基于最优前沿的多式联运货运设施布点优化方法及系统与流程

1.本发明涉及多式联运数据优化技术领域，尤其涉及一种基于最优前沿的多式联运货运设施布点优化方法及系统。


背景技术：

2.随着物流网络的发展，尤其是货运资源的合理规划在物流中起着举足轻重的作用。
3.现有的多式联运物流中心的布点选址研究大多集中于路网层面，着重规划枢纽城市选点，且路网优化的目标焦点在于投入成本。随着物流体系的日趋完善，枢纽城市逐一确定，枢纽城市内部的货运枢纽点如何分布这一问题给人们带来了新的挑战。当下是水、铁、公、空多式联运蓬勃发展的时期，如何在一座枢纽城市内部规划不同运输模式的物流场站是亟需解决的难题。
4.同时，不同运输模式相互之间运量不匹配，物流场站的选址条件区别明显，运输成本与时间的相互差异较大，这些都对多式联运的货运设施布局产生了困扰。既有的优化方法通常以运输成本或者运输时间作为单一优化目标，忽略了物流对于时效性和成本的要求。同时，即使兼顾了运输成本和运输时间，单一的优化目标得到的解是唯一解，导致最终兼顾运输成本和运输时间的优化方案仅有一种，无法在全部满足要求的优化方案中进行择优选择，缺乏变通性，因此得到的方法无法适应多变复杂的实际需求场景，不具备普适性。


技术实现要素：

5.本发明提供一种基于最优前沿的多式联运货运设施布点优化方法及系统，用以解决现有技术中针对多式联运布局缺乏整体资源规划的缺陷。
6.第一方面，本发明提供一种基于最优前沿的多式联运货运设施布点优化方法，包括：获取目标区域的运输参考数据集合，由所述运输参考数据集合确定多种运输模式货运布设参考点；根据预测运输量和交通便利度确定所述多种运输模式货运布设参考点中的集运枢纽点和供货点，基于所述集运枢纽点和所述供货点得到货运设施布点集合；确定所述集运枢纽点和所述供货点的运输算法，确定所述货运设施布点集合的集运路径约束条件，以集运路径总成本最小以及运输总时间最小为目标函数，基于所述运输算法和所述集运路径约束条件构建所述目标函数对应的多目标优化模型；采用预设多目标优化算法求解所述多目标优化模型，获得最优前沿解集，基于布设实施权重确定所述最优前沿解集中的任一解，将所述任一解作为优化后的货运设施布点实施结果。
7.第二方面，本发明还提供一种基于最优前沿的多式联运货运设施布点优化系统，包括：
获取模块，用于获取目标区域的运输参考数据集合，由所述运输参考数据集合确定多种运输模式货运布设参考点；确定模块，用于根据预测运输量和交通便利度确定所述多种运输模式货运布设参考点中的集运枢纽点和供货点，基于所述集运枢纽点和所述供货点得到货运设施布点集合；构建模块，用于确定所述集运枢纽点和所述供货点的运输算法，确定所述货运设施布点集合的集运路径约束条件，以集运路径总成本最小以及运输总时间最小为目标函数，基于所述运输算法和所述集运路径约束条件构建所述目标函数对应的多目标优化模型；优化模块，用于采用预设多目标优化算法求解所述多目标优化模型，获得最优前沿解集，基于布设实施权重确定所述最优前沿解集中的任一解，将所述任一解作为优化后的货运设施布点实施结果。
8.第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于最优前沿的多式联运货运设施布点优化方法。
9.第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于最优前沿的多式联运货运设施布点优化方法。
10.本发明提供的基于最优前沿的多式联运货运设施布点优化方法及系统，针对目标区域多种运输模式的货运多式联运场景，以运输总成本最小和运输总时间最小构建优化目标，使运输成本和运输时间实现了有效均衡，根据目标区域动态变化自动调整货运设施布点的最优前沿解集，并综合实际应用布局因素，获取最优前沿解集的多种求解结果，无需人工介入进行布点，实现了高效率的货运布点优化以及资源合理规划的灵活性。
