文摘

提出了一种混合决策策略的货运和客运地铁系统在非高峰时段(MTS-OPH)。混合决策策略的定义,提出了和固定和灵活的加载模式被认为是对不同客流卷。MTS-OPH数学模型的提出,解决了使用一种改进的变邻域搜索算法。案例研究证明了模型和算法的性能和适用性,以及MTS-OPH输送距离,讨论了不同旅客流,和地铁网络类型。提出的策略适用于长距离输送,和该模型框架可以应用于不同类型的地铁网络与不同层次的复杂性。混合决策策略提供了一个决策支持工具,地铁和货运公司,可以提出相应的解决方案根据不同旅客流。

1。介绍

电子商务的不断发展和送货上门的服务,城市货物运输已经成为一个城市经济和社会发展的关键环节1,2]。公路运输是城市货运的主要模式3,85 - 90%的运费是由公路运输在法国4]。然而,货运车辆运输带来了一系列的问题与城市交通拥堵、温室气体排放和噪音。城市货运交通占总量的10%,但占城市污染物排放量的40% (5]。因此,优化交通结构,加强不同运输模式的合作,促进有机城际干线运输和city-end分布之间的联系(6),并鼓励发展的密集分布模型是具有重要意义的创造一个绿色、高效的物流系统。

正如上面提到的,货运需要改变向更高效和可持续交通系统来应对不断增长的货物运输需求在城市地区。地铁具有效率高、容量大、和可持续性,但大多数地铁网络遭受不足利用地铁列车由于低客流在非高峰时段(7]。因此,商品引入地铁网络在非高峰时段是非常潜在的货运方式8]。目前的混合货运和客运交通战略在地铁系统通常是由主观经验9),缺乏合理的理论框架和数学公式。此外,应考虑整个地铁网络处理货物,而不是一个地铁(线10]。因此,一般的理论框架和模型构建混合客运和货运策略在非高峰期地铁网络是不可或缺的。

本研究的目的是结合现有的地铁网络在全球第一和最后一英里递送服务由物流公司和提出一个可行的客运和货运流混合运输的策略在非高峰期地铁(MTS-OPH)。本文认为固定和灵活的加载模式下不同的乘客流量和分析不同的货物特征和交货时间的要求。定量评估模型建立混合交通战略,和一种改进的可变邻域搜索(VNS)算法设计。然后应用到宁波的货物运输和北京地铁网络,分别和混合交通战略在不同输送距离,旅客流,和地铁网络类型进行了分析。模型和方法也适用于其他轨道交通城市的地铁网络。

本文的其余部分组织如下:部分2回顾相关研究地铁混合运输。部分3制定一个非线性MTS-OPH的编程模型,然后,一种改进的迷走神经刺激法算法旨在解决该模型部分4。随后,两个案例研究来验证该模型在实现部分5。节6这项研究的结论,为未来的研究范围。

2。文献综述

2.1。城市货运和客运

纳什(11)首次提出城市公共交通货运的使用。之后,基于共享的概念,Trentini et al。12)提出了引入城市货运交通客运实现运输资源和交通基础设施共享的目的。在此基础上,城市的客运和货运是量化的,和一个新的城市客运和货运交通系统是构建和实施在拉罗谢尔,法国(13]。Gonzalez-Feliu [14)利用社会经济成本效益分析评估的适用性有轨电车在巴黎地区的货物运输。研究显示潜在的有轨电车货物运输模式。Fatnassi et al。15)综合个人快速运输和货运快速运输模式和使用电动汽车实现混合自动铁路客运和货运。马森et al。16)提出了一个混合运输方法基于客运和货运系统的集成来解决复杂的城市交通问题。这种方法使用公共汽车运输货物从中央配送中心转移点,然后用三轮车运输货物从转运站到目的地。

有一些城市客运和货运的成功案例。在德累斯顿,有轨电车线从大众仓库到城市中心每年运输300000吨货物,一天10倍,这大大减少了二氧化碳排放量(17]。在巴黎,通勤行D传输家庭用品,休闲用品,和其他产品从“不二价”商店仓库(Combs-la-Ville和Lieusaint)郊区的巴黎贝尔西车站(18]。这些商品然后通过卡车运送到商店,使用天然气汽车燃料来满足减排原则在物流线。在纽约,地铁废物收集通过电台使用修改后的地铁列车(19]。然而,大多数现有的研究混合交通模式是基于道路和铁路运输。上述研究可以应用到混合货运和客运的地铁系统。自运行方式、运输效率和运输的及时性地铁不同于铁路、货运和客运的混合交通地铁系统需要进一步的研究。

