基于公鐵聯運的多溫蓄冷箱全程冷鏈集配優化

黃虹，謝如鶴，羅嵩，陳歡，章桂永

基于公鐵聯運的多溫蓄冷箱全程冷鏈集配優化

黃虹1，謝如鶴2*，羅嵩3，陳歡2，章桂永1

（1.廣州工商學院，廣州 510850；2.廣州大學，廣州 510006； 3.中國鐵路廣州局集團有限公司，廣州 510088）

針對多品種、高頻次、小批量、高時效及高附加值等特點的消費者訂單需求，借助自主研發設計的多溫蓄冷箱，提出基于公鐵聯運的多溫蓄冷箱全程冷鏈集配模式，并展開實證研究。以總成本最小化為目標，構建基于公鐵聯運的多溫蓄冷箱全程運輸及配送優化模型，對比全程機械式冷藏汽車多溫共配模式，采用遺傳算法優化求解，并對配送時效和高鐵運價進行靈敏性分析。基于公鐵聯運的多溫蓄冷箱全程冷鏈集配相較于全程機械式冷藏汽車多溫共配的總成本減少了38%，其中，制冷成本、碳排放成本及時間懲罰成本明顯減少；以正常配送時間約束為參照，延長或縮短時間窗，基于公鐵聯運的多溫蓄冷箱全程冷鏈集配的時間懲罰成本比全程機械式冷藏汽車多溫共配的減少了61%～83%。與鐵路整車貨運價格相比，高鐵貨運價格在上浮不超過220%的情況下，基于公鐵聯運的多溫蓄冷箱全程冷鏈集配模式相較于全程機械式冷藏汽車多溫共配模式在經濟效益和社會效益兩方面更具優勢。公鐵聯運的多溫蓄冷箱全程冷鏈集配能為企業降本增效、節能減排，為運輸主體提供新思路，為整合閑置運力提供一種新型的運營模式。

冷鏈物流；公鐵聯運；多溫蓄冷箱；配送模式

2022年4月，交通運輸部等聯合印發的《關于加快推進冷鏈物流運輸高質量發展的意見》明確指出，創新冷鏈運輸組織模式，積極推進冷鏈物流多式聯運發展。2019年，我國高鐵行業開始參與冷鏈物流生鮮農產品運輸的相關業務，但以公路為主的機械式多溫共配模式目前在冷鏈物流市場中仍占主導地位。針對多品種、高頻次、小批量、高時效、高附加值等特點的生鮮農產品運輸及配送，機械式冷藏汽車多溫共配具有成本高、效率低、碳排放高等缺點，在運輸過程中頻繁開關車廂門會造成“斷鏈”，最終影響生鮮產品的品質。

近年來，生鮮農產品的多溫共配逐漸成為行業關注的問題。Kuo和Chen[1]最早提出一種基于多溫聯合配送的城市物流服務模式，為企業實現高效配送、降低企業成本、保障食品安全、提高顧客滿意度等提供了參考，且與傳統多車多溫配送模式相比，蓄冷式多溫共配更具經濟價值[2-3]。王淑云和陳莒偉[4]對比了機械式多溫共配和蓄冷式多溫共配2種模式的效益，結果表明蓄冷式多溫共配運作模式更具應用價值。近年來，多溫共配研究主要集中在不同視角下的優化問題，丁秋雷等[5]探究了動態需求下的蓄冷式多溫共配多目標優化問題。姚源果和賀盛瑜[6]運用數學建模法進行了研究，結果表明，基于實時路況信息分析和接駁點的農產品冷鏈物流配送可以顯著降低冷鏈配送成本。Chen和Hsu[7]在綠色低碳視角下，考慮不同溫度食品的時間依賴性需求的交貨計劃，通過實證研究發現，多溫共配的溫室氣體排放量少于傳統多車配送系統的排放量。沈麗等[8]在考慮碳排放的基礎上，結合貨損探究了機械式冷藏車下多溫共配的路徑優化問題。楊瑋等[9]采用改進的麻雀搜索算法對低碳環境下的冷鏈物流企業庫存–配送進行了優化。牟進進等[10]研究發現，具有虛擬接駁點的蓄冷式多溫集配比自配送中心的總成本較低，尤其有利于低碳環保冷鏈系統的構建。

