航運聯盟新階段集裝箱運輸網絡優化

龐金梅， 胡堅堃， 黃有方

(上海海事大學 科學研究院， 上海 201306)

航運聯盟新階段集裝箱運輸網絡優化

龐金梅*， 胡堅堃， 黃有方

(上海海事大學 科學研究院， 上海 201306)

為更好地配置航運資源，以互聯網環境為背景，針對傳統航運受班期、航次和船舶數量約束的缺陷，采用數據挖掘與分析的方法，將樞紐港與支線港口作為首要影響因子，構造了航運聯盟新階段的集裝箱運輸網絡優化模型.在此基礎上進一步綜合分析了數據整合的重要性.模型分為兩部分，以成本最小為目標，首先確定樞紐港，再根據各港口需求分配船舶.聯盟使得船舶的運力更大，滿載率更高.既可以有效配置資源，又可以顯著降低成本，充分體現了規模經濟的作用.

水路運輸； 網絡優化； 數據挖掘與分析； 班輪公司； 互聯網； 航運聯盟新階段

隨著互聯網經濟的快速發展與航運需求的不斷增加，為了降低成本以獲取更多的航運收益，越來越多的船公司選擇運營規模更大的船舶以發揮規模經濟的作用[1].劉麗等[2]采用系統分析的方法，根據集裝箱在運輸過程中的特點，為了達到運輸網絡的整體最優而構造了不同集裝箱路徑選擇的模型.關于航運聯盟優化等問題的探討也隨著航運聯盟的不斷發展而日益增加[3-5].壽涌毅等[6]和謝新連[7]研究了船隊規劃與靠泊順序的綜合優化問題.吳瓊等[8]提出了以聯盟利潤最大為目標的基于列生成算法的航運網絡優化新方法.國外對班輪運輸的研究更是細致.Zurheide等不但以不同類型、不同優先級的集裝箱為研究對象，構造了非單一航段的艙位分配模型[9]；而且根據航線網絡的特點，綜合現實中存在的中轉以及往返航次的問題，構建離散事件模型，從而分析比較采取不同的訂艙請求策略的獲利情況[10]；最后又加以延伸拓展[11].如今的研究主要集中在航線優化[12-14]等方面，獲得了很多有價值的成果.盡管如此，有關航線設計的研究中，卻忽略了樞紐港與支線港口的影響.因此，本文研究了互聯網環境下航運聯盟新階段的共同配船問題.即班輪運輸的形式不再局限于固定航線的選擇，航運網絡的設計呈現出新的特征.由于航運聯盟可以提高大型船舶的滿載率，所以樞紐港對大型船舶的影響不容小覷.它不僅能解決船多貨少的現實問題，更重要的是，能夠最大限度的利用資源，減少成本.總而言之，本文的創新點就在于，在互聯網環境下，網絡設計和船隊規劃并不僅僅靠模型來確定，而是更多的數據挖掘與資源的排列組合.即以往的文獻研究是根據各個航線上的需求與船舶數量來統籌安排資源(航線是固定的).而本文則是將不同航線上港口的需求量統一統計(利用互聯網)，然后再重新設計航線(航線是不固定的).隨著航運電商的迅速發展，這種方式不僅能降低成本，還能將信息化與數據化的效用最大化，對互聯網的要求會更高.

1問題描述與假設

1.1問題描述

共同配船即依據不同港口的不同需求合力建造不同型號一定數量的船舶，前提是若干班輪公司在某些航線上達成協議，一同經營卻保持彼此的相對獨立性.簡而言之，就是資源共享.合理運用航運電商平臺對港口進行需求分析，經過統籌分配，使資源的利用率最大化.當今的航運市場處于“船多貨少”的狀態，因此如何合理配置資源成為重中之重.

1.2模型假設

本文所采用模型的假設為：

1)班輪運輸的總成本包括建設成本和運輸成本二部分.

2)按照就近原則配置共同配船的資源.

3)支線港口之間不能直接聯系，需要通過樞紐港來連接.