附图说明
11.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
12.图1是本发明提供的基于最优前沿的多式联运货运设施布点优化方法的流程示意图之一；图2是本发明提供的基于最优前沿的多式联运货运设施布点优化方法的流程示意图之二；图3是本发明提供的多式联运轴辐射网络图；图4是本发明提供的基于最优前沿的多式联运货运设施布点优化系统的结构示意图；图5是本发明提供的电子设备的结构示意图。
具体实施方式
13.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
14.本发明中的多式联运是由两种及其以上的交通工具相互衔接、转运而共同完成的运输过程，又称为复合运输，其中的运输形式包括航空，水运，铁路和公路等形式，用于实现枢纽城市内部不同运输模式的物流场站的规划。
15.图1是本发明实施例提供的基于最优前沿的多式联运货运设施布点优化方法的流程示意图之一，如图1所示，包括：步骤100：获取目标区域的运输参考数据集合，由所述运输参考数据集合确定多种运输模式货运布设参考点；步骤200：根据预测运输量和交通便利度确定所述多种运输模式货运布设参考点中的集运枢纽点和供货点，基于所述集运枢纽点和所述供货点得到货运设施布点集合；步骤300：确定所述集运枢纽点和所述供货点的运输算法，确定所述货运设施布点集合的集运路径约束条件，以集运路径总成本最小以及运输总时间最小为目标函数，基于所述运输算法和所述集运路径约束条件构建所述目标函数对应的多目标优化模型；步骤400：采用预设多目标优化算法求解所述多目标优化模型，获得最优前沿解集，基于布设实施权重确定所述最优前沿解集中的任一解，将所述任一解作为优化后的货运设施布点实施结果。
16.本发明实施例通过对某一目标区域，通常是枢纽城市的公路、铁路、水运、航空四种运输模式的物流场站选址条件进行分析，确定一系列选址参考点，然后进一步筛选出集运枢纽点与一般站点，随后以总成本和总时间为优化目标，建立多目标优化数学模型，并设定边界条件，最后利用多目标优化算法进行求解，得到一系列最优前沿解集，该最优前沿解集包含了适应多种场景的合理解集，可根据实际布局因素，灵活选择最优前沿解集中的任一解作为优化后的货运设施布点实施结果。
17.具体地，如图2所示，首先选定一个规划的枢纽城市，确定若干航空、水运、铁路和公路的物流站场参考点，然后确定每种类型物流站场的集运枢纽点和供货点，再设定货物集运路径规划边界条件，分别通过计算建设成本、运输成本和转运成本来计算集运路径总成本，以及通过计算装卸时间、运输时间和中转时间来计算集运路径总时间，进而搭建多式联运货运设施布点规划多目标优化模型，利用基于最优前沿的多目标优化算法进行求解得到最优前沿解集，在最优前沿解集中根据货运布点规划目标确定合适解。
18.本发明针对目标区域多种运输模式的货运多式联运场景，以运输总成本最小和运输总时间最小构建优化目标，使运输成本和运输时间实现了有效均衡，根据目标区域动态变化自动调整货运设施布点的最优前沿解集，并综合实际应用布局因素，获取最优前沿解集的多种求解结果，无需人工介入进行布点，实现了高效率的货运布点优化以及资源合理规划的灵活性。
19.在上述实施例的基础上，所述获取目标区域的运输参考数据集合，由所述运输参考数据集合确定多种运输模式货运布设参考点，包括：
获取所述目标区域中的多个划分片区；通过对所述多个划分片区的人口密度指数、物流密度指数和交通便利指数进行加权求和，得到多个划分片区指标，对所述多个划分片区指标按照从高到低进行排序，得到第一排序结果；获取所述多个划分片区的地理运输赋值因子，若确定任一划分片区包括预设正向影响元素，则所述地理运输赋值因子累加所述预设正向影响元素的个数，若确定任一划分片区包括预设负向影响元素，则所述地理运输赋值因子扣除所述预设正向影响元素的个数，对所述地理运输赋值因子按照从高到低进行排序，得到第二排序结果；将所述第一排序结果与第二排序结果进行加权求和，得到第一综合排序结果；根据所述第一综合排序结果中预设排名数量，确定所述多种运输模式货运布设参考点。