雖然上述研究表明，在不同視角下的配送優化能有效降低冷鏈物流成本，減少碳排放，但針對多溫共配的研究皆以公路運輸為主，僅關注了城市末端的配送優化，鮮少關注冷鏈物流的多式聯運，如公鐵聯運。李五雙等[11]探究了碳交易政策下的冷鏈物流多式聯運路徑選擇問題，研究表明，當碳交易價格不斷升高時，鐵路運輸在冷鏈多式聯運中能有效降低成本、減少碳排放，但該研究未涉及多溫共配。在運輸市場中，高鐵快運與公路運輸和航空運輸相比，能最大程度地排除不可抗力因素的影響，降低經濟發展中流通環節的物流成本和時間成本，減少碳排放[12-13]。由此可見，結合高鐵快運開展基于公鐵聯運的多溫共配模式的探索，對減少全程冷鏈物流的總成本和碳排放，滿足企業的經濟效益和社會效益具有較大的意義。

基于多溫共配的研究現狀，結合相關政策及冷鏈生鮮農產品的特性，文中的研究與以往不同，一方面，采用自主研發設計的多溫蓄冷箱，提出基于公鐵聯運的多溫蓄冷箱全程冷鏈集配模式，并與全程機械式多溫共配模式進行對比研究；另一方面，高鐵中轉站或配送中心具有從供應商共同集貨和向自提門店共同配送等2個功能，適用于蓄冷箱的冷凍、冷藏、中溫3種溫度的生鮮農產品。該研究更符合冷鏈的運作實踐，擬為冷鏈物流集配實踐的創新提供理論參考。

1 全程冷鏈運營模式分析

1.1 多溫蓄冷箱

多溫蓄冷箱由新能源鋰電池供電，單次充電續航時間為10 h，箱體外尺寸為1 200 mm×1 000 mm×1 500 mm，內尺寸為1 050 mm×875 mm×1 345 mm，儲存容積約為1 235 L（含設備倉和蓄冷板倉），貨物裝載容積為0.93 m3，多溫蓄冷箱的質量為180 kg，裝載貨物后的總質量為500～600 kg。采用隔溫板將箱體劃分為3個溫區，其中，冷凍區的容積為0.23 m3，溫度為?18 ℃；冷藏區的容積為0.47 m3，溫度為0～9 ℃；中溫區的容積為0.23 m3，溫度為10～16 ℃。各溫區之間獨立且靈活，可裝載不同類型和不同溫度要求的生鮮農產品，區別于單溫蓄冷箱或保溫箱，多溫蓄冷箱可將冷凍產品、冷藏產品及中溫產品分區置于同一蓄冷箱或保溫箱中。微信小程序綁定多溫蓄冷箱的監控系統可實時監控箱內貨物的基本情況。

1.2 運營場景

1.2.1 基于公鐵聯運的多溫蓄冷箱全程冷鏈集配運營場景

基于公鐵聯運的多溫蓄冷箱全程冷鏈集配模式主要運輸及配送多品種、高頻次、小批量、高時效、高附加值的生鮮農產品，利用閑置的高鐵運力，按照樞紐輻射網絡，在生鮮農產品貨源充足的始發地和目的地開展省內或鄰近省際間生鮮農產品的雙向運輸及配送。

生鮮供應商（生鮮企業）、第三方物流企業、終端客戶三者是運營場景的主體。前端供應商集貨指配送中心采用公路運輸方式將生鮮農產品發出。中間高鐵運輸采用客貨混合模式，即高鐵在客運時，充分利用閑置的車廂運輸裝有生鮮農產品的多溫蓄冷箱，實現客貨混合運輸。城市公路末端配送采用“獨立門店+自提”的社區生鮮電商模式。多溫蓄冷箱回收指卸載完生鮮農產品的多溫蓄冷箱由配送員送至鄰近的末端供應商，隨后進行清洗、消毒、預冷、裝載生鮮農產品，重復該模式的運作流程。如圖1所示。

