绿色供应链视域下大型体育赛事主办地选择研究

卿 平

1 问题的提出

绿色供应链问题归根结底是供应链问题，而供应链应用的领域主要是有形商品领域。这些有形商品领域的活动在经济层面的追求动机是非常明显的，经济目标不会被忽略，所以，传统的供应链都会考虑经济问题。伴随着可持续发展理念的推广和普及，环境目标和社会目标也开始被日益关注。已有的有关绿色供应链的研究关注对象往往常见于有形商品领域，运用绿色供应链理论进行体育赛事领域的研究尽管开始出现，但总数不多。

大型体育赛事绿色供应链既具有普通绿色供应链的特点，即以“绿色”为导向，包含约束供应链上所有主体及环节的绿色计划、绿色制造、绿色采购、绿色交付及绿色回收，又具有赛事活动自身的特点，两者最大的不同在于普通绿色供应链的最终产品一般是实物产品，而赛事绿色供应链的最终产品则是无形产品——体育比赛。参照普通绿色供应链[1]可以构建大型体育赛事绿色供应链，它是一条由赛事物资供应商(制造商)——赛事组委会——赛事观众组成的3 级供应链，如图1 所示。

图1 大型体育赛事绿色供应链Figure 1 The green supply chain of mega sport events

2 问题的描述

联合国环境规划署曾经强调，如果从事建筑行业的方式不改变，2032 年，建筑的扩张将会摧毁或者阻碍地球表面超过70%的自然栖息地和野生动物。伴随环境污染的加剧和能源匮乏，越来越多的专家学者开始关注可持续发展问题，普遍认为在经济决策过程中，只有经济目标是远远不够的，还要加入别的维度的考量。可持续发展主要基于满足经济发展、社会发展和环境发展的3 大支柱[2]，而这3 大支柱中每一个都包含不同的目标和方法。多目标规划问题一般比单目标规划问题要困难，因为多目标规划问题通常有一系列的最优解，被称作帕累托最优解。而帕累托最优解的个数有可能是无限的，这会使获得所有帕累托最优解变得不切实际，因此，一个比较好的多目标规划算法应该是一组具有良好收敛性和多样性的最优解[3]。多目标优化包含在约束条件下在一系列可供选择的解决方案中寻求一种能够最大化或者最小化多决策目标的一组方法。帕累托最优集的一个解也被称作非劣解，因为，没有哪一个帕累托最优集中的单个解能够在不导致至少一个目标变差的情况下去改善另一个目标[4]。

Mavrotas 等提出了一个0 -1 多目标线性规划方法来决定如何满足未来的用电需求，模型目标是最小化成本和二氧化碳排放[5]。A.Arnette 等使用了一种包含技术、经济和环境的多目标模型用于发电厂的研究[6]。García-Segura 等提出了一个基于成本、二氧化碳排放以及综合安全系数3 个目标的桥梁设计[7]。Varsei M.等认为除了对环境方面的关注，各个行业的供应链日益面临来自利益相关者的压力、商业风险以及与社会效益相关的声誉风险，公司可能需要在决策中纳入社会绩效指标，以减轻风险或获得经济利益[8]。在已有的部分研究中，大量的研究涉及到一个或者两个维度，同时涉及3 个维度的研究还比较少[9]。Alison Ashby 等认为在私人和公共决策领域，均需要整合并平衡考虑经济、环境和社会目标[10]。此外，越来越多的供应链建模和优化研究开始利用人工生成的数值来证明其适用性，一些学者已经接受了基于案例研究建模从而来接近实际[11-12]。

3 决策模型构建

大型体育赛事绿色供应链包括生产商、供应商、赛事主办方、需求方等主体。一项大型体育赛事，从选址开始，到场馆的修建、装修、比赛设施及器材的采购、运输、赞助商的寻找、比赛期间选手及观众的到达以及赛后物资回收，整个过程构成了一条完整的供应链(N)。为了实现大型体育赛事的可持续发展，有必要从经济目标、环境目标和社会目标3个方面来进行综合考虑。该模型构建的主要目的在于为城市申办决策提供一个科学参考，为大型体育赛事绿色供应链的设计提供一个综合的决策支持依据，最大程度地综合经济问题、环境问题和社会影响。在模型的构建中，经济、环境和社会目标包含的内容均是现实领域中的主要方面。

3.1 模型参数设计

目标模型的问题集合有:S 供应商集合s∈S，D 场馆集合d∈D，R 赛事物资回收集合r∈R，仓储集合c∈C，废弃物集合a∈A，N 整个供应链集合n∈N，T 运输模式集合t ∈T。在涉及到运输问题的时候，主要考虑了两种运输模式，一是铁路运输，一是公路运输。

