楊 揚(yáng)，李廣遠(yuǎn)

（昆明理工大學(xué) 交通工程學(xué)院，云南 昆明 650500）

1 引 言

隨著“十四五”現(xiàn)代綜合交通運(yùn)輸體系發(fā)展規(guī)劃的實(shí)施，交通運(yùn)輸業(yè)將逐漸面臨實(shí)現(xiàn)交通車輛綠色節(jié)能、交通基礎(chǔ)設(shè)施環(huán)境改善和交通方式組織高效等眾多要求，同時更加肩負(fù)著實(shí)現(xiàn)交通強(qiáng)國的重要使命。近年來，對以集裝箱為核心的多式聯(lián)運(yùn)需求逐步增加，需要積極推動各種交通運(yùn)輸方式的深度融合，強(qiáng)化運(yùn)輸風(fēng)險管控，因此探究聯(lián)運(yùn)決策者如何綜合考慮風(fēng)險和碳排放因素決策多式聯(lián)運(yùn)路徑具有重要參考意義。在多式聯(lián)運(yùn)路徑優(yōu)化問題研究上，F(xiàn)azayeli等（2018）［1］構(gòu)建模糊需求下物流成本最小模型，采用兩階段遺傳算法求解帶有時間窗口的聯(lián)運(yùn)路徑；李敏（2019）［2］以多式聯(lián)運(yùn)網(wǎng)絡(luò)與需求為例，利用Lingo 軟件求解使貨物運(yùn)抵目的地的成本最小路徑；李安林等（2022）［3］考慮樞紐城市鐵路運(yùn)輸?shù)囊?guī)模效益，設(shè)計模擬退火算法優(yōu)化物流成本最小路徑。在多式聯(lián)運(yùn)碳排放的研究上，F(xiàn)ahimnia等（2015）［4］建立經(jīng)濟(jì)總成本和碳稅成本雙目標(biāo)模型，采用改進(jìn)的交叉熵算法求解非線性供應(yīng)鏈規(guī)劃模型；裴驍?shù)龋?020）［5］根據(jù)政府的滿意度對碳排放大小進(jìn)行量化，以此探究多式聯(lián)運(yùn)路徑優(yōu)化問題；戴倩等（2020）［6］考慮港口—腹地集裝箱不同運(yùn)輸網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)，研究隨機(jī)需求下碳稅政策和碳排放交易機(jī)制的運(yùn)輸網(wǎng)絡(luò)規(guī)劃問題；Bouchery等（2015）［7］建立成本和碳排放多目標(biāo)聯(lián)運(yùn)網(wǎng)絡(luò)模型，從運(yùn)輸成本、碳排放和運(yùn)輸轉(zhuǎn)換的角度分析多式聯(lián)運(yùn)網(wǎng)絡(luò)的設(shè)計決策。在考慮多式聯(lián)運(yùn)風(fēng)險的研究上，馮芬玲等（2021）［8］構(gòu)建最小化運(yùn)輸風(fēng)險和物流成本模型，為國際集裝箱運(yùn)輸提供既具經(jīng)濟(jì)性又具安全性的路徑參考；Yao 等（2016）［9］基于復(fù)雜網(wǎng)絡(luò)理論，把網(wǎng)絡(luò)風(fēng)險分為“與點(diǎn)相關(guān)”和“與邊緣相關(guān)”并建立風(fēng)險評估模型，為多式聯(lián)運(yùn)運(yùn)營商評估風(fēng)險提供理論依據(jù)；代存杰等（2018）［10］對多種類型危險品在同一路網(wǎng)內(nèi)運(yùn)輸時的多路徑組合優(yōu)化問題進(jìn)行研究，探究多目標(biāo)因素對路徑選擇的影響。