1.2.2 全程機械式冷藏汽車多溫共配運營場景

全程機械式冷藏汽車多溫共配是冷鏈物流市場運用最廣泛的一種方式，不同溫層的冷鏈生鮮農產品由劃分為3個溫區的機械式冷藏汽車實現全程公路運輸及配送。首先，生鮮農產品供應商將商品運輸至配送中心集貨，其次，由機械式冷藏汽車分撥配送至各客戶或自提點，最后將配送完的機械式冷藏汽車空車返回配送中心。如圖2所示。

圖1 基于公鐵聯運的多溫蓄冷箱全程冷鏈集配模式

圖2 全程機械式冷藏汽車多溫共配模式

2 問題描述與假設符號

2.1 問題描述

某物流企業將多批不同數量和不同溫層的生鮮農產品從不同的運輸起點經支線運輸—干線運輸—支線運輸（配送），將生鮮農產品運輸至各自的自提點。干線運輸包括樞紐節點間的運輸路徑及樞紐節點內的運輸作業，有公路和高鐵2種運輸方式。支線運輸包括發貨點到樞紐節點和樞紐節點到自提點的路徑及樞紐節點內的運輸作業，只有公路運輸方式。運輸時間由運輸距離和運輸方式決定。基于公鐵聯運的多溫蓄冷箱全程冷鏈集配模式的干線運輸采用高鐵快運，支線運輸采用普通廂式汽車，全程只需裝卸多溫蓄冷箱。全程機械式冷藏汽車多溫共配模式采用機械式冷藏汽車進行支線和干線的運輸。

2.2 模型假設

結合現實情況，將實際問題轉換為數學模型，做出如下假設。

1）冷鏈運輸任務的起點和客戶自提點已知。

2）在一個冷鏈運輸任務內，只能選擇1種運輸方式進行兩節點間的運輸。

3）每條冷鏈運輸路徑都有足夠的能力實現貨物的中轉運輸。

4）每個中轉節點都有足夠的能力實現貨物的中轉運輸。

5）高鐵有規定的出發時間，汽車無出發時間限制。

2.3 符號說明

3 模型建立

3.1 基于公鐵聯運的多溫蓄冷箱全程冷鏈集配模型

基于公鐵聯運的多溫蓄冷箱全程冷鏈集配模式運輸及配送生鮮農產品的成本主要包括線路啟動成本、行駛成本、換裝成本、制冷成本、碳排放成本、時間懲罰成本。

3.1.1 線路啟動成本

線路啟動成本指當節點位于某類型車輛的服務線路時，配送中心進行相關處理所發生的成本。該成本因線路使用車輛類型的不同而有所差異，也包含車載租賃設備，如多溫蓄冷箱。具體成本核算見式（1）。

式中：為多溫蓄冷箱的使用成本，元/次；Y為任務采用多溫蓄冷箱數量；1為普通廂式汽車的使用成本，元/次。

3.1.2 行駛成本

假設車輛勻速行駛，不同車輛的行駛成本與行駛時間呈正相關，行駛成本的計算見式（2）。

3.1.3 換裝成本

在公鐵聯運網絡中，因運輸方式和運輸班列的改變都會產生換裝成本，換裝成本的計算見式（3）。

3.1.4 制冷成本

多溫蓄冷箱分為冷凍區、冷藏區、中溫區，不同區間的溫濕度不同。其中，中溫區由冷藏區的冷量調節，多溫蓄冷箱的冷量來源于充電的蓄冷板（將電能轉化成冷量），故計算蓄冷板1次充電的成本即可，制冷成本的計算見式（4）。