2.2。城市货运和客运的地铁系统

城市地铁运输的可行性和应用前景研究了研究论文。Rijsenbrij和Pielage20.)的可行性讨论使用混合的地铁客运和货运,这引起国内外学者的关注地铁货运。Kikuta et al。9)进行了测试研究的结合公众地铁服务和传统的卡车操作来证明这一运输方式的可行性。地铁分布服务,Motraghi Marinov [21)与纽卡斯尔的地铁网络理论分析城市货运交通。然而,进一步的研究需要在实际实现的结果。上面的研究做了一些探索混合运输货物和乘客的地铁系统,但没有建立一个实现能力和系统化的理论框架。因此,一般混合交通理论框架在地铁系统应设计实现货运和客运交通混合策略。

此外,一些研究集中在地铁运费。布赖斯et al。22报道一个行李传输系统从纽卡斯尔市中心方便旅客运送行李到纽卡斯尔国际机场通过地铁。他们证明了新的行李传输解决方案的可行性和报道,相应的成本高于现有的服务。Ghilas et al。23)发现,综合货运和预定服务可以降低物流运营成本的服务提供者和公共交通部门可以获得额外的收入。然而,现有的混合交通模型建立了基于单一的地铁线。考虑到商品流通的不同方向,现有的模型不能精确地描述在地铁系统混合运输策略。因此,混合交通模型应该建立在地铁网络实现商品的流通。

2.3。优化方法的城市货运和客运

位置和路线选择一直是货运和客运领域中的重大问题。Fatnassi et al。15提出两站之间的数学公式来解决车辆路线和使用动态优化的方法和开发的算法来解决共享运输货物和乘客。赵et al。24)提出了一种分割方法的城市地铁网络,利用复杂网络理论和TOPSIS模型来确定候选人地铁配送中心选址模型。董et al。25]分析了地下货运能力的特点,建立了一个混合整数规划模型来选择地铁分布中心的位置。然而,限制商品转移在地铁网络的频率几乎被认为是在这些研究。

同样,时间窗约束是一个至关重要的问题以及货运需求的快速增长在最近几年。Behiri et al。8]研究环境友好型城市货运交通替代使用客运专线网络,提出了一种基于启发式调度规则和single-train-based分解启发式解决Freight-Rail-Transport-Scheduling问题。杨et al。26]研究了车辆路径问题和混合回程时间窗口城市物流、和时间皮卡和交付可以通过扩展状态描述维度。然而,货运客运系统关注货物时间窗的研究,忽视了影响客运系统的正常运行时间窗口。

此外,解决算法的发展吸引了研究者和实践者的关注。Braysy [27]介绍了变量的内部设计社区血统和可变邻域搜索算法,分析了有时间窗车辆路径问题的问题,并指出变邻域搜索算法是一种最有效的方法来解决问题时间窗的车辆路径问题。阿马斯和Melian-Batista28]研究了动态有钱有时间窗车辆路径问题,提出了一个基于变量meta-heuristic算法社区搜索来解决这个问题。然而,计算结果的稳定性和可靠性需要加强。因此,我们设计两种类型的社区结构来获得高质量的解决方案。

2.4。贡献

总结了本研究的主要贡献如下:(我)我们提出一个MTS-OPH的一般理论框架。这个框架包括MTS-OPH的新概念和运输标准。这个定义澄清的过程和适用的时间混合运输。相对于以前的研究类型的混合运输货物(13,29日),MTS-OPH进一步探讨商品的类型适合混合运输的基础上小货物运输。混合交通的单独的乘客和货物装载和优先级标准建立了客流运输。此外,固定的和灵活的货物装载模式提出了根据不同的非高峰乘客流。(2)我们制定一个非线性MTS-OPH编程模型。基于研究Fatnassi et al。15和赵et al。30.),我们的模型提高了混合交通战略研究混合交通战略研究在非高峰期负载下的客流。我们所知,这是第一次混合客运和货运的问题在不同的乘客流上下文中已经解决在非高峰期的地铁交通。此外,一种改进的迷走神经刺激法算法旨在解决模型,为物流企业提供了一个决策支持工具。(3)我们提出了真正的宁波和北京地铁网络的案例研究来验证该模型的实用性和效率。讨论了模型的适用性的分布距离,非高峰客流,地铁网络类型。我们的结果表明,该模型可以应用于不同的地铁网络。此外,混合交通模式的地铁系统具有高速度、高守时,经济投资低、低环境影响、能耗低(31日- - - - - -33]。

