海铁联运一体化集装箱场站集卡调度研究

Research on the Truck Scheduling of Container Yard for Integrated Sea-Rail Intermodal Transport

摘要

海铁联运一体化集装箱场站依靠集卡进行水平转运作业，为缩短场站内部转运时间，提出海铁联运集装箱场站中铁路集卡与港口集卡联合调度的新思路。基于海铁一体化发展导向，尝试不再区分铁路集卡、港口集卡，通过港铁平台公司投入采购共享集卡，用于整个联运组织的任意水平运输任务，优化转运换装环节，缩短集装箱在港内的流转时间，提高集卡利用率。研究以集卡派遣成本、空车运行成本与时间窗惩罚成本整体最小作为优化目标建立整数规划模型，并利用数学软件编写遗传算法求解集卡调度模型，对算例进行研究分析，得到最优集卡联合调度方案。同时，对遗传算法个体编码方式进行特别设计，使算法与问题间更为适配。通过对比实验可以得出，联合调度方案在一定程度上降低了运输成本，证明了该方案的可行性与优越性。

Abstract

As container yards of integrated sea-rail intermodal transportation rely on trucks for horizontal transfer operations, in order to shorten the internal transfer time for the yards and improve the utilization rate of trucks, a new idea of joint scheduling of railway and port trucks was proposed. Based on the orientation to sea-rail intermodal transport integration, this paper, rather than attempted to distinguish between railway and port trucks, invested in purchasing shared trucks through port-rail platform companies for any level of transportation task of the entire intermodal transportation organization, to optimize the sea-rail transportation and loading process and shorten the container circulation time in the port, thus improving the utilization rate of trucks. This paper established an integer programming model with a view to overall minimum of truck scheduling cost, empty vehicle operation cost, and time window penalty cost as the optimization objective. And the genetic algorithm was written using MATLAB software to solve the truck scheduling model, with further research and analysis conducted on examples to obtain the optimal truck joint scheduling plan. Besides, a special design has been made for the individual encoding method of the genetic algorithm to make the algorithm more adaptable to the problem. It is concluded through comparative experiments that the joint scheduling scheme has reduced transportation costs to a certain extent, proving its feasibility and superiority.

Graphical abstract

关键词

海铁联运 / 集装箱场站 / 集卡调度模型 / 联合调度 / 遗传算法

Key words

Sea-Rail Intermodal Transportation / Container Yard / Truck Scheduling Model / Joint Scheduling / Genetic Algorithm

0　引言

海铁联运集装箱场站作为海运与铁路的纽带，是整个海铁联运过程中的关键环节，实现集装箱在海铁联运场站内的高效转运，成为发展集装箱海铁联运的重要一环。目前我国部分海铁联运集装箱场站采用“远方式”结构，即港口与铁路中心站之间的水平距离较远，需要以集卡方式进行转运^[1]。“远方式”海铁联运集装箱场站主要由集装箱港口、铁路中心站及二者之间起到连接作用的社会道路组成，集装箱在联运场站内的水平运输任务对应分为港内、站内、港站间3个部分。通常情况下，集装箱在港站间的运输任务借助外集卡完成，而在港内的运输任务基本由内集卡完成，铁路集装箱中心站内的运输任务由内、外集卡共同完成。海铁联运共享堆场协议下，港口联合铁路中心站设置海铁联运协调部门，对联运场站内集装箱运输及堆存方式进行统一决策^[2]。在此背景下，可以将码头前沿、码头堆场、铁路中心站堆场、装卸线视为一个海铁联运场站整体，从整个联运场站的角度对集卡作业方式进行决策。在既有研究中，通常将码头堆场与铁路中心站堆场间的水平运输任务分配给外集卡完成，而把码头内部及铁路中心站内部的水平运输任务分配给内集卡完成。这样的分段管理方式固然有其优势，但由于无法从海铁联运系统角度上统一调度集卡，势必会损失一定的集卡运输能力，不利于海铁联运集装箱的顺畅流转。但由于铁路集卡与港口集卡的管理方式不同，而且空间分离难以实现一体化管理。因此，研究提出建立集卡联合调度模型，优化海铁联运场站集卡管理运用模式。