4)主要研究航運聯盟中的幾家班輪公司，以某一個班輪公司為主，而其余的班輪公司為輔，作為合作方.

2建立模型

在航運聯盟的諸多形式中，共同配船是最常見的形式之一.而共同配船的目標旨在通過使發船密度增大，滿載率增加，以最大限度的優化配置資源，提升服務質量，從而提高客戶滿意度.然而，在實際應用中，由于各方的船型與艙位定價存在一定的差異，所以會出現一些爭議，比如利潤分配等問題.本文則主要從成本問題展開.構造了混合整數規劃模型，主要包括兩部分，即確定樞紐港與支線港和計算成本.

2.1參數定義

本文所采用模型的參數定義如下.

2.2決策變量

本文所采用模型的決策變量如下.

2.3建立模型

本文建立的模型目標函數是使總成本最小，共同配船的運力分配模型為：

(1)

s.t

(2)

xij≤xjj，i，j∈P，

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

xis≤fis，i∈P;s∈P;i≠s，

(13)

(14)

(15)

(16)

xis≥0，yij≥0，zji≥0，i，j，S∈P;i≠s，

(17)

(18)

3算例分析

某海域20個港口有集裝箱貨運需求，各港口之間的集裝箱需求量如表1所示.目前有4種主要船型，其運力與成本見表2所示.假設單位TEU單位距離支線港到支線港、支線港到樞紐港、樞紐港到支線港的運營成本分別為10、8、6.航運公司A的航線只掛靠3個港口，為了滿足所有港口的需求，同時減少成本(航運公司A的滿載率很低)，航運公司A決定與航運公司B合作.

表1 各港口間的集裝箱需求量(*100TEU)

表2 航運公司A主要船型的運力及其運營成本

表3 航運公司B主要船型的運力及其運營成本

表4 航運公司A、B共同打造的船型的運力及其運營成本Tab.4 Main ship type’s capacity and operating

運用MATLAB編程計算求得初始網絡結構如圖1所示，其中樞紐港分別為9、14、16，用灰色橢圓表示，支線港用白色橢圓表示，樞紐港與支線港之間的關系用虛線表示，而樞紐港之間的連接用實線表示.這表明該班輪公司需要確定建設3個樞紐港來連接各支線港.

圖1 初始計算結果Fig.1 The initial calculation result

圖2 改進后的計算結果Fig.2 The improved calculation result

其次，船隊規劃也因選擇的不同而差距比較大.航運聯盟帶來的規模經濟就顯而易見了.運用MATLAB求解可得到:A公司獨自承擔運輸其成本最小為90 090 800.若A、B公司共同承擔，則運輸成本為84 077 200.若不采取這種方式的資源整合，則一方面，船舶的滿載率會很低從而增加成本.另一方面，會存在航線的重復行駛.因此，通過分析挖掘互聯網上提供的相關有效數據，我們能夠提前預測各個港口的集裝箱需求量，從而設計最優化的航線網絡.值得注意的是，這一方法需要相關航運公司的共同協調合作.這樣，航運聯盟的新形勢將不再僅僅局限于固定的班期、班次，而是有計劃、有目的、有組織地進行航線網絡的有效優化，從而最大限度的利用現有資源獲取最大的利潤，同時為客戶提供最為滿意的服務.

4結論

本文討論了在互聯網環境下，班輪公司航運聯盟新形勢下的班輪運輸網絡設計問題.傳統的航線優化是根據固定的船期、班次和有限的船舶數量與運力來進行調整的.本文則是根據不同港口的貨運需求，利用互聯網進行數據整合，提前做好統計，再根據需求重新設計航線并配置所需的船舶類型與數量，最大限度提高船舶的滿載率以選擇主要港口，從而優化航線網絡.本文旨在達到總成本的最小化的前提下，滿足港口的集裝箱貨運需求，使得航線網絡達到最優.相對應的，這不僅僅需要互聯網提供準確而有效的數據支撐，更需要航運公司彼此建立可靠的聯盟與信任機制.更重要的是，這種方法面對“貨少船多”的情況，既不會浪費資源，又可以降低成本.但是，對于不確定的港口需求還有待進一步的研究.

