碳交易视角下绿色快递多式联运网络优化

常 兰,刘 湃

(1.重庆电力高等专科学校,重庆 400053;2.重庆邮电大学,重庆 400065)

随着交通运输量的持续增加,CO2排放量日益增加。据不完全统计,当前交通领域碳排放量约占全球碳排放总量的25%。2022年我国CO2的排放量为1 147 700万t,交通运输行业CO2排放量占全国CO2排放总量的10%左右,其中,公路运输排放量占交通运输行业排放总量的74%,航空运输约占10%,水路运输和铁路运输分别约占8%。为应对碳排放所导致的环境污染问题,各国正积极采取相应措施,碳交易机制正是在这一背景下诞生。

目前进入碳交易市场的主要是能源和材料行业,但随着我国“双碳”目标的提出,碳交易覆盖范围不断拓展,未来快递业将会被纳入碳交易,这将造成快递企业成本上升。在降碳控排的大环境下,多式联运可以应用于快递企业。资源的整合为快递企业优化运输路径和构建低碳配送网络提供了可行方案。因此,快递企业发展多式联运对于快递行业实现“双碳”目标,推进高质量发展具有重要意义。

国内外学者围绕碳排放的多式联运网络设计与优化开展了深入研究。朱莉等[1]通过将运输企业的不同规格的载运工具视作不同的运输方式,构建了以总运输成本和碳排放总量最低的多目标多式联运网络设计与优化模型。蒋玲茜等[2]建立了考虑碳排放量、运输成本、运输时间的多目标多式联运轴辐网络径路决策模型,可通过决策模型进行联运模式的比较选择。谢楚楚[3]构建了费用成本、时间成本和环境成本三者总和最小的多目标优化模型,对集装箱多式联运进行优化。朱晨俊[4]构建了包含运输、损耗、节点建设、环境和时间成本的总成本最低的单目标多式联运网络设计与优化模型,并用碳税方式对环境成本进行测算。李立等[5]考虑了枢纽数量约束、运输时间约束、枢纽容量约束、单一分配策略等约束条件。Zhalechian 等[6]旨在最大限度地减少总投资和运输成本、环境成本和运输时间。Jiang 等[7]考虑物流园区能力限制和铁路运输能力限制,构建了区域范围成本最低和排放最低的多式联运轴辐网络设计与优化模型。以上研究对象多集中于网络节点之间运输距离长的网络体系,构建的网络层次以国际之间、全国主要城市之间为主,涉及城市群区域范围内的网络层次研究较少,且其中多数为在研究区域内重新规划设计多式联运网络,在现有网络基础上进行优化的研究较少。因此,本文充分研究城市群区域范围内的网络层次,并以川渝城市群为案例,建立绿色快递多式联运优化模型。通过合理布局枢纽节点,以实现网络中运输资源的合理配置,满足碳交易政策要求。

1 问题描述与模型构建

1.1 问题描述与模型假设

以某快递企业为例,其一快递配送需求,需从快递网络的一节点配送至另一节点,节点间有2种运输方式(公路、铁路)可供选择,且各运输方式在运输成本、碳排放量及其成本方面是不同的。现在根据这份快递需求来确定整个快递网络的具体架构,使其能够满足企业运输成本和碳排放要求。该总成本最低的网络模型待求解问题如下:

1)在现有枢纽基础上增选枢纽节点。

2)节点间的运输路径和方式优化。

快递多式联运轴辐网络图如图1所示。模型假设、变量及参数分别如表1至表4所示。

表1 模型假设相关说明

表2 多式联运轴辐网络设计与优化模型决策变量表

表3 多式联运轴辐网络设计与优化模型集合表

表4 多式联运轴辐网络设计与优化模型参数表

图1 快递多式联运轴辐网络图

1.2 模型构建

1.2.1 网络运输成本

(1)

1.2.2 碳交易成本

(2)

1.2.3 目标函数

(3)

1.2.4 约束条件

1)需要建立的枢纽节点的个数为h,如下:

(4)

2)每个非枢纽节点只能分配给一个枢纽节点,如下:

(5)

xik∈{0,1},∀i,k∈N

(6)

3)所有的非枢纽节点只能分配给枢纽点,如下:

(7)

4)允许在一个给定的枢纽节点内建立不同的运输模式,如下:

