CN110516869B - 一种针对货运领域的空铁联运枢纽网络规划方法 - Google Patents
一种针对货运领域的空铁联运枢纽网络规划方法 Download PDFInfo
- Publication number
- CN110516869B CN110516869B CN201910777279.7A CN201910777279A CN110516869B CN 110516869 B CN110516869 B CN 110516869B CN 201910777279 A CN201910777279 A CN 201910777279A CN 110516869 B CN110516869 B CN 110516869B
- Authority
- CN
- China
- Prior art keywords
- city
- transportation
- node
- air
- hub
- 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.)
- Active
Links
- 238000013439 planning Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000002131 composite material Substances 0.000 claims abstract description 26
- XEEYBQQBJWHFJM-UHFFFAOYSA-N iron Substances [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 20
- 229910052742 iron Inorganic materials 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 12
- UONOETXJSWQNOL-UHFFFAOYSA-N tungsten carbide Chemical compound [W+]#[C-] UONOETXJSWQNOL-UHFFFAOYSA-N 0.000 claims description 12
- 230000005484 gravity Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000010845 search algorithm Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 20
- 238000005457 optimization Methods 0.000 abstract description 8
- 230000006872 improvement Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 19
- 239000000047 product Substances 0.000 description 12
- 238000011160 research Methods 0.000 description 8
- 238000012216 screening Methods 0.000 description 8
- 238000012546 transfer Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000013440 design planning Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- NJFMNPFATSYWHB-UHFFFAOYSA-N ac1l9hgr Chemical compound [Fe].[Fe] NJFMNPFATSYWHB-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种针对货运领域的空铁联运枢纽网络规划方法,通过高铁‑航空线路的有效衔接,构建空铁联运复合运输网络,整合了高速铁路与航空运输的技术优势和市场优势,实现二者的优势互补。从微观角度来看,实现了快递业服务水平的提升;宏观方面,实现了运输资源的合理配置、运输效率的提升、综合运输体系的结构优化。
Description
技术领域
本发明属于交通运输网络设计技术领域,具体涉及一种针对货运领域的空铁联运枢纽网络规划方法。
背景技术
空铁联运是指航空运输与铁路运输相互结合、相互协作的联合运输方式,它将高铁快运站点多、速度快、门到门等优点与航空距离运输、时效性强等特点相结合,通过高速铁路和航空线路有效衔接,构建空铁联运复合运输网络,将二者优势互补,实现运输资源的合理配置,运输效率的提升。综合运输体系结构的优化,实现区域社会经济发展。
发展空铁联运是我国交通运输体系建设的重要组成部分与主要发展方向,构建空铁联运枢纽网络,整合高速铁路与航空运输的技术优势和市场优势,实现二者的优势互补。微观上可达到运输行业服务水平提升、道路交通环境及生态环境改善等目的;宏观方面可实现运输资源的合理配置、运输效率的提升、综合运输体系的结构优化,从而实现区域社会经济发展的协调发展。
现有的空铁联运网络的优化构建方法主要有:
(1)利用多分配枢纽中位问题模型与混合集合规划方法,构建空铁联运网络规划模型,运用NCL和POEM,实现网络规划问题模型求解;该方案利用NCL语言建立空铁联运网络中分配枢纽中位问题的数学逻辑模型,由于NCL对模型参数的包容性较小,对于空铁联运等复杂网络难以刻画,仅适用于较小型的交通枢纽网络搭建;
