边_費用。因此腹地5、10、11到達成都國際鐵路港的鐵路容量只需滿足46.18~71.73、37.85~56.61、20.82~76.99的運輸需求即可，當運輸時限分別大于等于71.73、56.61、76.99時，可采用水鐵聯(lián)運或者公水聯(lián)運到達成都國際鐵路港。因此，對于腹地廈門、日照、寧波，應注意與武漢及瀘州港之間的合作聯(lián)系，充分利用長江內(nèi)河水運系統(tǒng)，走多式聯(lián)運之路降低成本。

（3）對比分析實驗4、5，知對于腹地4與6，分別在實驗4與5時，運輸方案發(fā)生改變，具體的運輸方案為先通過水運到達瀘州港進行中轉(zhuǎn)，最后到達成都國際鐵路港。腹地4、6，運輸時限分別在24~55.87、35.93~47.41時采用鐵路直達運輸，當運輸時限分別大于等于55.87、47.41時采用鐵水聯(lián)運或者公水聯(lián)運的方式到達成都國際鐵路港。故上海與武漢，不僅要注意鐵路集疏運方式，同時要注意與瀘州港的合作，利用鐵水聯(lián)運降低集疏運成本。

（4）對比分析實驗4、5、6，知對于腹地7、9在實驗5時運輸方案發(fā)生改變，具體的運輸方案為先通過水運到達上?；蛭錆h，然后在瀘州港進行中轉(zhuǎn)，最后到達成都國際鐵路港，實際運輸時間為114.26、127.65。此外，對于腹地7、9，貨物的運輸時限分別在27.45~114.2、34.29~127.65時，均沒有采用公路或鐵路先到武漢或上海進行中轉(zhuǎn)的運輸方案，原因是其距中轉(zhuǎn)地距離居中，但若通過鐵路或公路到達武漢或上海的運輸成本已經(jīng)超過鐵路直達的運輸費用。因此，廣州、天津的貨物運輸時限在27.45~114.26、34.29~127.65時，應采用鐵路集疏運方式。此外，當運輸時限分別大于等于114.26、127.65時，通過武漢、上海、瀘州港實現(xiàn)水鐵聯(lián)運，降低成本。故廣州和天津不僅要注重鐵路集疏運方式，同時要注意上海、武漢、瀘州港之間的合作，充分利用鐵水聯(lián)運降低集疏運成本。

綜上所述，對于昆明、貴陽、重慶、南寧，其集運成本的降低主要通過采取鐵路運輸?shù)姆绞?，相比于其他腹地其鐵路運輸滿足運輸時限的區(qū)間最長，應高度重視鐵路集疏運方式。對于上海與武漢，隨著運輸時限的延長，集疏運成本降低的主要原因為通過瀘州港實現(xiàn)鐵水聯(lián)運，故武漢與上海的應注意與瀘州港之間的合作，充分利用長江內(nèi)河水運通道，降低集疏運成本。對于日照、廣州、天津、廈門、寧波，其集疏運成本的降低主要原因在于通過武漢和上海進行中轉(zhuǎn)，應注意與武漢以及上海的聯(lián)系，尤其對于廈門、寧波和日照，對比與其他腹地其鐵路運輸滿足運輸時限的區(qū)間長度較短，應高度重視與武漢、上海之間的合作。此外，由于在上海與武漢進行中轉(zhuǎn)后，要通過瀘州港進行中轉(zhuǎn)，最后到達成都國際鐵路港，因此也應重視與瀘州港之間的合作。

4 結(jié)束語

本文以蓉歐+境內(nèi)集疏運系統(tǒng)為研究對象，在考慮中歐班列（成都）所處的發(fā)展現(xiàn)狀及集疏運系統(tǒng)存在問題的背景下建立數(shù)學模型。在不同運輸時限下進行實驗，對不同類型的腹地分別提出優(yōu)化建議，具體為：對于距離成都國際鐵路港較近的腹地如昆明、重慶、貴陽，或者進行中轉(zhuǎn)運輸費用較高的腹地如南寧，都應高度重視鐵路集疏運的方式，從而降低集疏運成本；對于距離中轉(zhuǎn)地較近、運輸時間短、運輸費用比較低的腹地如廈門、寧波、日照，應注重與武漢、上海等中轉(zhuǎn)地之間的合作，充分利用長江內(nèi)河水運通道，通過多式聯(lián)運降低集疏運成本；對于距離中轉(zhuǎn)地居中的如廣州、天津腹地，不僅要注重鐵路集疏運方式的發(fā)展，而且應注重與武漢、上海等中轉(zhuǎn)地之間的合作，同時利用鐵路與水運降低集疏運成本。本文在中歐班列（成都）發(fā)展的初步階段，以成本最小為目標函數(shù)，在未來的研究中，在本次研究的基礎(chǔ)上，將運輸安全與運輸質(zhì)量等指標在模型中予以體現(xiàn)，提高運輸質(zhì)量。此外，蓉歐+境內(nèi)集疏運系統(tǒng)龐大復雜，具有很多不確定的因素，在今后的研究中，將考慮這些不確定因素的影響，如貨運需求的波動。

[1] DE LANGEN P W, FRANSOO J C, van Rooy B. Business models and network design in hinterland transport[M]. Springer New York, Handbook of Global Logistics, 2013: 367-389.

