基于大數(shù)據(jù)的綠色貨運(yùn)績(jī)效組合評(píng)價(jià)研究

摘? 要：為了充分挖掘綠色貨運(yùn)中的數(shù)據(jù)價(jià)值，促進(jìn)貨運(yùn)業(yè)碳減排。提出一種基于大數(shù)據(jù)挖掘和偏好順序結(jié)構(gòu)評(píng)估法的綠色貨運(yùn)績(jī)效評(píng)價(jià)方法。在深入分析綠色貨運(yùn)績(jī)效影響因素的基礎(chǔ)上，確定評(píng)價(jià)指標(biāo)體系，采用藍(lán)鯨大數(shù)據(jù)挖掘軟件進(jìn)行建模，以物流云平臺(tái)模式下綠色貨運(yùn)項(xiàng)目數(shù)據(jù)為樣本進(jìn)行K-means聚類(lèi)分析。利用傅勒三角形法確定評(píng)價(jià)指標(biāo)權(quán)重，采用偏好順序結(jié)構(gòu)評(píng)估法，借助Visual PROMETHEE軟件對(duì)聚類(lèi)分析結(jié)果進(jìn)行驗(yàn)證，并對(duì)30輛貨車(chē)的綠色運(yùn)輸績(jī)效做出全面深層次評(píng)價(jià)。針對(duì)樣本貨車(chē)運(yùn)輸中存在的問(wèn)題，提出了公路貨運(yùn)業(yè)碳排放管理策略。

關(guān)鍵詞：績(jī)效;評(píng)價(jià);偏好順序結(jié)構(gòu)評(píng)估法;綠色貨運(yùn)

中圖分類(lèi)號(hào)：U294? ? 文獻(xiàn)標(biāo)志碼：A? ? DOI：10.13714/j.cnki.1002-3100.2023.15.012

Abstract： In order to fully discover the data value in green freight transport and promote carbon emission reduction in freight transport industry， a performance evaluation method of green freight that based on big data mining and promethee was proposed. Based on the in-depth analyzed of the influencing factors in green freight performance， the evaluation index system was determined， and the Blue Whale big data mining software was used to model construction. The K-means cluster analysis was conducted with green freight project data under the logistics cloud platform model as the sample. Fourier triangle method was used to determine the weight of the evaluation index， and the preference order structure evaluation method was used to verify the clustering analysis results by means of Visual PROMETHEE software， and a comprehensive and in-depth evaluation of the green transport performance of 30 trucks was made. Aimed at the problems existing in the sample truck transportation， the carbon emission management countermeasures of road freight industry were proposed.

