基于贝叶斯Copula的随机规划方法在韩国铁路货运中K-ETS碳成本内生化中的应用

《TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT》：Bayesian copula–stochastic programming for K-ETS carbon cost endogenization in Korean rail freight

　　李永在 韩国首尔江南区凤恩寺路617号TOBESOFT未来技术研究院云计算组人工智能实验室 摘要：本研究构建了一个两阶段随机货车分配框架，将韩国排放交易体系下的碳成本内生化，通过分层贝叶斯需求重建方法与学生t分布copula函数结合，以捕捉货运需求的相关性不确定性。研究共有四项贡献：首先，贝叶斯与copula方法的结合使得小样本商品的后续不确定性区间降低了60–85%；其次，通过碳成本内生化处理后，随机解的价值为每年3.5亿韩元，相较于确定性基准值高出17.9%，同时CO2当量排放量减少了6.7%，表明可持续性与竞争力是相辅相成的；第三，通过对2010–2024年的电网碳强度进行重新校准，发现2021年存在一个结构性拐点，其CO2当量排放量为每总吨公里-15.8克，这一现象在静态排放模型中并未被体现；第四，该随机规划方法在六种不同的韩国排放交易体系价格情景以及不同竞争反应假设下均保持有效性，证明了政策的稳定性。由于韩国到2023年铁路货运需求将收缩29.8%，该框架仅适用于短期优化，若要应用于长期战略规划，则需要建立能够反映这种需求收缩的结构性需求模型。引言：韩国的铁路货运系统在运输方式中的占比持续下降，从1980年的约28%降至2020年的3.9%，远低于全球约40%的平均水平。这种运输结构失衡带来了严重的环境问题：尽管2012年铁路仅承担了5.2%的货运量，但公路运输却产生了几乎99.8%的与货运相关的CO2排放量。物流活动集中在大城市周边，进一步加剧了区域经济差异，因为货运流量越来越多地绕过内陆铁路枢纽。尽管如此，铁路仍然是韩国实现可持续物流转型的最佳途径之一，其每吨公里能耗比公路运输低60–70%。韩国政府已设定目标，力争到2030年将铁路货运的占比从3.9%提升至9.0%。要实现这一目标，需应对三方面的结构性挑战：首先，韩国的排放交易体系要求货运企业承担明确的碳成本，使得碳定价从一种辅助性政策工具转变为运营规划中的约束条件；其次，受重工业产量下降、港口到公路的集装箱物流发展以及消费模式变化等因素影响，铁路货运总量从2018年的78.77亿吨公里降至2023年的55.28亿吨公里，降幅达29.8%，这一长期下降趋势使得本研究的结果仅适用于短期运营优化，若要用于长期战略规划，则需要建立能够反映这种需求收缩的模型；第三，韩国特有的结构性因素也加剧了铁路的竞争劣势，如客货共用基础设施限制了铁路的运营时间，KORAIL既要承担公共服务职能又要追求商业利益，这使得碳成本上升难以充分体现在货运价格中，而高速公路的不断扩建则进一步增强了公路货运的门到门优势。本研究开发的分析框架通过特定线路的竞争反应系数、夜间运营惩罚系数以及基于时刻表和基础设施数据校准的运输方式分配指标，对以上各种约束进行了量化处理。本研究还充分考虑了韩国排放交易体系近期的政策变动，该体系在第一阶段（2015–2017年）实行完全免费配额，第二阶段（2018–2020年）将公路和铁路运输纳入其中，首次要求货运企业承担碳成本。第三阶段（2021–2025年）不仅引入了韩国首个价格下限机制，还增加了供应量，导致碳价格从2019年的每吨CO2当量36,509韩元降至2023年的8,684韩元。正是这些价格动态促使本研究设计了六种不同的价格情景，涵盖了2023年的较低价格水平、2019年的历史最高价格水平以及长期的监管上限价格。第三章详细阐述了这些情景设计的依据。在本研究中，“碳成本内生化”指的是将韩国排放交易体系中的碳成本作为决策变量纳入优化模型中，从而实时调整资源分配，而非在分配决策确定后再将其作为固定外部参数使用。这一概念比“碳定价”更为严格，后者仅指政策工具本身，而内生化则是将碳定价信号融入规划模型的分析机制。在这样的政策背景下，仍有三项方法论上的挑战亟待解决。首先，现有货运模型中的环境成本仅作为分配后的评估指标，而非影响资源分配的内生变量，因此无法让韩国排放交易体系的价格信号实时作用于运营优化过程。其次，随机优化框架通常假设各类商品的需求分布是独立的，从而低估了当需求冲击与碳排放交易体系价格波动同时作用时所引发的联合风险，尤其是在2015–2023年间韩国排放交易体系配额价格的变异系数超过0.5的情况下，这种情况更为严重。