一、数据输入
-
产业数据
钢铁企业产能/产量
原料需求、产品结构
上下游企业
-
物流园区数据
园区位置、收发货量
货物类型、客户信息
在场堆存、转运能力
-
交通网络数据
铁路、公路、水运网络
货运站、港口、枢纽
线路能力、运行时刻
-
运行环境数据
季节性、气象、检修
施工、政策、突发事件
-
市场需求数据
下游行业（建筑、制造等）
区域需求、项目规划
-
其他数据
运单数据、贸易数据
价格数据、行业报告
二、产业链货流建模
上游
原料供应
中游
钢铁生产与加工
下游
消费市场
2. 物流园区真实数据样本（已接入企业及园区收发货数据）
钢厂
（发货）
物流园区
（中转/集散）
下游客户
（收货）
2家
样本钢厂
2个
物流园区
154家
下游客户
164万吨
累计货量
67条
主要OD
三、综合交通网络加载（钢材运输通道及样本流向示意）
四、通道能力评估
-
铁路能力
设计能力、货运占比、客货混跑、施工检修
-
公路能力
路段通行能力、货运占比、拥堵状况
-
水运能力
港口吞吐能力、航道条件、季节影响
-
节点能力
货运站、物流园区、装卸能力、堆存能力
样本典型流向（万吨/年）
内江钒钛 → 金久合 → 内江客户27
达钢 → 蜀道智联 → 重庆客户12
内江钒钛 → 金久合 → 成都客户12
内江钒钛 → 金久合 → 重庆客户8
达钢 → 蜀道智联 → 宜昌客户6
五、瓶颈识别与影响分析
综合评价模型
瓶颈指数 = 通道压力 × 产业依赖度 × 不可替代度 × 波动风险
样本识别的主要瓶颈（示例）
| 排名 | 位置 | 类型 | 压力指数 | 影响货量（万吨/年） |
|---|---|---|---|---|
| 1 | 成昆铁路某区段 | 铁路 | 0.92 | 120 |
| 2 | 成都物流园区 | 园区 | 0.86 | 95 |
| 3 | 宜宾港 | 港口 | 0.78 | 80 |
| 4 | G5高速某路段 | 公路 | 0.72 | 65 |
| 5 | 达州货运站 | 货运站 | 0.68 | 50 |
影响分析（示例）
涉及钢铁企业
5家
涉及下游客户
120家
影响钢材量
120万吨/年
主要影响区域
川渝、华东
六、情景推演与方案优化
情景设置（示例）
- 产能增长（+20%）
- 新增/扩能通道
- 运输结构调整
- 极端情景（线路中断）
推演结果（示例）
新增运量
+240万吨/年
新增瓶颈
2处
运力缺口
180万吨/年
可分流能力
140万吨/年
优化方案建议
- 增加铁路运能
- 发展铁水联运
- 优化运输路径
- 提升园区中转能力
七、模型输出（衔接六大成果，服务产业发展与交通建设）
01
钢材运输全景图
产业—交通一体同图
02
关键瓶颈清单
线路/节点 TOP10
03
产业影响评估
涉及企业、产能、市场
04
未来情景瓶颈预测
不同情景下的瓶颈预测
05
优化方案建议
扩能、改线、分流路径
06
政策支撑建议
服务产业布局与交通建设