綜上所述，現(xiàn)有文獻(xiàn)主要考慮碳排放或風(fēng)險最小化，較少同時考慮到碳排放和風(fēng)險因素，未見研究者綜合探究考慮碳排放和風(fēng)險變化時對路徑選擇的影響；以往文獻(xiàn)在衡量風(fēng)險大小時，多以定性分析為主，缺少具體的評估依據(jù)；在求解模型時，多數(shù)使用精確或單一算法對目標(biāo)問題求解，在面對復(fù)雜問題時求解質(zhì)量略差。本文結(jié)合聯(lián)運(yùn)風(fēng)險評價指標(biāo)體系，定量分析風(fēng)險成本?；陔p碳目標(biāo)下多式聯(lián)運(yùn)碳排放條件，構(gòu)建考慮物流成本、碳排放成本和風(fēng)險成本的集裝箱多式聯(lián)運(yùn)路徑優(yōu)化決策模型，通過對算法適應(yīng)度函數(shù)設(shè)計體現(xiàn)聯(lián)運(yùn)決策者差異化需求，分析有、無運(yùn)到時限兩種情形下各因素不同敏感程度對路徑選擇的影響，為聯(lián)運(yùn)決策者提供路徑選擇參考。

2 問題描述

聯(lián)運(yùn)決策者計劃將一批由集裝箱裝載的貨物從出發(fā)地運(yùn)輸至目的地，多式聯(lián)運(yùn)示意圖如圖1 所示，其中O 為起點(diǎn)D 為終點(diǎn)，相鄰節(jié)點(diǎn)有公路、鐵路和水路三種運(yùn)輸方式，因為各節(jié)點(diǎn)之間可能采用的運(yùn)輸方式不同，所以相應(yīng)節(jié)點(diǎn)的風(fēng)險大小、碳排放量和物流成本各不相同?；陲L(fēng)險轉(zhuǎn)化為風(fēng)險成本，碳排放轉(zhuǎn)化為碳稅成本的假設(shè)，通過改變聯(lián)運(yùn)決策者對不同目標(biāo)要素的敏感度權(quán)重，來滿足決策者不同側(cè)重點(diǎn)和差異化需求，探究不同目標(biāo)要素敏感度大小對路徑選擇的影響，以尋求對決策者最優(yōu)的聯(lián)運(yùn)方案。

圖1 多式聯(lián)運(yùn)網(wǎng)絡(luò)示意圖

3 模型建立

3.1 模型假設(shè)

考慮聯(lián)運(yùn)的實(shí)際特征，做如下假設(shè)：

（1）每2 個運(yùn)輸節(jié)點(diǎn)之間只能采用1 種運(yùn)輸方式；

（2）任意運(yùn)輸節(jié)點(diǎn)間只發(fā)生1 次中轉(zhuǎn)換裝，在換裝節(jié)點(diǎn)轉(zhuǎn)換為公路運(yùn)輸時無等待時間；

（3）同一批集裝箱貨物起終點(diǎn)相同，集裝箱貨物運(yùn)輸在途中連續(xù)進(jìn)行；

（4）對于聯(lián)運(yùn)路徑選擇只考慮運(yùn)輸風(fēng)險和中轉(zhuǎn)風(fēng)險對其影響。

3.2 相關(guān)參數(shù)說明

定義多式聯(lián)運(yùn)網(wǎng)絡(luò)G= (A,F,K) ，A：聯(lián)運(yùn)網(wǎng)絡(luò)節(jié)點(diǎn)集合；F：聯(lián)運(yùn)網(wǎng)絡(luò)邊集合；K：不同運(yùn)輸方式集合；i,j：聯(lián)運(yùn)網(wǎng)絡(luò)節(jié)點(diǎn)，i,j∈A；O：聯(lián)運(yùn)運(yùn)輸起點(diǎn)；D：聯(lián)運(yùn)運(yùn)輸終點(diǎn)；k,l：聯(lián)運(yùn)節(jié)點(diǎn)間運(yùn)輸方式，k,l∈K；Q：集裝箱貨物運(yùn)輸重量；Cc：碳稅稅率；n：運(yùn)輸集裝箱個數(shù)；λ：貨物單位運(yùn)輸時間價值系數(shù)：第k種運(yùn)輸方式在i,j間的運(yùn)輸距離第k種運(yùn)輸方式在i,j間的單位運(yùn)輸成本；μK：不同運(yùn)輸方式隨著距離增加單位成本遞減系數(shù)集裝箱貨物在i點(diǎn)從運(yùn)輸方式k轉(zhuǎn)換為運(yùn)輸方式l的單位中轉(zhuǎn)成本：集裝箱貨物在i點(diǎn)從運(yùn)輸方式k轉(zhuǎn)換為運(yùn)輸方式l的碳排放量：第k種運(yùn)輸方式在i,j間的運(yùn)輸時間：集裝箱貨物在i點(diǎn)從運(yùn)輸方式k轉(zhuǎn)換為運(yùn)輸方式l的中轉(zhuǎn)時間：集裝箱貨物在節(jié)點(diǎn)i換裝為運(yùn)輸方式l時的中轉(zhuǎn)等待時間；T：運(yùn)輸總時間；P：平均集裝箱貨物單位價格；：0-1 變量，從節(jié)點(diǎn)i至節(jié)點(diǎn)j采取第k種運(yùn)輸方式為1，否則為0：同理，節(jié)點(diǎn)i從運(yùn)輸方式k改變?yōu)榉绞絣為1，否則為0。