Key words： performance; evaluation; PROMETHEE; green freight

0? 引? 言

碳達(dá)峰和碳中和目標(biāo)的提出，物流業(yè)碳減排成為關(guān)注的焦點(diǎn)，交通領(lǐng)域的碳排放多數(shù)來(lái)源于公路貨運(yùn)，其中重型貨車(chē)的碳排放約占83.5%[1]。對(duì)于貨運(yùn)企業(yè)而言，借助大數(shù)據(jù)技術(shù)分析綠色貨運(yùn)活動(dòng)數(shù)據(jù)潛在的價(jià)值，有助于對(duì)貨運(yùn)績(jī)效進(jìn)行科學(xué)分析評(píng)價(jià)，促進(jìn)節(jié)能減排[2]。然而，由于綠色貨運(yùn)績(jī)效評(píng)價(jià)是一種典型的多影響因素、多目標(biāo)沖突下的管理決策問(wèn)題，企業(yè)實(shí)施綠色貨運(yùn)績(jī)效評(píng)價(jià)面臨一定的困難和挑戰(zhàn)，為了實(shí)現(xiàn)節(jié)能減排目標(biāo)，從大數(shù)據(jù)的視角研究綠色貨運(yùn)績(jī)效評(píng)價(jià)具有重要的現(xiàn)實(shí)意義。畢建濤在分析貨運(yùn)大數(shù)據(jù)來(lái)源和類(lèi)型的基礎(chǔ)上，構(gòu)建了公路貨運(yùn)大數(shù)據(jù)價(jià)值分析模型。彭美春等研究了重型貨車(chē)碳排放與車(chē)速、裝載率的關(guān)系，得出了車(chē)速與裝載率的分布規(guī)律。周文娟[3]構(gòu)建了城市綠色配送評(píng)價(jià)模型，利用層次分析法和模糊綜合評(píng)價(jià)法對(duì)城市綠色配送績(jī)效進(jìn)行了評(píng)價(jià)，提出了發(fā)展建議。梁山清等[4]基于專(zhuān)家系統(tǒng)和協(xié)同過(guò)濾算法，研究了大數(shù)據(jù)技術(shù)在貨運(yùn)行業(yè)中的應(yīng)用。劉煥然等[5]基于汽車(chē)生命周期數(shù)據(jù)庫(kù)和汽車(chē)生命周期評(píng)價(jià)模型，研究了重型汽車(chē)的生命周期碳排放核算方法，并對(duì)汽車(chē)生命周期碳排放進(jìn)行了預(yù)測(cè)研究。Chen等通過(guò)研究不同低碳政策下的貨運(yùn)特征，提出了最優(yōu)的運(yùn)輸模式。Weger基于物流仿真法，研究了化石燃料貨車(chē)轉(zhuǎn)換為氫動(dòng)力貨車(chē)后發(fā)現(xiàn)，采用清潔動(dòng)力貨車(chē)可以減少貨運(yùn)碳排放。已有研究集中在城市、行業(yè)碳排放核算與評(píng)價(jià)，針對(duì)行業(yè)碳排放管理的評(píng)價(jià)方法較為單一，關(guān)于組合評(píng)價(jià)方法應(yīng)用的研究較少。針對(duì)貨車(chē)碳減排的研究，尤其是大數(shù)據(jù)環(huán)境下綠色貨運(yùn)績(jī)效評(píng)價(jià)的實(shí)證研究偏少。本研究試圖從大數(shù)據(jù)挖掘和偏好順序結(jié)構(gòu)評(píng)估法（Preference Ranking Organization Method for Enrichment Evaluation）應(yīng)用的視角，設(shè)計(jì)綠色貨運(yùn)績(jī)效組合評(píng)價(jià)方法，針對(duì)綠色運(yùn)輸績(jī)效實(shí)施多角度、深層次分析和評(píng)價(jià)，為公路貨運(yùn)企業(yè)碳減排提供借鑒。

1? 偏好順序結(jié)構(gòu)評(píng)估法基本原理

1.1? 形成對(duì)象集合

對(duì)象集合A=a

，…，

a， n=1，…，N為第n個(gè)評(píng)價(jià)對(duì)象。

1.2? 建立指標(biāo)的標(biāo)準(zhǔn)值集合

設(shè)d=d

，…，

d，k=1，…，k， d為第k個(gè)指標(biāo)的對(duì)應(yīng)值。

1.3? 建立評(píng)價(jià)矩陣

E=

=

（1）

1.4? 計(jì)算優(yōu)先指數(shù)

優(yōu)先指數(shù)計(jì)算公式如下：

∏

a，

a=wP

a，

a

w? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（2）

1.5? 計(jì)算正流量和負(fù)流量和得出排序結(jié)果

正、負(fù)流量的計(jì)算公式如下[6]：

φ=∏

a，

a? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（3）

φ=∏

a，

a? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（4）

2? 基于大數(shù)據(jù)挖掘和PROMETHEE的綠色貨運(yùn)績(jī)效評(píng)價(jià)

2.1? 評(píng)價(jià)目標(biāo)設(shè)定

評(píng)價(jià)目標(biāo)是物流云平臺(tái)模式下廣東綠色貨運(yùn)項(xiàng)目30輛貨車(chē)的運(yùn)輸績(jī)效，該項(xiàng)目是利用世界銀行基金支持貨運(yùn)節(jié)能減排的我國(guó)首個(gè)綠色貨運(yùn)項(xiàng)目。

2.2? 影響因素分析和評(píng)價(jià)指標(biāo)選取

（1）平均運(yùn)距。指一定時(shí)期內(nèi)貨物的平均運(yùn)輸距離，是計(jì)算貨物周轉(zhuǎn)量的依據(jù)，也是反映貨運(yùn)工作強(qiáng)度的重要指標(biāo)。其大小影響能源消耗量、碳排放和運(yùn)輸成本。—定條件下，縮短平均運(yùn)距可以提高運(yùn)輸效率和降低能耗和減少碳排放。

（2）營(yíng)運(yùn)里程。指載貨行駛里程，也是辦理貨運(yùn)的計(jì)費(fèi)里程，由各路段里程累計(jì)得到。行駛里程包括營(yíng)運(yùn)里程和空駛里程。營(yíng)運(yùn)里程影響貨物周轉(zhuǎn)量，增加營(yíng)運(yùn)里程的同時(shí)減少空駛里程，可以降低碳排放。

