基于LDA-CiteSpace的铁路多式联运研究热点分析

Analysis of Research Hotspots in Rail-Based Intermodal Transportation Based on LDA-CiteSpace

摘要

相比其他运输方式，通过与公路、水运的高效协同，基于铁路的多式联运是实现降本增效、“双碳”战略的关键路径。因此，系统梳理2014—2025年国内外铁路多式联运相关研究，综合运用LDA主题模型与CiteSpace知识图谱方法，识别并归纳出以铁路为核心载体的“三维四点”研究框架，包括节点维(枢纽选址与内部布局)、线路维(运输路径优化)以及网络维(系统协调与利益分配)。通过对近11年文献的系统分析，揭示该领域研究从局部优化向系统协同、从单一目标向多目标综合决策的演进趋势，并指出当前研究在框架整合与铁路核心角色凸显方面的不足。在此基础上，进一步从节点、线路、网络、政策4个维度展望未来重点研究方向，以期为铁路多式联运的理论深化与实践创新提供参考。

Abstract

Compared with other transportation modes, through efficient coordination with road and water transport, rail-based intermodal transportation is a key pathway for achieving cost reduction, efficiency improvement, and the “carbon peaking and carbon neutrality” strategy. Therefore, this paper systematically reviewed relevant Chinese and international research on rail-based intermodal transportation from 2014 to 2025. By comprehensively applying the LDA topic model and the CiteSpace knowledge graph method, this paper identified and summarized a “three-dimensional and four-aspect” research framework with railways as the core carrier, including the node dimension (hub location and internal layout), the route dimension (transportation path optimization), and the network dimension (system coordination and benefit distribution). Through a systematic analysis of the literature over the past 11 years, this paper revealed the evolutionary trend of research in this field from local optimization to systemic coordination, and from single-objective to multi-objective comprehensive decision-making, and pointed out the deficiencies of current research in framework integration and highlighting the core role of railways. On this basis, this paper further prospected the future key research directions from four dimensions of node, route, network, and policy, in order to provide a reference for the theoretical deepening and practical innovation of rail-based intermodal transportation.

Graphical abstract

关键词

铁路多式联运 / 文献综述 / LDA模型 / CiteSpace / 铁路运输

Key words

Railway Intermodal Transportation / Literature Review / LDA Model / CiteSpace / Railway Transportation

0　引言

2014年，国务院印发《物流业发展中长期规划（2014—2020年）》(国发〔2014〕42号)，将多式联运工程列为12项重点工程之首。同年，交通运输部全面深化改革领导小组成立，交通运输体制机制改革深入推进，推动多式联运进入了战略机遇期。在此期间，交通基础设施实现了跨越式增长。截至2025年末，我国铁路里程较2014年增长47.32%，达16.5万km，较公路与水路增速显著领先，实现了质的飞跃，形成以“八纵八横”高速铁路网为骨干的多层次铁路网络^[1]。铁路也从单一的运输功能，发展为多式联运“战略骨干”“组织核心”和“绿色引擎”的三重角色^[2]，不仅支撑起长距离、大批量、低碳化的国家综合立体交通格局，也通过铁水、铁公等“硬联通”与电子运单、数据共享等“软联通”，推动运输结构优化进入高质量发展新阶段。

基于铁路的多式联运(以下简称“铁路多式联运”)是指以铁路作为统一运营主体，联合公路、水路、航空等其中一种及以上运输方式，签订一份运输合同，实行一单制，实现货物从出发地到目的地的运输服务。其具有安全准时、低碳环保、运量大、成本低等优点，且铁水、铁公和铁空联运的货运量及周转量在整个多式联运体系中占据主导地位。

随着多式联运战略地位提升，其规划与运营优化成为学界焦点。Steadieseifi等^[3]划分战略、战术、运营3层框架，奠定建模基础；Rosyida等^[4]关注干扰下网络韧性与应急响应，拓展研究视野；郭静妮等^[5]聚焦集装箱水铁联运，总结运营组织与基础设施匹配进展，体现国内对具体模式的关注。这些综述从不同侧面刻画了多式联运研究图景，具有重要参考价值。然而现有综述仍存在2个明显的局限性。第一，研究视角大多呈“碎片化”状态，往往侧重于某一具体问题，缺乏以铁路运营者为核心，联合公路、水路、航空等多种运输方式的整体决策框架，未能将节点、线路、网络3个维度有机整合，难以从整体上把握铁路多式联运的运作逻辑与发展脉络。第二，研究方法多依赖传统文献归纳，在海量文献中难以客观识别研究热点的演化轨迹。更重要的是，多数综述对铁路在多式联运中的核心角色着墨不多，导致铁路的战略价值被弱化。综上，现有研究在系统性框架缺乏与铁路核心角色弱化2方面存在明显缺口。针对上述缺口，尝试在以下方面作出补充。第一，在方法论上，综合运用LDA主题模型与CiteSpace知识图谱技术，更客观地识别以铁路为核心载体的研究主题簇；第二，在研究框架上，构建涵盖节点维-线路维-网络维的“三维四点”分析框架，始终围绕铁路作为运营主体的核心属性，系统梳理近11年国内外研究进展；第三，在研究展望上，除技术维度外，补充政策维度的讨论，明确铁路多式联运的理论边界与研究路径，从而为实践提供层次清晰、聚焦核心的学术支撑。

1　研究思路与方法

1.1　研究思路

在铁路多式联运系统中，铁路作为统一运营主体，需签订一份运输合同，实行一单制，如何选址布局铁公转运场、铁水联运港区、铁空货运中心，是运营的起点和关键；是否铺设铁路线进入公路货运场、港口和码头、空运机场，属于铁路经营者的战略决策。这些联运枢纽一旦确定，便会影响后续联运选择。其次，如何规划铁路多式联运的路线、确定铁基多式联运的组织方式和价格，是运营的主要内容；最后，如何协调多点多线间的信息共享、利益分配机制，是运营维持的关键支撑要素。因此，铁路多式联运研究将从节点、线路、网络3个维度展开。

铁路多式联运的研究框架如图1所示。在节点维度，主要收集归纳铁路多式联运的枢纽选址布局、设备配置研究文献；在线路维度，主要收集归纳铁路多式联运的运输方式组合优化、作业流程等研究文献；在网络维度，主要收集归纳铁路多式联运的利益分配、政策制定等研究文献。

1.2　研究方法及分析

首先选择知网(CNKI)与Web of Science(WOS)作为国内与国际数据来源，以2014—2025年为检索窗口(2025年数据为截至12月25日的不完全收录)，在CNKI中以“多式联运”为关键筛选词，获得文献3 069篇。在WOS中以“multimodal transportation”or“intermodal transportation”进行主题检索，获得文献4 442篇。“多式联运”主题下国内外发文量如图2所示。

