基于多模式貨運(yùn)方式配流的港區(qū)吞吐量預(yù)測研究

隨新鎏, 劉俚寧, 汪義路, 劉小玲,2*, 葉騏銘, 周旭江, 葉曉飛,2

基于多模式貨運(yùn)方式配流的港區(qū)吞吐量預(yù)測研究

隨新鎏1, 劉俚寧1, 汪義路1, 劉小玲1,2*, 葉騏銘1, 周旭江3, 葉曉飛1,2

（1.寧波大學(xué) 海運(yùn)學(xué)院, 浙江 寧波 315832; 2.寧波市港口貿(mào)易合作與發(fā)展協(xié)同創(chuàng)新中心, 浙江 寧波 315211; 3.慈溪市交通運(yùn)輸綜合服務(wù)中心, 浙江 寧波 315302）

以貨運(yùn)量調(diào)查為基礎(chǔ), 分析貨運(yùn)OD特征, 建立考慮道路運(yùn)輸網(wǎng)、內(nèi)河運(yùn)輸網(wǎng)、海上運(yùn)輸網(wǎng)的多模式貨運(yùn)網(wǎng)絡(luò)分配模型, 采用Dijkstra算法求解和分配影響區(qū)內(nèi)貨運(yùn)需求OD點(diǎn)對, 得出多模式網(wǎng)絡(luò)的運(yùn)量分布, 并以港區(qū)作為樞紐節(jié)點(diǎn), 推算出港區(qū)吞吐量大小. 最后, 以慈溪杭州灣港區(qū)為例, 應(yīng)用分配模型推算港區(qū)吞吐量. 結(jié)果表明: 2025年慈溪杭州灣港區(qū)總吞吐量將達(dá)到51.44×106t, 2030年慈溪杭州灣港區(qū)總吞吐量將達(dá)到62.63×106t, 多模式分配方法為港區(qū)建設(shè)可行性分析提供了量化方法和決策依據(jù).

交通運(yùn)輸工程; 港口吞吐量; 超級網(wǎng)絡(luò); Dijkstra算法

隨著“一帶一路”、長江經(jīng)濟(jì)帶、大灣區(qū)等國家發(fā)展戰(zhàn)略實(shí)施, 沿海地區(qū)的新一輪開發(fā)與開放迎來重要契機(jī), 亟需配給與之相對應(yīng)的港區(qū)規(guī)劃、建設(shè)與管理水平. 港區(qū)吞吐量是港口規(guī)劃、建設(shè)與定位的定量指標(biāo), 合理精確預(yù)測吞吐量大小可為港區(qū)規(guī)劃、建設(shè)與定位提供必要的量化依據(jù)和決策支持. 目前港區(qū)吞吐量預(yù)測已取得了許多研究成果, 如通過宏觀與微觀影響因素分析, 定性預(yù)測吞吐量變化趨勢[1]; 利用回歸分析法、時間序列法和灰色模型法建立港口吞吐量和多種影響因素關(guān)系預(yù)測模型[2-3]; 嘗試應(yīng)用人工智能法(BP、RBF、EIman神經(jīng)網(wǎng)絡(luò)[4-9]、支持向量機(jī)[10]、粗糙集等[11-12])建立基于歷年數(shù)據(jù)的吞吐量預(yù)測模型, 積極推演已建港區(qū)吞吐量時變規(guī)律, 但難以用于新建港口吞吐量量化分析. 然而, 已有港區(qū)吞吐量預(yù)測方法多集中于定性分析和水運(yùn)單模式定量分析, 尤其是隨著多式聯(lián)運(yùn)網(wǎng)絡(luò)[13-16]的形成, 海運(yùn)網(wǎng)絡(luò)、陸運(yùn)網(wǎng)絡(luò)和內(nèi)河運(yùn)輸網(wǎng)絡(luò)在空間上逐漸融合成為立體交通網(wǎng)絡(luò), 而以多模式綜合運(yùn)輸網(wǎng)絡(luò)為構(gòu)筑對象的貨運(yùn)流量分配方法還很欠缺, 不利于分析多模式網(wǎng)絡(luò)容量和性能. 因此, 有必要以多式聯(lián)運(yùn)為連接點(diǎn), 以多模式綜合運(yùn)輸網(wǎng)絡(luò)為對象, 搭建海上運(yùn)輸、內(nèi)河運(yùn)輸、陸路運(yùn)輸融合立體交通分層網(wǎng)絡(luò)模型, 研究貨運(yùn)流量分配與分布情況, 推演港口吞吐量規(guī)模, 以滿足多模式綜合運(yùn)輸網(wǎng)絡(luò)貨運(yùn)需求預(yù)測的實(shí)踐需要, 為港區(qū)吞吐量精確預(yù)測提供新思路和新方法, 為港區(qū)規(guī)劃、建設(shè)、定位以及發(fā)展趨勢提供理論依據(jù)和技術(shù)支持.

