基于物流云平臺的多式聯運派單模型及求解策略

趙春雷， 孟亞斌， 柳建波， 熊萬紅， 喬 朋

（1.中國鐵路太原局集團有限公司，山西 太原 030013；2.中國鐵路太原局集團有限公司 太原高鐵工務段，山西 太原 030013）

在供給側結構性改革的大背景下，傳統物流運作和發展模式將逐步退出歷史舞臺，智慧物流將作為現代物流發展的重要驅動力量。憑借大數據和云平臺的強大計算能力，實現物流云對資源的調度、整合，統籌規劃運輸流程，為物流服務的參與者提供物流信息系統和相應的算法服務是智慧物流最為核心的需求［1］。隨著我國躍居世界第一大物流市場和“一帶一路”建設的提出［2］，多式聯運這種將多種不同的運輸方式銜接在一起，為長、遠距離貨物運輸提供服務的優勢愈加明顯。面對多式聯運主體缺失和全程組織能力效率不高的缺陷［3］，“互聯網＋多式聯運”“大數據”等信息決策支持技術下的物流云平臺，具有對車、貨、倉等資源“精準計劃、智能調度”的統籌優化作用［4］。而高效、便捷、安全的鐵路貨運和物流配送體系日益成為決定國家制造業競爭力的重要因素之一。鐵路是我國國民經濟的大動脈，也是現代物流主要通道。鐵路路網覆蓋各大中型城市及核心經濟區，有效聯通公路、水運等運輸環節，在推進物流業降本增效方面具有突出優勢，其骨干作用與地位明顯。因此云平臺多式聯運派單模型的本質是以鐵路運輸為核心，系統性地將智能化的派單過程與上游的多式聯運貨物的集中進行整體考量，使在同一派件車輛路徑下的貨物在上游物流節點集貨時進行統一調度，減少運輸中在多個物流節點的集散過程，從而降低貨物中轉的時間成本和提升貨物的整體組織效率。

國內外許多專家學者研究多式聯運優化模型和求解策略。張建勇等［5］根據市場上提供的運輸產品的特性，以成本最小化為原則，提出多式聯運系統網絡的最優分配模型，并以定量的角度分析了該模型下最優組織模式，且該模型有較強的應用性。Sitek等［6］將生產、運輸、配送和環保的成本作為優化標準，將時間、數量、運能和運輸方式作為考慮因素，提出了混合整數線性規劃多層次的成本優化模型來解決多級供應商貨物供應鏈的多式聯運問題。Wang［7］等分析了各運輸方式的特征，建立虛擬交通網絡，推導各種運輸方式的組合優化模型及算法來避免信息化水平較低對多式聯運組織效率的負面影響。van Nes［8］在其著作中詳細介紹了多式聯運的網絡設計過程的多層網絡設計方法，側重于運輸網絡在分層結構中的組織方式，并分析出導致運輸網絡分層的機制原理。王濤等［9］基于多式聯運系統基本模型進一步建立了虛擬運輸網絡，得出了多種運輸方式下的最優組合優化模型。魏航等［10］在多式聯運系統網絡中加入了對不同運輸方式間轉運過程的變量，指出多式聯運轉運環節存有時變網絡，在該前提下給出了多式聯運系統網絡改變后的模型和求解時變條件下多式聯運路徑最短的算法。魏眾等［11］將時間窗和成本考慮在內，依靠多式聯運系統網絡提出一種適用于多節點、長距離多式聯運問題的最短時間模型。張運河等［12］在Reddy［13］提出的成本最小化的多式聯運模型基礎上，通過在多式聯運網絡圖中增加虛擬發、到站，將問題轉化為了最短路問題，提出了最佳運輸線路的廣義最短路徑法。康凱等［14］集成多式聯運中的運輸方式和運輸路徑，給出了粒子群-蟻群雙層優化算法求解方案，解決多節點、多方式、多路徑的組合優化問題。也有學者結合多式聯運的實際情景對物流環節進行了優化。Sch?nharting等［15］從地理環境角度出發，結合萊茵魯爾區域鐵路、公路、河運三種運輸方式的聯運來構建城市內部的最短轉運線路。李孟良等［16］在多種情景的災后物資多式聯運調配中優化了多式聯運系統網絡的魯棒性。雷凱等［17］就多式聯運網絡和風險傳播網絡進行分析，構建了多式聯運風險傳播動力學模型，描述了多式聯運復雜網絡風險的規律性。綜上所述，目前的研究從多式聯運實際運作視角進行分析的較為分散，本研究將派單制與多式聯運并行考量。