(2)从旅客角度出发,以时间敏感型旅客出行使劲成本与价格敏感型旅客花费票价成本的总和为最小目标函数,构建空铁联运网络优化设计模型,并利用AIMMS软件求解,得到针对时间敏感型旅客和价格敏感型旅客的空铁联运网络;在该设计方案中,旅客运输和货物运输在运输要求、运输条件等环境下存在着较大差别,而且考虑单一运价下的空铁联运网络并不适配于具有多SKU的货物运输,因此适应性较小;
(3)以最大化国内城际旅客的消费者剩余为目标,构建空铁联运网络,寻找机场之间的运营容量分配,以及高铁网络的空间布局的最佳组合;该方案从机场的角度出发,通过寻求机场的通行能力和空间布局,构建空铁联运网络,具有地理位置局限性,普适性较低。
上述现有的设计方案对于构建空铁联运网络的研究主要集中在旅客运输领域,针对货物运输领域的研究较少,且主要集中于论证空铁联运可行性等理论研究层面。
发明内容
针对现有技术中的上述不足,本发明提供的针对货运领域的空铁联运枢纽网络规划方法解决了使用单一的航空或铁路运输货物时效率低、成本高,没有***地整合航线和铁路资源进行联合运输以适应不同运输环境的问题。
为了达到上述发明目的,本发明采用的技术方案为:一种针对货运领域的空铁联运枢纽网络规划方法,包括以下步骤:
S1、确定候选空铁联运网络的节点城市,并根据其地理位置搭建空铁联运复合网络;
S2、利用中心节点理论,以运输距离为指标对空铁联运复合网络中的节点城市进行评价,并确定其中的枢纽城市;
S3、预测空铁联运复合网络中节点城市OD对间的空铁联运快递量;
S4、根据确定的枢纽城市和各节点城市OD对间的空铁联运快递量,以空铁联运复合网络的运营总成本最低为目标,构建空铁联运枢纽网络规划模型;
S5、通过遍历搜索算法对空铁联运枢纽网络规划模型进行求解,得到空铁联运枢纽网络规划结果。
进一步地,所述步骤S3具体为:
S31、根据历史快递数据,通过Logit模型预测空铁联运复合网络中任意两节点城市之间空铁联运的货运分担率;
S32、根据节点城市的快递业相关指标数据,通过引力模型计算空铁联运复合网络中节点城市OD对间的货运吸引强度;
S33、根据货运分担率和货运吸引强度,对各节点城市OD对间的空铁联运快递量进行预测。
进一步地,所述步骤S31中空铁联运的货运分担率P(i)为:
式中,EXP(·)为运输产品效用值函数;
Di为空铁联运运输产品效用值;
Dj为非空铁联运运输产品效用值。
进一步地,所述步骤S32具体为:
S32-1、通过主成分分析法,确定节点城市的快递业务评价指标;
S32-2、以各节点城市的快递业务评价指标作为出行发生量和到达吸引量,以任意两个节点城市的直线距离作为交通阻抗,构建引力模型;
S32-3、基于构建的引力模型,确定各节点城市OD对间的货运吸引强度。
进一步地,所述步骤S32-1中快递业务评价指标Si的计算公式为:
式中,ηα为主成分α的方差贡献率,
Fiα为节点城市i的主成分α的得分;
n为主成分的总数;
所述步骤S32-2中构建的引力模型为:
式中,gij为节点城市i与节点城市j之间的快递业务联系度值;
Si和Sj分别为节点城市i与节点城市j的快递业务评价指标;
RTij为节点城市i与节点城市j之间的直线距离;
所述步骤S32-3中,各节点城市OD对间的货运强度吸引强度的计算公式为:
式中,Gij为节点城市j对节点城市i的快递吸引强度值。
进一步地,所述步骤S33具体为:
S33-1、将各节点城市的历史货运量作为BP神经网络的输入,预测得到对应节点城市的快递业务量;
S33-2、确定各节点城市中异地业务的占比和快递的平均重量,并结合各节点城市OD对间的货运分担率和快递吸引强度,预测得到各节点城市OD对间的快递量。
进一步地,所述步骤S4中构建的空铁联运枢纽网络规划模型为:
式中,C为以空铁联运复合网络的运营总成本最低的目标函数;
min(·)为求最小值函数;
为中心枢纽城市的建设固定成本及运营成本;其中,Ck为中心枢纽城市k的固定建设成本;WCk为中心枢纽城市k的运营成本;Dij为节点城市i和节点城市j之间的快递量;Xl ikmj为节点城市i和节点城市j之间采用l运输方式是否通过中心枢纽运输的决策变量,若是Xl ikmj=1,若否则Xl ikmj=0;i,j∈I,I为节点城市集合,k,m均为候选中心枢纽城市,中心枢纽城市至少为k,m中的一个,k∈K,m∈M,K,M均为枢纽城市集合;
为节点城市OD对间直接运输的运输成本;其中,Dij为节点城市i至节点城市j的快递量;Cl ij为节点城市i到节点城市j直接用l运输方式直接运输的运输成本;Xl ij为起始节点城市i和目的节点城市j之间用l运输方式是否为直接运输的决策变量,直接运输时Xl ij=1,否则Xl ij=0;l为运输方式,且l∈L,L为运输方式集合;
为节点城市OD对需要通过中心枢纽城市运输的运输成本;其中,ρ为某段运输中两个节点城市中存在一个中心枢纽城市时所产生的折扣;Cl ik为节点城市i到中心枢纽城市k之间用l运输方式所产生的运输成本;γ为某段运输中两个节点城市均为中心枢纽城市时所产生的折扣;Cl km为中心枢纽城市k和中心枢纽城市m之间用l运输方式所产生的运输成本;Cl mj为中心枢纽城市m到节点城市j之间用l运输方式所产生的运输成本;为节点城市OD对间直接运输的时间成本;其中,TCl ij为起始节点城市i和目的节点城市j之间用l运输方式直接运输时的时间成本;
为节点城市OD对间通过中心枢纽城市运输的时间成本;其中,TCl ik为节点城市i和中心枢纽城市k之间用l运输方式时的时间成本;TCl km为中心枢纽城市k和中心枢纽城市m之间用l运输方式时的时间成本;TCl mj为中心枢纽城市m到节点城市j之间用l运输方式时的时间成本;ZT为转运及衔接时间成本;Xkm为通过是否一个中心枢纽城市的决策变量,当k=m,则仅通过一个中心枢纽城市,且Xkm=1,当k≠m,则不止通过一个中心枢纽城市,且Xkm=2。