（3）貨物周轉(zhuǎn)量。是報(bào)告期內(nèi)運(yùn)輸貨物重量乘以運(yùn)輸距離的累計(jì)數(shù)，從碳排放的角度來(lái)看，貨物周轉(zhuǎn)量比貨運(yùn)量更能夠有效衡量貨物運(yùn)輸績(jī)效。在運(yùn)輸合理的前提下，提高貨物周轉(zhuǎn)量的同時(shí)減少碳排放，有助于提高綠色運(yùn)輸績(jī)效。

（4）里程利用率。指營(yíng)運(yùn)行程與行駛里程之比，其大小反映車(chē)輛行駛里程的利用程度。在滿足貨運(yùn)需求的前提下，減少空駛里程，相應(yīng)提高營(yíng)運(yùn)里程，能夠提高里程利用率。

燃油消耗量、百公里耗油量。燃油消耗量是報(bào)告期內(nèi)完成貨物運(yùn)輸?shù)娜加拖牧?。與行駛速度、運(yùn)輸技術(shù)等因素有關(guān)，貨車(chē)在經(jīng)濟(jì)車(chē)速區(qū)間內(nèi)行駛越慢，百公里油耗量越多。對(duì)車(chē)輛進(jìn)行節(jié)能改造可以降低碳排放，分析百噸公里燃油消耗量，有利于挖掘節(jié)能減排潛力。

（5）二氧化碳排放量。指報(bào)告期內(nèi)完成貨物運(yùn)輸?shù)亩趸寂欧帕俊＼?chē)輛節(jié)能技術(shù)、駕駛速度、運(yùn)輸組織方式影響碳排放量。在完成貨物周轉(zhuǎn)量的條件下，采用綠色駕駛和低碳運(yùn)輸技術(shù)，可以減少二氧化碳排放量。

根據(jù)以上分析，查閱我國(guó)綠色貨運(yùn)車(chē)輛標(biāo)準(zhǔn)、中國(guó)綠色貨運(yùn)行動(dòng)標(biāo)準(zhǔn)、美國(guó)環(huán)保局等國(guó)內(nèi)外參考文獻(xiàn)，從運(yùn)輸規(guī)模、運(yùn)輸強(qiáng)度、運(yùn)輸效率、節(jié)能減排4個(gè)評(píng)價(jià)方面建立一級(jí)指標(biāo)，每個(gè)一級(jí)指標(biāo)下建立二級(jí)評(píng)價(jià)指標(biāo)。選取貨運(yùn)量、營(yíng)運(yùn)里程、行駛里程作為反映運(yùn)輸規(guī)模的指標(biāo)。平均運(yùn)距、貨物周轉(zhuǎn)量作為反映運(yùn)輸強(qiáng)度的指標(biāo)。里程利用率作為反映運(yùn)輸效率的指標(biāo)。選取貨車(chē)油耗、二氧化碳排放量、百公里耗油量作為節(jié)能減排指標(biāo)。

2.3? 數(shù)據(jù)準(zhǔn)備與處理

以示范期內(nèi)30輛貨車(chē)配載營(yíng)運(yùn)監(jiān)測(cè)數(shù)據(jù)作為樣本，通過(guò)咨詢參與項(xiàng)目實(shí)施的專(zhuān)家，完成評(píng)價(jià)指標(biāo)體系中9個(gè)指標(biāo)數(shù)據(jù)量化，表1中百公里耗油量、二氧化碳排放量是計(jì)算得出，其余均為原始數(shù)據(jù)，綠色貨運(yùn)物流云平臺(tái)貨物配載營(yíng)運(yùn)數(shù)據(jù)如表1所示。表1中百公里耗油量、二氧化碳排放量計(jì)算方法如下。

首先，計(jì)算百公里耗油量=油耗/行駛里程×100;其次，按照以下步驟計(jì)算得出樣本貨車(chē)的二氧化碳排放量[7]。

以車(chē)牌號(hào)BAJ882的碳排放為例，計(jì)算如下：

（1）已知年燃料消耗量=1 635.70（L）;（2）確定燃料的凈熱值：已知柴油的密度840kg/m3，1L=0.001m3，根據(jù)《綜合能耗計(jì)算通則》（GB/T 2589—2008），查得柴油的凈熱值為42.65MJ/kg，換算后得到42.65×840=35.83（MJ/L）;（3）計(jì)算柴油的CO2碳排放量：1 635.70×35.83×10-6×74 100×10-3=4.34（噸）。

