考虑碳排放的快递接驳点选址问题研究
考虑碳排放和时间窗的冷链物流配送路径优化研究
包 装 工 程第45卷 第3期·262·PACKAGING ENGINEERING 2024年2月收稿日期：2023-05-05基金项目：中央高校业务经费（2572016CB11）；校级教育教学研究项目（DGY2020-42） *通信作者考虑碳排放和时间窗的冷链物流配送路径优化研究江云倩，杨慧敏*，彭程，赵文（东北林业大学 土木与交通学院，哈尔滨 150000）摘要：目的 确保生鲜农产品在短时间内完成从配送中心到客户点的配送，提高配送效率，降低配送成本。
方法 综合考虑温度变化对卸货过程中生鲜腐烂率的影响，运输过程和冷藏过程中的碳排放成本，以及违反时间窗的惩罚成本等因素，构建配送成本最小化模型，引入碳税机制定量分析碳排放成本，运用改进的自适应遗传算法进行求解，并对碳排放价格进行灵敏度分析。
结果 优化后的总配送成本相较于优化前减少了3.8%，碳排放成本相较于优化前减少了27.8%，总配送时间相较于优化前减少了3.3%。
结论 优化后的遗传算法在降低配送成本和碳排放成本上具有显著效果，可以通过合理控制碳排放价格等手段来降低配送成本和碳排放成本。
关键词：冷链物流；路径优化；碳排放；遗传算法中图分类号：F252；TP18 文献标志码：A 文章编号：1001-3563(2024)03-0262-07 DOI ：10.19554/ki.1001-3563.2024.03.030Optimization of Cold Chain Logistics Distribution Route Considering CarbonEmission and Time WindowJIANG Yunqian , YANG Huimin *, PENG Cheng , ZHAO Wen(School of civil Engineering and Transportation, Northeast Forestry University, Harbin 150000, China)ABSTRACT: The work aims to ensure that fresh agricultural products can be distributed from the distribution center to the customer site in a short time, improve the distribution efficiency and reduce the distribution cost. With comprehensively consideration to the influence of temperature change on the fresh decay rate during unloading, the carbon emission cost during transportation and refrigeration, and the cost of violating the time window, a minimum distribution cost model was constructed. The carbon tax mechanism was introduced to analyze the carbon emission cost quantitatively. The optimization genetic algorithm was used to solve the problem to analyze the sensitivity of carbon emission price. The results showed that the optimized distribution cost was reduced by 3.8%. Compared with that before optimization, the carbon emission cost was reduced by 27.8%. The delivery time was 3.3% shorter than that before optimization. The optimized genetic algorithm is effective in reducing distribution cost and carbon emission cost. Distribution cost and carbon emission cost can be reduced through reasonable control of carbon emission price and other means.KEY WORDS: cold chain logistics; path optimization; carbon emissions; genetic algorithm自2020 年中国提出“碳达峰、碳中和”以来，各行各业掀起了一波绿色发展的浪潮。
考虑碳排放的物流配送选址—路径问题模型及其优化方法研究
(2)针对单一优化目标LRP和多目标LRP数学模型的特点,研究分 析了超启发式算法和禁忌搜索算法的一般特性,分别提出了单目 标超启发式算法和基于禁忌搜索的多目标超启发式算法对模型 进行优化。在超启发式算法的框架中,构建了一系列基于问题特 征的底层启发式算子,设计了相应的高层启发式策略。
(3)针对本文提出的三个LRP数学模型和超启发式算法,使用 MATLAB进行编程。对于求解单一目标而言,以最少碳排放为目标 函数时对路径的增加较小,而对碳排放量和总成本的减少有显著 的效果;对于求解多目标而言,根据得到的Pareto最优解集为决 策者提供多样性选择,有利于决策者从实际需要出发而选择最为 合适的配送方案。
考虑碳排放的物流配送选址—路径问 题模型及其优化方法研究
在全球各国发展低碳经济的今天,考虑碳排放的物流配送选址路径问题(Location Routing Problem,LRP)是一个研究的热点。 国外研究表明:在物流系统中,其中运输环节的能源消耗占整个 物流能耗的90%左右,因此如何合理地选择配送中心位置以及设 计车辆配送路线进行节能减排的研究,具有重要的理论意义和实 践价值。
本文针对考虑碳排放的物流配送LRP问题,在分析其理论与实际 背景的基础上,对其数学模型和算法进行了研究,建立了相应的 LRP数学模型以及设计了求解算法,研究工作主要包括以下几个 方面:(1)探讨了低碳物流的基本理论和低碳配送的实现途径,在 对物流配送过程中车辆燃油消耗量和二氧化碳排放量计算方法 的研究基础上,对影响车辆燃油消耗量和碳排放量的影响因子进 行分析并将其量化。本文主要考虑了车辆装载量和行驶距离对 燃油消耗量和二氧化碳排放量的影响,分别建立了考虑碳排放因 素的单一优化目标CLRP、同时考虑碳排放和成本的多目标CLRP 以及同时考虑碳排放、成本和客户满意度的带时间窗多目标 CLRPTW的仿真分析,验证了模型构建 和算法设计的合理性和有效性。对比分析了超启发式算法与其 它典型智能优化算法,证明超启发式算法的性能明显优于其他算 法。
探究低碳物流发展路径研究
探究低碳物流发展路径研究摘要：气候变化是当今世界最紧迫和重要的国际问题之一。
由于碳排放量的不断增加，温室效应造成的问题越来越严重，于是我国正式提出“双碳”目标，向世界传达了“减碳”的决心。
为了加快最终目标的实现，各行各业都在探索一条符合新时代的低碳发展道路。
根据《国家综合立体交通网络规划纲要》，货物运输需求稳步上升，物流业已经发展成为重要的现代服务业。
2021年至2035年，预计中国货运量将以每年约2%的速度增长，邮政速递业务量将以每年约6．3%的速度增长，由此可见，物流运输将保持长期稳定的增长态势，这表明未来物流行业仍然会快速发展。
在“双碳”目标的背景下，作为我国碳排放量较大的行业，物流企业必须寻求低碳转型的发展道路。
基于此，对低碳物流发展路径进行研究，以供参考。
关键词：低碳；物流；发展路径引言绿色物流作为绿色发展的重要内容,其发展对促进社会大生产绿色发展具有重要意义,是推动绿色低碳发展的题中应有之义。
所以,发展绿色物流刻不容缓,政府、物流行业及企业等对此愈发重视,是现代物流发展的必然趋势。
因此,对如今双碳目标下绿色物流发展的研究至关重要。
发展绿色物流,既是实现碳中和、碳达峰的必由之路,也是促进物流行业提质增效的关键措施。
1低碳经济与低碳物流（1）低碳经济。
可持续发展理念作为低碳经济发展的指导思想，低碳经济旨在通过开发、转型以及创新技术等方法，减少经济发展过程中对煤炭石油能源的消耗，改善温室效应，实现发展经济及保护环境的共生。
发展低碳经济，是保护地球环境能源的重要途径，是实现社会的长远发展和人类的长远生存的重要保障。
（2）低碳物流。
针对减少碳排放量提出的低碳物流，需要运用到科学的管理方式和运输技术，对物流行业运输环节中的碳排放量进行有效的控制和降低。
低碳物流以实现物流运输经济的低污染、低耗能和低排放作为最终目的，通过能效、温室气体减排、可再生资源等技术，对物流运输过程中的碳排放量进行有针对性的合理控制和减少，兼顾物流运输经济的发展和环境的保护工作。
考虑碳排放的物流配送中心竞争选址
考虑碳排放的物流配送中心竞争选址作者：盛丽丽汪传旭来源：《上海海事大学学报》2014年第03期摘要：在考虑物流配送中心新建、扩建、库存及运输中产生的碳排放及其成本的基础上，对低碳背景下物流配送中心的竞争选址进行研究.该方法首先建立垄断条件下物流配送中心的选址模型；然后建立竞争条件下两个公司的Stackelberg博弈选址模型.在此博弈选址模型中，领导者从利润最大化角度进行选址，跟随者通过改变自己配送中心规模的大小参与竞争.算例分析结果表明，该模型能为两个公司的竞争选址问题提供较好的选址决策和配送方案，竞争条件下市场总利润小于垄断条件下的市场总利润.关键词：物流；碳排放；配送中心；竞争选址中图分类号： F252.14；F252.2文献标志码： A基金项目：国家自然科学基金（71373157）；上海市大文科研究生学术新人培育项目（wk2013012）；上海海事大学研究生创新基金（2013ycx025）作者简介：盛丽丽（1989—），女，浙江新昌人，硕士研究生，研究方向为物流与供应链管理，（E-mail）806355145@；汪传旭（1967—），男，安徽怀宁人，教授，博导，研究方向为物流与供应链管理、港口与航运管理，（E-mail）cxwang@0引言20世纪80年代后，竞争选址逐渐成为选址问题的热点问题和研究方向.HOTELLING[1]最早提出竞争环境下的选址问题.ABOOLIAN等[2]提出一个利润最大的Web服务竞争选址模型.范建华[3]应用效用函数建立一个竞争环境下连锁型企业新设施选址的新模型.骆有隆等[4]考虑选址聚集效应和市场份额竞争的新设施网络选址问题，建立考虑利益最大和吞并最小的双目标模型.