进一步地,所述空铁联运枢纽网络规划模型包括如下约束条件:
(1)空铁联运枢纽网络规划模型的中心枢纽城市数目约束:
式中,yk为空铁联运网络中设置的中心枢纽城市;
P为设置的中心枢纽城市数目;
(2)空铁联运枢纽网络中通过的中心枢纽城市数目约束:
(3)空铁联运枢纽网络中通过的非枢纽节点数目约束:
式中,ym为空铁联运网络中设置的非中心枢纽城市;
(4)两个节点城市之间的运输方式约束:
(5)采用通过中心枢纽城市的中转运输时,中转只发生在中心枢纽城市约束:
式中,Yk、Ym均为枢纽城市k或枢纽城市m是否被选为中心枢纽城市的决策变量,若是则Yk=1或Ym=1,否则Yk=0或Ym=0;
(6)货物运输流量恒定约束:
进一步地,所述步骤S5具体为:
S51、根据N个枢纽城市确定候选中心枢纽城市集合M;
所述候选中心枢纽城市集合为:M={m1,m2,m3,...,mN,};
本发明的有益效果为:
本发明提供的针对货运领域的空铁联运枢纽网络规划方法,通过高铁-航空线路的有效衔接,构建空铁联运复合运输网络,整合了高速铁路与航空运输的技术优势和市场优势,实现二者的优势互补。从微观角度来看,实现了快递业服务水平的提升;宏观方面,实现了运输资源的合理配置、运输效率的提升、综合运输体系的结构优化。
附图说明
图1为本发明提供的针对货运领域的空铁联运枢纽网络规划方法流程图。
图2为本发明提供的节点城市OD对间运输方式示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
实施例1:
如图1所示,一种针对货运领域的空铁联运枢纽网络规划方法,包括以下步骤:
S1、确定候选空铁联运网络的节点城市,并根据其地理位置搭建空铁联运复合网络;
S2、利用中心节点理论,以运输距离为指标对空铁联运复合网络中的节点城市进行评价,并确定其中的枢纽城市;
S3、预测空铁联运复合网络中节点城市OD对间的空铁联运快递量;
S4、根据确定的枢纽城市和各节点城市OD对间的空铁联运快递量,以空铁联运复合网络的运营总成本最低为目标,构建空铁联运枢纽网络规划模型;
S5、通过遍历搜索算法对空铁联运枢纽网络规划模型进行求解,得到空铁联运枢纽网络规划结果。
在本发明实施例中,步骤S1中在全国范围内确定空铁联运网络的节点城市时,通过设定一些列筛选标准和筛选步骤,来确定节点城市,筛选标准依次为:
标准1:目前开通高铁、机场城市,且行政单位为地级市以上、GDP位于所在省前1;
标准2:具备高铁、机场的国家/区域物流政策倾斜城市;
标准3:具备高铁、机场的省会城市;
筛选标准为:
第一步:满足全部三个筛选标准;
第二步:满足标准1、标准2;
第三步:满足标准1、标准3(第一步和第二步后不存在同时满足标准1和标准3的城市);
第四步:满足标准2、标准3;
将上述筛选标准和筛选步骤运用到我国所有城市,可以得到28个满足上述标准的节点城市,分别为哈尔滨、长春、北京、天津、石家庄、南京、杭州、太原、郑州、武汉、长沙、南宁、西安、成都、重庆、贵阳、兰州、昆明、大连、青岛、厦门、深圳、沈阳、济南、福州、广州、上海、合肥。
在本发明实施例中,多式联运枢纽网络相较于普通运输方式所具备的效率、成本等优势,很大程度上正是由于网络中枢纽节点的存在而产生的,货物通过在枢纽处聚集后发往下一目的地,使得基于枢纽的货物运输具有一定的运输规模效益,且货物在枢纽处中转、调度使整个网络的运行得以顺畅。因此,多式联运网络中枢纽的合理布局将对整个网络的运营产生重要影响。在网络中的合理位置设置中心枢纽城市,使得基于枢纽的网络运输路径得以优化;设置适合数量的枢纽,在使网络设置成本保持合理的同时,也能保障网络的顺畅运营。在实施例中将利用复杂网络相关理论,构建静态网络中心性指标体系及利用优劣解距离法进行综合评价,进而得出枢纽城市作为候选中心枢纽城市。中心性反映了空铁联运复合网络中各节点的相对重要性,是复杂网络研究的重要基础理论。在图论与网络分析里,对图中各个节点的中心性的特征指标描述方法有很多种,选取度中心性、介数中心性、接近度中心性、k-shell法以及节点容量五个指标作为筛选枢纽城市的节点中心性指标,对高铁运输网络节点重要性指标及航空运输网络节点重要性指标进行复合,考虑到运输距离是运输方式选择的重要影响因素,因此考虑将城市间的运距作为综合评价指标的权重。根据复合网路节点中心性综合指标评价结果,选取28个节点城市中排名前八名城市进入候选枢纽中心城市集合;即空铁联运网络枢纽城市分别为北京、上海、郑州、武汉、南京、济南、西安、长沙。
在本发明实施例中,步骤S3中从对节点城市OD对间的空铁联运货运分担率、货运吸引强度及各节点城市的货运量入手,对节点城市OD对间的空铁联运快递量进行预测。
在本发明实施例中,在得到所有节点城市OD对间的快递量并确定出枢纽城市的基础上,步骤S4-S5中将空铁联运网络设计规划问题转换为已知中心枢纽城市候选集的多级联运枢纽网络的规划问题,该问题为一个典型的P-hub中位问题,基于遍历搜索算法对其进行求解,确定空铁联运网络规划模型中的中心候选城市及各个节点城市OD对间货运时的具体联运方式。
实施例2:
上述实施例1中的步骤S3具体为:
S31、根据历史快递数据,通过Logit模型预测空铁联运复合网络中任意两节点城市之间空铁联运的货运分担率;
S32、根据节点城市的快递业相关指标数据,通过引力模型计算空铁联运复合网络中节点城市OD对间的货运吸引强度;
S33、根据货运分担率和货运吸引强度,对各节点城市OD对间的空铁联运快递量进行预测。
在本发明实施例中,在通过Logit模型确定货运分担率时,关键在于确定特征函数的线性方程,本发明实施例中在分析货主对运输产品的可能--满意度为基准,用运输产品效用值函数改进Logit模型中的特征函数;在对节点城市货运分担率预测前,本发明假设:
