规模经济下协同运输的集散路线优化研究

本项目综合运用网络流、轴辐式网络设计理论与方法，围绕模型、算法与应用，研究协同运输在规模经济条件下的任务、交通工具路线整合问题，并由固定成本、流量限制、流量－成本分段线性函数反映"流量规模"与"运输成本"之间的关系。现有研究在不同方面反映出：规模效益低、求解难度大、绕道成本高、假设缺陷、未考虑规模经济实现条件等的部分缺点。通过两阶段协同运输整合策略，本研究不仅减少了问题复杂度，并提供灵活的整合方案，增加规模效益；通过改进假设条件和引入规模经济条件，本项目的研究问题充分反映了协同运输规模经济的基本条件和规模效益的实现方式；通过引入绕道约束，本研究可为产生"又省又快"的运输方案提供理论与方法依据。这一研究不仅具备重要的理论价值，而且广泛应用于第三方物流、快递、邮政、航空运输等领域。

近年来，随着我国制造业的快速增长与电子商务的腾飞，国内物流行业迅速发展，但总体上仍呈现企业数量多、规模小、运输满载率低、空载率高的特点；同时，为适应灵活的生产计划，许多企业选择了少批量多批次代替大批量整车运输。在此背景下，物流企业急切需要协同运输以节约成本。本研究改进协同运输的假设条件：允许所有的O-D流可以任意采取直通运输、单点中转、两点中转的集散路线；中枢路段的成本折扣满足流量限制、固定成本、绕道约束等规模经济条件。本项目研究目标为探索这一假设条件下的O-D流最优集散路线，使得总费用最小。围绕该研究目标，项目展开了以下4个内容的研究：（1）带流量下限和中转限制的多商品网络流问题；（2）带固定成本、绕道约束的集散路线问题；（3）分段线性流量—成本函数的集散路线问题；（4）先整合运输任务、再整合运输车辆的两阶段协同运输路线优化问题。本研究为这几类问题构建了混合整数规划模型，并开发出相应算法。实验表明，本研究开发的启发式算法能够在满意时间内求解对应的NP难问题，并得到很好的求解质量。在规模条件下协同运输路线问题中，本研究设计的求解算法与Gurobi的Branch & Cut算法比较，计算时间平均不到后者的5%，且自身的求解结果上下限差保持在2%以内。同时，项目将规模条件下协同运输的集散路线优化问题中的结论应用于中国中枢航线网络设计，计算显示每年可节约80亿元左右的费用。此外，研究也发现了规模经济的实现条件必须满足最低流量限制和支付中枢路段的固定成本。通过三年的研究工作,我们已经完成了全部计划内容。本项目的研究成果将为协同运输的复杂决策提供科学支持。