杨玉香等[5]分析新进企业与现有企业构成的一主多从Stackelberg主从对策问题，建立设施竞争选址模型，并提出遗传算法与QPADM算法相结合的求解策略.GHADDAR等[6]针对一个产品价格由市场总产量决定的二级供应链，建立Stackelberg竞争选址模型，并考虑碳排放交易.关于配送中心和相关设施选址问题已有大量研究成果.王淑琴等[7]针对城市物流系统不同层次的节点间存在物流量流动、不同层次节点的选址互为影响的特点，提出城市双层配送网络布局模型.陈鑫等[8]结合排队论和选址理论，建立带有响应时间承诺的应急救援中心选址优化模型.SUN等[9]从配送中心成本、顾客成本两方面出发，建立双层规划模型，并设计一个启发式方法求解.韩皓等[10]提出与现实中企业多元化经营背景相应的多级物流节点选址优化.朱江洪等[11]考虑物流系统各功能环节的碳排放对环境的影响，构建配送中心综合选址模型.杨雨薇等[12]针对征收碳税及碳交易两种情况分别建立数学模型对选址方案进行优化.本文研究在市场上已有公司建立配送中心的情况下，后来者如何选址才能获得最大的市场利润，同时对环境的影响最小.首先建立垄断条件下公司配送中心的选址模型，然后建立竞争条件下两个公司的Stackelberg博弈选址模型.公司的成本主要有货物的进货成本、运输成本、新建及扩建配送中心的成本以及碳排放成本.碳排放成本主要产生于配送中心新建、扩建、库存及运输中.本文的创新之处：（1）研究视角的创新.本文采用效用函数研究物流配送中心选址问题，此效用函数是关于配送中心规模大小和配送中心与顾客之间距离的函数.而以往的配送中心选址研究中没有采用这种效用函数.本文还采用由此效用函数决定的概率描述顾客选择各配送中心的可能性大小.（2）研究模型的创新.以往的配送中心竞争选址中，跟随者一方常常通过价格策略参与竞争.本文假设跟随者主要通过3种方法对领导者作出反应：第一种保持原有的规模，第二种是在原有的基础上扩大规模，第三种是关闭原有的配送中心.（3）本文考虑配送中心新建、扩建、库存及运输中产生的碳排放量，使所建的模型在追求利润最大化的同时也考虑对环境产生的影响.4结束语本文研究碳排放背景下物流配送中心竞争选址问题.首先建立垄断条件下A公司的选址模型，其中考虑产品价格、购买成本、固定建设成本、运输费用及碳排放成本.其次将已经存在的B公司作为跟随者，后进入的A公司作为领导者，建立两个公司的Stackelberg博弈选址模型，两个公司通过改变各自配送中心规模的大小决定市场份额的大小.最后进行算例分析，比较垄断与竞争条件下两个公司的决策及利润情况.将来可以继续研究的有：（1）顾客的需求不确定，是随机或模糊的情形；（2）A公司的候选点及顾客需求点远不止4或6个，设计一种有效的算法解决大规模问题.参考文献：[1]HOTELLING H. Stability in competition[J]. Economic J， 1929， 39（153）： 41-57.[2]ABOOLIAN R， SUN Y， KOEHLER G J. A location-allocation problem for a Web services provider in a competitive market[J]. Eur J Operational Res， 2009， 194（1）： 64-77.[3]范建华. 基于阶梯型衰退效用函数的竞争选址问题[J]. 管理学报， 2009， 6（12）：1638-1642.[4]骆有隆，聂规划. Web服务集成商在竞争环境下的产品决策研究[J]. 武汉理工大学学报：交通科学与工程版， 2011， 35（5）： 1027-1030.[5]杨玉香，周根贵. 闭环供应链网络设施竞争选址模型研究[J]. 中国管理科学， 2011， 19（5）： 50-57.[6]GHADDAR B， NAOUM-SAWAYA J. Environmentally friendly facility location with market competition[J]. J Operational Res Soc， 2012， 63（7）： 899-908.[7]王淑琴，刘伟. 城市双层配送网络布局模型[J]. 上海海事大学学报， 2009， 30（4）：36-39.[8]陈鑫，汪传旭，石刘红. 模糊随机需求下应急救援中心排队选址模型及算法[J]. 上海海事大学学报， 2011， 32（1）： 74-79.[9]SUN H， GAO Z， WU J. A bi-level programming model and solution algorithm for the location of logistics distribution centers[J]. Appl Math Modelling， 2008， 32（4）： 610-616.[10]韩皓，王素玲. 多级物流节点选址问题建模与求解[J]. 上海海事大学学报， 2009， 30（4）： 30-35.[11]朱江洪，刘代平. 考虑碳排放的物流配送中心选址[J]. 铁路采购与物流， 2011， 6（4）： 56-57.[12]杨雨薇，林淑芬. 碳税和碳交易条件下的物流配送中心选址模型[J]. 物流工程与管理，2011， 33（4）： 119-122.[13]HUFF D L. A programmed solution for approximating an optimum retail location[J]. Land Econ， 1966， 42（3）： 293-303.[14]PASTOR J T. Bicriterion programs and managerial location decisions： application to the banking sector[J]. J Operation Res Soc， 1994， 45（12）： 1351-1362.（编辑贾裙平）。
考虑碳排放的城市物流配送综述
考虑碳排放的城市物流配送综述作者：方玄婧来源：《市场周刊》2017年第08期摘要：可持续发展已经成为时代主题，围绕绿色发展，我国物流行业应该加快产业转型升级，注重环境保护，承担企业社会责任。
所以，城市物流配送体系应该更加注重其社会效益。
从相关国内外文献来看，对物流配送研究集中在车辆运输路径优化问题和物流配送中心的选址问题。
因此，文章主要针对这两个问题来探讨考虑碳排放约束下如何构建城市物流配送体系，既要节约物流总成本，又要实现保护环境的目的。
关键词：物流配送；车辆路径；碳排放中图分类号：F253.9 文献标识码：A 文章编号：1008-4428（2017）08-32 -03一、引言随着电子商务迅速发展，网上购物变得更加快捷，消费的人群在不断增加。
但是，这也造成了一些问题。
城市范围内货物的交付活动变得越来越复杂和频繁，并且消费者对于货物送达的时间要求越来越高与物流企业配送组织模式的落后产生矛盾，导致城市物流配送的效率低下、运输成本高。
一方面，城市配送的需求量在不断增加，同时要求更多的车辆投入；另一方面，配送车辆的增加，必然会造成交通拥挤、废物排放增加。
自从“绿色发展”的理念提出之后，学者们开始关注如何构建环保型城市物流配送体系。
二、碳排放成本计算正确计算碳排放成本，有助于我们将外部环境成本量化处理，将碳排放成本纳入到企业决策中去，提高大众和企业对污染、废弃物处理的重视。
但是，对碳成本的具体组成部分我们很难去考虑，需要考虑到不同的行业、不同业务类型。
拉瑞（Larry）将碳成本比作“碳黑箱”，指的是碳排放成本的不明确性、没有明确的计算方法、没有明确的组成部分。
因此，对于碳排放成本计算的研究很少。
徐瑜青认为企业在进行减少废弃物排放过程中可能采用了新的设备和技术，将这些作为低碳化处理的机会成本，加入到物流成本中去，使得外部成本内部化处理；杨蓓等认为碳排放成本由预防成本、鉴定成本和损失成本组成。
通过构建短期碳排放成本决策模型，得出企业在进行短期的决策以找到最优的碳排放量和碳排放成本组合点。
基于低碳的快递路径选择问题研究
行 优 化 求解 ，可 以明 显降 低 车 辆 运 行 中 的碳 排 放量 。 ２０１５年 ， 车 辆 配 送 路径 来 降 低碳 排 放 量 。通 过 采用 ＤＰ方 法和 蚁 群 算 法解
Ｍｏｈａｍｍａｄ等 考 虑 了车 辆 在 行 驶 过程 中速 度 、 距 离 以及 道 路 决该 问题 ，分析 了他 们 的性 能。
是 否堵 塞 等 因素 ，建 立燃 料消 耗模 型 ，并 用 蚁群 算法优 化 求解 。 ２０１ ６年 ，ＹｏｓｈｉｎｏｒｉＳｕｚｕｋｉ 建 立 以能耗 最 低和 碳排 放 量最 少 为 目
１．问题描 述 假 设快 递 公司 有ｎ个站 点 ，快递 车 辆 需要 经过 每 一个 指 定站
中国储运网 Ｈｔｔｐ：／／ｗｗｗ ｃｈｉｎａｃｈｕｙｕｎ ｃｏｍ １ １ ５
≥ｉ０ ’ Ｎ ） ， ｌ 探讨 与研究
基于低碳的快递路径选择问题研究
文／芦立 华 邱煜 浩 蒋涛 李 恒 洗
摘 要 ：通 过优 化 快 递 车辆行 驶 路 线可 以削减 燃 油消耗 ，减 少碳 排放 量 。本 文使 用ｄｐ状压 算 法和 蚁 群 算 法来 求解 最短 路 径优 化模 型 ，通过 使 用标 准 的数据 集 验证 了两种 方 法适 用 的范 围和 各 自的优 缺 点 ， 旨在 指 导企 业采 用科 学合 理 的方 法规 划 快递 车辆 行驶 路 线 ， 削减 车辆 燃油 消耗 ，减 少碳排 放 量 ， 进 而 降低 企业 成本 ，增 强其在 市场上 的竞 争 力。
本 ，以 降低机 动 车燃油 消 耗 、减 少碳 排 放 ，进而 实现 绿 色低 碳环 云 等 在传 统 带 时 间窗ＶＲＰ６￣基础 上 ，建立 了考虑 低 碳 、节 能和
保 交通 运输 模 式 的理念 ，这对 于 实现 可持 续 发展 具有 重 要的理 论 成 本 节约 的城 市 车辆 配送 问题模 型 ，设计 改进 的遗传 算 法进 行 求
考虑碳排放的多式联运货运枢纽选址
第28卷第3期2020年9月山东交通学院学报JOURNALOFSHANDONGJTAOTONGUNTVERSTTYVol.28No.3Sept.2020DOT10.3969/j.issn.1672-0032.2020.03.004考虑碳排放的多式联运货运枢纽选址沈睿打唐李莹2,孙波3,但程博21.成都工贸职业技术学院，四川成都611731；2.西南交通大学交通运输与物流学院，四川成都610031；3.成都地铁运营有限公司，四川成都610000摘要:为进行多式联运货运枢纽的合理选址，在考虑碳排放的前提下,引入运营收入、建成成本、运输成本、中转成本、碳排放等价成本，以利润最大化为目标建立货运枢纽选址模型。
提出基于P-中值模型思想的求解算法，结合具体算例进行求解，分析各因素单独变化时对运输总收入的影响，结果与实际相符。
该研究能促进多式联运降低成本、提高效益,并为货运枢纽规划选址提供参考。