(1)运输距离为简化工作量,取两点间的直线运输距离;
(2)通常情况下,高铁——航空联运一般是将高铁运输作为航空运输的支线运输看待,即高铁货运是对航空货运的线路补充,而不是竞争对手。且不管是航空货运还是高铁—航空联运,从物流产品层面来讲,都能实现时效性最强的“次日达”运输;
(3)在本发明实施例中的联运网络规划,允许任意城市间直接运输的情况,即允许非枢纽城市间通过高铁或航空运输直接连接;
基于以上三点,本发明将空铁联运与航空运输、高铁货运合并考虑,将两者统称为空铁联运;因此,本发明中的空铁联运实质包括航空与铁路联合运输及公路运输;具体地,在确定运输产品效用值函数时,通过对全国各地的30家快递企业调研,并确定效用值函数的各项基础性指标:其中,航空与铁路联合运输的安全指标取0.9,运价效用值取0.012,当运距<500km时,运输时效性效用值取0.1,当运距>500km时,运输时效效用值取0.6,GDP效用值取1;公路运输的安全指标取0.7,运价效用值取1,当运距<500km时,运输时效性效用值取0.8,当运距>500km时,运输时效效用值取0.3,GDP效用值取0.9;
根据上述指标,得到航空与铁路联合运输的产品效用值A1为:
A1=B1×(C1+D1)×(E1+F1)
式中,B1为航空与铁路联合运输的运价效用值;
C1为航空与铁路联合运输的时效性效用值;
D1为起点节点城市GDP;
D2为终点节点城市GDP;
航空与铁路联合运输的产品效用值A2为:
A2=B2×(C2+D2)×(E2+F2)×0.9
因此得到步骤S31中空铁联运的货运分担率P(i)为:
式中,EXP(·)为运输产品效用值函数;
Di为空铁联运运输产品效用值;
Dj为非空铁联运运输产品效用值。
在本发明实施例中,引力模型是应用广泛的空间相互作用能力模型,即用来分析和预测空间相互作用能力的数学模型,而应用于交通物流方向的引力模型是根据任意两节点城市OD对间的货运量与出发地货物发散能力、到达地货物吸收能力成正比,与两区间的行程时间、费用、距离等成正比,建立未来交通分布预测模型;因此,上述步骤S32具体为:
S32-1、通过主成分分析法,确定节点城市的快递业务评价指标;
其中,快递业务评价指标Si的计算公式为:
式中,ηα为第α个主成分的方差贡献率,
Fiα为节点城市i的第α个主成分的得分;Fiα=Qα+λi,Qα为第α个主成分的具体构成,λi为节点城市i的评价指标矩阵;
n为主成分的总数;
S32-2、以各节点城市的快递业务评价指标作为出行发生量和到达吸引量,以任意两个节点城市的直线距离作为交通阻抗,构建引力模型;
应用于交通物流方向的引力模型的原理方法是根据任意两个OD对间货运量与出发地的货物发生能力和到达区的货物吸引能力成正比,与两区间的行程时间(或费用、距离等)成反比的关系建立的未来交通分布预测模型。根据引力模型公式,以上一步中计算得出的各个城市快递业务评价指标作为出行发生量与到达吸引量,以任意两个节点城市的直线距离作为交通阻抗,构建引力模型为:
式中,gij为节点城市i与节点城市j之间的快递业务联系度值;
Si和Sj分别为节点城市i与节点城市j的快递业务评价指标;
RTij为节点城市i与节点城市j之间的直线距离;
S32-3、基于构建的引力模型,确定各节点城市OD对间的货运吸引强度。
其中,各节点城市OD对间的货运强度吸引强度的计算公式为:
式中,Gij为节点城市j对节点城市i的快递吸引强度值。
在本发明实施例中,上述步骤S33具体为:
S33-1、将各节点城市的历史货运量作为BP神经网络的输入,预测得到对应节点城市的快递业务量;
在进行预测方法选取时,考虑到传统的预测方法包括指数平滑法、趋势预测法、灰色预测模型等方法通常仅依据数据的变化趋势做出预测,而BP神经网络具有实现复杂非映射的功能,能够进行自主学***、社会消费品零售总额、人口、货运量等地区国民经济指标具有很大的相关性,在运用BP神经网络进行数据预测时,考虑到以上数据采集的便利性与准确性;因此,为了提高预测结果的准确性,除了将历史货运量作为输入外,还将节点城市历史国民生产总值、社会消费品零售总额等作为参考输入量输入到BP神经网络中,得到快递业务量的预测值。
S33-2、确定各节点城市中异地业务的占比和快递的平均重量,并结合各节点城市OD对间的货运分担率和快递吸引强度,预测得到各节点城市OD对间的快递量。
在本发明实施例中,基于某种运输方式货运分担率越高,则OD对间某运输方式竞争力越强(对货物流量吸引强度大),即货运市场份额越大(各节点城市OD对间的快递业务增多),由空铁联运货运分担率可知OD对间的快递吸引强度,加上空铁联运网络中主要节点城市的快递预测量,可计算出空铁联运OD对间的快递预测量。
实施例3:
基于前述内容得到了几个枢纽城市及若干个节点城市OD对间的快递量,进而以此为基础,构建空铁联运枢纽网络规划模型并对其进行求解;具体地,在构建模型及求解时,将空铁联运网络设计规划问题转为已知枢纽候选集的多式联运枢纽网络优化设计问题,即为一个典型的P-hub中位问题。
多级式联运网络的研究通常抽象为带有权重的网络图N=(I,L,H,C),进而运用图论的相关理论进行研究。I表示节点集,I={1,2,...,n};L表示运输方式集合,在空铁联运研究中只考虑大城市间的干线运输而不考虑配送及集货运输,故在本发明中L={L1,L2},其中L1表示高铁运输,L2表示航空运输。H表示网络节点间运输所需要消耗的成本;C表示网络中各节点及连线的容量。空铁联运网络的设计规划问题即抽象化为满足限制约束条件的前提下,成本最短路问题。为了更好的符合实际情况和便于模型求解,进行如下假设:
(1)如图2所示,对于任意两个OD节点间的运输可能存在:a、直接连接;b、通过一个枢纽节点,换乘另一种运输方式或同一种运输方式的不同运输班次,到达最终目的地;c、通过两个运输节点,两次换乘,达到目的地。