从图2可以发现，“多式联运”主题国外的发文量整体呈上升趋势，且大部分时间段国外发文数量大于国内。国内文献数量到2021年达到最高点，后受疫情及国际形势影响于2022年出现拐点，发文量开始减少，标志着国内该领域研究已从早期的“理论热炒”阶段进入“实践深耕”新阶段。

为了进一步聚焦以铁路为核心载体的研究文献和演化路径，进一步引入LDA主题模型对国内外文献进行主题挖掘。通过主题聚类，自动识别出以“铁路”“港口”“集装箱”“路径优化”等为核心特征词的主题簇，并结合人工判读，剔除与铁路关联较弱(如纯公路、纯航空联运)的文献，最终筛选出以铁路作为统一运营主体或核心载体的研究文献，作为后续“节点”“线路”“网络”3个连续递进维度的文献基础。同时，引入CiteSpace技术，分析铁路多式联运的文献焦点与趋势，并提出未来的研究方向。

在图1中，设计了节点、线路、网络3个维度进行文献收集归纳。结合LDA模型，K=3时一致性显著提升且困惑度下降趋势出现拐点，在保留绝大部分模型性能的同时，以最小复杂度获得了最佳解释性，得出主题困惑度与一致性如图3所示，据此综合考虑K=3为最佳主题数。

在LDA主题模型训练完毕后，对各主题下“主题、词”的概率分布进行了提取与整理。通过对不同主题前10个高概率特征词的归纳分析，可以清晰地辨识各主题的核心内涵，铁路多式联运LDA主题关系如图4所示。

其中，“体系规划”主题词的核心关键词：发展、建设、体系、空铁、海铁，表明对应网络维度，聚焦于宏观的系统构建；“路径优化”主题词的核心关键词：模型、优化、路径、算法、风险，是对应线路维度围绕运输模型及决策的优化；“节点优化”主题词的核心关键词：港口、集装箱、作业、成本、时间，说明对应节点维度，着力于枢纽内部运作效率的提高。

结合CiteSpace技术的关键词共现分析，国内文献的前五关键词为“路径优化”“集装箱运输”“遗传算法”“一带一路”“碳排放”。国外文献的前五关键词为“model(模型)”“algorithm(算法)”“optimization(优化)”“network(网络)”“system(系统)”。铁路多式联运关键词共现如图5所示。

通过国内文献的前五关键词可以看出，国内文献关注运输组织、绿色低碳发展，主要解决具体场景的优化问题。其中关键词如“一带一路”“集装箱运输”表明，国内研究高度契合运输组织、枢纽之间协调现状的发展痛点，体现“问题和需求导向”思维。而“遗传算法”和“路径优化”的应用，显示出国内学者倾向于采用成熟算法解决具体场景的优化问题，注重技术落地的实用性。国外文献的前五关键词则可以看出国外文献关注“方法论”，对优化算法有偏好。

综上所述，概括铁路多式联运的研究热点为三维四点：节点维2个(枢纽选址，内部优化)、线路维1个(线路设计与优化)、网络维1个(系统协调与利益分配)。

2　铁路多式联运的三维四点分析

2.1　节点维：枢纽选址

铁路多式联运枢纽的选址主要包含枢纽定位、选址决策方法2项研究内容。

2.1.1　枢纽定位研究

该研究主要从“距离与成本”和“货物价值”2个角度对各运输方式进行对比，并选择目标最优的方式。铁路多式联运枢纽需考虑的因素如表1所示，根据文献^[6-12]梳理其主要考虑因素。

由表1可知，各运输方式的竞争力评估体系已从一个依赖“成本、距离”的单一模型，演化成一个兼顾货物价值、服务需求、时效等多因素的动态匹配分析框架。

2.1.2　选址决策方法

铁路多式联运枢纽的选址根据以上因素，再考虑合适的定量决策模型。而现有研究在“铁公联运”“铁水联运”方面已取得一定进展。如，李孟良等^[13]建立基于总费用最小的多分配p-枢纽中位选址模型，并增加需求不确定性及路径可靠性^[14]和风险因素^[15]，据此构建双目标0-1线性规划模型，解决选址问题。Ziar等^[16]提出兼顾政府、货运商两方价值的双层规划方法。申皓等^[17]基于高效运输和覆盖范围，构建综合成本最小目标选址模型。此外宋玉阳^[18]基于双碳等因素，运用精确重心法和综合指标评级法确定枢纽选址。

值得注意的是，作为铁路多式联运的重要分支，铁空联运枢纽的选址研究仍处于起步阶段。现有成果多聚焦于空铁枢纽的空间协同与规划概念，如空铁无缝衔接^[19]或区域要素集聚分析^[20]，而对线路实质接入、安检互认、流程一体化等操作瓶颈，仍缺乏深入的建模与仿真验证，尤其缺少以铁路运营为主体的选址决策框架。

总之，该类研究呈现出从单一到多元、从宏观到微观、从确定到不确定的趋势。决策者需要在多个相互冲突的目标之间寻找平衡点，同时应用场景深入到高时效快递、危险品、无水港乃至铁空联运等具体领域，实现行业实践紧密结合，也反映出不同模式下的差异化研究阶段与需求。

2.2　节点维：枢纽内部优化

当前铁路多式联运枢纽布局与作业研究呈现出从静态规划到动态协同、从单一效率到系统优化的演进趋势。

2.2.1　布局设计研究

研究从传统的SLP法、两阶段耦合模型^[21]，发展为融合物流与非物流关系、货物特性^[22]、内外部动线^[23-24]，以及创新物理模式^[25]的系统化方法，旨在解决作业均衡与空间利用问题。

2.2.2　作业优化研究

目前研究主要集中在协同调度，通过混合整数规划、排队论等模型优化，综合考虑多重约束，实现设备、码头、运输工具的协同。根据文献^[26-40]汇总，铁路多式联运枢纽内部优化需考虑的因素及模型如表2所示。

同时，最新研究进一步引入堆存管理与自动化设备、扫描检测系统^[41-42]，并基于设施设备创新，设计自动化码头作业系统^[41]和新型集装箱列车装卸方案^[43]，推动枢纽向智能化、高韧性方向发展。

