面向城市低空物流的多层异质起降场点网络协同规划

冯棣坤; 张洪海; 华明壮; 狄娟; 单逸轩

doi:10.19818/j.cnki.1671-1637.2026.086

面向城市低空物流的多层异质起降场点网络协同规划

doi: 10.19818/j.cnki.1671-1637.2026.086

1.
南京航空航天大学民航学院，江苏南京 211106
2.
南京航空航天大学通用航空与飞行学院，江苏溧阳 213300
3.
上海民航职业技术学院空港管理学院，上海 201300

基金项目:

国家社会科学基金重大项目 22&ZD169

国家自然科学基金民航联合基金重点项目 U2133207

国家自然科学基金民航联合基金重点项目 U2333214

南京航空航天大学博士研究生跨学科创新基金项目 KXKCXJJ202405

详细信息

作者简介:
冯棣坤(1997-)，男，河南荥阳人，工学博士研究生，E-mail: Dikun-Feng@nuaa.edu.cn

通讯作者:
张洪海(1979-)，男，山东鄄城人，教授，工学博士，E-mail: honghaizhang@nuaa.edu.cn

中图分类号: U121
计量
- 文章访问数: 13
- HTML全文浏览量: 6
- PDF下载量: 2
- 被引次数: 0
出版历程
- 收稿日期: 2025-06-05
- 录用日期: 2025-11-27
- 修回日期: 2025-10-29
- 刊出日期: 2026-02-28

Multi-layer heterogeneous take-off and landing site network collaborative planning for urban low-altitude logistics

1.
College of Civil Aviation, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, Jiangsu, China
2.
College of General Aviation and Flight, Nanjing University of Aeronautics and Astronautics, Liyang 213300, Jiangsu, China
3.
College of Airport Management, Shanghai Civil Aviation College, Shanghai 201300, China

Funds:

Major Project of National Social Science Foundation of China 22&ZD169

Key Project of the Joint Fund for Civil Aviation National Natural Science Foundation of China U2133207

Key Project of the Joint Fund for Civil Aviation National Natural Science Foundation of China U2333214

Inter-disciplinary Innovation Fund for Doctoral Students of Nanjing University of Aeronautics and Astronautics KXKCXJJ202405

More Information

Corresponding author: ZHANG Hong-hai, professor, PhD, E-mail: honghaizhang@nuaa.edu.cn

Article Text (Baidu Translation)

