基于系统动力学的运输结构调整政策模拟分析

Simulation Analysis of Transportation Structure Adjustment Policy Based on System Dynamics

摘要

近年来综合交通运输体系稳步发展，运输方式深度融合、运输结构优化调整成为研究重点。但影响运输结构因素复杂多样，因素间反馈作用较难明晰，阻碍运输结构平稳发展。运输结构调整政策模拟仿真可有效确定变量，明确各变量作用机理。系统动力学作为捕捉因素间相互作用方法，处理多重反馈情景具有突出优势。为更好研究公转铁运输结构，以重庆市运输结构调整为例构建系统动力学模型，创新结合运输结构调整、运输结构调整补助、公路治超、基础设施优化、货运枢纽建设等维度，开展政策模拟研究并分析结果。研究结果表明：加强公路治超、增加基础设施投资、提升运输结构调整补助可带动多式联运周转量和内河港口货运吞吐量增长，有效降低单位货物周转量碳排放，为制定运输结构调整策略提供决策依据。

Abstract

In recent years, the comprehensive transportation system has steadily developed, and the deep integration of transportation modes and the optimization and adjustment of transport structures have become research priorities. However, the factors that affect the transportation structure are complex and diverse, and the feedbacks between these factors are not always clear, hindering the stable development of the transportation structure. Simulation and analysis of transportation structure adjustment policies can effectively identify variables and clarify the mechanisms of their effects. System dynamics, as a method of capturing the interactions between factors, has outstanding advantages in dealing with multiple feedback scenarios. To better study the transportation structure of the transition from public transportation to rail transportation, a system dynamics model was constructed using the example of the transportation structure adjustment in Chongqing. The model innovatively combined dimensions such as adjustment of transportation methods, transport structure subsidies, highway overload control, infrastructure, optimize the construction of freight hubs and to conduct policy simulation research and analyzed the results. The results show that strengthening highway overload control, increasing infrastructure investment, and improving transport structure subsidies can drive the growth of multimodal transport turnover and inland port cargo throughput, effectively reducing the carbon emissions per unit freight turnover, and providing decision-making basis for formulating transport structure adjustment strategies.

Graphical abstract

关键词

交通运输 / 运输结构调整 / 系统动力学 / 政策模拟 / 运输方式

Key words

Transportation / Transportation Structure Adjustment / System Dynamics / Policy Simulation / Transportation Mode

0　引言

随着居民消费升级和大宗货物产量提升，交通运输业蓬勃发展，多式联运货运量稳步增加。当前，我国货运方式不断完善，为促进运输方式间有效衔接、实现运输方式的深度融合，国家大力推进“公转铁、公转水”运输结构调整，此举将有助于实现“碳达峰、碳中和”目标^[1]，促进可持续发展。

多式联运具有一单制、联合运输的特点，政府部门出台多种政策推动多式联运发展。2018年9月《推进运输结构调整三年行动计划》引导大宗货物按照“公转铁、公转水”进行调整。2022年1月《推进多式联运发展优化调整运输结构工作方案》要求显著优化重点区域运输结构，提高多式联运衔接水平^[2]。2023年1月《推进铁水联运高质量发展行动方案(2023—2025年)》表明运输结构调整可提高综合运输组合效率，推动铁水联运高质量发展，为运输结构发展营造良好政策环境^[3]。

系统动力学具有复杂性和多样性的特点^[4]，为了揭示运输结构各因素间相互联系作用机理，运用系统动力学模型对相关因素进行政策模拟，将系统架构功能和系统动态行为相关联，明确反馈机制，研究系统因素间动态关系并解决动态复杂性问题。

1　货物运输结构系统分析

1.1　模型假设

运输结构调整系统动力学模型影响因素较多，作用机理较为复杂，为确保政策仿真模型贴合实际，假设货运市场稳定发展，经济环境良好且没有较大波动，货运物资主要为大宗货物，按照“自上而下”能源换算、使用对应碳排放量系数估算货运碳排放量。

1.2　因果关系分析

货运结构调整是一个多输出、多输入的复杂开放系统，涉及因素众多，且系统因素相互连结、共同制约。为更好服务货运物流和经济发展，考虑因素间逻辑关系，建立运输结构调整系统动力学模型。运输结构调整系统动力学模型因果关系图如图1所示。

