一种基于风险评估模型的国际多式联运方法

1.本发明涉及一种联运方法，特别是一种基于风险评估模型的国际多式联运方法，属于运输路径规划技术领域。


背景技术：

2.多式联运作为一种由两种或两种以上交通工具相互衔接转运而共同完成运输过程的运输方式，可以充分发挥不同运输方式的优势，避免传统运输方式的不可达、不经济、可靠性差的缺陷。但是，与此相对的多式联运的路径规划也更为复杂，由于涉及到两种或两种以上的运输方式，通常需要更长的运输时间和更大的运输风险，也要考虑到运输方式衔接过程中的物流中转。同时，本发明针对已经出现拥堵或者其他高风险原因的路径关键节点，提出了利用定位技术计算运输载具到出现拥堵或者其他高风险原因的路径关键节点的距离，并根据距离的大小采取不同的风险规避方式。
3.目前，已有的多式联运规划方法有蚁群算法、粒子群算法，差分算法等，这类方法往往存在收敛速度慢、达不到全局最优，对环境的先验知识要求较高，需要占用较大的存储空间等问题，一旦遇到复杂的动态的环境，这类规划方法的效率会大幅下降。与之相比，黑寡妇算法是受黑寡妇蜘蛛独特的交配行为启发而提出的，具有控制参数少、收敛速度快和计算简单、容易实现等优点。
4.黑寡妇算法模拟了黑寡妇蜘蛛的生命周期，雄性通过性信息素来辨别雌性的交配状态，因为雌性会表现出同类相食的行为，所以雄性对处于饥饿状态或是营养不良的雌性不感兴趣。黑寡妇算法的机制是通过黑寡妇蜘蛛的独特的运动和交配行为来做出决策和优化，简单高效，适合应用于路径规划等问题中，这使得黑寡妇算法很适合应用在多式联运的方案规划中。然而原生的黑寡妇算法，会随着迭代次数的增多，变化的波动会逐渐减少，进而会导致局部最优。。


技术实现要素：

5.针对现有技术存在的问题，本发明提出了一种基于风险评估模型的国际多式联运方法，提升了全局搜索能力，并且提高了收敛速度，不仅优化了多式联运的规划方案，更能与实际情况紧密结合，增强实用性。
6.本发明提出了一种基于风险评估模型的国际多式联运方法，包括如下步骤：
7.步骤1、建立风险评估模型；根据实际运输情况建立风险指数表与运输网络信息，设置合适的参数，建立风险评估指数模型；
8.步骤2、根据步骤1中建立的风险评估指数模型计算风险控制成本，结合综合运输成本和碳值成本，得出总惩罚成本模型作为约束条件；
9.步骤3、扩充和改进黑寡妇算法bwo；通过混合混沌优化种群开局、添加迭代速度控制因子，设计出一种新的h-bwo算法；
10.步骤4、根据步骤3中的h-bwo算法生成一条全局最优路径，设置h-bwo 算法的基本
参数：结合最小惩罚成本函数模型，生成一条全局最优路径，作为当前多式联运的全局路径规划方案；
11.步骤5、提出一种多式联运的风险规避方式；针对已经出现拥堵或者其他高风险原因的路径关键节点，结合运输载具到关键节点的距离采取不同的风险规避方式。
12.本发明通过分别对多式联运过程中的风险控制成本、综合运输成本和碳值成本构建相应的惩罚成本函数，形成统一的最小惩罚成本模型作为约束，做到对以上三个方面进行有效的控制，以达到综合最优。而且，考虑到国际多式联运过程中的过高且不确定性，建立了相应的风险指数表来应对不同路径、不同运输方式带来的风险性，做到用更符合实际、更有针对性的建模来解决问题。
13.进一步的，所述步骤1中，风险指数表包括运输方式的风险指数、运输路径的风险指数及运输物品的风险指数；
14.所述运输方式至少包括航空运输、铁路运输、公路运输、管道运输、内河航运及海路运输；
15.所述运输路径包括省界、国界及洲界等不同级别的重点路段；
16.所述运输物品包括矿石、能源、农产品、高新技术产品、工业用品及医疗物资。