1 云平臺多式聯運派單策略總體思路、流程及原則

1.1 總體思路

云平臺多式聯運派單主要解決“多對多”（多類貨物形成多種運輸方案）的貨物集配運問題。首先通過分析海量客戶訂單，依據貨物品類、運到時限、干線運力支撐等關鍵因素和一定規則并通過人工智能技術形成云平臺訂單，按承運不同階段分配給各個承運商，在滿足系統在線自動派單的同時，實現派單效果的“四化”。通過云平臺派單將各承運方有效串聯、協調，將不同運輸方式的功能優勢充分發揮，實現多式聯運運輸效益的“最優化”。通過結合不同運輸方式的特點，對不同運輸主體進行組織協調，實現不同運輸方式管理的“一體化”。通過大數據技術實現對物流量、運能水平進行監控和預測，有效減輕運輸資源供應鏈由于缺乏對需求的整體把控所帶來的牛鞭效應，減少貨物滯留和缺貨。將積累數據匯總由數據庫結構化處理后交由計算機作為有監督機器學習算法數據的基礎來源進行人工智能分析，對可能發生的多式聯運派單情景進行無監督下機器學習，學習、模擬所有派單情景，利用多式聯運派單算法模型求解應對不同運單、環境變化下的決策應對方案，逐步取代人工派單，實現云平臺派單功能“智能化”。隨著多式聯運派單模式下的數據量的不斷擴充，人工智能對資源的調控和派單的決策所生成的方案將愈加合適和準確。通過大幅降低貨物的運輸成本，并將成果最終回饋于客戶，最終實現客戶利益的“最大化”。總體思路流程，見圖1。

1.2 多式聯運派單問題剖析

多式聯運是一種以實現貨物整體運輸的最優化效益為目標的聯運組織形式，多式聯運的核心是派單的合理性，即派單結果決定了多式聯運運輸方式的經濟性與有效性。本研究將對多式聯運派單問題從理論與實踐的角度展開深入剖析，主要從問題描述層、問題求解層、平臺派單層和實際操作層這4個層面展開分析。

（1）問題描述層

本研究的多式聯運問題描述如下：存在若干客戶，每位客戶的訂單信息包括貨物基本信息（包括貨物類型、重量體積、包裝等）和對運輸時間的要求，以及對運輸費用的要求；存在由路徑信息和渠道運力構成的多式聯運網絡圖；需要計算機利用云平臺大數據從復雜的多式聯運網絡中搜索滿足客戶需求下的貨物“多對多”的最優化運輸方案，見圖2。

圖1 云平臺派單總體思路流程圖

圖2 多式聯運網絡剖析圖

（2）問題求解層

“多對多”多式聯運優化問題可以分解為3個階段的問題：集貨問題、干線運輸問題和終端貨物配送問題，其中集貨過程和終端貨物配送過程可以歸納為有時間窗的多車輛多車型VRP問題，干線運輸問題可以歸納為多式聯運路徑優化問題。這里采用逆向求解策略，首先求解終端貨物配送問題，“多對多”多式聯運優化問題的時間窗一般以天為單位，即以某天為貨物最晚到達時間，分類出符合時間窗約束的客戶訂單，針對這一批客戶訂單生成終端貨物配送路線；其次，以貨物最晚到達終端配送起始點的時間作為多式聯運路徑最晚到達的時間，生成多式聯運路徑，從而推出多式聯運路徑起始點的時間；最后，以多式聯運路徑起始點的時間作為集貨完成的最晚時間，生成集貨方案，同時也就生成了分批訂單。整個過程通過逆推的策略求解“多對多”多式聯運優化問題，從而得到最優派單方案，見圖3。