3所示。数学公式

MTS-OPH本节提供了一个详细的描述,分析了类型的商品适合混合运输,并提供不同的混合交通的方法基于不同的负载率在非高峰时段的客流。最后,混合交通战略的一个非线性编程模型。

3.1。描述MTS-OPH

MTS-OPH集成现有的城市地铁网络在全球第一和最后一英里交付服务的物流公司。这一战略的关键是运输货物和乘客一起而不影响地铁客流。因此,单独加载的乘客和货物的运输标准和优先级应该考虑交通的客流。首先,地铁列车车厢分为客运和货运车厢,车厢的乘客车厢和女性车厢在深圳地铁列车在中国(34]。不同类型的车厢设置边界线和专用通道把乘客和货物流动,如图1。货物流对乘客的影响降到最低,我们介绍有关限制使用的类型的货物混合运输。为便于操作,所有商品都放在一个同样大小的货运箱货物包裹。同时,小货包应该选择地铁混合运输。一个类似的结论已经在相关研究报道汽车货运(13和地铁运费9,29日]。因此,货物运费包裹应该小的商品,如文件、书籍、衣服、和小型机械零件,而不是新鲜的货物需要冷冻和保持新鲜,不受时间和环境的影响,为了维持地铁车厢环境整洁。

第二,优先满足客流运输标准的进展和停止时间不改变地铁列车在非高峰时段,本研究提出了不同混合运输的方法基于不同的负载率在非高峰期客流。当乘客和货物的数量需求大于地铁容量,每列火车采用混合客货运输模式在非高峰时段,如方法1(即所示。、固定加载模式)在图2。当旅客和货运需求的数量小于地铁容量,每两列火车之一是选择采用混合交通模式而另一列火车是用于客运,方法2所示(即。、灵活性加载模式)在图2。在图2,非高峰时间代表了地铁列车的进展。

总之,MTS-OPH运输策略是基于上述混合运输标准,满足货物流的最优分配成本的条件下确定货物的起源和终端站。地铁客运运输的策略是使用网络,这是由货物配送中心,地铁站,终端货运车站,地铁,和货运车辆,如图3。

在图3MTS-OPH的操作过程分为五个阶段。第一和第五阶段车辆交付,第二和第四阶段手工转口的,货物的车辆转移到地铁车厢,第三阶段是地铁交付。每个阶段之间的转移货物完成的电车。

在第一阶段,货物包装运输包裹,放在货运箱,装上运输工具,通过货运车辆交付给离开地铁站。然后,货运箱从车辆和加载卸载电车。在第二阶段,货运箱子被运送到了地铁平台通过手推车和运送到地铁货运火车进入平台。在第三阶段,货运箱运输在地铁网络(执行转移通过手推车)。这里,火车运行方式从第一站到最后一站无论列车服务路线。货运箱后进入第四阶段通过地铁火车。货运箱从地铁货运运输和卸载通过手推车运送至到达地铁站。在最后阶段,货运箱装载到货运车辆和货物运送到相应的终端站。所有上述阶段构成MTS-OPH操作过程,同时操作的第三阶段时期的非高峰时段是MTS-OPH地铁操作。

3.2。假设和符号

MTS-OPH模型交付的过程可以被描述为多个货运车站货运配送中心的最优配送成本为目标。终端的数量确定货运车站,但货运车站位于不同的地理位置。所有运输路径是基于实际的道路网络或地铁网络的最短的距离。因此,某些假设被认为是如下:(我)运费是放置在一个标准化的单位包裹的到来需求终端货物站。(2)没有存储函数在地铁出口站,和货运车辆后立即安排交付货物到达地铁出口。(3)用于运输的货运车辆相同的模型相同的燃料消耗和负载能力。(iv)货运车辆运行在一个统一的速度而不考虑道路状况。此外,在货运运输,车辆不需要返回货物配送中心或到达地铁站。(v)两个运费转移发生在城市地铁网络。

