基于區(qū)位信息的城際公路貨運(yùn)分布量預(yù)測(cè)
——以云南為例＊

戢曉峰 謝 軍 陳 方

(1.昆明理工大學(xué) 交通工程學(xué)院 昆明 650504;2.云南省現(xiàn)代物流工程研究中心 昆明 650504)

0 引 言

隨著物流業(yè)與區(qū)域經(jīng)濟(jì)的快速發(fā)展，城際物流的作用日益突出。對(duì)城際公路貨運(yùn)分布量進(jìn)行預(yù)測(cè)，可有效組織城際公路貨運(yùn)[1]，對(duì)于改善公路運(yùn)輸結(jié)構(gòu)和提高區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展具有重要意義[2]。

目前，貨運(yùn)分布量預(yù)測(cè)主要以明確的現(xiàn)狀分布為基準(zhǔn)實(shí)現(xiàn)未來年的貨運(yùn)分布量預(yù)測(cè)。如楊龍海等[3]實(shí)現(xiàn)了集計(jì)網(wǎng)絡(luò)流量的用戶均衡和運(yùn)輸子網(wǎng)絡(luò)流量的系統(tǒng)均衡，構(gòu)建了多式聯(lián)運(yùn)的貨運(yùn)網(wǎng)絡(luò)分配模型；陳麗琴等[4]根據(jù)貨運(yùn)需求的空間OD分布，結(jié)合其與社會(huì)經(jīng)濟(jì)各衡量指標(biāo)之間的相關(guān)性強(qiáng)弱，建立貨運(yùn)需求和與其強(qiáng)相關(guān)的社會(huì)經(jīng)濟(jì)指標(biāo)之間的關(guān)系模型，以此預(yù)測(cè)貨運(yùn)規(guī)模及OD空間分布關(guān)系；洪智勇等[5]基于用地性質(zhì)計(jì)算貨運(yùn)分擔(dān)率，構(gòu)建了產(chǎn)業(yè)相關(guān)重力模型來計(jì)算公路貨運(yùn)量的空間分布；段新等[6]基于全國車輛抽樣調(diào)查數(shù)據(jù)編制區(qū)域間公路運(yùn)輸流量流向矩陣，得到北京及周圍5省份的貨運(yùn)分布量；楊龍海等[7]根據(jù)貨物裝卸流程和倉儲(chǔ)處理能力，計(jì)算得到保稅區(qū)路網(wǎng)的貨運(yùn)交通分布量；莫磊等[8]結(jié)合距離阻抗矩陣和時(shí)間阻抗矩陣，標(biāo)定阻抗函數(shù)為冪函數(shù)和指數(shù)函數(shù)下的重力模型的參數(shù)，建立貨運(yùn)分布模型對(duì)長江內(nèi)河運(yùn)輸量分布情況進(jìn)行預(yù)測(cè)；Güler[9]基于路段計(jì)數(shù)和卡車調(diào)查數(shù)據(jù)，建立了觀察路段流量的估計(jì)OD矩陣；Sonny等[10]基于土地利用的可達(dá)性和連通性，結(jié)合最大熵模型和Furness迭代法，對(duì)印尼北部群島的貨運(yùn)網(wǎng)絡(luò)分布實(shí)現(xiàn)優(yōu)化；Qin等[11]基于啟發(fā)式的問題求解算法，將每個(gè)運(yùn)輸航線的預(yù)計(jì)需求分配給航運(yùn)公司，在最短時(shí)間內(nèi)獲得最優(yōu)解使得總成本最小化；Limabac[12]基于車道成本平衡約束作為一個(gè)混合整數(shù)規(guī)劃模型，均衡辦公室采購中每條貨運(yùn)特定車道貨運(yùn)量分配合理化，得到總運(yùn)輸成本最?。籝ang等[13]將車輛貨運(yùn)周轉(zhuǎn)量與路網(wǎng)貨運(yùn)周轉(zhuǎn)量聯(lián)系起來，基于公路貨車收費(fèi)站與公路觀測(cè)數(shù)據(jù)，將貨物周轉(zhuǎn)總量分解成不同的部分并分配給不同等級(jí)的路網(wǎng)，精確了不同等級(jí)路網(wǎng)貨運(yùn)量分布結(jié)構(gòu)；Feng等[14]基于最大相互作用力的倉庫布局優(yōu)化和貨運(yùn)量分配模型，以最小成本原理優(yōu)化倉庫布局，從而得到貨運(yùn)量分配模型；Ros-Mcdonnell等[15]通過對(duì)物流依賴于城市輪廓的詳細(xì)描述來分析不同城市模式中貨物的流動(dòng)形式，對(duì)行人、城市貨物裝卸區(qū)域、貨物交易時(shí)間等指標(biāo)進(jìn)行測(cè)算，從而優(yōu)化城市道路貨運(yùn)量分配。

