低碳視角下陽邏港集裝箱多式聯運路徑優化

涂 敏， 張東強

(武漢理工大學 交通學院，湖北 武漢 430063)

0 引 言

隨著世界經濟的快速發展及產業規模的不斷擴大,對于能源的使用量持續增長,這也導致二氧化碳的排放量不斷增加,對生態造成了嚴重后果,二氧化碳增加導致全球變暖、氣溫上升、北極的冰川融化及海平面上升等一系類的環境問題。交通行業作為能源消耗的第二大產業,需要很大的能源消耗,故需選擇碳排放量低的運輸方式,充分利用能源,使得二氧化碳的排放量盡可能地降低,因此發展低碳運輸是緩解問題的有效途徑。

對于低碳運輸,多式聯運是很好的手段。我國的多式聯運的發展比較晚,相比之下,歐美國家就發展得相對成熟。關于多式聯運，我國也相繼出臺了一些政策。2019年,多式聯運進入全面發展時期,我們有良好的市場環境,國內各大港口的集裝箱吞吐量持續增長,因此我們應該加快多式聯運的發展。

關于碳排放量的多式聯運的研究如下:Fahimnia等[1]建立總成本和碳排放量雙目標模型,采用改進的交叉熵算法對模型進行求解；Bouchery等[2]建立運輸成本和碳排放量的多目標多式聯運網絡模型,為企業在碳約束政策下指出更符合情況的運輸路線；金玲琴[3]建立了以運輸成本和碳排放量最小為目標的雙路徑優化模型，并采用改進非支配排序遺傳算法對模型進行求解，楊珩姝[4]以大宗干散貨物運輸為研究對象,以碳成本作為目標函數,建立水路優化模型。藤嵐[5]建立以成本和時間的集裝箱多式聯運路徑優化問題,并且在成本中考慮碳排放成本；錢晶晶[6]建立了考慮環境因素的低碳多式聯運路徑優化模型,并且采用遺傳算法和逐步法進行求解,為企業提供了不同的運輸方案。董蘊博[7]建立了以運輸成本、中轉成本及運輸和中轉時產生的碳排放成本為目標的多式聯運路徑優化模型；謝雪梅[8]建立了以商品車整車多式聯運為研究對象,以碳排放成本和物流成本為目標的多式聯運路徑優化模型,并且采用改進的粒子群算法對模型進行求解。

本文建立以成本、時間及碳排放量多目標路徑優化模型。關于碳排放量,大部分學者將其作為成本的一部分,本文將碳排放量作為單獨的目標函數。對于時間，不同的學者有著不同的處理辦法,有的學者將時間窗作為約束條件,另一些學者將時間窗作為總成本的一部分，本文將時間也作為單獨的目標函數。

1 模型建立

1.1 問題描述

本文研究陽邏港集裝箱多式聯運路徑優化，網絡范圍確定為由1個起始節點、5個中轉站節點和1個目的地節點組成的多式聯運網絡。由于現在大多的路線及運輸方式都是已定的,為了下文所做的網絡優化有意義,使得實際問題模型化,現在合理假設從陽邏港到中轉站有公路、鐵路及水路運輸,并且集裝箱均在中轉站進行中轉。現在設陽邏港為Y,黃石中轉站、九江中轉站、安慶中轉站、蕪湖中轉站及南京中轉站分別為T1、T2、T3、T4、T5,目的地上海港設為S。假設非相鄰節點之間沒有直達運輸路徑。本文研究對象的運輸網絡如圖1所示。

圖1 陽邏港到上海港集裝箱多式聯運網絡圖

圖1中,起始點為陽邏港(Y),5個中轉站為T1、T2、T3、T4、T5，終點為上海港(S)。集裝箱多式聯運路徑優化網絡的每個節點之間都可以采用3種運輸方式:鐵路運輸(R)、公路運輸(H)及水路運輸(W),相應地對應著3條不同的運輸線路。例如，從陽邏港(Y)到集裝箱中轉站T1有3種不同的運輸線路(Y-R-T1,Y-H-T1,Y-W-T1),依此類推，Y經過集裝箱中轉站T1,然后再經過T4到達目的地S有27條運輸路徑。再依此類推,從陽邏港到上海港共得到162條運輸路徑。

1.2 相關假設及符號說明

1.2.1 相關假設

為了研究問題的方便,在構建低碳視角下陽邏港集裝箱多式聯運路徑優化模型時,進行以下假設:

(1) 考慮到城市的規模對運輸和中轉成本會產生一定的影響,故將城市視為質點。

(2) 無論采用哪種運輸方式,集裝箱從起始點到目的地必須經過中轉站中轉。

(3) 任何一個節點都可以獨自完成貨物的中轉。

(4) 任何兩個相鄰的城市節點只能采用一種運輸方式,并且換裝必須在城市節點處。

(5) 自然因素給運輸帶來的損失難以計算,因此本文將運輸過程視為理想狀態,不考慮自然因素帶來的影響。

(6) 本文只考慮運輸及中轉過程中的碳排放量,不考慮其他環節產生的碳排放量。

(7) 集裝箱在中轉的時候,只考慮換裝階段,不考慮集裝箱在節點發生其他環節。

(8) 三種運輸工具都能滿足集裝箱的運輸要求。

1.2.2 符號說明

N為節點集合,i,j∈N。

M為運輸方式集合,k,l∈M。

qi,j為節點i和節點j之間的集裝箱量。

Tmin為貨物從開始運輸至到達運輸終點所允許的時間下限。

Tmax為貨物從開始運輸至到達運輸終點所允許的時間上限。

1.3 模型建立

目標函數:

(1)

(2)

(3)

約束條件:

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

上述目標函數式中，式(1)表示在整個集裝箱運輸過程中，運輸成本最小，并且由兩個部分構成：集裝箱運輸費用和集裝箱中轉費用；式(2)表示在整個集裝箱運輸過程中，運輸時間最小，由集裝箱運輸時間和集裝箱中轉需要的時間；式(3)表示集裝箱運輸過程中，碳排放量最少。

上述約束條件式中，式(4)表示i,j節點間的集裝箱量不超過最大集裝箱量；式(5)表示在相鄰的節點之間只能選擇一種運輸方式；式(6)表示集裝箱在中轉地進行換裝時，只能由當前運輸方式換裝成另一種運輸方式；式(7)表示確保集裝箱運輸過程中運輸方式之間轉換的連續性和準確性；式(8)表示確保貨物運輸在時間上的連續性，貨物到達i節點的時間要早于集裝箱到達i+1的時間；式(9)表示貨物在整個運輸過程中的總的運輸時間和中轉時間要在規定的貨物到達終點的時間窗內；式(10)和式(11)表示決策變量是0-1變量；式(12)表示運輸時間的計算方法。

2 混合遺傳粒子群算法原理

混合粒子群算法主要包括遺傳操作和粒子群操作,在經過一系列的遺傳操作之后,然后進行粒子群更新操作,使得算法全局的搜索能力大大提升了,而且算法的搜索速度也提高了。混合遺傳粒子群算法框圖如圖2所示。

圖2 混合遺傳粒子群算法流程框圖

3 實例

3.1 數據準備

3.1.1 各個節點運輸距離

根據陽邏港港務局提供的相關數據得到,陽邏港集裝箱通過5個中轉站到達上海港的距離見表1。

表1 節點間各運輸方式的運輸距離

3.1.2 集裝箱運輸成本和運輸時間

(1) 集裝箱公路運輸成本:隨著距離的增加,集裝箱公路運輸的單位成本會隨之降低,從公路集裝箱行業的運輸成本為運價的80%、75%及70%這一經驗來計算,那么計算公式如下:

(13)

(2) 集裝箱鐵路運輸成本:集裝箱的每箱的運價=發到基價+運行基價×運行距離,本文研究的集裝箱統一選取20TEU的標準箱。根據陽邏港運輸公司提供的相關運營資料,可以得到鐵路運輸集裝箱的單位運輸成本,見表2。

表2 鐵路20TEU集裝箱運價表

(3) 集裝箱水路運輸成本:根據陽邏港運輸公司提供的相關運營資料,可以得到水路運輸集裝箱的單位運輸成本,見表3。

表3 水路20TEU集裝箱運價表

除此之外,假設鐵路運輸平均速度為80 km/h,公路運輸的平均速度為90 km/h,內河船舶速度為30 km/h,根據表1～表3的數據,可以計算出節點間各方式運輸單價和時間,見表 4、表5。

表4 節點間各種運輸方式運輸單價

表5 節點間各種運輸方式運輸時間

3.1.3 集裝箱換裝成本和換裝時間

在集裝箱多式聯運的過程中,需要經過中轉站的換裝,中轉的過程中會產生中轉成本和中轉時間,因此在計算成本和時間的時候應該考慮。經過整理陽邏港港務集團提供的資料,得到三種運輸方式的中轉時間和中轉成本,見表6、表7。

表6 各種運輸方式的運輸換轉時間

表7 各種運輸方式的中轉成本

3.1.4 單位碳排放量和單位中轉碳排放量

根據前往介紹的碳排放計算公式,以及對資料的查閱,可以計算出各種運輸方式運輸環節的碳排放量以及在節點處發生的單位中轉碳排放量,見表8、表9。

表8 各種運輸方式的碳排放量

表9 各種運輸方式的單位中轉碳排放量

3.2 模型求解

本文的模型算法采用MATLA 2018a作為仿真軟件環境進行計算,將上述準備的數據代入模型,以混合遺傳粒子群算對模型進行求解。一些相關的參數設置為:種群(粒子群)的規模為100,停止條件為迭代次數為100,選擇概率取為P=0.5,交叉概率取為Pc=0.70,變異概率取為Pm=0.10,粒子群算法慣性因子ω取為0.7,學習因子固定取為c1=c2=1.5,假設從陽邏港到上海港標準集裝箱為1TEU,另外,設置的時間窗口為[10,40]。

當模型求解考慮碳排放量的時候,在滿足約束條件的情況下,得到帕累托前沿圖，如圖3所示。同樣的也會得到多個pareto有效解,對部分解進行分析,結果見表10,然后再根據定性的方法進行選擇。若要求碳排放量最少的話,選擇運輸方案1；若要求時間最少的話,選擇運輸方案2；若要求成本最低的話,選擇運輸方案1。

圖3 考慮成本、時間及碳排放量的多目標多式聯運帕累托前沿圖

表10 考慮成本、時間及碳排放量的多目標多式聯運pareto解

4 結 論

結合陽邏港集裝箱多式聯運發展現狀和模型求解的結果得到結論,要發展鐵水聯運,鐵水聯運可以有效減少碳排放量,要實現鐵路進入港口,實現鐵水聯運的無縫對接,對于陽邏港的進出港口通道要打通,盡量使集裝箱貨物運輸有自己專屬的通道,不占用城市道路,這樣可以大大提高運輸的效率。另外,要大力發展低碳運輸,低碳是目前各個國家關注的熱點問題,只有快速發展低碳運輸才能有效地減少碳排放量。