本部分模型共设计了23 个模型变量，其中2 个为决策变量。

参数如下:

xi:第i 个城市举办大型赛事1，不举办0，xi∈{0，1}

决策变量有:

xi:第i 个城市举办大型赛事1，不举办0，xi∈{0，1}

3.2 经济目标

该模型的目标是成本最小化[13]，模型中的总成本=总固定成本+物资采购成本+仓储成本+赛事物资运输成本+赛事废弃物处理成本—赛事物资处置收益[14-15]。

第一、总固定成本(TFC)。指举办赛事要使用的所有体育场馆的设计、施工等方面的成本总和。

第二、物资采购成本(TPC)。指赛事在比赛期间所要用到的物资及器材的采购费用。

第三、仓储成本(TSC)。指存放体育赛事物资的费用。

第四、运输成本(TTC)。指运输比赛期间所需的一切赛事物资的成本费用。

第五、废弃物处理成本(TRC)。包括将赛事举办期间产生的废弃物清理成堆、打包，最后运送到废弃物处理中心的总成本。

第六、赛事物资处置收益(TAC)。指赛后废弃物资处理获得的收益。

第七、大型体育赛事绿色供应链总成本(TC)。

3.3 环境目标

环境目标主要考察二氧化碳的排放，也可表述为温室气体的排放(TE)[16-17]。

第一、大型体育场馆、设施建设过程中的碳排放。用于核算在新建和改建体育场馆及设施的过程中，使用建材、电能、水等多种能源等所产生的二氧化碳。

第二、赛事物资运输过程中的碳排放。主要核算某项赛事物资从某处运到赛事主办地过程中的碳排放量。

第三、选手及观众的碳排放。参赛选手及观众等在赛事主办地产生的碳排放。

第四、赛事废弃物运输过程中的碳排放。

第五、大型体育赛事绿色供应链总碳排放。

3.4 社会目标

大型体育赛事对社会的影响力非常巨大，影响的范围也非常广泛，但大型体育赛事对当地就业及GDP 的利好影响无疑是赛事申办国非常看重的方面，因此，社会目标部分主要考虑大型体育赛事绿色供应链上创造的工作机会及产业拉动带来的GDP 总量及人均GDP 的提高这几个方面[18-19]。

3.5 总模型

总模型集经济目标、环境目标和社会目标于一体，综合考虑3 个目标协调下的优选结果，尽可能保证大型体育赛事在追求经济目标的情况下，不偏离环境目标和社会目标，从而实现大型体育赛事的可持续发展[20]。

假设条件:体育场馆建设数量已知，某大型体育赛事所需物资采购预算已知，某大型体育赛事选手数量和观众(志愿者等)可以预测，赛事物资供应商已明确，赛事物资生产商相对固定。

约束条件:为了保证模型可求解，需要在线性规划中，运用不等式或者方程对模型设置一些约束条件:

第一、某项大型体育赛事物资生产地的生产能力限制。η 代表模型中某相对固定的生产地赛事物资生产量的最高限。

第二、某项大型体育赛事提供的赛事产品的产量限制。λ 是指所有选手及观众等人数的上限。

第三、某项大型体育赛事主办方体育场馆设施的预算约束。B 是指体育赛事场馆设施建设资金预算限制。≤B

第四、某项大型体育赛事所需使用赛事物资约束。所需使用赛事物资总量需要小于赛事物资生产量。

第五、某项大型体育赛事废弃物处理量的资源承载能力约束。E 为赛事主办城市承载废弃物的数量上限。

4 实证分析

本文选取3 个拟申办城市，北京、上海和成都，研究2032年奥运会如果在中国举办，从经济目标、社会目标和环境目标3 目标出发，遵循赛事的可持续发展理念，3 个城市根据自身的实际情况应该如何进行赛事决策。

4.1 现实背景

为了模拟案例进行大型体育赛事绿色供应链多目标决策的应用研究，现将拟申办大型体育赛事的城市固定在3 个地方:北京、上海和成都。原因在于，北京市是我国的首都，具备承办大型体育赛事的各种软硬件条件，已经成功举办过第29 届夏季奥林匹克运动会，也将于2022 年举办第24 届冬季奥林匹克运动会，它可以为本论文的多目标决策提供较为精确的数据资料参考和现实基础；上海市GDP 居国内第1，具备非常完备的体育场馆设施和拥有大型体育赛事的经验，上海已经开始对2032 年申办奥运会可行性研究分析的招标；成都位居中国西部省份，已经拿下了第31 届世界大学生夏季运动会及2024 年汤尤杯赛的举办权，也正在将自己着力打造成中国西部地区的世界赛事名城。