顯然，現(xiàn)有研究均是在基準(zhǔn)年貨運(yùn)分布已知的情況下對(duì)特定區(qū)域的貨運(yùn)分布進(jìn)行預(yù)測(cè)，針對(duì)現(xiàn)狀城際公路貨運(yùn)分布基準(zhǔn)年數(shù)據(jù)較難獲取的現(xiàn)實(shí)，本文系統(tǒng)分析了貨運(yùn)需求的產(chǎn)生機(jī)理，構(gòu)建了以區(qū)位信息量化城市區(qū)位優(yōu)勢(shì)的流程，極大簡化了獲取基年數(shù)據(jù)的難度，并以云南省為例進(jìn)行了驗(yàn)證。

1 區(qū)位信息量化方法

區(qū)位理論[16]認(rèn)為城市內(nèi)部各區(qū)域或與相鄰城市之間均表現(xiàn)出不同的位置關(guān)系，并影響總體研究區(qū)域的結(jié)構(gòu)。城市的區(qū)位信息量化主要包括兩方面的內(nèi)容；該城市在整個(gè)研究區(qū)域中的相對(duì)位置，即城市的相對(duì)可達(dá)性；各城市的自身特點(diǎn)，即城市的土地利用結(jié)構(gòu)和社會(huì)經(jīng)濟(jì)發(fā)展程度。相對(duì)可達(dá)性主要考慮交通成本、端點(diǎn)城市吸引量和端點(diǎn)數(shù)的選擇三方面的內(nèi)容；城市的土地利用結(jié)構(gòu)和社會(huì)經(jīng)濟(jì)發(fā)展程度主要通過綜合聚集規(guī)模量化，其主要包含聚集規(guī)模質(zhì)因子和聚集規(guī)模量因子。

本文引入“區(qū)位勢(shì)”的概念來表征土地利用的區(qū)位優(yōu)勢(shì)，即研究區(qū)域中某區(qū)位土地利用經(jīng)濟(jì)優(yōu)勢(shì)的大小。它是城際貨運(yùn)產(chǎn)生和貨運(yùn)吸引的量化描述，與城市間的相對(duì)可達(dá)性、用地聚類成正比，其公式為

(1)

式中：Li為城市i的區(qū)位優(yōu)勢(shì)；bi為城市i的其他因素；ai為城市i的可達(dá)性；qi為城市i的聚集規(guī)模質(zhì)因子；si為城市i的聚集規(guī)模量因子；k為比例系數(shù)；α、β、δ為彈性系數(shù)。

城市i的相對(duì)區(qū)位優(yōu)勢(shì)Yi為城市i的區(qū)位勢(shì)Li與城市標(biāo)準(zhǔn)區(qū)(研究區(qū)域中區(qū)位優(yōu)勢(shì)最大的城市)的區(qū)位勢(shì)Lo的比值，即

(2)

將上式帶入(1)式中，則

(3)

式中：bo為基準(zhǔn)城市(研究區(qū)域中綜合實(shí)力最強(qiáng)的城市)的其他因素；ao為基準(zhǔn)城市的可達(dá)性；qo為基準(zhǔn)城市的聚集規(guī)模質(zhì)因子；so為基準(zhǔn)城市的聚集規(guī)模量因子。

(4)

式中：Ai為城市i的相對(duì)可達(dá)性；Qi為城市i的相對(duì)聚集規(guī)模質(zhì)因子；Si為城市i的相對(duì)聚集規(guī)模量因子。

由于不同城市的土地利用類型和規(guī)模存在差異，導(dǎo)致發(fā)生吸引量均不相同。引入聚集規(guī)模產(chǎn)生量因子和吸引量因子，計(jì)算不同城市的產(chǎn)生區(qū)位影響系數(shù)和吸引區(qū)位影響系數(shù)，計(jì)算見式(5)～(6)。

Yig=Aiβ(QiSig)δ

(5)