2.3　线路维：路线设计与优化

铁路多式联运路线的设计优化首先要考虑优化目标及影响因素，其次要考虑优化方法和模型。

2.3.1　线路优化目标及因素

目前铁路多式联运路线的优化目标主要聚焦在成本、时间、风险和碳排放等方面，根据文献^[44-56]进行分类梳理，铁路多式联运线路设计和优化需考虑的因素如表3所示。

2.3.2　优化方法研究

已有文献主要利用智能优化、强化学习、精确算法以及启发式方法研究路径规划问题，分类综述如下。

（1）智能优化算法和强化学习方法。大多数路径优化问题是NP难问题，在铁公联运、铁水联运等相对成熟的联运场景中，通常难以求得最优解。因此，研究多采用智能优化算法求解。如，多目标遗传算法已成熟应用，Sun等^[47]利用交互式NSGA-Ⅱ算法，解决复杂不确定环境下的路径规划与绿色调度问题。 Rashidian等^[52]开创性地将管理决策方法与遗传算法结合，形成“软计算、硬模型”混合框架，虽无法保证数学最优解，但为复杂现实约束下的绿色可靠路径提供可操作性较高方案，实现“软硬结合”的混合框架。同时李玉民等^[48]、黄虹等^[51]利用GA算法、ALNS智能优化算法，对冷链运输路径优化问题进行研究，为多温共箱冷链方式提供参考。李响等^[54]利用改进的遗传算法，对危险品运输中的“效率、安全、公平性”三要素进行均衡分析，并将其应用于中国区域协调治理中。相比之下，铁空联运路径优化主要围绕高时效、高附加值货物的组织展开。如李玉民等^[57]设计了基于“全货机+高速铁路货运专列”的衔接模式，并运用遗传算法优化摆渡车调度与时刻表协同；申皓等^[17]构建以货物时间价值为导向的选址、路径集成模型，以提升货物时效性。然而该类模型常假设“铁路直达机场”，这与实际中依赖公路短驳的现状脱节，且针对天气、航班延误等动态干扰的韧性路径研究明显不足。

（2）精确算法和启发式规则。目前该方法大多基于整数规划模型，创新结合定界求解法^[43]、鲁棒优化+启发式算法^[58]，或采用精确算法^[45]来解决各种复杂情况下的路径问题，实现在不确定环境下解决问题的新思路。其中启发式与精确算法的优势融合是当前热点之一。如，采用精确算法(如分支定界)来求解问题的小规模核心部分，同时结合元启发式(如遗传算法)来探索全局解空间。这种“合作式”搜索策略，其效果常优于一种方式。

综上所述，铁路多式联运路径规划的决策方法研究呈现出“多范式融合”的特征。未来研究应进一步结合具体场景特点：在“铁公联运”“铁水联运”等相对成熟场景中，注重模型精细度与算法效率的平衡；未来不再局限于一种方法，而应根据决策层次(战略、战术、运营)、问题规模、不确定性程度、解的质量要求等，智能地选择和组合上述方法，形成智能决策支持系统；在铁空联运中，则需优先突破“铁空”实操衔接瓶颈与动态干扰的韧性难题，进而构建面向不同决策层级、问题规模与不确定性程度的智能决策支持系统。

2.4　网络维：系统协调与利益分配

铁路多式联运网络维立足于整体视角，旨在实现“点、线、面”的有机整合与协同发展，实现多方共赢。铁路多式联运系统的协调和利益分配首先要考虑协调机制，其次要考虑利益分配方法。

2.4.1　组织协调研究

研究运用遗传算法^[59]、混合整数规划^[60]及NSGA-Ⅱ^[61]等多目标算法，对时序同步、资源约束与碳排放成本等因素协同优化，以实现绿色高效的运输网络^[62]。同时对组织进行创新，其核心在于推动“一单制”，通过分析机理^[63]、构建区块链架构与协同决策模型^[64]及平台设计^[65]，提升单证流转的安全性与协同效率。

2.4.2　利益分配机制研究

通过剖析惩罚因子^[66]、运输资源持有量、合作风险、贡献度与联盟地位等影响因素^[67-68]，考虑政府、货运商多方决策层利益构建动态模型^[69]，采用演化博弈与仿真分析，揭示公平分配与合作初始意愿是维持联盟稳定的关键^[70]。徐凤等^[71]则通过构建双层加权网络模型，实证分析了空铁联运网络的结构特性，指出提升机场与高速铁路站的匹配度是提高效率的关键。此外，通过多Agent建模、Stackelberg博弈定量方法，提出了无车承运人模式的机制创新研究^[72-73]。

研究整体呈现出从技术优化向机制创新深化，并强调多方协同的系统性整合趋势。

3　未来研究方向

随着铁路货运改革的深化和技术的快速迭代，铁路多式联运的研究热点需关注以下方向。

3.1　节点维：枢纽选址因素和智能化转型

当前枢纽节点研究应超越理论构想，直面改革中传统货运枢纽的实际困境与独特属性。

3.1.1　枢纽选址不确定及现实因素量化研究

未来铁路多式联运枢纽选址应强化不确定性建模与多主体协同决策。

在综合考虑碳排放约束、地缘政治风险等因素的基础上，也需对突发风险、季节性波动等不确定因素进行量化分析，将抽象的“政策”与“风险”概念转化为模型参数，如设定不同情景下的通道可靠性系数、碳排放权交易价格等。而后结合鲁棒优化、随机规划方法，引入不同风险强度、偏差的情景，基于不同地区的特性，构建具有韧性的选址模型。

同时，由于铁路多式联运是以铁路作为统一运营主体，而现有研究多从铁路经营者单一主体决策视角出发考虑影响因素，对其他运营商、货主、政府等相关主体考虑的因素很少。未来可以进行多主体博弈视角下的选址决策：不仅考虑铁路运营商的成本最小化，还应兼顾地方政府的用地政策、碳排放目标，货主的时效偏好、服务可靠性及公路/水路运营商的接驳效率等多方利益，构建多层规划或合作博弈模型。同时，选址决策不应是一次性的，而应能根据货流结构的动态变化进行适应性调整。

3.1.2　枢纽智能化研究

当前，枢纽研究发展已呈现出智能化、自动化等显著趋势，其核心是如何有效利用新技术推动传统货运枢纽实现智能化转型问题。未来可以考虑引入AI技术、机器学习模型、数字孪生模型方法，利用机器学习模拟地方环境、货物特性、历史数据，从而实现对区域货流的预测，并与数字孪生平台进行仿真与优化。

3.2　节点维：面向韧性的智能枢纽布局与自适应调度

目前，铁路多式联运枢纽的布局主要采用SLP方法、M/M/c排队模型对各功能区进行划分设计。

3.2.1　面向无人化智能枢纽场站布局研究

未来可以通过建立数据共享平台，研究智能枢纽场站的布局，实现无人化智能枢纽场站的布局。此外，目前我国“铁空联运”发展滞后，核心瓶颈在于空港与铁路站场物理分离、流程割裂。其中铺设铁路线进入空运机场还未实现，与之匹配的“空侧到陆侧”无缝衔接的作业流程，如安检互认、快速中转分拨、货物处理等环节的设计还未进一步探讨。

