基于多模式货运方式配流的港区吞吐量预测研究
PDF下载 (251)随新鎏,刘俚宁,汪义路,刘小玲,叶骐铭,周旭江,叶晓飞.基于多模式货运方式配流的港区吞吐量预测研究[J].宁波大学学报(理工版),2022,35(3):89-93.DOI:
SUI Xinliu,LIU Lining,WANG Yilu,LIU Xiaoling,YE Qiming,ZHOU Xujiang,YE Xiaofei.Port throughput forecast based on multi-mode freight distribution[J].Journal of Ningbo University(Natural Science & Engineering Edition),2022,35(3):89-93.DOI:
| Title: | Port throughput forecast based on multi-mode freight distribution |
| 作者: | 随新鎏, 刘俚宁, 汪义路, 刘小玲, 叶骐铭, 周旭江, 叶晓飞 |
| Author(s): | SUI Xinliu, LIU Lining, WANG Yilu, LIU Xiaoling, YE Qiming, ZHOU Xujiang, YE Xiaofei |
| 关键词: | 交通运输工程; 港口吞吐量; 超级网络; Dijkstra算法 |
| Keywords: | traffic and transportation engineering; port throughput; super network; Dijkstra algorithm |
| 分类号: | U691.71 |
| 文献标识码: | A |
| 摘要: | 以货运量调查为基础, 分析货运OD特征, 建立考虑道路运输网、内河运输网、海上运输网的多模式货运网络分配模型, 采用Dijkstra算法求解和分配影响区内货运需求OD点对, 得出多模式网络的运量分布, 并以港区作为枢纽节点, 推算出港区吞吐量大小. 最后, 以慈溪杭州湾港区为例, 应用分配模型推算港区吞吐量. 结果表明 2025年慈溪杭州湾港区总吞吐量将达到51.44×106 t, 2030年慈溪杭州湾港区总吞吐量将达到62.63×106 t, 多模式分配方法为港区建设可行性分析提供了量化方法和决策依据. |
| Abstract: | 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 51.44×106 t in 2025 and 62.63×106 t in 2030 respectively. The multi-mode allocation method provides quantitative method and decision-making basis for the feasibility analysis of port area construction. |
| 参考文献 /References: | [1] 刘逸群, 曾鸣. 港口集装箱吞吐量预测方法研究[J]. 物流工程与管理, 2018, 40(8):85-87. [2] 韩以伦, 徐新新. 基于ARIMA和GM模型的青岛港货物吞吐量预测研究[J]. 水道港口, 2019, 40(2):241-248. [3] 杜柏松, 艾万政, 胡林燕, 等. 基于优化灰色马尔科夫动态模型的上海港集装箱吞吐量预测[J]. 上海海事大学学报, 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] 朱庆辉, 勾翔宇. 基于小波神经网络的上海港集装箱吞吐量预测[J]. 中国水运, 2019(6):25-27. [6] 李长安, 卢雪琴, 吴忠强, 等. 基于蚁群算法优化反向传播神经网络的港口吞吐量预测[J]. 计量学报, 2020, 41(11):1398-1403. [7] 李广儒, 朱庆辉. 基于Elman神经网络的港口货物吞吐量预测[J]. 重庆交通大学学报(自然科学版), 2020, 39(6):8-12. [8] 李广儒, 张新, 朱庆辉. 基于Adaboost的改进Elman神经网络港口吞吐量预测方法[J]. 重庆交通大学学报(自然科学版), 2021, 40(5):1-5. [9] 周宇乐. 基于EMD-ESN-AdaBoost.TSF组合模型的港口集装箱吞吐量预测[D]. 兰州: 兰州大学, 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] 史晓丹. 基于粗糙集与遗传规划的港口吞吐量预测研究[D]. 北京: 北京交通大学, 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. [13] 吴丽霞, 王昊, 付, 等. 基于超级网络的多模式公共交通网络客流分配技术研究[C]//第十二届中国智能交通年会大会论文集. 常熟, 2017:322-332. [14] 潘恒彦, 裴玉龙. 基于多模式交通网络的居民就医可达性研究[J]. 大连交通大学学报, 2020, 41(6):1-5. [15] 祝佳祥. 基于超图的多模式交通网络分配建模研究[D]. 长春: 吉林大学, 2020. [16] 金英群. 城市多模式公交网络布局结构特性研究[D]. 哈尔滨: 东北林业大学, 2020. |
| 备注/Memo: | 收稿日期:2021-06-10.宁波大学学报（理工版）网址:http://journallg.nbu.edu.cn/ 基金项目:浙江省自然科学基金（LY20E080011）;浙江省公益技术应用研究项目（LGF18E090005）;国家重点研发计划（2017YFE9134700）. 第一作者:随新鎏（1997－）,女,河北衡水人,在读硕士研究生,主要研究方向:交通运输规划与管理.E-mail:suixinliu123@163.com *通信作者:刘小玲（1988－）,女,浙江宁波人,博士/讲师,主要研究方向:桥梁与隧道工程.E-mail:liuxiaoling@nbu.edu.cn 宁波大学学报（理工版）网址：http://journallg.nbu.edu.cn/ |