关键词:多式联运;货运枢纽;选址;碳排放;P-中值模型中图分类号：U115文献标志码:A文章编号：1672-0032(2020)03-0019-06引用格式：沈睿,唐李莹，孙波，等.考虑碳排放的多式联运货运枢纽选址［J］.山东交通学院学报,2020,28(3): 19-24.SHENRuc，TAGNLcycng，SUNBo，eiae.Scieseeecicon ofmueicmodaeiaanspoaihub based on conscdeaaicon ofcarbon emissions］J］.Journal of Shandong Jiaotong University，2020，28(3):19-24.0引言物流业的发展从快速扩张逐步转向注重质量和效率⑴#打造绿色高效的现代物流系统，需推动铁水、公铁、公水、空陆等联运发展。
多式联运货运枢纽作为多种运输方式的衔接节点具有重要作用［2］，因此，建设与城市功能定位高度契合、高标准、现代化的多式联运货运枢纽有助于多式联运的发展。
冷链与低碳配送中心选址问题研究
绿色消费这一最优策略水平上。
说明涉农企业绿色农产品的生产技术及消费者的环保理念、意识已经成熟，无需第三方的监管和管制，但达到这种状态仍存在诸多障碍，就目前来说，还没达到这一理想状态，政府适当予以奖励和惩罚，无形中增强消费者和涉农企业的信任机制，对促进演化进度是有利的。
具体为：政府在绿色发展概念提出的初期，应该增强消费者对选择绿色农产品消费时的法律意识和对政府的信任意识，进而加深对绿色农产品的方面的认知教育，虽然短期内的宣传效果或许不显著，但绿色农产品生产发展的道路是经济质量稳步提升的必然之选。
其次，道德法律上，政府也应强化对涉农企业在农产品生产时的法律和道德约束，增加不良涉农企业的媒体曝光度和舆论关注度，从而使其提高道德价值水平。
技术成本上，对于涉农企业购买绿色农产品生产所用的机械设备时，在明确“黄箱”，“绿箱”在绿色农产品上的边界之下，给予一定的鼓励和补贴，建立绿色农产品生产者收入补偿机制，创造优质优价的生产与市场环境。
（作者单位：黄河交通学院）引用出处[1]白世贞,郑佳,吴绒.农产品绿色生产与绿色消费协同演化博弈分析[J].江苏农业科学,2017,45(10):316-319.[2]杨顺顺,宋春艳,谢瑾岚.绿色农产品产业生态补偿主体的博弈分析[J].生态经济,2012(6):75-78.[3]柳键,曾剑锋.政府监管与绿色生产多阶段博弈行为[J].系统工程, 2014(8):10-17.[4]李静.生产、监管、审计对农产品质量的三方博弈推判与仿真[J].统计应用研究,2019(11)[5]丁志国李泊祎.农产品价格波动对政策性农业保险的影响研究—基于主体博弈模型[J].中国农村经济,2020(6).[6]陈化飞.低碳经济下绿色农产品供应链主体博弈[J].江苏农业科学,2017,45(14):293-296.[7]邬晓霞,张双悦.“绿色发展”理念的形成及未来走势[J].经济问题, 2017(02):30-34.配送中心选址是物流企业规划物流配送网络中的重要一环，关乎整个物流系统的运营效率和成本。
考虑碳排放的城市配送路径优化问题研究
考虑碳排放的城市配送路径优化问题研究研究主题：考虑碳排放的城市配送路径优化问题研究摘要：随着全球气候变化的加剧，减少碳排放已成为城市规划和交通管理的重要课题之一。
城市配送作为其中重要环节，其路径的优化对于减少碳排放具有重要意义。
本论文旨在研究在考虑碳排放的城市配送路径优化问题，针对该问题提出了一种研究方案，并通过数据分析和结果呈现对方案进行了有效性评估。
最后，我们从结论和讨论的角度对该研究进行了总结和展望。
1. 研究问题及背景城市配送作为城市物流体系的重要环节，对于城市的经济发展和居民生活质量有着重要影响。
然而，城市配送中的碳排放问题已经引起了广泛关注。
许多城市都面临着配送路径过长、车辆使用效率低下等问题，导致碳排放的增加。
因此，我们需要研究如何在考虑碳排放的情况下优化城市配送路径，以实现城市物流的可持续发展。
2. 研究方案方法本研究基于城市配送路径的优化问题，同时考虑到碳排放的因素。
我们提出了以下研究方案和方法：2.1 确定优化目标首先，我们需要确定优化目标，既要优化路径的长度、运输时间等传统指标，又要最小化碳排放量指标，以达到城市配送的低碳化目标。
2.2 建立路径优化模型基于确定的优化目标，我们建立了城市配送路径优化模型，考虑到了多个变量和约束条件，包括配送路径、配送车辆和配送量等。
模型的建立需要综合考虑如碳排放的估计模型、交通流量模型、环境质量模型等。
2.3 开发算法求解为了求解该优化模型，我们将采用启发式算法，如遗传算法、禁忌搜索算法等，以求得最优解或近似最优解。
通过优化算法的应用，我们将能够得到碳排放最低的城市配送路径方案。
3. 数据分析和结果呈现在研究的过程中，我们需要收集相关数据，并对数据进行分析。
这包括城市交通流量数据、配送需求数据、碳排放因素数据等。
通过对数据的分析，我们可以评估提出的路径优化方案的有效性，并得出结论。
4. 结论与讨论我们的研究结果表明，在考虑碳排放的情况下优化城市配送路径是可行且有效的。
考虑碳排放成本的铁路集装箱快递班列开行方案
考虑碳排放成本的铁路集装箱快递班列开行方案*尹传忠1李岳珊2陶学宗1▲刘咪3（1.上海海事大学交通运输学院上海201306；2.甘肃省总工会兰州730000；3.跨客食品科技（上海）有限公司上海201210）摘要：针对我国目前快递公路运输方式占比过高，而导致的道路交通需求过大、运输成本、碳排放过高等问题，研究了“双碳”目标下铁路集装箱快递班列方案。
考虑运输距离、快递量、快递网点数量、物流产业占GDP 比重等因素，运用熵权法确定集装箱快递班列始发站和到达站。
根据公路直达运输和调运至铁路车站2种形式，构建包括始发站、调运站和到达站的铁路集装箱快递班列运输网络。
为确定集装箱快递运输直达方案、调运方案及采用的运输方式，建立了铁路集装箱快递班列开行方案的整数规划模型。
为确定集装箱快递班列合理的列车编组数量及铁路经济运距，该模型以运输成本、调运成本和碳排放成本最小为目标，不仅综合了快递运量、时间约束以及列车开行条件等因素，而且考虑了快递货物的调运流程。
此外，该模型还引入了碳排放系数、碳交易价格等要素，以计算碳排放成本。
以长三角地区快递货流集散为例进行了实证分析，结果表明：铁路集装箱快递班列开行方案以直达运输为主，调运方式为辅；运输方式按照载货量及铁路经济运距划分铁路运输为主，公路运输为辅；列车合理编组范围为25~40辆，且列车编组数量过高和过低均不具有优势；设定铁路运输速度120km/h的条件下，铁路经济运距以400km为宜；科学设计时间窗约束亦能优化铁路集装箱快递班列开行方案。
与现行公路运输相比，本研究所得方案的运输成本和碳排放成本均明显降低，运输时效性亦能够得到保证。
关键词：集装箱快递班列；开行方案；整数规划；碳排放成本；熵权法中图分类号：U169文献标识码：A doi：10.3963/j.jssn.1674-4861.2023.03.014An Operation Scheme for Regular Train Services for TransportingContainers Considering Carbon Emission CostYIN Chuanzhong1LI Yueshan2TAO Xuezong1▲LIU Mi3(1.College of Transport and Communications,Shanghai Maritime University,Shanghai201306,China;2.Gansu Federation of Trade Unions,Lanzhou730000,China;3.Quark Dairy Intelligence Institute,Shanghai201210,China)Abstract：Currently,a high proportion of the express delivery service in China is carried out through road transpor-tation,which has led to the following issues,including an excessive traffic demand,a high transportation cost,and high carbon emission.Aiming to address these issues,an operation scheme for regular train services for transporting containers(RTS-TC)under“dual carbon”goals is studied.Considering the factors such as transportation distance, express delivery volume,the number of express delivery outlets,and the contribution of the logistics industry to overall GDP,an entropy weighting method is employed to determine the origin and destination stations for RTS-TC.Based on two types of transportation,highway transit only and transfer to railway stations,a transportation network for RTS-CT is developed,including the origins,transfers,and arrival stations.To determine the scheme for direct transit,the transfer scheme,and the corresponding transportation mode,an integer programming model is developed for the operation scheme of RTS-TC.To determine the reasonable number of RTS-TC formations and the railway economic distance,the model minimizes the transportation costs,transfer costs,and carbon emission costs.The opti-收稿日期：2022-06-13*国家自然科学基金项目（72074141）、中国国家铁路集团有限公司科技开发计划重点课题（N2023X023）资助第一作者简介：尹传忠（1971—），博士，副教授.研究方向：多式联运组织与优化.E-mail:****************▲通信作者：陶学宗（1981—），博士，副教授.研究方向：交通运输规划与管理.E-mail:***************.cn0引言伴随着电子商务的迅猛发展，快递业已成为国民经济的重要组成部分。
