考虑碳排放的大件货物多式联运路径优化
1. 参数符号说明
运输网络表示为
G
=
(
V
,
E
,
N
)
\mathrm{G}=\left( \mathrm{V},\mathrm{E},\mathrm{N} \right)
G=(V,E,N)，
V
V
V为运输网络节点集合（不含起点和终点），p,q,s∈V，共v个节点；E为运输网络边集合，运输网络共ψ条边；N为运输工具集合，m,n∈N；O为运输起点，D为运输终点；
e
p
q
m
e_{pqm}
epqm为货物从节点p使用运输工具m运输到节点q， 为所有运输情况的集合，
e
p
q
m
∈
M
e_{pqm}\in M
epqm∈M，共有e种运输情况；
g为大件货物运量；
g
m
′
g_{m}^{\mathrm{'}}
gm′为运输工具m和大件货物的总质量；
d
p
q
m
d_{pq}^{m}
dpqm为货物从节点p使用运输工具m运输到节点q的运输距离；
f
p
q
m
f_{pq}^{m}
fpqm为货物从节点p使用运输工具m运输到节点q的运输单价；
f
p
m
n
f_{p}^{mn}
fpmn为货物在运输节点p处由运输工具m转为运输工具n的单位换装成本；
f
p
q
m
f_{pqm}
fpqm为货物从节点p使用运输工具m运输到节点q时的线路改造成本；
β
p
q
m
\beta _{pqm}
βpqm为货物从节点p使用运输工具m运输到节点q时的运输单元整体轮廓；
K
p
q
m
K_{pqm}
Kpqm为初始运输限界，
K
p
q
m
′
K_{pqm}^{\mathrm{'}}
Kpqm′为改造后的运输限界；
L
p
q
m
L_{pqm}
Lpqm为初始桥梁承重能力，
L
p
q
m
′
L_{pqm}^{\mathrm{'}}
Lpqm′为改造后的桥梁承重能力；
Z
p
q
m
Z_{pqm}
Zpqm为初始装卸设备能力，
Z
p
q
m
′
Z_{pqm}^{\mathrm{'}}
Zpqm′为改造后的装卸设备能力；
I为能源种类集合，
i
∈
I
i\in I
i∈I；
L
C
V
i
\mathrm{LCV}_i
LCVi为能源 的平均低位发热量；
C
P
C
i
\mathrm{CPC}_i
CPCi为能源 的单位热值含碳量；“CO” “R” _i为能源 的碳氧化率；ρ_i为能源i的密度；
j
p
q
m
i
j_{pq}^{mi}
jpqmi为货物从节点p使用运输工具m运输到节点q的能源i单位消耗量；
j
p
q
m
j_{pqm}
jpqm为货物从节点p使用运输工具m运输到节点q时进行线路改造建设产生的碳排放量；
R为装卸设备种类集合，
r
∈
R
r\in R
r∈R；
j
p
m
n
r
i
j_{pmn}^{ri}
jpmnri为货物在运输节点 处由运输工具m转为运输工具n时使用装卸设备r产生的能源 的单位时间消耗量；
t
p
m
n
r
t_{pmn}^{r}
tpmnr为货物在运输节点p处由运输工具m转为运输工具n时使用装卸设备r的换装时间；
C
1
C_1
C1为在途成本，
C
2
C_2
C2为线路改造成本，
C
3
C_3
C3为换装成本，
C
4
C_4
C4为总碳排放量，
C
4
1
C_{4}^{1}
C41为运输碳排放量；
C
4
2
C_{4}^{2}
C42为线路改造碳排放量；
C
4
3
C_{4}^{3}
C43为货物转运碳排放量；
x
p
q
m
x_{pq}^{m}
xpqm，
y
p
m
n
y_{p}^{mn}
ypmn，
z
p
m
n
r
z_{pmn}^{r}
zpmnr为0-1决策变量。
2 优化模型构建
2.1 模型假设
结合大件货物多式联运的实际情况，需要对数学模型进行假设以便于模型计算求解，假设总结如下：
（1）仅考虑单批量大件货物运输，且在运输过程中不出现运量分割的情况；
（2）运输网络中相邻节点间运输只能使用一种运输工具，即仅能采取一种运输方式；
（3）运输网络中某一节点处仅能进行一次运输工具转换；
（4）不同节点间运输选择使用同一种运输方式的运输工具相同（如不同节点间均进行公路运输时选择同一种运输工具），不同节点处进行同样运输工具转换时所使用的装卸设备保持一致（如不同节点均进行公转铁时选择同一种装卸设备）。
2.2 模型建立
（1）运输成本分析
由于C_1、C_2和C_3都属于大件货物在进行运输时产生的基本费用范畴，这部分费用称为运输成本C_0。按式（2-1）、（2-2）的计算方法对运输过程中在途成本、改造成本及换装成本进行分析，得到式（3-1）-（3-4）的运输成本计算公式：
C
1
=
∑
p
∈
V
∑
q
∈
V
∑
m
∈
N
g
d
p
q
m
f
p
q
m
x
p
q
m
C_1=\sum\nolimits_{p\in V}^{}{\sum\nolimits_{q\in V}^{}{\sum\nolimits_{m\in N}^{}{gd_{pq}^{m}f_{pq}^{m}}}}x_{pq}^{m}
C1=∑p∈V∑q∈V∑m∈Ngdpqmfpqmxpqm (3-1)
C
2
=
∑
p
∈
V
∑
q
∈
V
∑
m
∈
N
f
p
q
m
x
p
q
m
C_2=\sum\nolimits_{p\in V}^{}{\sum\nolimits_{q\in V}^{}{\sum\nolimits_{m\in N}^{}{f_{pqm}}}}x_{pq}^{m}
C2=∑p∈V∑q∈V∑m∈Nfpqmxpqm (3-2)
C
3
=
∑
p
∈
V
∑
m
∈
N
∑
n
∈
N
g
f
p
m
n
y
p
m
n
C_3=\sum\nolimits_{p\in V}^{}{\sum\nolimits_{m\in N}^{}{\sum\nolimits_{n\in N}^{}{gf_{p}^{mn}y_{p}^{mn}}}}
C3=∑p∈V∑m∈N∑n∈Ngfpmnypmn (3-3)
C
0
=
C
1
+
C
2
+
C
3
C_0=C_1+C_2+C_3
C0=C1+C2+C3 (3-4)
（2）能耗因子计算
能耗因子是行驶速度、货物重量、路面拥堵情况及驾驶员驾驶习惯这四种因素共同作用、计算得出的结果，不同因素指标有不同的权重，因此需要计算指标权重并得出不同运输情况对应的能耗因子。由于在大件货物多式联运运输网络中，不同边的运输条件不同，能耗因子也不同，则有多个能耗因子需要计算。根据问题特性，本文以各指标的变化程度为基础使用熵权法来计算指标权重，并进一步得到各个能耗因子值。