式中：為多溫蓄冷箱單位時間的電力成本，元/(kW·h)；為單個多溫蓄冷箱中蓄冷板的耗電量，kW·h。

3.1.5 碳排放成本

碳排放成本=單位碳稅成本×碳排放量[14]，則生鮮農產品在運輸及配送過程中的碳排放成本計算見式（5）。

式中：e為單位碳排放成本，元/kg；0為CO2排放系數，kg/L；1為普通廂式汽車裝載貨物時單位距離的燃料消耗量，L/km；為電力系統碳排放系數，kg/(kw·h)；為高鐵單位碳排放量，kg/t。

3.1.6 時間懲罰成本

基于公鐵聯運的多溫蓄冷箱全程冷鏈物流模式中的高鐵運輸為固定班列，不考慮時間懲罰成本。在城市末端自提點配送存在產品配送的延遲或提前，計1個大于末端配送目的地指定時間窗可接受的時間段[15]，懲罰成本的計算見式（6）。

基于公鐵聯運的多溫蓄冷箱全程冷鏈優化目標函數：式（7）表示目標函數運輸及配送成本最小化，由線路啟動成本、行駛成本、換裝成本、制冷成本、碳排放成本、時間懲罰成本構成；式（8—9）表示每個任務只能對應1個起點和終點；式（10）表示每個任務中相鄰節點只能選擇1種運輸方式；式（11）表示每個運輸任務只能在節點進行中轉，且中轉次數不超過1次；式（12）表示自提點可接受的時間窗范圍。

3.2 全程機械式冷藏汽車多溫共配模型

為了進一步探討基于公鐵聯運的多溫蓄冷箱全程冷鏈集配模式的影響，在前文相關假設的基礎上構建全程機械式冷藏汽車多溫共配模型，相關成本核算如下。

1）線路啟動成本。機械式冷藏汽車的線路啟動成本的計算見式（13）。

式中：2為機械式冷藏汽車單位線路使用成本，元/次。

2）車輛行駛成本的計算見式（14）。

式中：3為機械式冷藏汽車的單位運輸成本，元/km。

3）換裝成本的計算見式（15）。

4）制冷成本。機械式冷藏汽車運輸及配送的制冷成本主要包括2個方面：一方面是車輛配送過程中的制冷能耗成本；另一方面是開關車廂門能耗成本[16]。制冷成本的計算見式（16）。

5）碳排放成本的計算見式（17）。

式中：2為機械式冷藏汽車裝載貨物時單位距離燃料消耗量，L/km。

6）時間懲罰成本的計算見式（18）。

綜上所述，全程機械式冷藏汽車多溫共配模型目標函數的計算見式（19）—（24）。

s.t.(20)

4 算法設計

根據所構建的優化模型，結合遺傳算法的尋優特點和求解步驟，設計適合求解優化模型的遺傳算法，最后利用Matlab 2019軟件編程求解。算法求解的設計步驟如下。

1）染色體編碼。因涉及不同運輸方式的組合，這里運用實值編碼的方式對染色體進行編碼。染色體由運輸節點和運輸方式組成，奇數位表示運輸節點，偶數位表示運輸方式，如圖3所示。

圖3 個體染色體編碼示意圖

2）生成初始種群。采用染色體編碼方式生成個體，將個體留存在種群中。當種群內個體數量達到預先設置的種群規模時，則停止生成個體。

3）選擇適應度函數。基于公鐵聯運的多溫蓄冷箱全程冷鏈集配和全程機械式多溫共配的路徑優化都以總成本最小為目標，這里直接采用目標函數總成本之和最小的倒數構造適應度函數，獲得對應的個體適應度。

4）選擇策略。采用錦標賽選擇法，在個體中隨機挑選（<）個體，挑選其中最大的個體，并遺傳到下一代，直到得到新的個體。

5）交叉運算。采用順序交叉法。

6）變異運算。采用逆轉變異法，在父代染色體中，隨機挑選2個基因位上的基因，互換這2個基因，得到子代。

7）終止準則。這里預先設置最大迭代數1 000為終止條件，持續進行若干次連續迭代，達到1 000次迭代后終止迭代循環，從歷次迭代中找出最優解的編碼串并解碼，得出最優的可行解和目標函數值。