摘要

摘要: 为实现低空物流起降场点网络的有效规划与安全运行，研究了城市环境下无人机物流多层起降场点网络协同规划问题；考虑无人机性能约束、空域限制约束等现实因素，结合“起降场-起降点-末端投放点”的3层配送体系，建立了以运输成本最小、建设数量最少、网络公平性最大为目标的起降场点3层网络协同规划模型；定制设计了连续优化框架，快速实现初始解的生成、离散型变量求解及连续型变量局部优化，并基于上海市某物流数据开展协同规划模型与组合算法有效性验证。研究结果表明：提出的协同规划模型可有效实现起降场点网络的选址布局，设计的人类学习优化(HLO)算法相较于遗传算法(GA)、非支配排序遗传算法(NSGA-Ⅱ)等优化算法表现较好，经显著性检验，基于模拟退火(SA)的局部优化算法能够稳定优化约2.15%的运输成本，有效提高了规划结果的最优性；敏感性分析表明，权重设计与步长因子显著影响模型求解效果，起降场点总数的目标权重应不小于0.5，最佳步长因子设计为0.05~0.06，起降场、起降点数量的权重配置对起降点数量影响明显，起降点数量随着其权重的减少不断增加，而最优起降场数量维持不变。研究可为城市低空物流起降场点网络规划、协同运行提供决策参考。
- 交通规划 /
- 低空物流 /
- 起降场点网络 /
- 多目标优化 /
- 协同规划 /
- 低空经济 /
- 城市空中交通
Abstract: To achieve effective planning and safe operation of take-off and landing site networks for low-altitude logistics, the collaborative planning of multi-layer take-off and landing site networks for unmanned aerial vehicle (UAV) logistics in urban environments was investigated. By considering realistic factors such as UAV performance constraints and airspace restrictions and combining a three-layer distribution system of "vertihub-vertiport-terminal", a three-layer network collaborative planning model for take-off and landing sites was built to achieve minimum transportation cost, minimum construction quantity and maximum network fairness. A customized continuous optimization framework was designed to quickly realize the generation of initial solutions, solution of discrete variables and local optimization of continuous variables. The effectiveness of the collaborative planning model and the combined algorithm was validated based on logistics data from Shanghai. The results show that the proposed collaborative planning model can effectively realize the location layout of the take-off and landing site network. The designed HLO (Human Learning-based Optimization) algorithm performs better than optimization algorithms including GA (Genetic Algorithm) and NSGA-Ⅱ (Non-dominated Sorting Genetic Algorithm Ⅱ). Significance tests indicate that the SA-based local optimization algorithm can stably improve transportation cost by approximately 2.15%, effectively enhancing the optimality of planning results. Sensitivity analysis reveals that the weight design and step factor significantly affect the solution effect of the model. The weight of the total number of vertihubs and vertiports should not be less than 0.5, and the optimal step factor is between 0.05 and 0.06. The weight configuration for the number of vertihubs and vertiports notably affects the number of vertiports. The number of vertiports continuously increases with its weight, while the optimal number of vertihubs remains unchanged. The research can provide decision-making reference for network planning and collaborative operation of take-off and landing sites in urban low-altitude logistics.
- transportation planning /
- low-altitude logistics /
- take-off and landing site network /
- multi-objective optimization /
- collaborative planning /
- low-altitude economy /
- urban air mobility

HTML全文

图 1 起降场点网络体系设计

Figure 1. Design of take-off and landing sites network system

下载: 全尺寸图片幻灯片

图 2 网络OD匹配关系

Figure 2. OD matching relationship of network

下载: 全尺寸图片幻灯片

图 3 基于“环绕数”的空域限制约束处理算法

Figure 3. Airspace restriction constraint processing algorithm based on 'winding number'

