高密度海上通道多类型需求驱动的滚装船队调度优化研究

针对岛陆滚装运输中卡车、汽车、乘客多类型需求波动导致的容量不匹配与资源冗余问题，研究人员构建需求驱动调度优化框架，开发非线性混合整数规划模型，结合 ALNS 算法求解。基于琼州海峡数据验证，容量利用率达 91.95%，为提升滚装网络效率与可持续性提供定量工具。

　　

在全球经济持续演进与市场需求日益多元化的背景下，港口需求的不确定性和波动性不断加剧，港口拥堵、装卸效率低下、调度失衡等问题愈发突出。在岛陆滚装（Roll-on/Roll-off, Ro-Ro）运输领域，卡车、汽车和乘客等多种运输需求汇聚于同一运营流程，使得船舶调度的复杂性大幅提升。以连接海南与中国大陆的关键通道琼州海峡为例，季节性的需求波动与有限的船舶资源频繁导致容量冗余或短缺，如何在高密度调度下实现滚装客船的合理高效调度，成为亟待解决的关键问题。

现有研究虽已关注滚装船队调度优化，尤其在多类型运输需求场景下，但多数聚焦于集装箱等单一货物类型，对滚装运输中卡车、汽车和乘客需求间的复杂相互作用探索不足，且缺乏能适应实际运营中高度动态波动需求模式的集成调度框架。为填补这一空白，研究人员开展了此项关于高密度海上通道多类型需求驱动的滚装船队调度优化研究，相关成果发表在《Renewable Energy》。

研究采用的主要关键技术方法包括：构建以最大化车辆容量利用率为目标的非线性混合整数规划（Mixed-Integer Programming, MIP）模型，引入惩罚方法务实管理需求满足度，并纳入弹性容量系数（Elastic Capacity Coefficient, ECC）以平衡运营效率与服务稳健性；设计定制化的自适应大邻域搜索（Adaptive Large Neighborhood Search, ALNS）算法求解大规模问题；基于琼州海峡的真实运营数据进行验证，涉及 25 艘滚装船的容量信息，包括船名、车辆甲板层数、车道长度、额定乘客容量和额定车辆容量等。

多类型运输需求分析

运输需求被划分为卡车容量、汽车容量和乘客容量三类，从总量和小时间隔两个维度进行分析。研究发现琼州海峡滚装运输的多类型需求存在显著的 24 小时周期性时间分布特征。其中，卡车和汽车需求以长度为空间量化单位，卡车单位长度为 12 米，汽车为 5 米，以此反映其物理占用空间差异。

模型构建

针对高密度岛陆滚装班轮运输模式，将一天划分为 24 个时间间隔，航行计划包含 24 个班次，每个班次包含多个航次。考虑到滚装船的不同容量特性，构建了以最大化舱位利用率为目标的优化模型，并设计了受容量资源约束的 ALNS 算法用于模型求解。

实验结果验证

基于琼州海峡的真实运营数据对所提滚装船队调度优化模型和算法进行验证。结果显示，采用 ALNS 算法的方法实现了 91.95% 的容量利用率，显著优于基准启发式算法，同时保持了较高的需求满足度。对嵌入的弹性容量系数分析发现，其在不同规划周期中能有效实现运营效率与服务稳健性之间的权衡。

研究结论与讨论部分强调，此项研究解决了多类型需求条件下滚装船队调度的复杂挑战，尤其针对琼州海峡这类高密度海上通道。提出的以非线性混合整数规划模型为核心的综合优化框架，成功实现了在满足卡车、汽车和乘客异质需求的同时最大化车辆容量利用率。ALNS 算法的应用有效应对了问题的规模和约束，验证了框架的有效性。

该研究的重要意义在于，不仅解决了关键的调度失衡问题，更为港口管理部门提供了一种定量工具，助力提升滚装网络的运营效率和可持续性。未来研究可进一步拓展模型的适用场景，或探索更先进的算法以提升大规模问题的求解效率，为滚装运输调度优化提供更全面的理论支持和实践指导。