最后可采用离散事件仿真软件，对各枢纽进行高精度建模仿真，评估不同布局方案与作业规则下的吞吐能力、货物平均滞留时间等关键绩效指标，为重大基础设施投资提供决策依据。

3.2.2　考虑资源配置协同的设计研究

未来可以考虑货架、车辆、订单、商品、拣货站台以及补货站台等多维资源实时数据下的协同调度，分析枢纽业务结构和变化规律，设计场站内装卸资源、堆存空间、短驳运力等的动态调度优化模型。特别是解决人机混合作业场景下的安全与效率平衡问题，针对铁路站场轨道、装卸设备与卡车、船舶作业等作业场景中订单激增、设备故障、天气变化的冲突情况，进行铁路多式联运枢纽的布局设计，建立基于智能学习的动态调度模型，而后通过与环境交互进化出最优调度策略，实现调度指令的自动下发与执行状态的实时反馈，最后形成“感知、决策、执行”的闭环。

3.3　线路维：从静态多目标优化到动态韧性路径设计

未来铁路多式联运路线的优化，须从静态规划转向动态韧性设计。这要求减少对固定成本、恒定时间和确定能力的理想化假设，对运输时间的波动、需求的随机性、枢纽拥堵等动态信息进行反应，并有效规避政策、中断等风险。综合考虑运营成本、时间、碳排放目标，构建一个具有抗干扰能力、自适应调整的运输系统，以满足日益增长的路径个性化与可靠交付需求。

3.3.1　引入韧性、全生命周期碳排放与转运序列的多维目标

铁路多式联运路线的优化目标可以在枢纽容量基础上，引入“韧性”“全生命周期碳排放”“转运序列”等因素。

“韧性”可定义为在遭受干扰后(天气、拥堵、事故等)，系统维持服务水平的能力与恢复至正常状态的速度，通过模拟不同干扰情景下路径的效率高低进行计算，从而在提高枢纽效率的同时，量化与优化铁路多式联运路径的韧性。结合鲁棒优化等方法确保方案的抗干扰性，并为之设计多套应急备用路径方案。尤其是在研究铁空联运时，考虑航班受天气延误、枢纽拥堵等干扰，以及高时效快递、冷链医药等高端物流需求因素。在对于韧性要求高的环境下，未来需整合实时航班动态、高速铁路货运能力、短驳路况等信息，并引入强化学习等智能方法，开发能自适应各类干扰的韧性联运方案。

“全生命周期碳排放”是指货物涵盖“原产地、运输、中转、仓储”全环节，通过在车辆、设备上安装传感器，实时采集能耗数据，同时考虑车辆类型、载重率、路面状态、能源来源等因素，构建精细化碳足迹计算模型，并开发碳足迹实时计算与追踪系统，将该系统与路径优化算法对接，实现精细化的智能低碳路径规划。

“转运序列”的优化设计，其核心在于突破传统路径规划中将转运简化为节点时间损耗的局限，对多交通模式的换乘顺序、时间衔接、节点资源配置等进行精细化建模。在此基础上，建立考虑作业时间、能力约束和时序相关性的转运网络模型，以优化运输时间、作业次序和调度，从而有效减少无效等待时间，缓解节点拥堵，降低设备失效、气候变化等引起的运输链断裂风险，将传统静态方法转化为动态实时的协同调度。

3.3.2　仿真环境与自适应算法耦合的路径决策

铁路多式联运路线的优化思路在未来研究中可考虑以下方向。

（1）构建高保真“决策数字孪生”系统，实现动态环境下的前瞻性规划，在此基础上将仿真与优化结合，以建立一个与物理运输系统同步的、包含交通流、枢纽作业、天气事件、需求随机性等的要素的仿真环境。基于仿真-强化学习的动态决策，通过对仿真环境在各类扰动、突发情况下的最优应对策略，形成能直接根据系统状态输出决策的“调度大脑”。

（2）构建“学习与优化”深度融合的智能决策新方法，通过元学习自动适配算法，突破单一方法的局限性，打造更高级、可自动适应问题的通用求解器。按照网络规模、约束类型、不确定性程度、实时性要求等特征，设计一个分类器，能够根据问题的特征自动推荐最适用的求解算法或算法组合。如，对于小规模路径规划问题，可借助精确求解器自动完成优化求解，对于大规模动态调度问题则启动强化学习智能体。

3.4　网络维：跨层级协同与绿色价值共创

铁路多式联运是一个复杂网络决策系统，枢纽作业调度需要基于铁路运输时间、到发时间和装载能力进行规划，路径规划则要考虑枢纽的转运能力、货物匹配度。因此，协同体系是实现系统全局最优的关键，将成为铁路多式联运优化研究的重要方向。

3.4.1　跨层级决策的协同优化

未来可以研究“一单制”下基于区块链的跨组织、跨地区的运营机制和跨层级决策的协同优化研究。

如研究不同主体系统间数据交互接口与协议，从而设计数字物权凭证技术标准与业务规范；同时，以“一单制”为基础，开展“区块链”电子运单系统，以解决跨境铁路多式联运中落地难、信息不透明、责任界定模糊等痛点。

将海关、铁路、船公司、港口等关键主体作为节点，把货物状态、位置、舱位预订、通关状态等数据输入，确保数据不可篡改、全程可溯。

此外，可探索“策略、战术、运营”跨层级决策的协同优化，构建涵盖长期基础设施投资(选址)、中期运输路线设计、短期车辆调度的大规模决策模型，从而揭示不同层级决策间的深层互动与权衡，实现在确保全局最优的情况下，平衡各环节、主体的资源等因素需求。同时将运营层累积的动态数据为战术层决策提供量化指导，形成一个从运营反馈到策略更新的闭环学习系统。

3.4.2　动态贡献与绿色收益的利益分配

未来应结合政策设计、价值生态、零碳园区、能源交通等因素，考虑多维动态贡献因子的利益分配模型，使其贡献因子并非一成不变，而是可随着合作进程动态调整，以激励各方深度参与和价值共创。

此外，融合绿色发展政策，研究铁路多式联运各主体参与节能减排的分配机制，以节约的成本作为“绿色收益”，激发各方投资绿色能源的积极性。

3.5　政策维：制度创新与协同治理

铁路多式联运的高效运行不仅依赖于节点、线路和网络的技术优化，更受到宏观政策环境的深刻影响。结合前文对枢纽选址、路径优化、系统协调3个维度的分析，未来政策层面的研究可从以下方向展开。