物流运输环境下的碳排放控制策略研究
物流运输环境下的碳排放控制策略研究随着全球经济的快速发展和人们生活水平的提高，物流运输行业蓬勃发展。
然而，物流运输过程中所产生的碳排放对环境造成了严重的影响。
为了应对气候变化和减少对环境的负面影响，物流运输环境下的碳排放控制策略成为亟待解决的问题。
本文将探讨一些有效的碳排放控制策略，并提出可行的解决方案。
一、加强运输管理与技术升级1. 提高运输管理水平：物流企业应加强对物流运输过程的监控和管理，实施精细化运输管理。
通过合理调度、路线规划和货物配载等措施，降低碳排放。
2. 推广低碳技术：应鼓励物流运输企业采用低碳技术，例如使用节能型车辆、推广电动车辆和混合动力车辆等。
同时，引入智能化管理系统，提高运输效率，减少运输中的能源浪费。
二、倡导绿色配送与多式联运1. 优化配送方案：物流企业可以采用集约化和辐射式的配送模式，并结合智能化配送管理系统，优化配送路线，减少运输距离和时间，降低运输过程中的碳排放。
2. 多式联运：多式联运是指将不同的运输方式有机地结合在一起，从而达到高效、环保的运输方式。
通过合理规划运输节点和运输模式，降低对公路运输的依赖，减少碳排放。
三、加强政策引导与经济激励1. 制定相关政策：政府应制定针对物流运输环境的碳排放的政策，例如限制高污染运输车辆的行驶，对碳排放量较低的企业给予一定的政策支持等。
2. 经济激励：政府可以通过减免税费、给予贷款优惠等方式，激励物流企业采取低碳运输措施，鼓励企业更加积极地参与碳排放控制。
四、提倡社会责任和消费者参与1. 物流企业社会责任：物流企业应当积极履行企业社会责任，加大环保投入，推动绿色物流发展，为社会创造更大的环境价值。
2. 消费者参与：消费者在选择物流服务时，可以选择环保型物流企业，鼓励经济运输和资源共享，共同降低碳排放。
结论在物流运输环境下，为了控制碳排放，需要加强运输管理与技术升级，倡导绿色配送与多式联运，加强政策引导与经济激励，提倡社会责任和消费者参与。
低碳物流中的路径选择问题研究ppt课件
一定的约束条件下，达到一定的目标。
5
内•优容化资源1 配置，降低物流成本
•提升物流系统的关键，实现物流科学化
0 •智能交通运输系统的基础，加快电子商务进程。
3
6
4
4
二、研究内容
加油站数量限 定的G-VRP
基于时变的车辆 路径问题TDVRP
车辆路径问题 VRP
低碳物流中的路径选择问题研究
关键词：低碳物流、路径选择问题
1
目录
03
研究意义
05
研究内容
19
发展趋势
1
2
3
2
一、研究意义
1、低碳物流的研究意义
可持续发 展的需要
现代新兴产业； 依赖专业分工、经济发展；
与绿色经济活动紧密衔接；
提高利润 的切入点
物流在碳排放量中占比大；
物流成本占销售价格75%左右；
2
3
4
实时快 速VRP 算法
不确定 式VRP 问题的 研究
VRP的多 种智能优 化算法联 合求解
动态低 碳车辆 路径
参考文献：
[1]李永先 ,胡祥培 ,熊英,物流配送系统中车辆路径问题仿真优化及其进展,管理科学， 2006,19（4）：2-9 [2]王征，张俊，多车场带时间窗车辆路径问题的变邻域搜素算法，中国管理科学， 2011,19（2）：99-109； [3]何小峰，马良，带时间窗车辆路径问题的量子蚁群算法，系统工程理论与实践，2013， 33（5）：1255-1261； [4]李娅，王东，多策略优化的蚁群算法求解带时间窗车辆路径问题，计算机与数字工程， 2013，41（4）：512-520 [5]Gilbert Laporte,What you should know about the vehicle routing roblem ,Naval Research Logistics,2007,54(8):811-819; [6] Figliozzi, Miguel,Vehicle Routing Problem for Emissions Minimization, Transportation Research Record,2010: 1-7 [7]Miguel Andres Figliozzi ，The time dependent vehicle routing problem with time windows: Benchmark problems, an efficient solution algorithm, and solution characteristics ，Transportation Research Part E ，2012，（48 ）：616–636；
考虑碳排放的选址-路径问题研究
考虑碳排放的选址-路径问题研究赵燕伟;钱振宇;张景玲;张春苗【摘要】针对物流配送中的选址-路径问题,在车辆路径安排时加入了碳排放的考虑,建立了包含碳排放、配送成本和客户满意度的多目标优化模型,提出了一种基于禁忌搜索的超启发式算法.在超启发式算法的框架中,构建了一系列基于问题特征的底层启发式算子,设计了禁忌搜索作为高层启发式策略.以某地区物流配送实例进行仿真实验,通过超启发式算法和NSGA-II算法比较证明,所提算法可以更好地解决选址路径的多目标问题,能较快地找到更优解,达到较高的搜索效率和算法稳定性.与传统的启发式算法相比,该算法具有很好的通用性,可以很容易推广到其他选址-路径变种问题上.【期刊名称】《浙江工业大学学报》【年(卷),期】2018(046)005【总页数】8页(P550-557)【关键词】选址-路径问题;碳排放;超启发式算法;底层启发式算子;高层启发式策略【作者】赵燕伟;钱振宇;张景玲;张春苗【作者单位】浙江工业大学特种装备制造与先进加工技术教育部重点实验室 ,浙江杭州 310014;浙江工业大学特种装备制造与先进加工技术教育部重点实验室 ,浙江杭州 310014;浙江工业大学特种装备制造与先进加工技术教育部重点实验室 ,浙江杭州 310014;浙江工业大学特种装备制造与先进加工技术教育部重点实验室 ,浙江杭州 310014;嘉兴职业技术学院机电与汽车分院 ,浙江嘉兴314036【正文语种】中文【中图分类】F253随着全球气候变暖，低碳经济逐渐成为世界各国关注的焦点，而物流业是碳排放的主要来源之一，因此低碳环境下的选址路径问题(Location routing problem，LRP)受到学者的关注.在模型上，曹剑东等[1-2]以总成本最小化为优化目标研究了考虑碳排放因素的车辆路径问题(Vehicle routing problem，VRP).在实际的物流配送系统中，车辆路径的优化目标往往不止1个，可能同时考虑包括最短配送路径、最少总成本、最少碳排放量和最少车辆数等因素.Jemai等[3-4]研究了最小化运输路径和碳排放的多目标VRP模型；鲁建厦等[5-6]研究了最小化成本和车辆数的LRP模型.然而在现实生活中，物流企业一方面在配送时要尽量降低运营成本，另一方面还要减少碳排放、增加客户满意度.客户的满意度主要体现在车辆的准时到达，车辆在客户要求的时间内到达，则客户的满意度最高，提前或者推迟到达都会引起客户满意度的下降.在求解算法上，求解多目标VRP或LRP模型的算法基本是线性权重处理法或者是NSGA-II算法等传统的启发式算法，不同LRP变种问题的特殊性限制了这类算法的通用性，对于不同LRP问题都必须设计相对应的搜索策略，所以设计一种通用性算法使其较好地运用于一类相似的问题是目前研究的热点，超启发式算法就是这样的方法之一.基于此，在传统LRP基础上，研究考虑碳排放带时间窗的选址路径新模型，在优化配送中心位置和数量的同时确定最佳的配送路线，降低配送过程中的碳排放，建立了包含碳排放、配送成本和客户满意度的多目标LCLRPTW(Low-carbon location-routing problem with time windows)模型，并结合禁忌搜索设计超启发式算法进行求解.1 选址-路径问题的描述及数学规划模型1.1 问题描述建立多目标LCLRPTW模型描述如下：有M个配送中心，每个配送中心拥有相同容量的K辆车，车辆最大载重量为Qk，有n个客户的运输任务需要完成，第i个客户节点的需求量为di，且有maxdi<Qk.完成客户i的任务需要的服务时间为Ti，且客户i的服务最好在时间窗口[Ei,Li]内开始，若车辆到达客户i的时间早于Ei，则车辆需在i处等待，如果到达时间晚于Li，则处以一定的惩罚.每个客户必须被服务且只能服务1次，每辆车从配送中心出发，完成运送任务后最终都回到各自的配送中心.最终目标是满足车辆容量限制、配送中心库存限制和时间限制等一系列约束条件下找出使碳排放量最少、配送总成本最少和客户满意度最高(客户满意度主要用等待和迟到的总时间来衡量[7])的优化路线方案.1.2 碳排放量的计算由于要满足同一条路线上各个客户的需求，车辆在运输过程中的装载量会发生变化，所以CO2的排放量不是一成不变的，除了行驶距离外还需要考虑每一段运输过程中实际的货物装载量.根据文献[8]，CO2排放量和燃油消耗量成正比例关系，CO2排放量与行驶距离成正比例关系，与车辆装载量成正线性相关.在计算车辆燃油消耗和CO2排放量的时候，只考虑车辆行驶距离和装载量对两者的影响，暂不考虑行驶速度、交通路况和天气等因素的影响.燃油消耗量和CO2排放量的计算公式为F=GD(aL+b)(1)式中：F为运输过程的燃油消耗量；G为地形坡度因子；D为车辆的行驶距离；L为载货重量；a,b分别为燃油消耗参数.计算出燃油消耗量，需要转化为CO2排放量，同样根据文献[8]有ECO2=Fη式中：ECO2为CO2排放量；η为燃油转换系数.