第三，现有的竞争性货运模型要么假设需求是确定的，要么将不同商品流视为独立存在，因此无法准确评估在需求持续收缩的情况下，相关冲击与碳价格波动如何共同影响资源分配的稳定性。第2.5节将对这些挑战与现有研究进行对比分析。为了解决这些问题，本研究设置了六个研究目标，分为方法论层面和实证分析层面：首先，构建一个多阶段框架，将排放外部性作为内生优化变量纳入模型；其次，通过分层贝叶斯方法重建小样本商品的货运需求，并利用学生t分布copula函数量化相关性不确定性；第三，建立一个包含韩国排放交易体系碳定价的两阶段随机货车分配模型；第四，针对六种不同的价格情景，在完整的参数范围内评估不同企业的竞争反应策略；第五，量化夜间运营和交通拥堵对行驶时间及排放强度的非线性影响；第六，根据韩国的制度约束，制定分阶段的可持续运输方式转型策略。本研究以2018年为基准年，即韩国铁路货运协会在新冠疫情和韩国排放交易体系第三阶段改革之前的最后一个数据稳定的年份，同时根据2024年的数据动态更新电网碳强度。外推验证结果显示，2019–2022年的平均绝对百分比误差为4.85%，而2023年由于需求持续收缩且超出了模型的预测范围，误差上升至12.6%。这些研究目标带来了四项主要贡献：首先，通过分层贝叶斯部分聚合方法与学生t分布copula函数的结合，可将小样本商品的后续不确定性区间降低60–85%，这一能力是Rezaee等人或Wei和Wang的独立分布框架所不具备的；其次，通过将韩国排放交易体系的碳成本作为决策变量纳入两阶段随机优化模型，可得到每年3.5亿韩元的随机解价值，相较于确定性基准值高出17.9%，同时CO2当量排放量可减少6.7%，这表明在韩国排放交易体系的价格机制下，可持续性与竞争力是相辅相成的而非相互矛盾的；第三，通过动态调整电网碳强度，发现了2021年存在的结构性拐点，其CO2当量排放量为每总吨公里-15.8克，这一数值被单一基准线排放因子方法所忽视，进而影响了碳成本内生化处理的实际价值；第四，无论在何种竞争反应条件下，以及六种不同的价格情景下，随机规划方法都能带来正的随机解价值，且其差异幅度小于1.3%，这证明了政策的稳定性，也为第五章中提出的分阶段实施策略提供了坚实基础。本文的其余部分结构如下：第二章回顾相关文献并阐述本研究的定位，第三章详细介绍研究方法，第四章呈现实证分析结果，第五章探讨相关机制及政策启示，第六章则总结研究的局限性并指出未来研究方向。片段摘录：可持续货运运输：经济可行性与环境绩效的整合难题。全球货运运输领域的学术研究逐渐认识到，要实现可持续发展，必须将环境因素全面纳入核心运营决策之中，而非将其视为外部约束或事后的报告指标。Ofori等人及Zhu等人的最新综述表明，虽然已有大量关于单一方面的研究，但……方法论：本研究构建了一个综合性的多阶段分析框架，用于处理国家铁路货运网络中经济盈利能力、运营服务水平与环境可持续性之间的复杂平衡关系。该方法论是一个基于数据的循序渐进的过程：首先，建立基于多重数据来源的稳健数据库，并通过严格的环保核算方法，将碳排放转化为可优化处理的成本变量；然后，对……进行分析。结果：本章展示了我们多阶段分析的实证结果。首先，我们建立了可靠的运营基准和排放清单，评估了运输量的稳定性以及我们的吨公里重建模型的准确性。接着，我们利用基于copula函数的模拟方法，分析了该网络的财务风险和环境风险状况。随后，我们量化了时刻表变化对运营和排放的影响，确定了夜间运营等关键影响因素。综合可持续性与竞争力框架的战略必要性：本研究通过实证分析表明，传统的逐层整合可持续性的方法在货运运营中表现不佳。将环境成本作为内生优化变量处理，不仅能提升决策质量，使随机解的价值增加17.9%，相当于每年3.5亿韩元，还能实现6.7%的排放量削减，这一结果与那些批评经济与环境因素在方法论上相互割裂的研究观点是一致的。结论：本研究开发并应用了一种综合性的多阶段分析框架，旨在协调韩国铁路货运中的运营效率与环境可持续性。通过将韩国排放交易体系中的碳成本视为需求不确定性下的内生决策变量，本研究证明竞争力与可持续性是可以同时提升的，这一结果为传统意义上的二者对立观点提供了实证反证，同时也凸显了综合管理方法的重要性。资金支持：本研究未获得任何外部资金支持。关于手稿准备过程中生成式AI及AI辅助技术的声明：在撰写本论文时，作者仅使用DeepSeek工具来优化语言表达并提高可读性。在使用该工具之后，作者对内容进行了必要的审阅和修改，并对本文中的科学内容、分析方法及结论承担全部责任。没有使用任何AI工具来生成科学内容、进行分析或得出结论。利益冲突声明：作者声明自己不存在任何可能影响本研究结果的已知财务利益或个人关系。