中歐集裝箱多式聯運路徑選擇優化研究

萬杰　魏爽　耿麗

摘要 在中歐集裝箱多式聯運現狀研究的基礎上，采用模糊等級評價法對港口城市和中歐班列城市的物流服務質量進行評價，綜合考慮多式聯運物流網絡中物流成本以及物流服務質量，建立了多式聯運路徑優化數學模型，設計了求解多目標的遺傳算法，為中國運輸至歐洲的多式聯運路徑選擇提供參考。

關 鍵 詞 綜合交通運輸;路徑選擇優化;遺傳算法;中歐集裝箱運輸;多式聯運

中圖分類號 U15? ? ?文獻標志碼 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

過去的一個多世紀以來，由于海運技術的不斷發展及其運輸成本的優勢，中歐貿易集裝箱運輸主要是通過海上通道來完成，隨著“一帶一路”的提出，在國內各地政府對開行中歐班列的大力推進下，中歐班列貨物分擔率在不斷提高。目前關于中歐集裝箱運輸的研究主要為中歐班列集裝箱運輸公司選擇的研究[1]、中歐班列開行方案的研究[2]、中歐航線集裝箱運價的研究[3]以及中歐集裝箱多式聯運的研究。對于多式聯運物流路徑選擇的研究主要集中在不同的因素而模型構建和算法優化。多式聯運物流路徑選擇受運輸費用、運輸時間、服務質量、運輸風險、技術水平、環境因素以及行程利用率等因素的影響[4]，例如Cho等[5]選取成本和時間為目標，應用從釜山到鹿特丹的實際運輸路線來驗證標簽算法;Seo等[6]選取運輸費用、運輸時間以及信心指數研究重慶到荷蘭鹿特丹的筆記本電腦出口多式聯運路線選擇問題;付新平等[7]選取運輸時間和運輸費用，研究從武漢到歐洲的國際集裝箱多式聯運線路問題;李玉民等[8]選取運輸時間、運輸費用和碳排放，構建中多式聯運路徑優化的多目標優化模型。目前對于物流服務質量的概念界定和構成要素還沒有統一的見解，最廣泛使用的是以時間、地點、效率、倉儲為基礎的物流服務質量。如Limbourg 等[9]設計了SERVQ UAL量表，將物流服務質量劃分為4個維度，用越南峴港市的200家物流客戶進行實證研究;鄭茜[10]將運輸時效性作為物流服務質量指標，構建多式聯運優化模型。對于多式聯運路徑選擇優化研究的求解算法多為啟發式算法，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。

前期對于該問題的研究多集中在多式聯運運輸費用方面，對于多式聯運物流服務質量的研究較少，同時考慮到前期的研究多集中在國內領域，缺少基于現狀的國際多式聯運研究。綜上所述，本文從中歐集裝箱運輸現狀出發，分析了中歐班列開設城市節點以及主要港口城市物流服務質量影響因素，構建指標體系;抽象出物流網絡模型，建立了綜合考慮運輸費用和物流服務質量的多目標優化模型，并設計求解該模型的遺傳算法，能夠較好的為中歐集裝箱多式聯運路徑優化提供方案。

1 數學模型構建

1.1 問題描述

假設貨物需要從出發點O運送至目的地D，途中可選擇n個城市節點中的若干個作為中轉，構建從出發點到目的點的完整路徑。貨物可由中歐班列開設城市節點B通過阿拉山口（霍爾果斯）、二連浩特或者滿洲里（綏芬河）出境到達目的地;還可以由沿海港口城市C運輸至國外港口D再到達目的地，任意相連的兩個節點之間有公路、鐵路和水運3種運輸方式可供選擇。除起點和終點外每個節點都可實現貨物在不同運輸方式之間的相互轉載，客戶對貨物的運輸時間有合理的區間要求。本文選取運輸費用以及物流服務為主要因素來選擇整個運輸過程中所途經的節點及節點間最佳的運輸方式和運輸路徑組合。多式聯運網絡結構如圖1所示。

1.2 路徑選擇需考慮的因素

1）運輸費用：中歐集裝箱多式聯運運輸成本即在運輸過程中所產生的費用成本函數，主要包括節點與節點之間的運輸成本，節點上的換裝成本，以及貨物因沒有準時到達而產生的懲罰成本。

2）物流服務質量：中歐集裝箱多式聯運選擇不同的運輸路線會導致不同的服務質量。各城市節點依據自身資源（如基礎設施建設、經濟條件和運輸組織資源等）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，對于不同的城市節點來說，自身資源和能力越好，所提供的物流服務質量越好。因此，綜合港口城市和開設中歐班列的城市狀況與特點，選取基礎設施建設水平、經濟發展水平以及多式聯運物流服務水平來對城市節點進行分析。影響因素與指標如圖2所示。采用模糊等級評價法[16]對各指標進行比較，根據不同指標的數字特征對建立評價準則集合{好，一般，差}，其對應的分值為{0.9，0.6，0.3}。

1.3 假設條件

1）貨物的轉載只能發生在城市節點，且在城市節點只能轉載一次;

2）貨物在運輸途中不能分割;

3）貨物在城市節點之間只能選擇一種運輸方式;

4）運輸成本與運輸距離和所選路線的單位運輸成本成正比。

1.4 符號說明與模型建立

決策變量：[xmij]為0或1變量，當節點ij之間使用運輸方式m時為1，否則為0;[ymli]為0或1變量，當在節點i由運輸方式m轉為l時為1，否則為0;[xi]為0或1變量，當貨物通過城市節點i時為1否則為0。其他符號說明見表1。