(8)

根据碳交易政策,耦合经济成本和碳交易成本与收益,构建以综合经济成本最小为目标的效益导向型单目标多式联运轴辐网络设计与优化模型。完成对碳减排政策落实背景下的快递企业多式联运轴辐网络设计与优化决策过程的刻画,旨在构建绿色、经济、效率均衡一体的快递多式联运轴辐运输网络。

2 算法设计

2.1 遗传算法简述

遗传算法是一种模拟自然进化过程的智能算法,可以用来解决很多优化问题。在应用算法时,需要根据具体问题场景和条件进行优化调整,甚至改进。在求解不同模型的过程中,需要关注算法的收敛速度、种群大小等诸多参数的设置,以获得较好的优化效果。

2.2 遗传算法设计

2.2.1 种群初始化

首先,根据所研究的优化问题,确定个体的基因编码方式。本文采取二进制编码,先将每个城市节点编码为由{0,1}组成的染色体,通过随机数方法来生成个体的基因型,再根据优化问题的特点和约束条件来确定每个个体染色体的长度,然后重复多次生成多个个体并将其加入种群,构建成为初始种群。

2.2.2 适应度函数

确定一个基因组中哪些城市为枢纽后,对每个城市的配送快递流量进行计算。分别计算采用公路转公路、公路转铁路、铁路转公路、铁路转铁路及直接采用公路和铁路到达三级配送点的目标函数,取成本最小的为该城市的配送方式。这样,每个城市配送方式的运输成本都是最小,那整体的运输成本也一定是最小的。要实现运输成本和碳交易成本的综合经济成本最小的目标,建立了如下适应度函数:

(9)

f(x)=Z1+Z2

(10)

式中:F(x)为适应度函数;f(x)为可行解x对应的综合经济成本;Cmax为截至本次迭代前得到的最大综合经济成本;Z1、Z2分别为运输成本和碳交易成本。

2.2.3 遗传操作

交叉:为防止陷入局部最优解,选取3种交叉方式,即离散交叉、算术交叉和倒叙交叉。在不同阶段进行不同交叉操作,将3种交叉概率分别设定为0.2、0.5、0.3。

变异:为了防止遗传算法在优化过程中陷入局部最优解,采取单点变异循环所有新染色体。先随机选取某个体染色体上的某个基因位,再按照设定概率P2=0.1对其进行随机赋值,最后改变该基因位上的基因值,产生变异种群。总之,要合理设置变异率以确保变异操作不会产生非法基因或无效染色体。

终止准则:当种群达到最大迭代次数,种群适应度稳定,时间限制或最优解可接受时,遗传算法将结束运行并输出结果。本文设定种群最大迭代次数为Gen=50,当迭代次数达到50次时,终止算法,经过筛选后得到具有最大适应度函数值的染色体,并将其解码作为最终的调度结果进行输出。

遗传算法求解流程如图2所示。

图2 基于遗传算法的快递多式联运网络求解流程

3 算例分析

3.1 案例描述

本文以川渝城市群(以成都市和重庆市为中心,包括遂宁市、内江市、乐山市、绵阳市、德阳市、泸州市、自贡市、眉山市、南充市、达州市、资阳市、广安市、雅安市、宜宾市及渝西经济走廊上的县市)为研究区域对象。成都市、重庆市作为城市群的两大中心城市,在经济体量、自然环境、地理位置、产业水平、辐射能力、人口规模、基础设施建设等方面都具有显著的优势,《现代综合交通枢纽体系“十四五”发展规划》也提出完善重庆市和成都市快递枢纽设施,所以某快递企业决定将重庆市和成都市预先设置为已存在的枢纽节点,同时计划在该城市群中再选取2个枢纽节点作为快递中转集运中心,从而将从重庆市产生的快递配送需求通过多式联运网络,以兼顾碳交易成本最低的方式运输至其他城市需求节点。

该快递企业在该城市群16个城市均设有分公司和快递分拨中心,各分公司的编号如表5所示。将上述城市群各城市节点空间位置分布进行简化,简化图如图3所示。其中,圆圈1和2表示预先设定的两个枢纽城市(重庆市和成都市),三角形表示其他待选城市节点。