3.5.1　铁路进港进场的用地与投资政策

铁路与机场、港口的“物理分离”是联运的核心瓶颈，而这一问题的破解首先在政策上突破。未来可聚焦研究铁路专用线引入空港、港口的土地保障机制，和如何在既有场站周边划设铁路接入用地、如何协调空港与铁路的规划衔接等具体问题。同时，针对铁路场站与港口、机场的共建模式，可探索通过基础设施投资基金等渠道解决“最后一公里”建设的资金难题。

3.5.2　“一单制”的法律效力与标准互认

目前研究中，针对“一单制”“区块链”的成果较多，但实践仍面临不同运输方式间安检标准不统一、数据接口无法对接等制度障碍。未来可重点研究铁路运单物权化改革的试点路径；同时研究铁路、公路、水运在安检互认、计量标准、保险理赔等方面的衔接机制，为多式衔接提供制度保障。

3.5.3　多式联运联盟的利益调节与补偿机制

在运输联盟中，利益分配的合理性对维护运输联盟的稳定性至关重要。未来可聚焦研究政府补贴与市场调节相结合的收益分配机制，针对铁公、铁水、铁空不同联运模式的特点，设计差异化的财政激励政策。如，对承担“最后一公里”短驳的公路运输给予税费优惠，或对铁路联运企业实施碳排放配额倾斜。在此基础上，也可探讨政府引导下的应急能力补偿机制，明晰自然灾害、公共卫生事件等场景下各方责任和成本分担，从政策层面提高交通运输网络的整体稳定性。

4　结论

通过系统梳理2014—2025年间国内外铁路多式联运相关文献，综合运用LDA主题模型与CiteSpace知识图谱方法，围绕“节点、线路、网络”3个维度，对铁路多式联运的枢纽选址与内部布局、路线设计与优化、系统协调与利益分配等4大研究主题进行了全面综述。研究表明，当前研究已从单一成本或时间目标逐步发展为多目标综合优化体系，涵盖成本、时间窗、匹配能力、风险与碳排放等多类因素，并在建模方法上呈现出从确定性规划向不确定环境下鲁棒优化、智能算法与强化学习深度融合的趋势。

在总结现有成果基础上，随着信息与数字技术的快速发展，人工智能与数字孪生技术已成为推动铁路多式联运智能化升级的关键支撑。未来应重点围绕政策开发基于强化学习的数字孪生系统，以解决现实数据与仿真模型间的匹配问题，使枢纽节点具备自学习与动态调度能力；同时构建多因素耦合的数字孪生平台，集成运输时间波动、需求随机性、资源约束与外部风险，实现铁路多式联运路径的实时优化与动态调整，从而全面提升系统整体效能与抗干扰能力。

参考文献

[1] 国家统计局.《中华人民共和国2024年国民经济和社会发展统计公报》[EB/OL].(2025-02-28)[2025-12-23].

[2] 中华人民共和国国发展和改革委员会.《中长期铁路网规划》[EB/OL].( 2016-07-20)[2025-03-23].

[3] STEADIESEIFI M， DELLAERT N P， NUIJTEN W，et al. Multimodal Freight Transportation Planning：A Literature Review[J]. European Journal of Operational Research，2014，233(1)：1-15.

[4] ROSYIDA E E， SANTOSA B， PUJAWAN I N. A Literature Review on Multimodal Freight Transportation Planning under Disruptions[J]. IOP Conference Series：Materials Science and Engineering，2018，337：012043.

[5] 郭静妮，贺政纲. 基于集装箱运输的水铁联运体系构建[J]. 交通运输工程与信息学报，2018，16(4)：41-49.

[6] CARBONI A， DALLA CHIARA B. Range of Technical-Economic Competitiveness of Rail-Road Combined Transport[J]. European Transport Research Review，2018，10(2)：45.

[7] 靳国伟，任维权，王文杰，等. 车辆运输能力随机的应急物流选址-分配-路径优化[J]. 铁路物流，2025，43(1)：25-33.

[8] JIN Guowei， REN Weiquan， WANG Wenjie，et al. Emergency Logistics Location-Allocation-Routing Optimization with Stochastic Vehicle Transport Capacity[J]. Railway Logistics，2025，43(1)：25-33.

[9] 闫　松，刘　赫，郭赫臣，等. 基于客户需求画像的铁路货运产品适配性评估[J]. 铁路物流，2025，43(12)：5-12.

[10] YAN Song， LIU He， GUO Hechen，et al. Assessment of Railway Freight Product Suitability Based on Customer Demand Profile[J]. Railway Logistics，2025，43(12)：5-12.

[11] LIU H， ZHANG R， JIAN W L，et al. Effects of Distance and Reliability on Value of Time in Intercity Freight Transportation：An Adaptive Experiment in China[J]. Transportation Research Record：Journal of the Transportation Research Board，2023，2677(2)：115-128.

[12] 唐　力，周凌云，赵明佶，等. 基于货物价值特性的集装箱公铁联运竞争力分析[J]. 铁道运输与经济，2021，43(10)：75-81.

[13] TANG Li， ZHOU Lingyun， ZHAO Mingji，et al. Competitiveness Analysis of Road-Rail Intermodal Container Transport Based on Value Characteristics of Goods[J]. Railway Transport and Economy，2021，43(10)：75-81.

[14] 虞　楠，郭紫莹. 新形势下我国港口铁水联运发展对策探讨[J]. 铁道运输与经济，2021，43(10)：35-41.

[15] YU Nan， GUO Ziying. Development of Rail-Water Intermodal Transport of China’s Ports under the New Situation[J]. Railway Transport and Economy，2021，43(10)：35-41.

[16] YAO Z， GAN M， LI X K，et al. Strategic Plan for China’s Air High Speed Rail Express Freight Network and Its Carbon Reduction Potential[J]. Environmental Science and Pollution Research，2023，30(11)：29110-29124.

[17] 李孟良，王喜富，孙全欣，等. 公铁联运网络的枢纽选址模型及算法[J]. 铁道学报，2016，38(12)：1-7.

[18] 范厚明，李彩云，蒋晓丹，等. 不确定需求下考虑路径可靠性的内陆港选址问题[J]. 管理学报，2018，15(8)：1256-1264.

[19] 黄丽霞，赵　军. 危险货物铁公联运办理站选址问题多目标优化[J]. 计算机集成制造系统，2019，25(1)：235-246.

[20] ZIAR E， SEIFBARGHY M， BASHIRI M，et al. An Efficient Environmentally Friendly Transportation Network Design via Dry Ports：A Bi-Level Programming Approach[J]. Annals of Operations Research，2023，322(2)：1143-1166.

[21] 申　皓，张　锦，孙文杰，等. 基于货物时间价值的空铁联运转运枢纽选址优化[J]. 交通运输系统工程与信息，2023，23(1)：48-57.

