公水联运运力匹配:AI大模型+运筹优化撮合内河驳船与干线运力

2021年，国务院办公厅印发《推进多式联运发展优化调整运输结构工作方案》，提出加快建设水水中转码头、大幅降低公路集疏港比例，加快长三角、粤港澳大湾区的江海联运、江海河联运发展，并定下集装箱铁水联运量年均增长15%以上的目标。2023年五部门又联合印发《推进铁水联运高质量发展行动方案》，进一步把深化铁水联运、水水中转、江海直达列为重点，提出到2025年全国主要港口集装箱铁水联运量达到约1400万标箱的政策目标。这些文件背后的导向很清楚：要把更多的货从公路赶到水上，把内河的支线和沿海的干线接起来。

接，说起来容易，做起来难。内河驳船和干线大船这两段运力，长期对不上。小兵在《多式联运运力共享平台：AI如何破解"船-铁-公-仓"资源错配与协同调度难题》里谈过资源错配的总论，那篇讲的是"错配有哪些、协同难在哪"。今天接着往里钻一层，谈一个更具体的问题：怎么用AI大模型加运筹优化，把内河驳船和干线运力的匹配撮合做起来，让该上船的货赶上船、让该有货的船不空跑。需要先说明，AI大模型直接撮合驳船和干线运力，目前更多还是可借鉴、有望落地的方向，不是已经普遍跑通的既成案例，本文谈的是技术路径和落地思路。

先看一个已经跑通的样板。太仓港的"沪太通"江海联运，用定点、定时、定线、定航次、定价的五定班轮，把太仓港和上海港洋山、外高桥、黄浦江各港区点对点直航连起来。据公开报道，太仓港集装箱江海中转比例已超过五成、吸引近六十家支线船公司在此中转，班期密度约0.6班每小时，每标箱可节省物流成本约200到400元。这说明内河驳船和干线运力的衔接，做好了是能出效益的；问题是这样的样板还太少。

一为什么"驳船-干线"运力总对不上

谈技术之前，先把业务的难处摆清楚。公水联运是一条多主体、多段承运、多次换装的链路，从内河货源集结、到驳船支线运输、到喂给港水水中转、到干线大船配载、再到海运出海，每一段都有自己的节奏和不确定性。

运力对不上的总根子，是一段软时效的内河，要去对接一段硬时间窗的海运。干线母船的截关时间是刚性的，内河段的闸期、水位、雾航、桥梁净高任何一环出问题，驳船晚到几小时，整票货就甩柜、压三五天到一周。

二内河驳船运力市场为什么这么"碎"

要理解运力为什么撮合不起来，得先看清内河驳船运力市场的生态。一个字，碎。内河驳船里，个体船东、家庭船占比很高，夫妻船、父子船不少，船东即船长，一条船就是一个经营单元，缺乏公司化运营和数字化能力。运力高度分散，没有几家能形成对线路运力的实质控制，难以归集成稳定可调度的运力池。货源组织高度依赖货代、船代、配载站和信息部黄牛，层层转包、层层加价，真实运价不透明。运价随货量、油价、水位、季节剧烈波动，旺季一舱难求、淡季杀价跑空，船东缺乏抗周期能力。

更关键的是，这套市场是靠熟人信用运转的。履约靠的是熟人圈子的口碑和长期合作，而不是合同与平台信用。班轮化之所以难推，根子也在这里：要保班就要空船兜底，碎片化的个体船东承担不起空驶风险，又没有龙头企业用货量和补贴去养班期，穿梭巴士模式很难自发形成。外来的撮合平台想切进这套江湖关系，并不容易。把这层生态看清楚，才能明白后面要谈的技术，不是凭空做一个撮合界面就行的，它得解决运力怎么归集、态势怎么感知、班期怎么排、信任怎么建这一连串实在问题。

三运力匹配怎么做：运筹主导加 AI 辅助

运力匹配的技术路线，先定一个总原则：运筹优化是决策内核，AI做预测和信息处理的前置，大模型做解释和协商的辅助，三者是运筹主导、AI辅助的关系。指派、配载、排班这些要算出最优解的活，交给运筹；预测、抽取、解释、问答这些软环节，交给AI。这一章谈运筹主导的三件事，下一章谈AI辅助。