Yiγ=Aiβ(QiSiγ)δ

(6)

式中：Yig為城市i的產(chǎn)生區(qū)位影響因子；Sig為城市i的相對(duì)產(chǎn)生量因子；Yiγ為城市i的吸引區(qū)位影響因子；Siγ為城市i的相對(duì)吸引量因子；Aiβ

為城市i的相對(duì)可達(dá)性。

2 貨運(yùn)分布量預(yù)測(cè)模型

2.1 模型構(gòu)建流程

根據(jù)聚集規(guī)模質(zhì)因子和可達(dá)性得到吸引影響因子、產(chǎn)生影響因子和相對(duì)可達(dá)性，基于重力模型得到貨運(yùn)分布量概率矩陣，將預(yù)測(cè)的初始貨運(yùn)分布量分配至相關(guān)城市，再根據(jù)Fratar模型迭代求出最終的貨運(yùn)分布量矩陣，流程如圖1所示。

圖1 分析流程Fig.1 The flow chart of analysis

2.2 貨運(yùn)量分布概率預(yù)測(cè)

在區(qū)域的城市中，兩地間的貨運(yùn)聯(lián)系強(qiáng)度由兩市之間的吸引強(qiáng)度和兩者之間的阻抗共同決定，即本文中的區(qū)位優(yōu)勢(shì)因子，主要考慮公路里程數(shù)和土地利用等因素；在傳統(tǒng)的“四階段法”中，重力模型法預(yù)測(cè)出行分布考慮了兩個(gè)交通小區(qū)的吸引強(qiáng)度和它們之間的阻力，與貨運(yùn)分布的特點(diǎn)較為相似，故將重力模型引入貨運(yùn)量分布概率中[17]，并將其改進(jìn)用到貨運(yùn)分布量預(yù)測(cè)中，見式(7)。

(7)

式中：qij為城市i到j(luò)的貨運(yùn)分布量；Oi為城市i的貨運(yùn)發(fā)生量；Dj為城市j的貨運(yùn)吸引量，f(cij)為城市i到j(luò)的阻抗函數(shù)，θ、χ為待定系數(shù)。

引入城市區(qū)位優(yōu)勢(shì)因子與重力模型相結(jié)合，使其適用于基準(zhǔn)年貨運(yùn)分布量未知的場(chǎng)景。根據(jù)重力模型可計(jì)算出城際貨運(yùn)分布概率矩陣。利用區(qū)位影響系數(shù)分析各城市自身特性對(duì)貨運(yùn)分布的影響，綜合考量城市貨運(yùn)量發(fā)生與吸引的影響因子，城市間的貨運(yùn)分布概率矩陣見式(8)。

(8)

式中：Pij為城市i，j之間的分布概率；為便于計(jì)算，此處取α=1。

2.3 貨運(yùn)分布量預(yù)測(cè)

將增長系數(shù)法中的Fratar模型引入貨運(yùn)量分布預(yù)測(cè)，計(jì)算規(guī)劃年的貨運(yùn)分布量矩陣[18]。前文已根據(jù)修正后的重力模型計(jì)算出貨運(yùn)量分布概率矩陣，可利用貨運(yùn)量分布概率矩陣和各城市總的貨運(yùn)吸引量計(jì)算出初始城際貨運(yùn)分布量矩陣，即

(9)

Fratar模型假設(shè)城市i到j(luò)的貨運(yùn)分布量不僅與城市i的發(fā)生增長系數(shù)和城市j的吸引增長系數(shù)有關(guān)，還與其他城市的增長系數(shù)有關(guān)。Fratar模型的基本思想是首先利用各城市的貨運(yùn)產(chǎn)生量、城際貨運(yùn)分布概率與城市的位置系數(shù)求得城際貨運(yùn)分布量矩陣，并使起點(diǎn)城市的貨運(yùn)產(chǎn)生量平衡，然后再根據(jù)各城市的貨運(yùn)吸引量和城際貨運(yùn)分布量矩陣求出新的分布量矩陣，并使終點(diǎn)城市的貨運(yùn)吸引量平衡，迭代計(jì)算公式為

(10)

(11)

根據(jù)各城市的貨運(yùn)產(chǎn)生量和貨運(yùn)吸引量迭代求出的城際貨運(yùn)分布量矩陣，需滿足貨運(yùn)產(chǎn)生量和吸引量平衡的約束條件，即