5 實證研究

5.1 實例分析

求解算例的起點為A市蔬菜水產品批發市場，批發市場的10.94 t生鮮農產品需要配送至B市20個生鮮自提點，中間中轉節點處可供選擇的運輸方式有高鐵和公路，自提點需求量和服務時間窗的相關參數如表1所示。

表1 自提點需求量和服務時間窗

Tab.1 Self pick-up site demand and service time window

根據委托第三方定制的多溫蓄冷箱總成本，殘值率的比例統一按原價的5%計算，折舊年限按4 a計算，確定單個蓄冷箱使用成本為20.57元/次。依據固定成本的固定資產折舊費、司機工資和保險費等成本計算，常溫配送車輛的使用成本為384元/次，機械式冷藏車輛的使用成本為508元/次。依據2022年的柴油均價，常溫車輛的單位行駛成本為0.67元/km，設定4.2 m普通廂式貨車的單位運輸成本為1.3元/km，機械式冷藏汽車的單位運輸成本為1.6元/km，車輛滿載時單位距離的燃料消耗量為2 L/km，車輛空載時單位距離的燃料消耗量為1 L/km。依據我國交通運輸部公布的數據，按高鐵票價為普鐵票價的4倍計算，鐵路與公路之間的單位換裝成本為0.024元/kg。依據《中華人民共和國交通部公路汽車貨運站收費規則》可知，每50 kg特種貨物的費率為0.5元，鮮活易腐貨物按特種貨物計算，機械式冷藏汽車的單位換裝成本為0.01元/kg。依據國家發改委能源研究所的推薦值和國家電網中公布的工業用電低谷時段電價，設定電力系統的碳排放系數為0.67 kg/(kW·h)，單位電力成本為0.425元/(kW·h)，單個蓄冷箱蓄冷板的充電量2.11 kW·h。依據《省級溫室氣體清單編制指南》，設定燃油碳排放系數為2.61 kg/L。依據我國各地排放交易所的成交均價，設定單位碳排放成本為0.05元/kg，高鐵單位碳排放量為0.009 1 kg/t。依據文獻[8, 17]，設定貨物提前配送的懲罰系數為20元/h，貨物延遲配送的懲罰系數為15元/h，外界溫度為30 ℃，冷凍廂內的溫度為?10 ℃，冷藏廂內的溫度為2 ℃，冷凍廂的傳熱系數為0.4 W/(m2·K)，冷藏廂的傳熱系數為0.7 W/(m2·K)。

5.2 結果與分析

采用Matlab 2019對文中模型進行優化求解，在遺傳算法中將種群規模設置為200，最大迭代次數為1 000，交叉概率為0.9，變異概率為0.05。將程序反復運行20次，得到城市末端配送路徑，如表2所示。MODEL 1需10輛普通廂式汽車配送20個自提點，每輛車配送2個自提點，共10條配送路徑，而MODEL 2需6輛冷藏汽車完成20個自提點配送。

表2 不同模式的配送路徑

Tab.2 Distribution routes for different models

注：MODEL 1表示基于高鐵快運的多溫蓄冷箱全程冷鏈集配模式；MODEL 2表示基于全程機械式冷藏汽車多溫共配模式。

MODEL 2的總成本為15 436.736 元，而MODEL 1的總成本為9 603.371 元，減少了5 833.365 元。對比2種模式的制冷成本、碳排放成本、時間懲罰成本，表明MODEL 1比MODEL 2更具優勢，如表3所示。

5.2.1 基于配送時限靈敏度分析

分別求解各客戶自提點的最晚服務時間窗在延長或縮短0.25 h和0.5 h場景下，MODEL 1和MODEL 2末端路徑的最佳結果，如表4所示。

表3 冷鏈集配全程成本對比

Tab.3 Comparison of whole cold chain joint pickup and distribution costs

表4 不同配送時限下2種模式全程冷鏈集配信息

Tab.4 Whole cold chain joint pickup and distribution information for both models with different delivery timescales