(2)假设某段运输中两个节点存在一个枢纽节点,因规模效益所产生的折扣因子取ρ;某段运输中两个节点均是枢纽节点,因规模效益产生的折扣因子为γ;某段运输中两个节点均为非枢纽节点,没有折扣,且γ≤ρ<1。
(3)空铁联运过程转运衔接成本包含于枢纽的运营成本中,且取一个单位为元/吨的运营平均值,即假设飞机转飞机、飞机转高铁、高铁转飞机等转运衔接成本差异、枢纽硬件条件差异暂不考虑。
(4)暂不考虑网络连线的容量限制。
由此得到步骤S4中构建的空铁联运枢纽网络规划模型为:
式中,C为以空铁联运复合网络的运营总成本最低的目标函数;
min(·)为求最小值函数;
为中心枢纽城市的建设固定成本及运营成本;其中,Ck为中心枢纽城市k的固定建设成本;WCk为中心枢纽城市k的运营成本;Dij为节点城市i和节点城市j之间的快递量;Xl ikmj为节点城市i和节点城市j之间采用l运输方式是否通过中心枢纽运输的决策变量,若是Xl ikmj=1,若否则Xl ikmj=0;i,j∈I,I为节点城市集合,k,m均为候选中心枢纽城市,中心枢纽城市至少为k,m中的一个,k∈K,m∈M,K,M均为枢纽城市集合;
为节点城市OD对间直接运输的运输成本;其中,Dij为节点城市i至节点城市j的快递量;Cl ij为节点城市i到节点城市j直接用l运输方式直接运输的运输成本;Xl ij为起始节点城市i和目的节点城市j之间用l运输方式是否为直接运输的决策变量,直接运输时Xl ij=1,否则Xl ij=0;l为运输方式,且l∈L,L为运输方式集合;
为节点城市OD对需要通过中心枢纽城市运输的运输成本;其中,ρ为某段运输中两个节点城市中存在一个中心枢纽城市时所产生的折扣;Cl ik为节点城市i到中心枢纽城市k之间用l运输方式所产生的运输成本;γ为某段运输中两个节点城市均为中心枢纽城市时所产生的折扣;Cl km为中心枢纽城市k和中心枢纽城市m之间用l运输方式所产生的运输成本;Cl mj为中心枢纽城市m到节点城市j之间用l运输方式所产生的运输成本;为节点城市OD对间直接运输的时间成本;其中,TCl ij为起始节点城市i和目的节点城市j之间用l运输方式直接运输时的时间成本;
为节点城市OD对间通过中心枢纽城市运输的时间成本;其中,TCl ik为节点城市i和中心枢纽城市k之间用l运输方式时的时间成本;TCl km为中心枢纽城市k和中心枢纽城市m之间用l运输方式时的时间成本;TCl mj为中心枢纽城市m到节点城市j之间用l运输方式时的时间成本;ZT为转运及衔接时间成本;Xkm为通过是否一个中心枢纽城市的决策变量,当k=m,则仅通过一个中心枢纽城市,且Xkm=1,当k≠m,则不止通过一个中心枢纽城市,且Xkm=2。
基于上述几个假设,设定空铁联运枢纽网络规划模型包括如下约束条件:
(1)空铁联运枢纽网络规划模型的中心枢纽城市数目约束:
式中,yk为空铁联运网络中设置的中心枢纽城市;
P为设置的中心枢纽城市数目;
(2)空铁联运枢纽网络中通过的中心枢纽城市数目约束:
(3)空铁联运枢纽网络中通过的非枢纽节点数目约束:
式中,ym为空铁联运网络中设置的非中心枢纽城市;
(4)两个节点城市之间的运输方式约束:
(5)采用通过中心枢纽城市的中转运输时,中转只发生在中心枢纽城市约束:
式中,Yk、Ym均为枢纽城市k或枢纽城市m是否被选为中心枢纽城市的决策变量,若是则Yk=1或Ym=1,否则Yk=0或Ym=0;
(6)货物运输流量恒定约束:
实施例4:
上述实施例1的步骤S5中的遍历搜索算法原理简单,实现便捷,计算精度相对于启发式算法更高,在个人计算机处理器已经具备一定计算能力的今天,运用遍历搜索算法处理一些复杂度较低的科学问题具备一定的合理性。
运用遍历搜索算法进行模型求解的基本思路:首先,根据确定的候选枢纽中心节点城市集M;其次,从候选枢纽节点中心城市集合中任选P个城市最为枢纽节点,利用遍历搜索算法遍历计算当前枢纽节点作为网络转运中心下各个OD对间成本最短路(包括枢纽节点建设固定成本、运营成本、时间成本等),通过循环迭代得出枢纽候选集中各个城市作为枢纽时的最优解,其中最小的最优解即为所求;最后,分析求解结果,获得空铁联运网络各城市对间的具体联运路径。
因此,本发明实施例中步骤S5具体为:
S51、根据N个枢纽城市确定候选中心枢纽城市集合M;
所述候选中心枢纽城市集合为:M={m1,m2,m3,...,mN,};
S53、令t=1,计算当前选择方案下的最优目标函数值C1,并将其作为初始最优解C*,并计算C1与C*的比值;
实施例5:
在该实施例中提供了通过上述方案对全国空铁联运枢纽网络进行规划及求解的实例:
针对物流枢纽的建设成本,目前存在的数据较少,本发明参考最新建设完成的乌鲁木齐与徐州国家级物流枢纽,取中心枢纽的建设固定成本为3×108元。根据调研,中心枢纽的平均运营成本为20元/吨。城市OD间的快递量Dij已由S33求出。根据全球空运价格指数,航空货运价格约为9元/吨/千米,通过调研,高铁货运价格(以高铁托运价格)约为2.5元/吨/千米;此外,假设某段运输中两个节点均为中心枢纽时,运价折扣为0.4,其中一个为中心枢纽是运价折扣为0.6,结合节点间的距离矩阵,可以得出两种运输方式在任意两个节点间的运营成本Cl ij,Cl ik,Cl km,Cl mj。采用航空运输的货物价值往往远远高于公路运输货物价值,2018年全国快递行业单位快递价值量为536.97元/kg,为方便计算,假设目前单位快递价值量为600元/kg,货物日贬值率为0.04%,即10元/吨/小时,取高铁快运运输时速(包含装卸货、安检等时间)为200km/h,航空货运运输时速(包括装卸货、安检等时间)为700km/h,通过结合各个节点距离矩阵,可得出各个节点两种运输方式的时间成本。假设空铁联运衔接时间为4小时,即衔接转运成本为4×10=40元/吨。
