图书：《智慧物流 仓储与配送中的智能算法》

简介：本书在国内外智慧物流和智能算法相关工作的基础上,针对智慧仓储中的出人库管理、四向穿梭车系统的货位优化和订单分配、机器人拣选路径规划,以及智慧配送中的需求可拆分、车辆-无人机组合配送等问题展开研究,结合深度学习、遗传算法、粒子群算法等设计相应的模型和求解算法,为从事相关领域的科研工作者和工程技术人员提供可借鉴的理论指导。

期刊：《智慧物流技术在铁路货运系统中的研究现状及展望》

张 璐1，2，杨晓源1，2，付玉红1，2，孙西敬3，甘 蜜1，2

(1.西南交通大学 交通运输与物流学院，四川 成都 611756；2.西南交通大学 综合交通运输智能化国家地方联合工程实验室，四川 成都 611756；3.中铁第四勘察设计院集团有限公司线路站场设计研究院，湖北 武汉 430063)

摘 要：供给侧结构性改革与智慧物流技术的发展推动了铁路货运向现代物流转型升级。研究旨在通过探究新兴技术在科研与产业中的应用现状，揭示智慧物流技术在铁路货运领域的发展前景。通过系统研究智慧物流技术及铁路货运的内涵，利用文献计量分析方法全面梳理国内外文献并提取铁路货运的研究热点，前瞻性地界定了智慧铁路货运的概念；进一步，基于枢纽场站、运输通道及货运网络的层次结构对领域内的文献研究和行业应用进行梳理，明确智慧物流技术在铁路场景中的重点应用方向；最后，展望铁路货运行业的未来发展趋势：无人化自动化、数智化平台、共享协同和多网融合、集约专业和绿色可持续，研究为新时代铁路货运智慧化方案提供了前沿知识和新的见解。

关键词：智慧物流技术；铁路货运；大数据；人工智能；文献综述

0 引言

在现代社会，铁路被普遍认为是一种安全、经济且环境友好的陆上运输方式，是国民经济大动脉、重大民生工程和综合交通运输体系骨干。根据中国国家铁路集团有限公司(以下简称“国铁集团”)数据，截至2024 年底，我国铁路营业里程达到16.2 万km，其中高速铁路达到4.8 万km[1]。然而，受限于相对滞后的物流信息化建设及不成熟的资源整合调度能力，铁路货运服务难以适应市场变化和新的物流服务需求，传统铁路货运在调整运输结构、提升运能的过程中仍面临诸多挑战[2]。因此，亟需加快推动铁路货运向现代物流转型，以提升运输效率和服务质量。

当前，我国铁路正迎来由“铁路大国”向“铁路强国”转变的关键时期。为推动交通行业的创新发展，落实交通强国战略，多年来，我国持续在智慧交通、智能铁路等领域出台相关政策。2019 年9 月，国务院印发的《交通强国建设纲要》明确了发展智慧交通的目标，强调要加强大数据、互联网、人工智能、区块链和超级计算等新兴技术与交通行业的深度融合[3]。2021 年2 月，国务院印发的《国家综合立体交通网规划纲要》提出要利用新技术赋能交通基础设施发展，以提升整个交通系统的智能化水平和服务质量[4]。在此基础上，2021 年12月，国家铁路局印发的《“十四五”铁路科技创新规划》强调大力推进北斗卫星导航、5G 等前沿技术与铁路技术装备、工程建造、运输服务深度融合，以全面提升智能铁路技术水平，推动铁路高质量发展[5]。

在交通强国战略的指引下，我国铁路货运行业正加速向智慧化、高效化转型。智慧物流技术，以大数据、人工智能、云计算、物联网等新一代信息技术为核心，已深度渗透并应用于铁路货运系统中，成为推动铁路货运全面改革的强大动力，在提升运输效率、降低社会物流成本[6]、提升服务品质等方面已取得显著成效，是铁路货运创新发展和增强核心竞争力的关键所在，为构建更加高效、绿色、智能的现代化综合交通运输体系奠定了坚实的基础。

目前关于智慧物流技术在铁路货运系统中应用的系统性研究尚不充足，为了填补研究空白，系统地梳理了国内外相关文献并开展了深入研究。首先，综述了智慧物流技术的内涵，为后续研究奠定理论基础；接着，通过系统分类和梳理国内外相关文献，引入智慧物流技术在铁路货运系统中的广泛应用，并进一步研究了智慧物流背景下铁路货运系统的概念及特点；在此基础上，按照点、线、网将铁路货运系统划分为货运场站枢纽、货运通道及货运网络3 个层面，全面总结了以大数据、人工智能为核心的智慧物流技术在铁路货运系统中的研究热点问题；最后，结合研究现状及行业需求，展望了铁路货运系统的未来发展趋势，旨在推动铁路货运向更高效、智能、环保的新生态模式演进。

1 研究架构及概念界定

1.1 研究架构概述

在数字化与智能化快速发展的时代背景下，智慧物流技术在铁路货运系统中的应用成为研究热点。首先通过文献分析和总结对涉及的关键概念进行界定，接着综述智慧物流技术在铁路货运系统中的具体应用，最后全面总结未来发展趋势，文献综述框架如图1所示。

图1 文献综述框架
Fig.1 Literature review framework

1.2 智慧物流技术概述

1.2.1 智慧物流概述

智慧物流一词源自2009 年IBM 提出的“智能物流系统”概念，是指利用智能化、信息化和自动化技术形成的一种新兴物流模式。王继祥[7]将智慧物流定义为：基于物联网技术应用，实现互联网向物理世界延伸与融合创新，使物流系统具备状态感知、实时分析、精准执行、自主决策和学习提升能力的现代物流体系。

前沿的智能技术与物流领域的深度融合催生出智慧物流这一概念，作为一个动态发展的理念，学术界对此尚未有统一的定义，而是随着科技进步和社会发展持续演进。在工业4.0 与智能制造浪潮的推动下，物流4.0 的概念应运而生[8-9]，其核心是通过数字化技术构建信息物理系统，实现物流网络的自动化、智能化及实时控制。随着工业5.0的提出，数字化转型中的人机深度融合和协同工作成为焦点，Jafari 等[10]在智慧物流中嵌入以人为本、弹性和可持续性的理念，强调人机协作的普及与深化，进一步拓展了智慧物流技术的内涵与外延。

本质上，智慧物流是指采用先进技术，使整个物流系统运作如同在人的大脑指挥下，实时收集并处理信息、做出最优决策、实现最优布局，使物流系统的各组成单元实现高质量、高效率、低成本的分工、协同。

1.2.2 智慧物流技术及其分类

智慧物流的发展与智能技术的应用密不可分，为了系统梳理相关研究成果并提炼关键的智慧物流技术，总结了近年来发表的智慧物流领域的综述性论文，提炼出最广泛提及的智能技术，以便跟踪智慧物流技术的研究进展。智慧物流技术文献占比分析如图2所示。

图2 智慧物流技术文献占比分析
Fig.2 Percentage analysis of literature on smart logistics technology

综合来看，智慧物流技术涵盖了从数据采集、处理、分析到决策执行的物流全流程智能化过程[11]，集成了人工智能、大数据、物联网、自动化及无人化等先进技术[12-13]，实现了物流过程的智能化、柔性化、整合化和自组织化。王继祥[7]强调了物联网技术在实现物流系统状态感知和实时分析中的基础性作用，指出了智能硬件和传感器技术在提升物流效率方面的重要性。此外，智能机器人、无人机等智能装备的广泛应用，显著提升了物流作业的自动化与智能化水平。在工业5.0 的背景下，Winkelhaus 和Grosse[9]重点综述了虚拟现实/增强现实技术、生物技术、增材制造等人机交互技术的应用场景，在此基础上，Jafari 等[10]进一步分析了仿真及数字孪生技术的相关研究。最新的研究聚焦于大数据和人工智能技术在物流中的应用[14-15]。

通过对智慧物流技术内涵及具体应用的深入分析，根据功能特点将其分为终端技术、连接技术、自动化与无人化技术、分析与决策技术四大类，构成了智慧物流技术的核心支撑体系，为学术研究及物流行业实践提供了技术集成参考框架。其中终端技术直接与货物或运输载体交互，实现对物流过程的实时监控、定位、状态感知和初步数据处理；连接技术确保了物流信息流通和共享；自动化与无人化技术通过利用智能设备、系统和平台等软硬件，在没有或较少人工干预的情况下，实现自主执行、分析、决策；分析与决策技术通过对采集的数据进行深度分析处理以支持物流决策，主要包括大数据和人工智能等技术。多种智慧物流技术的协同作用，持续推动着物流服务的转型升级。