[22] SHEN Hao， ZHANG Jin， SUN Wenjie，et al. Optimization of Air-Rail Transshipment Hub Location Based on Time Value of Goods[J]. Journal of Transportation Systems Engineering and Information Technology，2023，23(1)：48-57.

[23] 宋玉阳. 汽车零部件Milk-Run业务公铁联运模式下的铁路货运站选址研究[J]. 铁道货运，2024，42(2)：28-33.

[24] SONG Yuyang. Research on Location of Railway Freight Station with Milk-Run Business of Automobile Parts under Combined Transport of Highways and Railways[J]. Railway Freight Transport，2024，42(2)：28-33.

[25] 刘亚龙，谭国威. 深圳机场东空铁联运一体化综合交通枢纽规划方案[J]. 城市轨道交通研究，2024，27(10)：160-164.

[26] LIU Yalong， TAN Guowei. Planning Scheme of Shenzhen Airport East Comprehensive Transportation Hub for Air-Rail Intermodal Integration[J]. Urban Mass Transit，2024，27(10)：160-164.

[27] 金　鑫，龚志渊，王泽坚. 大湾区一体化格局下的空铁联运枢纽规划设计：以深圳机场东枢纽为例[J]. 城市规划学刊，2022(S1)：208-213.

[28] JIN Xin， GONG Zhiyuan， WANG Zejian. Planning and Design of Air-Rail Intermodal Transport Hub under the Integration of Guangdong-Hong Kong-Macao Greater Bay Area：The Case of Shenzhen Airport East Hub[J]. Urban Planning Forum，2022(S1)：208-213.

[29] 刘道宽，卢勇利，沈学明，等. 我国铁水联运港口作业区布局优化研究[J]. 铁道运输与经济，2020，42(5)：30-37.

[30] LIU Daokuan， LU Yongli， SHEN Xueming，et al. A Study on the Optimization of the Operation Area of Railway-Water Intermodal Transport Port in China[J]. Railway Transport and Economy，2020，42(5)：30-37.

[31] 张　煜，陈师宇，李　斌. 基于加权最小连接调度的铁水联运堆场储位布局优化[J]. 铁道运输与经济，2021，43(11)：47-55.

[32] ZHANG Yu， CHEN Shiyu， LI Bin. Storage Location Optimization of Rail-Water Intermodal Yards Based on Weighted Least Connection Scheduling[J]. Railway Transport and Economy，2021，43(11)：47-55.

[33] 欧阳杰，尚　芮，梁　旭. 快件空铁联运组织模式及联运站场布局研究[J]. 铁道运输与经济，2021，43(9)：108-115.

[34] OUYANG Jie， SHANG Rui， LIANG Xu. Research on Organization Mode and Station Yard Layout of Air-Rail Express Transportation[J]. Railway Transport and Economy，2021，43(9)：108-115.

[35] 张　煜，唐可心，徐亚军，等. 考虑能耗节约的集装箱码头装卸设备集成调度[J]. 计算机集成制造系统，2024，30(7)：2608-2620.

[36] ZHANG Yu， TANG Kexin， XU Yajun，et al. Integrated Scheduling of Handling Operations in Container Terminal with Considering Energy Saving[J]. Computer Integrated Manufacturing Systems，2024，30(7)：2608-2620.

[37] 姚新虎，余　理，冯　帆. 公铁联运物流中心功能区布局的三阶段法[J]. 铁道运输与经济，2024，46(4)：51-57.

[38] YAO Xinhu， YU Li， FENG Fan. Three Stage Method for Layout of Functional Areas in Road-Rail Intermodal Logistics Centers[J]. Railway Transport and Economy，2024，46(4)：51-57.

[39] CARLO H J， VIS I F A， ROODBERGEN K J. Seaside Operations in Container Terminals：Literature Overview，Trends，and Research Directions[J]. Flexible Services and Manufacturing Journal，2015，27(2-3)：224-262.

[40] 常祎妹，朱晓宁，闫柏丞，等. 集装箱码头铁水联运装卸设备协同调度[J]. 交通运输系统工程与信息，2017，17(4)：40-47.

[41] 徐士伟，马美娜，苏业辉. 双循环背景下公铁联运枢纽集疏运一体化：以广州东部公铁联运枢纽为例[J]. 综合运输，2023，45(8)：11-17，24.

[42] XU Shiwei， MA Meina， SU Yehui. On the Integrated of Highway and Railway Combined Transport Hub under the Background of Double Circulation：East Rail Transit Hub of Guangzhou as an Example[J]. China Transportation Review，2023，45(8)：11-17，24.

[43] 李　琦，魏玉光. 带时间窗的中心站多车程集卡调度优化研究[J]. 交通运输系统工程与信息，2024，24(1)：272-281.

[44] LI Qi， WEI Yuguang. Multi-Trip Truck Scheduling Optimization of Central Station with Time Window[J]. Journal of Transportation Systems Engineering and Information Technology，2024，24(1)：272-281.

[45] BENANTAR A， ABOURRAJA M N， BOUKACHOUR J，et al. On the Integration of Container Availability Constraints into Daily Drayage Operations Arising in France：Modelling and Optimization[J]. Transportation Research Part E：Logistics and Transportation Review，2020，140：101969.

[46] 杨宜佳，朱晓宁，闫柏丞，等. 考虑能耗的铁水联运集装箱装卸设备协同调度[J]. 交通运输系统工程与信息，2018，18(6)：215-221.

[47] YANG Yijia， ZHU Xiaoning， YAN Baicheng，et al. Integrated Scheduling of Rail-Water Containers Handling Operations in Intermodal Terminals Considering Energy-Efficiency[J]. Journal of Transportation Systems Engineering and Information Technology，2018，18(6)：215-221.

[48] YANG Y J， ZHU X N， HAGHANI A. Multiple Equipment Integrated Scheduling and Storage Space Allocation in Rail-Water Intermodal Container Terminals Considering Energy Efficiency[J]. Transportation Research Record：Journal of the Transportation Research Board，2019，2673(3)：199-209.

[49] CHEN X H， ZUO T S， LANG M X，et al. Integrated Optimization of Transfer Station Selection and Train Timetables for Road-Rail Intermodal Transport Network[J]. Computers Industrial Engineering，2022，165：107929.

[50] TONG S Q， LI S H， LIU C H，et al. Optimizing Road-Rail Multimodal Transport Schedule for Emergency Response with Congestion and Transshipment Sequence Selection[J]. Applied Sciences，2024，14(19)：8793.

[51] YAAGOUBI A EL， FERJANI A， ESSAGHIR Y，et al. A Logistic Model for a French Intermodal Rail/Road Freight Transportation System[J]. Transportation Research Part E：Logistics and Transportation Review，2022，164：102819.