17.进一步的，根据国际物流运输网络数据建立各运输方式下运输网络中各节点的连通模型，考虑了从节点i能否到达节点j的情况，得出以下模型：
[0018][0019]
i,j∈n；i《j；
[0020]
其中，表示从i点到j点用w类运输方式；n表示为所有节点的集合。
[0021]
进一步的，结合风险指数表建立多式联运的风险评估指数模型，多式联运的风险评估指数在运输过程中与运输物品种类、运输路径、运输方式相关。因此建立如下风险评估指数模型：利用实际路径数据结合风险评估表的参数，建立基于风险评估表的风险评估模型：
[0022][0023]
其中，k表示运输过程的总风险指数；表示第i点到第j点用w类运输方式的风险指数；d
ij
表示第i点到第j点运输路径的风险指数；θq表示运输q类物品的风险指数。
[0024]
进一步的，针对建立的风险评估指数模型，通过保险、风险管理等手段将风险控制在可以接受的范围，由此产生的是风险控制成本。由此产生风险控制成本；将风险控制成本进行分类讨论，设置t1和t2两个风险控制阈值，以及φ、δ两个风险成本控制指数，用以针对不同情况下不同运输风险的分类和判断，所述风险控制成本如下：
[0025][0026]
其中，t1和t2是风险控制阈值，数值可由使用者根据实际情况设置；φ、δ是风险控
制成本参数，φ∈[1,2]、δ∈[2,3]。
[0027]
进一步的，建立基于熵增系统的运输成本模型；多式联运运输成本体现在运输过程中与运输数量、时间、距离相关的直接运输成本，以及与中转、管理相关的间接运输成本。由于多式联运的整体过程体现出与物理学熵增定律相同的现象，即随着运输时间、运输距离以及中转节点的增加，运输的混乱度会相应的增加，必须加输入一定的管理和控制成本才能有效地降低运输的无序度。因此基于熵增规律建立如下运输成本模型：
[0028][0029]
其中，l
ij
表示第i点到第j点运输的距离；uw表示第i点到第j点用w类运输方式的单位距离成本；g表示运输物品的数量或者质量或者体积。
[0030]
进一步的，建立碳值成本模型，碳值成本在运输过程中与运输量、距离相关，因此建立如下运输成本模型：
[0031][0032]
其中，λ表示碳排放的成本参数；εw表示w类运输方式的单位碳排放量。
[0033]
进一步的，对前述三个成本取合适的权重，建立基于风险评估模型、效率评估模型和碳值成本的最小惩罚成本模型，其表达函数为：
[0034]
minc＝α*c1 β*c2 γ*c3；
[0035]
α β γ＝1，α、β、γ∈[0,1]；
[0036]
其中，c是多式联运过程的总评估值；c1是多式联运过程的风险控制成本；c2是多式联运过程的运输成本；c3是多式联运过程的碳值成本；α、β、γ为三个评估值的权重参数。
[0037]
进一步的，所述步骤4中，根据最小惩罚成本函数模型，通过h-bwo算法生成一条全局最优路径的具体步骤如下：
[0038]
步骤4.1、初始化h-bwo算法参数：
[0039]
初始化h-bwo算法参数包括：种群规模d、最大迭代次数z、随机生成的参数m、ω和r，引入混沌机制来使h-bwo算法的种群开局更优化，使初始种群个体分布能充分利用整个算法空间，将算法空间的信息利用度最大化，同时也具备良好的引导性，以便于加快算法的收敛速度，避免局部最优；利用混沌序列的规律性、随机性和遍历性等特点使h-bwo算法的初始种群可以尽可能地利用搜索空间的信息：
[0040][0041]
其中，a,b为混沌的常数,a∈(0,1.4),b∈(0.2,0.314]；
[0042]
步骤4.2、h-bwo算法位置更新：
[0043]
黑寡妇蜘蛛在网格内按照线性和螺旋的方式进行运动，位置更新如以下公式:
[0044][0045]
步骤4.3、计算信息素率值：
[0046]
信息素在蜘蛛的求偶过程中起着非常重要的作用，而雄性蜘蛛不喜欢信息素含量低的雌性蜘蛛；黑寡妇蜘蛛的信息素率值公式如下：
[0047][0048]
其中，ai表示黑寡妇蜘蛛的信息素率值；f
max
和f
min
为最差和最优的适应度函数值；fi为第i个黑寡妇获得的适应度值；
[0049]
步骤4.4、更新低信息素率值的黑寡妇位置：改变原本bwo位置迭代公式，添加迭代速度控制因子放缓bwo算法在迭代初期的速度，避免局部最优；同时，随着迭代次数逐渐上升，收敛速度得到有效加快。
[0050]
当信息素率值等于或小于0.3时，雌性体内低信息素水平蜘蛛代表饥饿的食人蜘蛛；因此，如果它们在场时，上述雌性蜘蛛不会被选中，但将被另一个取代；因此针对位置迭代公式进行改进，添加迭代速度控制因子τ，使其具备良好的引导性，以便于控制算法的收敛速度，前期避免了出现局部最优的情况，后期加快算法的收敛速度，改进后的公式如下：
[0051][0052][0053]
其中，pi(t)为当前黑寡妇位置或者低信息素率值的黑寡妇位置；pi(t 1) 为更新后的黑寡妇位置；pb为当前黑寡妇的最优位置；p
r1
(t)和p
r2
(t)为随机第r1和r2只黑寡妇的位置，r1和r2为在[1,d]范围内的数，r1≠r2；τ为迭代速度控制因子；n为当前迭代次数；z为h-bwo算法的最大迭代次数；η为随机二进制数{0，1}；
[0054]
步骤4.5、重新评估适应度函数值，并更新最优黑寡妇的位置及最优解；
[0055]
步骤4.6、判断是否满足最大迭代次数，若算法达到最大迭代次数z，则输出最优黑寡妇位置和全局最优解，否则返回步骤4.2重新迭代计算。
[0056]
本发明针对已经出现拥堵或者其他高风险原因的路径关键节点，提出了利用定位技术计算运输载具到出现拥堵或者其他高风险原因的路径关键节点的距离ξ，并根据计算所得距离的大小采取不同的风险规避方式。当e≥100km时，更新物流信息网络并将该关键节点剔除，再经h-bwo算法重新规划路径；当 10km≤e＜100km时，运输载具可以停止前行，等待拥堵或者其他高风险降低以后在做进一步安排。
[0057]
与现有技术相比，本发明的有益效果是：本发明混合混沌优化种群开局、添加迭代速度控制因子，从而形成了一种新的h-bwo算法，具有更好的开局，能降将算法空间的信息利用度最大化。同时也具备良好的引导性，以便于控制算法的收敛速度，前期避免了出现局部最优的情况，后期加快算法的收敛速度。在引入最小惩罚成本模型后通过h-bwo算法生成全局最优路径，可以实现对国际多式联运过程中总成本，尤其是对不同路径、不同运输方式带来的风险成本的控制，并且能够更好地保证国际多式联运的低碳性，对我国发展绿色物流有着一定的推动作用。
附图说明
[0058]
图1是本发明的流程框图。
[0059]
图2是本发明中h-bwo算法流程图。
具体实施方式
[0060]
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
[0061]
本实施例提出的一种基于风险评估模型的国际多式联运方法，包括以下具体步骤：
[0062]
1.最小惩罚成本函数建模
[0063]
假设输入的相关物流信息：运输物品为农产品；运输始发地是美国爱荷华州，目的地是中国武汉。结合不同运输方式的风险指数评估表、运输路径重点路段的风险指数评估表、不同运输物品的风险指数评估表三张表格的相关数据，其中基本参数取值：φ＝1.5，δ＝2.5、t1＝10、t2＝20、θi＝3、λ＝ 0.5。形成综合的最小惩罚成本模型如：