1 多網(wǎng)絡(luò)融合的吞吐量預(yù)測方法

1.1 多模式貨運(yùn)超級網(wǎng)絡(luò)建模

本文所研究的多模式貨運(yùn)網(wǎng)絡(luò)[13]包括陸路運(yùn)輸網(wǎng)、內(nèi)河運(yùn)輸網(wǎng)、海上運(yùn)輸網(wǎng)三類. 如圖1所示, 立體綜合交通網(wǎng)絡(luò)構(gòu)筑思路如下:

(1)基于貨運(yùn)數(shù)據(jù)、專家評選以及運(yùn)輸網(wǎng)絡(luò)規(guī)劃, 聚類篩選出貨運(yùn)陸路主干道路、內(nèi)河航道以及海上航道, 構(gòu)建貨運(yùn)總網(wǎng)絡(luò).

(2)構(gòu)建各貨運(yùn)方式子網(wǎng)絡(luò). 運(yùn)用圖論方法, 分析不同類型貨物運(yùn)輸路徑的運(yùn)輸方式與運(yùn)輸阻抗, 通過抽象實(shí)際道路運(yùn)輸網(wǎng)、內(nèi)河運(yùn)輸網(wǎng)和海上運(yùn)輸網(wǎng)中的主干路段及交叉口、水運(yùn)線路和航運(yùn)線路及交叉樞紐轉(zhuǎn)換為貨運(yùn)子網(wǎng)的節(jié)點(diǎn)和弧段, 從而搭建陸路運(yùn)輸、內(nèi)河運(yùn)輸以及海上運(yùn)輸子網(wǎng).

(3)將港區(qū)、道路貨運(yùn)、內(nèi)河港口等樞紐對應(yīng)為貨運(yùn)虛擬節(jié)點(diǎn), 生成虛擬聯(lián)運(yùn)弧, 代表不同貨運(yùn)方式之間的多式聯(lián)運(yùn)關(guān)系, 定義運(yùn)輸方式轉(zhuǎn)換的樞紐或節(jié)點(diǎn)阻抗, 聯(lián)系形成完整的子網(wǎng)絡(luò).

(4)將從起點(diǎn)運(yùn)輸至附近的貨運(yùn)網(wǎng)絡(luò)節(jié)點(diǎn)定義為“上網(wǎng)”, 將從網(wǎng)絡(luò)節(jié)點(diǎn)運(yùn)輸至訖點(diǎn)定義為“下網(wǎng)”, “上下”網(wǎng)以虛擬弧(阻抗可根據(jù)裝卸、等待等消耗資源來確定)方式進(jìn)行OD點(diǎn)對與網(wǎng)絡(luò)節(jié)點(diǎn)的鏈接.

圖1 多模式貨運(yùn)超級網(wǎng)絡(luò)的構(gòu)建思路

圖2則明確了各貨運(yùn)模式子網(wǎng)的構(gòu)成要素. 道路運(yùn)輸網(wǎng)絡(luò)節(jié)點(diǎn)為主干道路交叉口、收費(fèi)站以及與港口聯(lián)運(yùn)點(diǎn), 內(nèi)河運(yùn)輸網(wǎng)絡(luò)節(jié)點(diǎn)為內(nèi)河貨運(yùn)港口集散點(diǎn), 海上運(yùn)輸網(wǎng)絡(luò)節(jié)點(diǎn)為海上貨運(yùn)港口集散點(diǎn). 道路運(yùn)輸網(wǎng)絡(luò)、內(nèi)河運(yùn)輸網(wǎng)絡(luò)和海上運(yùn)輸網(wǎng)絡(luò)邊依次為道路路段、內(nèi)河運(yùn)輸航道區(qū)段以及海上運(yùn)輸航道區(qū)段. 各邊均為實(shí)鏈接, 統(tǒng)稱運(yùn)輸弧.