在集卡调度优化研究方面，宫明强^[3]基于现阶段港内集卡运营监管上存在的问题，提出港内集卡运营监管的若干意见；梁剑^[4]针对铁路中心站的资源配置进行决策研究；曾庆成等^[5]以排队论思想优化集卡作业，提出集卡预约制度，以缓解集中到达产生的拥挤问题；丁一等^[6]在集卡预约进港基础上，更多地考虑集卡公司与港口双赢的决策目标；户佐安等^[7]、王萸捷^[8]优化有铁路装卸线深入码头堆场情况下的集卡调度方案，针对不同目标函数得出不同优化方案；何迅^[9]采用同步转运的思路简化海铁联运场站内运输，缩短转运时间；赵立明等^[10]研究内外集卡整体运作，使内外集卡相互配合以解决港口拥堵问题；邢子超^[11]针对内集卡、外集卡、时效性不高情况下的外集卡提出不同的优化算法，优化3种情形下的内、外集卡路线。Kozan^[12]设计网络模型分析联运场站内集装箱的作业进度；Schepler等^[13]综合考虑港口船舶、列车和集卡的调度需求，建立多目标优化模型；Wang等^[14]从图论和混合拓扑结构的角度，分析集装箱运输组织问题；叶国庆^[15]建立联运场站内运输组织一体化模型，促进集装箱运输的“无缝衔接”；杨珏诺^[16]基于双循环装卸策略分析动态作业模式下“船舶-堆场-列车”的集卡可能走行的运输路径；李舒仪等^[17]结合海铁联运港口实际作业情况提出混合作业模式，以轨道吊完工时间最短为目标构建混合整数规划模型；任刚等^[18]基于抵港班列入场顺序和离港时间，构建海铁联运箱位分配优化模型，分析作业箱规模和抵港班列数量对优化效果的影响；唐梦宇等^[19]采用滚动窗策略方法，研究港口船舶与列车之间转运进口集装箱作业问题；窦菲菲^[20]认为如何选择合适的集装箱转运方式，有效处理港口有限的设备与持续增加的集装箱任务之间的矛盾是海铁联运发展所需思考的主要问题；李庆庆^[21]围绕区域内集装箱海铁联运无轨港口、有轨港口与港站的衔接作业展开研究，以承运人运营成本和托运人时间成本构成的综合运输成本最小化为目标建立优化模型。目前针对海铁联运集卡调度的研究已经较为深入，但仍存在以下问题需要完善。一是目前国内的海铁联运场站大多采用“远方式”结构，需要针对此结构进行专项优化研究；二是目前的研究大多针对内、外集卡进行分别优化，或协同配合优化，而没有考虑到二者统一调度的方式。

因此，研究提出海铁联运一体化的集装箱场站布置形式，基于一体化的布置，研究集卡联合调度问题，即：基于无人集卡、自动导向车（AGV）等共享式搬运设施的智能化技术特点及运行环境要求，研究未来新技术场景下，海铁联运场站任意集卡可以匹配整个联运场站内部的任意运输任务，提高集装箱海铁联运流转速度，减小联运场站转运成本，提升海铁联运一体化组织服务能力，促进现代海铁联运一体化管理模式发展。

1　海铁联运一体化集装箱场站布置形式分析

国内外海铁联运集装箱场站空间衔接模式主要有铁路作业车场与码头垂直布置、铁路作业车场与码头平行布置、铁路作业车场与码头倾斜布置、混合布置4类形式，各种形式的主要特点如下。

（1）铁路-码头垂直布置形式。该布置形式是铁路装卸场站垂直于码头岸线引入至堆场后方或邻岸线的堆场区域，可以根据港区条件与堆场平行或垂直布置，整体形成“T型”或“L型”生产模式。以瑞典哥德堡港为例，其主要优点是可以较好地兼顾船—火车作业、堆场—火车作业生产工艺，短驳运输交叉干扰少，海铁联运效率高；缺点是需要较大的纵深与港区空间，后方最好配套技术作业站衔接作业。铁路-码头垂直布置形式如图1所示。

（2）铁路-码头平行布置形式。该布置形式是铁路装卸场站平行于码头岸线引入至堆场后方区域。以德国汉堡港、比利时安特卫普港为例，铁路装卸场可与堆场垂直布置，整体形成“工字型”生产模式。其优点是各区域分工明确，集卡车的走行距离短，联运作业更加顺畅。缺点是集卡双向行车，同时各作业区之间短驳交叉多，干扰较大；堆场倒箱作业量较大。以美国洛杉矶港为例，铁路装卸场也可以与堆场平行布置，整体形成“三线平行型”生产模式。其优点有集卡按单方向循环运输模式，相互干扰较少；受港口纵深条件影响较小。缺点是集卡的走行距离远，港区道路交通压力大，联运作业效率略低等。铁路-码头平行布置形式如图2所示。

