《TRANSPORTATION RESEARCH PART E-LOGISTICS AND TRANSPORTATION REVIEW》：Synchromodal bi-objective two-stage stochastic optimization for container and power unit allocation
编辑推荐：
•该集成随机模型可同时优化集装箱与动力单元的流动安排。•租赁决策构成了连接拖运与卡车运输的内在纽带。•依次进行的独立规划在数学上处于劣势。•在几乎不增加拖运成本的情况下，卡车运输成本可降低40%以上。•通过双目标帕累托前沿可量化协调带来的价值。引言多式联运物流中的陆侧环节是最容易
- •
该集成随机模型可同时优化集装箱与动力单元的流动安排。
- •
租赁决策构成了连接拖运与卡车运输的内在纽带。
- •
依次进行的独立规划在数学上处于劣势。
- •
在几乎不增加拖运成本的情况下，卡车运输成本可降低40%以上。
- •
通过双目标帕累托前沿可量化协调带来的价值。
引言
多式联运物流中的陆侧环节是最容易出现协调问题的部分（Chen等人，2022年）。集装箱需要在不同仓库和码头之间转移，而负责搬运集装箱底盘的机动牵引车则需被调配以完成转运——但这些决策通常由不同的主体做出，它们有着各自的目标、数据系统以及时间规划（Chen等人，2022年；美国联邦海事委员会，2022年）。结果就是整个网络虽然局部运作高效，但整体效率却很低。弥合这些相互独立的规划层面不仅仅是降低成本的问题，它还决定了内陆物流在面对不确定性时的弹性、响应能力以及可持续性。近期在同步模式物流方面的进展凸显了动态协调的必要性——通过信息共享、技术整合以及协同规划，可实现各种运输方式与资源的同步使用（Acero等人，2022年；Giusti等人，2019年）。同步模式物流将传统的静态、孤立式调度转变为基于信息的协同规划，使得跨相互依赖的网络能够更高效地利用运输资源（Behdani等人，2014年；Tavasszy等人，2015年）。从最理想的状态来看，这种理念包含两个互补的决策层面：执行层面，通过实时信息实现动态的模式转换与持续运营调整；规划层面，则是在操作开始前对不同网络间的决策进行结构化协调，从而形成一套协调方案，使系统能够在面临不确定性时作出有效应对。尽管在信息系统与仿真领域，执行层面已得到较多研究（Acero等人，2022年；Giusti等人，2019年），但在陆侧拖运与卡车运输的衔接处，规划层面仍缺乏充分的发展：在需求不确定的情况下，能够将集装箱流动与动力单元部署在相互独立的陆侧网络中进行结构化协调的定量框架仍然十分稀缺（Braekers等人，2011年；Dejax和Crainic，1987年）。
这种协调失效的根本原因在于一种现有研究尚未充分解决的结构性不对称问题：集装箱与动力单元虽由不同主体管理，且遵循不同的目标函数，但在实际操作中却密不可分。尽管二者存在紧密的运营关联，但集装箱重新定位的模型往往将卡车的可用性视为外部参数，而车队管理与拖运路线规划模型则将集装箱的需求视为既定事实（Braekers等人，2011年；Chen等人，2022年）。租赁市场正是这种矛盾表现得最为明显的领域——拖运公司会在能最低成本完成集装箱运输的地点租赁牵引车，而卡车运输企业则倾向于将车辆部署在能减少空驶里程的位置。当这些决策由不同主体依次做出时，租赁地点本身就会成为导致系统性低效的因素。本文正是为了解决这一问题而展开研究。我们提出了一种集成型两阶段随机模型，该模型能在需求不确定的情况下，同时优化拖运网络中的集装箱分配以及卡车网络中的动力单元部署，并将租赁决策视为连接这两个网络的内在结构要素。这一方法揭示了单个网络无法发现的权衡关系，同时也把陆侧协调问题重新定义为一种相互关联的同步模式规划挑战——在这种挑战中，阻碍整合的核心因素可能并非经济上的不相容，而是缺乏一种机制，让两个独立理性的主体围绕共同的租赁基础设施达成一致。
