编辑推荐：
为优化洲际航空货运网络，兰州交通大学研究人员构建模型与算法，降低成本、提升效率。
洲际航空货运网络的探索之旅：优化航线，提升效率
在全球经济的大棋盘上，航空货运正扮演着越来越重要的角色。随着跨境电商的蓬勃发展，全球航空货运需求持续攀升，过去十年间，货运周转量几乎每十年就翻一番，增速比客运高出 50% 。尽管航空货运量仅占全球贸易量的 1%，但其价值却占全球贸易总值的 33%。在这样的形势下，优化洲际航空货运网络成为了提升航空货运效率、降低成本的关键，这就像是为繁忙的航空货运交通找到了一条 “快捷通道”，能让货物更高效地在全球流转。
然而，目前的洲际航空货运网络存在不少问题。一方面，现有的航线优化研究大多聚焦于客运航班，对货运航班的独特需求，如时间敏感性、通关要求和运力限制等关注不足。另一方面，在运力资源匹配方面，传统方法缺乏灵活性，难以适应复杂多变的国际航线需求。此外，现有的算法在解决跨境货运网络优化问题时，也面临着计算复杂、适应性差等挑战。
为了解决这些问题，兰州交通大学的研究人员开展了一项关于 “Freight network optimization for intercontinental long route with mixed time windows and multiple aircraft types - China - Africa case study” 的研究。该研究成果发表在《Heliyon》上，为洲际航空货运网络的优化提供了新的思路和方法。
研究方法：构建模型，设计算法
研究人员构建了一个跨境航线优化模型，该模型结合了混合时间窗和多机型的因素，考虑了货物从国内枢纽出发，经海外枢纽中转，最终送达海外目的地的整个运输过程。在模型中，研究人员详细定义了各种参数和变量，如货物的体积、运输成本、装卸成本、存储成本和燃油附加费等，并通过一系列的约束条件来确保模型的合理性和可行性。
为了求解这个模型，研究人员设计了一种混合启发式算法（hybrid heuristic algorithm）。该算法基于粒子群优化（Particle Swarm Optimization，PSO）算法，并进行了改进，引入了离散策略和多群体综合学习因子策略，以提高搜索性能。同时，算法还包含了时间窗约束处理、离散粒子群优化和扰动等步骤，以确保能够找到最优的航线方案。
研究结果：优化航线，降低成本
通过对实际运营数据的分析和计算，研究人员得到了不同机型的最优航线方案。在客运改货运飞机（PTF）方案中，共有 18 条最优航线，累计行程 183,287 公里，平均每次飞行约 10,243.72 公里，总累计时间 16,305 分钟，平均每架飞机的旅行时间约 905.83 分钟，累计载重 1964 吨，平均每次飞行载重 106.11 吨。在全货机方案中，有 16 条最优航线，累计行程 151,707 公里，平均每次飞行约 9481.69 公里，总累计时间 9370 分钟，平均每架飞机约 851.81 分钟，累计载重 1782 吨，平均每次飞行载重 111.375 吨。
研究还对不同货流情况下的航线变化进行了分析。对于 PTF 飞机，在小货流和大货流情况下，航线会根据需求点的位置进行调整；在随机货流情况下，航线会选择从枢纽到最远需求点，然后在附近节点中转，以满足货物的收集和运输需求。对于全货机，在小货流时主要采用直飞航线，大货流时则会增加中转。
研究结论与意义：提供决策依据，助力行业发展
通过这项研究，研究人员得出了一系列有意义的结论。首先，引入混合时间窗约束和多机型考虑后，优化后的航线方案显著提高了航线网络的效率，降低了燃油成本和存储成本。其次，不同机型在运输过程中各有优势，PTF 飞机适用于中小批量货物或多个需求点的运输，而全货机则更适合长途、大批量和高价值货物的运输。此外，研究还发现，海关政策和枢纽机场的管理效率对运输时间和成本有重要影响。
这些结论为国际航空货运公司的航线规划和管理提供了重要的决策依据。通过采用优化后的航线方案，航空公司可以更好地应对货物流量的波动，提高运力利用率，降低运营成本，从而在激烈的市场竞争中占据优势。同时，该研究也为后续的洲际航空货运网络优化研究提供了参考，推动了该领域的进一步发展。