（3）铁路-码头倾斜布置形式。该布置形式是铁路装卸场与码头、堆场倾斜布置，整体形成“对角线”生产模式。仍以美国洛杉矶港为例，其主要优点是可以兼顾“车—船直取”“车—堆场—船”2种作业工艺的时效，海铁联运效率较高；主要缺点是由于倾斜布置导致堆场布局较为零散，且空间规格层次不齐，影响堆场的布置与能力发挥。铁路-码头倾斜布置形式如图3所示。

（4）铁路-码头混合布置形式。该布置形式是铁路装卸场与码头之间，采用“技术作业站—多个装卸场”纵列式布置形态，整体形成“混合式”生产模式。以荷兰鹿特丹港为例，其优点是可以根据各港区条件灵活布置，铁路可以较好地延伸至各作业区，减少短驳距离与成本，较充分地发挥海铁联运能力；缺点是对港区纵深条件要求高，同时，铁路与公路的交叉较多，需要尽量通过立体化措施解决。铁路-码头混合布置形式如图4所示。

铁路与港口有机结合，是国际化港口、现代海铁联运场站的核心资源之一。在空间与工艺上尽可能地多界面、无缝化衔接，对提高港口集装箱的集疏运能力、降低服务成本、优化运输结构、拓展腹地范围等具有积极促进作用。港口铁路(车场及装卸场)大部分紧贴港区，设置于码头后方堆场，且根据各自条件以平行、垂直、倾斜、混合等多种形式与码头融合布置，可以与港口共用堆场、通关设施，信息共享、作业互助，以高效灵活地开展海铁联运业务。

2　基于一体化布置的集卡调度研究

在海铁联运系统中，将装卸线、中心站出口堆场、码头出口堆场、码头岸线、码头进口堆场、中心站进口堆场，分别设为A点、B点、C点、D点、E点、F点。海铁联运场站中的3类箱流如图5所示。为更好地区分装箱点和卸箱点，特将A点、D’点设为卸箱点，A’点、D点设为装箱点。联运场站内任意水平运输任务均对应1对运输起止点，根据起止点间的距离计算重车走行距离，同时根据上一任务终点与下一任务起点间的距离计算空车走行距离。

运输终点为码头岸线或中心站装卸线的水平运输任务，为短期内需要装上船舶或班列的集装箱运输任务，此类运输任务具有较强的时间窗要求，需要在模型中予以体现。一是提前到达的集卡需要在原地进行等待装箱作业，二是超出最晚时间窗则无法进行下一步的正常运输。因此，在建模过程中需要对该种运输任务设计特定的混合时间窗，以满足该任务的时间敏感性需求。

为完成一定时期内的集装箱运输任务，以完成全部运输任务综合时间成本最小为优化目标，构建整数规划模型，对各集卡所接受的任务及顺序进行优化。针对任意一批次运输任务，任意一种运输方案的成本体现在2个方面。一是集卡派遣成本。在本研究场景下，共享集卡运输权限等同。对集卡车辆而言，需要按照监管部门要求办理登记手续并悬挂号牌；对司机而言，需要持有特种设备作业人员证等资格证书。也就是说，每增加1辆集卡参与运输任务，都需要增加一定的固定成本。因此，需要优化运输方案，尽可能地减少集卡派遣数。二是集卡空车运行成本与时间窗惩罚成本。集卡运行时间成本包括空车走行时间、重车走行时间及时间窗下集卡的等待时间。在任务确定的前提下，重车走行时间通常是不变的。也就是说，集卡空车运行成本与时间窗惩罚成本越大，总的运输时间就越长。在实际生产过程中，需要通过合理的组织优化最大限度地规避空车运行或集卡等待。