3.3 聯(lián)運(yùn)風(fēng)險評估量化

通過對文獻(xiàn)的梳理和實(shí)地考察，本文引入定量分析方法，分析集裝箱多式聯(lián)運(yùn)中風(fēng)險發(fā)生的關(guān)鍵影響因素，篩選出多級評價指標(biāo)，構(gòu)建聯(lián)運(yùn)風(fēng)險評價指標(biāo)體系如圖2 所示。為獲得最低層風(fēng)險影響因素指標(biāo)的概率信息，邀請多位該領(lǐng)域?qū)＜覍Σ煌L(fēng)險因素給出評價意見。

圖2 集裝箱多式聯(lián)運(yùn)風(fēng)險評價指標(biāo)體系

3.3.1 運(yùn)輸風(fēng)險

將運(yùn)輸風(fēng)險影響因素各節(jié)點(diǎn)概率表示如下，其中0 表示事件不發(fā)生，1 表示事件發(fā)生，P(A|B) 表示在事件B發(fā)生情況下事件A發(fā)生的概率。

依據(jù)聯(lián)運(yùn)風(fēng)險評價指標(biāo)體系建立貝葉斯網(wǎng)絡(luò)模型，通過貝葉斯網(wǎng)絡(luò)的基本理論得到不同運(yùn)輸方式聯(lián)運(yùn)運(yùn)輸風(fēng)險發(fā)生概率P(Sk)，則運(yùn)輸風(fēng)險成本為：

3.3.2 中轉(zhuǎn)風(fēng)險

同理，中轉(zhuǎn)風(fēng)險影響因素各節(jié)點(diǎn)概率表示如下：

通過貝葉斯網(wǎng)絡(luò)的基本理論，得到中轉(zhuǎn)風(fēng)險發(fā)生概率P(Si)，則中轉(zhuǎn)風(fēng)險成本為：

3.4 聯(lián)運(yùn)碳排放量化

3.4.1 公路碳排放計算

假設(shè)車輛以速度v在坡度為零的道路行駛1km所產(chǎn)生的碳排放量為E( )vi,j，則公路碳排放量為：

3.4.2 鐵路碳排放計算

假設(shè)只考慮鐵路列車牽引車在運(yùn)行時的能耗，依據(jù)2006年IPPC數(shù)據(jù)，燃燒1t柴油所產(chǎn)生的二氧化碳為3.16t，將燃油消耗量轉(zhuǎn)為碳排放量，則鐵路碳排放量為：

公式（4）中m1為機(jī)車質(zhì)量；m2為車輛和運(yùn)輸貨物質(zhì)量；ω1為機(jī)動車運(yùn)行單位基本阻力；ω2為車輛運(yùn)行單位基本阻力；η為燃油效率。