下载: 全尺寸图片幻灯片

图 4 连续优化框架

Figure 4. Continuous optimization framework

下载: 全尺寸图片幻灯片

图 5 种群编码方式

Figure 5. Population coding method

下载: 全尺寸图片幻灯片

图 6 基于SA算法的起降点局部优化流程

Figure 6. Local optimization process of vertiports based on SA algorithm

下载: 全尺寸图片幻灯片

图 7 仿真场景

Figure 7. Simulation scenarios

下载: 全尺寸图片幻灯片

图 8 起降场、起降点初始解

Figure 8. Initial solutions of vertihubs & vertiports

下载: 全尺寸图片幻灯片

图 9 适应度值变化曲线

Figure 9. Variation curves of fitness values

下载: 全尺寸图片幻灯片

图 10 网络规划结果

Figure 10. Network planning results

下载: 全尺寸图片幻灯片

图 11 算法优化效果

Figure 11. Optimization effects of algorithms

下载: 全尺寸图片幻灯片

图 12 不同权重组合下的适应度值对比

Figure 12. Comparison of fitness values under different weight combinations

下载: 全尺寸图片幻灯片

图 13 步长因子敏感性分析

Figure 13. Sensitivity analysis of step factors

下载: 全尺寸图片幻灯片

表 1 国内外研究现状总结

Table 1. Summary of existing studies at home and abroad

场景	作者(年份)	研究问题	方法论	试验场景	研究不足
低空物流(载货)	He等^[12] (2022)	低空物流网络空间异质性及驱动因素	空间可视化建模、社会网络分析	杭州市核心城区	场点未分级
	张洪海等^[15] (2022)	多级垂直起降场点布局规划	整数规划建模	上海市全域	未考虑场点连通关系
	覃睿等^[16] (2024)	垂直起降场选址	聚类分析、多目标优化	天津市	场点未分级、成本设计简单、普适性不足
	任新惠等^[17] (2021)	全自动机场选址	线性规划建模、排队论	中国民航大学	忽略空域限制，普适性不足
	Shavarani等^[18] (2018)	无人机垂直起降场与充电站选址	最短路径建模、单目标优化	旧金山市	单目标优化、忽略空域限制
	Shavarani等^[19] (2021)	无人机配送设施选址优化	混合整数线性规划、双目标优化	旧金山市	场点未分级、需求未全覆盖
	Chauhan等^[20] (2019)	带容量限制的起降设施选址	整数规划、最大覆盖模型	波特兰市	场点未分级、需求未全覆盖
	Zhang等^[21] (2023)	起降点-航路协同规划	双层规划建模	南京航空航天大学将军路校区	场点未分级、场景较为简单，普适性不足
	Li等^[22] (2023)	无人机物流运输网络双层规划问题	双层规划建模	南京航空航天大学将军路校区(28个节点)	场点未分级、试验场景较为简单
低空出行(载人)	Guo等^[10](2025)	垂直起降场选址	聚类分析	慕尼黑大都市区	忽略运营影响，准确性不足、场点未分级
	Appel等^[13] (2024)	安全性、垂直起降机场位置以及飞行器载重等因素对乘客出行选择影响	问卷调查、数据分析	首尔市	样本数有限、场景较为简化
	Lee等^[14] (2023)	城市空中交通路线与垂直起降场选址设计	空间数据分析	首尔市	依赖空间数据分析，脱离实际运营需求
	Venkatesh等^[24] (2020)	郊区垂直起降场选址	混合整数规划建模、多目标优化	南佛罗里达地区	场点未分级、扩展性不足
地面交通	吴迪等^[27] (2025)	基于云仓储的物流网络节点选择	3层混合算法连续优化	数据集案例	案例场景单一，普适性有待检验
地面交通	李慧芳等^[28] (2022)	多式联运网络枢纽选址	两阶段遗传算法连续优化	23个国家骨干联运枢纽和51个区域重点联运枢纽	场景较为宏观，算法有效性对比不足
本文		3级起降设施(含枢纽) 选址	多目标优化、3层混合算法连续优化	上海市全域：200个需求点、6万余件需求

下载: 导出CSV

表 2 模型参数设置

Table 2. Model parameter settings

参数	数值
1类无人机运输单价μ₁/(元·km^-1·架次^-1)	10
2类无人机运输单价μ₂/(元·km^-1·架次^-1)	5
1类无人机单位运载量t₁/(件·架次^-1)	1
2类无人机单位运载量t₂/(件·架次^-1)	1
1类无人机最大航程L₁/km	60
2类无人机最大航程L₂/km	30
起降场容量限制α_hub/(架次·天^-1)	5 000
起降点容量限制α_port/(架次·天^-1)	1 500
需求点总数/个	200
经度最小值φ_{lon, min}/(°)	120.85
经度最大值φ_{lon, max}/(°)	122.20
纬度最小值φ_{lat, min}/(°)	30.67
纬度最大值φ_{lat, max}/(°)	31.88
运输成本目标权重ω₁	0.3
起降场点数量目标权重ω₂	0.5
网络公平性目标权重ω₃	0.2

下载: 导出CSV

表 3 HLO-SA算法参数设置

Table 3. HLO-SA algorithm parameter settings

参数	数值
种群规模M/个	100
迭代次数δ	500
随机学习概率p_r	5/n
个体学习概率p_i	0.80+2/n
步长因子θ	0.03
初始温度T/℃	100
终止温度R/℃	1
衰减系数η	0.99

