铁路三大专业运输公司物流基地联合选址研究

苏顺虎 ，唐文君 ，张晓东，潘 华

（1.铁道部 运输局，北京 100844；2.北京交通大学 交通运输学院，北京 100044）

1 研究背景

为适应铁路货运向现代物流发展的需要，铁道部成立了中铁行包快递有限责任公司、中铁集装箱运输有限责任公司和中铁特货运输有限责任公司三大专业运输公司[1]。物流基地作为物流服务运作的基础，其选址直接影响专业运输公司的运输效率和市场竞争力。铁路三大专业运输公司独立选址，在一定程度上会存在物流基地分布不合理、单点运作效率不高、资源运用不优化、综合利用方式与途径不完备等问题，将制约专业公司竞争力的提升和专业运输效率与物流服务水平的提高。铁路三大专业运输公司进行联合选址能够实现相互间的协调配合，达到优化资源利用和提高运输效率的目的。因此，有必要对铁路三大专业运输公司物流基地进行联合选址研究。

灰色综合评价和0－1整数规划模型是在选址问题中常用的方法，主要用于备选点间的排序和精确选址。关志民等[2]分别对联合库存选址、连锁门店选址和配送中心联合决策问题进行研究，并建立了整数规划模型；盛伟等[3]建立了运输商、配送中心联合优化模型。以上模型均是基于供应链中不同层级主体进行选址的模型。ACKCHAI Sirikijpanichkul等[4-5]提出了联合运输货运枢纽选址方案的整数模型，此模型则是基于不同运输方式、同一层级的多个主体对专业运输物流基地进行联合选址。

2 专业运输公司物流基地联合选址研究框架

研究以各货源点和货运站为基础，对货源点的货运分担量和货运站的条件分别进行分析。从货运站的角度看，货运站设施条件和交通条件是影响物流基地建设效果的重要因素。从货源的角度看，铁路三大专业运输公司各有特色：中铁行包快递有限责任公司主营铁路包裹快递业务；中铁集装箱运输有限责任公司侧重于铁路集装箱运输；中铁特货运输有限责任公司则主要从事小汽车、超限货物和鲜活易腐货物运输。根据业务特点，可将三大专业运输公司的适运货源点进行分类。铁路三大专业运输公司物流基地联合选址研究框架如图1所示。

图1 铁路三大专业运输公司物流基地联合选址研究框架

2.1 基于灰色关联度的灰色综合评价

综合评价多用于研究多对象的排序问题，灰色综合评判主要依据以下模型。

根据R的数值，对评价对象进行相对优劣排序。其具体步骤如下。

（2）指标值的规范化处理。通过公式⑵将原始数值无量纲化，得到规范化矩阵X′。′表示无量纲化后的值。xkmax表示第 k 列中的最大值，xkmin表示第k 列中的最小值。

（3）计算综合评判结果。根据灰色关联系数计算公式，得出各指标的灰色关联度系数εik。

式中：为 xik的最优值；ξ∈[0，1]，一般取ξ＝0.5[6]。

种植密度（x）与籽实产量（y）呈二次抛物线关系，其回归方程为y=-137.98x2+2 560.5x-5 738.9，复相关系数R2=0.976。对回归方程求极值，红花籽实产量以种植密度为9.28万株/hm2产量最高，籽实产量可达到6 140 kg/hm2。从表4看出，种植密度为9.0万株/hm2时籽实产量最高，与其他处理有显著差异，种植密度为12.0万株/hm2时籽实产量最低，为5 144.6 kg/hm2。

根据公式⑴可得到综合评判结果：ri越大，说明其与最优方案越接近，即第 i 个方案越优于其他方案。

2.2 基于运输费用与建设费用的0－1整数规划

基于广义运输费用和建设费用两大类费用构建0－1整数规划模型，广义运输费用以运量、距离和单位吨公里所需运输成本的乘积表示，建设费用则分为固定费用和与运量有关的变动费用，固定费用根据评价对象的不同而有所不同。整数规划模型的目标是使总费用最小，构建模型如下。

式中：α 表示单位吨公里所需运输成本系数；qi表示货源点 i 的分担货运量，万 t；dij表示货源点 i 到货运站 j 的距离，km；β 表示单位作业能力所需场站建设费用；Qj表示备选地 j 原有作业能力，万t/年；Pj表示备选地 j 建设物流中心增加的基础作业能力，万t/年；Zj为0，1变量，表示是否在 j 处建设物流基地，若是，Zj＝1，否则，Zj＝0；L 表示物流基地的建设费用，万元。