基于上述理由，本论文暂定北京、上海和成都为拟申办2032 奥运会的3 个备选城市。由于体育赛事隶属于无形产品领域，因此，没有严格意义上的生产环节，没有赛事产品的车间及工厂，不存在赛事产品的运输及储存问题，其比赛进行过程即为其赛事产品生产过程，观众来到现场观看赛事，就是消费环节。

为了总体模型的定量化求解，案例研究中假设所有赛事物资，均从福建省福州市发货，在模型中称为赛事物资生产地。从福州运输到3 个备选城市北京、上海、成都，有两种运输方式可以选择，一个是公路运输，速度快但是运费高昂，一个是铁路运输，运费低廉但是速度较慢。伴随两种运输模式，就产生了两种运输模式下的运输成本和碳排放总量。仓储成本部分由于数据的缺失在此忽略。在赛事废弃物处理部分，由于废弃物处理中心一般设置在大城市的郊区地带，因此，案例研究中设置了公路运输一种运输模式。在此，我们面临以下几个决策问题:第一、从S 到D 地，选用什么运输方式进行运输？第二、各个运输方式各自运输多少数量的赛事物资？第三、3 个赛事备选城市，在追求单一目标和综合目标的情况下，该如何进行赛事申办的决策？第四、福州、北京、上海、成都各自的社会影响系数如何确定？

案例研究中总成本的应用研究与实际情况会有误差(但这些误差对3 个备选城市的影响是一样的，模型模拟计算结果不会影响最终决策)，那么环境目标测算则是严格按照国家相关规定指标和搜集的数据资料进行计算。碳排放标准是根据中国运输部门发布的不同运输方式的单位评分标准进行测算的。

有关参赛选手及观众的碳排放指标，国内目前还缺乏相关方面的参照指标，表1 是国外的学者核算出的在体育活动过程中参赛选手及观众的单位碳排放标准。在案例研究中，参照表1 中项目类型及城市类型的人均碳排放标准，再结合北京、上海、成都年均气候污染指数进行适当调整。

表1 选手及观众的单位碳排放Table 1 Carbon emissions perunit of contestants and spectators

关于社会影响力方面，为了从绿色供应链的角度来考虑大型体育赛事的社会影响，社会目标部分借助两个指标来说明:失业率和人均国民生产总值。从赛事的可持续发展来看，大型体育赛事申办者普遍抱有以下期待:第一、能够对赛事主办城市的失业率有所改善；第二、能够在一定时期内极大地拉动当地的GDP。为了衡量社会影响，运用了AHP 及相关的1～9 成对比较尺度。表2 和表3 是将国家统计局和地方统计局发布的统计数据分别按照指标刻度列出了失业率和当地人均GDP 率，以帮助计算社会影响力数值。

表2 失业率比较值Table 2 Comparison value of unemployment rate

表3 当地人均GDP 占全国人均GDP 的比较值Table 3 Comparison value of local GDP per capita to national GDP per capita

表4 是基于失业率和当地人均GDP 值而计算的归一化社会系数。一般认为，规范值较高者，对当地的社会影响力更大。按照此处的计算结果显示，3 个赛事备选城市中上海的规范值最大，其次是成都，最低的是北京。这个结论是符合社会可持续发展趋势的，因为，一般倾向于通过赛事主办城市的选择来改善赛事供应链的社会影响，即是说，大型体育赛事倾向于选择能够明显推动就业和进一步提高人均国民生产总值的城市。

表4 基于失业率和当地人均GDP 的归一化社会系数Table 4 Normalized social coefficient based on unemployment rate and local GDP per capita

4.2 方案模型求解

根据论文构建的理论模型，在该部分对2032 年奥运会，从中国政府的角度，在全国3 个备选城市北京、上海、成都进行多目标的方案优选。案例中所有数据均以国际奥林匹克官方网站及国家体育总局网站和上海市体育局、四川省体育局、成都市体育局等相关官方网站的原始数据为基础，配以适当的方法进行调整，从而达到模型计算要求。

在总模型的约束条件下用Lingo 软件进行求解，将求解结果汇总如表5 所示:

4.3 结果讨论

运用lingo 软件对模型进行求解，得到大型体育赛事多目标决策的满意解。当一个维度获得最优解之后，其他两个维度则成为决策者的约束条件。按照体育赛事可持续发展的宗旨及赛事主办方不同价值取向对模型结果进行以下分析。

