买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉河海大学;中国港湾工程有限责任公司申请的专利一种量化碳排放影响的多式联运多目标决策研究方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115619037B 。

龙图腾网通过国家知识产权局官网在2026-02-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211382625.X，技术领域涉及：G06Q10/04；该发明授权一种量化碳排放影响的多式联运多目标决策研究方法是由郑长江;王广生;赵孝进;鱼童;雷智鹢;孙海军设计研发完成，并于2022-11-07向国家知识产权局提交的专利申请。

本一种量化碳排放影响的多式联运多目标决策研究方法在说明书摘要公布了：本发明公开了一种量化碳排放影响的多式联运多目标决策研究方法，包括如下步骤：步骤1、根据运输节点、路线和货运参数，建立不确定条件下的多式联运多目标路径决策模型；步骤2、对不确定条件进行处理，构造不确定条件下多式联运多目标路径决策问题中的优化目标和约束条件；步骤3、建立不同碳排放政策下的路径决策模型，进行碳排放政策影响下的路径优化。本发明弥补了当前大空间尺度区域碳排放政策对交通决策影响的方法不足，解决了不确定条件和碳排放政策对路径决策影响性质和能力的量化问题。

本发明授权一种量化碳排放影响的多式联运多目标决策研究方法在权利要求书中公布了：1.一种量化碳排放影响的多式联运多目标决策研究方法，其特征在于，包括如下步骤： 步骤1、根据运输节点、路线和货运参数，建立不确定条件下的多式联运多目标路径决策模型；涉及到期望运输总时间和期望运输总成本两个优化目标，建立如式1的多目标随机期望值模型： 其中，x为n维决策向量，ξ为随机向量，其概率密度函数为φξ，fix,ξ是目标函数，i＝1,2,…,m，gjx,ξ是一组随机约束函数，j＝1,2,…,p，E为期望值算子； 步骤2、对不确定条件进行处理，构造不确定条件下多式联运多目标路径决策问题中的优化目标和约束条件；构造不确定条件下多式联运多目标路径决策问题中的优化目标和约束条件，其中，运输总时间T0包括货物节点之间的运输时间T1和节点上的转运时间T2，两者都属于不确定值，多目标随机期望值模型中，期望运输总时间ET0表现为如下形式： ET0＝ET1+ET24 公式234中，h,i,j表示运输节点，h,i,j∈N；h,i表示运输路径；k,l表示货物运输方式，k,l∈M；表示k运输方式下路径h,i距离，单位为Km；M为运输方式集合；Mh,i表示路径h,i运输方式集合，N为运输节点集合；Ni表示i点相邻节点集合，Tik,l表示节点i处从方式k转向方式l的转运时间，单位为h；表示k运输方式下路径h,i距离，单位为Km；表示k运输方式下路径h,i运输速度，单位为Kmh；为决策变量，若货物以k运输方式经h,i运输弧，则否则为决策变量，若在i点发生运输方式的转换，则否则 运输总成本C0包括运输费用和转运费用之和C1，以及延误惩罚费用C2；其中，期望运输总成本EC0表现为如下形式： C2＝maxμ,0CodT0-Tod6EC0＝C1+E[C2]7 公式567中，表示k运输方式下运输路径h,i运输费用，单位为元；表示节点i处从方式k转向方式l的转运费用，单位为元；Q0为货物总重TEU；T0为货物运输总时间，单位为h；Tod为约定送达时间，单位为h；Cod为单位延误惩罚费用单位为元h；maxμ,0为max函数，求μ和0中的最大值； 确定条件下，货物能否准时送达目的地只存在是与否两种情况；但在不确定条件下，货物的准时送达与否属于服从0-1分布的随机变量，准时送达的概率和期望相等，故定义变量hλr，若货物准时送达，即T0-Tod＜0时，hλr＝1；否则hλr＝0，货物准时送达期望约束E[hλr]表示为： E[hλr]＝PT0-Tod＜0≥α8 其中，T0为货物运输总时间，单位为h；Tod为约定送达时间，单位为h；α为货物准时送达期望阈值，α∈0,1，该约束允许部分路径的运输总时间超过运输时效限制Tod，须支付一笔基于运输总成本的惩罚费用； 估计期望运输总时间和准时送达期望约束，随机模拟产生r组样本其中1＜r＜R，当R→∞时， 当随机模拟总次数R足够高时，公式9、10箭头左侧即为期望运输总时间、期望延误惩罚费用和准时送达期望约束的估计值； 步骤3、建立不同碳排放政策下的路径决策模型，进行碳排放政策影响下的路径优化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河海大学;中国港湾工程有限责任公司，其通讯地址为：210098 江苏省南京市鼓楼区西康路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。