1.3 铁路货运概述

1.3.1 传统铁路货运概述

铁路货运以其网络覆盖广、干线运输高效、重载能力强以及环保性显著的特点，在长途和大宗货物运输领域占据明显优势[2]。传统铁路货运存在的问题主要表现为：货流与车流协同度欠佳、网络优势资源未充分利用、信息化程度不高、与其他交通方式衔接不紧等。此外，铁路货运服务体系仍有待完善，在货运时间管理和货物信息跟踪等方面，与其他运输方式相比仍存在较明显的差距。

1.3.2 铁路货运发展及变革

铁路行业的发展历程与工业革命存在紧密的内在联系。在前三次工业革命的进程中，铁路发展相应经历了从蒸汽机到电气化，再到信息化的两次重大转型。21世纪以来，随着人工智能、大数据、物联网、云计算、智能机器人等新技术及装备的蓬勃兴起，铁路行业正积极迈向网络化、智能化、智慧化的第三次转型阶段，朝着数字化铁路方向发展[16]。具体而言，智能化与智慧化的概念既相互关联又有所差异。铁路智能化强调技术层面的自动化与智能决策，而铁路智慧化则注重在整个系统层面，更强调系统的泛在联系、主动学习、自适应与创新，以实现万物互联、智能感知和智慧决策的目标。本质上，智慧化是智能化发展的高阶目标。

2009年，IBM提出了智慧铁路的发展理念，基于地球智慧战略，明确了智慧铁路发展的需求以及智慧铁路应具备的三大特征，即更透彻的感知、更全面的互联和更深入的智能化。在《“十四五”现代物流发展规划》和《“十四五”现代流通体系建设规划》的背景下，韩伯领[17]指出应着力发挥铁路现代物流高效化运输、网络化运营、敏捷化运作、便捷化服务、市场化经营及数智化赋能方面的优势。当前，铁路货运的目标已逐渐从“提升运力”转向“提升货运时效性”，正朝着现代化、智能化和绿色化的方向迈进，融合公路、水运和航空等运输方式[18]，引入先进技术，不断提升运输效率和服务水平。随着“一带一路”倡议的提出，铁路国际货运通道的建设取得了显著成效[19-20]。

2 文献计量分析

2.1 研究热点可视化

聚焦于智慧物流技术在铁路货运领域的具体应用实践，为了精准界定研究边界，在中国知网数据库及Web of Science 核心数据库中，分别以“智慧铁路”“智能铁路”和“货运”；“smart railway”“intelligent railway”和“freight”为主题词，进行了系统的文献检索。检索结果覆盖了国内外近20 年的相关研究，在剔除综述、报告和与铁路货运相关性弱的文献后，分别筛选出中文文献286 篇，英文文献820篇。

通过使用VOSviewer软件对文献题目、摘要及关键词进行分析，剔除了部分无实际意义的词，绘制出智慧铁路货运中文文献词云图如图3 所示，智慧铁路货运英文文献词云图如图4所示，图3和图4直观地展示了铁路货运研究的技术焦点。

图3 智慧铁路货运中文文献词云图
Fig.3 Word cloud map of Chinese literature on smart railway freight transport

图4 智慧铁路货运英文文献词云图
Fig.4 Word cloud map of English literature on smart railway freight transport

按照词频对中文文献中出现的智慧物流技术进行排序，图3 显示大数据、云计算、物联网、人工智能依次位列前四。图4 显示英文文献的热点词也呈现出相似的趋势，研究主要聚焦于大数据、物联网、深度学习及卷积神经网络等前沿技术领域。综上所述，在铁路货运系统中应用的智慧物流技术主要包括大数据、物联网、云计算及人工智能等，是铁路货运系统智慧化发展进程中的核心技术。

2.2 文献分类分析

2021年7月，国家发展和改革委员会印发《国家物流枢纽网络建设实施方案(2021—2025 年)》，明确将打造“通道+枢纽+网络”的现代物流运行体系作为核心任务[21]。此后，一系列政策[22-24]持续聚焦，不断强化和实施现代物流运行体系建设。因此，为了全面了解文献中智慧铁路货运的热点研究领域及应用技术，将国内外相关文献从研究场景上分为货运场站枢纽、货运通道及货运网络三大维度，并对各场景下的研究问题及应用技术进行分类和交叉分析。其中研究问题主要围绕预测、优化、评价、安全和环保等领域，应用技术主要包括人工智能算法、优化算法、大数据技术、无线通信技术及云计算技术等。将智慧铁路货运文献的研究场景、研究问题和应用技术进行交叉分析，为解决货运系统中的复杂问题提供了新的思路和方法。研究发现当前铁路货运系统研究的热点问题集中在优化和预测两大领域，文献研究应用的技术主要涉及人工智能、优化算法、大数据、云计算等。通过深入分析文献可进一步发现，在研究领域方面，优化问题聚焦于提升货运系统的效率和性能，利用先进的优化算法和人工智能技术，以确定货运站最优选址[25]、规划铁路货运路线、设计货运服务网络[26]；预测问题则聚焦于基于铁路大数据对货运需求及列车运行时间进行预测。在应用技术方面，机器学习、神经网络、深度学习等前沿算法是研究热点。

3 智慧物流背景下的铁路货运研究

3.1 铁路货运智慧化概述

铁路货运系统作为现代物流体系的重要组成部分，其数字化发展离不开智慧物流技术的融合应用。近年来，众多学者在铁路货运智慧化建设方面进行了研究[27-29]，为智慧铁路发展提供了学术支持。秦勇等[30]定义了智能铁路2.0，其融合了信息通信、人工智能、物联网、大数据、机器人等先进技术，强调自主感知、自主学习、自主决策和自主控制；王同军[31]指出发展智慧铁路有助于实现铁路货运智能化建设中对于算力、精度和实时性的高标准要求，实现铁路建设、运输全过程的高度信息化、自动化、智能化。

通过整合分析相关文献和政策，对智慧物流背景下铁路货运系统的概念提出如下界定：智慧铁路货运系统是从铁路货运系统规划层、建设层、运营层和评估反馈层全生命周期出发，充分应用物联网、云计算、卫星定位导航、视觉识别、人工智能等新一代信息技术，在铁路货运物流大数据的驱动下，针对铁路货运生产过程中涉及的多种复杂场景，有机融合智慧物流终端技术、连接技术、自动化与无人化技术、分析与决策技术，实现运营数智化、无人化，决策智能化、高效化的新一代铁路运输系统。基于以上定义，进一步将该系统特点总结为以下4 点：技术深度融合、数据精准驱动、场景灵活适应、运营高效智能。

通过系统梳理并提炼智慧物流技术在铁路货运场站、通道及网络研究场景下的关键问题，重点关注大数据、人工智能、云计算等关键的智慧物流技术在铁路货运系统中的应用，同时深入剖析智慧物流技术应用的成效与优势。智慧铁路货运系统研究场景及问题如表1 所示，表1 展示了智慧物流技术在铁路货运场站、铁路货运通道以及铁路货运网络3个研究场景中的主要研究问题。

表1 智慧铁路货运系统研究场景及问题
Tab.1 Research scenarios and issues in smart railway freight transport system

3.2 智慧铁路货运场站

国家综合货运枢纽作为国家综合立体交通网的关键节点，在优化运输结构、提升综合交通运输网络效率和构建现代综合交通运输体系中发挥着重要作用。近年来，随着智慧物流技术的快速发展，学术界和产业界开始关注铁路场站的智慧化建设，同时意识到港口在海铁联运体系中的核心地位，海铁联运模式日益受到重视，成为综合货运体系中的重要力量。在智慧铁路货运场站建设中，人工智能[32-33]、大数据[34]、物联网[35-36]、云计算等智慧物流关键技术的应用显著提升了作业效率。研究将重点探讨铁路货运基础设施选址、智能装卸作业、智能调度指挥与生产组织等方面的应用。铁路货运设施选址问题是铁路货运业务开展的基础条件；当选址确定后，智能装卸作业为货物在场站内的高效流转提供了保障；在前两者基础上，智能调度指挥与生产组织将货物、车辆及人员整合起来，使场站枢纽内部各作业环节紧密衔接，推动了整个场站生产组织作业的高效运行。