根据以上数据,利用Matlab软件对网络规划模型求解,得到全国枢纽城市空铁联运运输方式、路径如下所示:
表1:主要城市间运输路径及运输方式
根据空铁联运网络规划结果,从宏观网络整体来看,可以得出如下主要结论:取P=4时,即选择4个城市作为中心枢纽分别为北京、郑州、武汉、西安;在东部以及东部沿海城市密集区,主要大城市比如北京、上海、南京、武汉、济南、杭州等基本可以实现二者间直接高铁运输;因为武汉、郑州分别处于中国南、北方地理位置中心,空铁联运网络中空、铁转运最频繁的枢纽为武汉和郑州。目前这两座城市均已开始空铁联运货运枢纽的建设布局;由于东北地区距祖国腹地较远,快递业务量较小,全国大部分城市与沈阳、长春、哈尔滨等东北城市的空铁联运运输需中转2次且基本是空转空。
从枢纽城市来看,以空铁联运转运最频繁的武汉为例,武汉位于全国地理中心区位,主要承接东南——西南、华北——西南、东南以及华东——西南、东南货物运输空铁联运转运任务,主要为空—铁转运为主,存在少量空转空或铁转铁的情况,这是由于一般情况下,武汉在位于中国南方地理中心区位的大优势条件下,高铁通往各个中国南方城市距离较近,航空运输时效性优势并不明显,而高铁货运运输成本远远低于航空货运,在空铁联运能够实现当日达运输任务的前提下,以武汉为枢纽中转的空铁联运带来的成本优势非常明显。
从非枢纽城市来看,以成都为例,针对周边城市,如西安、重庆、昆明等均采用高铁直接运输。货物输出方面,发往东南沿海、华东地区的货物通过航空运输到达武汉,在武汉中转,并换乘高铁运往目的地;而发往中国华北地区货物主要通过西安中转,通过高铁运输到达西安后转乘飞机前往目的地;发往东北地区货物需中转两次,中转枢纽分别在西安与北京;货物输入方面,与货物输出方式较为类似,华北、东北货物均通过航空运输送达西安后转高铁运达成都,东南沿海、华东城市通过高铁运输送达武汉后转乘飞机运达成都。
本发明的有益效果为:
本发明提供的针对货运领域的空铁联运枢纽网络规划方法,通过高铁-航空线路的有效衔接,构建空铁联运复合运输网络,整合了高速铁路与航空运输的技术优势和市场优势,实现二者的优势互补。从微观角度上来看,实现了快递业服务水平的提升;宏观方面,实现了运输资源的合理配置、运输效率的提升、综合运输体系的结构优化。
Claims (3)
1.一种针对货运领域的空铁联运枢纽网络规划方法,其特征在于,包括以下步骤:
S1、确定候选空铁联运网络的节点城市,并根据其地理位置搭建空铁联运复合网络;
S2、利用中心节点理论,以运输距离为指标对空铁联运复合网络中的节点城市进行评价,并确定其中的枢纽城市;
S3、预测空铁联运复合网络中节点城市OD对间的空铁联运快递量;
S4、根据确定的枢纽城市和各节点城市OD对间的空铁联运快递量,以空铁联运复合网络的运营总成本最低为目标,构建空铁联运枢纽网络规划模型;
S5、通过遍历搜索算法对空铁联运枢纽网络规划模型进行求解,得到空铁联运枢纽网络规划结果;所述步骤S3具体为:
S31、根据历史快递数据,通过Logit模型预测空铁联运复合网络中任意两节点城市之间空铁联运的货运分担率;
S32、根据节点城市的快递业相关指标数据,通过引力模型计算空铁联运复合网络中节点城市OD对间的货运吸引强度;
S33、根据货运分担率和货运吸引强度,对各节点城市OD对间的空铁联运快递量进行预测;
所述步骤S32具体为:
S32-1、通过主成分分析法,确定节点城市的快递业务评价指标;
S32-2、以各节点城市的快递业务评价指标作为出行发生量和到达吸引量,以任意两个节点城市的直线距离作为交通阻抗,构建引力模型;
S32-3、基于构建的引力模型,确定各节点城市OD对间的货运吸引强度;
所述步骤S32-1中快递业务评价指标Si的计算公式为:
式中,ηα为主成分α的方差贡献率,
Fiα为节点城市i的主成分α的得分;
n为主成分的总数;
所述步骤S32-2中构建的引力模型为:
式中,gij为节点城市i与节点城市j之间的快递业务联系度值;
Si和Sj分别为节点城市i与节点城市j的快递业务评价指标;
RTij为节点城市i与节点城市j之间的直线距离;
所述步骤S32-3中,各节点城市OD对间的货运吸引强度的计算公式为:
式中,Gij为节点城市j对节点城市i的货运吸引强度;
所述步骤S33具体为:
S33-1、将各节点城市的历史货运量作为BP神经网络的输入,预测得到对应节点城市的快递业务量;
S33-2、确定各节点城市中异地业务的占比和快递的平均重量,并结合各节点城市OD对间的货运分担率和货运吸引强度,预测得到各节点城市OD对间的快递量;
所述步骤S4中构建的空铁联运枢纽网络规划模型为:
式中,C为以空铁联运复合网络的运营总成本最低的目标函数;
min(·)为求最小值函数;
为中心枢纽城市的建设固定成本及运营成本;其中,Ck为中心枢纽城市k的固定建设成本;WCk为中心枢纽城市k的运营成本;Dij为节点城市i和节点城市j之间的快递量;Xl ikmj为节点城市i和节点城市j之间采用l运输方式是否通过中心枢纽运输的决策变量,若是Xl ikmj=1,若否则Xl ikmj=0;i,j∈I,I为节点城市集合,k,m均为候选中心枢纽城市,中心枢纽城市至少为k,m中的一个,k∈K,m∈M,K,M均为枢纽城市集合;
为节点城市OD对间直接运输的运输成本;其中,Dij为节点城市i至节点城市j的快递量;Cl ij为节点城市i到节点城市j直接用l运输方式直接运输的运输成本;Xl ij为起始节点城市i和目的节点城市j之间用l运输方式是否为直接运输的决策变量,直接运输时Xl ij=1,否则Xl ij=0;l为运输方式,且l∈L,L为运输方式集合;