以正常配送時間約束為參照，延長或縮短時間窗，2種模式的配送車輛數量不變，平均配送時間變化差異不大，但MODEL 2的平均配送時間遠高于MODEL 1的平均配送時間。隨著約束配送時間的延長，2種模式的目標函數最優值呈遞減趨勢，其中MODEL 2的懲罰成本比MODEL 1的高。隨著配送時間約束的縮減，2種模式的目標函數最優值呈遞增趨勢。其中，MODEL 2的懲罰成本的增長幅度大于MODEL 1，且在配送時限約束縮減至0.5 h的情況下，MODEL 2的懲罰成本約為MODEL 1的6倍。

5.2.2 基于高鐵運價靈敏度分析

根據2018年實行的發改委【2017】2163號運價規則，運價=基價1+基價2×運價公里，鐵路整車貨物運輸按6號運價計算，基價1為26元/t，基價2為0.138元/(t·km)，鐵路整車貨運與高鐵整車貨運運價的比值為1∶2.19，計算得出MODEL 1的高鐵正常運價。此高鐵運價在現實貨物運價中極低，因而運價敏感性分析僅考慮高鐵運價上浮時貨運運輸成本的變化情況，如表5所示。

在中間高鐵正常運價下的運輸成本為2 669.94元，對比機械式冷藏汽車的運輸成本（7 269.536元），高鐵運輸成本遠低于機械式冷藏汽車運輸成本。當高鐵運價上浮20%時，總運輸成本超過機械式冷藏汽車總運輸成本，但中間高鐵的運輸成本仍低于機械式冷藏汽車運輸成本。當高鐵運價上浮173%時，中間高鐵運輸成本超過機械式冷藏汽車運輸成本。當高鐵運價上浮至220%時，MODEL 1的總成本超過MODEL 2的總成本。當高鐵貨運運價按高鐵客運票價計算時，中間高鐵的運輸費用為13 440元，價格遠高于正常運價及上浮運價下的中間高鐵運輸成本。由此可見，當高鐵運價上浮不超過220%時，MODEL 1比MODEL 2更具經濟價值。

表5 高鐵運價敏感性變化對比

Tab.5 Comparison of high-speed railway tariff sensitivity change

6 結語

針對多品種、高頻次、小批量、高時效、高附加值等特點的消費者訂單需求，結合自主研發的多溫蓄冷箱，提出了一種新型的基于公鐵聯運的多溫蓄冷箱全程冷鏈集配的運營模式。對比全程機械式冷藏汽車多溫共配模式，建立以總成本最小化為目標的優化模型。采用遺傳算法求解，計算出最優路徑下的總成本，并分別從配送時效和高鐵運價兩方面進行靈敏性分析。基于公鐵聯運的多溫蓄冷箱全程冷鏈集配模式的運營總成本較低，該模式對企業實現節能減排、降本增效的目標具有促進作用，結合高鐵開展的多式聯運，能為運輸主體開拓新市場、整合閑置運力提供一種新的運營模式。由于提出的模式尚處于初步構想，未投入實際運作，多溫蓄冷箱的配送優化也存在假設前提，多溫蓄冷箱的回收階段僅停留在定性分析，因此還需進一步結合實際多式聯運需求，梳理配送模式的組織流程，完善多溫蓄冷箱回收利用的定量分析。此外，在冷鏈集配優化問題中，貨損成本是總成本中需考慮的必要組成部分之一，本文在前期通過貨損實驗驗證了2種模式在集配過程中的貨損成本可忽略不計，故文中未計算貨損成本。

[1] KUO J C, CHEN Mu-chen. Developing an Advanced Multi-Temperature Joint Distribution System for the Food Cold Chain[J]. Food Control, 2010, 21(4): 559-566.

[2] HSU C I, LIU Kang-po. A Model for Facilities Planning for Multi-Temperature Joint Distribution System[J]. Food Control, 2011, 22(12): 1873-1882.