[2] 臧白鴿. 集裝箱港口內(nèi)陸集疏運網(wǎng)絡(luò)優(yōu)化[D]. 大連：大連海事大學, 2011.

[3] 江建宇. 共享腹地港口群集疏運系統(tǒng)智能體仿真研究[D]. 廣州：華南理工大學, 2014.

[4] 黃芳, 陶杰. 港口物流集疏運系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化分析[J]. 交通運輸工程與信息學報, 2007, (2): 80-83, 114

[5] 李斌. 基于計算物流的集裝箱碼頭集疏運虛擬機體系結(jié)構(gòu)及其仿真分析[J]. 計算機集成制造系統(tǒng), 2018, 24 (1): 245-263.

[6] 李斌, 李文鋒. 基于MAS的集裝箱碼頭物流系統(tǒng)協(xié)同生產(chǎn)調(diào)度體系[J]. 計算機集成制造系統(tǒng), 2011, 16 (11): 2502-2513.

[7] HUANG S Y, HSU W J, CHEN C, et al. Capacity analysis of container terminals using simulation techniques[J]. International Journal of Computer Applications in Technology, 2008, 32 (4): 246-253.

[8] CHU Chin-yuan, HUANG Wen-chin. Determining container terminal capacity on the basis of an adopted yard handling system[J]. Transport Review, 2005, 25 (2): 181- 199.

[9] 許歡, 劉偉, 劉詩. 低碳經(jīng)濟下的港口泊位分配模型及其算法實現(xiàn)[J]. 計算機工程與應用, 2014, 50 (6): 219-225

[10] CHANG T S. Best routes selection in international intermodal networks [J]. Journal of Dalian Maritime University, 2013, 35 (9): 2877-2891.

[11] HAO C, YUE Y. Optimization on combination of transport routes and modes on dynamic programming for a container multimodal transport system [J]. Procedia Engineering, 2016, 137: 382-390.

[12] 馮震, 劉佳, 李靖, 等. 復雜網(wǎng)絡(luò)中最短路徑問題的求解算法研究[J]. 自動化技術(shù)與應用, 2010, 29 (3): 32-35, 43.

[13] 蔣先穩(wěn), 孟燕萍. 港內(nèi)集裝箱碼頭腹地和轉(zhuǎn)運業(yè)務(wù)競合研究[J]. 計算機工程與應用, 2019, 55 (10): 225-232, 263.

[14] 孟良. “蓉歐+”助推成都加速融入亞歐經(jīng)濟新版圖[J]. 大陸橋視野, 2016 (10): 63-65.

[15] 孫昕. 寧波-舟山港集裝箱內(nèi)陸集疏運網(wǎng)絡(luò)優(yōu)化研究[D]. 舟山: 浙江海洋大學, 2016.

[16] 岳鑫, 尹傳忠, 武中凱. 洋山港集裝箱集疏運網(wǎng)絡(luò)優(yōu)化研究[J]. 鐵道運輸與經(jīng)濟, 2019, 41 (2): 11.

Optimization and Simulation of Container Collection and Distribution System of Rongou+ in China

LIU Lu-lu, TANG Yin-ying, CHEN Si

（1. School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 611756, China;2. National United Engineering Laboratory of Integrated and Intelligent Transportation, Chengdu 611756, China）

With the Rongou+ development strategy, a model is established for the current development scenario of China Railway Express (Chengdu) and the problems existing in the current collection and distribution system. The objective function of the model was to have the least collection and distribution cost, and the constraint condition was the transportation time limit on goods. Based on priority piece-wise coding, the genetic algorithm was designed. Furthermore, simulation experiments were performed under different transportation time limits. The results show that: Kunming, Guiyang and Chongqing, which are close to Chengdu international railway port, should be attached great importance in terms of railway collection and distribution. Nanning which is farther away from the transit area, should be attached great importance with regard to development of railway collection and distribution modes. Xiamen, Ningbo and Rizhao, which are close to transfer places, should also be noted in cooperation with Wuhan, Shanghai and other transfer places to reduce costs through multimodal transport. Guangzhou and Tianjin, which are in the middle of the transit area, should begiven great importance not only with regard to development of railway collection and distribution modes, but also with regard to cooperation with Wuhan, Shanghai, and other transit areas.

Rongou+; transportation time limit; genetic algorithm; simulation

U169.6

A

10.3969/j.issn.1672-4747.2020.03.003

1672-4747（2020）03-0019-13

2019-11-10

西南交通大學雙一流學科建設(shè)項目；中國鐵路總公司科技研究開發(fā)計劃重點課題（2018BX15）；教育部人文社會科學研究西部青年基金項目（16XJCZH001）；四川省哲學社會科學重點研究基地四川省農(nóng)村發(fā)展研究中心項目（CR1716）

劉露露（1994—），女，陜西西安人，碩士研究生，研究方向為交通運輸工程，E-mail：990972547@qq. com

陳思（1982—），女，成都人，西南交通大學交通運輸與物流學院講師、博士，研究方向為物流網(wǎng)絡(luò)規(guī)劃與設(shè)計，E-mail：chensi@swjtu. cn

劉露露，湯銀英，陳思. 蓉歐+境內(nèi)集裝箱集疏運系統(tǒng)優(yōu)化及仿真[J]. 交通運輸工程與信息學報，2020，18（3）：19-31

（責任編輯：劉娉婷）