2.4? 基于大數(shù)據(jù)挖掘的貨車(chē)運(yùn)輸績(jī)效聚類(lèi)分析

利用藍(lán)鯨（Blue Wale）大數(shù)據(jù)挖掘軟件對(duì)樣本數(shù)據(jù)進(jìn)行聚類(lèi)分析，首先進(jìn)行特征變量設(shè)置，然后構(gòu)建綠色貨運(yùn)績(jī)效聚類(lèi)分析模型，綠色貨運(yùn)績(jī)效聚類(lèi)分析模型如圖1所示。再將表1中的數(shù)據(jù)導(dǎo)入Blue Wale大數(shù)據(jù)分析軟件。由于二氧化碳排放量和單位貨物周轉(zhuǎn)量組合能夠充分體現(xiàn)綠色貨運(yùn)績(jī)效，因此，建立二者的指標(biāo)組合，選擇馬賽克圖功能進(jìn)行可視化輸出，觀察各輛貨車(chē)的單位貨物周轉(zhuǎn)量和二氧化碳排放量，圖中右下方附近區(qū)域內(nèi)貨車(chē)的單位貨物周轉(zhuǎn)量較大，二氧化碳排放量較少，綜合績(jī)效較優(yōu)。屬于此區(qū)域的主要車(chē)牌號(hào)有BU5249、BAJ892、BV6599、AM3227、AS3356、BAB066。以BU5249為例，參照表1中的數(shù)據(jù)可知，其貨物周轉(zhuǎn)量為31 286.70t.km，二氧化碳排放量為3.92t?；谪浳镏苻D(zhuǎn)量與CO2排放量的聚類(lèi)分析結(jié)果如圖2所示。

2.5? 基于PROMETHEE的貨車(chē)運(yùn)輸績(jī)效評(píng)價(jià)

為了驗(yàn)證以上聚類(lèi)分析的有效性與合理性，借助Visual PROMETHEE軟件進(jìn)行全面、深層次評(píng)價(jià)。

（1）權(quán)重確定和偏好函數(shù)設(shè)置

賦予各評(píng)價(jià)指標(biāo)代號(hào)，利用傅勒三角形法計(jì)算指標(biāo)權(quán)重：將評(píng)價(jià)指標(biāo)組成傅勒三角形，每?jī)尚械母髟u(píng)價(jià)指標(biāo)進(jìn)行互相比較，在對(duì)轉(zhuǎn)運(yùn)系統(tǒng)評(píng)價(jià)較重要的指標(biāo)上畫(huà)圈，同樣對(duì)其他行比較，圈定較重要的指標(biāo)，如果同樣重要，都劃圈。各評(píng)價(jià)指標(biāo)的圓圈數(shù)占總圓圈數(shù)的比值即為各評(píng)價(jià)指標(biāo)的權(quán)重。確定各評(píng)價(jià)指標(biāo)權(quán)重的傅勒三角形如圖3所示，各評(píng)價(jià)指標(biāo)的代號(hào)和權(quán)重計(jì)算結(jié)果如表2所示。

Visual PROMETHEE軟件內(nèi)設(shè)6種偏好函數(shù)，分別為Usual型、U-shape型、V-shape型、Level型、Linear型、Gaussian型，滿足不同的評(píng)價(jià)需求[8]。