3.4.3 水路碳排放計算

依據(jù)以往研究，船舶用油量與船舶的主機(jī)輔機(jī)以及船舶所行使的速度相關(guān)［11］，則水路碳排放量為：

公式（5）中H1為船舶主機(jī)功率；H2為船舶輔機(jī)功率。

3.4.4 中轉(zhuǎn)碳排放計算

綜上所述，則總碳稅成本為：

3.5 聯(lián)運(yùn)物流成本

3.5.1 總運(yùn)輸成本

3.5.2 總時間成本

綜上所述，模型的目標(biāo)函數(shù)為：

3.6 約束條件

公式（11）和（12）表示聯(lián)運(yùn)起點(diǎn)和終點(diǎn)只有一個；公式（13）表示任意中間兩節(jié)點(diǎn)間只能采取一種運(yùn)輸方式；公式（14）表示在節(jié)點(diǎn)處只允許發(fā)生一次中轉(zhuǎn)；公式（15）表示聯(lián)運(yùn)兩節(jié)點(diǎn)間的運(yùn)輸連續(xù)性；公式（16）表示運(yùn)輸載具裝載容量不小于運(yùn)輸貨量且運(yùn)輸貨量不可為負(fù)；公式（17）表示運(yùn)輸時間需求滿足總時間約束；公式（18）表示決策變量。

4 算法求解

遺傳算法是一種基于生物進(jìn)化原理的優(yōu)化算法，可以通過模擬自然選擇、交叉、變異等過程來搜索最優(yōu)解。模擬退火算法則是一種基于物理退火原理的隨機(jī)優(yōu)化算法，通過模擬固體物質(zhì)在高溫下退火冷卻的過程來搜索最優(yōu)解。遺傳算法和模擬退火算法都各自具有一定的優(yōu)勢，遺傳算法可以通過交叉和變異等操作來增加搜索空間，而模擬退火算法會接受一定概率的劣解以避免陷入局部最優(yōu)解。在集裝箱多式聯(lián)運(yùn)路徑優(yōu)化問題中，由于路徑選擇的組合數(shù)非常大，傳統(tǒng)的單一優(yōu)化算法很難找到全局最優(yōu)。因此，可以通過遺傳算法來搜索初始解，然后使用模擬退火算法進(jìn)行局部搜索，最終得到最優(yōu)解。本文在遺傳算法的搜索過程中融入模擬退火算法構(gòu)成一種混合算法，能夠有效提高全局與局部的搜索能力和求解質(zhì)量。

通過設(shè)計混合算法中適應(yīng)度函數(shù)，充分體現(xiàn)聯(lián)運(yùn)決策者的不同需求，具體的算法實(shí)現(xiàn)步驟如下：

第1 步，初始化參數(shù)輸入：導(dǎo)入各個運(yùn)輸節(jié)點(diǎn)間的距離矩陣、不同運(yùn)輸方式的單位運(yùn)輸成本矩陣和運(yùn)輸時間矩陣等基礎(chǔ)數(shù)據(jù)。

第2 步，染色體編碼和解碼：將染色體分成兩個部分，如圖3 所示，部分1 采用實(shí)數(shù)值編碼表示兩節(jié)點(diǎn)間的運(yùn)輸方式，部分2 采用二進(jìn)制編碼表示各個運(yùn)輸節(jié)點(diǎn)。部分1 中1、2、3 分別表示兩節(jié)點(diǎn)間運(yùn)輸方式為公路、鐵路、水路運(yùn)輸，部分2中1表示經(jīng)過該節(jié)點(diǎn)，否則未經(jīng)過。

圖3 染色體編碼表示

第3 步，初始化種群：根據(jù)模型中設(shè)置的約束條件篩選個體進(jìn)入初始種群，隨機(jī)生成個體來替代淘汰個體，保證種群多樣性。

第4 步，設(shè)計適應(yīng)度函數(shù)：適應(yīng)度函數(shù)設(shè)計為f(x)=α1(C1+C2)+α2E+α3(Rk+Ri)， 其中α1,α2,α3為權(quán)重系數(shù)。f(x) 越小表示適應(yīng)度越大，染色體越優(yōu)。

