一带一路中郑欧通道多式联运的低碳路径优化Low-carbon Path Optimization of the Multi-modal Transportation Among the Belt and Road Initiative between Zhengzhou and Europe

董奂佚　杨孔雨

摘  要：在“一带一路”政策的带领下，中国与欧洲各国贸易往来愈发密切，其中，郑欧通道为此贸易的经济建设提供了大量的交通运力支持，承载着互联互通的重任。与此同时，各国在经济发展不断壮大的过程中，始终坚持可持续发展，低碳运输也因此成为各国关注的焦点。多式联运作为郑欧通道的主要运输形式，在整个运输过程中，运输路径的合理化、低碳化都尤为重要，在考虑费用成本、时间成本、风险成本等经济成本的前提下，降低碳排放成本也应列为更重要的目标。

关键词：一带一路；多式联运；低碳环保

中图分类号：U294    文献标志码：A

DOI：10.13714/j.cnki.1002-3100.2023.13.014

Abstract： Under the guidance of "the belt and road" initiative policy， trade between China and European countries has become increasingly close. Among them， the Zhengzhou-Europe Corridor provides a large amount of transportation capacity support for the economic construction of trade， bearing the important task of connectivity. At the same time， all countries have always adhered to sustainable development in the process of growing economic development， and low-carbon transportation has therefore become the focus of attention of all countries. As the main form of transportation in the Zhengzhou-Europe corridor， the rationalization and low carbonization of the transportation path are particularly important in the whole transportation process. Under the premise of considering the economic costs such as expense cost， time cost and risk cost， reducing the carbon emission cost should also be listed as a more important goal.

Key words： the belt and road; multimodal transport; low carbon and environmental protection

0  引  言

低碳交通物流作为实施节能减排的重点工程之一，国家在加强推动绿色交通基础设施建设的同时，提出提高城市公交、出租、物流、环卫清扫等车辆使用新能源汽车的比例，加快大宗货物和中长途货物运输“公转铁”、“公转水”，大力发展铁水、公铁、公水等多式联运模式，在交通运输中承担了较大部分的运量。因此，如何实现多式联运的低碳运输， 探讨考虑运输成本和運输碳排放的多式联运， 对于发展低碳交通具有重要意义。

目前，针对多式联运问题模型，国内外众多学者进行了诸多研究，主要集中于不同场景下的多式联运模型构建，如：刘杰等提出运输总成本最小和运输碳排放总量最小的多目标0～1规划模型，采用改进的带精英策略的非支配排序遗传算法（NSGA-Ⅱ）对模型进行求解，有效保存优秀个体和降低计算的复杂度[1]；万杰等集成考虑运输成本、运输时间以及物流服务质量3个方面因素，构建混合整数规划模型，验证了设置不同的目标权重时，模型和混合算法均能够有效地为多目标多式联运路径选择问题提供实用性的优化方案和路线参考[2]；李珺等构建了考虑运输时间、中转时间、客户需求和中转集拼货运量的绿色多式联运路径优化模型，通过不同网络服务规模的运输路径优化结果，以及满足客户不确定需求的最小网络配置[3]；黄霏茜等分析了基于低碳经济的集装箱海铁联运效益[4]；钱晶晶分别构建了以低碳为目标和以成本为目标的单目标多式联运路径选择模型，并利用算例进行分析[5]；Sun等研究了基于列车计划和CO₂排放的路径问题，以成本最低建立模型，利用LINGO对模型求解。

1  问题描述与模型构建

1.1  问题描述

集装箱多式联运的运行方式为：以集装箱作为运输载体进行货物的装载，采用连续的、一体化的运输方式，即采用至少两种及其以上的交通运输工具互相衔接、转运而共同完成对货物的综合运输，在运输过程中，当运输工具发生改变时，对货物本身不进行任何处理，仅对集装箱的承运工具进行转换。以集装箱作为运输载体的多式联运使得运输过程中的换装更加快捷，大大缩短了运输时间，在一定程度上降低了运输风险，而不同运输工具间的协调、衔接也形成了综合、紧密的货物运输链。