3.2.1 铁路货运基础设施选址

在铁路基础设施的选址问题中，大数据和人工智能等智慧物流关键技术的应用显著提升了决策效率和选址精度。

选址的初期阶段，大数据技术主要用于整合多源数据，为选址模型提供基础数据支持。Yao 等[37]基于快递货运量、碳排放量等数据，提出了一种考虑节点中心性、碳排放和时效性的空铁联运节点规划模型。类似地；Ou 等[38]基于京津冀地区的公路货运量和铁路站点数据，利用大数据技术识别货运需求热点，并构建了公铁联运枢纽选址框架。

选址模型构建和优化阶段，人工智能技术的应用显著提升了对复杂非线性关系和多目标问题的建模能力。郑倩等[25]开发了一种基于深度学习的高速铁路货运站选址方法，利用LSTM 和Dense 堆叠模型，结合遗传算法优化模型超参数，显著提高了选址方案的精度和可靠性；王浩等[39]针对山区铁路物流基地的特殊性，构建了多因素综合评价指标体系，设计的两阶段分布鲁棒优化模型能够有效应对需求不确定性带来的风险。

当前研究聚焦于利用大数据技术为选址决策提供精确数据支持，利用人工智能技术优化模型结构和参数，实现了选址方案从静态到动态、从单目标到多目标的跨越。大数据与人工智能技术在处理复杂数据与优化选址模型中的应用，推动了铁路基础设施选址从传统优化模型向智能化、数据驱动模式的全面转型。

3.2.2 智能装卸作业

智能装卸作业领域的研究聚焦于仓库、码头等相对较小的操作空间，利用先进的设备和技术实现货物高效、准确的装卸作业。多种智慧物流技术协同作用于铁路货运装卸环节，显著提升了作业效率与安全性。

机器视觉识别、北斗卫星导航系统及传感器技术被广泛用于装卸设备的状态感知与实时定位，以确保装卸作业的精确性和安全性。Huang 等[40]设计了一种基于视觉检测技术的集装箱装卸防吊起系统，结合卷积神经网络和传统图像处理算法，实现了吊装作业中潜在事故的自动、精准识别与预警。此外，自动化岸桥和自动导引车被广泛应用于智慧铁路港的装卸和水平运输场景中，显著提高了货物装卸的效率。

物联网和无线通信技术为装卸设备之间的实时信息共享提供了技术支持。Zhang[41]提出了一种基于移动云边缘计算的双层策略卸载算法，有效提升了铁路物流中心车载设备及专用移动设备的智能化水平和信息传输效率。此外，基于5G 的远程控制技术已应用于铁路货运场站的吊机作业，实现了现场作业无人化，有效降低人力成本并提高作业安全性[42]。

人工智能技术实现了装卸作业方案的智能生成与动态优化。Jiang[43]提出了一种改进BP神经网络，用于检测集装箱平车F-TR 锁防勾连，为铁路集装箱场站的智能化装卸提供了安全保障；黄敏珍等[42]提出5G 技术与人工智能技术的融合应用可实现自动生成高效、低成本的集装箱装箱方案，进一步提升集装箱装卸作业的自动化水平。

智慧物流技术的应用进一步推动了铁路货运场站装卸作业的智能化发展，通过多传感器融合感知和多源数据协同处理，实现各作业环节精准对接，提升港口与铁路间货物的流转效率，为铁水联运场景下的高效物流提供了技术保障。

3.2.3 智能调度指挥与生产组织

铁路场站智能调度指挥与生产组织领域强调在货运站、铁路港等大范围的操作空间，深度融合多种智慧物流技术，实现资源的优化配置与系统间的高效协同，推动铁路场站枢纽的全局规划与精准协调。

在铁路智能调度指挥领域，智能调度集中系统(CTC)在实现列车精准调度、提高运输效率、保障列车安全等方面起着至关重要的作用[44]。宋鹏飞等[45]指出，智能调度集中系统应具有列车调度调整智能化、多系统数据融合、列车安全卡控多样化等特征。智慧物流技术作为核心驱动力，推动着智能调度系统从信息化、自动化向智能化转型。北斗卫星导航系统实现了车辆和箱区箱位的精准定位，结合图像识别技术动态监测堆箱资源，实现海量数据收集，为调度决策提供实时状态数据支持[42]。物联网技术用于实现设备状态的实时监控与数据传输，提升调度指挥效率。此外，基于人工智能算法的智能调度系统能够基于实时列车运行数据和货物需求数据动态调整列车运行计划，提高调度的灵活性和运营效率。李军等[46]构建的智能综合调度系统集成了大数据分析与深度学习技术，实现了运输计划在生产全过程的自动化下达与管控，显著提高了调度灵活性与执行效率。靳俊等[47]对重载铁路列车运行图智能调整等功能进行深度优化，提升了运输效率和行车安全，拓展了CTC 系统在信息化、智能化、自动化方面的研究思路。

在现代铁路港生产组织智能化进程中，设备管理控制系统(ECS)和码头生产管理系统(TOS)是核心支撑，应用物联网、大数据和人工智能等智慧物流技术，进一步提升了港口与铁路间货物衔接的效率与安全性。ECS通过集成物联网、大数据分析技术及人工智能算法，实现了自动化设备间的自主感知、协调作业与智能决策，提升了作业效率与安全性；TOS 通过动态分析船舶到港及外集卡作业信息，制定资源配置计划并优化作业流程。两者的协同作业确保了港口与铁路货运场站的高效联运。此外，智能化安全管理的引入进一步保证了铁路货运场站的运营安全。黄嘉怡等[48]提出的基于深度学习的铁路货场作业安全监管系统，能够精准识别铁路货场中的静态和动态不安全状态。智能化的安全监控技术弥补了传统人工监控的不足，保障了场站作业人员和货物的安全。

综上所述，物联网、大数据、人工智能等技术在铁路货运场站的应用提升了数据交互的实时性和协同性。目前铁路货运场站的智慧化建设取得了显著进展，尤其在基础设施选址和生产作业流程优化等关键领域，智慧物流技术的广泛应用显著提升了作业效率和决策质量。尽管如此，铁路货运生产作业全过程的智能化和智慧化尚未实现，智慧物流技术仅集中应用于特定环节，未来仍需要克服数据孤岛、标准化建设、系统集成等挑战。

3.3 智慧铁路货运通道

铁路货运通道作为连接各场站枢纽的关键线路，其效率的高低直接影响了铁路货运网络的整体效能。加强铁路货运通道的智能化建设，有助于推动国内国际双循环、促进经济高质量发展。研究将探讨智能选线、列车运行时间及延误时间预测、列车运行图编制以及智能列控等方面的应用。智能选线是铁路货运通道规划建设的首要环节，为列车安全高效运行奠定基础；在线路确定后，列车运行时间及延误时间的预测是通道线路运营调度的关键决策依据，有助于保障货物运输的时效性；基于时间预测结果，合理编制列车运行图确保了列车运行的高效性和协调性；在列车实际运行过程中，智能列控为列车的安全高效运行提供了坚实保障，有助于维持货运通道的稳定运行。

3.3.1 智能选线

铁路智能选线研究正经历从经验导向向数据驱动的转变，逐渐形成了全面、动态、高效的铁路线路规划方案。在铁路智能选线环节，首先借助地理信息系统和北斗导航系统获取精准的地形地质及地理坐标信息[49]，同时通过物联网及无线通信技术实时传输共享线路规划数据，最后利用大数据和人工智能技术做出优化决策。

在铁路线路规划领域，早期的研究聚焦于利用启发式算法提升线路规划效率[28，50]。然而，面对山区运输需求增加、地形复杂及地质灾害频发等挑战，线路优化问题逐渐从仅考虑经济性的单一经济目标，转向综合考虑经济性、安全性和环境友好性等多因素的多目标优化问题[51-54]，人工智能算法的应用显著提升了线路规划的科学性和准确性。Gao等[49]结合深度强化学习算法与人为经验来优化山区铁路线路设计，最大限度降低了建设成本。He等[52]综合考虑了经济效益与环境效益，提出了一种多目标深度强化学习框架的新型高铁线路优化模型，有效地减少了全生命周期碳排放。