表1总结了整个论文所使用的符号。

3.3。系统的约束

3.3.1。数量的货运车厢约束

方程(1)确定货运车厢(的数量(x)代表最小的整数比x)。

3.3.2。货运装载模式约束

货运装载模式是由方程(2)。其中, 是一个固定的加载模式;即每个列车使用混合客运和货运交通模式在非高峰时段; 是一个灵活的加载模式;每两列车选择之一,使用混合交通模式,另一个用于客运。

3.3.3。车辆线路容量约束

车辆的“第一英里和最后一英里”分销网络应该满足车辆容量限制,车辆数量的限制,以及线路容量约束。

方程(3为每辆车)分配一个唯一的路线从货物配送中心出发的地铁站。方程(4)强加限制,每辆车可以有一个独特的路线从到达地铁站终端货物站在第三阶段。方程(5)约束的路由上的能力。完整的分销过程中车辆的总数应该克制,见方程(6)。

3.3.4。地铁线路容量约束

乘火车地铁网络的产品应该满足列车能力约束和转移的数量限制。

方程(7)表达能力限制的地铁。方程(8)规定地铁网络中传输的数量。

3.3.5。交货时间约束

混合交通是基于城市轨道交通的非高峰时段,和混合运输火车的出发时间不得早于非高峰时段的开始时间。

方程(9)确定货运货运车站时最早的时候加载到列车在一个车站。在这个方程,代表之间的运行时间年代和年代−1当火车在车站年代,当 , 。方程(10)确保终端的时候开始交付货物。方程(11)是时间窗约束的终端货物站。

火车的交货时间在整个混合运输过程满足交货时间之和的“第一英里和最后一英里”和地铁交付时间。

方程(12)地址之间的关系开始时间和结束时间交付的货物配送中心终端货物。

延迟成本系数是影响货物的交货时间窗口。未能完成窗口需要计算延迟的时间内交付成本基于延迟成本系数。

方程(13)地址延迟成本由于未能完成交货时间窗内;延迟成本相关的竣工时间交货。

3.3.6。决策变量的约束

有关决策变量的约束如下。方程(14)表达了限制车辆的初始数量。

3.4。组成的目标函数

MTS-OPH的目标函数是由汽车运输成本,转移成本,延误成本。每个成本参数在下面描述。

3.4.1。汽车运输成本

车辆的运输成本主要由运输距离、车辆数量、运输的包裹数量,固定的车辆运营成本。因此,运输成本在路线( )所示的是

来表达显然,方程(19)简化为

因此,汽车运输成本在路线( )可以获得类似。

总之,方程(23)代表车辆运输成本。

3.4.2。转移成本

转让货物包裹的数量和频率构成了运输成本。转移的数量主要取决于货物的次数是加载和卸载;完成装卸货物被视为一个转移。方程(24)显示了节点转移成本的计算方法 。

3.4.3。延迟成本

造成的延误成本运费货物到达机场航站楼站在一个意想不到的时间窗口。MTS-OPH的交货时间窗口是基于非高峰开始时间,所以延误成本只会计算如果超过交货期窗口。这是表示, ,就像在

因为只有地铁车厢的一部分用于货运,货物的重量比地铁的小得多。因此,MTS-OPH的交付成本不受地铁影响固定运营成本和地铁交通距离。

总之,交付成本车辆运输成本之和吗 ,节点运输成本 ,和延迟的成本 ,也就是说, 。因此,MTS-OPH模型建立的数学公式如下:

方程(26)表示最小的配送成本,计算过程,分别执行使用方程(19)- (25)。

在MTS-OPH模型中,皮卡和交付时间窗约束和转运价值被认为是(8,35,36)和模式选择约束添加根据提出的两种加载模式混合交通的策略。这个模型基于广义分配问题,属于np难问题(37- - - - - -39),通常是通过启发式算法来解决。

4所示。解决方案的方法

启发式算法求解MTS-OPH基于迷走神经刺激法(40,41]。迷走神经刺激法提供了一个灵活的框架为构建启发式约解决组合优化问题和非线性优化问题。主要的思想是,在搜索过程中动态改变社区结构设置,扩大搜索范围,获得局部最优解。使用这样的一个变量社区策略,可以远离最优最后多次迭代后达到收敛。在这项研究中,所使用的迷走神经刺激法算法中目标函数( )在方程(8)作为评价指标用于评估质量生成的解决方案,如下面所示:

在这项研究中,接受算法包括以下三个部分:初始解,晃动的过程,和可变邻域后裔(盾)的过程。我们使用 表示生成的解决方案的算法。代表集包括社区结构在地震过程中, ,和代表了社区盾结构集包括过程, 。的详细结构改善迷走神经刺激法算法如算法1所示。