首先，在Visual PROMETHEE軟件中設(shè)置表2中的權(quán)重值，然后選擇偏好函數(shù)和設(shè)置以下參數(shù)。

貨運(yùn)量：效益型指標(biāo)，使用Linear型偏好函數(shù)，偏好閾值使用軟件推薦值P=2， Q=1。

平均運(yùn)距：成本型指標(biāo)，使用Linear型偏好函數(shù)，偏好閾值使用軟件推薦值P=2，Q=1。

貨物周轉(zhuǎn)量：效益型指標(biāo)，使用V-shape型偏好函數(shù)，偏好閾值使用軟件推薦值P=2。

營(yíng)運(yùn)里程：效益型指標(biāo)，使用U-shape型偏好函數(shù)，偏好閾值使用軟件推薦值Q=1。

行駛里程：成本型指標(biāo)，使用Linear型偏好函數(shù)，偏好閾值使用軟件推薦值P=2，Q=1。

油耗 ：成本型指標(biāo)，使用U-shape型偏好函數(shù)，偏好閾值使用軟件推薦值Q=1。

二氧化碳排放量：成本型指標(biāo)，使用Level型偏好函數(shù)，P=2，Q=1。

百公里耗油量：成本型指標(biāo)，使用V-shape型偏好函數(shù)，偏好閾值使用軟件推薦值P=2。

里程利用率：效益型指標(biāo)，使用U-shape型偏好函數(shù)，偏好閾值使用軟件推薦值Q=1。

（2）軟件計(jì)算與評(píng)價(jià)結(jié)果分析

設(shè)置完上述的偏好函數(shù)后，再將表1中的數(shù)據(jù)導(dǎo)入Visual PROMETHEE軟件，使用軟件的PROMETHEE-GAIA功能進(jìn)行計(jì)算生成和PROMETHEE table表和PROMETHEE rainbow圖。PROMETHEE table表顯示計(jì)算出的正向流、負(fù)向流和凈流，PROMETHEE rainbow圖顯示各評(píng)價(jià)對(duì)象的堆積柱狀圖，Phi值按降序從左到右排列，縱坐標(biāo)的正負(fù)方向分別為Phi和Phi的度量，水平軸上方是該系統(tǒng)的優(yōu)勢(shì)指標(biāo)名稱(chēng)及排名，從上到下遞減，水平軸下方是劣勢(shì)指標(biāo)及排名，從下往上遞減。

PROMETHEE table是顯示各輛貨車(chē)的績(jī)效排名表，從高到低依次為BU5249、BAJ892、BV6599、BAJ882、AM3227、BU1948、AS3356等，這與聚類(lèi)分析結(jié)果基本一致，從而驗(yàn)證了評(píng)價(jià)法的合理性與有效性。計(jì)算出評(píng)價(jià)對(duì)象的正向流、負(fù)向流和凈流，如表3所示。

圖4是根據(jù)表2中的數(shù)據(jù)設(shè)置權(quán)重后，30輛貨車(chē)的績(jī)效排名彩虹圖，BU5249排名第一，其次為BAJ892。 附變化權(quán)重的30輛貨車(chē)績(jī)效排名彩虹圖如圖4所示。

圖5為倒數(shù)后10位貨車(chē)的運(yùn)輸績(jī)效彩虹圖，排名倒數(shù)第一的是BAB733，其在行駛里程、平均運(yùn)距、百公里耗油量、貨運(yùn)量、二氧化碳排放量、油耗6項(xiàng)指標(biāo)均存在不足，需加以改進(jìn)。綜合績(jī)效排名倒數(shù)后10位貨車(chē)的彩虹圖如圖5所示。

3? 結(jié)論與建議

減少公路貨運(yùn)碳排放有助于雙碳目標(biāo)的實(shí)現(xiàn)，本研究提出的綜合評(píng)價(jià)法，在充分考慮決策者的評(píng)價(jià)目標(biāo)和偏好需求的基礎(chǔ)上，通過(guò)深層次大數(shù)據(jù)挖掘、靈活設(shè)置權(quán)重，使用藍(lán)鯨大數(shù)據(jù)挖掘軟件建模和Visual PROMETHEE軟件自動(dòng)計(jì)算，實(shí)現(xiàn)了對(duì)物流云平臺(tái)模式下綠色貨運(yùn)績(jī)效的綜合評(píng)價(jià)，得到了較為全面客觀的評(píng)價(jià)結(jié)果。針對(duì)績(jī)效排名靠后貨車(chē)共同存在的4種劣勢(shì)指標(biāo)，提出以下碳排放管理對(duì)策：（1）減少平均運(yùn)距。通常干線物流運(yùn)距較長(zhǎng)，加強(qiáng)多式聯(lián)運(yùn)網(wǎng)絡(luò)建設(shè)，對(duì)運(yùn)輸站點(diǎn)進(jìn)行合理規(guī)劃，縮短運(yùn)輸距離，能夠減少平均運(yùn)距。根據(jù)公路貨運(yùn)的技術(shù)特點(diǎn)，大于50公里的遠(yuǎn)距離運(yùn)輸宜采用鐵路或公鐵聯(lián)運(yùn)方式，發(fā)展以鐵路運(yùn)輸為主的公鐵聯(lián)運(yùn)能夠提高綠色貨運(yùn)績(jī)效。（2）降低二氧化碳排放量。為了改善碳排放指標(biāo)，企業(yè)可以通過(guò)優(yōu)化運(yùn)輸線路，減少公路運(yùn)輸所占比重、提高車(chē)輛裝載率等方式降低碳排放量。充分發(fā)揮智慧物流云平臺(tái)的網(wǎng)絡(luò)效應(yīng)和規(guī)模效應(yīng)，提高運(yùn)力，降低碳排放量。（3）提高里程利用率。傳統(tǒng)運(yùn)輸組織下，運(yùn)力利用率低，空載率較高。運(yùn)營(yíng)線路固定能夠使駕駛員更熟悉路線，減少無(wú)效行駛里程，有助于節(jié)能減排。此外，利用大數(shù)據(jù)技術(shù)收集挖掘貨源信息，改進(jìn)運(yùn)輸組織工作，合理地進(jìn)行貨運(yùn)站點(diǎn)布局設(shè)計(jì)也能夠提高運(yùn)輸效率，提高里程利用率。（4）降低耗油量。駕駛員的操作技術(shù)方法、駕駛經(jīng)驗(yàn)在一定程度上決定著車(chē)輛燃油的消耗情況，例如，速度保持在60～90公里勻速行駛時(shí)比較省油。因此，規(guī)范提高駕駛員的駕駛技術(shù)，對(duì)駕駛員進(jìn)行節(jié)能減排培訓(xùn)。此外，采用清潔能源車(chē)輛、使用燃油添加劑、采用碳減排技術(shù)對(duì)車(chē)輛進(jìn)行改造，也能降低耗油量。

