数据与决策协同的长江航运多式联运优化研究
来源：交通运输系统工程与信息杂志2026年第2期北京时间：
作者：王静, 雷德明, 翟静, 陈淑楣, 刘林凡
单位：1. 长江航运发展研究中心，武汉430014；2.武汉理工大学，自动化学院，武汉430070；3. 华东交通大学，电气与自动化工程学院，南昌330000
摘要：对长江航运多式联运系统开展协同优化研究，有助于提升航运效率，实现降本增效与低碳发展。本文针对长江航运多源数据质量差与动态决策难的问题，构建融合混合数据预处理与强化学习的两阶段协同优化框架。首先，依据小样本趋势、序列性和统计性数据特征，分别采用灰色预测、插值与均值填补方法进行针对性治理，为后续决策提供高质量输入；进而，基于预处理后的数据，建立以强化学习为核心的动态决策模型，通过12维状态空间与复合奖励函数，实现对路径与方式组合的实时智能优化。基于2019—2024年长江干线实际数据的验证结果显示，该框架相较传统方法，实现社会物流总成本降低16.8%，碳减排成本节约20.16亿元，且收敛更快。实验结果可为在复杂数据环境下，提升长江航运系统效能提供可靠的决策支持。
关键词：综合交通运输,协同优化,数据驱动决策,长江航运,灰色预测模型,强化学习
基金资助：国家自然科学基金(72171054)；江西省教育厅科学技术研究项目(GJJ2400501)。