[3] HSU C I, CHEN Wei-ting. Optimizing Fleet Size and Delivery Scheduling for Multi-Temperature Food Distribution[J]. Applied Mathematical Modelling, 2014, 38(3): 1077-1091.

[4] 王淑云, 陳莒偉. 冷鏈品配送系統雙目標優化研究——基于多溫共配的比較研究[J]. 工業技術經濟, 2017, 36(11): 71-78.

WANG Shu-yun, CHEN Ju-wei. Double Objective Optimization of Cold Chain Production Delivery System—Comparative Study Based on Multi-Temperature Joint Distribution[J]. Journal of Industrial Technological & Economics, 2017, 36(11): 71-78.

[5] 丁秋雷, 胡祥培, 位娟, 等. 動態需求下蓄冷式多溫共配多目標優化模型及算法[J]. 運籌與管理, 2021, 30(12): 13-19.

DING Qiu-lei, HU Xiang-pei, WEI Juan, et al. Research on Multi-Objective Optimization Model and Algorithm of Cold Storage Multi-Temperature Joint Delivery under Dynamic Demand[J]. Operations Research and Management Science, 2021, 30(12): 13-19.

[6] 姚源果, 賀盛瑜. 基于交通大數據的農產品冷鏈物流配送路徑優化研究[J]. 管理評論, 2019, 31(4): 240-253.

YAO Yuan-guo, HE Sheng-yu. Research on Optimization of Distribution Route for Cold Chain Logistics of Agricultural Products Based on Traffic Big Data[J]. Management Review, 2019, 31(4): 240-253.

[7] CHEN Wei-ting, HSU C I. Greenhouse Gas Emission Estimation for Temperature-Controlled Food Distribution Systems[J]. Journal of Cleaner Production, 2015, 104: 139-147.

[8] 沈麗, 李成玉, 甘彥, 等. 考慮貨損和碳排放的生鮮產品配送路徑優化[J]. 上海海事大學學報, 2021, 42(1): 44-49.

SHEN Li, LI Cheng-yu, GAN Yan, et al. Distribution Route Optimization of Fresh Products Considering Cargo Damage and Carbon Emission[J]. Journal of Shanghai Maritime University, 2021, 42(1): 44-49.

[9] 楊瑋, 楊白月, 王曉雅, 等. 低碳環境下冷鏈物流企業庫存-配送優化[J]. 包裝工程, 2021, 42(11): 45-52.

YANG Wei, YANG Bai-yue, WANG Xiao-ya, et al. Inventory-Distribution Optimization of Cold Chain Logistics Enterprises in Low-Carbon Environment[J]. Packaging Engineering, 2021, 42(11): 45-52.

[10] 牟進進, 陳莒偉, 王淑云. 蓄冷式多溫集配路徑優化模型[J]. 中國管理科學, 2022, 30(10): 236-246.

MOU Jin-jin, CHEN Ju-wei, WANG Shu-yun. Optimization Model of Cold Storage Multi-Temperature Distribution Path[J]. Chinese Journal of Management Science, 2022, 30(10): 236-246.

[11] 李五雙, 朱成明, 李陽, 等. 基于碳交易的冷鏈物流多式聯運路徑選擇[J]. 物流技術, 2022, 41(10): 77-82.

LI Wu-shuang, ZHU Cheng-ming, LI Yang, et al. Path Selection of Cold Chain Logistics Multimodal Transport Based on Carbon Trading[J]. Logistics Technology, 2022, 41(10): 77-82.

[12] YU Ke-mei, STRAUSS J, LIU Shu-li, et al. Effects of Railway Speed on Aviation Demand and CO2Emissions in China[J]. Transportation Research Part D: Transport and Environment, 2021, 94: 102772.

[13] PAZOUR J A, MELLER R D, POHL L M. A Model to Design a National High-Speed Rail Network for Freight Distribution[J]. Transportation Research Part A: Policy and Practice, 2010, 44(3): 119-135.

[14] 李珍萍, 楊夢月. 基于低碳排放的車輛路徑優化問題研究[J]. 數學的實踐與認識, 2017, 47(11): 44-49.