3　模型建立

3.1　前提假设

（1）海铁联运场站运输集装箱的箱型均为40 ft集装箱。

（2）集卡完成前一运输任务后，不进行休息和等待，立刻开往后一任务起点。

（3）集装箱船舶和班列停留时间提前确定。

3.2　符号说明

符号定义如表1所示。

3.3　数学模型

目标函数如下。

\mathrm{m}\mathrm{i}\mathrm{n}T=(C_{\mathrm{1}}{n}_{\mathrm{1}}+\varpi C_{\mathrm{2}}{n}_{\mathrm{2}})+C_{\mathrm{2}}\sum _{i\in M}\sum _{j\in M}\sum _{k\in N}{t}_{ij}{x}_{ijk}+C_{\mathrm{3}}\sum _{i\in M}\sum _{k\in N}{t}_i{y}_{ik}⑴

约束条件如下。

\sum _{k\in N}{y}_{ik}=\mathrm{1}i\in M⑵

\sum _{i\in M}\sum _{k\in N}{x}_{ijk}\le \mathrm{1}j\in M⑶

\sum _{j\in M}\sum _{k\in N}{x}_{ijk}\le \mathrm{1}i\in M⑷

n_{\mathrm{1}}+n_{\mathrm{2}}\le n^{\mathrm{\text{'}}}⑸

⑹

公式⑴表示以综合时间成本最小为目标函数，式中第1项表示集卡派遣费用，第2项表示集卡空车运行成本，第3项表示时间窗惩罚成本。约束条件公式⑵表示任务都会分配且仅分配给1辆集卡，保证任务都能够完成且不存在同一任务分配多个集卡的情况。约束条件公式⑶、公式⑷表示每个任务最多有1个紧前任务，1个紧后任务。约束条件公式⑸表示实际使用的集卡数不超过集卡总数。约束条件公式⑹为时间窗费用约束，当实际到达时间早于目标时间时，集卡需在原地等待直到装卸设备于目标时间进行装卸作业，产生线性的等待费用。当实际到达时间晚于目标时间时，则产生线性的延误费用。在研究算例中，延误费用系数q_{\mathrm{2}}远大于等待费用系数q_{\mathrm{1}}。

4　算法求解

研究采用遗传算法进行求解，遗传算法简单、通用，鲁棒性强，适于并行处理。遗传算法的计算过程，通常需要进行编码、适应度计算、选择、交叉和变异等步骤。为解决所研究的问题，对编码进行针对性设计，使其更准确地表现个体基因。

在该问题中，个体基因除需要表现任务顺序外，还需要表现任务分配问题。因此，在实际操作过程中，给定任务数M，生成从1到M的1组随机序列，序列中的数不能重复出现。给定集卡总数n^{\mathrm{\text{'}}}，在上述序列中的随机位置插入n^{\mathrm{\text{'}}}-1个0，以达到任务分配的作用。例如，有9个任务，集卡总数为4，随机生成的1个个体基因如图6所示。

该个体表示1号集卡按照5，2，3，4，1的顺序作业，3号集卡按照6，8，9，7的顺序作业，2号集卡和4号集卡不需要进行作业。可以看到在此种编码方式下，可以产生一定数量的空车，以达到合理减少集卡派遣成本的目的。

5　算例分析

5.1　算例简介

在某海铁联运场站区域内，在一定时间范围内需要完成27个待运输集装箱任务，集装箱水平运输任务表如表2所示。例如，1号任务与2号任务具有相同的起点A和终点B。为完成这一批次运输任务，港口可以提供4辆内集卡，铁路中心站可以提供5辆共享集卡，即集卡总数为9辆。在不进行联合调度的情况下，各环节需要以最短时间完成各自范围内的水平运输任务，因此9辆集卡会全部投入运输任务。但是，由于信息不共享、任务不共享，在各个连接节点处存在等待时间和换装时间，造成水平运输任务消耗总时间增加。

其中，任务终点为中心站装车点(A^{\text{'}}点)的任务，在班列到达与出发的约束下，具有一定的时间窗约束。在研究中，中心站24 h内仅有1列班列，装车时间为12:00—13:00，需要换装集装箱班列的水平运输任务在12:00前完成所付出的等待时间成本远低于在13:00之后完成的惩罚成本。

为验证研究理论的可行性，利用数学软件编写遗传算法程序对算例问题进行求解。在此基础上，通过灵敏度实验的方式求证联合运输的优越性，当3项成本的系数发生变化后，最优解也会根据成本侧重点的不同而发生变化。

