Appearance
IMMC 数学模型构建与分析报告
1. 变量定义与模型构建 (Task 1)
为了量化初创企业的环境效益，我们定义 净碳减排量 (Net Carbon Savings, $S_{net}$) 为“避免的排放”与“运营产生的额外排放”之差。
1.1 符号定义
| 符号 | 定义 | 单位 | 备注 |
|---|---|---|---|
| $S_{net}$ | 年度净碳减排量 | kg $CO_2e$ | 目标求解值 |
| $E_{avoid}$ | 避免的总排放量 | kg $CO_2e$ | 正向环境效益 |
| $E_{extra}$ | 运营产生的额外总排放 | kg $CO_2e$ | 负向环境成本 |
| $M_i$ | 第 $i$ 类产品的年度销售质量 | kg | $i \in \lbrace Food, NonFood\rbrace $ |
| $\gamma$ | 废弃物转移率 (Waste Diversion Rate) | % | 无干预下被丢弃的比例 (本题为 90%) |
| $EF_{av, i}$ | 第 $i$类产品的避免排放因子 | kg$CO_2e$/kg | 包含上游生产 + 避免的终端处置 |
| $D_{trip}$ | 供应商收集往返距离 | km/次 | |
| $N_{trip}$ | 年度收集运输次数 | 次/年 | |
| $EF_{van}$ | 货车运输排放因子 | kg $CO_2e$/km | |
| $T_{store, i}$ | 平均仓储时间 | 月 | |
| $EF_{str, i}$ | 仓储能耗排放因子 | kg $CO_2e$/kg/月 | 仅食品需考虑冷藏 |
| $D_{cust}$ | 消费者取货往返距离 | km/次 | |
| $M_{bkt}$ | 消费者平均单次购买量 (Basket Size) | kg/次 | |
| $EF_{cust}$ | 消费者出行排放因子 | kg $CO_2e$/km | 公交/步行 |
1.2 核心方程
A. 避免的排放 (Avoided Emissions)
逻辑：如果商品被消费，则避免了同等量的新商品生产排放以及原商品的废弃处理排放。
$$E_{avoid} = \sum_{i} \left( M_i \times \gamma \times EF_{av, i} \right)$$
B. 额外运营排放 (Extra Emissions)
逻辑：初创企业在收集、储存和分发过程中产生的新增碳足迹。
- 收集运输 ($E_{trans}$):
$$E_{trans} = N_{trip} \times D_{trip} \times EF_{van}$$
_(注：关于进口商品（欧洲/东南亚），模型假设这些商品已运抵本地仓库成为“剩余物资”，其国际段运输为沉没成本，若非该初创企业专门进口，不计入额外排放。)_
- 仓储排放 ($E_{store}$):
$$E_{store} = \sum_{i} \left( M_i \times EF_{str, i} \times T_{store, i} \right)$$
- 消费者取货排放 ($E_{cust}$):
$$E_{cust} = \left( \frac{\sum M_i}{M_{bkt}} \right) \times D_{cust} \times EF_{cust}$$
C. 净减排量模型
$$S_{net} = E_{avoid} - (E_{trans} + E_{store} + E_{cust})$$
若 $S_{net} > 0$，则该商业模式具有环境正外部性。
2. 模型应用与计算 (Task 2)
基于题目提供的“香港情境”数据进行计算。
2.1 参数赋值
质量 ($M_i$):
$M_{food} = 50,000$ kg
$M_{nonfood} = 10,000$ kg
减排因子 ($EF_{av, i}$):
食品：取参考值平均 $2.7$kg$CO_2e$/kg
非食品：取保守值 $3.0$kg$CO_2e$/kg
废弃率 ($\gamma$): $0.9$
运输参数: $N_{trip}=20$, $D_{trip}=50$, $EF_{van}=0.2$
仓储参数: 食品 $T=1$月,$EF_{str}=0.05$; 非食品假设常温存储忽略不计。
消费者: $D_{cust}=1$, $EF_{cust} \approx 0$ (步行/公交).
2.2 计算过程
- 计算避免排放 ($E_{avoid}$):
$$\begin{aligned} E_{avoid} &= 0.9 \times [ (50,000 \times 2.7) + (10,000 \times 3.0) ] \newline &= 0.9 \times [ 135,000 + 30,000 ] \newline &= 0.9 \times 165,000 \newline &= \mathbf{148,500} \text{ kg } CO_2e \end{aligned}$$
计算额外排放 ($E_{extra}$):
运输: $20 \times 50 \times 0.2 = \mathbf{200}$kg$CO_2e$
仓储: $50,000 \times 0.05 \times 1 = \mathbf{2,500}$kg$CO_2e$
消费者: 忽略不计
$E_{extra} = 200 + 2,500 = \mathbf{2,700} \text{ kg } CO_2e$
年度净减排量 ($S_{net}$):
$$S_{net} = 148,500 - 2,700 = \mathbf{145,800} \text{ kg } CO_2e$$
2.3 敏感性分析 (Sensitivity Analysis)
为了验证模型的稳健性，我们对关键参数进行波动测试：
废弃物转移率 ($\gamma$): 若实际仅有 70% 的商品本会被丢弃（$\gamma=0.7$），则 $E_{avoid}$ 降至 115,500 kg，净减排量显著下降但仍为正值。
国际物流影响: 若 10% 的欧洲进口商品（5,000 kg）需计入额外空运排放（假设 $EF_{air}=1.0$ kg/$CO_2e$/km，距离 9,000km），则额外增加 $45,000$kg$CO_2e$。此时 $S_{net}$ 降至约 100,000 kg，说明长距离物流是该商业模式最大的潜在碳风险。
3. 模型推广框架 (Task 3)
为了使该模型适用于其他初创企业，我们构建了以下通用框架（可转化为 Excel 工具）：
输入模块 (User Inputs)
产品清单: 输入各类别的年销售量 ($M_i$)。
本地化因子: 选择所在地区（自动匹配电网排放因子，影响仓储计算）。
物流详情: 输入平均运输距离、车辆类型、仓库类型。
算法逻辑
数据库匹配: 根据输入的产品类型，从内置数据库（基于 IPCC/WRAP 数据）调用 $EF_{av, i}$。
- 优化点: 引入细分因子（如牛肉 vs. 面包，差异可达 10 倍）。
生命周期边界界定: 用户需勾选“是否包含上游运输”，以决定是否计算国际物流排放。
4. 消费者积分奖励体系 (Task 4)
目标: 激励消费者购买高碳足迹的临期商品（如肉类），因为抢救这些商品的减排效益最大。
积分公式
$$Points = \beta \times \sum_{j} (m_{j} \times EF_{av, j})$$
$m_j$: 单次购买第 $j$ 种商品的质量 (kg)。
$EF_{av, j}$: 该商品的减排强度。
$\beta$: 积分兑换系数（例如 $10$积分 / kg$CO_2e$）。
实施方案
标签系统: 货架电子标签显示“购买此商品可减少 $X$kg 碳排放，获得$Y$ 积分”。
等级制度:
Level 1 (零食救星): 累计减排 < 50kg。
Level 2 (减碳先锋): 累计减排 50-200kg (解锁额外 5% 折扣)。
Level 3 (地球卫士): 累计减排 > 200kg (获得 ESG 证书或植树捐赠名额)。