已知大件货物多式联运运输网络中共有ψ条边，使用熵权法时有e个评价对象（运输情况），会得到e个能耗因子值；评价指标有四种，分别为
a
1
a_1
a1：行驶速度，
a
2
a_2
a2：货物重量，
a
3
a_3
a3：路面拥堵情况，
a
4
a_4
a4：驾驶员驾驶习惯，得到能耗因子计算过程如下。
Step 1:根据评价对象和评价指标构建初始数据矩阵，w_(e_pqm a)表示矩阵元素。
W
=
(
w
e
p
q
m
a
)
e
×
4
=
[
w
11
w
12
w
13
w
14
w
21
w
22
w
23
w
24
⋮
w
e
1
w
e
2
w
e
3
w
e
4
]
W=\left( w_{e_{pqm}a} \right) _{e\times 4}=\left[ \begin{array}{c} w_{11}\mathrm{ }w_{12}\mathrm{ }w_{13}\mathrm{ }w_{14}\\ w_{21}\mathrm{ }w_{22}\mathrm{ }w_{23}\mathrm{ }w_{24}\\ \vdots\\ w_{e1}\mathrm{ }w_{e2}\mathrm{ }w_{e3}\mathrm{ }w_{e4}\\\end{array} \right]
W=(wepqma)e×4=
w11 w12 w13 w14w21 w22 w23 w24⋮we1 we2 we3 we4
(3-5)
Step 2:判断各组数据类型，进行正向化处理，得到正向化矩阵。四种评价指标中货物重量、路面拥堵情况和驾驶员驾驶习惯均为极小型判断指标，行驶速度为中间型判断指标。在正向化处理中，一般将所有指标统一为极大型判断指标，因此需要按式（3-6）对极小型判断指标进行转化，按式（3-7）对中间型判断指标进行转化，转化完成得到式（3-8）的正向化矩阵。其中， 表示正向化后的矩阵元素， 表示中间型判断指标的最优点。
w
e
p
q
m
a
′
=
m
a
x
(
w
e
p
q
m
a
)
−
w
e
p
q
m
a
w_{e_{pqm}a}^{\mathrm{'}}=max\!\:\left( w_{e_{pqm}a} \right) -w_{e_{pqm}a}
wepqma′=max(wepqma)−wepqma (3-6)
w
e
p
q
m
a
′
=
1
−
∣
w
e
p
q
m
a
−
w
b
e
s
t
∣
m
a
x
(
∣
w
e
p
q
m
a
−
w
b
e
s
t
∣
)
w_{e_{pqm}a}^{\mathrm{'}}=1-\frac{\left| w_{e_{pqm}a}-w_{best} \right|}{max\!\:\left( \left| w_{e_{pqm}a}-w_{best} \right| \right)}
wepqma′=1−max(∣wepqma−wbest∣)∣wepqma−wbest∣ (3-7)
W
′
=
(
w
e
p
q
m
a
′
)
e
×
4
=
[
w
′
11
w
′
12
w
′
13
w
′
14
w
′
21
w
′
22
w
′
23
w
′
24
⋮
w
′
e
1
w
′
e
2
w
′
e
3
w
′
e
4
]
W^{\mathrm{'}}=\left( {w_{e_{pqm}a}}^{\mathrm{'}} \right) _{e\times 4}=\left[ \begin{array}{c} {w^{\mathrm{'}}}_{11}\mathrm{ }{w^{\mathrm{'}}}_{12}\mathrm{ }{w^{\mathrm{'}}}_{13}\mathrm{ }{w^{\mathrm{'}}}_{14}\\ {w^{\mathrm{'}}}_{21}\mathrm{ }{w^{\mathrm{'}}}_{22}\mathrm{ }{w^{\mathrm{'}}}_{23}\mathrm{ }{w^{\mathrm{'}}}_{24}\\ \vdots\\ {w^{\mathrm{'}}}_{e1}\mathrm{ }{w^{\mathrm{'}}}_{e2}\mathrm{ }{w^{\mathrm{'}}}_{e3}\mathrm{ }{w^{\mathrm{'}}}_{e4}\\\end{array} \right]
W′=(wepqma′)e×4=
w′11 w′12 w′13 w′14w′21 w′22 w′23 w′24⋮w′e1 w′e2 w′e3 w′e4
(3-8)
Step 3:数据标准化处理，按式（3-9）将每个指标的数量级转化为同一范围内进行比较， 表示标准化后的矩阵元素。
h
e
p
q
m
a
=
w
e
p
q
m
a
′
−
m
i
n
e
p
q
m
∈
M
(
w
e
p
q
m
a
′
)
m
a
x
e
p
q
m
∈
M
(
w
e
p
q
m
a
′
)
−
m
i
n
e
p
q
m
∈
M
(
w
e
p
q
m
a
′
)
h_{e_{pqm}a}=\frac{w_{e_{pqm}a}^{\mathrm{'}}-\underset{e_{pqm}\in M}{min}\left( w_{e_{pqm}a}^{\mathrm{'}} \right)}{\underset{e_{pqm}\in M}{max}\left( w_{e_{pqm}a}^{\mathrm{'}} \right) -\underset{e_{pqm}\in M}{min}\left( w_{e_{pqm}a}^{\mathrm{'}} \right)}
hepqma=epqm∈Mmax(wepqma′)−epqm∈Mmin(wepqma′)wepqma′−epqm∈Mmin(wepqma′) (3-9)
Step 4:求解概率矩阵，按式（3-10）计算使得每个指标对应的概率和为1，当h_(e_pqm a)=0时，按式（3-11）进行计算，其中u_(e_pqm a)表示概率矩阵中的元素。
u
e
p
q
m
a
=
h
e
p
q
m
a
∑
e
p
q
m
∈
M
h
e
p
q
m
a