圖3 問題求解逆推計算過程

（3）平臺派單層

通過逆推法得到多式聯運派單方案后，平臺按照最優方案，先將客戶訂單通過云平臺預處理生成平臺訂單，然后將平臺訂單分派給方案中各段的承運商即可，見圖4。

（4）實際操作層

在實際操作中，首先將客戶訂單通過平臺生成的貨物集貨方案運輸到干線運輸的起點；其次，各承運商根據平臺生成的干線運輸方案執行；最后，貨物到達干線運輸的終點后，公路承運商按照平臺生成的貨物配送方案完成終端配送，見圖5。

圖4 云平臺多式聯運派單流程圖

圖5 訂單貨物集散方案

綜上，從問題描述層、問題求解層、平臺派單層和實際操作層4個層面剖析多式聯運派單問題，從現實問題描述，到理論分析，再到實際操作，4個層面環環相扣。其中，車輛排程屬于問題描述層的子問題；路徑優化屬于問題求解層；貨物派單屬于平臺派單層。即本研究目的是要解決云平臺訂單處理、車輛排程等實際問題，通過提煉核心問題并將問題模型化，即將問題歸類到車輛路徑優化問題，然后根據車輛路徑優化的求解結果進行貨物派單。

1.3 云平臺多式聯運派單原則

多式聯運派單是在滿足客戶運到時限和保證貨物品質的前提下，通過合理的運輸工具匹配、路徑規劃、貨物運輸組織，將貨物以最低成本運抵目的地，在具體實施的過程中，應遵守7個原則。

（1）干線運力有效支撐控制。干線運輸的總成本和總時間是決定整個多式聯運的總成本、時間的核心要素，也是多式聯運派單生成的首要保證。

（2）派單制度統一制定。多式聯運各環節不是各承運商業務上的松散配合，而是流程、信息等方面緊密聯合，由于多式聯運各承運主體隸屬部門、規則不盡相同，要保證多式聯運各環節高效順暢，必須以多式聯運經營人身份制定統一的規章、制度，并督促各方嚴格遵守。

（3）單體運力派出最少。為減少由于貨物中轉導致的費用、貨損、時間增加等，在同樣能滿足運輸時限和費用的條件下，優先采取較少的運力主體參與多式聯運。

（4）派單方案快速調整。每種多式聯運方案本身固定，但在具體的執行過程中應根據情況適時動態調整，比如某單貨物的總體多式聯運派單模式為“公路集貨＋鐵路干線＋公路配送”，但派單執行中由于鐵路線路整修、事故等導致鐵路承運無法實現時，及時調整為“公路集貨＋公路干線＋公路配送”模式，確保貨物能夠按時送達。

（5）保持適當裝車容量空余。每次運力配載過程中，考慮到不規則物體的實際裝載程度，應在貨車理論裝載量的基礎上維持一定空余（如80%），后期隨著裝載數據的增加，逐漸調整空余度的大小。

（6）智能派單與人工調度配合。在運用派單算法的具體執行過程中，尤其是程序開發初期，需結合人工調度共同進行派單。后期隨著平臺數據量的增加和對運營規律的逐漸明晰，逐步減少人工干預，通過大數據、人工智能手段實現多式聯運的智能化派單。

（7）先送客戶后裝車、后送客戶先裝車。汽車配送過程實際是汽車集貨的逆過程，根據不同客戶派送的先后順序，先送客戶后裝車，后送客戶先裝車，減少汽車資源消耗，合理分配運能。

2 云平臺多式聯運派單策略

按照上述多式聯運派單總體思路、總體流程和原則，結合云平臺自身功能，對云平臺的多式聯運派單策略按逆推求解思路進行分層設計。

2.1 貨物分類處理

按照貨物的特性，可分為特殊類貨物的多式聯運（危險品、生鮮、液體等）、普通大宗類貨物的多式聯運、普通零散類貨物的多式聯運，本文主要針對普通零散貨物的多式聯運開展研究。

2.2 終端配送方案的生成

終端配送是汽運配送的過程，汽運配送需要考慮的因素和維度（8方面32項指標），見表1。

終端配送問題可以歸結成為考慮客戶時間窗的多車輛多車型車輛路徑優化問題。問題描述如下：設參與配送的車輛的類型總數量是M，類型m的車輛數目Km（m＝1，2，…，M），所有車輛數量總和為K，類型m的最大載重量為Qm（m＝1，2，…，M），類型m的最大容積為Vm（m＝1，2，…，M）。設配送中心編號為0，設客戶數量為N，客戶i的需求重量為qi（i＝1，2，…，N），且qi≤max（Q1，Q2，…，QM），客戶i的需求的體積量為Vi（i＝1，2，…，N），且vi≤max（V1，V2，…，VM）。dij表示客戶i與客戶j之間的距離，單位距離運費為c。