20.具体地，本发明实施例根据目标区域的人口、物流、交通和地理条件，确定航空、水运、铁路和公路等多种运输模式货运布设参考点。
21.首先获取城市行政区域划分片区信息，以某城市为例，化为多个行政区域，再将每个行政区域划分为多个社区，按照社区维度根据人口密度、物流密度和交通便利指数赋予不同的系数，以人口密度、物流密度和交通便利指数与对应系数的积加和得到总分由高到低进行第一排序，结果为第一排序结果。
22.然后各片区地理运输影响因素的指数对各片区由高到低进行第二排序，按照各片区的地理运输影响因素进行统计，考察片区内的河流、港口、山川、平原等对运输方式有影响的地理因素，河流、港口视为建设水运枢纽的有利因素，河流、港口的数量在统计建设水运枢纽地理条件因素时取正值，记 1；山川视为建设铁路、公路、航空枢纽的不利因素，山川数量在统计建设铁路、公路、航空枢纽地理条件因素时取负值，记-1；其他地理因素以此类推，分别航空、水运、铁路、公路四种运输方式的最终得分，对得到各片区的地理运输影响因素由高往低排序，结果为第二排序结果。
23.最后分别对每个片区的第一排序结果和第二排序结果赋予不同系数，统计各片区航空、水运、铁路、公路四种运输方式下两次排序得分与第二系数的积之和，取各片区航空、水运、铁路、公路四种运输方式下排序前若干项片区作为航空、水运、铁路、公路的物流场站参考点，每种类型场站包含多个参考点。
24.在上述实施例的基础上，所述根据预测运输量和交通便利度确定所述多种运输模式货运布设参考点中的集运枢纽点和供货点，基于所述集运枢纽点和所述供货点得到货运设施布点集合，包括：获取预设历史时间段的历史运输数据，基于所述历史运输数据确定预测运输量，利用所述预测运输量对所述多种运输模式货运布设参考点按照从高到低进行排序，得到第三排序结果；根据所述多种运输模式货运布设参考点与所述目标区域中的预设交通枢纽之间的距离，确定交通便利度，利用所述交通便利度对所述多种运输模式货运布设参考点按照从高到低进行排序，得到第四排序结果；将所述第三排序结果和所述第四排序结果进行加权求和，得到第二综合排序结果；
确定所述第二综合排序结果中排名第一为任一种运输模式货运布设参考点中的集运枢纽点，所述第二综合排序结果中其余排名为所述任一种运输模式货运布设参考点中的供货点；分别调整所述第三排序结果和所述第四排序结果的权重系数，重复进行所述多种运输模式货运布设参考点的排序，得到所述货运设施布点集合。
25.具体地，本发明实施例根据预测运量和交通便利度分别确定枢纽点和供货点的布点方案，汇总得到货运设施布点集合。
26.首先基于近一段时间，例如近三年的历史运量确定预测运量，基于预测运量分别对航空、水运、铁路、公路四种类型的参考点由高到低进行第三排序。在确定的物流场站参考点中，统计该参考点所在片区近三年来的历史运量，通过生产和运输比例关系法或数理统计法，计算出各参考点的预测运量，按预测运量对各类型场站的参考点由高到低分别排序，得到第三排序结果。
27.然后根据参考点与最近国道或省道、铁路货运车站、货运港口、货运机场的距离确定航空、水运、铁路、公路四种类型的参考点的交通便利度，基于交通便利度分别对各类型参考点由高到低进行第四排序。在确定的物流场站参考点中，根据参考点与最近国道或省道、铁路货运车站、货运港口、货运机场的距离，对各类型场站的参考点由高到低分别排序，得到第四排序结果。