u_{e_{pqm}a}=\frac{h_{e_{pqm}a}}{\sum\nolimits_{e_{pqm}\in M}^{}{h_{e_{pqm}a}}}
uepqma=∑epqm∈Mhepqmahepqma (3-10)
u
e
p
q
m
a
=
1
+
h
e
p
q
m
a
∑
e
p
q
m
∈
M
(
1
+
h
e
p
q
m
a
)
u_{e_{pqm}a}=\frac{1+h_{e_{pqm}a}}{\sum\nolimits_{e_{pqm}\in M}^{}{\left( 1+h_{e_{pqm}a} \right)}}
uepqma=∑epqm∈M(1+hepqma)1+hepqma (3-11)
Step 5:确定各指标熵值，按式（3-12）对概率矩阵中的数据进行加工处理，计算得到各个指标信息熵。
σ
a
=
−
1
l
n
e
∑
e
p
q
m
∈
M
u
e
p
q
m
a
l
n
u
e
p
q
m
a
\sigma _a=-\frac{1}{ln\!\:e}\sum\nolimits_{e_{pqm}\in M}^{}{u_{e_{pqma}}lnu_{e_{pqm}a}}
σa=−lne1∑epqm∈Muepqmalnuepqma (3-12)
Step 6:计算各指标权重，按式（3-13）对求得的指标熵值进行再处理得到指标权重。
η
a
=
(
1
−
σ
a
)
∑
a
=
1
4
(
1
−
σ
a
)
\eta _a=\frac{(1-\sigma _a)}{\sum\nolimits_{a=1}^4{\left( 1-\sigma _a \right)}}
ηa=∑a=14(1−σa)(1−σa) (3-13)
Step 7:确定各评价对象的能耗因子，利用标准化矩阵和指标权重按式（3-14）计算所有评价对象的能耗因子。
α
e
p
q
m
=
∑
a
=
1
4
η
a
h
e
p
q
m
a
\alpha _{e_{pqm}}=\sum\nolimits_{a=1}^4{\eta _ah_{e_{pqm}a}}
αepqm=∑a=14ηahepqma (3-14)
（3）碳排放量分析
按式（2-3）-（2-8）的计算方法对在途运输碳排放量、改造过程碳排放量及换装过程碳排放量进行分析，得到式（3-15）-（3-18）的碳排放量计算公式：
C
4
1
=
∑
p
∈
V
∑
q
∈
V
∑
m
∈
N
∑
i
∈
I
α
e
p
q
m
d
p
q
m
j
p
q
m
i
ρ
i
L
C
V
i
C
P
C
i
C
O
R
i
44
12
x
p
q
m
C_{4}^{1}=\sum\nolimits_{p\in V}^{}{\sum\nolimits_{q\in V}^{}{\sum\nolimits_{m\in N}^{}{\sum\nolimits_{i\in I}^{}{\alpha _{e_{pqm}}d_{pq}^{m}j_{pq}^{mi}\rho _iLCV_iCPC_iCOR_i\frac{44}{12}x_{pq}^{m}}}}}
C41=∑p∈V∑q∈V∑m∈N∑i∈IαepqmdpqmjpqmiρiLCViCPCiCORi1244xpqm (3-15)
C
4
2
=
∑
p
∈
V
∑
q
∈
V
∑
m
∈
N
j
p
q
m
x
p
q
m
C_{4}^{2}=\sum\nolimits_{p\in V}^{}{\sum\nolimits_{q\in V}^{}{\sum\nolimits_{m\in N}^{}{j_{pqm}x_{pq}^{m}}}}
C42=∑p∈V∑q∈V∑m∈Njpqmxpqm (3-16)
C
4
3
=
∑
p
∈
V
∑
m
∈
N
∑
n
∈
N
∑
r
∈
R
∑
i
∈
I
j
p
m
n
r
i
t
p
ρ
i
L
C
V
i
C
P
C
i
C
O
R
i
44
12
y
p
m
n
z
p
m
n
r
C_{4}^{3}=\sum\nolimits_{p\in V}^{}{\sum\nolimits_{m\in N}^{}{\sum\nolimits_{n\in N}^{}{\sum\nolimits_{r\in R}^{}{\sum\nolimits_{i\in I}^{}{j_{pmn}^{ri}t_p\rho _iLCV_iCPC_iCOR_i\frac{44}{12}y_{p}^{mn}z_{pmn}^{r}}}}}}
C43=∑p∈V∑m∈N∑n∈N∑r∈R∑i∈IjpmnritpρiLCViCPCiCORi1244ypmnzpmnr (3-17)
C
4
=
C
4
1
+
C
4
2
+
C
4
3
C_4=C_{4}^{1}+C_{4}^{2}+C_{4}^{3}
C4=C41+C42+C43 (3-18)
（4）大件货物多式联运路径优化模型
由于大件货物多式联运路径优化问题属于多目标优化，两个目标函数值的数量级和单位均不同，因此需要对其按式（3-19）、（3-20）分别进行无量纲化处理，转化为单目标优化问题。
F
(
C
0
)
=
C
0
−
C
0
m
i
n
∗
C
0
m
a
x
∗
−
C
0
m
i
n
∗
F(C_0)=\frac{C_0-C_{0min}^{*}}{C_{0max}^{*}-C_{0min}^{*}}
F(C0)=C0max∗−C0min∗C0−C0min∗ (3-19)
F
(
C
4
)
=
C
4
−
C
4
m
i
n
∗
C
4
m
a
x
∗
−
C
4
m
i
n
∗
F(C_4)=\frac{C_4-C_{4min}^{*}}{C_{4max}^{*}-C_{4min}^{*}}
F(C4)=C4max∗−C4min∗C4−C4min∗ (3-20)
其中，
C
0
m
i
n
∗
C_{0min}^{*}
C0min∗，
C
0
m
a
x
∗
=
∑
p
∈
V
∑
q
∈
V
∑
n
∈
N
∑
m
∈
N
g
d
p
q
m
f
p
q
m
x
p
q
m
+
f
p
q
m
x
p
q
m
+
g
f
p
m
n
y
p
m
n