为了验证模型的有效性，取地形坡度因子G为单位1，根据实际问题可以得到Eij=ηDij[aQij+b](3)式中:Eij为车辆从客户i后到客户j的CO2排放量；Dij为客户i到客户j的行驶距离；Qij为离开客户i后前往客户j的车辆装载的将要派送的客户的货物总量.1.3 数学模型对模型中的变量进行如下定义：M{m|m=1,2,…,M}为一系列配送中心；C{i|i=1,2,…,n}为一系列需要服务的客户；V{k|k=1,2,…,K}为属于各个配送中心的车辆；S{M∪C}为配送中心和客户总和；Km为属于配送中心m且同一车型的车辆；di为客户i的需求；Cc为单位CO2排放成本；Cv为派车成本；Cr为单位车辆运输成本；Cd为单位车辆折旧成本；Cf为单位燃油成本；Cm为配送中心开放成本；Qk为车辆的容量；Qm为配送中心的容量；[Ei,Li]为时间窗；T0为配送中心开始送货时间；Tik为车辆k到达客户i的时间；tij为客户i～j的行驶时间；sik为车辆k服务客户i的时间；α为单位时间车辆提前到达客户点的惩罚系数；β为单位时间车辆延误到达客户点的惩罚系数；决策变量1：Xijk，当车辆k从客户i～j为1，否则为0；决策变量2：Zm，配送中心开放为1，否则为0.LCLRPTW数学模型如下：(4)(5)∀i∈C(7)∀m∈M,k∈Km(8)∀m∈M,k∈Km(9)∀k∈Km(10)∀k∈Km(11)∀h∈C,k∈Km(12)∀m∈M(13)∀k∈Km(14)∀j∈C(15)T0=0(16)Tik+sik+tij=Tjk ∀i,j∈C,k∈Km (17)ai≤sik≤bi ∀i∈S,k∈KmXijk∈{0,1} ∀i,j∈S,k∈Km(19)Zm∈{0,1} ∀m∈M(20)其中：式(4～6)为3个目标函数；式(4)代表总碳排放量最少；式(5)代表总成本最少，第1项为配送中心开放成本，第2项为派车成本，第3项为车辆运输成本和汽车折旧成本，第4项为燃油成本，第5项为CO2排放成本，第6项为早到等待成本，第7项为超时成本；式(6)代表等待和迟到的总时间最少；式(7)保证每个客户均被访问1次；式(8，9)表明车辆从配送中心出发，必须回到原配送中心；式(10)保证每1个运输车辆的路径最多从1个配送中心驶出；式(11)保证任何2个配送中心的车辆不会在同1条路径上；式(12)保证访问完客户后必须离开；式(13)保证每个配送中心访问的顾客总需求小于配送中心的容量；式(14)保证车的载重不大于它的载重能力；式(15)保证每个客户的需求均被满足；式(16)表示规定开始的送货时间为0；式(17)表示车辆k到达客户j处的时刻等于车辆k到达客户i处的时刻与其在客户i处服务时间，以及从客户i处到客户j处的行驶时间之和；式(18)表示车辆k到达客户i处的时间需满足客户规定的时间窗；式(19，20)是对决策变量的描述.2 求解算法设计2.1 超启发式算法超启发式算法(Hyper-heuristicalgorithm，HHA)是近年来发展起来的一种新型启发式算法，旨在提高算法的通用性[9-10].超启发式算法提供一种高层启发式策略，通过管理或操纵一系列底层启发式算子，用于求解各种组合优化问题.图1给出了超启发式算法的框架，分为2个部分[9]：在控制域部分，由智能计算专家进行设计高层启发式策略，包括如何利用底层启发式算子构造可行解或改进解的质量；在问题域部分，由应用领域专家提供一系列底层启发式算子(Low-level heuristic,LLH)、问题定义和目标函数等信息.由于2个部分之间实现了领域屏蔽，只要修改问题域的LLH、问题定义和目标函数等信息，一种超启发式算法可以方便地移植到新的问题上.超启发式算法已经被广泛运用在多种领域，大多用于求解排课问题[11]，流水车间调度问题[12]，装箱问题[13]等约束较少的组合优化问题，对于更为复杂的问题实际应用潜力巨大.因此提出一种禁忌搜索的超启发式算法对多目标LCLRPTW模型进行求解，为超启发式算法进一步在LRP领域的应用提供参考.图1 超启发式算法框架Fig.1 Framework of hyper-heuristic algorithm2.2 基于禁忌搜索的超启发式算法根据超启发式算法的特点，算法设计需要考虑问题域中底层启发式算子的构建和控制域中如何设计禁忌搜索作为高层启发式策略.2.2.1 底层启发式算子在研究的LCLRPTW模型中，底层启发式算子根据文献[14]的分类标准，构建变异算子、破坏与重构算子、局部搜索算子和交叉算子.算子具体详情如下：1) 变异算子.变异算子是一种对解产生微小扰动的突变算子.所有这些算子都将返回任何满足约束的路径，无论目标函数值是改进或恶化.LLH1～ LLH4为路径变异算子；LLH5，LLH6为配送中心选址变异算子.LLH1：2-opt.选择1条路径，交换相邻两客户点的位置.LLH2：Or-opt.选择1条路径，把相邻2客户点插入到其他位置.LLH3：Interchange.选择2条路径，交换任意2个客户点位置.LLH4：Shift.选择2条路径，1条路径上的任意1个客户点插入到另1条路径合适的位置.LLH5：Shift.选择1条路径，使用1个新的配送中心替换此路径的配送中心. LLH6：Interchange.选择2条路径，交换2个配送中心.2) 破坏与重构算子.破坏与重构算子共有3类，分别为径向破坏与重构算子、随机破坏与重构算子和序列破坏与重构算子[15].使用第1类算子，即根据与“基准客户”的接近程度从路径中删除一些客户.LLH7：Location-based radial ruin.随机选择1个客户作为基准客户，根据客户位置接近基准客户位置的原则，以[1%,10%]的概率将客户从路径中删除.LLH8：Time-based radial ruin，在整个调度期间内随机选择1个时间，根据其时间窗口的接近时间以[25%,75%]的概率从解决方案中删除客户.3) 局部搜索算子.与变异算子一样，经常是以交换或插入的形式产生新路径.但与变异算子不同的是局部搜索算子只会返回1个改进解.LLH9：Interchange.与LLH3一样，不同的是此算子只接受改进解.LLH10：Shift.与LLH4一样，不同的是此算子根据衡量准则来选择客户，被选客户插入到另一条路径的任意位置，且只接受改进解.LLH11：2-opt*.选择2条路径，根据衡量准则选择交换位置点，交换此位置后的所有客户点，且只接受改进解.LLH12：GENI.计算不同路线上的任意2个客户的距离，采用最短的距离作为基准距离，选择移除距离最接近基准距离的客户，且只接受改进解.4) 交叉算子.选择2个父代路径作为输入，生成1条子代路径的方法，通常可以通过1点、2点和均匀交叉等方法完成.LLH13：Combine，选择2个父代，以[25%,75%]的概率将1个父代复制得到1条子路径，添加来自另一个父代中非冲突的路径，并随机插入剩余的客户.LLH14：Longest Combine，选择2个父代，所有路径以服务客户点数量的降序来考虑，任何不重复客户的路径都会被添加生成1条子路径，并随机插入剩余的客户.2.2.2 高层启发式策略高层启发式策略主要是考虑对底层启发式算子的选择策略，即决定在1次迭代过程中选择哪些底层启发式算子用于改进当前解.基于禁忌搜索的高层启发式策略使用得分的方法来评价底层启发式算子的表现，再依据分数决定在迭代过程中使用哪些底层启发式算子改进当前解.每个底层启发式算子均有1个相同的初始分数，采用强化学习的方法进行分数更新，当算子改进当前解时，给算子加分，反之则减分.最后根据分数，通过贪心法选择底层启发式算子，即总是选择分数最高的算子.具体过程：在搜索开始时，每个底层启发式算子k均有1个分数，设rk=0(假设初始分数均为0分).每个算子的分数允许在间隔[rmin,rmax]中减少和增加，rmin和rmax分别为最低和最高的分数.每次迭代选择1个不在禁忌表内且分数最高的算子k，计算目标函数值f1并求得与上一个目标函数值f2之间的变化量，即Δ=f2-f1.如果结果有改进(若目标为最小化问题，即Δ>0)，则增加算子k的分数，例如rk=rk+α，其中α为1个正数.否则减少分数，例如rk=rk-α，并把算子k放入固定禁忌长度的禁忌表内，根据先进先出原则赦免禁忌表内的算子.对于多目标问题，对高层启发式策略作如下设计：1) 由于底层启发式算子的性能不再只针对1个目标进行评估，而是针对每个目标进行评估，因此目标函数变化量Δ变为Δu，算子分数rk变为rk(u)，其中u=1,2,3(3为目标个数).2) 由于上述改变，因此在每次迭代过程中以均等的概率随机选取1个目标函数进行求解.2.3 求解LCLRPTW过程LCLRPTW模型采用首先进行配送中心选址分配，再进行路径优化的方法进行求解.即首先设计一种重心法选址方法进行配送中心初始定位，以确定配送中心位置和其服务的客户群；然后求解不同客户群的配送路径.具体流程如下：步骤1 初始化种群.每条染色体均采用客户直接编码的方式：假设有9个客户点和有3个候选配送中心，其中1～9表示客户点，0(1)-0(3)表示候选配送中心.对这9个客户进行随机排列，假设生成的1条染色体2-5-6-4-3-7-8-1-9，随机生成100条染色体构成初始种群P.步骤2 将种群中每个个体转换成可行路径.按照约束条件(此处为车辆容量和配送中心库存)，依次将解的每个客户纳入到车辆路径中，当1个客户违背约束时，就重新开辟1条新的路径并将这个客户纳入该路径.例如0-2-5-6-0-4-3-0-7-8-1-9-0，代表着共有3条配送路径0-2-5-6-0，0-4-3-0，0-7-8-1-9-0.类似地，若每1条染色体的每1段路径均可行，则该染色体为有效染色体.步骤3 进行配送中心初始化选址.对于多个配送中心选址问题，为了使模型简单化，很多时候可以将它变成多个单一配送中心选址问题来处理[16].结合重心法的思想，方案如下：1) 根据上述生成的3条配送路径，由客户坐标和需求计算出各条路径的重心；2) 根据求得重心，根据距离最小化原则，给每条路径分配一个配送中心；3) 形成初始化选址方案.可以得到3条路线：0(2)-2-5-6-0(2)，0(1)-4-3-0(1)，0(3)-7-8-1-9-0(3).步骤4 通过2.2.2中设计的高层启发式策略对初始种群P中每条染色体的路径进行优化.1) 设置相关算法参数.包括底层启发式算子的初始分数，加减分值α，禁忌长度，并令禁忌表为空.2) 选择目标函数.在3个目标函数中(u,v,w)，以均等的概率随机选择1个目标函数u.3) 选择底层启发式算子.根据底层启发式算子的分数，选择1个不在禁忌表内且分数最高的算子k(若选中LLH5和LLH6这2个算子，即代表对配送中心进行操作).4) 计算目标函数值.使用3)选择的算子k计算2)所选目标u的函数值.5) 计算目标函数值的变化量Δu.如果Δu>0，则算子k分数增加，即rk(u)=rk(u)+α,其中α=1，否则分数减少，即rk(u)=rk(u)-α，并把算子k放入禁忌表中，根据先进先出原则赦免禁忌表内的算子.6) 计算目标函数v，w，如果Δv>0，则rk(v)=rk(v)+α，否则rk(v)=rk(v)-α；如果Δw>0，则rk(w)=rk(w)+α，否则rk(w)=rk(w)-α.7) 进行非支配排序，更新非支配解集.8) 若满足算法终止准则结束算法，否则转到2).9) 产生非支配解集.3 应用实例及结果分析3.1 应用实例为了体现算法的实用性，采用某地区的一家物流公司作为实际案例进行求解[17]，该案例包括3个配送中心和30个客户，其中每个客户的坐标、需求量、时间窗以及服务时间均已知.客户点详细信息见文献[17]表5.2，配送中心相关信息如表1所示.基于禁忌搜索的多目标超启发式算法(Multi-objective hyper heuristic algorithm based on tabu search，MOHH_TS)以及进行对比的NSGA-II算法[18]均采用MATLAB编程，运行在CPU为Intel Core i5，2.6 GHz，RAM为4 G内存的计算机平台上，其他参数设置如下[8,17]：初始种群数为100，燃油消耗参数a=6.208×10-3，b=0.212 5，燃油转换系数η=2.68，车辆行驶速度v=50 km/h，单位时间车辆提前到达或延误到达客户点的惩罚系数分别为α=0.5，β=1. 