从图1可得因素间因果关系如下。①地方经济稳步发展促进固定资产投资增加，购置治超设备、安装监控装置等举措进一步推动公路治理超载超限，对货运碳排放量具有一定的抑制作用。由于碳排放会对货运环境造成一定程度损失，产生环境污染治理资金，继而对国民经济产生一定抑制作用。②通过政府政策和财政支持，优化运输结构，推动传统运输方式向更高效、更环保、更经济的方向转型升级，有效提升港口吞吐量和铁路货运量^[5]，优化货运枢纽布局建设^[6]，推动铁水联运高质量发展。③多式联运推广倒逼公路运输提质增效，进而促进公路治超的加强和改进。在公路治超中，需要运用信息化、智能化手段和技术对车辆载重、货物装载、行驶路线进行监测，进一步带动货运技术创新，推动多式联运装备转型升级，带动多式联运周转量提升^[7]。④公铁联运促进铁路货运量上涨^[8]，有利于提升铁路运量优化运输结构，同时政府给予一定的运输结构调整补助鼓励铁路发展，推动多式联运周转量和公铁联运运量合理增加。

1.3　构建存量流量图与系统主要方程

根据货运结构特性，为进一步明确变量之间逻辑关系及作用机理，在运输结构调整系统动力学模型因果关系图基础上，通过引入辅助变量、状态变量、速率变量、常量等指标，绘制运输结构调整系统流图，运输结构调整系统流图如图2所示。

从图2可知，通过细分货物周转量、货运量、碳排放量等相关指标^[8]，图中存在4个存量变量(枢纽增值、GDP、货运碳排放量、能耗排放量)、7个速率变量(货运碳排放增量、货运碳排放减量、能耗增加量、能耗减少量、GDP增加值、GDP减少值、枢纽增量)和其他辅助变量，可看出地方经济产值和货运量是带动地区发展核心指标^[9]，优化调整运输结构是推进指标优化的重要抓手^[10]。

结合货运结构调研情况，明确变量种类，相关参数计算方式如下。

C_{\mathrm{g}\mathrm{d}\mathrm{p}}=INTEG(C_{gdpzjz}-C_{gdpjsz},C_{gdpcsz})⑴

式中：C_{\mathrm{g}\mathrm{d}\mathrm{p}}为地方经济产值，亿元；C_{gdpzjz}为地方经济产值增加值，亿元/a；C_{gdpjsz}为地方经济产值减少值，亿元/a；C_{gdpcsz}为地方经济产值初始值，亿元^[11]。

X_{hytpfl}=INTEG(X_{hytpfzl}-X_{hytpfjl},X_{hytpfcsz})⑵

式中：X_{hytpfl}为货运碳排放量，万t；X_{hytpfzl}为货运碳排放增量，万t/a；X_{hytpfjl}为货运碳排放减量，万t/a；X_{hytpfcsz}为货运碳排放量初始值，万t。

X_{dslybl}=X_{dslytjcs}+STEP((C_{dslybt}\times X_{dslybtcs}+C_{dslyzbtz}\times X_{dslyzbtzcs}+C_{hysncz}\times X_{hysnczcs})\times X_{ysbtbltjcs},X_{dslybltjcsn})⑶

式中：X_{dslybl}为多式联运比例；X_{dslytjcs}为多式联运调节参数；C_{dslybt}为多式联运补贴，亿元；X_{dslybtcs}为多式联运补贴参数；C_{dslyzbtz}为多式联运装备投资，亿元；X_{dslyzbtzcs}为多式联运装备投资参数^[12]；C_{hysncz}为货运枢纽产值，亿元；X_{hysnczcs}为货运枢纽产值参数；X_{ysbtbltjcs}为运输补贴比例调节参数；X_{dslybltjcsn}为多式联运比例调节初始年。

C_{gdpjsz}=X_{hjwrsscs}\times C_{hjwrss}+X_{hytpffycs}\times C_{hytpffy}\times X_{tpfcs}⑷

式中：X_{hjwrsscs}为环境污染损失参数；C_{hjwrss}为环境污染损失^[13]，亿元；X_{hytpffycs}为货运碳排放费用参数；C_{hytpffy}为货运碳排放费用^[14]，亿元；X_{tpfcs}为碳排放参数^[15]。

X_{hyzzl}=\left(X_{gdptjcs}\times {\mathrm{C}}_{\mathrm{g}\mathrm{d}\mathrm{p}}+X_{zzlyz}\right)\times X_{zzltjcs}⑸