第5 步，染色體選擇：采用正比例選擇算子，適應(yīng)度越高越有概率被選擇保留。

第6 步，染色體交叉和變異：兩部分分別進(jìn)行單點(diǎn)交叉和單點(diǎn)變異。

第7 步，加入模擬退火優(yōu)化算法：對目標(biāo)函數(shù)值進(jìn)行計算，枚舉出部分適應(yīng)度高的個體進(jìn)行模擬退火產(chǎn)生新個體，對新個體以Metropolis 法則判斷是否接受，將模擬退火得到的新種群放入原種群，排序后取前幾個個體重新構(gòu)建新種群，進(jìn)行循環(huán)計算一直達(dá)到最大迭代次數(shù)，算法具體流程如圖4所示。

圖4 算法流程圖

5 案例分析

5.1 案例參數(shù)

以長江經(jīng)濟(jì)帶從重慶港到上海港共20 個港口地區(qū)作為多式聯(lián)運(yùn)研究對象，假設(shè)需要從起點(diǎn)1 重慶港通過集裝箱運(yùn)輸20個20ft集裝箱總重350t的貨物到達(dá)終點(diǎn)20 上海港，中間經(jīng)過18 個中間港口地區(qū)。公路、鐵路和水路運(yùn)輸速度分別取90km/h、70km/h和30km/h，公路運(yùn)輸選擇30t-42t的集裝箱運(yùn)輸車，鐵路選擇內(nèi)燃機(jī)為DF4C型、牽引質(zhì)量為2767t的牽引車，水路選擇2 500TEU 的集裝箱船，節(jié)點(diǎn)間運(yùn)輸網(wǎng)絡(luò)如圖5所示。

圖5 多式聯(lián)運(yùn)網(wǎng)絡(luò)

以往研究運(yùn)輸成本大多采用平均運(yùn)價計算，忽略了運(yùn)輸距離的經(jīng)濟(jì)效益，所以本文采用遞遠(yuǎn)遞減的運(yùn)輸運(yùn)費(fèi)計算，當(dāng)公路路程小于500km 時μ1為0.8，路程大于500km 小于1000km 時μ1為0.75，路程大于1000km 時μ1為0.7。鐵路和水路每箱運(yùn)行基價參考公路集裝箱運(yùn)輸運(yùn)價制定方法，各運(yùn)輸方式的運(yùn)價、中轉(zhuǎn)時間、中轉(zhuǎn)成本、中轉(zhuǎn)碳排放量和中轉(zhuǎn)等待時間如表1、表2所示。

表1 各運(yùn)輸方式集裝箱運(yùn)價

表2 中轉(zhuǎn)時間（h/TEU）/中轉(zhuǎn)成本（元/TEU）/中轉(zhuǎn)碳排放量（kg/TEU）/中轉(zhuǎn)等待時間（h）

根據(jù)多位多式聯(lián)運(yùn)行業(yè)專家學(xué)者、政府相關(guān)領(lǐng)導(dǎo)的評估［12］，得到多式聯(lián)運(yùn)運(yùn)輸和中轉(zhuǎn)影響因素的基本事件故障概率列表，如表3、表4所示。

表3 集裝箱多式聯(lián)運(yùn)運(yùn)輸風(fēng)險影響因素基本事件概率

表4 集裝箱多式聯(lián)運(yùn)中轉(zhuǎn)風(fēng)險影響因素基本事件概率

根據(jù)圖2 構(gòu)建的貝葉斯網(wǎng)絡(luò)模型和表3 得到的運(yùn)輸影響因素的基本事件故障率，用軟件Netica 對貝葉斯參數(shù)進(jìn)行分析，得到各運(yùn)輸方式的貨物運(yùn)輸風(fēng)險發(fā)生概率，公路為0.14，鐵路為0.12，水路為0.19，同理根據(jù)表4 和圖2 構(gòu)建的貝葉斯網(wǎng)絡(luò)模型，得到貨物中轉(zhuǎn)風(fēng)險發(fā)生概率為0.11。

根據(jù)時間價值估算方法［13］，λ取10 元/h，碳稅率設(shè)為0.15 元/kg，由式（4）、（5）、（6）和參考文獻(xiàn)［14］計算方法，公路平均碳排放為0.85 kg/（t.km），鐵路平均碳排放為0.2 kg/（t.km），水路平均碳排放為0.025 kg/（t.km）。