圖2 多模式貨運(yùn)超級網(wǎng)絡(luò)構(gòu)成要素

針對多式聯(lián)運(yùn)行為, 通過虛擬聯(lián)運(yùn)弧將不同運(yùn)輸網(wǎng)絡(luò)上的節(jié)點(diǎn)連接, 以體現(xiàn)貨物聯(lián)運(yùn)過程. 不同于客運(yùn)和鐵路貨運(yùn), 道路貨運(yùn)和水上貨運(yùn)由于其貨物編組較為復(fù)雜, 通常采用直達(dá)的運(yùn)輸方式, 故不需要考慮同運(yùn)輸網(wǎng)絡(luò)之間的跨線路運(yùn)輸. 聯(lián)運(yùn)弧和上下網(wǎng)弧均為虛鏈接, 統(tǒng)稱為虛擬弧.

因此通過節(jié)點(diǎn)弧模型, 構(gòu)建如圖3所示的多模式貨運(yùn)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu).

圖3 多模式貨運(yùn)超級網(wǎng)絡(luò)拓?fù)鋱D

1.2 多模式貨運(yùn)網(wǎng)絡(luò)貨運(yùn)量分配方法

通過計算多模式貨運(yùn)超級網(wǎng)絡(luò)中各弧段的廣義成本, 設(shè)計相應(yīng)路徑選擇算法, 對整體貨運(yùn)需求進(jìn)行分配, 最終推算出網(wǎng)絡(luò)上的貨運(yùn)量分布.

1.2.1 廣義阻抗模型分析

多模式貨運(yùn)超級網(wǎng)絡(luò)上的路徑由不同運(yùn)輸方式子網(wǎng)上的弧段以及各子網(wǎng)之間的聯(lián)運(yùn)虛擬弧構(gòu)成, 可稱其為貨運(yùn)超路徑. 貨物運(yùn)輸超路徑的廣義阻抗計算公式可用下式描述:

式中,為貨物平均收入;為運(yùn)輸天數(shù).

針對多模式貨運(yùn)超級網(wǎng)絡(luò)各組成弧段, 其廣義阻抗的計算方法如下:

(1)運(yùn)輸弧廣義阻抗包含貨運(yùn)工具的行駛時間和運(yùn)輸里程費(fèi)用, 計算方法如下:

(2)聯(lián)運(yùn)弧廣義阻抗包括貨物在站的裝卸時間、等待時間、聯(lián)運(yùn)懲罰附加值以及聯(lián)運(yùn)費(fèi)用, 計算方法為:

(3)上下網(wǎng)弧廣義阻抗包含上下網(wǎng)運(yùn)輸時間、等待時間以及運(yùn)輸里程費(fèi)用, 計算方法如下:

1.2.2 路徑選擇與貨運(yùn)量分配算法

Dijkstra算法用于對貨運(yùn)網(wǎng)絡(luò)的OD點(diǎn)對最優(yōu)路徑搜尋, 步驟如下:

步驟1設(shè)置已求出最優(yōu)成本的頂點(diǎn)集合和未確定最優(yōu)成本的頂點(diǎn)集合.

步驟3選取與源點(diǎn)成本最優(yōu)的頂點(diǎn), 將頂點(diǎn)放入集合, 同時移除頂點(diǎn).

步驟4更新集合中各頂點(diǎn)到源點(diǎn)的阻抗.

步驟5重復(fù)步驟3和步驟4, 直至全部頂點(diǎn)被放入集合.

如圖4所示, 首先導(dǎo)入初始數(shù)據(jù), 其中包含各種貨運(yùn)OD數(shù)據(jù)、多模式運(yùn)輸方式的運(yùn)輸規(guī)則、線路等信息; 其次, 依據(jù)多模式貨運(yùn)網(wǎng)絡(luò)阻抗模型, 計算各弧段的廣義阻抗; 利用Dijkstra算法搜索最優(yōu)貨運(yùn)OD路徑, 按全有全無方法進(jìn)行分配; 然后, 統(tǒng)計各斷面、各運(yùn)輸方式貨運(yùn)量分布, 結(jié)束分配; 最后, 推算港區(qū)相關(guān)進(jìn)出貨運(yùn)流量得出港區(qū)吞吐量.

