基于LOGIT模型和DDSUE模型的上海港集疏運系統(tǒng)路徑流量優(yōu)化

趙建華，趙渤

(上海海事大學 科學研究院，上海 200135)*

0 引言

上海港目前已經(jīng)成為世界第一大貨運港、世界第二大集裝箱港口，是東北亞地區(qū)集裝箱航班最密集的港口之一，2010年，上海港貨物吞吐量達到65 339.3萬噸，裝箱吞吐量超過2 900萬TEU.港口集疏運系統(tǒng)作為城市綜合交通運輸網(wǎng)中重要的水陸中轉樞紐，是上海國際航運中心建設的重要組成部分.然而目前上海港海鐵聯(lián)運比例僅占2%左右，水水中轉比例僅為40%，公路運輸受城市交通承載力制約，還沒有形成鐵路、公路和水路運輸?shù)膮f(xié)調(diào)統(tǒng)一的集疏運體系.

提高港口集疏運體系的運輸效率，是提高上海港的港口信息化水平的關鍵一環(huán)，同時對緩解上海市公路交通的擁堵狀況具有重要意義.本文擬采用Logit模型和DDSUE模型研究港口集疏運系統(tǒng)中的路徑流優(yōu)化問題，目的是對連接貨源地與目標港區(qū)的所有主要路徑進行合理的流量分配，提高交通運輸效率.

1 LOGIT模型

非集計模型具有高效、低成本、簡潔易用、可移植性高等特點，在經(jīng)濟、交通規(guī)劃等領域有著廣泛的應用.LOGIT模型是目前最為成熟，應用最廣泛的非集計模型.LOGIT模型能夠較為全面考慮具體行為的各方面因素，極大地提高了模型的精確度和實用性.

設貨物運輸者n所有選擇集合為An，選擇方案i的效用函數(shù)為Uin，則可表示為Uin=Vin+εin.其中Vin表示出行者n選擇方案i的效用函數(shù)的固定項;εin表示出行者n選擇方案i的效用函數(shù)中的隨機項.設 εjn，j∈ An服從參數(shù) (η，ω)且相互獨立的二重指數(shù)分布.通常取η =0，Ujn，j∈An服從參數(shù)為(rjn，ω)的二重指數(shù)分布.根據(jù)效用最大化理論，出行者n選擇方案i的概率Pin可以表示為

因此

在本文中，由于上海港在黃浦江內(nèi)有張華浜、軍工路、共青、朱家門、龍吳五個港區(qū)，在長江口有寶山、羅涇、外高橋港區(qū)和洋山四個港區(qū).用O表示貨源地，D表示各個港區(qū).設從準備將貨物運輸?shù)礁蹍^(qū)的工廠到各個港區(qū)(r，s)的每個道路利用者總是選擇自己認為抗阻最小的路徑k.用表示道路利用者主觀判斷的阻抗值，用表示道路的實際抗阻，則有

在式(2)中，m為O和D之間所有有效路徑數(shù);γ為分配參數(shù)，其變化范圍比較穩(wěn)定.式(2)就是本文擬采用的經(jīng)過變形的Logit模型.

2 DDSUE模型

DDSUE模型包含動態(tài)出發(fā)時間選擇和動態(tài)出行線路選擇，首先簡單介紹DDSUE模型.

品牌是一所學校的“標簽”，品牌專業(yè)是地方高職院校專業(yè)發(fā)展實力的一種體現(xiàn)。在面臨生源減少、示范骨干校和地域優(yōu)勢校競爭等多重壓力下，越來越多的地方高職院校出現(xiàn)招生指標大量空缺，甚至有招不到學生的現(xiàn)象。再加上專業(yè)設置的重復性，地方高職院校的發(fā)展空間不容樂觀。地方高職院校只有根據(jù)地方經(jīng)濟社會發(fā)展的需要，結合自身的辦學實力和優(yōu)勢，調(diào)整優(yōu)化專業(yè)結構，加強自身的品牌建設，打造品牌專業(yè)，才能不斷地提升社會知名度，樹立良好的品牌形象，以此吸引優(yōu)質(zhì)的生源，實現(xiàn)可持續(xù)發(fā)展，在辦學競爭中立于不敗之地。

首先列舉出貨源地和目標港口之間所有的有效路徑，確定每條路徑的通行能力.假設第k條路徑包含m個路段，每條路徑的通行能力為qi(i=1，2，3…，m)，在該條路徑上最小的通行能力決定了整條路徑的通行能力，故取最小的路段通行能力作為整條路徑的通行能力

然后計算每條路徑在當前的行程花費.設θi為每個路段的自由流程時間;(t)為每條路徑在t時刻的總車輛數(shù)，則第k條路徑在t時刻的行程花費為

求出路徑的行程花費后，使用Logit方法計算在時間t的選擇概率.

對每一個時間段所出發(fā)的車輛數(shù)，要根據(jù)當前道路網(wǎng)的交通狀況決定.首先，根據(jù)每條道路的通行能力和其被選擇的概率來確定出發(fā)量，然后選擇其中最小的一個作為當前時間的交通出發(fā)量.

于是在時間段t中，OD對從r到s的交通出發(fā)量為

因此，在t時間段中，OD對從r到s的第k條路徑的駛入量為

式(8)為最后的交通分配結果，經(jīng)過有限次的迭代后，可以使用式(9)判斷是否收斂.