式中：X_{hyzzl}为货物周转量，亿t·km；X_{gdptjcs}为地方经济产值调节参数；X_{zzlyz}为周转量因子；X_{zzltjcs}为周转量调节参数。

C_{ysjscxtz}=\left(X_{tzcs}\times \frac{X_{hyzzl}}{X_{zzltjcs}\times X_{zzlyz}}\right)\times \left(X_{ysjscxtzqd}\times X_{qdcs}+X_{hytpfl}\times X_{tpflcs}\right)⑹

式中：C_{ysjscxtz}为运输技术创新投资，亿元；X_{tzcs}为投资参数；X_{ysjscxtzqd}为运输技术创新投资强度；X_{qdcs}为强度参数；X_{tpflcs}为碳排放量参数。

X_{tlhyl}=\left(\left(X_{hyl}\times X_{hylcs}+C_{tlgz}\times X_{tlgzcs}+\left(X_{tslyzzl}+X_{gtlyzzl}\right)\times X_{tlhycs}+\left(C_{glzctz}\times X_{tzcs}\right)\right)+X_{ygcs}\right)\times X_{hycs}⑺

式中：X_{tlhyl}为铁路货运量，亿t；X_{hyl}为货运量，亿t；X_{hylcs}为货运量参数；C_{tlgz}为铁路固定资产^[16]，亿元；X_{tlgzcs}为铁路固定资产参数；X_{tslyzzl}为铁水联运周转量，亿t·km；X_{gtlyzzl}为公铁联运周转量，亿t·km；X_{tlhycs}为铁路货运参数；C_{glzctz}为公路治超投资，亿元；X_{tzcs}为投资参数；X_{ygcs}为有关参数；X_{hycs}为货运参数。

C_{jyhbzhyc}=DELAY\mathrm{3}(X_{yczhl}\times X_{jtyshbtre}\times X_{yccs},X_{yccsz})⑻

式中：C_{jyhbzhyc}为交通运输环保转化延迟，亿元；X_{yczhl}为延迟转化率，1/亿元^[17]；X_{jtyshbtre}为交通运输环保投入额，亿元；X_{yccs}为延迟参数；X_{yccs}为延迟初始值，亿元。

2　实证与仿真研究

2.1　研究对象及参数确定

重庆位于我国内陆西南部，是长江经济带、“一带一路”重要枢纽^[10]。2022年6月，重庆成为全国首个累计重箱折列开行量突破10 000列的中欧班列开行城市^[9]，重庆货运物流具有代表性且数据基础成熟，因此选择重庆为例进行货运系统运输结构治理政策模拟仿真。

系统所需数据及相关指标主要取自国家统计局、《中国统计年鉴》《中国交通运输年鉴》《中国环境统计年鉴》《中国物流年鉴》、有关统计公报等统计资料，货运CO₂排放系数、环保投入比、运输单位能耗等指标来源于参考文献^[4]。

2.2　模型检验

系统基于2010—2020年重庆地区实际数据，以2020年为基准、1年为步长仿真得到2010—2030年重庆地区相关指标数据。为确定模型稳定性，将模型步长按照0.25、0.5、1设定为稳定性情景1、稳定性情景2、稳定性情景3；为测试模型灵敏度，将公路比例按照降低0%、降低5%、降低10%设定为灵敏度检验情景1、灵敏度检验情景2、灵敏度检验情景3，运输结构调整模型稳定性检验和灵敏度检验结果如图3所示。

从图3可看出，模型检验主要包括稳定性检验和灵敏度检验^[11]。不同步长指标数值基本一致，表明模型较为稳定。同时不同公路比例碳排放量具有明显差异，表明模型已通过稳定性和灵敏度运行检验^[12]。

一致性检验是模型仿真结果与源数据进行对比，观测并计算误差值的大小，体现模型预测精度和有效性^[12]。对比模型仿真历史值和模拟值并计算误差，一致性检验结果如表1所示。

从表1分析2010—2020年10年重点指标的实际值和模拟值可得，模型数据误差基本在±10%内，说明系统可以较为准确反映运输结构调整情景。

3　政策模拟结果分析

依据工作方案，结合实际需求，按照运输结构调整、运输结构调整补助、公路治超、基础设施投资、优化货运枢纽布局建设5个维度研究不同政策调整影响，并将政策模拟分为基础情景、单一政策和组合政策3个情景进行研究^[5]。