圖4 貨運(yùn)量分配流程圖

2 實(shí)例驗(yàn)證分析

2.1 貨物運(yùn)輸OD特征分析

2.1.1 慈溪地區(qū)發(fā)出貨物概況

2020年慈溪地區(qū)發(fā)出貨物共5.98×106t, 按照貨物類型劃分主要分為機(jī)械設(shè)備電器類貨物6.17× 105t、礦建材料及水泥類貨物1.71×106t、輕工醫(yī)藥產(chǎn)品類貨物1.56×106t以及其他貨物2.09×106t, 分別占比10.34%、28.68%、26.04%及34.94%.

2020年在寧波慈溪地區(qū)發(fā)出的機(jī)械設(shè)備電器類貨物中, 運(yùn)輸至慈溪本市的機(jī)械設(shè)備電器貨運(yùn)量占總運(yùn)量50.40%, 運(yùn)輸至其他地區(qū)中接收貨運(yùn)量最多的是北侖區(qū), 占44.73%; 在發(fā)出的礦建材料及水泥中, 運(yùn)輸至慈溪市本市的貨運(yùn)量占總運(yùn)量的50.23%, 運(yùn)輸至其余地區(qū)的接收貨運(yùn)量最多的是北侖區(qū), 占51.81%; 在發(fā)出的輕工醫(yī)藥產(chǎn)品中, 運(yùn)輸至慈溪本市的貨運(yùn)量占總運(yùn)量的50.40%, 運(yùn)輸至其余地區(qū)接收貨運(yùn)量最多的是北侖區(qū), 占44.73%; 在發(fā)出的其他貨物中, 運(yùn)輸至慈溪本市的占總運(yùn)量的51.16%, 運(yùn)輸至其余地區(qū)接收貨運(yùn)量最多的是北侖區(qū), 占78.30%.

2.1.2 慈溪地區(qū)到達(dá)貨物概況

2020年慈溪地區(qū)到達(dá)貨物按照貨物類型劃分主要分為機(jī)械設(shè)備電器類貨物、礦建材料及水泥類貨物、輕工醫(yī)藥產(chǎn)品類貨物、金屬礦石類貨物、煤炭及制品類貨物、鮮活農(nóng)產(chǎn)品類貨物以及其他貨物, 分別占比9.00%、47.15%、13.90%、0.61%、0.40%、0.36%以及28.60%.

2020年在運(yùn)達(dá)慈溪地區(qū)的機(jī)械設(shè)備電器中, 由慈溪本市產(chǎn)生的貨運(yùn)量占總運(yùn)量的50%, 其余地區(qū)產(chǎn)生貨運(yùn)量最多的是鄞州區(qū), 占43.37%; 在運(yùn)達(dá)慈溪地區(qū)的礦建材料及水泥中, 由慈溪本市產(chǎn)生的貨運(yùn)量占總運(yùn)量的26.17%, 其余地區(qū)產(chǎn)生貨運(yùn)量最多的是余姚市, 占77.71%; 在運(yùn)達(dá)慈溪地區(qū)的輕工醫(yī)藥產(chǎn)品中, 由慈溪本市產(chǎn)生的貨運(yùn)量占總運(yùn)量的91.05%, 其余地區(qū)產(chǎn)生貨運(yùn)量最多的是拱墅區(qū), 占76.61%; 在運(yùn)達(dá)慈溪地區(qū)的其他貨物中, 由慈溪本市產(chǎn)生的貨運(yùn)量占總運(yùn)量的53.54%, 其余地區(qū)產(chǎn)生貨運(yùn)量最多的是北侖區(qū), 占61.20%.

2.2 吞吐量結(jié)果分析

對慈溪杭州灣港區(qū)周邊的道路、內(nèi)河、航運(yùn)網(wǎng)絡(luò)進(jìn)行抽象和簡化, 建立擁有68個交通小區(qū)和高等級道路路網(wǎng)、內(nèi)河航道、海運(yùn)航道以及相應(yīng)節(jié)點(diǎn)組成的多模式綜合運(yùn)輸網(wǎng)絡(luò), 并以貨運(yùn)調(diào)查數(shù)據(jù)為基礎(chǔ)設(shè)置OD貨運(yùn)量數(shù)據(jù). 基于上述數(shù)據(jù), 計算杭州灣港區(qū)周邊的貨流分布.