1、运力池归集，先把运力摸清楚

撮合的前提是有一个看得见、调得动的运力池。做法是把分散的驳船运力做统一画像入池，每条船建一张运力卡片，记清楚船舶证书、载重吨与舱容、吃水限制、可挂靠码头清单、班期与空闲档期、当前位置与可调度时间窗、适装箱型范围（20尺、40尺、45尺各自的槽位配额）。干线侧同步归集母船船名航次、挂靠港顺序与UN/LOCODE编码、舱位与箱型配额、截关时间、舱位余量。落到实操，是建一张运力台账主数据表加一张实时档期表，把谁、什么时候、能装多少、能到哪这四个字段做成可查询、可被算法消费的结构化字段；主数据层要做好船舶标识对齐，把AIS报文里的MMSI号、船舶检验证书上的船检号、码头TOS系统里的船名都映射到同一条船的唯一标识，避免多系统里同船多张主数据的碎片化问题；港口编码统一用UN/LOCODE，时间口径统一对齐到协调世界时或北京时间并标注清楚。以长三角某省级港航集团的内支线驳船队为例，先把自有和协议运力入池，再接第三方挂靠运力。

2、船货匹配撮合，这是运筹的主场

把一批待运箱量指派到驳船航次，满足载重、舱容、箱型、截关、挂靠可达、优先级这些约束，目标是降空驶、提准点、压成本，这是一个带约束的指派加装箱问题，正是运筹优化擅长的。约束类型点名列清楚：载重约束，各航次载重吨上限；舱容约束，TEU总量与分舱位上限；箱型兼容约束，20尺、40尺、45尺箱在不同槽位能不能混装；截关硬约束，预计到港时间必须早于母船截关窗口；挂靠可达约束，驳船证书核定的挂靠码头范围；优先级约束，合同货、危险品、鲜活货的优先保障序。目标通常是最小化加权运价成本与空驶惩罚的组合。技术上点名做法：用谷歌OR-Tools里的CP-SAT约束规划求解器处理离散指派加硬约束的组合，CP-SAT在整数变量、硬约束传播、并行搜索上有成熟工程实现，比手写启发式更易维护；规模大、航次与货物组合爆炸时，用列生成把主问题拆成定价子问题迭代生成优质列，也就是航次-货组合，收敛后再拼回主问题精算；动态场景下货主频繁改单、实时到货偏差大，用自适应大邻域搜索或遗传算法做快速可行解与滚动优化，自适应大邻域搜索的破坏-修复邻域结构天然适合局部改配不推倒重来；若对最优性有更高要求或周期性离线批量排班，可建混合整数线性规划模型，求解器可选OR-Tools内置的CBC、开源的SCIP或商业的Gurobi，按精度与预算选型。AI在这一步是前置的预测，用时序模型或大模型预测各条线的周需求量与到港量。以长江下游太仓、南京等港至洋山的内支线箱量撮合为例，先用启发式秒级出一版可行配载，再用约束求解器在限定时间内做局部精算，给出建议指派加备选方案，人工一键确认。

3、态势感知，把实时变化喂进引擎

撮合不能只看静态的运力和货，更要看实时的态势。要采的实时信号有四类：干线侧的母船船期、挂靠港顺序变更、截关时间的临时提前推迟、舱位余量；港口侧的喂给港泊位占用与排队、堆场利用率、闸口与场桥作业态势、预约提还箱时段；航道侧的内河水位、船闸待闸排队时长、临时封航限航、桥梁净空；船舶侧的驳船北斗与AIS实时位置与航速、靠离泊状态、滚动到港时间。把这些做成一个实时上下文层，清洗对齐后转成匹配引擎可读的约束参数或惩罚项，具体的转化逻辑举两个典型：待闸排队时长折算成该航次到港时间后延量，后延后若到港时间超过截关窗口，则该航次对应的截关硬约束变为违反，触发重排或转配；当前水位折算成该航次在该河段的最大可载吃水，进而约束该次可载重吨上限，水位过低时部分重箱需减载或拆分成两批次。引擎每次求解前拉取最新的态势快照，做滚动再优化，遇到截关提前、母船跳港、突发封航这类事件就触发重排。以长江中游某喂给港对接洋山、外高桥母船的截关联动为例。