C_{0max}^{*}=\sum\nolimits_{p\in V}^{}{\sum\nolimits_{q\in V}^{}{\sum\nolimits_{n\in N}^{}{\sum\nolimits_{m\in N}^{}{gd_{pq}^{m}f_{pq}^{m}x_{pq}^{m}+f_{pqm}x_{pq}^{m}+gf_{p}^{mn}y_{p}^{mn}}}}}
C0max∗=∑p∈V∑q∈V∑n∈N∑m∈Ngdpqmfpqmxpqm+fpqmxpqm+gfpmnypmn
表示大件货物在运输时经过多式联运运输网络中的每一路段所产生的运输成本；
C
4
m
i
n
∗
C_{4min}^{*}
C4min∗，
C
4
m
a
x
∗
=
∑
p
∈
V
∑
q
∈
V
∑
m
∈
N
∑
n
∈
N
∑
r
∈
R
∑
i
∈
I
L
C
V
i
C
P
C
i
C
O
R
i
44
12
(
α
e
p
q
m
d
p
q
m
j
p
q
m
i
ρ
i
x
p
q
m
+
j
p
m
n
r
i
t
p
ρ
i
y
p
m
n
z
p
m
n
r
)
+
j
p
q
m
x
p
q
m
C_{4max}^{*}=\sum_{p\in V}^{}{\sum_{q\in V}^{}{\sum_{m\in N}^{}{\sum_{n\in N}^{}{\sum_{r\in R}^{}{\sum_{i\in I}^{}{LCV_iCPC_iCOR_i\frac{44}{12}\left( \alpha _{e_{pqm}}d_{pq}^{m}j_{pq}^{mi}\rho _ix_{pq}^{m}+j_{pmn}^{ri}t_p\rho _iy_{p}^{mn}z_{pmn}^{r} \right) +j_{pqm}x_{pq}^{m}}}}}}}
C4max∗=∑p∈V∑q∈V∑m∈N∑n∈N∑r∈R∑i∈ILCViCPCiCORi1244(αepqmdpqmjpqmiρixpqm+jpmnritpρiypmnzpmnr)+jpqmxpqm表示大件货物在运输时经过多式联运运输网络中的每一路段所产生的碳排放量。
统筹考虑大件货物运输限制、运输网络连续性等约束，以总运输成本和碳排放量最小为优化目标，设立
θ
1
\theta _1
θ1和
θ
2
\theta _2
θ2分别表示决策者对运输成本和碳排放量的决策偏好，将多目标优化问题转换为单目标优化问题，构建大件货物多式联运路径优化模型：
m
i
n
C
=
θ
1
F
(
C
0
)
+
θ
2
F
(
C
4
)
θ
1
+
θ
2
=
1
min\!\:C=\theta _1F(C_0)+\theta _2F(C_4)\mathrm{ } \theta _1+\theta _2=1
minC=θ1F(C0)+θ2F(C4) θ1+θ2=1 (3-21)
s.t.
∑
m
∈
N
x
p
q
m
≤
1
∀
p
,
q
∈
V
\sum\nolimits_{m\in N}^{}{x_{pq}^{m}}\le 1\mathrm{ }\forall p,q\in V
∑m∈Nxpqm≤1 ∀p,q∈V (3-22)
∑
m
∈
N
∑
n
∈
N
y
p
m
n
≤
1
∀
p
∈
V
\sum\nolimits_{m\in N}^{}{\sum\nolimits_{n\in N}^{}{y_{p}^{mn}}}\le 1\mathrm{ }\forall p\in V
∑m∈N∑n∈Nypmn≤1 ∀p∈V (3-23)
x
p
q
m
x
q
s
n
=
y
q
m
n
∀
p
,
q
,
s
∈
V
;
∀
m
,
n
∈
N
x_{pq}^{m}x_{qs}^{n}=y_{q}^{mn}\mathrm{ }\forall p,q,s\in V;\forall m,n\in N
xpqmxqsn=yqmn ∀p,q,s∈V;∀m,n∈N (3-24)
y
O
m
n
=
y
D
m
n
=
0
∀
m
,
n
∈
N
y_{O}^{mn}=y_{D}^{mn}=0\mathrm{ }\forall m,n\in N
yOmn=yDmn=0 ∀m,n∈N (3-25)
∑
p
∈
V
∑
m
∈
N
x
O
p
m
−
∑
q
∈
V
∑
m
∈
N
x
q
O
m
=
1
\sum\nolimits_{p\in V}^{}{\sum\nolimits_{m\in N}^{}{x_{Op}^{m}}-}\sum\nolimits_{q\in V}^{}{\sum\nolimits_{m\in N}^{}{x_{qO}^{m}}=1}
∑p∈V∑m∈NxOpm−∑q∈V∑m∈NxqOm=1 (3-26)
∑
p
∈
V
∑
m
∈
N
x
p
q
m
−
∑
q
∈
V
∑
m
∈
N
x
q
s
m
=
0
\sum\nolimits_{p\in V}^{}{\sum\nolimits_{m\in N}^{}{x_{pq}^{m}}-}\sum\nolimits_{q\in V}^{}{\sum\nolimits_{m\in N}^{}{x_{qs}^{m}}=0}
∑p∈V∑m∈Nxpqm−∑q∈V∑m∈Nxqsm=0 (3-27)
∑
p
∈
V
∑
m
∈
N
x
D
p
m
−
∑
q
∈
V
∑
m
∈
N
x
q
D
m
=
−
1
\sum\nolimits_{p\in V}^{}{\sum\nolimits_{m\in N}^{}{x_{Dp}^{m}}-}\sum\nolimits_{q\in V}^{}{\sum\nolimits_{m\in N}^{}{x_{qD}^{m}}=-1}
∑p∈V∑m∈NxDpm−∑q∈V∑m∈NxqDm=−1 (3-28)
x
p
q
m
β
p
q
m
≤
K
p
q
m
′
∀
p
,
q
∈
V
;
∀
m
∈
N
x_{pq}^{m}\beta _{pqm}\le K_{pqm}^{\mathrm{'}}\mathrm{ }\forall p,q\in V;\forall m\in N
xpqmβpqm≤Kpqm′ ∀p,q∈V;∀m∈N (3-29)
x
p
q
m
g
m
′
≤
L
p
q
m
′
∀
p
,
q
∈
V
;
∀
m
∈
N
x_{pq}^{m}g_{m}^{\mathrm{'}}\le L_{pqm}^{\mathrm{'}}\mathrm{ }\forall p,q\in V;\forall m\in N