(12)

(13)

當(dāng)計(jì)算得到的相鄰2次貨運(yùn)分布量矩陣之間的誤差滿足精度控制條件時(shí)，則停止迭代。精度控制條件為

(14)

3 實(shí)例分析

3.1 數(shù)據(jù)來源及處理

本文以云南省16個(gè)城市的城際貨運(yùn)量為研究對(duì)象，通過收集基礎(chǔ)數(shù)據(jù)，獲得2015年的貨運(yùn)產(chǎn)生量和吸引量、社會(huì)經(jīng)濟(jì)指標(biāo)、交通基礎(chǔ)設(shè)施建設(shè)等數(shù)據(jù)。其中，聚集規(guī)模質(zhì)因子主要通過社會(huì)經(jīng)濟(jì)指標(biāo)來量化，包括人均GDP、城鎮(zhèn)人口、社會(huì)消費(fèi)品零售額、道路運(yùn)輸場(chǎng)站完成投資；聚集規(guī)模產(chǎn)生量因子通過城市常住人口數(shù)量和工業(yè)完成增加值來量化；聚集規(guī)模吸引量因子通過公路里程量化；可達(dá)性通過城際貨車行駛時(shí)間量化。按照城市貨運(yùn)總量大小和行政區(qū)域?qū)⒃颇鲜?6個(gè)城市劃分為16個(gè)交通小區(qū)，上述指標(biāo)主要通過《云南統(tǒng)計(jì)年鑒》和《云南省道路運(yùn)輸發(fā)展報(bào)告》獲得。

3.2 區(qū)位信息量化

聚集規(guī)模質(zhì)因子是用于測(cè)度城市經(jīng)濟(jì)活動(dòng)聚集規(guī)模質(zhì)的水平值，本文的城市聚集規(guī)模質(zhì)因子采用等級(jí)制度[9]確定。選取云南省16個(gè)城市的人均GDP、城市城鎮(zhèn)人口、社會(huì)消費(fèi)品零售總額、道路運(yùn)輸場(chǎng)站完成4個(gè)投資指標(biāo)作為依據(jù)，取上述指標(biāo)的幾何平均值量化各城市的綜合實(shí)力。綜合實(shí)力最高即上述指標(biāo)幾何平均值最大的城市，其相對(duì)綜合實(shí)力定為1，其余城市根據(jù)綜合實(shí)力取值與最大值比值，得出各城市的聚集規(guī)模質(zhì)因子等級(jí)。從計(jì)算結(jié)果得出，綜合實(shí)力最高的是昆明，因此以昆明市為基準(zhǔn)，完成16個(gè)城市聚集規(guī)模質(zhì)因子的等級(jí)劃分。

同時(shí)，以昆明為基準(zhǔn)城市，分別計(jì)算16個(gè)城市的相對(duì)可達(dá)性。計(jì)算方法為：以昆明為基準(zhǔn)，將昆明到云南省其他城市的相對(duì)可達(dá)性定為1，其余各城市的相對(duì)可達(dá)性是各城市間貨運(yùn)時(shí)間的倒數(shù)與昆明到其余各城市出行時(shí)間倒數(shù)的比值。各城市的貨運(yùn)時(shí)間從百度地圖獲取，相對(duì)可達(dá)性計(jì)算結(jié)果如表1所示。

表1 云南省16個(gè)城市間的相對(duì)可達(dá)性

根據(jù)式(5)～(6)，計(jì)算各城市的產(chǎn)生區(qū)位影響因子和吸引區(qū)位影響因子；同時(shí)，參考相關(guān)研究將式(3)的參數(shù)β，δ分別取值為0.25和0.30。云南省16個(gè)城市的區(qū)位信息量化結(jié)果如表2所示。

3.3 貨運(yùn)量分布矩陣預(yù)測(cè)

根據(jù)2015年云南省16個(gè)城市的貨運(yùn)產(chǎn)生總量和吸引總量，以回歸分析法計(jì)算規(guī)劃年的貨運(yùn)產(chǎn)生總量和吸引總量。首先預(yù)測(cè)規(guī)劃年2020年的工業(yè)完成增加值、道路運(yùn)輸場(chǎng)站完成投資和公路里程等，再根據(jù)基準(zhǔn)年的貨運(yùn)產(chǎn)生量和貨運(yùn)吸引量，預(yù)測(cè)規(guī)劃年的公路貨運(yùn)產(chǎn)生量和貨運(yùn)吸引量，預(yù)測(cè)結(jié)果如表3所示。

