论文部分内容阅读
摘要：为了预测城市区域内未来年份的物流交通量分布情况，选择Fratar数学模型开发了计算程序。以南平市农产品物流交通量分布预测为例，通过分析GIS地图，把南平市划分为多个物流小区，调查获得当前年份的交通分布表（OD表），预测未来年份各小区的物流发生量和吸收量（PA表），最后应用Fratar数学模型实现了短期预测，获得了2017年的OD表。实际应用效果证明，用Fratar法进行城市区域物流交通量的短期预测，操作便捷，调查工作量小，适宜物流规划基层人员使用。
关键词：区域物流；交通分布；物流交通量；短期预测
中图分类号：S377：U412 文献标识号：A 文章编号：1001-4942（2016）11-0149-04
Abstract In order to forecast the logistics traffic volume distribution in the future years within the urban area， the Fratar model was used to develop an application program. Taking the Nanping City as an example， the logistics traffic volume distribution forecast system for agricultural products divided the Nanping City into several logistics districts through analyzing the GIS map. Then， the Origin and Destination （OD） Table of the current year was obtained to forecast the Production Attraction （PA） Table of each district in the coming years. Finally， the Fratar mathematical model was used for short-term forecast to obtain the OD Table of 2017. Practical applications proved that the investigation workload of Fratar method was relatively light. It was convenient to operate and suitable for the use of basic logistics planners.
Keywords Regional logistics； Traffic distribution； Logistics traffic volume； Short-term forecast
以分析农产品物流的流向、流量为例，把城市城区及郊区划分为多个物流小区，每个物流小区都可能会生产农产品向其它小区供应，也可能会吸收其它小区生产的农产品，小区内部也可能会自我消化一部分本小区生产的农产品，这样就形成了复杂的农产品物流量交通分布[1]。
区域内农产品物流的交通分布可以用OD表（Origin and Destination Table）来表示，表中记录了两两小区之间以及小区内部的物流运输量[2]。除了农产品外，其它行业的物流甚至居民出行都可以构建相应的OD表，各行业的物流及居民出行流汇集形成了城市的交通流，当某些区域的交通流量超过了道路通行能力，就形成了城市拥堵。
为了实现智慧城市、智慧物流，需要合理利用城市土地资源，需要对未来年份的城市交通分布进行预测，从而提前对道路及物流设施进行合理规划。例如对城市的物流货场正确选址和提前建设，从而消除未来年份城市物流的瓶颈点，提升城市区域内的物流交换能力[3]。
1 交通分布预测方法和模型的选择
1.1 预测方法的选择
用于交通分布预测的数学模型方法有多种，如：基于当前年份OD表求出未来OD表的增长系数法，基于未来交通阻抗预测未来交通分布的重力模型法，基于小区间物流交换心理意向的概率模型法等[4]。短期预测时，通常会优先选择增长系数法，使用该方法的前提条件是短期内区域内部的交通条件没有发生大的变化，人们交换物资的心理意向也没有发生重大改变。在满足这两个条件下进行短期预测，增长系数法具有较好的实用价值[5]。
应用增长系数法进行未来年份物流交通量预测的步骤如下：
（1）调查获得现状年份的OD表；
（2）根据经济、人口的发展潜能，估算未来年份各小区交通量发生和吸引的PA表（Production Attraction Table）；
（3）将当前OD表和未来PA表相结合，选择合适的交通分布数学模型，对各小区之间的交通流量进行分配，使得各小区的发生量总和与吸收量总和尽可能接近预测的PA表。