3.3.2 列车运行时间及延误时间预测

精准预测列车运行时间和延误时间，对于分析列车运行规律和延误规律至关重要。在列车运行时间预测时，传感器和机器视觉识别等技术被用于实时采集列车运行状态、沿线天气和设备状态等数据，物联网及无线通信技术用于列车运行数据实时传输，此外，大数据及人工智能技术用于挖掘列车运行数据的关键特征，进而优化预测方法、提升预测精度。Barbour 等[55]基于实时更新的列车运行数据，提出了一种基于数据驱动的机器学习方法，提高了货物列车的到达时间预测的准确性。结合天气数据、历史列车延误记录和列车运行图数据，Wang 等[56]开发了一个基于机器学习的列车延误预测模型，提高了延误预测的准确性，并提出了“关键延误车站”和“时间间隔阈值”的概念，进一步量化列车延误传播风险；Cerreto 等[57]则利用K-means聚类分析来识别出特定站点或特定天气条件下的列车延误模式。Huang 等[58]结合全连接神经网络和两个长短期记忆网络开发了一个预测列车延误时间的深度学习模型，与目前的先进模型相比，预测精度提升了9.4%。

3.3.3 列车运行图编制

在列车运行图编制领域，大数据及人工智能技术常用于智能编制列车运行图，以提升决策效率和准确性。Ghofrani 等[34]指出，利用列车运行控制记录数据编制和调整列车运行图是大数据分析技术和人工智能算法在铁路货运通道管理运营中的一项关键应用。Khadilkar[59]利用一种可扩展的强化学习算法来处理现实中大型的单/双线铁路调度问题，其求解质量优于传统的启发式算法。Peer等[60]将列车调车问题建模为马尔可夫决策过程，并通过深度强化学习解决了列车单元调车的复杂顺序决策问题，显著提高了计划的一致性和可预测性。Salsingikar等[61]提出了一种基于强化学习开发的启发式算法，优化了高拥堵情况下的列车运行图编制问题。蒋辉等[62]基于人工智能技术构建了列车运行图智能编制总体框架，并提出需重点突破的关键技术，为列车运行图智能编制技术发展提供了参考依据。深度强化学习因其良好的可扩展性和适应性，在列车运行图编制中发挥着重要作用。

3.3.4 智能列控

智能铁路列控系统对于提升列车运行自动化水平以及列车运行效率至关重要。通过传感器采集数据，实时分析列车位置、速度及列车间距等信息，监测列车运行状态；结合无线通信技术和数据处理技术，实现列车间的实时信息交换，有效提升列车运行的自动化和智能化。

早期研究致力于通过传统信号处理和滤波技术提升列车控制系统的性能[63-64]。近年来，基于深度学习的人工智能算法被广泛应用于列车智能控制。Zhang 等[65]提出了一种基于车对车通信的新型列车控制系统，利用两阶段深度Q学习算法来实现协同列车编组，以实现更灵活的列车运行模式。

2020年，国铁集团发布的《新时代交通强国铁路先行规划纲要》提出创新应用空天地一体化和智能化装备技术[66]。随着北斗卫星导航技术、5G 通信、大数据、人工智能等新技术的成熟应用，国铁集团正组织研发更高效、更智能、更环保的新型列控系统[67]。

综上所述，智慧物流技术在铁路货运通道中的应用涵盖了智能选线、列车运行时间及延误时间预测、列车运行图编制以及智能列控等关键环节。将智慧物流技术应用于铁路货运通道场景中，实现了资源数字化与状态感知、数据交互与协同、智能优化与预测等功能。然而现有研究主要集中于特定技术环节，未来应更多地关注铁路货运组织的特征，以开发更适合铁路货运的技术和方法。

3.4 智慧铁路货运网络

铁路货运网络是由多个枢纽站点和货运通道构成的复杂系统。智慧物流技术在此层面的应用聚焦于货运需求预测、物理网络设计、服务网络设计与经营管理、网络效能评估及提升等方面，以实现铁路网络的智能化管理与效能提升。多种智慧物流技术的融合应用为铁路货运网络智慧化发展提供数据及技术支撑，尤其是大数据和人工智能技术的应用，为铁路货运网络的优化和预测问题提供了新的解决路径。货运需求预测是网络规划与运营的基础环节；进而根据需求预测结果设计满足货运需求、高效联通的物理网络；在此基础上，设计以提供优质、高效货运服务为目标的服务网络；基于网络运作过程中出现的问题，评估及提升网络性能，增强网络对动态变化的货运需求的适应性。

3.4.1 货运需求预测

铁路货运网络的高效运作与市场需求紧密相关，利用智慧物流技术精准预测铁路货运量有助于推动铁路货运网络智能化发展。预测方法可分为基于统计学的时间序列预测方法和基于人工智能算法的智能预测方法。近年来，深度学习下的神经网络由于其卓越的预测精度，吸引了大量关注和研究[68-70]。Guo 等[68]、Yang 等[27]分别基于遗传算法改进的广义神经网络和BP 神经网络对全国铁路货运量进行了预测。Wang 等[69]结合灰色关联分析、广义神经网络和遗传算法的铁路货运量预测模型，提升了模型的收敛速度，提高了预测准确性。程肇兰等[70]应用LSTM神经网络结合第二产业增加值、第一产业总产值、铁路运营里程、公路货运量等因素对铁路货运量进行预测。进一步，Peng等[71]创新性地开发了一种基于图神经网络的预测模型，该模型通过ARMA 图卷积层和门控循环单元精准预测铁路冷链货物的短期需求。考虑到冷链运输的能耗问题，Li等[72]基于我国铁路冷链的详细运单数据，提供了一种铁路冷链运输能源消耗的计算方法，为制定节能减排政策提供了科学依据。采用时间序列的预测方法容易忽略部分信息间的关联性，相较而言，基于人工智能算法的预测方法通过对神经网络参数进行优化，能够显著提升铁路货运量预测的精度。实现铁路货运量的精准预测为铁路资源优化配置和网络规划提供了科学依据。

3.4.2 物理网络设计

铁路货运物理网络设计本质上是一个多目标优化问题，涉及线路布局及节点连接等子问题，是交通运输领域的经典问题。随着绿色交通理念的普及，更多研究开始通过改进算法来优化铁路网络，从而实现减少碳排放的目标。Yao 等[37]建立了一种新的货运网络设计模型，旨在优化空铁联运网络的成本并最小化碳排放，为空铁快运网络的战略规划和建设提供支持方案。Behiri等[73]利用启发式算法，在现有客运铁路网络中整合货运服务，提出了一个环保型城市货运替代方案。进一步，Gan 等[74]通过分析高速铁路运营对区域二氧化碳排放的影响，揭示了铁路货运系统在实现绿色低碳发展中的潜力与挑战。

3.4.3 服务网络设计与经营管理

服务网络设计与运维管理是铁路货运网络中面向客户的核心环节。在基础理论方面，张玉召[75]概述了快捷货运服务网络设计的研究现状，提出在服务网络设计中需要考虑网络的路径规划、流量分配等内容，奠定了服务网络设计的研究基础框架。在算法优化方面，Li等[76]提出了一种新的混合启发式算法，结合了粒子群优化的快速收敛特性和遗传算法的全局搜索能力，解决了铁路冷链服务网络设计问题。Gan等[77]基于改进的STIRPAT模型提出了考虑减少能耗和温室气体排放的铁路冷链服务网络优化模型。以上研究为具体应用场景下的服务网络设计及优化问题提供了创新性的方法。

铁路智能共享平台可通过集成终端、连接、自动化与无人化、分析与决策等技术，实现数据的统一管理和灵活调度[78]。依托铁路大数据，铁路货运经营管理的研究聚焦于数据服务、精准营销以及智能化经营等领域。在精准营销方面，通过分析预售期、开行时段及线路运营等数据制定差异化货运价格。钟雁等[79]通过挖掘铁路货票数据，对铁路货运客户按其对铁路贡献度的大小进行精准细分，并进一步制定了不同的优惠措施，为铁路货运营销部门提供了决策依据。在智能化经营方面，通过深度整合铁路运输生产与多元经营数据资源，全面拓展土地综合开发、信息资源、工业制造、资本运营等重点领域，为提高经营开发能力和经济效益提供大数据应用服务。