LI Zhen-ping, YANG Meng-yue. Research on Vehicle Routing Problem under Low Carbon Emission[J]. Mathematics in Practice and Theory, 2017, 47(11): 44-49.

[15] 任騰, 陳玥, 向迎春, 等. 考慮客戶滿意度的低碳冷鏈車輛路徑優化[J]. 計算機集成制造系統, 2020, 26(4): 1108-1117.

REN Teng, CHEN Yue, XIANG Ying-chun, et al. Optimization of Low-Carbon Cold Chain Vehicle Path Considering Customer Satisfaction[J]. Computer Integrated Manufacturing Systems, 2020, 26(4): 1108-1117.

[16] 景曉騰. A公司需求可拆分的多溫共配車輛路徑問題[D]. 北京: 北京交通大學, 2020: 1-90.

JING Xiao-teng. A Company Needs a Detachable Multi-Temperature Shared Vehicle Routing Problem[D]. Beijing: Beijing Jiaotong University, 2020: 1-90.

[17] 王旭坪, 董杰, 韓濤, 等. 考慮碳排放與時空距離的冷鏈配送路徑優化研究[J]. 系統工程學報, 2019, 34(4): 555-565.

WANG Xu-ping, DONG Jie, HAN Tao, et al. The Optimization of Cold Chain Delivery Routes Considering Carbon Emission and Temporal-Spatial Distance[J]. Journal of Systems Engineering, 2019, 34(4): 555-565.

Optimization of Whole Cold Chain Joint Pickup and Distribution Based on Road-rail Transportation with Multi-temperature Refrigerated Container

HUANG Hong1, XIE Ru-he2*, LUO Song3,CHEN Huan2,ZHANG Gui-yong1

(1. Guangzhou College of Technology and Business, Guangzhou 510850, China; 2. Guangzhou University, Guangzhou 510006, China; 3. China Railway Guangzhou Group Corporation, Guangzhou 510088, China)

In view of the consumer order demand of multi-variety, high frequency, small batch, high timeliness and high added value, the work aims to propose a whole cold chain joint pickup and distribution model based on road-rail transportation with the help of self-developed and designed multi-temperature refrigerated container, and conduct empirical research on it. With the objective of minimizing the total cost, a whole joint pickup and distribution optimization model of multi-temperature refrigerated container based on road-rail transportation was constructed and compared with the multi-temperature joint distribution model of whole mechanical refrigerated vehicles. The genetic algorithm was used to optimize the solution, and sensitivity analysis was carried out in terms of distribution time efficiency and high-speed railway transportation price. Compared with the multi-temperature joint distribution model of whole mechanical refrigerated vehicles, the total cost of whole cold chain joint pickup distribution of multi-temperature refrigerated container based on road-rail transportation was reduced by 38%, with the cost of refrigeration, carbon emissions and time penalties being particularly reduced. With the normal distribution time constraint as the reference, extending or shortening the time window, the time penalty costs was reduced by 61% to 83%. Compared with the railway freight prices, under the condition that the high-speed rail freight prices would not rise by no more than 220%, the whole cold chain joint pickup and distribution model of multi-temperature refrigerated container based on road-rail transportation was more advantageous in terms of both economic and social benefits. The whole cold chain joint pickup and distribution model of multi-temperature refrigerated container based on road-rail transportation can reduce costs and increase efficiency, save energy, reduce emissions for enterprises, and provide a new model of operation for transport entities to integrate idle transport capacity.

cold chain logistics; road-rail transportation; multi-temperature refrigerated container; multi-temperature joint pickup and distribution model

U15；F53

A

1001-3563(2023)17-0237-09

10.19554/j.cnki.1001-3563.2023.17.029

2023-01-17

廣東省農產品保鮮物流共性關鍵技術研發創新團隊項目（2021KJ145）；國家統計局重點項目（2022LZ）；廣東省重點建設學科項目（2021ZDJS122）

責任編輯：彭颋