为节点城市OD对需要通过中心枢纽城市运输的运输成本;其中,ρ为某段运输中两个节点城市中存在一个中心枢纽城市时所产生的折扣;Cl ik为节点城市i到中心枢纽城市k之间用l运输方式所产生的运输成本;γ为某段运输中两个节点城市均为中心枢纽城市时所产生的折扣;Cl km为中心枢纽城市k和中心枢纽城市m之间用l运输方式所产生的运输成本;Cl mj为中心枢纽城市m到节点城市j之间用l运输方式所产生的运输成本;为节点城市OD对间直接运输的时间成本;其中,TCl ij为起始节点城市i和目的节点城市j之间用l运输方式直接运输时的时间成本;
3.根据权利要求1所述的针对货运领域的空铁联运枢纽网络规划方法,其特征在于,所述步骤S5具体为:
S51、根据N个枢纽城市确定候选中心枢纽城市集合M;
所述候选中心枢纽城市集合为:M={m1,m2,m3,...,mN,};
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910777279.7A CN110516869B (zh) | 2019-08-22 | 2019-08-22 | 一种针对货运领域的空铁联运枢纽网络规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910777279.7A CN110516869B (zh) | 2019-08-22 | 2019-08-22 | 一种针对货运领域的空铁联运枢纽网络规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110516869A CN110516869A (zh) | 2019-11-29 |
CN110516869B true CN110516869B (zh) | 2022-05-03 |
Family
ID=68627127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910777279.7A Active CN110516869B (zh) | 2019-08-22 | 2019-08-22 | 一种针对货运领域的空铁联运枢纽网络规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110516869B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111639790B (zh) * | 2020-05-09 | 2023-10-17 | 天津市政工程设计研究总院有限公司 | 保证货运可靠性和安全性的多式联运调度方法和*** |
CN112685864B (zh) * | 2020-12-25 | 2024-03-29 | 长安大学 | 基于现实破坏因素的双层高铁相依网络构建方法及*** |
CN113743671B (zh) * | 2021-09-08 | 2023-04-07 | 西南交通大学 | 一种高铁快递专列运输网络优化方法及*** |
CN114707918B (zh) * | 2021-12-07 | 2023-04-07 | 西南交通大学 | 一种铁路分级节点运输方法 |
CN114841424A (zh) * | 2022-04-26 | 2022-08-02 | 合肥工业大学 | 一种基于引力模型的国际多式联运可达性测量方法 |
CN115271260B (zh) * | 2022-09-26 | 2022-12-13 | 西南交通大学 | 一种公铁联运运量预测方法、装置、设备及可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5863203A (en) * | 1996-01-26 | 1999-01-26 | Dowling College | Intermodal transportation simulation system |
JP2005145573A (ja) * | 2003-11-11 | 2005-06-09 | Nippon Steel Corp | 輸送計画立案方法 |
CN105405090A (zh) * | 2015-12-20 | 2016-03-16 | 北京民航信息科技有限公司 | 一种空铁联运*** |
CN107563947B (zh) * | 2017-09-04 | 2021-01-05 | 昆明理工大学 | 一种交通运输一体化综合服务方法和*** |
CN108399464A (zh) * | 2017-09-27 | 2018-08-14 | 圆通速递有限公司 | 一种多式联运路径优化方法和*** |
-
2019
- 2019-08-22 CN CN201910777279.7A patent/CN110516869B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110516869A (zh) | 2019-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110516869B (zh) | 一种针对货运领域的空铁联运枢纽网络规划方法 | |
Zhu et al. | Connectivity of intercity passenger transportation in China: A multi-modal and network approach | |
Bi et al. | Express delivery with high-speed railway: Definitely feasible or just a publicity stunt | |