3 算法程序設計

運用Logit模型和DDSUE模型模擬港口貨物運輸者對港區(qū)選擇的步驟如下:

第一步:劃分上海市內(nèi)部的貨物運輸區(qū)域，確定上海港港區(qū)的數(shù)量和具體地理位置，列舉各貨物運輸區(qū)域到港區(qū)的所有有效路徑，計算各個有效路徑的路阻;

第二步:利用LOGIT模型確定各貨物運輸區(qū)域的貨物運輸者對港區(qū)有效路徑的選擇概率;

第三步:利用DDSUE模型通過有限次迭代確定個貨物運輸區(qū)域?qū)Ω蹍^(qū)的交通分配結果;

第四步:集計運算結果，得到各條路徑的模擬貨物運輸量.

采用LOGIT模型和DDSUE模型確定各條路徑模擬貨物運輸量的流程圖如圖1，圖2所示.

圖1 LOGIT模型計算程序圖

圖2 DDSUE模型計算程序圖

4 應用實例

由于上海港在黃浦江有由于上海港在黃浦江內(nèi)有張華浜、軍工路、共青、朱家門、龍吳五個港區(qū)，在長江口有寶山、羅涇、外高橋港區(qū)和洋山四個港區(qū).因此如果一家準備出口貨物的廠家A準備將貨物運輸?shù)礁劭冢碚撋暇陀芯欧N可能，而通往各個港區(qū)又有很多可以選擇的路線.因此權衡最佳運輸線路既可以為廠家減少運輸成本，又可以提高上海市交通運輸系統(tǒng)的運行效率.

設貨物運輸?shù)钠瘘c位置是工廠所在的位置A，終點是港區(qū)所在位置，共9種可能，分別為B1，B2，…，B9.下面以A和B1之間各線路的路徑流量分配為例，說明模型的實際應用.

假設A和B1之間各線路如圖3所示

圖3 A－B1交通網(wǎng)絡示意圖

圖中的數(shù)字為每一個路段的自由流程時間，也即路段的路阻，括號內(nèi)的數(shù)字是路段的通行能力，單位是veh/s.1代表起點 A，9代表終點 B1.假設工廠要運往港口的貨物有100單位，時間段長度Δt=10 s.收斂判斷參數(shù)ζ=0.02.從工廠A到港區(qū)B1共有6條有效路徑，如表1.

表1 有效路徑示意表

分配參數(shù)γ取0.02，假設開始時道路上道路的行駛量為0.用程序1和程序2在計算機上模擬運行，最后得出各路徑的流量分配結果如表2.

表2 各個時間段的交通出發(fā)量

表3 每條路徑在各個時間段的駛入量

由模型計算的結果可以看出，廠商A需要向B1港區(qū)運輸?shù)呢浳锝?jīng)過三次分配運輸完畢，每一批需要運輸?shù)呢浳锪髁靠梢院侠淼胤峙涓鳁l路徑.這樣既可以提高廠商運輸貨物的運輸效率，降低了運輸成本，也提高了上海交通系統(tǒng)的通行效率，可以有效地緩解城市道路擁擠的情況.

同時也需要注意到，模擬運算假設各路徑的行駛量為0，這與實際情況是不相符的，而且各路徑的及時路況信息(如路徑上的行駛量)也是不容易獲取的.但隨著公路系統(tǒng)智能化程度不斷加強，相信在將來及時的道路流量數(shù)據(jù)一定會傳導到路上的運輸者.港口管理部門在獲得及時的路況信息后，通過本文中集疏運系統(tǒng)路徑流優(yōu)化模型可以及時合理地指揮調(diào)度需要向港口運輸貨物的貨物運輸者，向貨物運輸者提供運輸最佳線路和合理的流量分配建議.

［1］董潔霜，范炳全，劉魏巍，等.浙江省沿海港口集疏運系統(tǒng)研究［R］.上海:上海理工大學，2006.

［2］關宏志.非集計模型——交通行為分析工其［M］.北京:人民交通出版社，2004:123-132.

［3］陸化普.交通規(guī)劃理論與方法［M］.北京:清華大學出版社，2006:89-85.

［4］寧瀟，徐劍華.上海國際航運中心的集疏運體系建設研究［J］.港口經(jīng)濟，2009(8):25-27.

［5］張戎，秦明霞，艾彩娟.蘆潮港集裝箱中心站海鐵聯(lián)運發(fā)展對策研究［J］.鐵道貨運，2010(10):12-16.

［6］薛美根.便捷高效的鹿特丹港集疏運系統(tǒng)［J］.交通與運輸，2010(1):39-41.

［7］俞曉晶.國際航運中心的集疏運體系［J］.水運管理，2009，31(7):11-14.

［8］真虹.港口管理［M］.北京:人民交通出版社，2009:464-465.

［9］汪傳旭，蔣良奎.區(qū)域多港口合作競爭策略及其利潤分配機制［J］.上海海事大學學報，2009，30(2):1-7.

［10］WONG S C，T ONG C O.Estimation of multi class origin destination matrices from traffic counts［J］.Journal of Urban Planning and Development，2005，131(1):19-29.

［11］NIEY，ZHANG H M.Inferring origin destination trip matrices with a decoupled GLS path flow estimator［J］.Transportation Research Part B，2005，39(3):497-518.