日益加剧的全球气候变暖和近年来频现极端天气给人们的生活和工作都带来极大威胁，保护环境刻不容缓。交通运输行业的主要污染来源就是化石燃料的消耗，而在化石燃料消耗过程中产生大量的CO2则是温室气体的主要成分。据相关数据统计，汽车和火车的CO2排放增长率远大于碳排放量的总增长率。因此，合理规划运输路径，降低二氧化碳排放量，可以有效控制碳排放，缓解交通运输行业迫切需要解决的发展低碳运输问题。

1.2  模型条件假设

（1）运输过程考虑公路、铁路、水路三种运输方式；（2）运输任务开始后，运输过程中同批货物不可拆分，且货物总量不变；（3）只在节点处进行运输方式的转换；（4）任意相邻节点间只能选择一种运输方式，同一节点最多进行一次中转，同种运输方式不换装；（5）同种运输方式的单位重量运输费用按统一单位价格计算，不考虑距离、货类等其他因素；（6）同一批货物在整个运输途中转运次数不限；（7）运输途中的中转节点和运输路线都已确定且不可变更；（8）运输过程中忽略其他不可抗因素，如：恶劣天气、道路拥堵等对运输过程产生的影响；（9）节能减排仅考虑二氧化碳排放污染，其他污染暂不考虑。

1.3  符号定义

H表示运输线路中交通运输方式的集合，k，l∈H表示多式联运过程中采用的运输方式；Y表示所有运输节点城市的集合，i，j∈Y表示多式联运过程中任意两个可经过的节点城市；q表示运输的货运量；d表示运输方式k从节点i与节点j之间的距离；t表示运输方式k运输货物到达节点i的时间；t表示货物到达终点的总运输时间；t表示节点i到节点j用运输方式k的运输时间；t表示在节点i处从运输方式k转换到运输方式l的转换时间；E表示运输方式k的吨公里碳排放率；E表示转运工具u的吨小时碳排放率；Q表示运输方式k从节点i到节点j之间的最大运输量；λ表示碳税率，为定值。

决策变量：x=从节点i到节点j采用运输方式k运输货物时取值为1，否则为0，i≠j；y=在节点i将货物由运输方式k转换成运输方式l时取值为1，否则为0。

1.4  模型构建

minEC=minλ×Edxq+Etyq（1）

约束条件：

x=1，i，j∈Y，i≠j， ？坌i，j，k（２）

y=1， ?i（３）

q≤Q，?i，j，k（４）

t=t+t+t    k，l∈H    ?i，j，k，l（5）

x+x≥2y， ?i，k，l（6）

x， y    i∈0，1（7）

其中：目标函数式（1）表示碳成本最低的函数，分别计算在两个节点间的运输过程中产生的碳排放和在节点处转运过程中产生的碳排放，由于我国尚未制定碳税机制，为量化碳排放成本，假设一固定碳税率λ；式（2）表示在任意两个相邻的运输节点之间至多只能选择一种运输方式；式（3）表示在任一运输节点至多只能选择一次转运；式（4）表示最终被选择的运输线路的运输容量不大于总货运量限制；式（5）表示货物到达终点的总运输时间等于从起点到终点的运输时间和中转时间之和；式（6）表示货物在运输方式上的连续性；式（7）表示x， y均为0～1变量。

2  多式联运路径优化算法实验设计与分析

2.1  求解算法

由于多式联运问题属于多目标问题求解，模型中涵盖的变量较多，在Deb基于传统遗传算法的研究中，提出了一种改进的遗传算法——带有精英策略的非支配排序的遗传算法（NSGA-II算法）。该算法可以在相当程度上加速遗传算法的执行，且收敛性和鲁棒性更好，收敛结果更接近实际中的Pareto最优层级，具有良好的优化效果。因此，本文拟借鉴此算法进行多式联运的低碳路径优化问题求解。