（4）分配平衡后获得的新的OD表，即为未来年份各小区的交通流量流向表。
1.2 交通分布预测模型的选择
增长系数法假定未来年份的OD表与当前年份的OD表分布特征相同，基于此，建立了多种数学模型，包括弗尼斯（Fumess）约束条件法、福莱特（Fratar）法、底特律（Detroit）法、常增长系数法、平均增长系数法[6]。其中Fratar法收敛快，编程容易，应用较为成熟。
Fratar数学模型为：
fF（Fkpi，Fkaj）=Fkpi·Fkaj·Lkpi+Lkaj2 （1）
其中：Lkpi=Pki∑jtkijFkaj，Lkaj=Akj∑itkijFkpi；tkij为第i小区流向第j小区第k次迭代的物流交通量；Pki为第i小区第k次迭代的总发生量；Akj为第j小区第k次迭代的总发生量；Fkpi为第i小区第k次迭代的物流量发生能力系数；Fkaj为第j小区第k次迭代的物流量吸收能力系数。 2 Fratar模型的求解
按上述数学模型，应用Microsoft Visual FoxPro 9.0开发求解程序，运行界面见图1。
3 实证分析
以福建省南平市为例，调查获得2014年OD数据表，预测2017年OD表。
3.1 调查概况
首先利用GIS地图（图2）分析南平市区的土地资源利用情况。
（1） 中心城区：中心城区为全市政治、经济、文化、科技、金融、信息的中心，集中了南平市行政管理、商业贸易、文化教育和交通通讯大部分设施以及骨干企业，是城市核心区所在。规划建设用地16.4 km2，由市中心区、水东、水南、黄墩等组团组成。
（2） 来舟、王台片区：距中心城区30 km，为南平市重要的铁路枢纽、农林产品集疏运中心与加工中心。规划建设用地4.1 km2，由来舟、王台、蛟湖、外洋四组团组成。
（3） 西芹片区：距中心城区11 km，为南平市主要工业区和科教区。规划建设用地5.49 km2，由西芹、长沙、板后等组团组成。
（4） 夏道片区：距中心城区12 km，为南平市区通向闽东南的重要节点，以旅游、加工工业为主，是南平市区的蔬菜批发中心。规划建设用地4.31 km2，由夏道、安济、洋丹仔、大洲、土目洲等组团组成。
（5） 大横片区：距中心城区26 km，南平市区通向闽北腹地的门户，南平市的次中心和大专、科研基地。规划建设用地5.0 km2，由大横、延安、埂埕三组团组成。
3.2 划分物流小区
通过以上分析，在GIS地图上把南平市划分成20个物流小区。
3.3 调查现状OD表
通过对农产品运输公司的调查，获得了2014年南平市区域各个物流小区农产品OD表（表1）。
3.4 分布预测
根据2014年OD表，考虑到城市发展趋势[7]，预测2017年各小区PA表（表2），在程序中录入2014年OD表和2017年PA表，应用Fratar数学模型迭代计算，获得2017年南平市农产品物流交通量分布预测结果（表3）。
4 结论
本研究基于ArcGIS地图，应用增长系数法的Fratar模型[8]，根据2014年调查的南平市农产品物流交通量分布OD表，成功预测了2017年物流交通量分布表。Fratar法与重力模型法比较，在物流小区没有发生增减时，无需建立交通阻抗矩阵，无需对物流小区内部通行的交通量进行特殊处理，因此在物流工程应用中实用价值较高，可用于推算区域内农产品冷藏车的运力需求，为进一步构建农产品智慧货运管理系统提供数据依据[9]。本研究开发的计算界面简单，结构清晰，具有简单易学、操作方便、快捷输入、纠错性强等特点，适宜物流工程领域基层技术人员使用[10]。
参 考 文 献：
[1] 卫翀， 邵春福. 考虑交通量随机波动的随机用户均衡配流模型[J]. 吉林大学学报（工学版）， 2015， 45（5）： 1408-1413.
[2] 林宇洪， 沈嵘枫， 邱荣祖，等. 南方林区林产品运输监管系统的研发[J]. 北京林业大学学报， 2011， 33（5）： 130-135.
[3] 蓝岚， 伍炜. 基于交通量特性分析的山地城市交通发展策略[J]. 重庆交通大学学报（社会科学版）， 2015 （1）： 24-26.
[4] 林宇洪.木材供应链追溯RFIC卡的设计[J].西北林学院学报，2013，28（5）：175-179.
[5] 肖颖， 刘晓建. 轨道交通客流预测的扩展反馈四阶段法研究[J]. 都市快轨交通， 2014， 27（5）： 48-51.
[6] 曹志成. 交通量预测中分布交通量预测的几种计算方法解析[J]. 建筑工程技术与设计， 2015 （11）： 1917， 1912.
[7] 林宇洪，胡连珍，蒋新华，等.基于二维码的农超对接供应链追溯系统的设计[J].黑龙江八一农垦大学学报，2015，27（6）：83-87.
[8] 孟博翔. 基于四阶段法的兰州市雁滩商业圈交通需求预测[J]. 交通科技与经济， 2014， 16（2）： 27-30.