表1 配送中心相关信息Table 1 Related information of depot centers配送中心北纬/(°)东经/(°)库存量/kg开放费用/元车辆装载量/kg派车费用/元D134.757 2135.461 924 0002 5842 000313D234.661 6135.453 924 0002 5842000313D334.624 0135.486 624 0002 5842 0003133.2 结果分析首先对MOHH_TS算法和NSGA-II算法在解决多目标LCLRPTW问题的性能进行比较，通过收敛代数、Pareto面和目标函数的收敛情况3个方面进行分析.3.2.1 收敛代数分析求解多目标LCLRPTW问题的收敛代数见表2，取运行10次的平均收敛代数.收敛准则为连续10代不再出现更优个体.表2 MOHH_TS和NSGA-II的收敛代数Table 2 Convergence times of MOHH_TS and NSGA-II 次运行数 MOHH_TS收敛代数NSGA-II收敛代数1185.0256.02193.0234.03189.0241.04173.0228.05188.0219.06177.0200.071 80.0237.08185.0245.09179.0225.010183.0241.0平均值183.2232.6由表2可以看出：MOHH_TS和NSGA-II算法均可以找到最优解，但MOHH_TS 算法的平均迭代数为183.2次少于NSGA-II算法的232.6次，说明MOHH_TS算法相比NSGA-II算法收敛速度更快，效率更高，这在求解更大规模问题时将会更加明显；同时，MOHH_TS算法相比较于NSGA-II算法的收敛代数曲线更加平稳，说明MOHH_TS算法更加稳定.3.2.2 Pareto面分析为了能够在相同的平台进行比较，设置2个算法均运行300代，得到的Pareto面如图2所示(圆圈代表MOHH_TS算法，星号代表NSGA-II算法).由图2可以看到：MOHH_TS算法得到的Pareto数量更多，且更容易达到每个目标函数的极值点；而NSGA-II算法得到的Pareto解分布得较为分散，对于3个目标函数也不能均等对待.同时，从图3中各个Pareto解的位置分布情况来看MOHH_TS算法的解几乎落在同1个Pareto面上[19]，说明MOHH_TS算法收敛得较好.图2 MOHH_TS和NSGA-II的Pareto最优解Fig.2 Pareto optimal solution of MOHH_TS and NSGA-II3.2.3 目标函数分析为了清楚地比较2个算法的各个目标函数的优劣情况，把所有代中各个目标函数的平均值进行比较，见图3(a～c)(粗线代表MOHH_TS算法，细线代表NSGA-II算法).图3 目标函数收敛情况比较Fig.3 Comparison of objective function convergence由图3可知：MOHH_TS算法的3个目标函数值好于NSGA-II算法，且曲线初期下降速度明显，说明算法收敛速度更快；MOHH_TS算法的末端值更小，说明算法更有效，能更好地避免早熟现象，能找到更接近最优解的Pareto解.其次为了了解MOHH_TS算法中底层启发式算子对解质量的影响情况，运行300代，运行10次，统计14个底层启发式算子的平均接受率，如图4所示.图4 算子的平均接受率Fig.4 Average acceptance rate of LLH由图4可以看出：14个底层启发式算子的平均接受率均超过0.6，其中算子LLH2，LLH3，LLH8，LLH13的平均接受率相对较高，超过了0.8，对解质量的改进作用较大；而算子LLH5和LLH6的平均接受率相对较低，不超过0.7.4个局部搜索算子(LLH9～LLH12)的接受率为1，这是由局部搜索算子本身的性能所决定的，因为产生的所有候选解为改进解均会被接受.总体来说，14个底层启发式算子均能对解有不错的改进作用，证明了算子构建的有效性.最后对于多目标优化问题，决策者往往从实际需要出发选择最为合适的解，从所得的Pareto解集中分别选择碳排放最少、总成本最少和客户满意度最高(等待和迟到的总时间最少)的3组解作为配送方案，3组最优解如表3所示.表3 最优解Table 3 Optimal solutions配送方案碳排放量/kg总成本/元总时间/min碳排放量最少2 315.217 207.1771总成本最少2 661.713 140.8946总时间最少3 041.116 232.3620对应的最优配送路线如表4所示.表4 最优路线Table 4 Optimal routes配送方案配送路线碳排放量最少D2-5-9-10-D2,D2-22-7-20-D2,D3-1-11-17-D3,D3-2-13-12-D3,D2-14-21-19-D2,D2-25-24-27-D2,D2-4-29-D2,D1-18-15-D1,D2-8-23-D2,D2-6-30-D2,D2-28-D2,D2-26-16-D2总成本最少D2-9-25-21-D2,D2-5-4-6-D2,D3-7-12-10-D3,D2-29-11-20-D2,D2-2-18-14-D2,D2-8-24-13-D2,D2-3-27-28-D2,D2-22-17-19-D2,D2-1-30-D2,D3-16-26-D3,D2-23-15-D2总时间最少D2-21-17-D2,D3-1-11-D3,D2-15-29-D2,D2-4-26-D2,D2-14-9-D2,D2-16-28-20-D2,D3-2-12-13-D3,D2-22-19-18-D2,D2-5-10-3-D2,D2-23-7-6-D2,D2-25-24-27-D2,D2-8-30-D2由此可见，无论是从算法的收敛代数、收敛速度和稳定性，还是从最优解来看，MOHH_TS算法可以有效地解决多目标LCLRPTW模型.4 结论针对物流配送中选址路径问题，在车辆路径安排时考虑碳排放的因素，首先构建了同时考虑碳排放、总成本和客户满意度的多目标LCLRPTW模型；其次构建了和LCLRPTW问题相关的底层启发式算子，提出了基于禁忌搜索的超启发式算法；最后进行仿真实验，并和NSGA-II算法进行比较.从底层启发式算子的平均接受率来看，证明了算子构建的有效性.从算法的收敛代数、Pareto面和目标函数的收敛情况来看，证明了MOHH_TS算法可以有效地解决所提出的多目标LCLRPTW模型，根据得到的Pareto最优解也有利于决策者从实际需要出发选择最为合适的配送方案.由于超启发式算法具有较好的通用性，可以将该算法应用到其他组合优化问题上，而不需改变框架，只需提供1组与问题相关的底层启发式算子.参考文献：【相关文献】[1] 曹剑东,李家文.基于顺路原则及位置预估的动态调度策略[J].浙江工业大学学报,2015,43(2):197-201.[2] 赵燕伟,李文,张景玲,等.多车型同时取送货问题的低碳路径研究[J].浙江工业大学学报,2015,43(1):18-23.[3] JEMAI J, ZEKRI M, MELLOULI K. An NSGA-II algorithm for the green vehicle routing problem[C]//European Conference on Evolutionary Computation in Combinatorial Optimization. Berlin：Heidelberg, 2012:37-48.[4] SAWIK B, FAULIN J, PEREZ-BEMABEU E, et al. Bi-objective optimization models for green VRP approaches[C]// International Conference on Industrial Logistics. Krakow: AGH University of Science and Technology, 2016: 247-254.[5] 鲁建厦,洪欢蕾,陈青丰.考虑供给商品价格的多车场车辆路径问题[J].浙江工业大学学报,2016,44(5):553-558.[6] GOLMOHAMMADI A M, BONAB S A, PARISHANI A. A multi-objective location routing problem using imperialist competitive algorithm[J]. International journal of industrial engineering computations, 2016, 7(3):481-488.[7] 范静.考虑客户满意度的同时收发车辆路径问题[J].运筹与管理,2011,20(1):60-64.[8] 史春阳.同时取送货的车辆路径问题中的低碳研究[D].北京：清华大学,2011.[9] BURKE E K, GENDREAU M, HYDE M, et al. Hyper-heuristics: a survey of the state of the art[J]. Journal of the operational research society, 2013, 64(12):1695-1724.[10] MAASHI M, KENDALLl G, ÖZCAN E. Choice function based hyper-heuristics for multi-objective optimization[J]. Applied soft computing, 2015, 28(C):312-326.[11] PILLAY N. A review of hyper-heuristics for educational timetabling[J]. Annals of operations research, 2016, 239(1):3-38.[12] HIBA Y, SAOUSSEN K, BILEL D, et al. A Hybrid ILS-VND based hyper-heuristic for permutation flowshop scheduling problem [J]. Procedia computer science, 2015,60(1):632-641.[13] GOMEZ J C, TERASHIMA-MARíN H. Evolutionary hyper-heuristics for tackling bi-objective 2D bin packing problems[J]. Genetic programming & evolvable machines,2017(1):1-31.[14] SIM K, HART E. A combined generative and selective hyper-heuristic for the vehicle routing problem[C]//Genetic and Evolutionary Computation Conference. New York: Association Computing Machinery, 2016:1093-1100.