震动过程是一个扰动算子在迷走神经刺激法。这个过程是用于生成不同的社区解决方案。剩下的初始解和盾在下一节中详细描述过程。

4.1。初步解决方案

最初的交付路线MTS-OPH是由构造一条线的长度根据数量一个终端货物。最初的路线主要由离开地铁站,到达地铁站如图4。这里,每个在 对应于每一个在 单独和一群 构成地铁分布路线。应符合下列条件: 。

4.2。社区结构

两种类型的社区结构。第一个由邻居交换策略在现有运送路线。第二个由邻居得到更新现有的路线上的分销渠道策略。第一类型的方法生成的邻居社区结构Swap-2和Inserting-t42]。第二种类型的社区结构,Alter-t方法生产的邻居在我们的研究设计。

Swap-2指的是随机交换两个相邻或不相邻行在最初的解决方案,如图5(一个)。Insertion-t是由重复t* Insertion-1的基础上。如图5 (b),Insertion-1随机删除一行从最初的解决方案和随机插入到其他位置。在图5 (c),Alter-1随机选择一个位置在最初的解决方案,从一组选择一个新的数字来代替 。Alter-t是重复Alter-1操作t次了。此外,为了防止的价值t从太大破坏的稳定性获得解决方案结构,的价值t在控制的范围(0 5)插入操作和更改操作的研究。迭代重复的删除、更改和插入让算法搜索在一个更大的解空间,从而提高能力的邻域搜索算法摆脱局部最优区域。

4.3。震动过程

我们使用G={改变−3,改变−4}组社区结构的振动过程。对于每一个结构 ,映射一个给定的解决方案r一系列的社区 。颤抖的应用程序时,将随机选择一个解决方案的社区。因此,算法2中给出的详细过程。

4.4。变量附近降落

越南盾在本地搜索,当一个更好的解决方案比当前的解决方案不能被发现在这附近,继续搜索移动到下一个街区的解决方案。相反,如果找到更好的解决方案比当前的解决方案在这附近,第一个社区解决方案将返回重新启动搜索。对于一个更好的解决方案,第一个社区解决方案应该返回和搜索应该重新开始了。通过这样一个局部最优解搜索过程可能是全局最优的解决方案。越南盾的详细操作过程中提供了算法3。

5。数值实验

宁波地铁网络的案例研究和北京地铁网络进行评估的准确性和效率提出的模型和方法。示例应用程序在不同的输送距离,不同的旅客流,不同类型的地铁网络。该算法框架编码在MATLAB 10.0与4.0 GB窗口10个人电脑处理器。MTS-OPH问题是由IBM最大化策略12.5解决学术版本在同一平台。

5.1。小规模的案例研究

在本节中,根据特定的快递公司在宁波的物流信息,我们认为快递配送中心之间的分布情况和6个终端快递。为了方便,货物配送中心是由我和六个货物站命名A, B, C, D, E, F,分别。 。货运车站是均匀分布的地理位置,和每个货物的收据卷站遵循(40、60)的均匀分布。宁波地铁网络的城市快速轨道交通建设规划(2013−2020)(43被认为是作为一个例子,如图6。

机场物流园区附近的地铁被选为快递配送中心,这是由一个红星在图表示6。L1−L5表明每个地铁。考虑实际情况和模型解决方案,每个地铁车站线统一编号根据正整数从左到右,与代表离开地铁站的字母“I”和“O”代表到达地铁站。

货运车辆的平均速度是20公里/小时(30.),单位距离单元快递的配送成本的货运车辆是假定为2元44]。其他参数表中列出的值2。在实验中,数据分布和时间窗口如表所示3。

在算法参数设置过程中,本研究社区解决方案在一个迭代的数量设置为100,总数的迭代50 (27]。盾和摇晃的社区结构如下:盾,{Alter_3、Alter_5 Insertion_2, Insertion_1, Opt_2};颤抖,{Alter_3, Alter_5}。

路线规划和分配的相关问题,遗传算法(GA)是广泛使用的45- - - - - -47]。因此,遗传算法和改进的迷走神经刺激法算法是用来解决这个问题。乔治亚州的人口规模是100,迭代的数量是50,交叉概率为0.6,变异概率是0.1 [48]。两种算法得到的优化结果通过运行20次,如表所示4。尽管遗传算法计算时间短,迷走神经刺激法可以获得最好的交付成本更高的质量,经过多次重复试验,结果表明,最优解的稳定性通过迷走神经刺激法优于遗传算法,验证算法的有效性。