弧段斷面貨運(yùn)量統(tǒng)計結(jié)果見表1, 其中, 101～ 143為高等級公路網(wǎng), 301～309為內(nèi)河航道網(wǎng), 401～ 405為海運(yùn)航道網(wǎng), 分別得到各條海運(yùn)、內(nèi)河、公路運(yùn)輸線路上的斷面流量, 并統(tǒng)計進(jìn)出港區(qū)流量得到吞吐量預(yù)測值. 若杭州灣港區(qū)實(shí)現(xiàn)江海聯(lián)運(yùn)、海公聯(lián)運(yùn)等多種聯(lián)運(yùn)方式, 分配結(jié)果表明,慈溪杭州灣港區(qū)總吞吐量2025年將達(dá)到51.44×106t, 2030年將達(dá)到62.63×106t, 2050年將達(dá)到153.71×106t. 由此可見, 杭州灣港區(qū)預(yù)測吞吐量較大, 符合建港要求, 本文提出的多模式貨運(yùn)分配方法為港區(qū)建設(shè)可行性分析提供了量化方法和決策依據(jù).

分別計算多模式貨運(yùn)網(wǎng)絡(luò)和單一模式網(wǎng)絡(luò)下的MSE、RMSE、MAE、MAPE值, 由表2的可靠性分析可見, 與單一運(yùn)輸模式相比, 多模式貨運(yùn)網(wǎng)絡(luò)模型的MSE、RMSE、MAE、MAPE值均更小, 說明該模型預(yù)測精度更高, 能比較精準(zhǔn)預(yù)測港口的吞吐量, 為吞吐量的預(yù)測提供了新的方式.

表1 路段貨運(yùn)量計算結(jié)果 t

表2 多模式貨運(yùn)網(wǎng)絡(luò)的可靠性分析

3 結(jié)論

本文以寧波市貨運(yùn)量調(diào)查為基礎(chǔ), 分析了貨運(yùn)總量和種類特征, 構(gòu)建了融合陸路運(yùn)輸、內(nèi)河運(yùn)輸、海上運(yùn)輸三網(wǎng)的多模式貨運(yùn)網(wǎng)絡(luò)分配模型, 設(shè)計了Dijkstra算法求解, 得到多模式貨運(yùn)量分布情況, 推算得出慈溪杭州灣港區(qū)吞吐量大小. 結(jié)果表明: 2025年慈溪杭州灣港區(qū)總吞吐量將達(dá)到51.44× 106t,預(yù)測吞吐量較大. 綜合宏觀因素并從吞吐量量化值角度評判, 將杭州灣港區(qū)納入寧波舟山港口體系統(tǒng)一規(guī)劃建設(shè)是可行且有重大意義的.

[1] 劉逸群, 曾鳴. 港口集裝箱吞吐量預(yù)測方法研究[J]. 物流工程與管理, 2018, 40(8):85-87.

[2] 韓以倫, 徐新新. 基于ARIMA和GM模型的青島港貨物吞吐量預(yù)測研究[J]. 水道港口, 2019, 40(2):241-248.

[3] 杜柏松, 艾萬政, 胡林燕, 等. 基于優(yōu)化灰色馬爾科夫動態(tài)模型的上海港集裝箱吞吐量預(yù)測[J]. 上海海事大學(xué)學(xué)報, 2021, 42(1):76-81.

[4] Ping F F, Fei F X. Multivariant forecasting mode of Guangdong Province Port throughput with genetic algorithms and back propagation neural network[J]. Procedia - Social and Behavioral Sciences, 2013, 96: 1165-1174.

[5] 朱慶輝, 勾翔宇. 基于小波神經(jīng)網(wǎng)絡(luò)的上海港集裝箱吞吐量預(yù)測[J]. 中國水運(yùn), 2019(6):25-27.

[6] 李長安, 盧雪琴, 吳忠強(qiáng), 等. 基于蟻群算法優(yōu)化反向傳播神經(jīng)網(wǎng)絡(luò)的港口吞吐量預(yù)測[J]. 計量學(xué)報, 2020, 41(11):1398-1403.