xpqmgm′≤Lpqm′ ∀p,q∈V;∀m∈N (3-30)
y
p
m
n
≤
Z
p
q
m
′
∀
p
,
q
∈
V
;
∀
m
∈
N
y_{p}^{mn}\le Z_{pqm}^{\mathrm{'}}\mathrm{ }\forall p,q\in V;\forall m\in N
ypmn≤Zpqm′ ∀p,q∈V;∀m∈N (3-31)
x
p
q
m
=
{
1
，货物从节点
p
使用运输工具
m
运输到节点
q
0
，货物从节点
p
不使用运输工具
m
运输到节点
q
∀
p
,
q
∈
V
;
∀
m
∈
N
x_{pq}^{m}=\left\{ \begin{array}{c} 1\text{，货物从节点}p\text{使用运输工具}m\text{运输到节点}q\\ 0\text{，货物从节点}p\text{不使用运输工具}m\text{运输到节点}q\\\end{array} \right. \mathrm{ }\forall p,q\in V;\forall m\in N
xpqm={1，货物从节点p使用运输工具m运输到节点q0，货物从节点p不使用运输工具m运输到节点q ∀p,q∈V;∀m∈N (3-32)
y
p
m
n
=
{
1
，货物在节点
p
处由运输工具
m
转为
n
0
，货物在节点
p
处不需要进行换装
∀
p
∈
V
;
∀
m
,
n
∈
N
y_{p}^{mn}=\left\{ \begin{array}{c} 1\text{，货物在节点}p\text{处由运输工具}m\text{转为}n\\ 0\text{，货物在节点}p\text{处不需要进行换装}\\\end{array} \right. \mathrm{ }\forall p\in V;\forall m,n\in N
ypmn={1，货物在节点p处由运输工具m转为n0，货物在节点p处不需要进行换装 ∀p∈V;∀m,n∈N (3-33)
z
p
m
n
r
=
{
1
，在节点
p
处由运输工具
m
转为
n
使用设备
r
0
，在节点
p
处由运输工具
m
转为
n
不使用设备
r
∀
p
∈
V
;
∀
m
,
n
∈
N
;
∀
r
∈
R
z_{pmn}^{r}=\left\{ \begin{array}{c} 1\text{，在节点}p\text{处由运输工具}m\text{转为}n\text{使用设备}r\\ 0\text{，在节点}p\text{处由运输工具}m\text{转为}n\text{不使用设备}r\\\end{array} \right. \forall p\in V;\forall m,n\in \mathrm{N};\forall r\in R
zpmnr={1，在节点p处由运输工具m转为n使用设备r0，在节点p处由运输工具m转为n不使用设备r∀p∈V;∀m,n∈N;∀r∈R (3-34)
其中，式（3-21）表示以最小化总运输成本和碳排放量为优化目标；式（3-22）表示大件货物在两节点之间进行运输时仅能选择一种运输工具；式（3-23）表示大件货物在每一节点处最多进行一次转运换装作业；式（3-24）表示运输网络的连续性约束；式（3-25）表示在运输起点和终点处无法进行转运；式（3-26）-（3-28）表示运输网络节点的流入流出量保持平衡；式（3-29）表示大件货物装车后轮廓满足运输限界要求；式（3-30）表示大件货物装车后总重量满足桥梁承重要求，式（3-31）表示中转节点的装卸设备作业能力满足要求；式（3-32）表示当货物从节点p使用运输工具 运输到节点 时，
x
p
q
m
x_{pq}^{m}
xpqm取1，否则为0；式（3-33）表示当货物在运输节点p处由运输工具 转为运输工具p时，
y
p
m
n
y_{p}^{mn}
ypmn取1，否则为0；式（3-34）表示当货物在运输节点 处由运输工具p转为运输工具p时使用装卸设备p时，
z
p
m
n
r
z_{pmn}^{r}
zpmnr取1，否则为0。
3 考虑碳排放的大件货物多式联运路径优化算法设计
3.1 问题特点分析
大件货物多式联运路径优化问题属于NP难问题，解决该类问题常用的方法一般有蚁群算法、粒子群算法等，但根据大件货物多式联运路径优化问题的特性，要求所用算法具备较高的求解时效性和准确性，避免使用复杂算法带来求解效率低下等问题。而遗传算法相较于其他启发式优化算法，可以被很好地并行化，从而加速计算过程，且具备良好的全局搜索能力，擅长处理大规模的路径优化问题，能够在解空间中进行全局搜索，不容易陷入局部最优解，能够找到全局最优解或近似最优解。
同时，遗传算法在大件货物多式联运路径优化问题中展现出更高的适用性，其中遗传算法中的自然数编码能够表示出实际运输路径方案与个体基因一一对应的关系，其次构建的模型中无需求导，而遗传算法中的适应度函数不受连续可微的约束，另外多式联运路径优化问题是通过经历不同的节点来进行寻优操作的，与遗传算法的求解思路相一致。
但传统的遗传算法存在初始编码时初始解随机性过强、收敛效率较低、容易陷入局部最优解的问题，为有效解决上述问题，本文设计以个体适应度为基础进行自适应变化的交叉变异率，并加入精英保留策略、去环处理和替代处理，设计相应的自适应精英遗传算法，从而提高算法的求解精度和效率。
4.2 算法编码设计
在求解多式联运路径优化问题中，主要涉及运输节点、运输方式及转运方式的选取，应用遗传算法求解该类问题时需重点关注遗传算子的编码及解码。通过查阅相关文献，其中张英贵等[17]将多式联运运输网络转换为似三棱柱网络以便于构造相应算法，并通过实验证明该网络的科学性和实用性。本文为便于进行遗传算子的编码，在似三棱柱网络的基础上进行改进得到运输层级网络，削弱似三棱柱网络中边的联系，重点利用编码方式囊括运输方案，具体编码设计如下所示。
已知大件货物多式联运运输网络中共v个节点，每个节点均可能存在公路、铁路和水路3种运输方式的换装点。本文将整个运输网络按照节点进行拆分，节点1得到层级网络1+（节点序号与层级网络序号一一对应），以此类推形成v个层级网络，每个层级网络由三个换装点连接组成三角形，从左至右依次为公路、铁路、水路换装点，并将所有层级网络按照序号从小到大、从下到上进行堆积放置且同一类型的换装点必须位于一条直线上。