多目標多式聯運問題的混合整數規劃模型如下

目標函數（1）式為最小化物流成本，包括運輸成本、換裝成本以及懲罰成本;目標函數（2）為最大化物流服務質量;約束條件（3）表示城市i、j之間只能選擇一種運輸方式;約束條件（4）表示城市節在節點i處只能轉運一次;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;約束條件（7）表示決策變量取值為0或者1。

2 求解多式聯運問題的遺傳算法設計

2.1 遺傳算法

本文使用遺傳算法進行求解。遺傳算法是一種模擬自然界物種進化的過程、使用優勝劣汰的原則的啟發式算法，遺傳算法具有全局搜索能力，搜索過程簡單易理解的特點。遺傳算法流程如圖3所示。

2.2 求解步驟

1）目標函數分析：因本文兩個目標函數之間存在相互約束的關系，理想解為成本的最小值和物流服務質量的最大值。所以應將多目標轉化為單目標優化

[minZ=mini=1nθiZi]， （8）

式中：[θi]為目標函數[Zi]所對應的權重，且[i=1nθi=1]，對應每組權重系數會有一個的pareto解。

2）編碼：對節點城市和運輸方式進行采用二進制編碼，具體編碼方式見圖4。每一條染色體被分為兩個部分：在城市節點部分，0、1變量表示是否通過該城市節點，在運輸方式部分，0、1、2、3表示鐵路、公路、水路和航運四種運輸方式。

3）適應度值評價：由于目標函數單位不一致，需要通過統一量綱規范化各目標函數

[Z′i=Zi-min（Zi）max（Zi）-min（Zi）]， （9）

式中：[Zi]（ i = 1，2，…，m）表示目標函數;[Zi，max]表示目標函數的最大值;[Zi，min]表示目標函數的最小值。則適應度函數為

[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保證種群的多樣性，本文使用輪盤賭選擇法進行操作。

5）交叉：為了防止當前群體的最優個體在下一代發生丟失，導致遺傳算法不能收斂到全局最優解，本文采用單點交叉方式。選擇的父輩個體通過交換部分信息，從而產生新的運輸方案。

6）變異：本文中采用單點變異方法。在隨機選取的個體中上按一定的概率改變基因，從而會產生新的運輸路線。

7）算法終止：算法迭代到最大代數時終止。

3 算例分析

目前，已經開通的中歐班列運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《中國口岸統計年鑒2017》整理鐵路口岸運行情況來看，滿洲里、二連浩特、綏芬河及阿拉山口（霍爾果斯）為鐵路運輸的4大鐵路口岸，分別占到全國的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）為內陸口岸節點。選取天津、上海、大連、青島、深圳、廣州、廈門、寧波以及連云港9個沿海港口（中歐集裝箱運輸主要港口），共涉及23個城市節點，考慮到中國連續兩年成為德國第一大貿易伙伴，雙邊貿易額高達1866億美元，中國是德國第3大出口目的國和第1大進口來源國。并且中德貿易占中歐 （盟） 貿易量超過 30%，所以本文選取柏林為運輸終點，海運運輸口岸為鹿特丹港，由鹿特丹運往柏林選取鐵路運輸。

本算例中3種運輸方式所需的數據及其來源如表2所示。運輸方式之間的轉換時間以及轉換費用參照天津港口的收費標準，數據詳見表3。中歐班列的在場平均箱等待時間由其一周之內開通的班列次數推算得出，港口樞紐城市節點的在場平均箱停留時間根據《中國港口年鑒2017》整理出;采用模糊等級評價法對16個城市節點進行綜合比較，權重依據相關論文確定為0.2、0.2和0.6。計算出16個節點物流服務質量如表4所示。

采用MATLAB對本文進行數學模型進行求解，遺傳算法最大迭代次數設置為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，加權目標函數值為31 302.83，遺傳算法迭代20次取得最優解。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

本文從中歐集裝箱運輸現狀出發，分析了中歐班列開設城市節點以及主要港口城市物流服務質量影響因素，構建指標體系;抽象出物流網絡模型，建立了綜合考慮運輸費用和物流服務質量的多目標優化模型，模型理論清晰，考慮了現實情況，符合實際。采用遺傳算法進行求解，以“西安—柏林”集裝箱運輸進行算例分析，結果表明，該模型和算法能夠有效地為中歐集裝箱多式聯運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點進行深入研究，對運算結果進行分析，討論當前物流網絡結構是否合理;還可以對算法進一步研究，提出解決多式聯運問題的新算法。

參考文獻：

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

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

[3]? ? 余國英. 中歐貿易航線集裝箱班輪運價研究[D]. 青島：中國海洋大學，2011.

[4]? ? 伍轉青. 物流企業多式聯運運輸線路選擇研究[J]. 鐵路采購與物流，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. 國際集裝箱多式聯運線路選擇研究[J]. 鐵道運輸與經濟，2017，39（12）：12-17

[8]? ? 李玉民，郭曉燕，楊露，等. 考慮多目標的中歐集裝箱多式聯運路徑選擇[J]. 鐵道科學與工程學報，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. 低碳約束下多式聯運路徑優化問題研究[D]. 杭州：浙江工商大學，2017.

[11]? 劉維林. 基于動態蟻群算法的集裝箱國際多式聯運路徑優化研究[J]. 北京交通大學學報（社會科學版），2012（3）：57-62.

[12]? 何狄江. 遺傳算法在多式聯運路徑優化的應用[D]. 杭州：杭州電子科技大學，2017.

[13]? 張潤杰. 基于改進遺傳算法的多式聯運路徑優化研究[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運優化問題的研究[D]. 大連：大連海事大學，2012.

[15]? 賴志柱. 和聲搜索算法優化多時間窗多式聯運運輸方案[J]. 計算機應用，2013，33（9）：2640-2642，2693.

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

[責任編輯 田 豐]