链上镖师 / Chain Biaoshi
TRC|班轮集装箱运输恢复：风险规避下的航线调整
用CVaR刻画尾部利润损失，在删除受扰港与补充沿途港之间重设计服务航线
这篇论文把班轮港口中断后的航线调整和班期恢复建成均值-风险随机规划，用CVaR约束尾部利润损失，并通过场景化Benders分解提升大规模求解效率。
- 01：研究对象是已公布班轮航线在可预警港口中断下的主动恢复决策。
- 02：核心动作包括删除存在中断风险的计划港、加入沿途港补偿收入、同步调整航速和到港时间。
- 03：数值实验显示，风险偏好会明显改变访问港数量、期望利润、罚金成本和尾部利润表现。
研究背景
班轮集装箱运输依赖提前发布的港口挂靠顺序和班期，航线通常在开航前数月制定，班期会在开航前4至6周正式公布。苏伊士运河搁浅、港口网络攻击、台风、巴拿马运河低水位和码头罢工这类事件，会把准班率问题迅速转化为收入损失和违约风险。
来源：Table 1。近年重大港口中断事件覆盖苏伊士运河堵塞、南非港口网络攻击、中国沿海台风、巴拿马运河拥堵和美国东海岸及墨西哥湾罢工，说明班轮服务会面对数天到数周级延误。
已有恢复策略常见做法包括调速、转运和跳港。调速与转运可以帮助船上箱量继续抵达目的地，跳港会让原定货量无法服务，并引入罚金和利润损失。论文把关注点放在可预警中断上，即船公司在船舶离开相邻前序港之前仍有一个可执行的重新决策窗口。
来源：Table 2。文献对照显示，本文同时覆盖航线调整、班期恢复、风险规避随机规划和精确求解方法，用于定位其研究空白。
核心问题
论文研究的RASRP问题，需要在中断信息已经到达且航次尚未完全展开时，同时决定哪些港保留、哪些受扰计划港删除、哪些沿途港加入，以及每一段采用什么航速。目标不只包含期望利润，还包含极端场景下利润下尾的稳健表现。
来源：Fig. 2。图中把强制港、中断港、沿途港和调整后航线放在同一条港口序列上，展示删除受扰港并加入沿途港的恢复机制。
核心权衡是：删除受扰计划港可以降低中断拖累和尾部损失，加入沿途港可以补偿收入缺口，同时更多挂靠和更高航速会推高运营成本。
01决策对象：可调整港选择、港口访问顺序、航段航速和OD需求运输量。
02风险来源：可预警中断带来的随机延误时间，论文用多场景刻画。
03经营结果：总运费收入、总运营成本、总罚金成本、期望利润和CVaR尾部利润。
方法框架
模型把未受扰的关键计划港设为强制港，把受扰计划港和沿途可选港放入可调整集合。随机延误通过等概率场景表示，CVaR用于刻画利润尾部损失，目标函数由期望利润和风险项共同构成，风险权重λ控制经营者对尾部风险的重视程度。
来源：Fig. 1。时间线展示中断信息到达、原始决策期和重新决策期之间的关系，说明模型服务于开航前或航中早期的主动恢复。
1识别可预警中断港及其随机延误场景。
2划分强制港、受扰计划港和沿途可加入港。
3在每个场景下优化港口选择、访问顺序、航速和需求满足。
4用CVaR度量尾部利润，并由λ和α控制风险规避强度。
5通过场景化Benders分解迭代主问题、子问题和割。
来源：Table 4。算法以主问题和场景子问题迭代更新上下界，并结合最优性割和经典Benders割提升求解效率。
约束部分覆盖港口访问顺序、强制港保留、单航段航速选择、总航程时间、到港时间窗、船舶容量、OD需求流量和运输时间限制。论文还证明，在单一路径班轮服务结构下，细分多商品流可等价聚合为总流量约束，从而降低模型复杂度。
案例或实验设置
数值实验以一条从天津出发并返回天津的远洋班轮航线为基础，强制港包括宁波、上海和萨凡纳，其余港口属于可调整集合。船舶容量设为10000 TEU，总航程时间上限为11周，即1848小时，计划港和沿途港采用不同运价、罚金和港口成本设定。
来源：Fig. 4。案例展示λ=0.7、α=0.7时原始航线与调整航线的港口取舍，直观看到计划港保留、受扰港删除和沿途港加入。
来源：Table 6。表格列出初始到港时间、恢复后到港时间和调整后航速，说明恢复方案在时间和速度层面的执行结果。
总航程时间上限
1848小时
对应11周班轮航次时间约束
船舶容量
10000 TEU
用于限制各航段可承运箱量
在代表性方案中，优化后航线加入横滨、休斯敦、莫比尔、坦帕和科隆等沿途港，用现货市场收入补偿计划港删除带来的损失。论文报告这些新增挂靠产生9.85×10^6美元现货收入，基本抵消9.60×10^6美元罚金成本。
结果分析
参数实验显示，λ从0提高到1时，模型从重视期望利润逐步转向重视尾部表现。表5中，访问港数量在更高风险规避程度下增加，运营成本和罚金成本总体上升，期望总利润下降，CVaR表现改善，体现出均值-风险目标下的经营取舍。
来源：Table 5。表格汇总λ和α组合下的访问港数、总运费收入、运营成本、罚金成本、期望利润和CVaR，用于观察风险偏好对收益结构的影响。
来源：Fig. 3。随着λ提高，E(TP)单调下降，CVaRα(TP)整体改善，说明模型会牺牲部分期望利润换取尾部场景下更稳的利润表现。
来源：Table 7。10、30、50个场景下，场景化Benders算法整体平均求解时间为6943秒，CPLEX可比组整体平均为12524秒，平均提升47.31%。
算法平均效率提升
47.31%
来自Table 7整体平均结果
代表性航速变化
13.6至16.3节
λ=0.7、α=0.7案例中平均航速提高
管理启示
对班轮公司来说，可预警中断下的恢复决策需要同时看计划港收入、沿途港补偿、罚金成本、航速成本和尾部利润，单纯保留原航线会把极端延误的损失留在系统里。
论文的管理含义集中在风险参数的使用上。λ可以表达管理层对期望利润与极端损失之间的偏好，α决定尾部风险刻画的严格程度。较高风险规避会促使模型取消高度受扰的计划港，并加入沿途港作为替代收入来源。
✓中断信息可提前获得时，应尽早锁定最后重新决策点，避免错过可调整窗口。
✓受扰港删除需要配套沿途港收入评估，单看罚金会低估恢复方案价值。
✓场景数量会显著影响计算复杂度，实际部署需要在不确定性刻画和求解时间之间设定口径。
✓风险参数应作为经营策略输入，由管理层按服务可靠性、客户承诺和利润底线共同确定。
这篇论文的价值在于把“跳过哪个港”和“怎样补回航线收益”放进同一个优化框架。实验结果显示，加入沿途港、提高必要航速并重排班期，可以在运营成本增加的情况下获得更高期望利润，并改善不利场景下的尾部利润表现。
论文：A risk-averse approach for route adjustment and schedule recovery in liner container shipping service
作者：Shuaiqi Zhao，Hualong Yang，Zaili Yang，Yadong Wang
期刊：Transportation Research Part C
链上镖师、先卜交通、先卜运筹通用论文ID
保存此推文 ID，可在粉丝群内获取相关材料，未来更多功能敬请期待
先卜科技团队：常文婕、张巧巧、王一航、夏子帆、张晓乐、祁园园、张仁义