为了进一步证明改进的迷走神经刺激法算法的有效性,我们先给实际的最大截面客流方程(12),使MTS-OPH整数线性编程模型。其次,ILOG最大化策略解算器是用来解决它。实现后,我们终于获得返回的解决方案与328年代的计算时间,相对差距是5.00%。近似最优的客观价值5861.0元,这是一致的解决方案改进的迷走神经刺激法算法的结果。因此,该算法是有效的。

最后,计算车辆的最优解决方案的交付。与此同时,最优个体分布的非高峰时间交通策略计算货运车辆;这叫做VTS-OPH运输策略。表5显示了MTS-OPH和VTS-OPH之间的比较。的交货时间管理系统主要由两部分组成:装卸时间和运输时间。其中,装卸时间是决定根据货物的数量和运输时间是由运输距离和运输速度。如果交货时间小于1分钟,它是接近1分钟。

从表明显5,MTS-OPH VTS-OPH在时间窗口完成交付。的平均时间来完成交付VTS-OPH是69分钟,MTS-OPH,平均时间为73分钟。然而,MTS-OPH花大约三分之一的配送成本的VTS-OPH完成交付。根据这个小规模的案例分析结果,MTS-OPH与VTS-OPH相比具有一定的优势。

交付路线如表所示6,结果表明,表达“F”交付,比VTS-OPH MTS-OPH需要更少的时间,和交付的其他表达,比MTS-OPH VTS-OPH需要更少的时间。因此,需要进一步调查的适用性MTS-OPH不同距离。

5.2。适用性MTS-OPH考虑不同的输送距离

研究的适用性MTS-OPH不同输送距离,我们把实际快递信息提供的机场物流园区分成三个不同的分布范围数据表。宁波如图的地铁网络7。

根据地铁网络和快递信息数据,宁波分为三个不同的地区分布范围S1、S2、S3。20交货目的地(终端快递站)与统一的地点选择在每个区域,如图8。每个交付区域由一个蓝色虚线分隔,S1是一个短途配送区域,S2是中等交付区域和S3是一个长途输送领域。根据不同的分布范围,不同的时间窗要求分配(44),如表所示7。

实验的时间范围是9点−12:00,地铁操作的非高峰时期。此外,在宁波地铁模型B型六个车厢组成的总容量为1460人。据统计从宁波轨道交通集团,在非高峰时间最大负载率在宁波地铁网络是90%。因此,至少五个地铁车厢所需客运在非高峰时段,剩下的一个是用于货物运输运输。剩余的参数值和算法参数设置符合的小规模的案例研究部分5。1。

5.2.1。短途配送区域的分析

终端的需求和时间窗表达站在S1中列出表8。

表中的数据8用于VNS 20算法计算得到的最优解MTS-OPH VTS-OPH,如表所示9,两种策略的最优配送路线表10。

在表9的配送成本MTS-OPH VTS-OPH大约高出66.4%。此外,12的20个终端快递站在MTS-OPH未能按时交货,而VTS-OPH完成所有交付的时间窗口。短途配送地区的成功率MTS-OPH完成交货时间窗内是40%。然而,MTS-OPH减少了车辆交付距离与VTS-OPH相比下降了56.7%。虽然车辆运输距离减少,交货时间增加,如表所示10。根据上述分析,在短途配送区域,MTS-OPH不适合目标交付快递公司的整体运作,但打送货还有待研究。这非常符合高速铁路货运分布的研究Pazour et al。49]。

5.2.2。分析中等距离的交付

终端的需求和时间窗表达站在S2中列出表11。

同样,表中的数据11用于VNS 20计算,算法和最优解决方案中列出的表吗12。

如表所示12的配送成本VTS-OPH是MTS-OPH高出8.0%,但的平均交货时间VTS-OPH比MTS-OPH低33.7%。此外,具体交货时间,交货路线,传输时间,火车两种模式下的每一个表达站数量如表所示13。同时,VTS-OPH时间窗内的所有交付完成。有两个快递站在MTS-OPH未能按时交货。车辆交付距离MTS-OPH VTS-OPH的24.7%。