3.4.4 网络效能评估及提升

铁路货运网络的效能评估与提升涉及稳定性、安全性及韧性优化，为应对突发事件提供理论和实践支持，人工智能技术的应用显著提升了网络效能评估效率。Qiu[80]基于自学习信任算法，致力于增强系统安全性并降低潜在风险，同时强调网络安全和零信任架构的重要性。Zhu 等[81]利用深度强化学习提高了云服务的可靠性和故障恢复效率，保障铁路货运网络稳定运行。近年来，众多学者开始关注铁路货运网络的韧性的提升[82-85]，为铁路风险管理提供了一个综合视角，为铁路网络在面对随机中断时的运营提供了理论和实践指导。

综上所述，智慧物流技术的应用推动了铁路货运网络的智慧化建设，铁路货运云平台的安全性与数据隐私性将成为持续关注的焦点。未来仍需要针对货物类型差异、考虑货运周期性波动、市场动态变化及突发事件等因素进行深入研究。

4 未来发展趋势

在全球智能化浪潮的推动下，铁路货运正迎来历史性的机遇与变革。智慧物流技术的广泛应用，正推动着铁路货运从传统模式向现代物流体系转型升级。在归纳总结智慧物流技术完整架构并系统分析其在铁路货运领域应用的主要维度的基础上，提炼出未来智慧铁路货运系统的发展方向，这些技术与应用场景相结合的新质生产力将助力铁路货运系统在新一轮货运改革和运输市场转型的政策背景下，找到新的增长极。

4.1 智能化技术驱动下的无人化自动化新生态

自动化及无人化等智能化技术在铁路货运领域的落地应用，将逐步引领铁路物流的无人化、少人化趋势。鞍钢集团有限公司引入“FAD型货运站场自动驾驶系统”，成功实现无人驾驶铁路货车编组。此外，无人化技术在集装箱空重识别、车号识别等物流场景中也得到应用。随着智慧口岸的发展，港口信息化、智能化水平不断提升，铁路货运场站逐步与全自动化码头实现同质化的服务水平，以实现更紧密的互联互通和更高效的多式联运。未来，铁路货运场站将以智慧口岸为引领，开发融合多种智慧物流技术的智能运维和管控平台，实现铁路货运全流程的自动化和智能化。

4.2 大数据和人工智能技术驱动下的数智化平台新业态

铁路大数据作为智慧物流大数据体系的重要组成部分，是推动铁路货运数智化转型升级的核心力量。货运票据电子化、多式联运及国际联运无纸化等举措，展现了传统货运向数字化转型的积极探索[86]。未来的智慧物流大数据系统应涵盖多种运输方式，集成公路、铁路、水运以及航空等海量多源数据，打通多式联运全程物流业务数字链，实现智能运营、管理、决策和运维一体化。

随着人工智能技术日趋成熟，深度学习和自然语言处理技术得到飞速发展，铁路货运领域正迎来由垂直大模型驱动的新趋势。铁路自然语言大模型将在提高铁路运输效率、保障运营安全等方面发挥重要的科技赋能作用[87]。铁路货运垂直大模型通过深度融合大数据、物联网及人工智能等前沿技术，实时解析海量运营数据，为运输组织协调、智能化运营管理、精准货运需求预测、安全保障及风险管理等环节提供智能决策支持。数字孪生技术也在铁路智能建造、智能装备、智能运营等领域开展探索性应用。数字孪生技术通过对实体系统的实时映射与精准模拟，可应用在施工进度仿真、虚拟编组、设备状态监测等多样化场景。未来，铁路物流将逐步实现关键业务形成无缝衔接的数字链、复杂决策问题具备人工智能算法和大模型引擎、重要业务场景和未来趋势推演实现数字孪生、运维管控全程一体化平台系统支持，逐步实现铁路货运向数智化现代物流发展，提高运营效率和服务质量。

4.3 多元技术融合驱动下的客货共运和多网融合新模式

深度融合应用人工智能、大数据、云计算、物联网等智慧物流技术，有助于实现客流与物流信息的精准对接与高效协同，构建多层次、一体化的多网融合轨道交通模式，促进形成共享协同和多网融合的铁路货运新模式。

高铁快运的共享协同模式将成为推动铁路货运行业转型升级、实现高质量发展的重要途径。在高铁快运具体实践中，以成都双流西站等为代表的先行车站已迈出重要步伐，但仍需向全自动化、智能化方向迈进。未来可以引入先进的自动化装卸设备，进一步实现无人化，以提升装卸效率与作业精度。同时，运用人工智能等技术，考虑物流成本和效率双优化，解决货源组织、运力资源优化配置及客货作业冲突等问题，逐步实现铁路快捷物流班列开行市场化，将是提升铁路物流服务质量、实现高品质发展的关键所在。

目前，多网融合的综合轨道交通模式在客运领域的应用已较为成熟，但是在货运领域的应用尚处于起步阶段，亟需开展深入的研究和实践探索。随着技术的不断进步与政策的持续引导，未来将有更多创新性的货运解决方案涌现，如智能物流枢纽、多式联运平台等，以实现不同轨道交通系统间的无缝换乘与高效协同，推动货运领域的多网融合迈向新高度。另外，“轨道运输+低空”等新型货运模式正逐步成为未来物流运输的重要选择，未来应在铁水、公铁、空铁、管铁多种联运场景下和自动驾驶、虚拟编组、地铁物流、低空运输等多种新型技术和模式融合下，支撑基于智慧物流理念的全程智能铁路物流系统的发展。

4.4 多元技术融合驱动下的集约专业和绿色可持续新方向

5G 通信、物联网、云计算及大数据等智慧物流技术的融合应用，有助于实现对铁路货物全流程的可视化和智能化，进一步推动铁路货运朝集约专业、绿色可持续的方向发展。张义川等[88]提出了一种融合物联网和地理信息系统的货运列车远程监测分析系统，通过物联网技术采集货物的位置、状态和运输环境数据，结合地理信息系统技术实现对货物运输的实时追踪查询。临沂济铁物流园融合智慧仓储和冷链物流多项技术，对冷链货物的物流信息进行集中采集管理，有利于充分发挥铁路能耗低、污染小的优势，构建更加集约专业、绿色低碳的物流体系。此外，由极端气候导致的铁路系统中断事件频发，铁路部门应积极引入先进的风险评估与管理系统，结合人工智能和大数据技术，实现灾害精准预警与应急响应，以应对潜在的自然灾害和人为干扰、提升铁路货运系统韧性。因此，未来铁路部门应通过技术创新、管理优化和政策引导等方式，推进构建国内国际双循环的发展格局，实现铁路货物集约、绿色、高效流通。

5 结论

基于智慧物流技术视角，深入剖析了铁路货运系统前沿应用，旨在为铁路货运智慧化方案提供前沿知识和新的见解。首先开展了智慧物流技术的分类研究，将其按功能特点分为终端技术、连接技术、自动化与无人化技术、分析与决策技术，为技术应用提供了清晰框架；其次，全面梳理文献热点研究词、交叉分析智慧物流技术和铁路货运应用场景，提炼出智慧铁路货运的四大典型特征：技术深度融合、数据精准驱动、场景灵活适应及运营高效智能，为铁路货运智慧化发展提供了明确方向；进一步，深入研究了智慧物流技术在铁路货运系统中的多样化应用，其中机器视觉识别及传感器等技术应用于实时采集列车运行数据及天气数据等信息、实现设备状态感知和精准定位，物联网及无线通信等技术应用于实时信息共享和数据传输，大数据及人工智能等技术应用于挖掘铁路货运特征、助力智能决策；最后，系统分析了智慧物流技术在铁路货运系统中的应用前景，提出了数智化无人化、垂直大模型驱动、共享协同和多网融合、集约专业和绿色可持续的未来发展趋势。

参考文献：

[1] 中国政府网. 2024 年中国投产高铁2 457 公里[EB/OL] .(2025-01-03)[2025-02-12] . 