28.再分别对预测运量和交通便利度赋予权重系数，基于赋予权重系数的预测运量和交通便利度求和结果进行排序，以该类型参考点排序的第一名视为该类型集运的枢纽点，其余点为供货点。各类型场站参考点排序的第一名视为集运枢纽点，其余参考点视为一般站点，即共设置一处航空集运枢纽点、一处水运集运枢纽点、一处公路集运枢纽点、一处铁路集运枢纽点以及若干其他供货点。
29.最后调整权重系数重复上述排序步骤，即得到多个枢纽点和供货点方案。通过改变预测运量与交通便利度的权重系数，可以得到不同的集运枢纽点和供货点方案，所有方案构成货运设施布点解集。运量结果和交通结果的权重系数可分别取0.1和0.9、0.2和0.8
……
0.9和0.1，或按照其他随机取值策略，通过增加解的数量，扩大解集，使得求得的最优前沿解集更有普适性。
30.如图3所示，在铁路集运枢纽点、水运集运枢纽点、航空集运枢纽点和公路集运枢纽点与铁路供货点、铁路一般站点、公路一般站点、水运一般站点和航空一般站点进行随机连接，具有较强的灵活性。
31.在上述实施例的基础上，所述确定所述集运枢纽点和所述供货点的运输算法，包括：所述货运设施布点集合中的所有集运枢纽点和所有供货点之间均为互联互通交通网络；任一供货点到任一集运枢纽点之间通过第一运输模式或第二运输模式进行货物运输，任一集运枢纽点到任一最终目的地之间通过所述第一运输模式、所述第二运输模式、第三运输模式和第四运输模式中的任一种运输模式进行货物运输；任一供货点对应单个集运枢纽点，单个集运枢纽点对应多个供货点；从任一供货点到任一最终目的地仅通过单个集运枢纽点，且任意两个供货点之间
不进行货物运输。
32.其中，所述确定所述货运设施布点集合的集运路径约束条件，包括：任一供货点的货物仅提供给单个集运枢纽点；若确定任一货运设施布点为集运枢纽点，则所述任一货运设施布点接收任一供货点的货物，且所述任一货运设施布点接收的货物总容量不大于所述集运枢纽点的容量上限；任一供货点的货物至多经过任意两个集运枢纽点；若确定任意两个货运设施布点均为集运枢纽点，且第一集运枢纽点的货物经过第二集运枢纽点，则所述第一集运枢纽点与所述第二集运枢纽点的货物容量之和不大于所述第二集运枢纽点的容量上限；若确定任一货运设施布点的货物运送至任一集运枢纽点，则任一供货点通过所述第一运输模式、所述第二运输模式、所述第三运输模式和所述第四运输模式中的任一种运输模式运送货物至所述任一集运枢纽点。
33.其中，以集运路径总成本最小以及运输总时间最小为目标函数，基于所述运输算法和所述集运路径约束条件构建所述目标函数对应的多目标优化模型，包括：确定建设成本函数、运输成本函数和中转成本函数，基于所述建设成本函数、所述运输成本函数和所述中转成本函数构建集运路径总成本函数；确定装卸时间函数、运输时间函数和中转时间函数，基于所述装卸时间函数、所述运输时间函数和所述中转时间函数构建运输总时间函数；根据所述运输算法和所述集运路径约束条件，由所述集运路径总成本函数和所述运输总时间函数构成所述多目标优化模型。
34.其中，所述确定建设成本函数、运输成本函数和中转成本函数，基于所述建设成本函数、所述运输成本函数和所述中转成本函数构建集运路径总成本函数，包括：由任一供货点到任一集中枢纽点运量依次乘以任一供货点到任一集中枢纽点以任一运输模式的单位运量单位距离运输成本、任一供货点到任一集中枢纽点之间距离以及第一决策变量，加上任一集中枢纽点发出所有运量依次乘以任意两个集中枢纽点以任一运输模式的单位运量单位距离运输成本、任意两个集中枢纽点之间距离以及第三决策变量，再加上所述任一集中枢纽点发出所有运量依次乘以任一集中枢纽点到任一运输终点距离以及任一集中枢纽点到任一运输终点以任一运输模式的单位运量单位距离运输成本，得到所述建设成本函数；由任一集运枢纽点建设成本乘以第二决策变量，得到所述建设成本函数；由任一供货点到任一集中枢纽点运量依次乘以所述第一决策变量和单位运量转运成本系数，得到所述中转成本函数；累加所述建设成本函数、所述建设成本函数和所述中转成本函数，得到所述集运路径总成本函数。