[9] 颜桂梅，胡连珍，巫慧丽，等.基于绿色消费心理木制品供应链追溯卡的设计[J].林业经济问题，2015，35（5）：401-406.
[10]林宇洪，陈清耀，胡喜生，等.复合型RFID动物耳标及追踪系统的设计[J].四川农业大学学报，2015，33（4）：351-357.
关键词：区域物流；交通分布；物流交通量；短期预测
中图分类号：S377：U412 文献标识号：A 文章编号：1001-4942（2016）11-0149-04
Abstract In order to forecast the logistics traffic volume distribution in the future years within the urban area， the Fratar model was used to develop an application program. Taking the Nanping City as an example， the logistics traffic volume distribution forecast system for agricultural products divided the Nanping City into several logistics districts through analyzing the GIS map. Then， the Origin and Destination （OD） Table of the current year was obtained to forecast the Production Attraction （PA） Table of each district in the coming years. Finally， the Fratar mathematical model was used for short-term forecast to obtain the OD Table of 2017. Practical applications proved that the investigation workload of Fratar method was relatively light. It was convenient to operate and suitable for the use of basic logistics planners.
Keywords Regional logistics； Traffic distribution； Logistics traffic volume； Short-term forecast
以分析农产品物流的流向、流量为例，把城市城区及郊区划分为多个物流小区，每个物流小区都可能会生产农产品向其它小区供应，也可能会吸收其它小区生产的农产品，小区内部也可能会自我消化一部分本小区生产的农产品，这样就形成了复杂的农产品物流量交通分布[1]。
区域内农产品物流的交通分布可以用OD表（Origin and Destination Table）来表示，表中记录了两两小区之间以及小区内部的物流运输量[2]。除了农产品外，其它行业的物流甚至居民出行都可以构建相应的OD表，各行业的物流及居民出行流汇集形成了城市的交通流，当某些区域的交通流量超过了道路通行能力，就形成了城市拥堵。
为了实现智慧城市、智慧物流，需要合理利用城市土地资源，需要对未来年份的城市交通分布进行预测，从而提前对道路及物流设施进行合理规划。例如对城市的物流货场正确选址和提前建设，从而消除未来年份城市物流的瓶颈点，提升城市区域内的物流交换能力[3]。
1 交通分布预测方法和模型的选择
1.1 预测方法的选择
用于交通分布预测的数学模型方法有多种，如：基于当前年份OD表求出未来OD表的增长系数法，基于未来交通阻抗预测未来交通分布的重力模型法，基于小区间物流交换心理意向的概率模型法等[4]。短期预测时，通常会优先选择增长系数法，使用该方法的前提条件是短期内区域内部的交通条件没有发生大的变化，人们交换物资的心理意向也没有发生重大改变。在满足这两个条件下进行短期预测，增长系数法具有较好的实用价值[5]。
应用增长系数法进行未来年份物流交通量预测的步骤如下：
（1）调查获得现状年份的OD表；
（2）根据经济、人口的发展潜能，估算未来年份各小区交通量发生和吸引的PA表（Production Attraction Table）；
（3）将当前OD表和未来PA表相结合，选择合适的交通分布数学模型，对各小区之间的交通流量进行分配，使得各小区的发生量总和与吸收量总和尽可能接近预测的PA表。
（4）分配平衡后获得的新的OD表，即为未来年份各小区的交通流量流向表。
1.2 交通分布预测模型的选择