结合上述层级网络，对该网络中的每个点进行编码，层级网络1+中的公路、铁路和水路换装点设为1、2、3，层级网络2+中的公路、铁路和水路换装点设为4、5、6，依此类推即可得到整个网络的节点编码。同时，不同类型换装点的编码取值具有一定规律，对应不同的数学公式。公路、铁路和水路换装点的编码取值依次按式（4-1）、（4-2）和（4-3）计算得到，其中
i
+
i^+
i+为层级网络序号。
ξ
=
3
i
+
−
2
\xi =3i^+-2
ξ=3i+−2 (4-1)
ξ
=
3
i
+
−
1
\xi =3i^+-1
ξ=3i+−1 (4-2)
ξ
=
3
i
+
\xi =3i^+
ξ=3i+ (4-3)
根据构建完成的层级网络及编码方式，可对大件物流多式联运的运输网络拓展形成如图4-1所示的层级网络模型。
图4-1 层级网络示意图
针对研究问题的特性，大件货物多式联运运输路径方案中还包括换装运输中的装卸设备选取，因此还需要对选用的装卸设备进行编码说明。由于模型假设中对装卸设备的使用进行了约束，不同节点处进行同样运输工具转换时所使用的装卸设备保持一致，即仅有六类装卸设备（公转铁、公转水、铁转公、铁转水、水转铁、水转公装卸设备，且同种类别中包括的装卸设备品类和数量保持一致）。而装卸设备类型的选取可以根据大件货物换装方式得出，如大件货物进行公转铁运输就是选择公转铁装卸设备。因此，对于装卸设备无需进行额外编码，可由换装方式直接推断得到。
基于上述编码方式，染色体中的每个基因包含两部分信息，分别是运输信息和设备信息，同时说明货物运输行经节点的运输情况相当于一个基因，行经节点的数量等于基因数量，将所有行经节点的编码按顺序组合形成一种运输路径方案。由于货物运输过程中所有节点仅会经过一次，不同节点的换装点均有不同编码，即基因和编码值是一一对应关系，一个编码值在编码串中仅会出现一次，因此根据染色体上的编码串数值可反推具体的运输路径方案。
以下为根据编码规则反推运输路径方案的举例说明，染色体编码情况如图4-2所示。第一个基因为1，根据换装点的编码公式可知运输起点为节点1且选用公路运输工具，起点不需要进行换装；第二个基因5，易知第二个运输节点为节点2且起运时选用铁路运输工具，由于节点1-节点2进行公路运输而节点2-节点4进行铁路运输，因此节点2进行了公转铁换装且选用公转铁装卸设备；同理可得其他基因内含的运输情况，最后两个基因中节点9-节点11选择水路运输工具，因此节点9进行铁转水换装且选用铁转水装卸设备；节点11为运输终点，以水路运输工具接收货物，不需要进行换装。
图4-2 染色体编码示意图
5.1 算例基础数据
某运输企业需将一台变压器从湖南长沙（节点1）运送至天津港（节点11），货物重量约为330t，外形尺寸为11500mm×3640mm×4575mm。该货物多式联运运输网络结构如图5-1所示，图中数字表示城市节点编号。
图5-1 多式联运运输网络结构示意图
5.1.1 多式联运运输网络及换装信息
该变压器的多式联运运输网络信息如表5-1所示，运输网络节点换装信息如表5-2所示[15]，其中“*”表示桥梁路段无需改造即可通行，“√”表示改造后可通行，运输方式分为1、2、3类，分别对应公路、铁路、水路运输，运输工具及装卸设备与运输方式一一对应。
表5-1 多式联运运输网络信息表
| 序号 | 起始节点 | 终止节点 | 运输方式 | 桥梁承载能力(t) | 路段限界通过状况 | 行驶速度 (km/h) | 里程 (km) | 单位运价 (元/km·t) | 改造成本(元) | 改造碳排放量(tCO2eq) |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 1 | 2 | 1类 | 600 | √ | 75 | 175 | 0.56 | 60000 | 40 |
| 2 | 1 | 2 | 2类 | 600 | √ | 30 | 185 | 0.49 | 80000 | 31 |
| 3 | 1 | 3 | 1类 | 500 | √ | 55 | 120 | 0.57 | 50000 | 50 |
| 4 | 1 | 3 | 2类 | 600 | √ | 33 | 130 | 0.48 | 80000 | 80 |
| 5 | 2 | 4 | 1类 | 600 | √ | 80 | 152 | 0.55 | 45000 | 55 |
| 6 | 2 | 4 | 2类 | 530 | √ | 35 | 156 | 0.48 | 65000 | 53 |
| 7 | 3 | 4 | 1类 | 650 | √ | 60 | 108 | 0.60 | 90000 | 51 |
| 8 | 3 | 4 | 3类 | * | 可通过 | 21 | 123 | 0.41 | 0 | 0 |
| 9 | 4 | 5 | 1类 | 600 | 可通过 | 75 | 212 | 0.56 | 0 | 0 |
| 10 | 4 | 5 | 2类 | 700 | √ | 30 | 243 | 0.48 | 80000 | 48 |
| 11 | 4 | 5 | 3类 | * | 可通过 | 19 | 250 | 0.43 | 0 | 0 |
| 12 | 4 | 6 | 2类 | 700 | √ | 35 | 205 | 0.50 | 120000 | 68 |
| 13 | 4 | 6 | 3类 | * | 可通过 | 23 | 230 | 0.39 | 0 | 0 |
| 14 | 5 | 7 | 2类 | 650 | √ | 36 | 165 | 0.47 | 50000 | 83 |
| 15 | 5 | 7 | 3类 | * | 可通过 | 20 | 180 | 0.41 | 0 | 0 |
| 16 | 6 | 7 | 1类 | 650 | √ | 70 | 190 | 0.56 | 70000 | 73 |
| 17 | 6 | 7 | 2类 | 700 | √ | 30 | 200 | 0.48 | 80000 | 43 |
| 18 | 6 | 7 | 3类 | * | 可通过 | 18 | 210 | 0.38 | 0 | 0 |
| 19 | 6 | 8 | 1类 | 650 | √ | 80 | 145 | 0.61 | 35000 | 65 |
| 20 | 6 | 8 | 2类 | 700 | √ | 35 | 155 | 0.49 | 40000 | 60 |