3.1　单一政策模拟

3.1.1　综合交通运输结构调整政策模拟分析

交通运输方式作为运输结构调整重要影响因素，可以有效带动货运量增长。基于重庆运输方式占比现状，结合“公转铁”“公转水”和“多式联运比例提升”维度，将公路周转量比例下降20%、铁路周转量比例提升15%、水运周转量提升5%，“公转铁”“公转水”单一政策模拟结果如图4所示。

从图4可看出，铁路周转量提升15%时，GDP减少值下降10.35%，可得运输结构调整与区域经济变化呈正相关性，说明“公转铁”能够显著提高GDP。比较情景一与基础情景数据，并计算相对百分比可得，当公路周转量减少20%时，货运能耗量、碳排放量和创新投资分别下降0.84%、19.88%和15.66%，表明“公转铁”“公转水”对创新发展具有积极推动作用，有效降低碳排放和货运能耗。

根据2021年中国集装箱行业协会《中国集装箱行业与多式联运发展报告》显示，我国铁水联运比重为2.7%^[16]，占比较低，存在运输效率下降、物流成本增加、环保压力上升等问题，需要调整运输结构、提升联运水平。将铁水联运比重分别提升10%和20%，观察相关指标变化，铁水联运单一政策模拟结果如图5所示。

从图5可看出铁水联运比重提升对带动GDP具有积极效果。情景三相关指标与基础情景进行对比、平均和单位换算可得，当铁水联运比重每提高10%时，GDP减少值每年减少53.75万元，碳排放减少521.42 t，环境治理投资下降0.026亿元。说明铁水联运有效带动经济发展，降低货运碳排放量，从而减少货运环境治理投资。因此，应进一步推动加大铁水联运比重，有效提升运量规模，促进区域经济高质量发展。

3.1.2　运输结构调整补助调整政策模拟分析

运输结构调整补助主要是为推动各种交通运输方式深度融合，进一步优化调整运输结构，针对公转铁、公转水、多式联运成效明显的运输企业给予补助。

合理的运输结构调整补助促进运输结构有效调整，“公转铁”补贴、“公转水”补贴和多式联运补贴一定程度影响不同运输方式货运量，将运输结构调整补助分别提升10%、20%，运输结构调整补助政策模拟结果如图6所示。

从图6可得，运输结构调整补助增长对铁水联运周转量具有积极效果。相关指标将情景五、情景四与基础情景进行对比、平均化后除以补贴额可得，运输结构调整补助每增长1亿元，铁路周转量增加4.96亿t·km，铁水联运周转量提升7.65亿t·km，多式联运周转量提高25.47亿t·km，说明运输结构调整补助与铁路周转量变化正相关，有效带动铁水联运周转量和多式联运周转量增长。因此需要充分发挥补贴资金引导作用，显著增加多式联运比重，切实提高运输组织水平。

3.1.3　公路治超补贴调整政策模拟分析

采取严格的超载超限治理措施会倒逼公路运输企业减少超载超限行为，从而降低运输量。此外，货主企业可能会选择其他运输方式或调整运输计划，以规避超载超限限制。将公路治超补贴提升10%、20%，观察治超补贴对系统相关指标影响，公路治超补贴政策模拟结果如图7所示。

如图7所示，通过计算实验情景和基础情景指标变化百分比后求平均可得，当治超投资增长10%时，公路货运量降低1%，货运碳排放量降低13.33%，铁路货运量增加2.12%，GDP减少值下降3.25%。说明治超补贴与公路货运量和货运碳排放量呈负相关性，加大治超力度可显著提升铁路货运量，充分发挥铁路运输对经济发展有效带动作用，推进综合交通运输体系高质量发展。

3.1.4　基础设施投资调整政策模拟分析

为适应不断增加的货运需求，需进一步加强货运基础设施建设。为研究基础设施投资作用机理，将投资比重分别增加10%、20%，基础设施投资政策模拟结果如图8所示。

从图8可以看出，加大基础设施投资有效带动货运量、多式联运周转量增长。确定观察指标后，将政策模拟情景与基础情景数值比较、平均后除以投资均值后计算可得，当基础设施投资每增加1亿元时，货运量增加7.5万t，多式联运周转量提升0.058亿t·km，碳排放减少0.12万t，公路周转量下降0.016亿t·km。同时基础设施投资与碳排放和公路周转量波动呈反比，提升货运基础设施建设水平，促进货运交通绿色发展。

