张赟兴 薛丁楠
（长安大学，陕西 西安710064）
1 概述
1.1 研究背景
在2021 年的政府工作报告中，李克强总理提出了要扎实做好碳达峰、碳中和各项工作，制定了在2030 年之前碳排放达峰的行动方案。据数据统计，交通运输行业的碳排放量约占全球碳排放量的25%左右，位列所有行业中的第二名。在交通运输具体领域内，道路运输业碳排放量占整个行业的77.5%，铁路运输占比0.2%，民航运输占比11.2%，海运占比为10.7%。[1]而城市居民的出行在交通领域贡献了很大一部分的碳排放量，减少居民出行链中的碳排放量目前的研究尚少而且通常为传统方式进行研究。
1.2 低碳交通
低碳交通是指以降低交通运输行为的温室气体排放为目标的低能耗、低排放的交通运输方式，是低碳经济在交通领域的一种实现方式。其中的“碳”主要指的是二氧化碳气体，除此之外还包括氧化亚氮、氢氟碳化物、甲烷等气体。二氧化碳作为一种温室气体，它增温效应高，处理难度大，对气候变化的影响是最大的，因此越来越多的国家倡导绿色出行，低碳交通，要把居民出行与碳排放强度调节至一种和谐的状态，降低温室气体的排放。
1.3 出行链
在以往的研究中，许多学者对出行链进行了不同的定义：
表1 不同学者对出行链定义表
由以上表格可得，学者对出行链定义得理解主要分为两种：一类为“人们为完成一项或多项活动，按照一定的顺序进行活动并返回初始点的过程”。此定义主要强调出发点与终点为同一地点，即出行链为一个闭合链，并且有些定义中强调该出行链的时间单位为一天。另一类为“人们为了完成一项或多项活动，按照一定的顺序相互连接的出行”，此定义没有规定出发点是否与终点相同，也没用对出行的时间单位进行限制。
本文采用的出行链定义为：出行链是为完成一项或多次活动，按照一定的顺序连接完成的出行。
1.4 MaaS 系统概述
MaaS 是近些年来飞快发展的一个新的交通理念——“出行即服务（Mobility as a service）”，其在共享经济方面具有极大的潜力。MaaS 的使用主要可以总结为五个步骤[7]：a.注册并选择出行服务模式;b.出行规划;c.预定;d.使用MaaS 服务;e.向MaaS 支付服务。同时其具有四个明显的特征，即一体化、共享化、人性化、低碳化。这些特征实现了交通出行这一基础活动与现代社会科学技术迅速发展趋势的良好契合，必将成为新型出行方式的引领者。尤其是在全球环境恶化，交通碳排放量逐渐增多的背景下，在交通领域控制碳排放，减少居民出行链的中的碳排放，可以利用率该系统的优点，即在用户使用MaaS 的时候，第一步就利用算法对系统最优的线路进行优先推荐，作为出行的解决方案。
2 研究方案
2.1 研究思路
相对比与传统的解决低碳出行的方式来说，大部分是通过降低需求，增加出行成本来减少城市居民出行需求，来达到减少碳排放的目的。这样的做法具有一定的效果，但对城市居民的出行也会产生一些困扰，并且居民出行链中每一阶段选择何种交通工具也具有不可预测性。MaaS 系统作为一种新兴的共享出行的方法可以很好的解决该问题。由于目前国内还没有完全搭建成体系的MaaS 系统，所以本文认为在用户使用，需要进行路线的推荐时，可以增加建立一个模型，在对不同出行方式的费用、时间、碳排放量进行优化，采用多目标优化的方法，使MaaS系统的绿色出行、经济出行的效果达到最优。
2.2 模型构造
2.2.1 碳排放量的计算
对于城市居民来说，出行的时间和费用在现有的先进网络技术下都可以进行很好的预测，但碳排放量不易进行计算，根据现有文献资料，计算碳排放量的方法有IPPC 法、基于出行方式计算法、基于居民出行的碳排放计算法和基于机动车行驶距离法[8]。
出于对计算准确性和简便性的考虑，将每个个体出行链中各段的碳排放量之和作为居民出行的碳排放量。
具体计算公式如下：
其中：Cij——个体i 第j 段出行产生的碳排放量，am为对应的碳排放因子，Lij为出行距离，Ti为个体i 出行链产生的碳排放总量。根据已有的对碳排放因子的研究，结合西安市具体的关于轨道交通和公共交通使用人数的具体实际情况，对碳排放因子进行修正。给出对应的碳排放因子如表2。
表2 出行碳排放因子
2.2.2 模型搭建
假设个体出行轨迹如图1 所所示，其中O 为居民出行链的起始点，A,B,……,N 为出行链中每一阶段的目的地，D 为最终到达地，1,2,……,m 分别为每一阶段可选择的交通工具，每一条连接线上有对应的时间权重，费用权重以及碳排放权重。在现有的MaaS 系统中推荐的即为一整条出行链，如何在出行过程中保证较低的碳排放，同时不影响居民的出行体验是该模型要解决的问题。
图1 出行链轨迹图
在上述问题中，要达到系统的整体最优，推荐出一条最合理的出行链，其目标主要有时间最少，费用最少，碳排放最少，可以描述为以下模型：
约束条件为：
其中，式（1）表示两个节点之间之选择一种出行方式，式（2）表示决策变量选用0-1 变量。在LINGO 软件中用回归法可以解出模型答案。
2.2.3 模型求解
采用逐步回归法对该模型进行求解，逐步回归法选择变量的过程包含两个基本的步骤，一是从回归模型中剔除经检验不显着的的变量，二是引入新变量到回归模型中。
具体步骤如下：
2.3 模型应用
基于现在国内外关于MaaS 架构的研究，整个出行服务系统架构如图2 所示。其中用户服务层主要包括六个主要构成部件。分别为联程联运线路规划、出行票务预订、指挥票务通行、聚合系统支付、行程订单管理系统、积分兑换系统。本文着手的地方为联程联运线路规划这一部分，在实现基于选择的多种交通方式出行方案查询与出行链信息订阅服务中，将碳排放作为一个因素考虑到最后的输出结果中并进行优先推荐。通过AI+出行深度融合，提供更加多的出行方案，使用户由一定的自足选择权利，有条件的情况下，可以通过广为宣传或者政策手段，对采用有限推荐路线的用户进行适当的奖励，实现共享经济下的低碳交通发展新模式。
图2 系统架构图[9]
3 结论
本文基于MaaS 系统提出了一种新的低碳交通实现模式，即在MaaS 系统迅速发展的前提下，将碳排放量这一因素添加到同出行时间、出行费用等常规因素同等地位的条件下。通过在联程联运线路规划过程中增加一个数学模型，来实现出行链上费用、时间、碳排放量系统的最优，并给出推荐方案。这样进一步丰富了MaaS 系统，更加的体现出该系统人性化的特点，同时可以有效地降低居民出行链中的碳排放量，对于节能减排，实现“碳达峰”、“碳中和”等目标都具有良好的效果。