35.其中，所述确定装卸时间函数、运输时间函数和中转时间函数，基于所述装卸时间函数、所述运输时间函数和所述中转时间函数构建运输总时间函数，包括：由任一供货点到任一集中枢纽点运量依次乘以任一供货点到任一集中枢纽点之间距离以及第一决策变量之后除以任一供货点到任一集中枢纽点以任一运输模式的运输
平均速度，加上任一集中枢纽点发出所有运量依次乘以任意两个集中枢纽点之间距离以及第三决策变量之后除以任意两个集中枢纽点以任一运输模式的运输平均速度，再加上所述任一集中枢纽点发出所有运量乘以任一集中枢纽点到任一运输终点距离之后除以任一集中枢纽点到任一运输终点以任一运输模式的运输平均速度，得到所述运输时间函数；由任一集运枢纽点装卸时间乘以第二决策变量，得到所述装卸时间函数；由任一供货点到任一集中枢纽点运量依次乘以所述第一决策变量和单位运量转运时间系数，得到所述中转时间函数；累加所述运输时间函数、所述装卸时间函数和所述中转时间函数，得到所述运输总时间函数。
36.具体地，本发明实施例按照一般供货点到集运枢纽点的集货方向，对货物的集运路径设定一系列边界条件，然后对集运路径的总成本、总时间进行计算，总成本包括站点的建设成本、站点间的运输成本、站点的转运成本，总时间包括站点的装卸时间、站点间的运输时间、站点的中转时间。
37.其中枢纽点和供货点的运输规则，包括：所有参考点之间形成的网络均为互联互通网络；货物通过公路或铁路运输的方式，从供货点运输至集运枢纽点，再通过集运枢纽点以公路、铁路、水运或者航空的形式运输至最终目的地；货物从供货点至终点的过程中，按照只经过一个集运枢纽点来计算转运成本；一个供货点只对应一个集运枢纽点，一个集运枢纽点可以对应多个供货点；供货点至集运枢纽点之间单次只能采用公路、铁路、水运或者航空中任一种运输方式；供货点之间不进行货物运输。
38.基于上述运输算法，集运路径的总成本为：其中，为总成本，为建设成本，为运输成本，为中转成本；为中转成本；为中转成本；其中：：网络中所有参考点集合，包括集运枢纽点和供货点，；：供货点集合，；：网络中所有集运枢纽点集合，；：运输终点集合，；：运输方式集合，，在本发明实施例中，考虑公路、铁路、水运、航空四种模式运输，此处，时表示公路运输，时表示铁路运输，时表
示水路运输，时表示航空运输；：任一供货点；和：任意不同的集运枢纽点：：任一运输终点；：参考点到参考点的运量，；：参考点到参考点的运输距离，，当时，；：参考点到参考点之间通过运输模式进行运输时，单位运量单位距离运输成本，；：集运枢纽点的容量，；：单位运量转运成本系数；：集运枢纽点的建设成本；：集运枢纽点发出的所有运量，；：第一决策变量，供货点的货物通过运输方式运输至集运枢纽点时取1，其他取0，；：第二决策变量，参考点的货物运输给参考点时取1，其他取0，当时（此处将角标变为）表示参考点为集运枢纽点，；：第三决策变量，集运枢纽点处集结的货物通过铁路运输经过集运枢纽点时取1，其他取0,。
39.需要说明的是，上述角标、、和可进行任意组合，即表示对应类型参考点之间的参数定义，\表示集合运算符号，例如集合u和a的相对差集,符号为u \ a，表示在集合u中,但不在集合a中的所有元素。
40.同时，对于任意一个货运设施布点方案（枢纽点和供货点布局方案），其集运路径的总时间为：其中，为总时间，为装卸时间，为运输时间，为中转时间；为中转时间；
其中：：集运枢纽点的装卸时间；：参考点到参考点之间通过运输模式进行运输时，运输平均速度，；：运输平均速度，其下标的两个参考点之间通过其上标的运输模式进行运输时的运输平均速度；：单位运量转运时间系数；：运输距离，即其下标所述的两个参考点运输距离。