3.1.5　优化货运枢纽建设政策模拟分析

货运枢纽依靠货运场站，与不同运输方式结合提升枢纽物流效率^[13]。为研究物流园区作用机理，将物流园区增量比例分别提升10%、20%进行仿真，物流园区政策模拟结果如图9所示。

从图9可知，货运枢纽能力提升有效带动货物周转量增长。通过计算不同情景中各指标与初始值差值，平均后除以枢纽增量可得，物流园区投资每增加1亿元，多式联运周转量增加2.54亿t·km，单一方式货物周转量增加3.11亿t·km，多式联运装备投资提升8.15亿元，公路治超投资增加0.85亿元。说明加大物流园区投资对货物周转量具有较为明显拉动作用。同时，物流园区能力增加带动多式联运装备投资和公路治理投资，促进产业升级。

3.2　组合政策模拟分析

根据单一政策模拟结果，结合各指标幅度，将公路周转量比例下降20%、铁路周转量比例提升15%、水运周转量比例提升5%，铁水联运比重、运输结构调整补助、公路治超补贴、基础设施投资比重、物流园区增量比例分别提升20%，从运输结构调整、运输结构调整补助、公路治超、基础设施投资、货运枢纽等维度组合政策模拟^[14]，组合政策模拟结果如图10所示。

从图10可得，多式联运周转量明显提升，货运量提升幅度明显。在仿真时间内，通过计算相关指标变化百分比可得，铁水联运周转量增长迅速，2030年为1 036.802亿t·km，货运量提升15.79%，公铁联运下降幅度约为39.49%，应合理利用疏港铁路、水路优势，大力发展多式联运，有效提升综合货运运输效率^[2]。基于组合模拟仿真数据，进一步分析相关指标，组合政策铁水联运运量如表2所示。

从表2可得，2种情景下的铁水联运运量均呈现上升态势，且在2022—2023年显著增长。与基期水平相比，铁水联运的增长幅度明显偏高，这表明合理的运输结构对于提升铁路运输能力和铁水联运效率具有积极作用，进而推动了多式联运的发展。进一步分析组合政策情景下货运绿色水平，分析单位情境下碳排放指标，组合政策碳减排量如表3所示。

从表3可看出，相较于基期，组合情景下的碳排放量明显降低，同时货物周转量也有一定程度的提升。通过将情景对应的碳排放量与货物周转量进行比值计算，组合情景中单位GDP的二氧化碳排放均低于基期，符合2030年碳排放政策限制要求^[15]。说明通过有效建立综合交通货运枢纽，促进运输结构调整，注重创新驱动转变以及完善绿色交通治理体系，可以综合降低货运碳排放量，达到碳达峰行动方案要求，构建绿色低碳的运输方式，确保交通运输领域碳排放增长保持在合理区间，这些措施的实施将有助于实现碳达峰目标，促进交通运输领域的可持续发展。

4　结束语

货运结构调整在提升货运效率、优化运输组织方式、减轻环境污染方面具有重要意义。深入研究运输结构调整、运输结构调整补助、公路治超、货运基础设施、优化货运枢纽布局等因素对货运结构调整的影响机理，有助于促进“公转铁”“公转水”等运输结构调整，为提高货运效率提供决策参考。随着货运行业进一步发展，未来可继续细化运输结构调整影响因素，并运用大数据、人工智能等先进技术优化运输组织，落实落细货运结构优化方案，进一步提升货运组织效率。

参考文献

[1] 于雪峤，周凌云，席江月，等. “公转铁”形势下铁路大宗货物运输市场分担率提升策略研究[J]. 铁道经济研究，2021(2)：31-36.

[2] YU Xueqiao， ZHOU Lingyun， XI Jiangyue，et al. Research on the Strategy of Improving the Market Share of Railway Transportation Products under the Situation of “Highway to Railway”[J]. Railway Economics Research，2021(2)：31-36.

[3] 国务院办公厅.推进多式联运发展优化调整运输结构工作方案(2021—2025年)[EB/OL].(2021-12-25)[2022-01-07].

[4] 交通运输部.推进铁水联运高质量发展行动方案(2023—2025年)[R/OL].(2023-1-31)[2023-1-31].

