“一带一路”沿线国家低碳物流效率研究

来源 :重庆邮电大学 | 被引量 : 0次 | 上传用户:jueai831015
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
“一带一路”的提出,为沿线国家相互合作、共赢互利提供了平台。虽然“一带一路”沿线国家的平均经济增长率高于世界的平均水平,但是能源使用量和CO2排放量却超过世界平均水平,其中CO2排放量更是占到全球CO2排放总量的近1/2,交通运输的CO2排放量占CO2排放总量的1/4。“一带一路”运输和物流系统的全球可持续发展已提上议程。因此,如何转变成低消耗、低排放与高效率的物流发展模式,实现经济社会发展与生态环境保护协同共进的绿色发展目标,是“一带一路”沿线国家发展的重中之重。交通基础设施、信息处理水平和专业化水平都制约着“一带一路”沿线国家低碳物流的发展。尽管现有研究在“一带一路”低碳物流效率评价上已取得一些成果,但研究视角多为国内沿线省市。而关于“一带一路”沿线国家的低碳物流效率及影响指标、影响强度和国际区域间比较的研究文献较少,迫切需要对其展开深入研究。因此本文拟采用DEA-SBM模型与DEA-ML指数对“一带一路”沿线54个国家在2010-2018年的低碳物流效率进行定量分析研究,探究其低碳物流发展水平的总体情况,分析影响其效率的关键指标,比较不同地区、不同指标的影响程度,最后根据结果给出建议,以期为“一带一路”物流业快速协调发展提供决策参考。本文拟研究以下几个问题:分析影响国家低碳物流效率的关键指标;对比分析不同区域的国家低碳物流效率指数的差异;对比分析不同区域的国家低碳物流效率指数的动态变化特征;分析关键指标对不同区域国家的影响程度差异以及出现差异的原因。本文结论如下:第一,依据区域物流理论选取出影响国家低碳物流效率的关键指标为运输网络里程、物流园区数量、互联网普及率和物流业能源总消耗量。第二,从静态看,“一带一路”沿线多数国家的低碳物流效率未达到最优水平,还有很大的提升空间和发展潜力。低碳物流效率值由高到低的区域依次是中线、北线和南线,其中三个区域同期的规模效率值比技术效率值和纯技术效率值均高,说明在“一带一路”低碳物流发展过程中规模效率得到了较大的发挥,而纯技术效率低对低碳物流效率的提升影响更大。第三,从从动态分析看,在考察期内,“一带一路”沿线国家的低碳物流效率整体呈现上升的趋势,其中技术进步对效率增长有利,纯技术效率和规模效率阻碍国家低碳物流效率增长。第四,从影响指标看。1.对北线区域国家,相比于其他影响指标,物流信息网络建设对国家低碳物流效率的影响更强。2.对中线区域国家,物流能源消耗对国家低碳物流绩效率的影响更强。3.对南线区域国家,物流运输设施网络建设对低碳物流绩效率的影响更强。最后,本文对“一带一路”沿线各区域国家如何提升低碳物流效率提出建议。
其他文献
随着无线通信系统业务种类和数据量的大幅增加,当前社会对系统容量极限及处理速度的需求在日益增长。多输入多输出(Multiple Input Multiple Output,MIMO)技术可以在不增加系统带宽和发射功率的前提下达到更高的信道容量及速率,而MIMO无线通信系统的信道估计及信号检测较单天线系统却有着不小的实现难度,因此针对该方面的探讨仍是无线通信领域的热点。此外,目前深度学习在通信系统的网
高压电气设备绝缘故障发生时,经常伴随局部放电(Partial Discharge,PD)现象,如果不加以预防,严重时会导致短路等现象发生,危害电力设备的安全运行,造成巨大的安全隐患。为了提前发现高压电气设备中绝缘劣化现象,需要对绝缘设备进行监测。特高频(Ultra High Frequency,UHF)传感器具有接收范围广、抗干扰能力强和非接触式测量等优点,被广泛应用于监测现场。监测现场存在各种噪