3 案例分析

以北京地区为例，对中铁行包快递有限责任公司、中铁集装箱运输有限责任公司和中铁特货运输有限责任公司三大专业运输公司物流基地联合选址问题进行研究。

3.1 灰色综合评价应用

货运站是否适合建设成为专业运输物流基地主要考虑货运站的场地条件和周边的交通条件。选取以下7项指标作为货运站灰色关联度分析指标。

（1）货运站设施条件：货物线容车数 X1、仓库面积 X2、货场面积 X3、货物线数量 X4。

（2）货运站交通条件：铁路衔接方向数 X5、公路干道出入口数 X6、高速公路数量 X7。

通过定性判断，排除北京市区内已不适合建设物流节点的12个货运站，再通过灰色关联度分析对其余45个货运站 A＝{Aj， j＝1，2，…，45}进行比较。其具体步骤如下。

步骤2：将上述实际数据通过无量纲化处理，得到标准化数据 X′。

步骤3：计算灰色关联度系数εij，得到灰色关联系数矩阵 E。

步骤4：确定各项指标的权重W＝{wk＝1/7，k＝1，2，…，7}，并计算各站的综合评价得分R。

步骤5：选出得分较高的18个货运站作为备选点，即A = {A02，A03，A04，A06，A11，A13，A17，A20，A22，A26，A28，A31，A32，A33，A34，A35，A36，A39}。

3.20 －1整数规划的应用

将以上数据带入0－1整数规划模型，运用LINGO软件进行计算，得到铁路三大专业运输公司的选址结果，如表1、图2所示。即A′＝{A02，A03，A06，A13，A17，A28，A31，A32，A34，A35，A36}。

表1 铁路三大专业运输公司选址结果

3.3 选址结果优化分析

从选址结果可以看出，铁路三大专业运输公司的选址有部分重合，说明联合建立物流基地的必要性和可行性。根据选址结果的重合度和空间位置关系将A΄ 进行分组，并得到组集G＝{Gi，i＝1，2，3，4，5}。由于A02和 A28距离接近，因此将其归为同一组。

具体分组情况为：G1＝{A02，A03，A28}，G2＝{A32}，G3＝{A31，A34，A35}，G4＝{A13，A36}，G5＝{A06，A17}。

根据货运站的发展条件和对货源点的空间覆盖度，对组内的备选点进行比较，最终得到物流基地联合选址方案及物流基地对应的运营主体。选址最终优化结果如图3所示。

A02：{CRE，CRSC，CRCT}；A06：{CRSC，CRCT}；A13：{CRE，CRSC}；A31：{CRE，CRSC，CRCT}；A32：{CRE，CRCT}。

从选址结果可以看出，北京市五环至六环之间选出了2个物流基地，六环外选出了3个物流基地，并且基本覆盖了北京各个方向的货源。

4 结束语

图2 铁路三大专业运输公司选址情况

图3 选址最终优化结果

通过综合运用灰色评价原理和整数规划原理，构建了基于同一层级不同主体之间的联合选址模型。首先通过灰色综合评价模型减少备选点的数量，降低进一步比选的难度，再通过0－1整数规划模型对选出的备选点进一步优化选择，使物流基地在城市中的布局更加合理。以北京为例进行计算，得到北京地区铁路三大专业运输公司物流基地的联合选址方案。该方案基本覆盖了北京各个方向的货源，并且均与铁路三大专业运输公司的货源具有较好的适应性，实现了基于客户的不同主体之间的协调，达到资源综合利用的目的，同时验证了联合选址模型的可行性。

：

[1]温克学，韩伯领. 加快专业运输发展 打造一流现代物流企业[J]. 铁道货运，2004(5)：5-7.

[2]关志民，陈兆春. 连锁门店选址与配送中心联合决策的f-MIGP模型[J]. 控制与决策，2006，21(12)：1397-1401.

[3]盛 伟，陈伟达. 运输商选择与配送中心选址联合优化研究[J]. 物流科技，2006，29(11)：85-88.

[4]ACKCHAI Sirikijpanichkul，KOEN H van Dam，Luis FERREIRA，et al. Optimizing the location of intermodal freight hubs：An overview of agent based modeling approach[J]. Journal of Transportation Systems Engineering and Information Technology，2007，7(4)：71-81.

[5]Andreas Klose，Andreas Drexl. Facility location models for distribution system design [J]. European of Operational Research，2005(162)：4-29.

[6]杜 栋，庞庆华. 现代综合评价方法与案例精选[M]. 北京：清华大学出版社，2005.