[2] 郭 云. 基于现代物流理念发展铁路物流[J] . 北京交通大学学报(社会科学版)，2021，20(1)：95-104.GUO Yun.Development of Railway Logistics Based on Modern Logistics Concepts[J] . Journal of Beijing Jiaotong University(Social Sciences Edition)，2021，20(1)：95-104.

[3] 中国政府网. 中共中央、国务院印发《交通强国建设纲要》[EB/OL] . (2019-09-19)[2025-02-12] .

[4] 中国政府网. 中共中央、国务院印发《国家综合立体交通网规划纲要》[EB/OL] . (2021-02-24)[2025-02-12] . 

[5] 国家铁路局. 国家铁路局关于印发《“十四五”铁路科技创新规划》的通知[EB/OL] . (2021-12-23)[2025-02-12] .

[6] 曲思源. 铁路货运组织与物流管理[M] . 杭州：浙江大学出版社，2022.

[7] 王继祥. 智慧物流发展路径：从数字化到智能化[J] . 中国远洋海运，2018(6)：36-39.

[8] WANG K. Logistics 4.0 Solution：New Challenges and Opportunities [EB/OL] .(2021-12-23)[2025-02-12] .

[9] WINKELHAUS S，GROSSE E H.Logistics 4.0：A Systematic Review Towards a New Logistics System[J] .International Journal of Production Research，2020，58(1)：18-43.

[10] JAFARI N，AZARIAN M，Yu H. Moving from Industry 4.0 to Industry 5.0：What are the Implications for Smart Logistics？[J] .Logistics，2022，6(2)：26.

[11] FENG B，YE Q. Operations Management of Smart Logistics：A Literature Review and Future Research[J] . FRONTIERS OF ENGINEERING MANAGEMENT，2021，8(3)：344-355.

[12] ZHU Y，CHENG J，LIU Z，et al. Production Logistics Digital Twins：Research Profiling，Application，Challenges and Opportunities[J] . Robotics and Computer-Integrated Manufacturing，2023，84：102592.

[13] OLADIMEJI D，GUPTA K，KOSE N A，et al. Smart Transportation：An Overview of Technologies and Applications[J] .Sensors，2023，23(8)：3880.

[14] CHUNG S-H. Applications of Smart Technologies in Logistics and Transport：A Review[J] .Transportation Research Part E：Logistics and Transportation Review，2021，153：102455.

[15] FLORES-GARCÍA E，HOON KWAK D，JEONG Y，et al.Machine Learning in Smart Production Logistics：A Review of Technological Capabilities[J] . International Journal of Production Research，2024：1-35.

[16] 单馨漪，郭梓烨，官 科，等. 铁路通信数字化转型发展策略研究[J] . 铁道通信信号，2024，60(9)：1-10.SHAN Xinyi，GUO Ziye，GUAN Ke，et al. Research on Digital Transformation and Development Strategy in Railway Communications[J] . Railway Signalling & Communication，2024，60(9)：1-10.

[17] 韩伯领. 铁路现代物流体系架构设计及实施路径研究[J] .铁道运输与经济，2024，46(3)：1-10.HAN Boling. Research on Architecture Design and Implementation Path of Modern Railway Logistics System[J] .Railway Transport and Economy，2024，46(3)：1-10.

[18] 王 超，怀 旭，伍佳妮. 公铁联运下我国中西部地区低碳运输实证研究[J] . 交通运输系统工程与信息，2023，23(4)：24-33.WANG Chao，HUAI Xu，WU Jia’ni. Empirical Study on Low-carbon and Rail-Road Intermodal Transport in Middle West China[J] . Journal of Transportation Systems Engineering and Information Technology，2023，23(4)：24-33.

[19] 庄 河. 铁路货运高质量发展策略研究[J] . 铁道运输与经济，2022，44(1)：1-6.ZHUANG He.Research on High-Quality Development Strategy of Railway Freight Transportation[J] . Railway Transport and Economy，2022，44(1)：1-6.

[20] 韩 驹. 中欧班列的发展为我国铁路货运带来的机遇与挑战[J] . 铁道建筑技术，2019(5)：154-157.HAN Ju.Analysis of Opportunities and Challenges on Chinese Railway Freight Transport Owing to Development of China-Europe Railway Express[J] .Railway Construction Technology，2019(5)：154-157.

[21] 国家发展和改革委员会. 国家发展改革委印发《国家物流枢纽网络建设实施方案(2021—2025 年)》[EB/OL] .(2021-7-20)[2025-02-12] .

[22] 中国政府网. 关于支持国家综合货运枢纽补链强链的通知[EB/OL] . (2022-6-30)[2025-02-12] . 

[23] 云南省人民政府门户网站. 云南省人民政府办公厅关于印发云南省“十四五”现代物流业发展规划的通知_云政办发[EB/OL] . (2022-08-09)[2025-02-12] . 

[24] 重庆市人民政府网. 重庆市人民政府办公厅关于印发重庆市现代物流业发展“十四五”规划(2021—2025年)和重庆市口岸发展“十四五”规划(2021—2025年)的通知[EB/OL] .(2022-01-19)[2025-02-12] . 

[25] 郑 倩，甘 蜜，姚 竹，等. 面向高速铁路货运站选址的深度学习模型研究[J] . 铁道学报，2024，46(6)：36-45.ZHENG Qian，GAN Mi，YAO Zhu，et al.Research on Deep Learning Model for Location of High Speed Railway Freight Stations[J] .Journal of the China Railway Society，2024，46(6)：36-45.

[26] XIN X. Service Network Design for Freight Railway Transportation：The Chinese Case[J] . PLos One，2022，17(12)：e0276671.

[27] YANG C， LI X. Research on Railway Freight Volume Prediction Based on Neural Network[J] .E3S Web of Conferences，2020，143：01050.

[28] WANG R，ZHANG Z，WANG L，et al.Resource-Expandable Railway Freight Transportation Routing Optimization[J] . IEEE Access，2019，7：161607-161620.

[29] BABABEIK M， NASIRI M M， KHADEMI N， et al.Vulnerability Evaluation of Freight Railway Networks Using a Heuristic Routing and Scheduling Optimization Model[J] .Transportation，2019，46(4)：1143-1170.

[30] 秦 勇，孙 璇，马小平，等. 智能铁路2.0 体系框架及其应用研究[J] . 北京交通大学学报，2019，43(1)：138-145.QIN Yong，SUN Xuan，MA Xiaoping，et al.Research on the Architecture of Intelligent Railway 2.0 and its Applications[J] .Journal of Beijing Jiaotong University，2019，43(1)：138-145.

[31] 王同军. 智能铁路总体架构与发展展望[J] . 铁路计算机应用，2018，27(7)：1-8.WANG Tongjun.Overall Framework and Development Prospect of Intelligent Railway[J] . Railway Computer Application，2018，27(7)：1-8.

[32] BEŠⅠNOVⅠĆ N，DE DONATO L，FLAMMINI F，et al.Artificial Intelligence in Railway Transport：Taxonomy，Regulations， and Applications[J] . IEEE Transactions on Intelligent Transportation Systems， 2022， 23(9)：14011-14024.

[33] TANG R， DE DONATO L， BES˘ⅠNOVⅠĆ N， et al. A Literature Review of Artificial Intelligence Applications in Railway Systems[J] .Transportation Research Part C：Emerging Technologies，2022，140：103679.

[34] GHOFRANI F，HE Q，GOVERDE R M P，et al. Recent Applications of Big Data Analytics in Railway Transportation Systems：A Survey[J] . Transportation Research Part C：Emerging Technologies，2018，90：226-246.

[35] 马 俊. 物联网在铁路运输上的应用研究[J] . 工程学研究与实用，2022(3)：66-68.MA Jun. Research on the Application of the Internet of Things in Railway Transportation [J] . Engineering Science Research &Application，2022(3)：66-68.

[36] 缪炳荣，张卫华，刘建新，等. 工业4.0 下智能铁路前沿技术问题综述[J] . 交通运输工程学报，2021，21(1)：115-131.MIAO Bingrong，ZHANG Weihua，LIU Jianxin，et al.Review on Frontier Technical Issues of Intelligent Railways under Industry 4.0[J] .Journal of Traffic and Transportation Engineering，2021，21(1)：115-131.

[37] YAO Z，GAN M，LI X，et al. Strategic Plan for China’s Air High Speed Rail Express Freight Network and Its Carbon Reduction Potential[J] . Environmental Science and Pollution Research，2023，30(11)：29110-29124.