下载: 导出CSV

表 4 基于HLO的起降场、起降点网络规划结果

Table 4. HLO-based planning results of vertihubs and vertiports

类别	序号	经度坐标/(°)	纬度坐标/(°)	供应点	总供应量/件
起降场	1	121.503 1	31.239 9	起降点1、2、5、6、9、14、15，共7个点	34 750
	2	121.170 4	31.307 7	起降点3、11，共2个点	10 716
	3	121.662 1	30.974 0	起降点7、8、10，共3个点	7 389
	4	121.283 9	30.945 5	起降点4、12、13，共3个点	13 915
起降点	1	121.617 9	31.269 0	末端投放点14~17、19~20、83、84，共8个点	2 018
	2	121.468 4	31.243 0	末端投放点29、30、32~36、38、40~42、44、74、76、79、193，共16个点	5 168
	3	121.205 2	31.343 2	末端投放点2、4、5、7、45~62、146、148、149，共25个点	7 611
	4	121.313 4	30.896 5	末端投放点23、25、27、63、64、66~71，共11个点	3 428
	5	121.456 8	31.238 6	末端投放点12、31、39、73、75、77、78、80、142~144、198，共12个点	4 212
	6	121.614 7	31.227 1	末端投放点82、111~113、115、131，共6个点	2 190
	7	121.720 0	31.074 1	末端投放点104、108、110、114、116~118，共7个点	1 656
	8	121.658 6	31.035 5	末端投放点106、109、119、121、122、124，共6个点	2 405
	9	121.522 7	31.175 4	末端投放点81、85~89、95、120、123、125~130、132~135、139、140，共21个点	6 569
	10	121.589 3	30.934 9	末端投放点21、22、24、26、28、105、107、136~138、141，共11个点	3 328
	11	121.097 4	31.228 9	末端投放点145、147、150~154、156~158，共10个点	3 105
	12	121.262 8	31.020 7	末端投放点90、91、159~171、175、180、182，共18个点	6 474
	13	121.168 4	31.003 7	末端投放点65、72、155、172~174、176~179、181，共11个点	4 013
	14	121.455 3	31.195 0	末端投放点37、43、92~94、96~103、183~189、199、200，共22个点	8 025
	15	121.514 5	31.308 1	末端投放点1、3、6、8~11、13、18、190~192、194~197，共16个点	6 568

下载: 导出CSV

表 5 基于SA算法的起降场、起降点局部优化结果

Table 5. Optimization results of based on SA algorithm

序号	类别	经度/(°)	纬度/(°)
1	起降点	121.613 0	31.264 1
2	起降点	121.479 8	31.254 4
3	起降点	121.191 4	31.329 4
4	起降点	121.322 3	30.905 4
5	起降点	121.448 6	31.230 4
6	起降点	121.614 8	31.227 2
7	起降点	121.705 6	31.059 7
8	起降点	121.648 9	31.025 8
9	起降点	121.518 5	31.171 2
10	起降点	121.606 3	30.951 9
11	起降点	121.135 1	31.266 6
12	起降点	121.270 0	31.027 9
13	起降点	121.152 7	30.988 0
14	起降点	121.456 1	31.195 8
15	起降点	121.502 5	31.296 1

下载: 导出CSV

表 6 SA算法优化效果显著性检验结果

Table 6. Results of significance test on optimization effect of SA algorithm

指标	数值/元	说明
优化前成本	6 960 978.87	HLO较优解输入
平均优化后成本	6 811 101.67	10次SA优化均值(±16 309.85)
平均优化量	149 877.20	相对降低2.15%

下载: 导出CSV

表 7 不同步长因子的运输成本优化效果对比

Table 7. Comparison of transportation cost optimization effect with different step factors

步长因子θ	运输成本优化比例/%	步长因子θ	运输成本优化比例/%
0.005	-1.847	0.055	-2.820
0.010	-2.059	0.060	-2.696
0.015	-2.108	0.065	-2.092
0.020	-2.263	0.070	-2.586
0.025	-2.233	0.075	-2.119
0.030	-2.101	0.080	-1.995
0.035	-2.081	0.085	-2.085
0.040	-2.392	0.090	-1.977
0.045	-2.033	0.095	-2.270
0.050	-2.675	0.100	-3.166

