电动还是燃油？在第三方物流中，如何考虑时间不确定性来进行绿色路线优化？

《TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT》：Electric or fuel? Green routing optimization with time uncertainty in fourth-party logistics

　　徐宏亮 | 黄敏 | 江松臣 | 张旭鑫 | 王俊伟 | 王星伟
东北大学信息科学与工程学院，中国辽宁省沈阳市110819

**摘要**
本文研究了一个绿色第三方物流（4PL）路线优化问题，该问题考虑了运输时间的不确定性以及在燃油车（FVs）和电动车（EVs）之间的战略选择，以减少碳排放。为了确保在时间不确定性的情况下能够及时交货，本文开发了一个混合整数机会约束编程（MICCP）模型。鉴于历史数据有限，通过样本平均近似方法对MICCP模型进行了重新构建，并进一步提出了一种基于样本均值的启发式算法（SMH），该方法适用于具有左侧不确定性的更广泛的机会约束编程问题。数值研究验证了所提出模型和算法的有效性，并为平衡电动车和燃油车的使用提供了管理上的见解。我们发现：（1）更严格的碳税政策并不一定能够激励4PL公司采用电动车来减少排放；（2）增加运输提供商之间的切换时间会削弱4PL模式的集约优势，但会促进电动车的采用。

**引言**
优化城际物流路线以确保及时交货对于公司来说是一个重要问题，尤其是在竞争激烈的消费品行业中，因为它们致力于在当今市场中提升服务性能。利用单个第三方物流（3PL）提供商进行运输是城际物流操作中广泛采用的策略；然而，物流需求的不断增长有时超出了单个3PL提供商的能力范围，主要是由于它们在资源整合方面的局限性（Farahani, 2011）。为了提供比3PL模型更好的运输服务，作为整合者的第四方物流（4PL）在物流管理中变得越来越重要，它能够跨多个3PL提供商实现订单、仓储和物流的协同效应。4PL在实现及时交货方面表现出色。一个著名的例子是“菜鸟智慧物流网络有限公司”（也称为“菜鸟网络”），它是中国著名在线市场“淘宝网”的4PL服务提供商。通过整合中国多个主要3PL提供商的能力，该公司实现了高效的快递服务，包括当日和次日送达。显然，这样的4PL模型提高了交货性能，但同时也增加了路线优化的复杂性，因为决策不仅需要考虑潜在网络内的路线，还需要考虑每段路线的3PL提供商。这使得4PL路线优化问题（4PLROP）在实际场景中成为一个更大规模的问题，通常难以有效解决。

目前，应对全球温室效应问题已得到全球广泛关注，许多国家和地区都设定了减排目标和可持续性法规。作为主要碳排放源之一，物流行业在碳政策约束下越来越注重绿色物流。其中一个关键举措是采用新能源车辆，通常是电动车（EVs）（Yu et al., 2019）。例如，全球最大的食品分销商Sysco计划到2030年在其美国车队中增加2800辆电动卡车，以应对减排政策。在4PL框架下，整合物流资源的优势使决策者能够协调多个3PL提供商的EV和燃油车（FVs）资源，从而获得更大的减排效益。图1展示了一个4PLROP的例子，每个3PL提供商可以为网络中每对相邻城市节点提供运输服务，这些服务可以通过FV或EV来实现。4PL路线可以由来自不同3PL提供商的各种车辆类型组成。

电气化是减少物流领域排放的有效途径，但也给路线优化带来了新的挑战。通常，由于碳排放成本较低，电动车的单位运输成本较低，但由于充电所需的时间较长（特别是在长途运输中），运输时间也会变长。Hecht等人（2021）报告称，与不停车行驶相比，充电导致的运输时间通常会增加8%–30%，而充电站的排队时间可能超过100小时。除了与充电相关的延迟外，城际物流中的运输时间本身也存在不确定性，因为还存在交通拥堵、天气状况和道路事故等因素。在4PL框架下，这些不确定性进一步被放大，因为一条交货路线通常由不同的3PL提供商负责多个段落的运输，使得累计交货时间对各段的变化非常敏感。充电时间的不确定性加剧了总运输时间的变化性，进而影响了路线决策。在交货时间的服务水平约束下，忽略时间不确定性可能会导致企业过度依赖低成本的电动车，但这可能会导致无法满足规定的时间风险要求的路线方案。例如，当仅考虑预期运输时间时，可能更倾向于选择基于电动车的低成本路线；然而，一旦施加交货时间风险约束，这种路线可能变得不可行。而基于燃油车的更昂贵但时间更稳定的路线则仍然可行。