[38] OU Q，GAN M，AN M，et al. Road-Rail Intermodal Hubs Site Selection Based on Road Freight Demand Mining：A Case from Beijing-Tianjin-Hebei Region[J] . Promet-Traffic &Transportation，2024，36(3)：492-507.

[39] 王 浩，甘 蜜，魏力飞，等. 面向山区铁路工程物流基地选址的分布鲁棒优化模型[J] . 铁道学报，2024，46(1)：103-112.WANG Hao，GAN Mi，WEI Lifei，et al. Distributionally Robust Optimization Model for Logistics Facility Location in Mountainous Railway Projects[J] . Journal of the China Railway Society，2024，46(1)：103-112.

[40] HUANG Q，HUANG Y，ZHANG Z，et al. Truck-Lifting Prevention System Based on Vision Tracking for Container-Lifting Operation[J] .Journal of Advanced Transportation，2021，2021(1)：9612480.

[41] ZHANG X. Optimization Design of Railway Logistics Center Layout Based on Mobile Cloud Edge Computing[J] . PeerJ Computer Science，2023，9：e1298.

[42] 黄敏珍，林晓蕾，李国华，等.5G技术在铁路数字化货运场站的应用研究[J] . 铁路计算机应用，2021，30(5)：6-9，14.HUANG Minzhen，LIN Xiaolei，LI Guohua，et al.Research on Application of 5G Mobile Communication in Digital Railway Freight Yard[J] .Railway Computer Application，2021，30(5)：6-9，14.

[43] JIANG J. A Train F-Tr Lock Anti-Lifting Detection Method Based on Improved Bp Neural Network[J] . Journal of Measurements in Engineering，2024，12(1)：149-161.

[44] XU W， DAI X， ZHAO C， et al. Parallel Testing for Centralized Traffic Control Systems of Intelligent Railways[J] .IEEE Transactions on Intelligent Vehicles， 2023， 8(9)：4249-4262.

[45] 宋鹏飞，赵宏涛，王 涛，等. 多系统数据融合的智能调度集中系统方案研究[J] . 铁道标准设计，2021，65(5)：168-172.SONG Pengfei，ZHAO Hongtao，WANG Tao，et al. Study on Intelligent Centralized Traffic Control System of Multi-System Data Fusion[J] . Railway Standard Design， 2021，65(5)：168-172.

[46] 李 军，赵世超，王 斌，等. 面向铁路运输生产全过程的智能综合调度系统方案研究[J] . 铁道运输与经济，2023，45(1)：23-29.LI Jun，ZHAO Shichao，WANG Bin，et al. Research on Intelligent Integrated Dispatching System for Whole Process of Railway Transport Production[J] . Railway Transport and Economy，2023，45(1)：23-29.

[47] 靳 俊，桑 宇. 重载铁路CTC 技术优化与应用[J] . 铁道通信信号，2023，59(7)：16-22.JIN Jun，SANG Yu. Optimization and Application of CTC Technology for Heavy Haul Railway[J] . Railway Signalling &Communication，2023，59(7)：16-22.

[48] 黄嘉怡，汤银英，郭赫臣，等. 基于深度学习的铁路货场作业安全状态识别与监控技术研究[J] . 铁道货运，2024，42(8)：41-49.HUANG Jiayi， TANG Yinying， GUO Hechen， et al.Identification and Monitoring of Operation Safety Status in Railway Freight Yard Based on Deep Learning[J] . Railway Freight Transport，2024，42(8)：41-49.

[49] GAO T，LI Z，GAO Y，et al.A Deep Reinforcement Learning Approach to Mountain Railway Alignment Optimization[J] .Computer-Aided Civil and Infrastructure Engineering，2022，37(1)：73-92.

[50] PU H，SONG T，SCHONFELD P，et al. Mountain Railway Alignment Optimization Using Stepwise & Hybrid Particle Swarm Optimization Incorporating Genetic Operators[J] .Applied Soft Computing，2019，78：41-57.

[51] PU H，CAI L，SONG T，et al. Minimizing Costs and Carbon Emissions in Railway Alignment Optimization：A Bi-Objective Model[J] . Transportation Research Part D：Transport and Environment，2023，116：103615.

[52] HE Q， GAO T， GAO Y， et al. A Bi-Objective Deep Reinforcement Learning Approach for Low-Carbon-Emission High Speed Railway Alignment Design[J] . Transportation Research Part C：Emerging Technologies，2023，147：104006.

[53] YANG D， YI S， HE Q， et al. Railway Alignment Optimization Based on Multi-Objective Bi-Level Programming Considering Ecological Impact[J] . IEEE Transactions on Intelligent Transportation Systems，2023，24(2)：1712-1726.

[54] ZHANG H，PU H，SCHONFELD P，et al. Multi-Objective Railway Alignment Optimization Considering Costs and Environmental Impacts[J] . Applied Soft Computing，2020，89：106105.

[55] BARBOUR W，MARTINEZ MORI J C，KUPPA S，et al.Prediction of Arrival Times of Freight Traffic on US Railroads Using Support Vector Regression[J] . Transportation Research Part C：Emerging Technologies，2018，93：211-227.

[56] WANG P，ZHANG Q. Train Delay Analysis and Prediction Based on Big Data Fusion[J] . Transportation Safety and Environment，2019，1(1)：79-88.

[57] CERRETO F， NIELSEN B F， NIELSEN O A， et al.Application of Data Clustering to Railway Delay Pattern Recognition[J] . Journal of Advanced Transportation，2018，2018：e6164534.

[58] HUANG P， WEN C， FU L， et al. Modeling Train Operation as Sequences：A Study of Delay Prediction with Operation and Weather Data[J] . Transportation Research Part E：Logistics and Transportation Review，2020，141：102022.

[59] KHADILKAR H.A Scalable Reinforcement Learning Algorithm for Scheduling Railway Lines[J] . IEEE Transactions on Intelligent Transportation Systems，2019，20(2)：727-736.

[60] PEER E，MENKOVSKI V，ZHANG Y，et al. Shunting Trains with Deep Reinforcement Learning[C] //2018 IEEE International Conference on Systems，Man，and Cybernetics(SMC).Miyazaki，Japan：IEEE，2018：3063-3068.

[61] SALSINGIKAR S，RANGARAJ N. Reinforcement Learning for Train Movement Planning at Railway Stations[EB/OL] .Adaptive and Learning Agents Workshop @ AAMAS 2020，(2020-05-09)[2025-02-12] . 

[62] 蒋 辉，李 博，贺俊源. 基于人工智能的列车运行图智能编制技术体系框架研究[J] . 铁道运输与经济，2024，46(1)：1-9.JIANG Hui，LI Bo，HE Junyuan.Research on the Framework of Intelligent Train Working Diagram Compilation Technology System Based on Artificial Intelligence[J] . Railway Transport and Economy，2024，46(1)：1-9.

[63] 莫志松，安鸿飞. 新型列控系统列车综合自主定位技术研究[J] . 铁道学报，2022，44(1)：56-64.MO Zhisong， AN Hongfei. Research on Comprehensive Autonomous Positioning Technology of New Train Control System[J] .Journal of the China Railway Society，2022，44(1)：56-64.

[64] 张 淼，杨志杰，程剑锋，等. 基于自适应联邦滤波的列控车载设备测速测距算法[J] . 中国铁道科学，2022，43(1)：144-151.ZHANG Miao，YANG Zhijie，CHENG Jianfeng，et al.Speed and Distance Measurement Algorithm of Train Control Onboard Equipment Based on Adaptive Federated Filter[J] .China Railway Science，2022，43(1)：144-151.

[65] ZHANG D，ZHAO J，ZHANG Y，et al. Intelligent Train Control for Cooperative Train Formation：A Deep Reinforcement Learning Approach[J] . Proceedings of the Institution of Mechanical Engineers Part I：Journal of Systems and Control Engineering，2022，236(5)：975-988.

[66] 中国国家铁路集团有限公司. 国铁集团出台《新时代交通强国铁路先行规划纲要》[EB/OL] . (2020-08-13)[2025-02-12] . 

[67] 莫志松. 智能铁路列控系统技术发展方向展望[J] . 铁道通信信号，2022，58(8)：1-7.MO Zhisong.Prospect on Technical Development of Intelligent Railway Train Control System[J] . Railway Signalling &Communication，2022，58(8)：1-7.