Liang et al. | Parcels and mail by high speed rail–A comparative analysis of Germany, France and China | |
Shen et al. | Real-time customized bus routes design with optimal passenger and vehicle matching based on column generation algorithm | |
Yu et al. | Research on High‐Speed Railway Freight Train Organization Method considering Different Transportation Product Demands | |
Du et al. | A scheme for passenger service-like backhaul for China railway express trains | |
Huang et al. | Approach and application on high-speed train stop plan for better passenger transfer efficiency: the China case | |
He et al. | Parcel delivery by collaborative use of truck fleets and bus-transit vehicles | |
Zuo et al. | Analysis of a collaborative transport model mixing passengers with freights in metro system | |
Yu et al. | Network design and delivery scheme optimisation under integrated air-rail freight transportation | |
Li et al. | Optimization of high-speed railway line planning with passenger and freight transport coordination | |
Rui et al. | Simulated annealing algorithm for solving a bi-level optimization model on high-speed railway station location | |
Li et al. | A two-stage stochastic programming model for rail-truck intermodal network design with uncertain customer demand | |
Wang et al. | A passenger flow routing model for high-speed railway network in different transportation organization modes | |
Dai et al. | Establishing a network planning model of urban-rural logistics based on hub-and-spoke network | |
Xu et al. | Optimal capacity allocation for high-speed railway express delivery | |
CN109978464A (zh) | 一种物流方法和*** | |
Ning | Study on the Optimization of the Multimodal Transport Scheme of Railway Containers | |
Zhongzhen et al. | Network optimization of RPTB express based on Ant Colony Algorithm | |
Zhang et al. | Selection Conditions Analysis of Passenger Transport Mode for Fast Passenger Network | |
Cheng | The method to select the transport path based on the multimodal cost | |
Mohamed et al. | Optimization of the Synergies Between Preparation of High-Speed Railway Train Running Diagram and Station Route Allocation Plan | |
Zhang et al. | [Retracted] Analysis of Passenger Flow Characteristics of Urban Rail Transit Based on Spatial Data Dynamic Analysis Technology | |
Pei et al. | Research on Demand Forecasting of Multimodal Transport Hubs Based on Network Transportation Cost Analysis |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |