混合动力车队模型在最后一公里配送中的能源与CO2效率优化研究

本研究针对城市最后一公里配送中能源消耗高、碳排放大的问题，提出了一种结合卡车与遥控驾驶航空系统(RPAS)的混合车队优化模型。研究人员采用多目标优化算法NSGA-II，通过模拟数据集分析不同配送场景下车辆性能，发现固定翼RPAS在长距离配送中效率突出，而四旋翼无人机更适短途配送，混合卡车则在大负载运输中减排优势显著。该研究为可持续城市物流规划提供了兼顾效率与环保的混合车队配置策略，对实现低碳物流具有重要实践价值。

　　

随着电子商务爆发式增长，城市最后一公里配送已成为物流链中能源消耗和碳排放的"重灾区"。传统柴油卡车配送不仅面临交通拥堵导致的效率低下问题，其尾气排放更是占城市交通碳排放的30%以上。虽然电动自行车、小型电动车等替代方案不断涌现，但在配送范围、载重能力等方面存在明显局限。与此同时，新兴的遥控驾驶航空系统(RPAS)技术虽然能规避地面交通瓶颈，却受限于航程短、载重小的先天不足。如何在复杂城市环境中平衡配送效率、能源消耗和碳排放，成为摆在物流研究者面前的重大课题。

加拿大卡尔顿大学机械与航空航天工程系的Armin Mahmoodi博士团队在《Sustainable Futures》发表的研究，创新性地提出了卡车与RPAS协同的混合配送模型。研究人员构建了包含CO₂排放、能耗、配送时间和空域风险指数四个维度的多目标优化框架，采用改进的非支配排序遗传算法(NSGA-II)对200组模拟配送场景进行分析。关键技术包括：建立混合整数线性规划模型处理车辆路径问题(VRP)，整合SORA风险评估框架量化空域风险，采用蒙特卡洛模拟评估不确定性因素，并通过帕累托前沿分析寻找最优解集。

研究结果部分，《3.2.1 运营成本优化》显示：在10-15公里中距离配送中，固定翼RPAS较四旋翼机型节能23%，而混合动力卡车较传统柴油车减排17%。《3.2.2 时间优化》通过敏感性分析发现，当配送点密度超过5个/平方公里时，RPAS的时效优势开始显现。《3.2.4 能耗优化》揭示电池技术是限制电动卡车和RPAS协同的关键因素，当前技术水平下混合车队的最优服务半径为18公里。

讨论部分指出，该研究的创新性在于首次将动态空域管制约束纳入物流优化模型，并量化了不同城市形态下的技术适用边界。研究建议：在高层建筑密集区优先采用四旋翼RPAS进行"垂直配送"，在郊区工业园区适用固定翼RPAS实现"跨区跳点"，而混合动力卡车则承担区域集散中心的"枢纽辐射"任务。这种分层协作模式可降低整体能耗28%，同时将CO₂排放控制在欧盟2030年减排目标的临界值以下。

这项研究为政策制定者提供了重要参考：通过建立"低空物流走廊"和"地面绿色货运区"的双规管理体系，可加速城市物流的低碳转型。未来研究需进一步整合实时交通数据与气象信息，提升模型在动态环境中的适应性，这将是实现智慧城市可持续物流的关键突破点。