详情

原文传递基于海铁联运的集装箱班列服务路径优化研究

论文题名：	基于海铁联运的集装箱班列服务路径优化研究
关键词：	海铁联运;集装箱;吞吐量预测;路径优化;不确定理论
摘要：	“一带一路”战略，使中国各地区尤其是内陆地区的对外开放和国际贸易需求激增。但由于运输结构不合理，内陆地区进出口物流的经济效益和环境效益难以发挥。网络稳定性也难以保障。鉴于铁路运输运量大、运输网络完备等优势，可用铁路运输代替部分公路运输完成港口的内陆集疏运，进而解决交通拥堵、环境污染等问题。而且在长距离运输过程中，铁路运输易产生规模经济效益，可以有效降低运输成本。因此，建立可持续的海铁联运服务网络成为运输结构合理化的重要举措之一。　　港口的集疏运效率一直是制约海洋运输发展的瓶颈，本文主要针对集装箱集疏运作业展开研究，从海铁联运角度，提出利用高效的铁路集装箱班列完成内陆地区的集结和疏运。在需求不确定的供应环境下，如何准确预测未来的集装箱吞吐量并合理安排港口作业，避免货物积港产生的堆存成本或者供应不及时产生的时间成本，是港口作业区集疏运接续作业中亟待解决的难题之一。港口集装箱吞吐量的精准预测和班列服务路径优化的紧密结合，能够全面提升港口集装箱集疏运作业的时效，满足客户运输时效性的需求，尽可能地节约成本，提高港口“门到门”运输的效率。基于上述背景，本文从集装箱吞吐量预测与班列路径优化两方面展开研究。　　针对港口集装箱吞吐量数据的复杂性特征，提出了基于优化变分模态和核极限学习机的集装箱吞吐量短期混合预测模型。首先，离群点处理（HI）剔除原始时间序列中的异常值，预处理之后的序列通过优化的变分模态分解（OVMD）技术分解为多个特征明显的子模态；然后，为了提高预测效率，将分解后的子模态按照样本熵（SE）值的大小分成高频低幅、中频中幅和低频高幅三类。借助核极限学习机（KELM）中不同类型的核函数对不同特征序列的预测性能，分别用小波、高斯和线性核函数捕捉具有不同特征子模态的趋势；最后，所有子模态的预测结果线性相加得到最终的预测结果。算例表明提出模型在预测精度和效率上都有一定的优势，同时克服了传统CEEMD和EEMD中容易出现的模态混叠问题以及ELM中存在的过拟合等缺陷，具有一定的实际应用潜力。　　考虑海铁联运过程中影响集装箱班列开行的不确定因素，结合班列服务客户各自固定需求时间窗的实际需求，引入不确定规划区间来表示集装箱在客户节点的装卸箱服务时间，同时将具有时效性要求的需求时间窗设置为软约束，运用惩罚函数将其作为惩罚项整合到运输成本目标函数中，选择合理的惩罚系数，构建以运输成本低、运输时间少为目标的班列服务路径非线性多目标优化模型。针对不确定变量，采用机会约束规划转换模型得到确定的多目标路径优化模型，将多目标规划转化为单目标问题，设计人工蜂群算法求解所构建的班列服务路径优化模型。并以深圳港海铁联运为实例进行了模型检验和对比分析。表明所建模型和算法能够很好的满足不同客户不同运输时效性的需求，在运输费用方面具有明显的优越性。
作者：	张丰婷
专业：	交通运输规划与管理
导师：	杨菊花
授予学位：	硕士
授予学位单位：	兰州交通大学
学位年度：	2022