4、班轮化排班，把机会船做成准班期

要把有货才发的机会船，逐步固化成固定班期的内支线班轮，排班本质是船、泊位窗口、船员这些资源在时间轴上的调度优化。实操上用OR-Tools的CP-SAT排程能力做资源时间轴调度：把每条班线、每个泊位窗口、每艘船的可用时段建成资源区间变量，约束含船闸通过能力，即通过时间窗与闸次容量、码头作业窗口，即装卸班制与场桥占用、母船船期衔接，即驳船到港必须早于母船开港，CP-SAT的累积约束与不重叠约束可直接映射这类资源时间轴问题；输出周班期日历加每班载重配额与箱型分舱。AI在前面做预测，预测各条线的周需求，决定开几条班线、配多大船，避免空班或爆舱。以长三角一干多支的集装箱内支线网络为例。

四AI 大模型的辅助位与多 Agent 撮合

讲完运筹主导的三件事，再看AI大模型在这套撮合里的位置。要先说清楚：大模型不直接拍板指派结果，它负责把人、把非结构化信息、把解释和协商这些软环节接起来。具体有四个用法。

用LangGraph编排多Agent的状态机与工作流，以有向图定义状态流转与条件分支，支持循环协商轮次与中断恢复；Agent之间以及Agent调用工具时，走A2A或MCP这类标准协议规范接口，避免点对点耦合；但关键约束的求解仍然回落到运筹引擎，Agent只负责信息交换、偏好表达和谈判轮次。要再强调一遍：大模型负责议得拢、说得清，真正算出可行匹配的还是运筹引擎。

五班轮化与运力共享：从撮合到平台

单次撮合做顺了，再往上走，是把它沉淀成班轮化和运力共享的平台能力。班轮化，是把高频的线路做成固定班期的水上穿梭巴士，公布周班期表，货主按班订舱。这方面有现成的样板可借，太仓港的沪太通就是用五定班轮把太仓和上海各港区连起来。技术上用预测定班线、用运筹排班期与配额，班期表对接订舱系统，支持按班次售舱。

运力共享，是把多家船东的运力进同一个共享池，平台按需调度，打破自家船只跑自家货。实操是建共享运力目录加一套规则引擎，规则引擎里写明调度优先级，自有运力优先于协议运力再到第三方挂靠运力、跨承运人分成规则，按实际承运里程或TEU摊分、以及空驶补偿标准，无货保班时对保班船东的固定舱位费补贴机制；撮合时跨承运人统一寻优。动态配载，是在同一班次内，按实时到货、箱型、重量、目的港做装载优化，装载时须同时满足舱位分配与船舶稳性约束，即重量分布与吃水差，配载软件输出积载图；货量波动时滚动重配。回程货撮合，是专门压单程重、回程空的空驶，在目标里加入去回程成对往返奖励项，对同一驳船在去程配货与回程配货形成闭合对流的方案给予成本折减，让求解器在同等收益下优先选择构成对流的配货方案。以长三角内支线出江重、回程接空箱调运为例。

这套东西要落地，绕不开几个工程关口。多承运人数据接入与对齐，要接船公司船期舱位、港口码头TOS系统的泊位堆场箱状态、驳船的北斗与AIS卫星定位轨迹三类数据源，难点是主数据标识对齐，船舶用MMSI与船检号双重映射、港口泊位编码用内部码对齐到UN/LOCODE、集装箱用箱号作为货物追踪主键、时间口径在系统边界统一标注并强制转换，得先把标识符治理做扎实，再谈撮合。平台对接上，要和网络货运平台打通运单、合同、资金流、发票、轨迹的四流合一合规闭环，网络货运的合规要求是运单流、资金流、合同流、轨迹流四流匹配，水路驳船业务要把这套闭环在驳船承运场景下实现落地。这里要清醒，水路驳船的运力共享撮合平台目前还缺成熟样板，更可行的是借鉴公路网络货运的车货匹配模式，据公开报道，公路网络货运通过运力整合，撮合可压缩到分钟级、车辆利用效率有明显提升，但具体到水运，不宜直接套用别人的数字。评测上，核心看匹配率、空驶率、班期准点率、舱位利用率、截关赶上率、回程对流率这几个指标，按通道、船东、班线分层统计。

