arrow
返回

A Simulation-Based Integrated Decision-Support Framework for Auditable Green Logistics

delete2026-05-01
delete0
delete
OA
AI
G
Gábor Nagy *
A
Akylbek Umetaliev
S
Szabolcs Szentesi
DOI:10.3390/logistics10050098delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
背景:绿色物流需要决策支持方法,以在动态运营条件下联合解决成本效率、减排、服务可靠性和报告透明度。现有研究通常将优化、预测更新、利益相关者协调和排放可追溯性分别处理,限制了集成。方法:本研究开发了一个基于仿真的集成决策支持框架,结合多目标混合整数线性规划(MILP)、滚动时域设置下的机器学习旅行时间预测、基于Shapley值机制的协同分配以及与ISO 14083:2023对齐的排放核算。包含许可区块链层作为后决策治理机制以支持可追溯性。该框架通过行业校准的合成场景进行评估,规划期为30天,进行50次独立仿真运行。结果:在测试场景下,集成配置将每条路线的平均CO2排放量降低了27.6%(±2.4%),相对于基线改进了17.3%的成本指数,并将准时交付率提高到96.8%。鲁棒性分析显示关键绩效指标(KPI)的平均偏差低于5%。组件级分析表明,主要运营收益源于预测更新与规范性优化之间的交互,而区块链层主要提高了可审计性。结论:该框架在测试的仿真场景中提高了环境与运营绩效,尽管在得出部署级结论前仍需现实世界验证。
Keyword:
green logistics
multi-objective optimization
vehicle routing with time windows
cooperative game theory
Shapley value
machine learning
blockchain
ISO 14083:2023

期刊

L
Logistics
IF:
3.6
论文数:
807
被引数:
1.5K

机构

U
university of miskolc
学者数:
390
论文数: 191
被引数: 0
引用论文

引用论文

Observation scheduling for a state-of-the-art SAREOS: Two adaptive multi-objective evolutionary algorithms
err2022-07-01
err16
PREAI
errChang, Zhongxiang; Zhou, Zhongbao; Li, Ruiyang; Xiao, Helu; Xing, Lining
err分享
err收藏
学者 查看更多内容