本文的其余结构如下：第2节回顾了关于集装箱重新定位以及同步模式协调的现有研究成果；第3节阐述了本研究采用的一般建模方法与基本假设；第4节详细介绍了该集成型两阶段随机优化模型的数学表述；第5节介绍了案例研究框架，包括佛罗里达州物流网络的相关数据与参数估算方法；第6节分析了计算结果，评估了模型的计算性能与扩展性，分析了不同运营方案之间的权衡关系，并通过敏感性分析量化了协调所带来的价值；最后，第7节总结了研究的结论与理论贡献。
章节要点
文献综述
本节通过梳理两大类相关文献来明确研究问题。首先，我们研究了用于集装箱重新定位的定量模型，这些模型涵盖了从确定性网络流模型到随机优化模型的各类方法；其次，我们分析了协调与同步模式的问题，重点探讨了如何在碎片化的供应链中整合辅助资源。
建模方法与假设
本研究提出了一种双目标、两阶段的随机混合整数规划模型，旨在解决陆侧多式联运物流中存在的运营效率问题。该建模方法的核心是“同步模式衔接”概念，这是一种用于在数学上连接两个相互独立却又紧密相关的网络的机制——其中一个网络代表货物的流动，即集装箱的流动，另一个网络代表资产的流动，即动力单元的流动。这一概念与规划层面的要求相契合
集成型两阶段优化方法
本节详细阐述了该集成型两阶段随机优化模型的数学表述。首先，我们明确了描述网络结构及运营约束的集合、参数以及决策变量；随后，我们给出了用于调控集装箱流动、资产使用效率以及拖运与卡车运输之间互动关系的目标函数与约束条件。按照第3节所设定的规范，
案例研究
本节将所提出的优化框架应用于以佛罗里达州多式联运网络为对象的真实案例研究。我们首先明确了研究的区域范围与数据来源，接着对各项运营参数进行了详细估算，最后介绍了如何根据历史港口交通数据生成随机需求场景的方法。
结果与讨论
本节对所提出的两阶段随机优化模型进行了全面分析，证明了该模型在解决拖运与卡车运输行业面临的复杂双目标物流问题方面的有效性。计算结果从三个维度验证了该模型的性能：运营效率、多目标权衡关系以及协调带来的经济价值。
首先，我们分析了该模型的运营效果。除了其
结论与未来工作
本研究为同步模式物流的规划层面提供了一种定量分析框架，将独立陆侧网络之间的结构化协调转化为一个可验证的优化问题。通过构建集成型两阶段随机优化模型，我们证明了拖运与卡车运输之间的碎片化状况不仅是一种管理上的低效现象，更是可以通过数学方法加以解决的矛盾点。这一方法的创新之处还体现在
关于写作过程中生成式AI与AI辅助技术的声明
在撰写本稿时，作者们使用了ChatGPT（OpenAI）和Grok（xAI）作为语言支持工具，协助进行校对、内容编辑以及风格优化，包括提供替代表述建议和简单的结构调整建议。所有基于AI的建议都经过了作者们的审核、事实核查与修改后才被纳入文章，且除文章文本内容外，没有向这些工具提供任何保密或专有数据。作者们对这一切负全责
资金支持
本研究的部分资金来自美国国家科学基金会（NSF），项目编号为2052930；另一部分资金则来自美国国家标准与技术研究院（NIST）的风险导向社区韧性规划卓越中心，该资金是通过与科罗拉多州立大学的合作协议提供的[项目编号分别为70NANB20H008和70NANB15H044]。我们对这些资助方表示衷心的感谢。本文中所阐述的所有观点、研究发现、结论与建议均属于作者个人观点
CRediT作者贡献说明
Milton Caballero：撰写与修改、原始稿件撰写、可视化分析、方法设计、研究实施、形式化分析、数据整理、概念构建。Andrés D. González：撰写与修改、研究指导、资源协调、项目管理、方法设计、资金筹措、形式化分析、概念构建。
利益冲突声明
作者们声明存在以下可能被视为利益冲突的财务利益或个人关系：
Andres D. Gonzalez表示，他获得了美国国家科学基金会（NSF）和美国国家标准与技术研究院（NIST）的财政支持。其他作者则声明自己不存在任何可能影响本文研究结果的已知财务利益或个人关系。
Milton Caballero|Andrés D. González