[52] TAFUR A， PADGETT J E. A Flow-Based Commodity-Independent Port Capacity Model for Resilience Assessment of Intermodal Freight Networks Subjected to Coastal Hazards[J]. Reliability Engineering System Safety，2024，250：110280.

[53] 唐继孟，孙全欣，张　桐. 公铁联运规模效应和枢纽拥挤效应的联动分析[J]. 交通运输系统工程与信息，2017，17(3)：32-38，52.

[54] TANG Jimeng， SUN Quanxin， ZHANG Tong. Integrated Analysis of Economies of Scale and Hubs Congestion Effect on Rail-Road Intermodal Transport[J]. Journal of Transportation Systems Engineering and Information Technology，2017，17(3)：32-38，52.

[55] CHANG Y M， ZHU X N， HAGHANI A. The Outbound Container Slot Allocation Based on the Stowage Plan in Rail-Water Intermodal Container Terminals[J]. Measurement and Control，2019，52(5-6)：509-525.

[56] CHANG Y M， ZHU X N. A Novel Two-Stage Heuristic for Solving Storage Space Allocation Problems in Rail-Water Intermodal Container Terminals[J]. Symmetry，2019，11(10)：1229.

[57] ZHANG W Y， WANG X F， YANG K. Uncertain Multi-Objective Optimization for the Water-Rail-Road Intermodal Transport System with Consideration of Hub Operation Process Using a Memetic Algorithm[J]. Soft Computing，2020，24(5)：3695-3709.

[58] CARBONI A， DEFLORIO F， DALLA CHIARA B. Monitoring Truck’s Operations at Freight Intermodal Terminals： Traffic Observation by Scanning On-Board Devices[J]. IET Intelligent Transport Systems，2020，14(12)：1638-1646.

[59] 赵衷彬，沈孟如，王喜富，等. 新型双层集装箱列车铁水联运同步装卸技术[J]. 铁道运输与经济，2024，46(12)：30-43.

[60] ZHAO Zhongbin， SHEN Mengru， WANG Xifu，et al. New-Typed Synchronized Handling Technology for Double-Stack Container Trains in Rail-Water Intermodal Transportation[J]. Railway Transport and Economy，2024，46(12)：30-43.

[61] YUE L J， FAN H M， MA M Z. Optimizing Configuration and Scheduling of Double 40 ft Dual-Trolley Quay Cranes and AGVs for Improving Container Terminal Services[J]. Journal of Cleaner Production，2021，292：126019.

[62] 郭　波，陈　频. 基于全局运输成本的煤炭铁水联运通道走向分析[J]. 交通运输系统工程与信息，2018，18(S1)：30-34.

[63] GUO Bo， CHEN Pin. Directionanalysis of Railway-Waterway Multimodal Transport Corridor Based on the Global Transportation Cost[J]. Journal of Transportation Systems Engineering and Information Technology，2018，18(S1)：30-34.

[64] UDDIN M， HUYNH N. Reliable Routing of Road-Rail Intermodal Freight under Uncertainty[J]. Networks and Spatial Economics，2019，19(3)：929-952.

[65] YU S N， JIANG Y L. Network Design and Delivery Scheme Optimisation under Integrated Air-Rail Freight Transportation[J]. International Journal of Logistics Research and Applications，2024，27(3)：411-427.

[66] SUN Y， YU N， HUANG B L. Green Road-Rail Intermodal Routing Problem with Improved Pickup and Delivery Services Integrating Truck Departure Time Planning under Uncertainty：An Interactive Fuzzy Programming Approach[J]. Complex Intelligent Systems，2022，8(2)：1459-1486.

[67] 李玉民，邱　梦，黑柏林，等. 考虑高速铁路时间窗和客户满意度的生鲜品公铁联运路径选择[J]. 工业工程，2021，24(2)：49-56.

[68] LI Yumin， QIU Meng， Bolin HEI，et al. Road-Rail Multimodal Transportation Routing Optimization of Fresh Products Considering High Speed Rail Time Window and Customer Satisfaction[J]. Industrial Engineering Journal，2021，24(2)：49-56.

[69] 段力伟，杨　航，陈　坚. 考虑枢纽延误的集装箱公铁联运多目标路径优化[J]. 交通运输系统工程与信息，2024，24(6)：275-285.

[70] DUAN Liwei， YANG Hang， CHEN Jian. Multi-Objective Path Optimization of Container Road-Rail Intermodal Transportation Considering Hub Delays[J]. Journal of Transportation Systems Engineering and Information Technology，2024，24(6)：275-285.

[71] 张文会，向宇豪，郑文诏，等. 考虑中转延误风险的煤炭公铁联运低碳路径优化[J]. 科学技术与工程，2025，25(13)：5609-5617.

[72] ZHANG Wenhui， XIANG Yuhao， ZHENG Wenzhao，et al. Low-Carbon Path Optimization for Coal Rail-Road Intermodal Transport Considering Transshipment Delay Risks[J]. Science Technology and Engineering，2025，25(13)：5609-5617.

[73] 黄　虹，谢如鹤，罗　嵩，等. 基于公铁联运的多温蓄冷箱全程冷链集配优化[J]. 包装工程，2023，44(17)：237-245.

[74] HUANG Hong， XIE Ruhe， LUO Song，et al. Optimization of Whole Cold Chain Joint Pickup and Distribution Based on Road-Rail Transportation with Multi-Temperature Refrigerated Container[J]. Packaging Engineering，2023，44(17)：237-245.

[75] RASHIDIAN F， EYDI A， ROGHANIAN E. Reliable and Green Road-Rail Routing Using a Hybrid Procedure of DANP，COCOSO，and FMEA Criticality Methods： A Case Study of Cement Transportation Network in Iran[J]. Journal of Cleaner Production，2024，447：141250.

[76] 贾晓燕，何瑞春，柴　获，等. 一类危险货物公铁联运时空服务网络路径模型[J]. 铁道学报，2023，45(7)：20-28.

[77] JIA Xiaoyan， HE Ruichun， CHAI Huo，et al. Path Model for Hazmat Rail-Road Intermodal Transportation in Spatiotemporal Service Network[J]. Journal of the China Railway Society，2023，45(7)：20-28.

[78] 李　响，雷描描，刘国翔. 考虑区域风险公平的危险品公铁联运路径优化[J]. 铁道运输与经济，2024，46(11)：140-149.

[79] LI Xiang， LEI Miaomiao， LIU Guoxiang. Path Optimization for Road-Rail Intermodal Transport of Dangerous Goods Considering Regional Risk Equity[J]. Railway Transport and Economy，2024，46(11)：140-149.