5.2 案例求解

采用遺傳模擬退火算法（GASA）和單獨(dú)的遺傳算法（GA）對算例進(jìn)行求解，得到結(jié)果收斂如圖6 所示。

圖6 混合算法與遺傳算法收斂對比

由圖6 可見，混合遺傳模擬退火算法對比單一遺傳算法在求解效率和求解質(zhì)量上有較好的表現(xiàn)。在權(quán)重系數(shù)α1∶α2∶α3=0.5∶0.5∶0.5 時，求得一批貨物從起點(diǎn)1 到終點(diǎn)20 的最優(yōu)運(yùn)輸路徑和運(yùn)輸方式為：從起點(diǎn)1 沿水路經(jīng)過各中間節(jié)點(diǎn)到達(dá)終點(diǎn)20，其中總成本為30 368.847 元，總碳排放成本為3 148.688元，總風(fēng)險成本為2 033.4元。

由于不同決策人聯(lián)運(yùn)目標(biāo)因素的差異化需求不同（例如聯(lián)運(yùn)決策人是政府，會優(yōu)先考慮碳排放等環(huán)境因素），所以根據(jù)不同決策者對碳排放和風(fēng)險因素的不同要求，設(shè)計不同大小適應(yīng)度函數(shù)權(quán)重，當(dāng)聯(lián)運(yùn)因素敏感度權(quán)重越接近1 時代表其在聯(lián)運(yùn)因素適應(yīng)度權(quán)重占比越大，案例主要對比分析有、無運(yùn)到時限2 種情形下各目標(biāo)因素不同敏感程度對路徑選擇的影響。

5.3 風(fēng)險和時間對路徑選擇影響分析

表5 展示了當(dāng)沒有時間約束時，方案1中隨著聯(lián)運(yùn)決策人對風(fēng)險敏感程度的提高，可見路徑選擇的風(fēng)險成本從0.1685 萬元降低到了0.102 萬元；另外當(dāng)聯(lián)運(yùn)決策人對風(fēng)險敏感程度較小時，聯(lián)運(yùn)選擇的路徑為1水4水5鐵7鐵8水19水20，聯(lián)運(yùn)方式選擇偏向于水—鐵聯(lián)運(yùn)，隨著對風(fēng)險敏感程度的提高，聯(lián)運(yùn)選擇的路徑轉(zhuǎn)變?yōu)?鐵3鐵4鐵5鐵7鐵11鐵12鐵13公14公15鐵20，可見聯(lián)運(yùn)方式由水—鐵聯(lián)運(yùn)逐漸轉(zhuǎn)變?yōu)楣F聯(lián)運(yùn)，聯(lián)運(yùn)的總成本也從6.12 萬元增加到了12.99 萬元。說明在沒有時間約束下，隨著對集裝箱貨物運(yùn)輸風(fēng)險敏感程度的提高，風(fēng)險發(fā)生概率較高的水路運(yùn)輸比重下降、鐵路和公路運(yùn)輸比重上升，風(fēng)險總成本逐漸下降，多式聯(lián)運(yùn)總成本明顯增加。

表5 不同風(fēng)險敏感程度和時間約束的路徑選擇

當(dāng)有時間約束時，方案2 中隨著約束時間從100 小時縮短到24 小時，在保持聯(lián)運(yùn)決策人對風(fēng)險敏感較高程度下，聯(lián)運(yùn)選擇的路徑由1鐵3鐵4鐵5鐵7鐵11鐵12鐵13公14公15公20 轉(zhuǎn)變?yōu)?公3公4公5公7公10公11公12公13公14公15公20，聯(lián)運(yùn)總成本也由最開始的16.41 萬元增加到38.39 萬元。說明在有時間約束下，伴隨約束時間的縮短，聯(lián)運(yùn)運(yùn)輸方式中的鐵路運(yùn)輸逐漸讓公路運(yùn)輸所替代，聯(lián)運(yùn)總成本增加顯著，說明運(yùn)到時限的設(shè)置對案例起到關(guān)鍵約束作用，迫使決策者選擇符合時限的路徑。