增长系数法假定未来年份的OD表与当前年份的OD表分布特征相同，基于此，建立了多种数学模型，包括弗尼斯（Fumess）约束条件法、福莱特（Fratar）法、底特律（Detroit）法、常增长系数法、平均增长系数法[6]。其中Fratar法收敛快，编程容易，应用较为成熟。
Fratar数学模型为：
fF（Fkpi，Fkaj）=Fkpi·Fkaj·Lkpi+Lkaj2 （1）
其中：Lkpi=Pki∑jtkijFkaj，Lkaj=Akj∑itkijFkpi；tkij为第i小区流向第j小区第k次迭代的物流交通量；Pki为第i小区第k次迭代的总发生量；Akj为第j小区第k次迭代的总发生量；Fkpi为第i小区第k次迭代的物流量发生能力系数；Fkaj为第j小区第k次迭代的物流量吸收能力系数。 2 Fratar模型的求解
按上述数学模型，应用Microsoft Visual FoxPro 9.0开发求解程序，运行界面见图1。
3 实证分析
以福建省南平市为例，调查获得2014年OD数据表，预测2017年OD表。
3.1 调查概况
首先利用GIS地图（图2）分析南平市区的土地资源利用情况。
（1） 中心城区：中心城区为全市政治、经济、文化、科技、金融、信息的中心，集中了南平市行政管理、商业贸易、文化教育和交通通讯大部分设施以及骨干企业，是城市核心区所在。规划建设用地16.4 km2，由市中心区、水东、水南、黄墩等组团组成。
（2） 来舟、王台片区：距中心城区30 km，为南平市重要的铁路枢纽、农林产品集疏运中心与加工中心。规划建设用地4.1 km2，由来舟、王台、蛟湖、外洋四组团组成。
（3） 西芹片区：距中心城区11 km，为南平市主要工业区和科教区。规划建设用地5.49 km2，由西芹、长沙、板后等组团组成。
（4） 夏道片区：距中心城区12 km，为南平市区通向闽东南的重要节点，以旅游、加工工业为主，是南平市区的蔬菜批发中心。规划建设用地4.31 km2，由夏道、安济、洋丹仔、大洲、土目洲等组团组成。
（5） 大横片区：距中心城区26 km，南平市区通向闽北腹地的门户，南平市的次中心和大专、科研基地。规划建设用地5.0 km2，由大横、延安、埂埕三组团组成。
3.2 划分物流小区
通过以上分析，在GIS地图上把南平市划分成20个物流小区。
3.3 调查现状OD表
通过对农产品运输公司的调查，获得了2014年南平市区域各个物流小区农产品OD表（表1）。
3.4 分布预测
根据2014年OD表，考虑到城市发展趋势[7]，预测2017年各小区PA表（表2），在程序中录入2014年OD表和2017年PA表，应用Fratar数学模型迭代计算，获得2017年南平市农产品物流交通量分布预测结果（表3）。
4 结论
本研究基于ArcGIS地图，应用增长系数法的Fratar模型[8]，根据2014年调查的南平市农产品物流交通量分布OD表，成功预测了2017年物流交通量分布表。Fratar法与重力模型法比较，在物流小区没有发生增减时，无需建立交通阻抗矩阵，无需对物流小区内部通行的交通量进行特殊处理，因此在物流工程应用中实用价值较高，可用于推算区域内农产品冷藏车的运力需求，为进一步构建农产品智慧货运管理系统提供数据依据[9]。本研究开发的计算界面简单，结构清晰，具有简单易学、操作方便、快捷输入、纠错性强等特点，适宜物流工程领域基层技术人员使用[10]。
参 考 文 献：
[1] 卫翀， 邵春福. 考虑交通量随机波动的随机用户均衡配流模型[J]. 吉林大学学报（工学版）， 2015， 45（5）： 1408-1413.
[2] 林宇洪， 沈嵘枫， 邱荣祖，等. 南方林区林产品运输监管系统的研发[J]. 北京林业大学学报， 2011， 33（5）： 130-135.
[3] 蓝岚， 伍炜. 基于交通量特性分析的山地城市交通发展策略[J]. 重庆交通大学学报（社会科学版）， 2015 （1）： 24-26.
[4] 林宇洪.木材供应链追溯RFIC卡的设计[J].西北林学院学报，2013，28（5）：175-179.
[5] 肖颖， 刘晓建. 轨道交通客流预测的扩展反馈四阶段法研究[J]. 都市快轨交通， 2014， 27（5）： 48-51.
[6] 曹志成. 交通量预测中分布交通量预测的几种计算方法解析[J]. 建筑工程技术与设计， 2015 （11）： 1917， 1912.
[7] 林宇洪，胡连珍，蒋新华，等.基于二维码的农超对接供应链追溯系统的设计[J].黑龙江八一农垦大学学报，2015，27（6）：83-87.
[8] 孟博翔. 基于四阶段法的兰州市雁滩商业圈交通需求预测[J]. 交通科技与经济， 2014， 16（2）： 27-30.
[9] 颜桂梅，胡连珍，巫慧丽，等.基于绿色消费心理木制品供应链追溯卡的设计[J].林业经济问题，2015，35（5）：401-406.
[10]林宇洪，陈清耀，胡喜生，等.复合型RFID动物耳标及追踪系统的设计[J].四川农业大学学报，2015，33（4）：351-357.