[68] GUO Z，FU J-Y.Prediction Method of Railway Freight Volume Based on Genetic Algorithm Improved General Regression Neural Network[J] . Journal of Intelligent Systems，2019，28(5)：835-848.

[69] WANG P，ZHANG X，HAN B，et al.Prediction Model for Railway Freight Volume with GCA-Genetic Algorithm-Generalized Neural Network：Empirical Analysis of China[J] .Cluster Computing，2019，22(2)：4239-4248.

[70] 程肇兰，张小强，梁 越. 基于LSTM 网络的铁路货运量预测[J] . 铁道学报，2020，42(11)：15-21.CHENG Zhaolan，ZHANG Xiaoqiang，LIANG Yue.Railway Freight Volume Prediction Based on LSTM Network[J] . Journal of the China Railway Society，2020，42(11)：15-21.

[71] PENG T，GAN M，OU Q，et al. Railway Cold Chain Freight Demand Forecasting with Graph Neural Networks：A Novel GraphARMA-GRU Model[J] . Expert Systems with Applications，2024，255：124693.

[72] LI D， GAN M， LIU X， et al. Energy Efficiency and Driving Factors of Railway Cold Chain Transportation in China[J] .Journal OF Environmental Planning and Management，2024，67(4)：852-869.

[73] BEHIRI W，BELMOKHTAR-BERRAF S，CHU C. Urban Freight Transport Using Passenger Rail Network：Scientific Issues and Quantitative Analysis[J] . Transportation Research Part E：Logistics and Transportation Review，2018，115：227-245.

[74] GAN M， JIANG Q， ZHU D. Identify the Significant Contributors of Regional CO2 Emissions in the Context of the Operation of High Speed Railway：Illustrated by the Case of Hunan Province[J] . Environmental Science and Pollution Research，2020，27(12)：13703-13713.

[75] 张玉召. 快捷货运服务网络设计研究综述[J] . 交通运输系统工程与信息，2021，21(3)：1-12.ZHANG Yuzhao. Review of Service Network Design for Express Freight Transportation[J] . Journal of Transportation Systems Engineering and Information Technology， 2021，21(3)：1-12.

[76] LI D，GAN M，QIAO Y，et al.A MINP Model and Hybrid Heuristic Algorithm for Railway Cold Chain Service Network Design Problem：A Case Study of China[J] . International Journal of Production Research，2024：1-22.

[77] GAN M，LI D，YAO Z，et al.Intelligent Decision Modeling for Optimizing Railway Cold Chain Service Networks Under Uncertainty[J] .Information Sciences，2024，679：121112.

[78] YU S-D. Research on Cloud Computing in The Key Technologies of Railway Intelligent Operation and Maintenance Sharing Platform[J] . Journal of Physics：Conference Series，2021，1800(1)：012010.

[79] 钟 雁，郭雨松. 数据挖掘技术在铁路货运客户细分中的应用[J] . 北京交通大学学报，2008(3)：25-29，36.ZHONG Yan， GUO Yusong. Research of Applying Data Mining in Segmentation of Railway Freight Customers[J] .Journal of Beijing Jiaotong University，2008(3)：25-29，36.

[80] QIU Y. Secure Mechanism of Intelligent Urban Railway Cloud Platform Based on Zero-trust Security Architecture[C] //Proceedings of the 6th International Conference on High Performance Compilation，Computing and Communications.New York，NY，USA：Association for Computing Machinery，2022：99-105.

[81] ZHU L，ZHUANG Q，JIANG H，et al. Reliability-Aware Failure Recovery for Cloud Computing Based Automatic Train Supervision Systems in Urban Rail Transit Using Deep Reinforcement Learning[J] . Journal of Cloud Computing，2023，12(1)：147.

[82] AZAD N， HASSINI E， VERMA M. Disruption Risk Management in Railroad Networks：An Optimization-Based Methodology and A Case Study[J] . Transportation Research Part B：Methodological，2016，85：70-88.

[83] WHITMAN M G，BARKER K，JOHANSSON J，et al.Component Importance for Multi-Commodity Networks：Application in The Swedish Railway[J] .Computers & Industrial Engineering，2017，112：274-288.

[84] JABBARZADEH A，AZAD N，VERMA M.An Optimization Approach to Planning Rail Hazmat Shipments in the Presence of Random Disruptions[J] .Omega，2020，96：102078.

[85] ZHU Y， GOVERDE R M P. Railway Timetable Rescheduling with Flexible Stopping and Flexible Short-Turning During Disruptions[J] . Transportation Research Part B：Methodological，2019，123：149-181.

[86] 郭梓烨，单馨漪，官 科，等. 数字铁路局：推动铁路高质量发展的重要引擎[J] . 铁道通信信号，2024，60(10)：1-12.GUO Ziye，SHAN Xinyi，GUAN Ke，et al.Digital Railway Bureau：An Important Engine for Promoting High-Quality Railway Development[J] .Railway Signalling & Communication，2024，60(10)：1-12.

[87] 史天运，李新琴，代明睿，等. 铁路自然语言大模型关键技术研究及应用展望[J] . 中国铁路，2024(7)：7-14.SHI Tianyun，LI Xinqin，DAI Mingrui，et al.Key Technologies and Application Prospects of Railway Natural Language Large Model[J] .China Railway，2024(7)：7-14.

[88] 张义川，杨文韬，王 瑶，等. 融合IoT+GIS 的中老铁路国际货运列车远程监测分析系统探讨[J] . 铁道货运，2024，42(12)：1-9，16.ZHANG Yichuan， YANG Wentao， WANG Yao， et al.Discussion on Remote Monitoring and Analysis System of International Discussion on Remote Monitoring and Analysis System of International[J] .Railway Freight Transport，2024，42(12)：1-9，16.

Review and Prospect of Smart Logistics Technology in Railway Freight System

ZHANG Lu1，2，YANG Xiaoyuan1，2，FU Yuhong1，2，SUN Xijing3，GAN Mi1，2
(1. School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 611756, Sichuan, China; 2. National United Engineering Laboratory of Integrated and Intelligent Transportation, Southwest Jiaotong University, Chengdu 611756, Sichuan, China;3. Line and Station Design Institute, China Railway Siyuan Survey and Design Group Co., Ltd., Wuhan 430063, Hubei, China)

Abstract：Supply-side structural reform and the development of smart logistics technology have promoted the transformation and upgrading of railway freight transport into modern logistics.This paper explored applications of emerging technologies in research and industry, providing development prospects of smart logistics technology in railway freight transport. The paper defined the concept of smart railway freight by systematically studying the connotation of smart logistics technology and railway freight transport, using bibliometric analysis to review Chinese and international literature, and identifying the research hotspots of railway freight transport. Then,based on the hierarchical structure of hubs and yards, transport corridors, and freight networks,the literature research and industry applications in the field were sorted out to clarify key directions for applications of smart logistics technology in railway scenarios. Finally, key trends shaping the future of the railway freight industry were identified, including unmanned automation, intelligent and digital platforms, shared collaborative systems, multi-network integration, and intensive,professional, green, and sustainable practices. This paper provides cutting-edge insights for intelligent railway freight solutions in the new era.

Keywords：Smart Logistics Technology; Railway Freight Transport; Big Data; Artificial Intelligence;Literature Review

文章编号：1003-1421（2025）03-0050-16

中图分类号：U294.1

文献标识码：A

DOI：10.16668/j.cnki.issn.1003-1421.2025.03.06

引用格式：张璐，杨晓源，付玉红，等. 智慧物流技术在铁路货运系统中的研究现状及展望[J] . 铁道运输与经济，2025，47(3)：50-65，121.

ZHANG Lu，YANG Xiaoyuan，FU Yuhong，et al. Review and Prospect of Smart Logistics Technology in Railway Freight System[J] .Railway Transport and Economy，2025，47(3)：50-65，121.

收稿日期：2024-08-30

修订日期：2025-02-12

通信作者：甘蜜(1984—)，女，湖南岳阳人，西南交通大学交通运输与物流学院教授。

基金项目：国家自然科学基金项目(52372306)；国家重点研发计划项目(2018YFB1601402)

(责任编辑 金 晶)