表1 汽運配送各因素指標及維度

式中：0≤α≤1為根據經驗得到的裝車空間利用率。

問題的求解目標是在滿足以下約束的情況下，找到最小總成本的車輛分配與行車路線，其數學模型為

式（1）為目標函數，即車輛運輸成本；式（2）、式（3）為任一客戶都只能被一輛車服務，有且只有一次；式（4）為回到配送中心的車輛和從配送中心出發的車輛數量相等，但并非所有的車輛都必須參與配送，參與配送的車輛總數小于或等于K；式（5）要求所有車輛配送過程中都不能超過額定載重；式（6）要求所有車輛配送過程中都不能超過車輛容積（考慮裝車空間利用率）。

求解此0-1整數規劃模型，一般采用啟發式算法，如常見的禁忌搜索算法、遺傳算法、神經網絡算法、模擬退火算法、蟻群算法、粒子群算法等。每種算法都有其本身的使用范圍和特點，具體可根據計算條件決定采用哪類方案。

終端配送路徑生成后，用逆推法可以得到貨物到達終端配送起點的最晚時間，即終端配送全部在滿足客戶時間窗要求的前提下完成任務時的開始時間。將此時間做為干線運輸的最晚到達終點時間，計算干線運輸方案。

2.3 干線運輸方案的生成

干線運輸即多式聯運優化方案生成，需考慮的因素和維度見表2（5方面17項指標）。

表2 干線運輸因素指標及維度

干線運輸的多式聯運問題描述如下：設P表示運輸節點的集合，i代表運輸網絡中的某個節點，i∈P；J表示運輸方式的集合，k，l代表若干種運輸方式中的一種，k，l∈J表示從節點i到節點i＋1的運輸方式為表示在節點i處運輸方式由k轉換成表示從節點i到節點i＋1通過k運輸所需時間表示在節點i處由k轉換成l的轉換時間表示從節點i到節點i＋1通過k方式運輸所需單位費用表示在節點i處運輸方式由k轉換成l的中轉費用（包括中轉貨物的倉儲、裝卸、短駁等所有銜接環節成本）；di，i＋1表示節點i到節點i＋1的運輸距離；T表示從始發地到目的地允許的時間期限表示從節點i到節點i＋1選擇k方式時其運力閾值；q表示貨物的運量總和。模型的目標函數以整個運輸過程中的運輸成本最小為優化目標，其中運輸成本包括運輸費用和中轉費用，構建的模型目標函數為

其中：式（8）為一條路徑只能選擇可選運輸方式中的某一種；式（9）為在節點進行運輸方式轉換時，只能從一種方式轉換為另一種方式；式（10）為路徑與節點的連接是連續的；式（11）為運輸方案總時間不能超限；式（12）為在特定路徑的特定運輸方式下，貨物運量不能超過其運輸能力，主要考慮運輸貨物的重量、體積等能夠與干線可供運力有效配載；式（13）說明兩個決策變量的取值非0即1。

此模型也屬于0-1整數規劃模型，用上述啟發式算法求解即可。干線運輸方案生成后，采用逆推法可以得到干線運輸最晚開始的時間，將此時間作為汽運集貨過程最晚完成的時間。

2.4 汽運集貨方案的生成

汽運集貨方案屬于有時間窗的多車輛多車型VRP問題，同終端配送過程的生成方案。根據汽運集貨過程最晚完成時間，可以將客戶訂單進行分批處理，從而生成平臺訂單。綜上，按照逆推法，先求解終端配送方案，然后是多式聯運干線運輸方案，最后是汽運集貨方案，根據汽運貨方案完成的時間節點，將客戶訂單預處理生成平臺訂單，針對平臺訂單生成最終的多式聯運派單方案。