參考文獻(xiàn)：

[1] 張明琦，鄭澤東，李永東. 公路貨運(yùn)能耗及低碳化發(fā)展路徑研究[J]. 機(jī)車(chē)電傳動(dòng)，2022（3）：10-16.

[2] 甘蜜，卿三東，劉曉波，等. 貨車(chē)軌跡數(shù)據(jù)在公路貨運(yùn)系統(tǒng)中應(yīng)用研究綜述[J]. 交通運(yùn)輸系統(tǒng)工程與信息，2021，21（5）：91-101.

[3] 周文娟. 綠色物流配送評(píng)價(jià)體系構(gòu)建研究——以鄭州市為例[J]. 創(chuàng)新科技，2019，19（11）：59-66.

[4] 梁山清，李恩寧，葛紅志，等. 基于大數(shù)據(jù)平臺(tái)的貨車(chē)位置服務(wù)應(yīng)用研究[J]. 無(wú)線電工程，2020，50（5）：368-372.

[5] 劉煥然，張妍，孫鋅，等. 中國(guó)重型貨車(chē)全生命周期碳排放及減排潛力研究[J]. 中國(guó)汽車(chē)，2022（7）：47-52.

[6] 魏敏，李書(shū)昊，徐杰. 高質(zhì)量發(fā)展背景下中國(guó)省際旅游競(jìng)爭(zhēng)力再測(cè)度——基于PROMETHEE方法[J]. 商業(yè)研究，2020（2）：91-100.

[7] 彭美春，廖清睿，曾隆隆，等. 道路營(yíng)運(yùn)新能源汽車(chē)減碳測(cè)算[J]. 廣東工業(yè)大學(xué)學(xué)報(bào)，2020，37（2）：39-44.

[8] 趙梓旭，曲大義，郭海兵，等. 軌道交通站點(diǎn)綜合效能評(píng)價(jià)的PROMETHEE方法及應(yīng)用[J]. 青島理工大學(xué)學(xué)報(bào)，2021，42（3）：135-141.

收稿日期：2022-11-24

基金項(xiàng)目：廣東省普通高校特色創(chuàng)新類(lèi)（人文社科）項(xiàng)目“面向智能制造的廣東綠色供應(yīng)鏈金融系統(tǒng)協(xié)同研究”（2021WTSCX105）;廣州市哲學(xué)社科規(guī)劃項(xiàng)目“廣州加快低碳發(fā)展推動(dòng)綠色化轉(zhuǎn)型研究：‘雙碳戰(zhàn)略下產(chǎn)業(yè)供應(yīng)鏈綠色低碳多重耦合協(xié)同演進(jìn)視角”（2022GZGJ85）

作者簡(jiǎn)介：秦新生（1971—），男，河南平輿人，廣州商學(xué)院管理學(xué)院，副教授，研究方向：綠色供應(yīng)鏈、供應(yīng)鏈金融。

引文格式：秦新生. 基于大數(shù)據(jù)的綠色貨運(yùn)績(jī)效組合評(píng)價(jià)研究[J]. 物流科技，2023，46（15）：54-59.