交货时间性能通常通过准时交货的概率来衡量（参见Kepaptsoglou et al. (2015)；Li et al. (2010)）。以概率形式表达的约束被称为机会约束，这类约束常用于描述客户服务系统（例如Liu et al., 2022）和供应链（例如Jiang et al., 2024）中的服务性能或风险。在存在交货时间机会约束的情况下，决策者需要确定运输路线、3PL提供商以及每段路线的车辆类型，以最小化总成本，包括碳排放带来的成本。在实际应用中，解决这一机会约束问题的一个进一步挑战是，每个路线段上不确定的运输时间的精确概率分布是未知的，这使得基于传统分布的方法无法适用。此外，企业通常只能获得有限的历史观测数据，而得到的离散实证分布不足以准确捕捉真实的不确定性。因此，迫切需要开发出仅使用有限样本信息就能有效解决时间风险约束4PLROP的解决方案方法。基于上述实际问题和挑战，我们研究了一个考虑运输时间有限历史数据的绿色4PLROP。通过解决这个问题，我们尝试回答以下问题：“在碳排放政策和交货时间约束下，我们如何有效地利用多个3PL提供商及其不同类型的车辆来做出最具成本效益的路线决策？”

本文的主要贡献包括：
- 我们提出了一个考虑运输时间不确定性并明确考虑电动车和燃油车选择的4PLROP模型，旨在平衡总运输成本和延迟风险。据我们所知，现有文献中尚未研究这种综合的4PLROP。给定一个规定的延迟风险水平，我们将问题构建为一个混合整数机会约束编程（MICCP）模型，该模型同时确定每段路线的路线设计和车辆类型选择。
- 鉴于实际环境中各个路线段的运输时间概率分布未知且只有有限的历史数据可用的情况，我们采用样本平均近似（SAA）方法将机会约束模型重新构建为确定性的、基于样本的模型。为了减轻SAA模型固有的维度灾难，我们进一步开发了一种基于样本均值的启发式算法（SMH），该算法仅依赖于历史运输时间数据及其样本均值。值得注意的是，所提出的算法也适用于具有左侧不确定性的机会约束问题的SAA表述。
- 基于合成数据的数值实验以及英国一个真实世界物流网络设计的案例表明，在运输时间不确定性的情况下，4PL平台的集约效应能够实现成本高效且环保的路线规划。对数值结果的进一步分析提供了关于EV-FV选择的管理见解，强调了碳排放政策和运输时间不确定性对路线决策和车辆类型选择的综合影响。

本文的其余部分结构如下：第2节回顾了相关文献；第3节介绍了在运输时间不确定性下的4PL路线优化问题，并建立了机会约束编程模型，随后提出了SAA近似模型；第4节使用合成数据进行了数值研究，展示了所提出SAA模型的有效性；第5节总结了本研究结论，并指出了未来研究的潜在方向。附录A提供了SAA模型的详细推导过程；附录B展示了提出的SMH算法及其对应的数值比较结果；附录C总结了基于中心极限定理的基准模型；附录D报告了真实世界案例研究的详细信息以及必要模型参数的计算过程。

**文献综述**
本文聚焦于在运输时间不确定的情况下进行4PL路线优化，并考虑了绿色物流中的电动车采用问题。因此，在本节中，我们简要回顾了有关路线优化的相关文献，分别讨论了4PL视角、绿色物流因素以及在运输时间不确定下的机会约束。

**问题描述和模型构建**
本节重点介绍了一个整合车辆类型决策的新模型。第3.1节提供了问题描述和假设，随后定义了要使用的符号和参数；第3.2节给出了问题的机会约束编程（CCP）模型；第3.3节提出了从CCP模型近似得到的SAA模型。

**数值研究**
在本节中，我们进行了数值实验，以验证所提出算法的有效性，并探讨了各种模型参数的影响。第4.1节描述了专门为模拟实验生成的一组测试数据集；第4.2节研究了样本大小对决策过程的影响，并通过将基于中心极限定理的决策与之进行比较，讨论了基于样本数据的决策的稳健性。

**结论**
受到城际运输行业运营挑战的启发，特别是考虑到在长途运输中为电动车充电所需的时间不确定性和环境因素，我们在4PL框架下探讨了绿色路线优化问题，同时考虑了这些时间不确定性。在这种情况下，关键决策是在每段路线中选择电动车还是燃油车，这取决于交货时间的要求。

**作者贡献声明**
徐宏亮：撰写——审稿与编辑、撰写——原始草稿、可视化、验证、监督、软件、方法论、调查、形式分析、数据管理、概念化。
黄敏：撰写——审稿与编辑、监督、资源管理、项目管理、调查、资金获取。
江松臣：撰写——审稿与编辑、监督、方法论、形式分析。
张旭鑫：撰写——审稿与编辑、监督。
王俊伟：撰写——审稿与编辑。