结合表中列出的结果9和12表达站的数量,没有兑现时间显著提高MTS-OPH时在中等距离的交付中选择区域,相比与MTS-OPH短途配送区域。从原来的12表达站未能按时交货,两个快递站未能按时交货。因此,尽管VTS-OPH准时配送需要更少的时间来完成100%,MTS-OPH交付成本略低,MTS-OPH显著减少车辆运输距离。这意味着当选择MTS-OPH交付,可以减少车辆的运输距离和城市道路可以减少的压力。根据上述分析,MTS-OPH更适合中等距离的分布面积比短途分布区域。MTS-OPH和VTS-OPH中等距离的交付表现出不同的优势;然而,考虑到城市系统,比VTS-OPH MTS-OPH更好。

5.2.3。长途送货区域的分析

终端的需求和时间窗表达站在S3中如表所示14。

根据上述实验数据,迷走神经刺激法算法是用来解决两种运输策略MTS-OPH VTS-OPH 20倍和获得的最优解如表所示15。传递路由信息表所示16。

如表所示15和16相比,我们获得了不同的交付结果与先前的结果分析。长途送货地区,所有指标的MTS-OPH VTS-OPH比,除了平均交货时间。交付VTS-OPH MTS-OPH成本52.2%,车辆交付距离VTS-OPH的17.6%,平均略逊于VTS-OPH交货时间。显著变化是观察到的快递站数量未能按时交货。MTS-OPH,所有快递站完成了交付时间窗口内,而在VED模式中,有四个表达站未能完成交货时间窗内。因此,MTS-OPH适合长途分布区域。类似的结果在一个高速铁路快递研究(50]。

同时,通过比较计算结果表9,12,15,它是进一步证实MTS-OPH适合长距离输送。一方面,随着分布距离的增加,成本的分布MTS-OPH改变略和车辆交付距离增加,平均增长率为18%,这是远小于VTS-OPH和增加的平均增长率为86%。上面的分析证明了MTS-OPH的可行性和稳定性。另一方面,从短途配送到中等距离的长途交付交付,表达站的数量未能完成交货时间窗内下MTS-OPH从12改为零,VTS-OPH从0到4。

5.2.4。MTS-OPH和不同交付下VTS-OPH距离之间的关系

进一步探索MTS-OPH和VTS-OPH在不同交付之间的关系距离,我们假设有一个终端表达,没有考虑时间窗约束,定量分析了交付两种运输策略的成本。 在哪里代表MTS-OPH的交付成本,代表VTS-OPH的交付成本,是快递包裹的数量,固定车辆的运营成本,货运车辆的能力,车辆运输两个点之间的距离,后每单位货物转移成本转移,然后呢两个站之间是转移的数量。

的交付成本两个运输策略方程所示(28)和(29日)。假设60包裹快递交付的数量达到上限的车辆加载和转移的数量是2,两种交通策略之间的关系

方程(30.)表明,当车辆交付VTS-OPH大于1.45的总和的距离和车辆交付MTS-OPH的距离,MTS-OPH应该采用;否则,VTS-OPH应该选中。上面的结论进一步证明MTS-OPH更适合长途交付。

5.3。影响MTS-OPH在不同负载率在非高峰期客流

在本节中,我们分析不同的负载率的影响在MTS-OPH客流。我们选择在S3中数据进行分析,快递的总数是975包,和三个火车车厢需要货运车厢。这决定了50%的满载率在非高峰时段的边界。同时,客货分流的原则,根据宁波市轨道交通集团的统计,最大客流负荷率的宁波地铁网络在非高峰时段90%和5需要火车车厢乘客车厢。因此,90%的客流负荷率决定上限。满载时在非高峰时段客流率大于90%,MTS-OPH没有被选中,如图9。当满载的客流的时间间隔(0%、50%)和货物和乘客的总数小于地铁的容量,加载模式应该选择的灵活性,客流应该满载率(50%,90%),货物和乘客的总数大于地铁的容量,应该选择和固定加载模式。当满载的客流率大于90%,地铁用于运送乘客。

进一步比较两种运输方法MTS-OPH,客流的负载率50%和90%的边界,迷走神经刺激法算法运行20次获得最优结果,如表所示17。

在表17、配送成本和车辆交付方法1和2的距离是相等的,但考虑到平均交货时间,方法2是比方法1短。当客流的负荷率满足边界条件,方法2的输出效率优于相同方法1的交货时间。考虑长期的交通,MTS-OPH有潜力和有巨大的积极作用;例如,它可以缓解交通拥堵,有巨大的规模经济(51,52),比VTS-OPH更低的燃料消耗。采用MTS-OPH在非高峰时段,可以满足地铁的空闲资源的使用,不需要过度的初始投资。