[15] SCHRIMPF G, SCHNEIDER J, STAMM-WILBRANDT H, et al. Record breaking optimization results using the ruin and recreate principle[J]. Journal of computational physics, 2000, 159(2):139-171.[16] MEHRJERDI Y Z, NADIZADEH A. Using greedy clustering method to solve capacitated location-routing problem with fuzzy demands[J]. European journal of operational research, 2013, 229(1):75-84.[17] PONBOON S, QURESHI A G, TANIGUCHI E. Evaluation of cost structure and impact of parameters in location-routing problem with time windows[J]. Transportation research procedia, 2016, 12:213-226.[18] MANDAL S K, PACCIARELLI D, LOKKETANGEN A, et al. A memetic NSGA-II for the bi-objective mixed capacitated general routing problem[J]. Journal of heuristics, 2015,21(3):359-390.[19] 卫田,范文慧.基于NSGAⅡ的物流配送中车辆路径问题研究[J].计算机集成制造系统,2008,14(4):778-784.。
考虑碳排放的多目标闭环物流网络选址规划
考虑碳排放的多目标闭环物流网络选址规划沈连梅;杨勇生;杨斌;许波桅【摘要】T his paper develops a multi-objective mathematic model for the location of plant sites and distribution sites for closed-loop logistics network under certain demands .One objective of our model is to minimize the total cost of construction and operation .And the other two objectives are to satisfy requirements of time and low-carbon .Based on membership degree of fuzzy mathematics ,a multi-ob-jective functions is put into a simple single objective problem .Through solving the model ,the loca-tions and numbers of these sites in different weights can bedetermined .Therefore ,a multi-objective closed-loop logistics network is constructed .Research shows that the location results have obvious differences under different single objective ;every target weight changehas obvious influence on the location results .%针对确定需求闭环物流网络中工厂和配送中心的两级选址问题，建立了以最小总建设和运营成本、最优客户时间满意度以及物流网络低碳为目标的多目标混合整数规划模型。
考虑碳排放的快递企业配送路径研究
Study on Express Enterprise＇ Delivery Routes with Considering Carbon Emission
作者： 代楚楚 徐菱
作者机构： 西南交通大学交通运输与物流学院,四川成都610031
出版物刊名： 铁道运输与经济
页码： 71-77页
年卷期： 2014年 第7期
主题词： 快递企业 车辆路径 碳排放模型 多种群遗传算法
摘要：在传统的VRP问题研究的基础上,将车辆数、旅行时间及碳排放最少作为模型的3个目标函数,构建基于时间依赖车辆路径问题模型的快递企业低碳配送车辆路径选择模型,并设计多种群遗传算法对模型进行求解.以某快递企业在成都的网点布局及早高峰配送数据为例,计算分析结果表明,多种群遗传算法求解基于时间依赖车辆路径问题的碳减排车辆路径问题具有较好收敛性.。
基于绿色物流理念的配送中心选址研究--以A公司为例
基于绿色物流理念的配送中心选址研究--以A公司为例戎陆庆;金小银;农显宽【摘要】随着国家政策和经济形势的发展，绿色化的配送中心建设在企业供应链系统中作用凸显，其位置的选址尤为重要。
配送中心合理化选址有利于提高企业配送系统的服务水平，有利于降低企业的物流成本，有利于物流运输系统的完善。
文章以A公司为研究对象，结合其现状利用引入碳排放成本修正鲍摩—瓦尔夫模型，对可选的配送中心候选地进行分析研究，最后对计算结果进行了综合分析，给出了相关的可行性建议。
%With the development of government policy and economic situation, the construction of green distribution center is very important in enterprise supply chain system, the location of position isvery significant. Rational location of distribution center is advantageous to improve the enterprise's distribution system service level, to reduce the cost of logistics enterprises, is conducive to the improvement of logistics system. Therefore, taken the company A as the research object, the paper which combines with the current situation develops the modified Baumol-Wolfe model quo by introducing the cost of carbon emissions, analyzes candi-date distribution center. Finally, this paper puts forward the feasible proposals which are based on the results of the research.【期刊名称】《物流科技》【年(卷),期】2017(040)002【总页数】3页(P13-15)【关键词】绿色物流;配送中心选址;鲍摩-瓦尔夫模型;碳排放成本【作者】戎陆庆;金小银;农显宽【作者单位】广西科技大学管理学院，广西柳州545006;南方电网鹿寨供电公司，广西柳州 545600;广西科技大学管理学院，广西柳州 545006【正文语种】中文【中图分类】F252.14近年来随着全球气候变暖，中国将降低碳排放量纳入国家长期发展规划，大力提倡发展绿色经济、绿色物流[1]。
考虑碳排放的冷链物流联合配送路径优化
考虑碳排放的冷链物流联合配送路径优化摘要：随着居民生活水平及饮食习惯的改善，居民对多品种冷链商品需求逐年增加，作为满足居民日常生活的重要行业，冷链物流呈现出蓬勃发展态势。
关键词：碳排放；冷链物流；联合配送一、考虑碳排放的冷链物流联合配送问题本文的研究基于“多对多”配送模式，即企业拥有多个配送中心，服务于多个客户，配送中心共享企业所有车辆。
优化目标是使冷链配送成本最小化，配送成本包括运输成本、时间惩罚成本、货损成本、碳排放成本。
当前，对多个配送中心配送问题的研究主要集中在传统的分区配送模式上，但这种配送模式是一个局部优化过程，无法获得全局最优解。
此外，由于多个配送中心问题的复杂性，现有研究中很少对车辆数目进行限制，或对第三方提供的车辆租赁情况进行研究。
本文将打破传统配送模式中配送中心之间相互独立的关系，在配送中心之间由车辆建立联系且车辆数目有限的联合配送模式基础上优化路径。
车辆路径优化问题是一个NP-Hard问题，解决这类问题的主要方法是智能算法。
本文采用改进遗传算法来解决这一问题，该方法具有较强的全局搜索能力。
二、考虑碳排放的冷链物流联合配送问题假设假设为：①每辆车在配送出发前已知道客户订单需求，每辆车完成的客户订单量不能超过车辆最大装载量；②每个客户的需求只能由一辆车一次性完成；③每个客户配送时间有限，即软时间窗限制，若超过时间窗范围，将产生相应的时间惩罚费用；④完成一个配送中心的配送任务后，车辆可返回任何一个配送中心，继续完成下一个配送中心任务，直到整个配送网络的客户订单全部完成；⑤每辆车规格相同；⑥车辆只负责送货；⑦不考虑配送中心车辆容量限制。
三、改进遗传算法求解冷链配送问题1、多配送中心问题描述。
对于多配送中心问题，若采用传统方法将多个配送中心划分为多个单配送中心问题，则物流资源无法共享，配送路径只能局部优化。
为达到全局优化目标，本文建立了一个虚拟车场(实际上并不存在)，由车场与多个配送中心之间建立联系。
低碳背景下农产品物流配送中心选址分析
低碳背景下农产品物流配送中心选址分析摘要：随着经济快速腾飞，生态环境恶化日益严峻，近年来国家对生态环境的保护力度持续加大，明确提出2035年“碳达峰”目标和2060年“碳中和”目标，实施发展低碳经济的战略并相继出台有关的低碳经济优惠政策。
把碳排放作为一个重要的因素放到物流配送中心选址问题中，在解决当前农产品物流配送中心选址问题运营成本高、效益低等问题的同时，将低碳理念融入到配送中心选址的全过程，从而规划一个具有合理性的、低碳化理念的“绿色配送中心”。
一、农产品物流配送中心选址考虑低碳因素的必要性分析“十四五”时期，我国生态文明建设进入了以降碳为重点战略方向、推动减污降碳协同增效、促进经济社会发展全面绿色转型、实现生态环境质量改善由量变到质变的关键时期。