5.2　计算结果

在计算过程中，令C_{\mathrm{1}}=C_{\mathrm{2}}=C_{\mathrm{3}}，即3项成本权重相等，实验迭代过程如图7所示。

从计算结果可知，遗传算法通常能够在100代之内收敛，且收敛后所得最优解的适应度函数基本相同，即多次实验所得的集卡调度计划综合时间成本基本相同。同一条件下进行10次实验，最优解目标函数平均值为685.59，代码运行时间为20 s，效果较为理想，能够满足计算要求。

以某一次计算结果为例，得出C_{\mathrm{1}}=C_{\mathrm{2}}=C_{\mathrm{3}}时最优解基因如图8所示。

分析最优解基因，可以得到各集卡服务顺序如下。

1号集卡：18，8，16，23，3，12，14，22。

2号集卡：11，15，25，5，26，4，24，1。

3号集卡：19。

4号集卡：空闲。

5号集卡：20，10，27，6。

6号集卡：21，7，13，17。

7号集卡：2，9。

8号集卡：空闲。

9号集卡：空闲。

在该方案下，4号集卡、8号集卡和9号集卡不需要进行作业，运用6辆集卡完成本次运输任务。从最优解结果来看，在采用联合调度方案后，完成相同运输任务所需的集卡数量降低，参与运输的集卡利用率均有所提高，运输效果较好。

5.3　灵敏度分析

在集卡调度方案中，总计需要6辆集卡完成全部水平运输任务，剩余3辆集卡空闲不进行运输作业，最终达到综合成本最低的目标。为进一步验证模型的正确性，适当调节C_{\mathrm{1}}值，改变3项成本加权系数的比例，使集卡派遣成本占比降低，重复上述实验，以此方式进行灵敏度实验。令\mathrm{2}{C}_{\mathrm{1}}=C_{\mathrm{2}}=C_{\mathrm{3}}，其他参数及计算过程均保持不变，得出\mathrm{2}{C}_{\mathrm{1}}=C_{\mathrm{2}}=C_{\mathrm{3}}时最优解基因如图9所示。

分析最优解基因，可以得到各集卡服务顺序如下。

1号集卡：空闲。

2号集卡：14，22，27，8，19，25，1，9。

3号集卡：18。

4号集卡：5。

5号集卡：空闲。

6号集卡：23，3。

7号集卡：20，6，26，10，16。

8号集卡：7，13，17。

9号集卡：21，2，11，15，24，4，12。

在该灵敏度实验集卡调度方案中，总计运用7辆集卡完成相同运输任务。在集卡派遣成本的加权系数降低后，运输方案增加集卡数量的灵敏度降低，因此运输方案应趋向于使用更多的集卡完成水平运输任务。而上述计算结果也可以证明随着集卡派遣成本的降低，派遣集卡数随之增加，证明了算法的正确性。

6　结束语

研究海铁联运一体化集装箱场站布局模式，并基于此提出新型海铁联运场站集卡联合调度的新思路，在考虑时间窗约束条件下建立整数规划模型，并通过改进遗传算法对模型进行求解，得出最优的集卡联合调度方案，以降低联运场站范围内水平运输的成本，提高集卡利用率。而且从灵敏度实验的结果来看，在各类成本的加权系数发生改变后，集卡调度方案将对应改变。在未来的研究中，还需要考虑更多的现场运输条件，考虑不同箱型、不同道路条件、不同集卡型号对求解结果的影响；并考虑集卡运输路线的拥堵情况，从而更加有效地解决海铁联运一体化集装箱场站内的水平运输组织问题。

参考文献

[1] 吕明蔚. 港前铁路中心站与码头堆场协同调度研究[D]. 大连：大连海事大学，2020.

[2] 靳志宏，王小寒，任　刚，等. 共享堆场协议下海铁联运集装箱堆场分配优化[J]. 中国航海，2020，43(3)：105-111.

[3] JIN Zhihong， WANG Xiaohan， REN Gang，et al. Container Yard Allocation Optimization of Sea-Rail Intermodal Transportation under Yard Sharing Agreement[J]. Navigation of China，2020，43(3)：105-111.

[4] 宫明强. 关于完善集装箱码头内集卡运营监管的建议[J]. 集装箱化，2019，30(10)：5-7.

[5] GONG Mingqiang. Proposals for Regulating Container Trucks Operated within Container Terminal[J]. Containerization，2019，30（10）：5-7.

[6] 梁　剑. 铁路集装箱物流中心站资源配置决策研究[D]. 成都：西南交通大学，2010.