3 算例分析

本文以中鼎物流云平臺的數據為算例，若干客戶要求將各自的貨物從太原市運往浙江省寧波市，客戶信息包括貨物的具體信息以及貨物要求送達的最晚時間。根據第2節的云平臺多式聯運派單策略，第一步，根據貨物要求送達的最晚時間將客戶信息分批處理；第二步，將這批貨物生成終端配送方案，以此確定這批貨物最晚到達終端配送起始點的時間，這樣，“多對多”多式聯運優化問題轉化成了“點到點”的多式聯運優化問題；第三步，生成多式聯運方案。這里詳細闡述多式聯運方案的生成，其中，多式聯運網絡圖見圖6，圖中數字表示節點編號，其中公、鐵、水分別表示公路、鐵路、水路運輸，各節點信息、節點之間的不同運輸方式下的時間、距離和成本見表3。

圖6 多式聯運網絡結構圖

表3 運輸網絡信息

從圖6可以看出，從起點到終點一共有8種可行的運輸方案，這8種運輸方案及各方案的成本見表4。

表4 可行方案列表

從表4可以看出，方案1的費用最小，即公鐵水聯運的方式可以在滿足時間窗的約束下大大降低運輸成本，長距離運輸中采用公鐵水聯運的方式具有極大的價格優勢，公鐵水聯運費用是全程公路運輸的1／3，約是全程鐵路運輸的2／3。海運在長距離運輸中價格方面可以作為鐵路運輸的有機補充。僅從單位運價上看，海運成本是鐵路運輸成本的1／4，是公路運輸成本的1／8，采取帶有海運的多式聯運可以在內陸城市進行遠距離運輸時加以考慮。

以上完成了派單策略的第三步。第四步，根據第三步的結果，推算出多式聯運起始點開始的時間，即完成集貨過程的最晚時間，根據此時間生成集貨方案即可。通過逆推策略生成整個派單方案，然后根據派單方案按照1.2節的平臺派單層和實際操作層內容執行即可。

4 結束語

通過將“多對多”多式聯運優化問題從貨物集貨、干線運輸和貨物終端配送的視角，分解成三個階段的兩大類車輛路徑優化問題，多車輛多車型的車輛路徑優化問題和多式聯運路徑優化問題，以最小化運輸成本為優化目標，采用正向分析問題、逆向求解問題的策略生成相應的派單方案。以中鼎物流云平臺的數據為例分析驗證模型及求解策略的可行性，可以看出公鐵水聯運方式能夠在很大程度上降低長距離運輸的成本，能夠充分體現多式聯運將不同運輸方式有效銜接、優勢互補的特點。考慮鐵路班期限制以及由于不同運輸方式之間銜接引起的轉運時間、轉運損耗等問題是多式聯運優化進一步研究的方向。

［1］何黎明.中國智慧物流發展趨勢［J］.中國流通經濟，2017，31（6）：3-7.

HE Liming.The Development Trend of China’s Smart Logistics［J］.China Business and Market，2017，31（6）：3-7.

［2］戴鈺桀，保魯昆，孫延浩.“一帶一路”下國際多式聯運SWOT分析［J］.鐵道運輸與經濟，2017，39（4）：58-63.

DAI Yujie，BAO Lukun，SUN Yanhao.SWOT Analysis on International Inter-model Transportation under“The Belt and Road”［J］.Railway Transport and Economy，2017，39（4）：58-63.

［3］丁金學，樊一江.“十三五”我國多式聯運發展的主要考慮［J］.交通企業管理，2017，32（4）：1-4.

DING Jinxue，FAN Yijiang.Consideration on the Development of Multimodal Transport in China During the“Thirteenth Five-year Plan Period”［J］.Transportation Enterprise Management，2017，32（4）：1-4.

［4］佚名.百度開放云和太原鐵路局正式簽約共建智慧物流云平臺［J］.中國物流與采購，2016（14）：18.

［5］張建勇，郭耀煌.一種多式聯運網絡的最優分配模式研究［J］.鐵道學報，2002，24（4）：114-116.

ZH ANG Jianyong，GUO Yaohuang，A Multimode Transportation Network Assignment Model［J］.Journal of the China Railway Society，2002，24（4）：114-116.