[80] HEINOLD A， MEISEL F. Emission Limits and Emission Allocation Schemes in Intermodal Freight Transportation[J]. Transportation Research Part E：Logistics and Transportation Review，2020，141：101963.

[81] JUNSANG P， JATURANONDA C， WUTTIPORNPUN T，et al. Liquefied Natural Gas Logistics Management through Optimal Road-Rail Intermodal Logistics Planning Considering Community Safety：A Case Study in Thailand[J]. International Journal of Knowledge and Systems Science，2023，14(1)：1-25.

[82] 李玉民，李　腾，王知临，等. 基于外部转运式的货运空铁联运衔接方案设计[J]. 科学技术与工程，2024，24(18)：7843-7850.

[83] LI Yumin， LI Teng， WANG Zhilin，et al. Connecting Scheme Design of Freight Air-Rail Intermodal Transport Based on External Transfer Type[J]. Science Technology and Engineering，2024，24(18)：7843-7850.

[84] YU M， LIU X Y， XU Z L，et al. Automated Rail-Water Intermodal Transport Container Terminal Handling Equipment Cooperative Scheduling Based on Bidirectional Hybrid Flow-Shop Scheduling Problem[J]. Computers Industrial Engineering，2023，186：109696.

[85] ZHAO J H， ZHU X N， WANG L. Study on Scheme of Outbound Railway Container Organization in Rail-Water Intermodal Transportation[J]. Sustainability，2020，12(4)：1519.

[86] BASALLO-TRIANA M J， BRAVO-BASTIDAS J J， CONTRERAS I，et al. Intermodal Hub Network Design with Generalized Capacity Constraints and Non-Synchronized Train-Truck Operations[J]. Transportation Research Part B：Methodological，2023，174：102770.

[87] 王喜富，马骏驰，杨　凯. 国内外陆港研究进展与我国研究前景展望：基于CiteSpace知识图谱分析[J]. 北京交通大学学报(社会科学版)，2024，23(2)：80-88.

[88] WANG Xifu， MA Junchi， YANG Kai. Domestic and Foreign Research Progress on Inland Ports and Research Prospect for Chinese Inland Ports：Based on CiteSpace Bibliometric Graphing Analysis[J]. Journal of Beijing Jiaotong University (Social Sciences Edition)，2024，23(2)：80-88.

[89] GUO Q L， YIN C Z， ZHENG S Y. An Intermodal Transport Network Planning Scheme Considering Carbon Emissions[J]. Energy，2025，322：135564.

[90] 沈　冰，沈忠刚，张锦黎. 我国多式联运“一单制”模式构建研究[J]. 铁道运输与经济，2018，40(5)：20-23，30.

[91] SHEN Bing， SHEN Zhonggang， ZHANG Jinli. A Study on the Developing Multimodal Transport under a Single Contract in China[J]. Railway Transport and Economy，2018，40(5)：20-23，30.

[92] 黄敏珍，王瑞民，林晓蕾. 多式联运数据交换区块链技术应用研究[J]. 铁道运输与经济，2021，43(2)：75-81.

[93] HUANG Minzhen， WANG Ruimin， LIN Xiaolei. A Study of the Application of Block Chain Technology on Multimodal Transportation Data Exchange[J]. Railway Transport and Economy，2021，43(2)：75-81.

[94] QIAN X Q， SHEN L X， YANG D，et al. Research on Multimodal Transport of Electronic Documents Based on Blockchain[J]. Big Data and Cognitive Computing，2024，8(6)：67.

[95] ZHU W Y， YUAN H Z， ZHANG X H，et al. Study on Benefit Distribution of Multimodal Transport Dynamic Alliance Based on the Shapely Value Method[J]. Journal of Coastal Research，2020，110(sp1)：104-107.

[96] 李丹丹，侯　敬. 铁水联运经营模式选择演化博弈研究[J]. 铁道运输与经济，2022，44(5)：91-98.

[97] LI Dandan， HOU Jing. Evolutionary Game for Business Mode Selection in Rail-Water Intermodal Transport[J]. Railway Transport and Economy，2022，44(5)：91-98.

[98] TAHERI S， TAMANNAEI M. Integrated Multi-Level Intermodal Network Design Problem：A Sustainable Approach，Based on Competition of Rail and Road Transportation Systems[J]. Networks and Spatial Economics，2023，23(1)：9577.

[99] 李　倩，刘　擎，吴群琪，等. 国际多式联运收益分配博弈模型及Raiffa解优化[J]. 铁道运输与经济，2022，44(4)：59-65.

[100] LI Qian， LIU Qing， WU Qunqi，et al. Revenue Distribution Game Model for International Multimodal Transport and Raiffa Solution Optimization[J]. Railway Transport and Economy，2022，44(4)：59-65.

[101] 王晓平，吴雅婷，陈佳慧. 考虑新机场投运的多式联运组织演化博弈：以北京大兴国际机场为例[J]. 公路交通科技，2024，41(5)：186-198.

[102] WANG Xiaoping， WU Yating， CHEN Jiahui. Evolutionary Game for Multimodal Transport Organization Considering New Airport Operation：Taking Beijing Daxing International Airport for an Example[J]. Journal of Highway and Transportation Research and Development，2024，41(5)：186-198.

[103] 徐　凤，朱金福，陈　丹. 基于多层网络的空铁联运双层加权网络结构特性[J]. 复杂系统与复杂性科学，2023，20(1)：49-56.

[104] XU Feng， ZHU Jinfu， CHEN Dan. Structure Characteristics of Air-Rail Double-Layer Weighted Network Based on Multilayer Network[J]. Complex Systems and Complexity Science，2023，20(1)：49-56.

[105] 邱小平，陈怡静，车恒庆，等. 无车承运人参与下的公铁联运物流服务协同形成机理[J]. 北京交通大学学报，2018，42(3)：1-9.

[106] QIU Xiaoping， CHEN Yijing， CHE Hengqing，et al. Mechanism of Highway Railway Multimodal Transportation Involved in Brokers Logistics Service Collaboration Form[J]. Journal of Beijing Jiaotong University，2018，42(3)：1-9.

[107] 康凤伟，李雪梅，李金宇，等. 无车承运人参与下的公铁联运主体利益博弈研究[J]. 铁道学报，2020，42(11)：22-28.

[108] KANG Fengwei， LI Xuemei， LI Jinyu，et al. Game Research into Subjects Strategy of Rail-Road Intermodal Transport under Different Decision Modes[J]. Journal of the China Railway Society，2020，42(11)：22-28.

基金资助

江西省重点研发计划“揭榜挂帅”项目(20224BBE51051)

江西省重点研发计划“揭榜挂帅”项目(20223BBE51038)