[7] 曾庆成，张笑菊，张　倩. 内外集卡协同服务的码头集卡预约优化模型[J]. 交通运输工程学报，2016，16(1)：115-122.

[8] ZENG Qingcheng， ZHANG Xiaoju， ZHANG Qian. Optimization Model of Terminal Container Truck Appointment Based on Coordinated Service of Inner and Outer Container Trucks[J]. Journal of Traffic and Transportation Engineering，2016，16(1)：115-122.

[9] 丁　一，张成成. 集装箱码头送箱外集卡预约优化研究[J]. 计算机工程与应用，2021，57(19)：267-273.

[10] DING Yi， ZHANG Chengcheng. External Trucks’ Appointment Optimization of Delivering Containers from Outside at Container Terminal[J]. Computer Engineering and Applications，2021，57(19)：267-273.

[11] 户佐安，孙　燕，薛　锋. 基于海铁联运的港口集装箱运输集卡路径选择[J]. 交通运输工程与信息学报，2020，18(2)：68-74.

[12] HU Zuoan， SUN Yan， XUE Feng. Path Planning of Container Trucks in Ports Based on Sea-Rail Transport[J]. Journal of Transportation Engineering and Information，2020，18(2)：68-74.

[13] 王萸捷. 集装箱码头车辆调度优化研究[D]. 成都：西南交通大学，2012.

[14] 何　迅. 铁路集装箱站场同步转运调度优化研究[D]. 成都：西南交通大学，2019.

[15] 赵立明，汤　齐. 港口内集卡与外集卡综合调度研究[J]. 东南大学学报(哲学社会科学版)，2014，16(S2)：88-90.

[16] 邢子超. 基于实时信息的集装箱码头集卡调度优化[D]. 杭州：浙江大学，2017.

[17] KOZAN E. Optimising Container Transfers at Multimodal Terminals[J]. Mathematical and Computer Modelling，2000，31(12)：235-243.

[18] SCHEPLER X， BALEV S， MICHEL S，et al. Global Planning in a Multi-Terminal and Multi-Modal Maritime Container Port[J]. Transportation Research Part E：Logistics and Transportation Review，2017(100)：38-62.

[19] WANG W F， YUN W Y. Scheduling for Inland Container Truck and Train Transportation[J]. International Journal of Production Economics，2013，143(2)：349-356.

[20] 叶国庆. 海铁联运港站间集装箱运输组织一体化研究[D]. 成都：西南交通大学，2016.

[21] 杨珏诺. 海铁联运港口共堆场下的“桥-卡-吊”配置及集卡调度优化[D]. 北京：北京交通大学，2021.

[22] 李舒仪，韩晓龙. 海铁联运港口混合作业模式下轨道吊与集卡协同调度[J]. 计算机应用，2021，41(5)：1506-1513.

[23] LI Shuyi， HAN Xiaolong. Collaborative Scheduling of Rail-Mounted Gantry Crane and Container Truck in Hybrid Operation Mode of Rail-Water Intermodal Terminal[J]. Journal of Computer Applications，2021，41(5)：1506-1513.

[24] 任　刚，靳志宏，庞毛毛，等. 基于班列抵港模式的海铁联运堆场箱位分配优化[J]. 大连海事大学学报，2022，48(1)：1-10.

[25] REN Gang， JIN Zhihong， PANG Maomao，et al. Container Space Allocation Optimization in Sea-Rail Intermodal Transportation Based on Train Arrival Mode[J]. Journal of Dalian Maritime University，2022，48(1)：1-10.

[26] 唐梦宇，梁承姬. 基于滚动窗策略的港口海铁联运集装箱转运优化[J]. 计算机应用研究，2023，40(1)：185-191，197.

[27] TANG Mengyu， LIANG Chengji. Container Transshipment Optimization of Terminal Sea-Rail Intermodal Transport Based on Rolling Window Strategy[J]. Application Research of Computers，2023，40(1)：185-191，197.

[28] 窦菲菲. 基于海铁联运的港口铁路集装箱装卸设备调度优化研究[D]. 大连：大连海事大学，2022.

[29] 李庆庆. 集装箱海铁联运港口-港站衔接优化研究[D]. 北京：北京交通大学，2021.

基金资助

中国国家铁路集团有限公司科技研究开发计划课题(K2021X017)