Professional Documents
Culture Documents
1
2019 年 2 月 Journal of Transportation Systems Engineering and Information Technology February 2019
高铁快运产品货流分担率计算方法研究
于雪峤 1a,
郎茂祥*1a,1b,周凌云 2a,
王丹竹 2a,于 潇 2b
(1. 北京交通大学 a. 交通运输学院,b. 城市交通复杂系统理论与技术教育部重点实验室,北京 100044;
2. 中国铁道科学研究院集团有限公司 a. 运输及经济研究所,b. 通信信号研究所,北京 100081)
摘 要: 考虑客户对高铁快运产品的选择行为与高铁快运产品供给的相互关系,设计了基
于供需匹配的两阶段高铁快运产品货流分担率计算方法.第 1 阶段考虑客户对高铁快运产品
的选择意愿,构建高铁快运产品效用函数,建立考虑货流类型的高铁快运产品货流分担率计
算模型,以刻画客户选择行为的差异和货流结构的差异对货流分担率的影响;第 2 阶段考虑高
铁快运产品的供给特征,设计与客户选择效用值相关的货流转移概率的计算方法,并修正第 1
阶段的货流分担率计算结果.最后,以哈大高铁通道为例,对本文提出的方法进行验证.研究结
果表明,考虑供需关系的高铁快运产品分担率计算方法更符合实际.
关键词: 铁路运输;高速铁路;货流分配;货流分担率
Abstract: Considering the relationship between customer's choice and the supply of high-speed railway express
products, a two- stage high- speed railway express product freight flow sharing rate calculation method based on
supply- demand matching is designed. The customer's willingness to choose high- speed railway products is
considered in the first stage, the utility function of high-speed railway express product is constructed,and a model
for calculating the freight flow sharing rate of high-speed railway products is established considering the types of
freight flows to reflect the difference of customer choosing behavior and the difference of freight flow structure.
The characteristics of high- speed railway products supply is considered in the second stage, a method for
calculating the freight flow shifting probability related to the customer's choice utility value, which is designed to
modify the result of the first stage. Finally, taking the Harbin-Dalian corridor as an example, the method proposed
in this paper is verified. The research results show that the calculation method of the share rate of high- speed
railway transport products considering the relationship between supply and demand is more practical.
Keywords: railway transportation; high speed railway; freight flow distribution; freight flow sharing rate
0 引 言 挥高铁优势,铁路总公司全面推进高铁快运业务,
我国高铁已经实现网络化运营,为了充分发 在全国 505 个城市试行,主要包括当日达、次晨达、
万方数据
第 19 卷 第 1 期 高铁快运产品货流分担率计算方法研究 41
量深入研究,首先建立了公铁联运网络上的运输 流自身属性对客户选择行为的影响因素,结果如
方案选择模型,用于定量分析枢纽延误对公铁联 表 1 所示.
运竞争力的影响,后又建立了基于公铁联运全过
表1 高铁快 运货 流分类
程的广义费用函数用以分析公铁联运与公路直达 Table 1 Classification of high speed
运输的竞争力,模型直观展示了公铁联运各环节 railway freight flow
对其竞争力的影响.Arunotayanun[4]将出行时间、费 时间属性
价值属性
用、服务质量和服务弹性等作为影响托运人选择 敏 感 较敏感 一般敏感
高 1 2 3
行为的因素,通过分析多项 Logit 模型与混合 Logit
较 高 4 5 6
模型的输出结果,发现两种结果对于不同的托运 一 般 7 8 9
人进行运输方式选择存在偏好异质性.Ahmadreza 归类后的货流可分为 3 类,1、2、4 为高端货流,
Talebian[5]建立了一个三阶段博弈模型来研究城际 表现为其自身价值高且对运输时效要求高,例如
客运通道内的铁路竞争力,认为双寡头市场中,铁 证件、医用手术急需药品等货物;3、5、7 为中端货
路企业与航空公司应最大化发挥自身优势,并指 流,表现为其自身价值较高或对时效性要求较高,
出:
铁路企业通过提升自身列车技术或提供更优惠 例如信函、疫苗等货物;6、8、9 为低端货流,表现为
的票价,会显著增加市场竞争力.M. Pilar Socrro[6] 其自身价值较高且对时效性要求不高,例如服装、
万方数据
42 交通运输系统工程与信息 2019 年 2 月
图书等货物. 义费用过大时,将产生一些不合理结果.因此,本文
1.2 构建效用函数 采用相对效用计算各类高铁快运产品被选择的概
运输产品的效用函数值可近似代表客户的感 率,用P in表示第i类高铁快运产品被第n类货流选择
知效用,决定其被选择的概率.通常情况下,运输产 的概率,则其可以表示为
-V in
品的效用函数值与其经济性、快速性、便捷性、安 exp( )
P in = Vˉ (5)
全性、舒适性、准时性等因素相关.对于各类高铁快
∑
V jn
exp(- )
运产品,其安全性和准时性相差不大,因此,本文 j Vˉ
仅考虑经济性、快速性和便捷性对客户选择行为 Vˉ表示效用函数的平均值.