41.此外，上述目标函数对应的边界约束条件包括：（1）：表示对任意供货点，其货物只能提供给一个集运枢纽点；（2）：表示只有参考点被选作集运枢纽点时，才会有供货点向其供货，否则没有供货点向其供货；（3）：表示任意供货点的货物至多经过两个集运枢纽点；（4）：表示供货点到集运枢纽点之间的运输方式只能是多种运输方式中的一种；（5）：表示对任意参考点，如果被选作集运枢纽点，则所有供给到集运枢纽点的货物不能超过集运枢纽点的容量约束；（6）：表示若集运枢纽点处集结的货物会运输经过集运枢纽点，则集运枢纽点处集结的货物与集运枢纽点处集结的货物之和不超过集运枢纽点的容量约束；（7）：表示任意非枢纽参考点之间没有货物往来；（8）：表示只有当参考点的货物提供给集运枢纽点时，货物才会从供货点通过运输方式运输至集运枢纽点。
42.本发明实施例以布点方案的集运路径的总成本和运输总时间最小为目标函数，以
边界条件为约束条件，建立多式联运货运设施布点规划的多目标优化模型，求解最优的枢纽点和供货点布局。
43.在上述实施例的基础上，所述采用预设多目标优化算法求解所述多目标优化模型，获得最优前沿解集，基于布设实施权重确定所述最优前沿解集中的任一解，将所述任一解作为优化后的货运设施布点实施结果，包括：基于所述预设多目标优化算法，得到所述多目标优化模型中最小值集运路径总成本和最小运输总时间对应的所述最优前沿解集；获取所述最优前沿解集的布设实施权重，根据预设货运设施布点实施目标调整所述布设实施权重，求解所述最优前沿解集中的任一解，基于所述任一解输出所述优化后的货运设施布点实施结果。
44.具体地，本发明实施例采用的预设多目标优化算法，通常是已有的遗传算法、蚁群算法、进化算法等优化算法中的任一种，求解最优前沿解集示例如下：（1）通过多目标优化模型的求解结果，获得水运、铁路、公路、航空四类转运场站可布局的地点。
45.（2）以统一格式确定水运、铁路、公路、航空四类转运场站坐标，例如可直观地使用经纬度（x，y），或极坐标（ρ，θ）表示，分别产生水运、铁路、公路、航空四类场站的位置集合，并将四类场站的位置集合依据经纬度或距极坐标中心距离为依据进行排列，例如采用a(a1,a2,a3
…
)，b(b1,b2,b3
…
)，c(c1,c2,c3)和d(d1,d2,d3
…
)来表示。
46.（3）设置变异因子m1,m2,m3,m4，本系数代表对集合的取值，例如m1*a，当m1=1时，m1*a=取集合a的第一个元素，即a1.（4）根据四种场站位置坐标得到其中的总成本为c=c（m1） c（m2） c（m3） c（m4）
…
，即总成本为当水路场站位置选其集合第m1个，铁路场站位置选其集合第m2个，公路场站位置选其集合第m3个，空路场站位置选其集合第m4个时，枢纽整体的总成本。本发明实施例以水运、铁路、公路、航空各设1处为例，当设置多处时，对应增加其项数即可。
47.（5）总时间t与总成本c同理，即t= t（m1） t（m2） t（m3） t（m4）
…
。
48.（6）通过遗传算法，以c，t取小为目标，对m1，m2，m3和m4分别持续遍历及变异，在一定范围内进行遍历，即可不必遍历所有可能性，便生成c、t单目标最优解集以及次优解集。
49.（7）至此完成一次方案计算，可调整枢纽范围内水运、铁路、公路、航空规划数量，重复上述操作，再次生成c、t单目标最优解集以及次优解集。
50.（8）形成最优前沿解集，供决策者决策。其中，以a方案表示场站数量多，总成本偏高，转运时间较短，在坐标中靠近代表成本的纵轴；b方案表示场站数量适中，总成本适中，转运时间适中，在坐标中居中位置；c方案场站数量较低，总成本较低，转运时间较高，在坐标中靠近代表时间的横轴。可以理解的是，a、b、c方案均为该水运、铁路、公路、航空场站配置数量下的最优前沿解集中的任一方案。
51.需要说明的是，对于最优前沿解集，该解集中任一解的总成本与总时间均是合理解，决策人结合实际建设风险、投资估算、民意调查、个人判断等因素，综合考虑来确定布设实施权重，然后根据货运设施布点实施目标对总成本和总时间对应的布设实施权重进行调整，综合考虑选取最优前沿解集中的某一解，作为最终解。