| 21 | 7 | 9 | 1类 | 650 | √ | 78 | 174 | 0.59 | 80000 | 81 |
| 22 | 7 | 9 | 2类 | 480 | √ | 33 | 167 | 0.51 | 90000 | 59 |
| 23 | 7 | 9 | 3类 | * | 可通过 | 23 | 192 | 0.42 | 0 | 0 |
| 24 | 8 | 10 | 1类 | 600 | √ | 74 | 213 | 0.57 | 150000 | 58 |
| 25 | 8 | 10 | 2类 | 530 | √ | 38 | 287 | 0.45 | 130000 | 70 |
| 26 | 9 | 10 | 1类 | 650 | √ | 75 | 170 | 0.59 | 80000 | 81 |
| 27 | 9 | 10 | 2类 | 650 | √ | 35 | 180 | 0.47 | 68000 | 52 |
| 28 | 10 | 11 | 1类 | 700 | √ | 80 | 150 | 0.61 | 113000 | 47 |
| 29 | 10 | 11 | 2类 | 700 | 可通过 | 30 | 164 | 0.48 | 0 | 0 |
| 30 | 10 | 11 | 3类 | * | 可通过 | 27 | 182 | 0.40 | 0 | 0 |
表5-2 多式联运节点换装信息表
| 换装前后运输工具类型 | 换装时间(h) | 单位换装费用(元/t) | 可换装节点 |
|---|---|---|---|
| 1类—2类 | 0.9 | 88 | 2、4、6、7、8、9、10 |
| 1类—3类 | 3.1 | 94 | 3、4、5、7、10 |
| 2类—1类 | 0.8 | 85 | 2、3、4、5、6、7、8、9、10 |
| 2类—3类 | 4.2 | 103 | 3、4、5、6、7、10 |
| 3类—1类 | 4.6 | 112 | 4、5、6、7、9 |
| 3类—2类 | 5.1 | 109 | 4、5、6、7、9 |
5.1.2 运输工具及装卸设备基本信息
为简化运输方案，减少货物在途运输风险，需根据货物的重量外形等特点以及相关管理规定和经验，选择合适的运输工具及装卸设备，同时需查阅相关设备厂商明确各设备单位能源消耗量，具体数据如表5-3所示。
表5-3 运输工具及设备使用情况统计表
| 运输方式 | 运输工具及装卸设备 | 设备工具类型 | 总重 | 使用能源类型 | 单位能源消耗量 |
|---|---|---|---|---|---|
| 公路运输 | 牵引车Benz Actros 41508×8、 装载车3纵列12轴液压平板车 | 1类运输工具 | 356t | 柴油 | 0.55L/km·t |
| 铁路运输 | DK36车辆 | 2类运输工具 | 445t | 柴油 | 0.48L/km·t |
| 水路运输 | 1500t级驳船 | 3类运输工具 | 2130t | 燃料油 | 0.32L/km·t |
| 公转铁 | 轨道式龙门吊、铁路平板车 | 1类装卸设备 | \ | 电力 | 27.80kwh/h |
| 公转水 | 轮胎式起重机、大型平板车 | 2类装卸设备 | \ | 柴油 | 23.60L/h |
| 铁转公 | 油压千斤顶、汽车平板车 | 3类装卸设备 | \ | 柴油 | 8.30L/h |
| 铁转水 | 轨道式龙门吊、底盘车 | 4类装卸设备 | \ | 电力 | 24.50kwh/h |
| 水转公 | 汽车吊、大型平板车 | 5类装卸设备 | \ | 柴油 | 34.70L/h |
| 水转铁 | 轮胎式起重机、底盘车 | 6类装卸设备 | \ | 柴油 | 28.40L/h |
其中，公路运输装车后的尺寸为18120mm×4800mm×6200mm，铁路运输装车后的尺寸如表5-4所示。
表5-4 铁路运输货物装载后的轮廓尺寸表
| 侧高次序 | 距轨面高度(mm) | 货物及车辆半宽(mm) | 300m曲线计算半宽(mm) |
|---|---|---|---|
| 中心高 | 5060 | 1530 | 1738 |
| 一侧高 | 4890 | 1560 | 1769 |
| 二侧高 | 4130-1220 | 2080 | 2254 |
| 三侧高 | 1230-1090 | 1795 | 2030 |
| 四侧高 | 250 | 1525 | 1742 |
5.1.3 各类能源基础数据
不同的运输工具及装卸设备使用的能源不同，每种能源对应的二氧化碳排放系数也不同，各类能源的基础数据如表5-5所示。
表5-5 各类能源基础数据
| 能源名称 | 平均低位发热量 | 单位热值含碳量 | 能源消耗氧化率 | 能源密度 | 碳排放系数 |
|---|---|---|---|---|---|
| 柴油 | 43070kJ/kg | 18.9吨碳/TJ | 0.98 | 0.84kg/L | 3.095kgCO2/kg |
| 燃料油 | 41816kJ/kg | 21.1吨碳/TJ | 0.98 | 0.80kg/L | 3.171kgCO2/kg |
| 电力 | \ | \ | \ | \ | 0.553kgCO2/kwh |
5.1.4 能耗因子基础数据
能耗因子由行驶速度、货物重量、路面拥堵情况及驾驶员驾驶习惯这四类因素共同作用计算得出，其中在制定某一货物运输路径方案时研究对象均为同一货物，货物重量保持不变，但由于选择的运输工具不同，即车货总重不同，因此引入车货总重数据以求解能耗因子。而由于每一路径的路面拥堵情况及驾驶员驾驶习惯没有准确的数据，无法使用熵权法，为解决这一问题，采取专家打分法对这两类因素进行评分。通过查阅相关资料可知节点限定运输时段、运输路段等级及高峰时段行车（船）平均速度三类因素可以反映出该节点的路面拥堵情况；驾驶员驾驶习惯则根据运输距离长短进行评分，运输距离越短驾驶员驾驶习惯越好，反之越差。
搜集相关数据得到变压器的多式联运运输网络节点路径信息，根据已有数据信息，通过10位专家对路面拥堵情况及驾驶员驾驶习惯进行打分（总分100分），得到能耗因子基础数据评分如表5-6所示。
表5-6 多式联运运输网络节点路径信息及评分表