六几个务实判断

技术路线谈完，最后小兵给几个务实判断，都是这类项目里容易被忽视、却往往决定成败的地方。

其一，纯算法撮合被高估了。撮合的瓶颈从来不是算得快不快，而是货源稳不稳、数据通不通、人愿不愿意上来。再好的算法，没有稳定货量和可信运力池，也只是空转。算法是放大器，不是发动机。

其二，平台一统天下被高估了。内河江湖盘根错节，指望一个平台归集全部运力、统一调度不现实。更可行的是龙头货主或船公司主导的半封闭运力联盟，先把自己的稳定货量和核心运力盘活，而不是做大而全的开放市场。

其三，货源稳定性才是班轮化的命根子，这点被低估了。能不能开出可靠班期，本质不取决于船和算法，而取决于背后有没有一笔稳定可预期的基本货量来保底兜班。先有稳定货，才有班轮化，顺序不能反。

其四，回程货组织能力被低估了。谁能把回程空驶降下来，谁就掌握了真实的成本主动权和报价底气。回程货的组织，往往比去程撮合更值钱、更难，也更被忽视。

其五，履约信任与责任兜底被低估了。这个行业最终买单的是靠谱二字，船到不到、柜甩不甩、出事谁担责。能把履约信任和兜底责任做实的玩家，哪怕用最土的办法，也比纯线上撮合更能赢得货主长期托付。

其六，班轮化排班本身的运营功力被低估了。把不定期船硬做成准班期，靠的是轴辐式喂给网络、滚动配载、缓冲船舱的精细运营调度，这是脏活累活、是真功夫，远不是上个撮合界面就能解决的。

七小兵总结

综上所述，公水联运的运力匹配，要做的是用运筹主导、AI辅助的办法，把内河驳船和干线运力撮合起来：先把分散运力归集成看得见、调得动的运力池，主数据对齐MMSI、船检号、UN/LOCODE、箱号等标识符，再用CP-SAT约束规划做船货指派，覆盖载重、舱容、箱型、截关、挂靠可达、优先级六类约束，和班轮化排班的资源时间轴调度，规模爆炸时用列生成、动态滚动时用自适应大邻域搜索或遗传算法、离线批量时可调CBC、SCIP、Gurobi；用AI做需求预测前置，把母船截关、水位折算可载吨、待闸折算到港后延这些实时态势转成约束惩罚项喂进引擎做滚动重排；大模型用检索增强生成查运力台账与费率、用函数调用调后端、用信息抽取做非结构化运单解析、用LangGraph编排多Agent协商，但大模型不替代运筹求解内核；最后沉淀成班轮化和运力共享平台。这中间，技术只是一半，稳定货源、履约信任、回程组织、运营功力是另一半，甚至是更难的一半。未来，随着水水中转、江海联运和网络货运的政策推进，内河驳船和干线运力的衔接，有望从凑满才开、有货才走，逐步走向运力归集、班轮可订、撮合可信的新格局。小兵认为，这条路要走稳，关键不在做多炫的撮合算法，而在把稳定货源攥在手里、把回程空驶降下来、把履约的信任和兜底立起来。

关于畅快运科科技

畅快运科科技专注于港航物流与大宗领域的数字化转型和智能化升级，致力于通过AI、数字孪生、物联网等前沿技术，为港航物流企业提供一站式智能物流解决方案，助力行业高质量发展。

作者团队介绍

本文由畅快运科&物流小兵说资深物流行业分析师团队与AI技术分析师团队联合完成，结合了传统行业分析方法与先进的人工智能技术，力求为读者提供最前沿、最准确的行业洞察。