52.下面对本发明提供的基于最优前沿的多式联运货运设施布点优化系统进行描述，
下文描述的基于最优前沿的多式联运货运设施布点优化系统与上文描述的基于最优前沿的多式联运货运设施布点优化方法可相互对应参照。
53.图4是本发明实施例提供的基于最优前沿的多式联运货运设施布点优化系统的结构示意图，如图4所示，包括：获取模块41、确定模块42、构建模块43和优化模块44，其中：获取模块41用于获取目标区域的运输参考数据集合，由所述运输参考数据集合确定多种运输模式货运布设参考点；确定模块42用于根据预测运输量和交通便利度确定所述多种运输模式货运布设参考点中的集运枢纽点和供货点，基于所述集运枢纽点和所述供货点得到货运设施布点集合；构建模块43用于确定所述集运枢纽点和所述供货点的运输算法，确定所述货运设施布点集合的集运路径约束条件，以集运路径总成本最小以及运输总时间最小为目标函数，基于所述运输算法和所述集运路径约束条件构建所述目标函数对应的多目标优化模型；优化模块44用于采用预设多目标优化算法求解所述多目标优化模型，获得最优前沿解集，基于布设实施权重确定所述最优前沿解集中的任一解，将所述任一解作为优化后的货运设施布点实施结果。
54.图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(communications interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行基于最优前沿的多式联运货运设施布点优化方法，该方法包括：获取目标区域的运输参考数据集合，由所述运输参考数据集合确定多种运输模式货运布设参考点；根据预测运输量和交通便利度确定所述多种运输模式货运布设参考点中的集运枢纽点和供货点，基于所述集运枢纽点和所述供货点得到货运设施布点集合；确定所述集运枢纽点和所述供货点的运输算法，确定所述货运设施布点集合的集运路径约束条件，以集运路径总成本最小以及运输总时间最小为目标函数，基于所述运输算法和所述集运路径约束条件构建所述目标函数对应的多目标优化模型；采用预设多目标优化算法求解所述多目标优化模型，获得最优前沿解集，基于布设实施权重确定所述最优前沿解集中的任一解，将所述任一解作为确定优化后的货运设施布点实施结果。
55.此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。
56.另一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的基于最优前沿的多式联运货运设施布点优化方法，该方法包括：获取目标区域的运输参考数据集合，由所述运输参考数据集合确定多种运输模式货运布设参考点；根据预测运输量和交通便利度确定所述多种运输模式货运布设参考点中的集运枢纽点和供货点，基于所述集运枢纽点和所述供货点得到货运设施布点集合；确定所述集运枢纽点和所述供货点的运输算法，确定所述货运设施
布点集合的集运路径约束条件，以集运路径总成本最小以及运输总时间最小为目标函数，基于所述运输算法和所述集运路径约束条件构建所述目标函数对应的多目标优化模型；采用预设多目标优化算法求解所述多目标优化模型，获得最优前沿解集，基于布设实施权重确定所述最优前沿解集中的任一解，将所述任一解作为优化后的货运设施布点实施结果。
57.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
58.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
59.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。