[5] 陶经辉，王陈玉. 基于系统动力学的物流园区与产业园区服务功能联动[J]. 系统工程理论与实践，2017，37(10)：2660-2671.

[6] TAO Jinghui， WANG Chenyu. Service Functions Linkage between Logistics Park and Industrial Park Based on System Dynamics[J]. Systems Engineering-Theory & Practice，2017，37(10)：2660-2671.

[7] 孔玉丹. 双碳背景下港口供应链可持续评估与减排策略研究[D]. 大连：大连海事大学，2022.

[8] 黄起龙，崔彦博，刘晓雷，等. 基于系统动力学的铁水联运港政府服务体系研究[J]. 铁道运输与经济，2019，41(4)：57-62，75.

[9] HUANG Qilong， CUI Yanbo， LIU Xiaolei，et al. A Research on Government Service System for Railway-Sea Intermodal Port Based on System Dynamics[J]. Railway Transport and Economy，2019，41(4)：57-62，75.

[10] 路广宇，汤银英，陈　思. 中欧国际铁路货运需求预测及系统动力学仿真研究[J]. 交通运输工程与信息学报，2022，20(2)：150-163.

[11] LU Guangyu， TANG Yinying， CHEN Si. A Prediction and System Dynamics Simulation Study of Freight Demand of Sino-Europe International Railway[J]. Journal of Transportation Engineering and Information，2022，20(2)：150-163.

[12] 刘　洋. 铁路专用线货运量影响因素分析及提升对策[J]. 铁道货运，2021，39(8)：49-53.

[13] LIU Yang. Analysis of Influencing Factors and Improvement Countermeasures for Freight Volume of Railway Special Line[J]. Railway Freight Transport，2021，39(8)：49-53.

[14] 韩提提. 中欧班列运输网络结构特征演化及影响因素研究[D]. 大连：大连海事大学，2022.

[15] 宋凯旋. 长江上游水路运输货物结构分析与预测研究[D]. 重庆：重庆交通大学，2019.

[16] 周小刚，贾仁安，李丽清，等. 创新驱动升级的SD建模和策略的反馈仿真组合分析：以江西合力有限公司创新升级为例[J]. 系统工程理论与实践，2018，38(11)：2831-2851.

[17] ZHOU Xiaogang， JIA Ren’an， LI Liqing，et al. On the System Dynamic Model of Innovation Upgrading and Combination Analysis of Feedback and Strategy Simulation Taking Innovation and Upgrading Activities of HELI Company for Example[J]. Systems Engineering-Theory & Practice，2018，38(11)：2831-2851.

[18] 刘开迪，杨多贵，王光辉，等. 基于系统动力学的生态文明建设政策模拟与仿真研究[J]. 中国管理科学，2020，28(8)：209-220.

[19] LIU Kaidi， YANG Duogui， WANG Guanghui，et al. Policy Modeling and Simulation on Ecological Civilization Construction in China Based on System Dynamics[J]. Chinese Journal of Management Science，2020，28(8)：209-220.

[20] 周凌云，于雪峤，陈泽军，等. 中老铁路国际物流大通道发展战略与重点任务研究[J]. 铁道运输与经济，2022，44(11)：100-105.

[21] ZHOU Lingyun， YU Xueqiao， CHEN Zejun，et al. Development Strategy and Key Tasks of International Logistics Channel of China-Laos Railway[J]. Railway Transport and Economy，2022，44(11)：100-105.

[22] 陈　思，梁　玥，汤银英，等. “中欧班列+海运”系统多主体协同运营仿真研究［J］. 铁道运输与经济，2023，45(2)：1-10，18.

[23] CHEN Si， LIANG Yue， TANG Yinying，et al. Simulation Research on Multi-Agent Collaborative Operation of “China Railway Express+Shipping” System[J]. Railway Transport and Economy，2023，45(2)：1-10，18.

[24] 国务院.2030年前碳达峰行动方案[EB/OL].(2021-10-24)[2021-10-26].

[25] 中国集装箱行业协会. 中国集装箱行业与多式联运发展报告(2021)[EB/OL].(2022-12-12)[2022-12-12].

[26] 束晨辉.基于绿色环保的北京市快递物流政策模拟研究[D].北京交通大学，2015.

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(P2023X014)

西部陆海新通道运营有限公司科研项目(22JGZC0007YJ)

天津市科技计划项目(22ZLGCGX00060)