| 序号 | 起始节点 | 终止节点 | 运输方式 | 限定运输时段 | 运输路段 等级 | 高峰时段行车 （船）平均速度 | 路面拥堵情况平均得分 | 驾驶员驾驶 习惯平均得分 |
|---|---|---|---|---|---|---|---|---|
| 1 | 1 | 2 | 1类 | 22时-6时 | 一级 | 25.7km/h | 90.3 | 90.0 |
| 2 | 1 | 2 | 2类 | \ | 二级 | \ | 93.0 | 90.9 |
| 3 | 1 | 3 | 1类 | 21时-7时 | 一级 | 30.6km/h | 91.8 | 82.0 |
| 4 | 1 | 3 | 2类 | \ | 二级 | \ | 93.0 | 83.9 |
| 5 | 2 | 4 | 1类 | 2时-5时 | 二级 | 35.8km/h | 93.2 | 86.0 |
| 6 | 2 | 4 | 2类 | \ | 一级 | \ | 95.3 | 86.8 |
| 7 | 3 | 4 | 1类 | 23时-6时 | 二级 | 29.1km/h | 92.1 | 80.6 |
| 8 | 3 | 4 | 3类 | \ | 三级 | 15.3km/h | 91.7 | 82.8 |
| 9 | 4 | 5 | 1类 | 22时-7时 | 一级 | 32.6km/h | 94.4 | 93.0 |
| 10 | 4 | 5 | 2类 | \ | 三级 | \ | 89.0 | 95.0 |
| 11 | 4 | 5 | 3类 | \ | 四级 | 16.5km/h | 88.6 | 95.3 |
| 12 | 4 | 6 | 2类 | \ | 二级 | \ | 94.9 | 92.3 |
| 13 | 4 | 6 | 3类 | \ | 二级 | 12km/h | 87.7 | 94.2 |
| 14 | 5 | 7 | 2类 | \ | 一级 | \ | 96.2 | 88.5 |
| 15 | 5 | 7 | 3类 | \ | 四级 | 9.3km/h | 89.4 | 90.5 |
| 16 | 6 | 7 | 1类 | 24时-6时 | 三级 | 26.6km/h | 92.3 | 91.3 |
| 17 | 6 | 7 | 2类 | \ | 一级 | \ | 96.8 | 92.1 |
| 18 | 6 | 7 | 3类 | \ | 二级 | 10.5km/h | 89.9 | 92.7 |
| 19 | 6 | 8 | 1类 | 23时-7时 | 一级 | 28.3km/h | 91.5 | 84.2 |
| 20 | 6 | 8 | 2类 | \ | 二级 | \ | 95.3 | 86.5 |
| 21 | 7 | 9 | 1类 | 22时-5时 | 二级 | 24.8km/h | 91.2 | 89.6 |
| 22 | 7 | 9 | 2类 | \ | 三级 | \ | 90.7 | 88.7 |
| 23 | 7 | 9 | 3类 | \ | 三级 | 13.9km/h | 86.5 | 91.5 |
| 24 | 8 | 10 | 1类 | 2时-5时 | 二级 | 26.4km/h | 92.8 | 93.1 |
| 25 | 8 | 10 | 2类 | \ | 一级 | \ | 94.8 | 97.0 |
| 26 | 9 | 10 | 1类 | 24时-7时 | 一级 | 34.6km/h | 92.2 | 89.3 |
| 27 | 9 | 10 | 2类 | \ | 二级 | \ | 94.8 | 90.4 |
| 28 | 10 | 11 | 1类 | 22时-5时 | 一级 | 28.7km/h | 91.2 | 85.6 |
| 29 | 10 | 11 | 2类 | \ | 二级 | \ | 93.9 | 88.2 |
| 30 | 10 | 11 | 3类 | \ | 一级 | 16.2km/h | 95.0 | 90.7 |
结合行驶速度、路面拥堵情况平均得分及驾驶员驾驶习惯平均得分三类数据，使用熵权法计算得到所有运输路段上的能耗因子，计算结果如表5-7所示。
表5-7 各运输路段能耗因子信息表
| 起始节点 | 终止节点 | 运输方式 | 能耗因子 | 起始节点 | 终止节点 | 运输方式 | 能耗因子 |
|---|---|---|---|---|---|---|---|
| 1 | 2 | 1类 | 0.82 | 6 | 7 | 1类 | 0.82 |
| 1 | 2 | 2类 | 0.54 | 6 | 7 | 2类 | 0.61 |
| 1 | 3 | 1类 | 0.63 | 6 | 7 | 3类 | 0.16 |
| 1 | 3 | 2类 | 0.50 | 6 | 8 | 1类 | 0.81 |
| 2 | 4 | 1类 | 0.85 | 6 | 8 | 2类 | 0.57 |
| 2 | 4 | 2类 | 0.57 | 7 | 9 | 1类 | 0.85 |
| 3 | 4 | 1类 | 0.66 | 7 | 9 | 2类 | 0.51 |
| 3 | 4 | 3类 | 0.11 | 7 | 9 | 3类 | 0.13 |
| 4 | 5 | 1类 | 0.90 | 8 | 10 | 1类 | 0.87 |
| 4 | 5 | 2类 | 0.53 | 8 | 10 | 2类 | 0.68 |
| 4 | 5 | 3类 | 0.17 | 9 | 10 | 1类 | 0.84 |
| 4 | 6 | 2类 | 0.62 | 9 | 10 | 2类 | 0.60 |
| 4 | 6 | 3类 | 0.17 | 10 | 11 | 1类 | 0.82 |
| 5 | 7 | 2类 | 0.60 | 10 | 11 | 2类 | 0.53 |
| 5 | 7 | 3类 | 0.14 | 10 | 11 | 3类 | 0.26 |
| 5 | 7 | 2类 | 0.60 | 10 | 11 | 2类 | 0.53 |
| 5 | 7 | 3类 | 0.14 | 10 | 11 | 3类 | 0.26 |
扫一扫
1816
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