在模型计算过程中，由于我们提供了铁路和公路两种运输方式，因此，在总成本下面的运输成本部分和总碳排放下的赛事物资运输碳排放部分会有两种选择，从计算结果来看，均是铁路运输占据优势，无论成都、北京还是上海，在总成本和碳排放两个维度下，铁路运输方式由于其具有运费低廉及碳排放小的特点，导致其运输成本和碳排放量比公路运输低。

第一、成本最小方案。

如果大型体育赛事的申办城市主要倾向于从成本方面进行决策的话，需要从两种运输方式进行选择。如果选择公路运输模式，那么这个模型求解的最优结果应该是上海，总成本略低于成都，总成本最高的是北京。当然，这不排除因为案例中假设的赛事物资供应商在福州的原因。但是，运输成本只占总成本的一部分，3 个城市中，成都距离福州最远，但却并没有导致成都的总成本最高，因此，模型求解结论具有较强的科学性。如果选择铁路运输模式，模型求解的最优结果应该是成都，总成本略低于北京，这个结果也证明了模型求解结果基本不会受到案例中假设供应商地址(福州)的影响。具体求解结果如表6 所示。

表6 经济维度最优解Table 6 The optimal solutionby the economic dimension

第二、碳排放最小方案。

如果大型体育赛事的申办城市倾向于从环境方面进行优化决策的话，也同样需要从两种运输模式中进行选择，不同的运输模式，会影响到环境目标中的“运输过程的碳排放”这一指标。如果选择公路运输，那么模型求解的最优结果应该是北京，总体碳排放量略低于上海，总体碳排放最高的是成都，笔者认为，这和成都市的具体地理位置有一定关系。如果选择铁路运输模式，模型求解的最优结果应该是北京，碳排放量略低于上海，最高的仍然是成都。这个结果也说明位于四川盆地的省会城市成都在选择申办大型体育赛事的过程中，对于环境方面考虑的重要性。具体求解结果见表7。

表7 环境维度最优解Table 7 The optimal solution by the environmental dimension

第三、社会影响力最大方案。

如果大型体育赛事的申办城市倾向于从社会影响力方面进行决策的话，举办大型体育赛事对备选城市社会影响最大的是上海市，其次是成都市，最后是北京市。这和上海市经济发展水平、成都市大型体育赛事对就业的强拉动性有关(结果见表8)。

表8 社会维度最优解Table 8 The optimal solution by the social dimension

综合上述讨论结果来看，尽管构建了理论意义上的综合了经济目标、环境目标和社会目标的总模型，但是，求解的结果是，3 个备选城市没有办法同时达到总成本最小、碳排放最少和社会影响力最大，这也是多目标决策的正常结果。在3 种维度的最优方案选择中，成都市仅在铁路运输模式下，能够在经济维度胜出，在环境维度，无论是铁路运输方式还是公路运输方式，均在3 个备选城市中垫底。而在环境维度中独占鳌头的北京，在经济目标(公路运输方式)和社会目标中却排名最后。在3 个备选城市中，上海的综合情况是相对好的，因为在经济目标(公路运输方式)和社会目标两个维度中，上海都排名第一，仅仅在经济目标(铁路运输方式下)上总成本略高于另外两个城市。因此，如果从整体综合较优的角度来考虑的话，3 个备选城市中，上海市应该是2032 年奥运会的首选城市。当然，最终的决策还需要结合拟申办城市的具体情况来考虑。

5 小结

在模型设计中，囿于数据的可得性，笔者在某些方面进行了简化，设计了一个3 级的大型体育赛事绿色供应链，即从供应商(制造商)到赛事组委会，再从赛事组委会到观众。现实情况肯定比模型设计更加复杂，有多个生产商，包括国内外，也有多个供应商，还可以在国内某个城市设置赛事物资配送中心，进行统一物资配送，从而形成一个更复杂的绿色供应链，未来的研究可以在本文的基础上对这些方面进行扩展。本文的研究旨在为大型体育赛事申办城市提供一个科学的决策参考，同时，为理论研究工作者提供一个研究体育赛事决策的不同视角。

自1984 年第23 届奥运会实施了著名的TOP 计划，便成功地解决了奥运会的财务问题，开启了奥运会的强大经济功能密码，越来越多的国家把经济目标当成了举办奥运会的唯一价值取向，随着大手笔的奢靡之风日益盛行，结果却与初衷背道而驰。由于巨大的经济负担及众多的社会、环境问题，越来越多的城市退出申办奥运会的行列，甚至让世人觉着奥运会成了“烫手的山芋”。因此，在这样的现实背景下，引入绿色供应链理论及多目标决策思想，将环境目标、社会目标和经济目标结合在一起综合考虑大型体育赛事的决策问题，具有强烈的现实性和紧迫性。