不確実な需要下での動的輸送時間を考慮したマルチモーダル輸送経路選択

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:A bi-objective optimization model with chance constraints and SAGA that explicitly captures the correlation between freight demand and transshipment time, advancing multimodal transport theory.

🏢実務担当者:Decision support for logistics managers to balance cost, time, and carbon emissions when planning multimodal routes under uncertain demand.

🏛政策担当者:Quantitative evidence on how carbon pricing influences mode choice, useful for designing sustainable freight policies and infrastructure investment.

複合一貫輸送は、貨物輸送の効率性向上と持続可能な物流の促進、環境影響の低減における効果的な解決策として浮上しているが、需要の不確実性と動的な積み替え時間の下では、経路選択は依然として困難である。本研究は、総輸送コストと総輸送時間を最小化しつつ、貨物需要と積み替え時間の相関を明示的に捉える二目的経路選択モデルを開発することで、この問題に対処する。本モデルは、機会制約計画法を用いて決定論的等価問題に変換され、事前に定義された信頼水準の下での厳密な最適化を可能にし、遺伝的アルゴリズムの大域的探索能力とシミュレーテッドアニーリングの局所探索効率を組み合わせて収束性と解の質を向上させる、シミュレーテッドアニーリングベースの遺伝的アルゴリズム（SAGA）によって解かれる。炭素排出コストを目的関数に組み込むことで、本モデルは環境的および経済的に持続可能な輸送戦略を支援する。提案手法を検証するために数値ケーススタディが実施される。結果は、貨物需要が容量閾値を大幅に下回る場合、最適解は安定した経路構造を持つ単一モード輸送方式を採用する傾向がある一方、より高い需要は複合一貫戦略を必要とし、コストと時間のトレードオフが明確に観察されることを示す。感度分析により、コストと時間の間の明確なトレードオフがさらに明らかになる：鉄道輸送が支配的な時間重視戦略は総輸送時間を約20%削減する一方、水運に依存するコスト重視戦略は総コストを約73%削減する。これらの知見は、提案モデルの有効性を実証し、需要不確実性の下での効率的かつ持続可能な複合一貫輸送計画のための意思決定支援を提供する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Multimodal transport has emerged as an effective solution for improving freight efficiency and promoting sustainable logistics, reducing environmental impacts; however, route choice remains challenging under uncertain demand and dynamic transshipment time. This study addresses this problem by developing a bi-objective route-choice model that minimises total transport cost and total transport time while explicitly capturing the correlation between freight demand and transshipment time. The model is transformed into a deterministic equivalent using chance-constrained programming, enabling rigorous optimisation under predefined confidence levels and solved by a simulated annealing-based genetic algorithm (SAGA), which combines the global exploration capability of genetic algorithms with the local search efficiency of simulated annealing to improve convergence and solution quality. By incorporating carbon emission costs into the objective functions, the model supports environmentally and economically sustainable transport strategies. A numerical case study is conducted to validate the proposed approach. The results show that when freight demand is significantly below the capacity threshold, the optimal solution tends to adopt a single-mode transport scheme with stable route structure, whereas higher demand necessitates multimodal strategies, with cost–time trade-offs clearly observed. Sensitivity analysis further reveals a clear trade-off between cost and time: a time-oriented strategy dominated by rail transport reduces total transport time by approximately 20%, whereas a cost-oriented strategy relying on waterway transport decreases total cost by about 73%. These findings demonstrate the effectiveness of the proposed model and provide decision support for efficient and sustainable multimodal transport planning under demand uncertainty.

• semanticscholar https://doi.org/10.3390/su18115301first seen 2026-05-28 05:13:33 · last seen 2026-08-08 05:20:13