5.4 碳排放和時間對路徑選擇影響分析

表6 展示了當(dāng)沒有時間約束時，方案3中隨著聯(lián)運(yùn)決策人對碳排放敏感程度的提高，可見路徑選擇的碳排放成本從0.57 萬元逐漸降低到0.31 萬元；當(dāng)聯(lián)運(yùn)決策人對碳排放敏感程度較小時，聯(lián)運(yùn)選擇的路徑為1水4水5鐵7水19水20，聯(lián)運(yùn)方式選擇偏向于水—鐵聯(lián)運(yùn)，隨著對碳排放敏感程度的提高，聯(lián)運(yùn)選擇的路徑轉(zhuǎn)變?yōu)?水19水20，聯(lián)運(yùn)中的鐵路運(yùn)輸逐漸被水路運(yùn)輸替代，聯(lián)運(yùn)的總成本也從5.77 萬元減少到3.04 萬元。說明在沒有時間約束下，隨著對集裝箱貨物運(yùn)輸碳排放敏感程度的提高，使得鐵路運(yùn)輸比重下降、低碳排放的水運(yùn)比重上升，碳排放總成本逐漸下降，多式聯(lián)運(yùn)總成本明顯降低。

表6 不同碳排放敏感度和時間約束的路徑選擇

當(dāng)有時間約束時，方案4 中隨著約束時間從200 小時苛刻到85 小時，在保持聯(lián)運(yùn)決策人對碳排放敏感較高程度下，聯(lián)運(yùn)選擇的路徑由1水4水5鐵7鐵11鐵12鐵13鐵14鐵15鐵20 轉(zhuǎn)變?yōu)?鐵3鐵4鐵5鐵7鐵11公12公13公14公15公20，聯(lián)運(yùn)總成本也由8.83 萬元增加到18.58 萬元。說明在有時間約束下，運(yùn)至?xí)r間的縮短致使模型引導(dǎo)選擇速度較快的鐵路或公路運(yùn)輸，導(dǎo)致聯(lián)運(yùn)總成本增加顯著，說明運(yùn)到時限的設(shè)置在方案4中也起到了關(guān)鍵約束作用。

6 結(jié) 論

通過引入風(fēng)險和碳排放兩個聯(lián)運(yùn)關(guān)鍵目標(biāo)因素，探究同時考慮風(fēng)險和碳排放因素的集裝箱多式聯(lián)運(yùn)路徑優(yōu)化問題。本文構(gòu)建了聯(lián)運(yùn)風(fēng)險評價指標(biāo)體系，將貝葉斯網(wǎng)絡(luò)模型應(yīng)用于聯(lián)運(yùn)風(fēng)險的定量分析，并考慮雙碳目標(biāo)下多式聯(lián)運(yùn)碳排放條件，實(shí)現(xiàn)在保證聯(lián)運(yùn)決策者差異化需求得到滿足的同時，提高聯(lián)運(yùn)的環(huán)保性與安全性。針對所建聯(lián)運(yùn)模型，提出遺傳模擬退火算法進(jìn)行求解，求解表明混合算法對比單一的遺傳算法能有效避免出現(xiàn)“早熟”現(xiàn)象，并表現(xiàn)出更好的求解質(zhì)量。

以長江經(jīng)濟(jì)帶為案例研究，對比分析有、無運(yùn)到時限2 種情形下各目標(biāo)因素不同敏感程度對路徑選擇的影響，結(jié)果表明，在相同運(yùn)到時限下，風(fēng)險敏感度的提高使決策者偏向于風(fēng)險發(fā)生概率較小、時效性較好的公路運(yùn)輸，導(dǎo)致聯(lián)運(yùn)總碳排放和總運(yùn)輸成本較高，碳排放敏感度的提高使決策者由鐵—水聯(lián)運(yùn)偏向于選擇碳排放更低的水路運(yùn)輸；隨著運(yùn)到時限的苛刻，聯(lián)運(yùn)運(yùn)輸方式逐漸由公路運(yùn)輸代替，碳排放成本和總成本增加明顯。由此，可以根據(jù)決策者差異化需求靈活調(diào)整模型敏感度大小，實(shí)現(xiàn)路徑的靈活選擇和自身利益最大化。