下载: 导出CSV

表 8 不同起降场点权重的优化效果对比

Table 8. Comparison of optimization effects of different weights of vertiports and vertihubs

权重组合[ω_hub, ω_port]	起降场数量均值	起降点数量均值	总数均值
[0.5, 0.5]	4.0	13.8	17.8
[0.6, 0.4]	4.0	18.4	22.4
[0.7, 0.3]	4.0	24.5	28.5
[0.8, 0.2]	4.0	29.0	33.0
[0.9, 0.1]	4.0	33.2	37.2
注：所有结果均为重复试验均值。

下载: 导出CSV

参考文献(32)

[1]	THIPPHAVONG D P, APAZA R, BARMORE B, et al. Urban air mobility airspace integration concepts and considerations[C]//AIAA. 2018 Aviation Technology, Integration, and Operations Conference. Reston: AIAA, 2018: 3676-3681.
[2]	SESAR. U-space blueprint[EB/OL]. (2017-07-09). https://sesarju.eu/u-space-blueprint.
[3]	李诚龙, 屈文秋, 李彦冬, 等. 面向eVTOL航空器的城市空中运输交通管理综述[J]. 交通运输工程学报, 2020, 20(4): 35-54. doi: 10.19818/j.cnki.1671-1637.2020.04.003 LI Cheng-long, QU Wen-qiu, LI Yan-dong, et al. Overview of traffic management of urban air mobility (UAM) with eVTOL aircraft[J]. Journal of Traffic and Transportation Engineering, 2020, 20(4): 35-54. doi: 10.19818/j.cnki.1671-1637.2020.04.003
[4]	廖小罕, 屈文秋, 徐晨晨, 等. 城市空中交通及其新型基础设施低空公共航路研究综述[J]. 航空学报, 2023, 44(24): 6-34. LIAO Xiao-han, QU Wen-qiu, XU Chen-chen, et al. A review of urban air traffic and its new low-altitude public route infrastructure[J]. Acta Aeronautica et Astronautica Sinica, 2023, 44(24): 6-34.
[5]	张启钱, 王中叶, 张洪海, 等. 基于SMILO-VTAC模型的复杂低空多机冲突解脱方法[J]. 交通运输工程学报, 2019, 19(6): 125-136. doi: 10.19818/j.cnki.1671-1637.2019.06.012 ZHANG Qi-qian, WANG Zhong-ye, ZHANG Hong-hai, et al. SMILO-VTAC model based multi-aircraft conflict resolution method in complex low-altitude airspace[J]. Journal of Traffic and Transportation Engineering, 2019, 19(6): 125-136. doi: 10.19818/j.cnki.1671-1637.2019.06.012
[6]	LIN TAN K L, LIM B C, PARK G, et al. Public acceptance of drone applications in a highly urbanized environment[J]. Technology in Society, 2021, 64: 101462. doi: 10.1016/j.techsoc.2020.101462
[7]	张洪海, 夷珈, 李姗, 等. 低空空域容量评估研究综述[J]. 交通运输工程学报, 2023, 23(6): 78-93. doi: 10.19818/j.cnki.1671-1637.2023.06.003 ZHANG Hong-hai, YI Jia, LI Shan, et al. Review on research of low-altitude airspace capacity evaluation[J]. Journal of Traffic and Transportation Engineering, 2023, 23(6): 78-93. doi: 10.19818/j.cnki.1671-1637.2023.06.003
[8]	张洪海, 李姗, 夷珈, 等. 城市低空航路规划研究综述[J]. 南京航空航天大学学报, 2021, 53(6): 827-838. ZHANG Hong-hai, LI Shan, YI Jia, et al. A Review of urban low-altitude route planning[J]. Journal of Nanjing University of Aeronautics and Astronautics, 2021, 53(6): 827-838.
[9]	EASA. Prototype technical design specifications for vertiports[R]. Cologne: EASA, 2022.
[10]	GUO T, WU H, ZAME S I, et al. Data-driven vertiport siting: A comparative analysis of clustering methods for urban air mobility[J]. Journal of Urban Mobility, 2025, 7: 100117. doi: 10.1016/j.urbmob.2025.100117
