基于EKC视角的四川省交通碳排放与行业增长关系的实证研究

交通运输行业是社会碳排放流动的源头或发散部门之一,为给四川省交通运输行业节能减排工作提供政策指引,基于该省1995—2014年的终端能源消费统计资料测度其历史交通碳排放情况,对动态的时间序列数据进行平稳和协整计量检验后,运用曲线回归测度其经济强度增长下的交通碳排放环境效应是否存在经典环境库兹涅茨曲线(EKC)假说的"倒U型",并通过完全分解模型进一步定量分析影响其人均交通碳排放变动的三大因素。实证结果表明:四川省的交通碳排放在规模效应上具有显著阶段性增长趋势,其人均交通碳排放与人均GDP之间存在"倒U型"EKC曲线,且当前已处于下降拐点后,但远期可能面临向弱"N型"曲线的转变;经济强度对人均交通碳排放变动的贡献值始终为正,源于在绝大部分年度里两者的脱钩状态都为增长连接或增长负脱钩状态,但从2009年开始逐渐被运输强度、排放强度的效应所抵减而趋于短暂良性脱钩;在全球气候峰会召开后,四川省在交通运输行业上较好地履行了国家"碳排放承诺",但也面临一定的减排风险;从因素贡献率来看,未来行业节能减排的工作重点将放在技术性升级上。据此,从优化运输结构、重用优势能源、加强环境管制等层面提出适应当前四川省交通运输发展特点的碳减排工具和政策。

基于前景M-V准则的正态三角模糊随机多属性决策方法

针对具有正态三角模糊随机变量且属性权重未知的多属性决策问题,提出基于前景均值-方差(M-V)准则的正态三角模糊随机多属性决策方法.该方法首先构建正态三角模糊随机决策矩阵,进而通过运算得到属性值的期望与方差,并将其转化为M-V决策矩阵;然后,通过定义前景效应构建前景M-V决策矩阵,利用改进灰色系统理论模型求解属性权重值,获取综合前景M-V决策矩阵;最后,定义前景序关系,两两比较前景M-V价值获取方案排序.在此基础上,通过案例验证了所提出方法的可行性及有效性.

考虑动态行驶时间的无人驾驶车辆调度问题研究

利用无人驾驶车辆进行物流配送有助于降低物流运输成本,提高运输效率。研究考虑动态行驶时间的无人驾驶车辆路径问题,提出动态行驶时间与时变速度相关。综合分析实际中的车辆速度、时间、剩余里程和充电时间,建立以总配送时间最短为目标的数学模型。最后,结合京东在某城市物流配送项目中的实例,运用不同的算法合理有效地完成了车辆配送路径规划。通过实例验证了搭建的数学模型的准确性和设计算法的优越性。