5.4。MTS-OPH考虑不同的地铁网络的适用性

为了进一步证明模型的适用性和可行性,我们选择了北京地铁网络数值实验。北京地铁网络在中国的一个最复杂的地铁网络,24地铁线路总数为331人,其中包括62转运站,如图10。在图10、绿点显示终端快递站,总计20。红色五角星表示快递配送中心,这是机场物流园区在首都机场附近。宁波不同的径向地铁网络,北京的地铁网络是一个环形径向线之间的网络和更多样化的路线选择。因此,我们模型中转移的最大数量增加4倍。

在实验中,考虑的时间范围设置为9:00-12:00,地铁操作的非高峰时期。北京地铁运营公司的数据显示,客流的最大乘客负载率在北京地铁网络在非高峰时段是94.3%。地铁列车是由6车厢,它需要占用5为客运车厢。因此,方法1混合运输的装载模式被选中。一些参数在实验设置如下。,交货时间窗口设置为2小时或3小时,和每个终端的需求和时间窗表达站如表所示18。剩余的参数值和算法参数设置符合的小规模的案例研究部分5。1。

实验数据表18迷走神经刺激法算法中使用了20计算。最优解和交付路线信息表中列出19和20.,分别。

在表19MTS-OPH的配送成本的59.5% VTS-OPH和车辆运输距离是VTS-OPH的34.1%。的平均交货时间MTS-OPH略优于VTS-OPH,和交付的任务都是时间窗口内完成。然而,VTS-OPH模式下,有三个终端表达站未能完成交货时间窗内。在表20.、终端表达站靠近快递配送中心使用VTS-OPH更短的交货时间,而终端表达站远离快递配送中心使用MTS-OPH更短的交货时间。一般来说,MTS-OPH模式可以在时间窗口内完成交付,和交货时间比较短,平均比VTS-OPH模式。

根据案例分析的结果表19和20.,MTS-OPH更适合长途多目标交付。与VTS-OPH相比,MTS-OPH有较低的总配送成本,缩短车辆运输距离,和更高的服务水平。上述分析结果符合宁波地铁案例分析结果,证明我们的模型可以应用于不同类型的地铁网络与不同层次的复杂性。

6。结论

本文提出一种新的混合交通战略基于地铁网络在非高峰时段来确定运费模式及其在非高峰地铁客流分配成本。混合交通的客流标准优先级和不同运输的客货流相同的训练提出了。根据上述标准,构造非线性编程模型的混合交通策略。此外,一种改进的迷走神经刺激法算法旨在解决模型。最后,考虑到宁波和北京地铁网络为例,验证了该模型和混合交通策略可以为物流企业提供决策支持。这项研究的主要贡献如下。

混合交通战略的理论框架对不同的地铁乘客流在非高峰时段是通过比较相关开发研究[9,20.,29日]。因此,混合交通标准与客流优先级和单独的同一辆火车运输客货流成立,这扩大了城市货运和地铁客运综合交通。

混合交通战略的模型在实践中,提出了本研究可以为物流企业提供决策支持基于不同输送距离,不同的非高峰客流,不同类型的地铁网络。首先,当车辆运输距离下单独VTS-OPH大于1.45的总和,MTS-OPH的车辆运输距离,MTS-OPH应该采用;否则,VTS-OPH应该选中。第二,当乘客和货物运输需求的数量大于地铁容量,固定加载MTS-OPH应该选择的运输方式;否则,弹性加载MTS-OPH应该选择的运输方式。最后,该模型框架可以应用于不同类型的地铁网络与不同层次的复杂性。

这项研究有一些局限性需要进一步解决,如货运车辆调度和路线规划和地铁站和行绩效评估(53,54]。这项研究应该主要集中在以下几个方面:(1)货运车辆路线应该计划提高车辆利用率,和火车时刻表问题应该从数据驱动的角度分析(55]。(2)由于客流的不均匀分布在城市地铁系统在非高峰时段,其他车厢的剩余承载能力在将来的研究中可以考虑。(3)确保混合策略可实现的,地铁营业额和车辆流通,应该考虑选择卸载。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是由中国国家自然科学基金资助下授予71662011和71940009。本研究还共同支持江西省科技重大Project-5G研究项目(批准号20212 abc03a07)。