表2 云南省16個(gè)城市的區(qū)位信息量化結(jié)果

表3 2020年云南省16個(gè)城市的貨運(yùn)量預(yù)測(cè)值

根據(jù)式(9)～(11)進(jìn)行迭代求解，經(jīng)過9次迭代發(fā)現(xiàn)，最終2次貨運(yùn)分布量矩陣的迭代結(jié)果誤差小于0.05，滿足精度控制要求。以均方根誤差來表明測(cè)量值與真實(shí)值的偏離程度，隨著迭代次數(shù)增多，此值越小，最后趨于平緩，如圖2所示。從而得到2020年云南省16個(gè)城市的貨運(yùn)分布量矩陣預(yù)測(cè)值，具體分布結(jié)果如表4所示。

表4 2020年云南省貨運(yùn)分布量矩陣預(yù)測(cè)值

圖2 迭代收斂結(jié)果Fig.2 Results of iteration convergence

從上表可得，不同城市區(qū)位和阻抗對(duì)城市的貨運(yùn)量分布影響較大，而且每個(gè)城市的發(fā)生與吸引量遵循城市的發(fā)展形勢(shì)，與城市經(jīng)濟(jì)發(fā)展、區(qū)位優(yōu)勢(shì)表現(xiàn)有較為明顯的相關(guān)性。16個(gè)城市的發(fā)生與吸引量如圖3所示。

從云南省2020年貨運(yùn)量分布可得，每個(gè)城市由于城市資源分布和發(fā)展水平不同，對(duì)貨運(yùn)量的需求也不同，表現(xiàn)為城市貨運(yùn)量的發(fā)生吸引差異化，發(fā)生小于吸引可定義為需求型城市，反之定義為產(chǎn)出型城市。云南省貨運(yùn)量發(fā)生小于吸引的城市為昆明、曲靖、玉溪、楚雄、紅河、大理；發(fā)生大于吸引的城市為保山、昭通、麗江、普洱、文山、西雙版納、德宏、怒江、迪慶。云南省需求型城市分布與其經(jīng)濟(jì)發(fā)展水平較為符合，地理區(qū)位基本位于滇中、滇西地區(qū)，具備較高的經(jīng)濟(jì)水平和便利的交通條件，城市需求較強(qiáng)；而產(chǎn)出型城市基本位于云南省邊境，資源儲(chǔ)備較為豐富，經(jīng)濟(jì)發(fā)展和交通基礎(chǔ)設(shè)施建設(shè)較為滯后，城市貨運(yùn)量較低且以產(chǎn)出為主。每個(gè)城市與其他城市的發(fā)生吸引亦基本遵從上述分析結(jié)果。

圖3 2020年云南省不同16個(gè)城市貨運(yùn)量的發(fā)生吸引量Fig.3 Origin and destination of freight volume in16 cities of Yunnan in 2020

4 結(jié)束語

筆者重點(diǎn)考慮城市區(qū)位優(yōu)勢(shì)因子和城際交通阻抗函數(shù)對(duì)貨運(yùn)分布量的影響，將兩者作為測(cè)度城際貨運(yùn)量產(chǎn)生與吸引能力的重要指標(biāo)，實(shí)現(xiàn)了城際公路無現(xiàn)狀OD矩陣的貨運(yùn)OD分布矩陣的預(yù)測(cè)。并以云南省16個(gè)城市為例進(jìn)行了驗(yàn)證，預(yù)測(cè)結(jié)果與城市發(fā)展、區(qū)位優(yōu)勢(shì)較為吻合，反應(yīng)了該預(yù)測(cè)方法的科學(xué)性與可行性。

該模型無需基年貨運(yùn)分布數(shù)據(jù)，能夠?yàn)閰^(qū)域交通規(guī)劃提供理論依據(jù)。本文方法能夠極大地減少貨運(yùn)調(diào)查工作量，具有較好的普適性，但是城際貨運(yùn)產(chǎn)生量和吸引量的參數(shù)估算相對(duì)簡化，未準(zhǔn)確量化城市之間貨運(yùn)聯(lián)系的衰減系數(shù)，后續(xù)將進(jìn)一步對(duì)彈性系數(shù)估值深入研究。