随着通信技术的不断发展,移动设备的普及使得人们对位置服务有了较高的需求,如大型购物中心、商场、医院门诊等。室外定位技术最早的是全球导航定位系统(Global Positioning System,GPS),发展至今技术已十分成熟,但建筑物会阻碍GPS数据信号的传输,使其无法在室内定位技术中使用。因此,各个领域的迫切需求促使室内定位技术获得了快速发展的机会,然而因为室内环境的复杂性和多样性,室内定位
图像是当今社会中一种重要的信息传播媒介,准确高效的文字检测方法有助于人们分析和理解图像中的语义信息。自然场景下的图像文本检测方法主要分为传统的自然场景文本检测方法和基于深度学习的自然场景文本检测方法。传统的自然场景文本检测算法因为存在检测效率低和准确率低的问题正逐渐被基于深度学习的自然场景文本检测方法所替代。但是基于深度学习的模型通常具有较深的网络结构,各层网络在提取图像特征的过程中存在丢失重要特
网络编码技术允许中间节点对转发的数据包进行编码组合后转发,打破了传统“存储-转发”的传输模式,有效提升了网络传输有效性和网络整体吞吐量。传统路由协议中节点只能被动获取编码机会,探究网络编码技术与路由技术的结合使得节点获得编码感知能力,主动探寻编码机会。其中,编码感知路由协议的研究成为焦点,现有研究中未考虑实际参与编码数据包的特征,片面追求编码机会的增加,制约编码增益提升的同时,导致网络中部分节点负
当今机器学习已经广泛应用于生产生活等各个方面,数据作为机器学习的原始驱动力,如何妥善筛选和处理数据正在成为学术和工业研究的热门方向。为了提升数据质量,即提升数据在分类中的效果和效率,学者们提出了许多不同功效的数据处理方法,如:不平衡采样,噪声过滤采样,大规模数据的采样等。然而,不平衡采样,噪声过滤采样,大规模数据采样往往是相互独立的采样算法,现实场景中的数据通常非常复杂,数据通常需要经过多种采样算
视频处理技术的进步使得人们对数字视频进行编辑、伪造变得更加容易,而通过深度伪造生成的视频则更加难以辨别其真实性。深度伪造常常被用于制造色情视频和与政治人物相关的虚假视频,造成突出的负面社会影响。因此,对数字视频的真实性进行鉴别变得十分重要。目前的鉴别方法主要针对深度伪造视频单帧内的伪造痕迹,缺乏对视频帧间相关信息的利用,从而忽略了光源不一致等帧间的伪造痕迹,数字视频的真实性鉴别准确率仍然较低。本文
结合移动边缘计算(Mobile Edge Computing,MEC)的云无线接入网(Cloud Radio Access Network,C-RAN)架构能为用户终端提供带宽丰富、可靠性高和时延低的网络接入服务与本地化计算服务,有效地扩展了用户终端的计算能力,是带宽接入技术的关键研究对象之一。然而,多样化的移动业务层出不穷,传统资源分配方式无法满足与日俱增的用户接入请求,导致边缘增强C-RAN中
随着第五代移动通信(5th Generation Mobile Communication,5G)技术的出现,移动到移动(Mobile-to-Mobile,M2M)通信系统朝着信息化、智能化方向飞速发展。由于具有低成本、低时延和较好的信噪比等特点,M2M通信系统中车辆、无人机(Unmanned Aerial Vehicle,UAV)等移动通信端在军事、农业和交通等领域得到广泛应用。但复杂的通信场景
目标跟踪技术作为计算机视觉技术中一个不可或缺的组成部分,在自动驾驶、医疗诊断、智慧交通、国防军事等领域有着广泛的应用,受到了国内外学者的关注与研究。尽管近些年目标跟踪算法已经取得了长足的进步,但是构建一个能够适应形变、旋转、光照、遮挡等众多干扰因素的鲁棒跟踪算法依然是一项极具挑战性的任务。本文以Siam FC孪生网络跟踪框架为基础,从网络结构、多层特征融合、模板更新机制、重校验机制和时空上下文信息