[0064]
minc＝0.5*c1 0.3*c2 0.2*c3[0065][0066][0067][0068][0069]
约束条件如下：
[0070][0071]
i,j∈n；i《j；
[0072]
其中，风险指数评估表如下：
[0073]
根据实际运输情况，针对不同的主要运输方式如航空运输、铁路运输、公路运输、管道运输、内河航运、海路运输建立了相应的风险指数表。表如下：
[0074][0075]
表1.不同运输方式的风险指数评估表
[0076]
同时，根据实际情况，构建了针对运输路径重点路段的风险指数表，针对省界、国界、洲界等不同级别的重点路段进行风险指数评估，尤其是针对途经世界级运输枢纽和要道的运输路径的评估。表如下：
[0077][0078]
表2.运输路径重点路段的风险指数评估表
[0079]
并且，根据实际情况，构建了针对不同的运输物品的风险指数表，针对矿石、能源、农产品、高新技术产品等进行风险指数评估，尤其是针对工业用品和化石能源的评估。
[0080][0081]
表3.不同运输物品的风险指数评估表
[0082]
2.改进算法并求解
[0083]
在国际多式联运的配送路径规划过程中，本发明通过发明引入了混沌、改变原本bwo位置迭代公式，对bwo算法进行了种群开局优化等多个方面的改进,从而形成了一种新的h-bwo算法，对最小惩罚成本模型进行求解。h
‑ꢀ
bwo算法会通过计算在众多路径中找出一条最优路径。
[0084]
1)初始化h-bwo算法参数
[0085]
初始化h-bwo算法参数包括；种群规模d、最大迭代次数z、随机生成的参数m、ω和r。其中引入混沌机制来进行种群开局优化。利用混沌序列的规律性、随机性和遍历性等特点使h-bwo算法的初始种群可以尽可能地利用搜索空间的信息：
[0086][0087]
2)h-bwo算法位置更新
[0088]
黑寡妇蜘蛛在网格内按照线性和螺旋的方式进行运动，位置更新如以下公式:
[0089][0090]
3)计算信息素率值
[0091]
信息素在蜘蛛的求偶过程中起着非常重要的作用，而雄性蜘蛛不喜欢信息素含量低的雌性蜘蛛。黑寡妇蜘蛛的信息素率值公式如下：
[0092][0093]
4)更新低信息素率值的黑寡妇位置
[0094]
当信息素率值等于或小于0.3时，雌性体内低信息素水平蜘蛛代表饥饿的食人蜘蛛。因此，如果它们在场时，上述雌性蜘蛛不会被选中，但将被另一个取代。在此，本发明针对位置迭代公式进行改进，添加了一种迭代速度控制因子τ，使其具备良好的引导性，以便于控制算法的收敛速度，前期避免了出现局部最优的情况，后期加快算法的收敛速度，改进后的公式如下：
[0095][0096][0097]
5)重新评估适应度函数值，并更新最优黑寡妇的位置及最优解。
[0098]
6)算法终止
[0099]
若算法达到最大迭代次数z，则输出最优黑寡妇位置和全局最优解，否则返回步骤2重新迭代计算。
[0100]
经h-bwo算法计算结果：从爱荷华州依靠铁路运输至洛杉矶港，转为海洋运输至中国上海港，再经内河航运沿长江至武汉。
[0101]
从计算的结果可以看出：混合混沌且添加一种迭代速度控制因子τ，从而形成的h-bwo算法，能够有效地提高bwo算法的收敛速度和全局优化能力，避免陷入局部最优。针对国际多式联运的复杂情况，h-bwo算法结合最小惩罚成本模型后生成全局最优路径，可以实现对国际多式联运过程中风险的有效控制，并能够进一步减少碳排放，对我国的整个绿色物流行业有着促进发展的作用。
[0102]
应该注意的是，上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。