在农产品物流配送中心选址问题中考虑“碳排放”因素是宏观大环境的需要，是顺应我国发展趋势的必然要求。
目前大多数物流配送中心的选址没有考虑“碳排放”因素，存在配送路径不合理、车辆运力浪费等高碳问题。
这些问题会造成农产品高损耗、资源浪费、环境污染等危害，此时配送中心不仅起不到促进当地各方面发展的作用反而会制约着当地经济、社会、生态的可持续发展，在农产品物流配送中心的选址考虑到低碳因素对于促进当地经济、社会、生态的可持续发展有很大必要性。
二、低碳背景下农产品物流配送中心选址的原则（一）适应性原则配送中心的选址需与当地的经济发展方针、区域规划、环保政策等相适应，与当地物流资源分布、农产品资源分布、需求分布相适应。
（二）协调性原则农产品配送中心的选址应当从整体出发，与系统其他成员紧密联系，同时还要与自然环境相适应。
既要提高自身的服务水平，也要达到人与自然之间的平衡。
（三）经济性原则在低碳背景下进行农产品物流配送中心的选址以实现经济效益和环境保护之间的相对平衡为目标。
（四）战略性原则配送中心的选址，应具有战略眼光。
一是要考虑全局，二是要考虑长远。
局部要服从全局，目前利益要服从长远利益，既要考虑目前的实际需要，又要考虑日后发展的可能。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
技术与方法
物流技术 2016 年第 35 卷第 6 期（总第 357 期）
2 碳排放分析
根据欧盟委员会在 MEET（Methodologies for Esti-
mating Air Pollutant Emissions from Transport）报 告 [3] 中
给出的碳排放计算函数，假设车速为 v 的车辆行驶一千
Keywords: carbon emissions; express delivery interchange station; cluster analysis; gravity method; frequency analysis; location problem
1 引言
快递业是我国的新兴行业，发展迅速，2010-2013 年我国快递业务量从 23.4 亿件上升到 92 亿件，年增长 率高达 40%；2014 年全年我国快递服务企业业务量累 计完成 139.6 亿件，跃居世界第一，业务收入累计完成 2 045.4 亿元，同比增长 41.9%[1]。而与电子商务井喷式 的发展和国家的政策支持息息相关。
4 区域接驳点选址模型构建
4.1 接驳点选址确定
接驳点位置的确定依赖于聚类分析和重心法，其流 程分为五个阶段。第一度量的是全球，在这一小片配送区域中，其坐标经 纬度的数值差异很小，如果出现孤立点或是脏数据对结 果影响就很大，所以将数据经纬度整数部分消去，小数 部分均扩大 100 倍，得到一个新坐标，设为地面坐标。 第二阶段，确定利用聚类分析将众多客户点划分成几 类，此时每类的聚类中心点均已确定，选聚类中心点附 近的客户点作为研究对象。第三阶段，基于客户点频度 的重心法选址来确定各子区域接驳点的初选停靠位置，
3 国内外研究现状
运用聚类分析对快递企业的研究由来已久。如杨 康对快递企业某一环节的布局与选址的研究[6]。Anderberg 在 1973 年提出聚类分析是基于自身特点，将研究 实体（对象或个人）划分为一个或几个组，其中一个重要 的问题是组的概念[7]。Jain 和 dubes 提到“cluster 可以描 述为一个多维空间的连通区域含有相对高密度的点，由 一个区域的点的密度较低的其他区域分隔”[8]。
关于选址问题，Kuehn 和 Hamburger 在确认分组的 好处（附近的客户）时认为，在许多情况下根据先前的判 断可以认为，在某些地区的客户将不被在其他地区的潜 在仓库服务（……）由于地理上的接近，客户经常可以聚 合成集中的需求（例如，城市连锁超市和批发商的仓 库）”[9]。Tarik 等运用模糊 C 聚类解决了约束条件下已 知需求点的产能供应中心问题[10]。Ren 等同样运用模糊 C 聚类解决了区域城市多层次的物流配送中心选址规 划问题[11]。在国内也有许多学者对此进行了研究，如赵 芹提到结合聚类中的最短距离法与重心法，先用聚类方 法将客户分成不同区域，再用重心法得到配送中心的位 置[12]。与一般重心法不同，其将公司 A(X,Y) 与配送中心 P(a,b) 间的距离表示为 d(A,P) = K[(X - a)2 +(Y - b)2]0.5 ，其 中 K 表示欧氏距离转化为实际距离的距离因子，由实际 调研得出。又如李强等运用 K-Harmonic means 聚类分
排放随着车速的增加而急剧减少，之后呈缓慢减少趋
势；当车速高于某个值时，车辆碳排放又随着车速的增
加而增加，由此可见车辆在行驶中的碳排放与行驶速度
之间不是线性相关关系。通过计算，可以得出一个最优
车速。但在现实运营中，由于城市路网的复杂性导致车
辆几乎不能以经济车速行驶，即使路况合适，司机也可
能因为业务的要求而不可能匀速驾驶。
尽管快递业发展速度迅猛，但其发展仍然存在诸多 问题，例如：经营成本高、经济效益较低、服务质量不高、 顾客满意度低等，同时快递运输所需的密集能源消耗也 给地球环境增加了巨大的生态压力。根据国际能源署 (IEA)在 2015 年 11 月报告的 2013 年碳排放总量显示，交
通仅次于热电，是全球第二大主要的碳排放源[2]。物流 行业作为能源消耗密集型行业，对全球碳排放的增减具 有影响力。2015 年中国在巴黎气候大会前向联合国提 交应对气候变化的“国家自主贡献”文件，其中规定于 2017 年启动全国碳排放交易体系，把应对气候变化的 行 动 列 入“ 十 三 五 ”发 展 规 划 中 ，并 在 文 件 里 阐 述 了 2030 年减排目标：单位 GDP 的二氧化碳排放比 2005 年 下降 60%-65%。
郑茜，等：考虑碳排放的快递接驳点选址问题研究
技术与方法
doi:10.3969/j.issn.1005-152X.2016.06.017
考虑碳排放的快递接驳点选址问题研究
郑 茜，李燕芝，傅培华
（浙江工商大学 计算机与信息工程学院，浙江 杭州 310018）
[摘 要]对减少碳排放进行了定性分析，得出碳排放与车辆行驶速度和里程有关。通过引入快递接驳点可以
驳车的停靠选址。接驳车可理解为“移动仓库”，指为节
省快递员（车辆）往返于客户与分部之间的时间，延长客
户服务时间，快递企业在收件量大且相对稳定的场地建
立交接中转站，派出货车进行钟摆式的“集件”[4]，目的
- 76 -
是增加快递企业的收揽、配送业务量，提高其时效性，同 时，选取合适的接驳点对提高服务质量和顾客满意度大有 裨益。例如，2009 年，顺丰速运试点实施“移动仓库”策 略，实施后在月收件量和人均效能上均有明显提升[5]。通 过接驳车的引入，将大大缩短快递服务车辆的整体行驶 路径，减少能源不必要消耗，提高满载率，实现能耗有效 利用率的提高，同时快递接驳车辆可以减少营业区域车 辆，化解城市中心拥堵问题，实现碳排放的下降。针对 各类低频率急件，如果快递公司能安排接驳车在配送中 心控制区域内负责此类快件的运送，既可以提高客户满 意度又能保证网点的工作效率，考虑到此类快件数量不 多，可安排接驳车停靠在固定位置，一旦产生此类快件 再上门取货。通过安排接驳车，可以减少车辆因临时急 件，高速行驶带来的碳排放加剧。因此，本文目标就是 找到这个最优的接驳点。
大部分专家学者将聚类思想运用到物流选址领域 多涉及到配送中心的选址问题。然而对于中小型快递 企业而言，新建一个功能齐全、设施设备先进、布局最 优、能获得最大效益的配送中心，无疑是对企业资本的 巨大挑战，很少会有中小型企业会采取新建配送中心的 抉择。同样，将一个已经存在的配送中心进行大规模地 改造、修建、重筑等活动，对企业而言也是不太现实的。 所以本文的研究重点放在如何在现有的设施设备等软 硬件的基础上，寻找到既能控制成本又能更好的满足客 户需求，促进企业低碳化运营的方法。
郑茜，等：考虑碳排放的快递接驳点选址问题研究
技术与方法
析方法将传统的配送模型中点对点的送货路径替换为 更贴近实际的连续圈式送货路线[13]。还有阮国祥等提到 现有配送中心选址决策一般仅考虑运输成本的最优化， 随着竞争的加剧，时间已经成为物流公司不得不考虑的 关键要素，配送中心选址决策应当将配送时间和成本结 合考虑。将选址重心法和聚类分析方法相结合，并利用 位势图，在运输成本限制区域中找出运输时间最短的配 送中心位置，从而使选址模型更符合实际需求。
并利用真实企业数据进行实证分析，做出分析讨论。
[关键词]碳排放；快递接驳点；聚类分析；重心法；频度分析；选址问题
[中图分类号]F205；F252
[文献标识码]A
[文章编号]1005-152X(2016)05-0075-06
Study on Location Allocation of Express Delivery Interchange Stations with Carbon Emissions Consideration
米的碳排放量为 E(v（) g），则计算公式如下：
E(v) =
P+
av
+
bv2
+
cv3
+
d v
+
e v2
+
f v3
（1）
其中,参数(P,a,b,c,d,e,f)的取值与车辆的类型和大小
有关。
由此可见,排除车型因素,车辆的碳排放除了与其行
驶距离有关，还和其车速密切相关。根据函数分析可
知，该公式为一凸函数，故当车速低于某个值时，车辆碳
面。速度过低，或者走走停停的交通状况，会大幅度增
加车辆碳排放。（3）业务时效。传统的快递企业遇到对
时间要求很急迫的快件，例如跨国邮件必须在 6 点前上
机，小网点的工作人员必须马上离开网点去配送中心交
接快件。
为解决以上矛盾，本文从微观的客户点这个角度入
手，以快递接驳点的选址问题为研究对象，来分析如何
提高服务质量的同时保证碳排放的下降。接驳点即接
除了这些较多考虑距离因素的学者，还有一些学者 善于应用指标体系来解决快递选址问题。孙亮等以竞 争优势理论中的动态双钻石模型为基础提出物流中心 选址的动态双钻石模型，运用区位论的要素分析方法选 取区位因子。鉴于指标的可获性及计算的简便性，运用 聚类分析选取设计出北京市物流中心选址指标体系，其 测算结果与北京市“十五”物流中心规划基本吻合[14]。
面对快递业务量的快速增长、行业竞争的白热化、 客户对服务体验要求的不断提高、生态环境压力增加以 及国家低碳政策的实施,如何实现快递企业在服务质量 和碳排放两个维度上的协同优化，是快递企业发展必须 面对的问题。
[收稿日期]2016-05-07 [基金项目]浙江省自然科学基金重点项目（LZ14G020001）；浙江省大学生科技创新活动计划（新苗人才计划）（2016R408062） [作者简介]郑茜（1990-），女，浙江人，主要研究方向：绿色物流管理。
针对已有研究，得出影响快递企业运输过程中碳排
放的 3 个主要原因：（1）配送路程。配送方式和路线的
合理性决定了配送路程的长短，而这直接影响到实际的