表5 川渝城市群城市编号

图3 川渝城市群空间位置分布简化图

3.2 基础数据准备

1)运输距离

由于采用不同的运输方式进行快递运输时,两城市间的交通距离是有差异的,所以根据中国地图网和国家铁路局查阅相关数据,获取得到川渝城市群各城市间公路和铁路计价里程,分别如表6和表7所示。

表6 川渝城市群各城市间公路运输距离 km

表7 川渝城市群各城市间铁路运输距离 km

2)运输价格

查阅《铁路货物运价率表》可知,快递铁路运输折算价格为0.155 1元/(t·km)。参考相关文献和当前市场的公路计价方式可知,快递公路运输价格为0.45元/(t·km)。所以本文采用的铁路运输价格为0.15元/(t·km),公路运输价格为0.45元/(t·km)。

3)碳排放测算

不同的交通运输方式,其碳排放强度也各不相同。采用碳排放测算中“自下而上法”的周转量法,将不同运输方式碳排放量除以货物周转量,得到不同运输方式单位货物周转量碳排放量因子,其中公路运输和铁路运输的碳排放因子见表8。

表8 不同运输方式的单位周转量碳排放因子计算 kg/(t·km)

本文将铁路和公路的单位快递量在单位运输距离的碳排放系数分别设定为0.01 kg/(t·km)和0.10 kg/(t·km)。

4)碳交易价格

根据重庆市碳交易市场2022年碳交易成交量和成交总价,本文碳交易价格取成交均价30元/t。

5)碳排放配额

当前我国碳交易市场以免费分配配额为主,由于快递行业还未纳入碳交易市场,没有明确的相关标准,无法按照当前碳排放权交易配额分配核算方法计算快递企业每年的碳配额量,所以本文参考重庆市碳交易市场历年数据,设定快递企业在川渝城市群区域内从事快递运输时每年的碳排放配额为10 000 t。

6)快递配送量

根据重庆市和四川省的《统计年鉴》及邮政管理局的行业统计数据,调研川渝两地近5年来的快递业务完成量和快递收入,分析得出平均每件快递的收入约为10元,而每件快递的收入绝大部分来自快递配送费用。结合目前市场上多家快递企业的快递运费计费标准,省内运费首重(1 kg)多为8～10元/件,省外运费为10～12元/件。因此,在本文中,将每件快递的质量折合为1 kg来代入计算。某一周内城市群各城市节点快递配送需求量如表9所示。

表9 某一周内城市群各城市节点快递配送需求量

3.3 初始结果及分析

川渝城市群仅有2个预先设定的枢纽(重庆市和成都市)的条件下,代入数据求解,得到枢纽节点分配及路径运输方式如图4所示。

图4 现有枢纽情景下快递多式联运网络布局

多式联运路径序列、运输方式及成本情况如表10所示。

表10 枢纽增选前多式联运网络统计性描述 元

此时,网络总成本为8 522 131.8元,其中碳交易成本为5 681 421.2元,网络运输成本为2 840 710.6元。

3.4 优化改进结果及分析

在该城市群选取2座城市作为新增枢纽节点。首先,综合考虑各城市节点快递配送需求量,各节点城市间分别采用公路、铁路运输方式的运输成本和碳排放量,然后以最小综合经济成本为环境的筛选方向,利用遗传算法让不同种群不断生成子代,直至找到对环境最适应的种群,最后通过解码得出对应最优结果。

代入数据经过求解,此时得到多式联运路径优化结果如图5所示。

图5 增选两个枢纽节点后的多式联运网络优化布局

多式联运路径序列、运输方式及成本情况如表11所示。

表11 枢纽增选后多式联运网络统计性描述 元

此时,网络总成本为7 232 098.5元,其中碳交易成本为4 339 259.1元,网络运输成本为2 892 839.4元。新增选的2个枢纽节点分别为4号(内江市)和14号(广安市)。

4 结语

合适的快递枢纽选址和路径优化可以更好地服务于快递运输需求,为快递企业节约经济成本,同时保证服务质量。本文基于快递多式联运,在考虑碳交易政策的情况下,以网络运输成本和碳交易成本的综合经济成本最低为目标,加入增加2个枢纽的限制,构建了绿色快递多式联运网络优化模型。然后设计遗传算法求解得到新增枢纽节点和网络运输最优路径及方式,并通过算例验证了模型和算法的可行性。