[11]	中国民用航空局. 民用无人驾驶航空发展路线图V1.0(征求意见稿)[EB/OL]. (2022-08-22). http://app.caac.gov.cn/HDJL/YJZJ/202208/P020220822615871900321.pdf. Civil Aviation Administration of China. Roadmap for the development of civil unmanned aircraft systems V1.0 (exposure draft)[EB/OL]. (2022-08-22). http://app.caac.gov.cn/HDJL/YJZJ/202208/P020220822615871900321.pdf.
[12]	HE H B, YE H P, XU C C, et al. Exploring the spatial heterogeneity and driving factors of UAV logistics network: Case study of Hangzhou, China[J]. ISPRS International Journal of Geo-Information, 2022, 11(8): 419. doi: 10.3390/ijgi11080419
[13]	APPEL P B, SONG Y E, RIENER A. Investigating eVTOL passenger preferences in South Korea: Safety, vertiport location, and weight[C]//IEEE. 2024 IEEE Intelligent Vehicles Symposium (Ⅳ). New York: IEEE, 2024: 3269-3275.
[14]	LEE S M, WIE S Y, HAAN C H. Noise modeling of UAM around the urban vertiport[C]//I-INCE. INTER-NOISE and NOISE-CON Congress and Conference Proceedings. Poughkeepsie: I-INCE, 2024: 500-507.
[15]	张洪海, 冯棣坤, 张晓玮, 等. 城市物流无人机起降点布局规划研究[J]. 交通运输系统工程与信息, 2022, 22(3): 207-214. ZHANG Hong-hai, FENG Di-kun, ZHANG Xiao-wei, et al. Urban logistics unmanned aerial vehicle vertiports layout planning[J]. Journal of Transportation Systems Engineering and Information Technology, 2022, 22(3): 207-214.
[16]	覃睿, 杨智博. 城区物流无人机起降场选址问题研究[J]. 科学技术创新, 2024(15): 50-54. QIN Rui, YANG Zhi-bo. Research on the location of urban UAV logistics take-off and landing field[J]. Science and Technology Innovation, 2024(15): 50-54.
[17]	任新惠, 王柳. 即时配送下无人机全自动机场分区选址模型[J]. 计算机工程与应用, 2021, 57(10): 266-272. REN Xin-hui, WANG Liu. Location model of automatic airport partitioning for unmanned aerial vehicles under urban instant delivery[J]. Computer Engineering and Applications, 2021, 57(10): 266-272.
[18]	SHAVARANI S M, NEJAD M G, RISMANCHIAN F, et al. Application of hierarchical facility location problem for optimization of a drone delivery system: A case study of Amazon prime air in the city of San Francisco[J]. The International Journal of Advanced Manufacturing Technology, 2018, 95(9): 3141-3153.
[19]	SHAVARANI S M, GOLABI M, IZBIRAK G. A capacitated bi-objective location problem with uniformly distributed demands in the UAV-supported delivery operation[J]. International Transactions in Operational Research, 2021, 28(6): 3220-3243. doi: 10.1111/itor.12735
[20]	CHAUHAN D, UNNIKRISHNAN A, FIGLIOZZI M. Maximum coverage capacitated facility location problem with range constrained drones[J]. Transportation Research Part C: Emerging Technologies, 2019, 99: 1-18.
[21]	ZHANG H H, WANG F, FENG D K, et al. A logistics UAV parcel-receiving station and public air-route planning method based on bi-layer optimization[J]. Applied Sciences, 2023, 13(3): 1842. doi: 10.3390/app13031842