[7] 李廣儒, 朱慶輝. 基于Elman神經(jīng)網(wǎng)絡(luò)的港口貨物吞吐量預(yù)測[J]. 重慶交通大學(xué)學(xué)報(自然科學(xué)版), 2020, 39(6):8-12.

[8] 李廣儒, 張新, 朱慶輝.基于Adaboost的改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)港口吞吐量預(yù)測方法[J]. 重慶交通大學(xué)學(xué)報(自然科學(xué)版), 2021, 40(5):1-5.

[9] 周宇樂. 基于EMD-ESN-AdaBoost.TSF組合模型的港口集裝箱吞吐量預(yù)測[D]. 蘭州: 蘭州大學(xué), 2020.

[10] Niu M F, Hu Y Y, Sun S L, et al. A novel hybrid decomposition-ensemble model based on VMD and HGWO for container throughput forecasting[J]. Applied Mathematical Modelling, 2018, 57:163-178.

[11] 史曉丹. 基于粗糙集與遺傳規(guī)劃的港口吞吐量預(yù)測研究[D]. 北京: 北京交通大學(xué), 2014.

[12] Eskafi M, Kowsari M, Dastgheib A, et al. A model for port throughput forecasting using Bayesian estimation[J]. Maritime Economics & Logistics, 2021, 23(2):348-368.

[14] 潘恒彥, 裴玉龍. 基于多模式交通網(wǎng)絡(luò)的居民就醫(yī)可達(dá)性研究[J]. 大連交通大學(xué)學(xué)報, 2020, 41(6):1-5.

[15] 祝佳祥. 基于超圖的多模式交通網(wǎng)絡(luò)分配建模研究[D]. 長春: 吉林大學(xué), 2020.

[16] 金英群. 城市多模式公交網(wǎng)絡(luò)布局結(jié)構(gòu)特性研究[D]. 哈爾濱: 東北林業(yè)大學(xué), 2020.

Port throughput forecast based on multi-mode freight distribution

SUI Xinliu1, LIU Lining1, WANG Yilu1, LIU Xiaoling1,2*, YE Qiming1, ZHOU Xujiang3, YE Xiaofei1,2

( 1.Faculty of Maritime and Transportation, Ningbo University, Ningbo 315832, China; 2.Ningbo Port Trade Cooperation and Development Collaborative Innovation Center, Ningbo 315211, China; 3.Cixi Transportation Integrated Service Center, Ningbo 315302, China )

In this paper, based on the traffic volume survey, and analysis of the freight OD characteristics, a multimodal freight network distribution is modeled by taking into account the road transport network, inland transport network, and maritime transport network. Dijkstra algorithm is used to solve and allocate OD point pairs affecting the area, and the traffic volume distribution of the multi-mode network is built. The port area is taken as the hub node to calculate the throughput size in the port area. Finally, taking the Hangzhou Bay port area as an example, the throughput of the port area is calculated using the proposed allocation model. The results procast that the total throughput of Cixi Hangzhou Bay Port Area will reach 51.44×106t in 2025 and 62.63×106t in 2030 respectively. The multi-mode allocation method provides quantitative method and decision-making basis for the feasibility analysis of port area construction.

traffic and transportation engineering; port throughput; super network; Dijkstra algorithm

U691.71

A

1001-5132（2022）03-0089-05

2021?06?10.

寧波大學(xué)學(xué)報（理工版）網(wǎng)址: http://journallg.nbu.edu.cn/

浙江省自然科學(xué)基金（LY20E080011）; 浙江省公益技術(shù)應(yīng)用研究項(xiàng)目（LGF18E090005）; 國家重點(diǎn)研發(fā)計劃（2017YFE9134700）.

隨新鎏（1997－）, 女, 河北衡水人, 在讀碩士研究生, 主要研究方向: 交通運(yùn)輸規(guī)劃與管理. E-mail: suixinliu123@163.com

通信作者:劉小玲（1988－）, 女, 浙江寧波人, 博士/講師, 主要研究方向: 橋梁與隧道工程. E-mail: liuxiaoling@nbu.edu.cn

（責(zé)任編輯 章踐立）