主要步骤为：第一步：初始化种群。通过随机生成的方式生成种群大小为N的初始种群并经过非支配排序、选择、交叉、变异操作后得到第一代子代种群。第二步：种群合并。从第二代开始，将父代种群与子代种群合并，即上一代产生的新种群Qt+1与其父代P合并组成R+1，此时的种群大小变为2N。第三步：种群修剪。首先，对新种群中的个体进行非支配排序，产生一系列非支配集Z，根据非支配层层数越低的个体越优原则，顺序添加层级，直至添加Z时，个体数大于初始种群规模N，此时比较Z中所有个体的拥挤距离，根据拥挤度距离越大的种群越丰富原则，优先选入拥挤距离较大的个体。第四步：迭代操作。对新的父代种群进行选择、交叉、变异操作产生新的子代种群，循环上述步骤直至达到停止条件，进而得到Pareto最优解集。另外，本文在NSGA-II的一般求解流程上增加鲁棒性的验证，即Pareto解集中是否存在满足鲁棒性约束的解，若存在则对该解进行解码，得到鲁棒性优化方案，否则返回算法的开始重新求解。

2.2  案例分析

某公司现需将一批货物从郑州运送至汉堡，全程采用40TEU集装箱进行运输，货物重量20t，采用多式联运的运输方式，运输途中经过的城市有：郑州、西安、大连、阿拉山口、华沙、新加坡、汉堡，分别用数字1，2，3，4，5，6，7表示经过的城市节点，具体路线如图1所示。

从低碳角度出发，需首要注重物流的可持续发展，更多考虑运输过程中对生态环境造成的影响，在此情境中碳排放成本与其他运输成本相比更为重要，可将费用成本、时间成本、风险成本统称为运输成本，因此，将碳排放成本和运输成本的权重比设置为ω=0.6，0.4，并借助Matlab软件编程运行得出该条件下的低碳最优路线。各城市的距离和三种运输方式的运价如表1至表3所示。

通过查阅《IPCC国家温室气体清单指南》和其他相关资料，得到运输过程及中转环节的碳排放率如表4、表5所示。

由于我国尚未制定碳税机制，为量化碳排放成本，假设碳税率为一固定值，即λ=30元/吨。通过计算，郑州（铁路）—阿拉山口（铁路）—华沙（铁路）—汉堡路线在保证其他成本的条件下碳排放量最少。

3  结  论

考虑运输碳排放量的多式联运对于减少交通运输的碳排放有着重要意义。本文构建了运输总成本最小和运输碳排放总量最少的多目标优化模型确定运输总成本。科学合理地规划运输路径不仅能够有效降低运营成本、提高运输效率，而且可以减少车辆在运输过程中产生的二氧化碳。因此，对郑歐集装箱多式联运进行优化研究具有一定的现实意义。

参考文献：

[1] 刘杰，彭其渊，殷勇. 低碳背景下的多式联运路径规划[J]. 交通运输系统工程与信息，2018，18（6）：243-249.

[2] 万杰，魏爽. 基于混合算法的多目标多式联运路径选择问题研究[J]. 天津大学学报（自然科学与工程技术版），2019，52（3）：285-292.

[3] 李珺，杨斌，朱小林. 混合不确定条件下绿色多式联运路径优化[J]. 交通运输系统工程与信息，2019，19（4）：13-19，27.

[4] 黄霏茜，林玉山. 基于低碳经济的集装箱海铁联运效益分析[J]. 物流工程与管理，2011，33（5）：49-50，64.

[5] 钱晶晶. 低碳环境下多式联运路径研究[D]. 重庆：重庆交通大学，2015.

[6] 刘倚玮，赵章荣. 考虑碳排放的多目标绿色多式联运路径优化[J]. 计算机仿真，2022，39（5）：145-149.

[7] 耿娜娜，何燕，高海瑛，等. 不确定条件下的物流运输路径优化研究——以中欧班列多式联运为例[J]. 物流工程与管理，2021，43（10）：112-115.

[8] 李干亮. 基于多维视角的中新集装箱多式联运路径优化研究[D]. 重庆：重庆交通大学，2019.