[1] 彭傳圣. 集裝箱船舶大型化新進展[J].中國港口，2007(11): 41-41.

[2] 劉 麗， 吳文一. 航運聯盟下的集裝箱運輸路徑選擇研究[J].物流科技，2010 (11): 42-43.

[3]AGARWALR?，ERGUNZ.ShipSchedulingandNetworkDesignforCargoRoutinginLinerShipping[J].TransportationScience， 2008， 42(2):175-196．

[4]BR?NMOG，NYGREENB，LYSGAARDJ.Columngenerationapproachestoshipschedulingwithflexiblecargosizes[J].EuropeanJournalofOperationalResearch， 2006(200):139-150．

[5]SISWANTON，ESSAMD，SARKERR.Solvingtheshipinventoryroutingandschedulingproblemwithundedicatedcompartments[J].Computers&IndustrialEngineering， 2011， 61(2):289-299．

[6] 壽涌毅， 賴昌濤， 呂如福. 班輪船舶調度多目標優化模型與蟻群算法[J]. 交通運輸工程學報，2011， 11(4): 84-88．

[7] 謝新連， 李樹范， 紀卓尚， 等. 船隊規劃的線性模型研究與應用[J]. 中國造船，1989(3): 61-68.

[8] 吳 瓊， 鄭士源， 朱太球. 基于列生成算法的集裝箱班輪運輸網絡優化[J].上海海事大學學報， 2014， 35(1): 29-34．

[9]ZURHEIDES，FISCHERK.Arevenuemanagementslotallocationmodelwithprioritizationforthelinershippingindustry[J].OperationsResearchProceedings， 2011， 208(2):143-148．

[10]ZURHEIDES，FISCHERK.ASimulationstudyforevaluatingaslotallocationmodelforalinershippingnetwork[J].ProcecdingsoftheSecondInterncotionalConferenceonCompictaionalLogisncs， 2011(7): 354-369．

[11]ZURHEIDES，FISCHERK.Arevenuemanagementslotallocationmodelforlinershippingnetworks[J].MaritimeEconomics&Logistics， 2012， 15(4): 334-361．

[12] 黃飛舞. 集裝箱班輪航線優化[J].集裝箱化， 2009， 20(7):21-24．

[13] 鄧 佳， 樂美龍. 沿海內貿集裝箱班輪航線優化研究[J]. 中國水運(學術版)， 2007， 7 (11) :19-20．

[14]HSUCI，HSIEHYP.Routing，shipsize，andsailingfrequencydecision-makingforamaritimehub-and-spokecontainernetwork[J].Mathematical&ComputerModelling， 2007， 45(7-8):899-916．

Optimization of container transportation network for new shipping alliance

PANG Jinmei， HU Jiankun， HUANG Youfang

(Science Research Academy, Shanghai Maritime University, Shanghai 201306)

In order to better configure shipping resources, the container transportation network optimization model for new shipping alliance is constructed using the methods of data mining and analysis with hub ports and feeder ports as primary influence factor, based on the Internet environment and the disadvantage that traditional shipping is constrained by the schedule, voyage and vessel quantity. The model with the minimum cost as the goal is divided into two parts. The first one determines the amount and location of the hub ports, and the other distributes the vessels according to the requirements of the ports. New shipping alliance makes capacity of vessels bigger and fuller. This method is able to not only allocate resources efficiently, but also reduce the cost significantly, which adequately reflects the role of scale economy.

waterway transportation; network optimization; data mining and analysis; liner company; Internet; new shipping alliance

2016-05-09.

上海科委工程中心能力建設項目(14DZ2280200)；上海市科委項目(14511107400)；高等學校博士點專項科研基金(20123121110004)．

1000-1190(2017)01-0047-05

U695.2+2

A

*E-mail: 953595471@qq.com.