［6］SITEK P，WIKAREK J.Cost Optimization of Supply Chain with Multimodal Transport［C］／／2012 Federated Conference on Computer Science and Information Systems.Wroclaw Poland：IEEE，2012：1111-1118.

［7］WANG T，WANG G.A Combined Optimization Model for Transportation Modes of Multimodal Transport［J］.Engineering Science，2005，7（10）：46-50.

［8］VAN NES，ROB.Design of Multimodal Transport Networks：a Hierarchical Approach［D］.Delft：Delft University，2002.

［9］王濤，王剛.一種多式聯運網絡運輸方式的組合優化模式［J］.中國工程科學，2005，7（10）：46-50.

WANG Tao，WANG Gang.A Combined Optimization Model for Transportation Modes of Multimodal Transport［J］.Engineering Science，2005，7（10）：46-50.

［10］魏航，李軍，劉凝子.一種求解時變網絡下多式聯運最短路的算法［J］.中國管理科學，2006，14（4）：56-63.

WEI Hang，LI Jun，LIU Ningzi.An Algorithm for Shortest Path with Multi-Modal in Time-Varying Network［J］.Chinese Journal of Management Science，2006，14（4）：56-63.

［11］魏眾，申金升，黃愛玲，等.多式聯運的最短時間路徑-運輸費用模型研究［J］.中國工程科學，2006，8（8）：61-64.

WEI Zhong，SHEN Jinsheng，HUANG Ailing，et al.Research on Model of the Shortest Time Path and Transport Cost in Multimodal Transportation［J］.Engineering Science，2006，8（8）：61-64.

［12］張運河，林柏梁，梁棟，等.優化多式聯運問題的一種廣義最短路方法研究［J］.鐵道學報，2006，28（4）：22-26.

ZHANG Yunhe，LIN Boliang，LIANG Dong，et al.Research on a Generalized Shortest Path Method of Optimizing Intermodal Transportation Problems［J］.Journal of the China Railway Society，2006，28（4）：22-26.

［13］REDDY V R，KASILINGAM R G.Intermodal Transportation Considering Transfer Costs［C］／／Proceedings of the 1995 Global Trends Conference of the Academy of Business Administration，Aruba：1995.

［14］康凱，牛海姣，朱越杰，等.多式聯運中運輸方式與運輸路徑集成優化模型研究［J］.計算機應用研究，2010，27（5）：1672-1675.

KANG Kai，NIU Haijiao，ZHU Yuejie，et al.Research of Improved Integrated Optimization Model for Mode and Route in Multimodal Transportation［J］.Application Research of Computers，2010，27（5）：1672-1675.

［15］SCH?NHARTING J，SCH MIDT A，FRANK A，et al.Towards the Multimodal Transport of People and Freight：Interconnective Networks in the Rhein Ruhr Metropolis［J］.Journal of Transport Geography，2003，11（3）：193-203.

［16］李孟良，王喜富，孫全欣，等.基于魯棒優化的應急物資多式聯運調配策略研究［J］.鐵道學報，2017，39（7）：1-9.LI Mengliang，WANG Xifu，SUN Quanxin，et al.Research on Allocation Strategies of Multimodal Transportation for Emergency Resources Based on Robust Optimization［J］.Journal of the China Railway Society，2017，39（7）：1-9.

［17］雷凱，朱曉寧，侯鍵菲.多式聯運網絡風險傳播建模與仿真［J］.交通運輸系統工程與信息，2016，16（3）：21-27.

LEI Kai，ZHU Xiaoning，HOU Jianfei.Modeling and Simulation of Risk Communication in Multimodal Transportation Networks［J］.Journal of Transportation Systems Engineering and Information Technology，2016，16（3）：21-27.

［18］靳志宏，樸惠淑，楊華龍.集裝箱多式聯運系統裝卸與運輸一體化優化問題［J］.系統工程，2005，23（11）：1-6.

JIN Zhihong，PIAO Huishu，YANG Hualong.Optimization of Co-ordinated Container Loading and Transportation in the Multimodal Transportation System［J］.System Engineering，2005，23（11）：1-6.

［19］MARUFUZZAMAN M，EKSIOGLU S D.Designing a Reliable and Dynamic Multimodal Transportation Network for Biofuel Supply Chains［J］.Transportation Science，2017，51（2）：494-517.