[22]	LI S, ZHANG H H, YI J, et al. A bi-level planning approach of logistics unmanned aerial vehicle route network[J]. Aerospace Science and Technology, 2023, 141: 108572. doi: 10.1016/j.ast.2023.108572
[23]	LEE J, YOON D, LEE J, et al. Proposal of Seoul's UAM routes and vertiports with spatial data analysis[C]//Springer. Human-Computer Interaction (HCII 2023). Berlin: Springer, 2023: 325-340.
[24]	VENKATESH N, PAYAN A P, JUSTIN C Y, et al. Optimal siting of sub-urban air mobility (sUAM) ground architectures using network flow formulation[C]//AIAA. AIAA AVIATION 2020 FORUM. Reston: AIAA, 2020: 1-19.
[25]	KUMAR G, TANVIR O, KUMAR A, et al. Optimal drone deployment for cost-effective and sustainable last-mile delivery operations[J]. International Transactions in Operational Research, 2025, 32(6): 3259-3295. doi: 10.1111/itor.13527
[26]	YUAN Y, XU H, WANG B, et al. An improved NSGA-Ⅲ procedure for evolutionary many-objective optimization[C]//ACM. Proceedings of the 2014 Annual Conference on Genetic and Evolutionary Computation. New York: ACM, 2014: 661-668.
[27]	吴迪, 石帅杰, 张雅婷, 等. 不确定需求下基于云仓储的物流网络节点选择[J]. 交通运输工程学报, 2025, 25(2): 189-203. doi: 10.19818/j.cnki.1671-1637.2025.02.012 WU Di, SHI Shuai-jie, ZHANG Ya-ting, et al. Selection of logistics network nodes based on cloud warehousing under uncertain demand[J]. Journal of Traffic and Transportation Engineering, 2025, 25(2): 189-203. doi: 10.19818/j.cnki.1671-1637.2025.02.012
[28]	李慧芳, 胡大伟, 陈希琼, 等. 考虑碳排放的混合轴辐式多式联运网络枢纽扩增选址-路径问题[J]. 交通运输工程学报, 2022, 22(4): 306-321. doi: 10.19818/j.cnki.1671-1637.2022.04.024 LI Hui-fang, HU Da-wei, CHEN Xi-qiong, et al. Expanding hub location-routing problem for hybrid hub-and-spoke multimodal transport network considering carbon emissions[J]. Journal of Traffic and Transportation Engineering, 2022, 22(4): 306-321. doi: 10.19818/j.cnki.1671-1637.2022.04.024
[29]	李卓伦, 陆建, 王学瑞, 等. 城市物流无人机起降点与卡车停靠点协同选址方法[J/OL]. 交通运输工程学报, 2025, https://link.cnki.net/urlid/61.1369.U.20251022.1053.004. LI Zhuo-lun, LU Jian, WANG Xue-rui, et al. Collaborative location method for drone vertiport and truck parking point[J/OL]. Journal of Traffic and Transportation Engineering, 2025, https://link.cnki.net/urlid/61.1369.U.20251022.1053.004.
[30]	HUA M Z, CHEN X W, ZHENG S J, et al. Estimating the parking demand of free-floating bike sharing: A journey-data-based study of Nanjing, China[J]. Journal of Cleaner Production, 2020, 244: 118764. doi: 10.1016/j.jclepro.2019.118764
[31]	WANG L, NI H Q, YANG R X, et al. A simple human learning optimization algorithm[C]//Springer. Computational Intelligence, Networked Systems and Their Applications (ICSEE 2014, LSMS 2014). Berlin: Springer, 2014: 56-65.
[32]	裴利奇. 基于数据分析的区域快递网络选址模型与应用[D]. 上海: 上海交通大学, 2019. PEI Li-qi. Location model and application of regional express network based on data analysis[D]. Shanghai: Shanghai Jiao Tong University, 2019.