式中:
的影响.由于不同货流对于高铁快运产品的需求不 在此基础之上,进一步考虑通道内各类货流
同,因此在计算效用函数值时,应同时考虑高铁快 所占比例,可得出不同高铁快运产品的货流分担
运产品的差异性,如式(1)所示. 率为
V in =(θ1n J in + θ 2n K in - θ3n C in) (1) P i = n1 P i1 + n 2 P i2 + n3 P i3 (6)
式中:
V in表示第i类高铁快运产品对第n类货流的效 n1 + n 2 + n3 = 1 (7)
用值;J in、K in、
C in分别表示第i类高铁快运产品对第n 式中:P i表示第i类高铁快运产品的货流分担率;
n1、
类货流经济性、快速性和便捷性的效用值;
θ1n、
θ 2n、 n 2、n3分别表示通道内 3 种等级高铁快运货流所占
θ3n分别表示各影响因素对第n类货流的未知参数. 比例.
对于各类高铁快运产品的经济性J in,可以根据
各类产品的收费标准确定,如式(2)所示. 2 考虑运输供给的高铁快运产品货流分担
J in = S i + X i∙gˉi (2) 率修正
式中:S i表示第i类高铁快运产品的首重;X i表示第i 受到高铁快运组织特点、运输能力的限制,当
类高铁快运产品的续重;gˉi 表示不同货类的平均 客户的选择意愿不能被满足时,客户会退而求其
次的选择其他相近的高铁快运产品,因此,客户意
续重.
愿的转移与每种高铁快运产品的效用函数值相关.
对于各类高铁快运产品的快速性 K in ,可根据
上文研究了基于客户选择意愿的高铁快运产品货
各类产品的服务总时间确定,其包括货物的运输
流分担率,未考虑高铁快运产品供给特性对产品
时间和货物的等待时间,如式(3)所示.
--
- 分担率的影响,本节将分析高铁快运产品供给能
K in = T + W in (3)
--
- 力对客户选择行为产生的影响,首先分析每一类
式中:
T 代表货物的运输时间; W in代表第n类货流等
货流转移与高铁快运产品效用值的关系,进而计
待第i类产品发车及配送的平均时间,本文假定客
算货流转移的总概率,从而求得各类高铁快运产
户选择发货的时间服从正态分布.
品的货流分担率.本文假设货物不存在积压.
受目前捎带运输组织模式的限制,为了避免
2.1 高铁快运货流转移条件
对客运的干扰,仅选取了固定的若干车次开展高
令 N 代表通道内所有可以承担高铁快运任务
铁快运业务.对于各类高铁快运产品的方便性C in,
的列车,N i代表承担第i类高铁快运产品的列车数
可用在 1 天内可以承担该类产品的列车数表示,如
量,
Q代表高铁快运市场总需求,
C表示高铁快运列
式(4)所示.
车总装载能力,Δ i表示第i类高铁快运产品需求和
C in = N i (4)
实际载运能力的差值,则高铁快运货流发生转移
式中:N i表示 1 天内可承担第i类高铁快运产品任务
的条件可表示为
的列车数.
ì Q∙P i
1.3 基于客户选择意愿的分担率计算模型 ïïΔ i → j = N - 1 > 0
í C∙ i (8)
在传统的 Logit 模型中,某一种运输产品被选 ïï N
择的概率由各产品间的效用绝对差所决定,当广 îΔ j < 0
万方数据
第 19 卷 第 1 期 高铁快运产品货流分担率计算方法研究 43
式(8)表示仅当某一种产品被选择的概率与需 率,其可以表示为
求的乘积大于开行比例与高铁总载运能力的乘积 α i → j = n1 β 1 + n 2 β 2 + n3 β 3
i→j i→j i→j
(16)
时,
货流才会发生转移. 令 f i → j 表示各类高铁快运产品间货流转移的
2.2 计算货流在不同种类产品间的转移概率 比例,根据式(8)的货流转移判别条件,
其可表示为
当某一种运输产品不能满足客户的选择意愿 f i → j = α i → j∙Δ i (17)
时,则要考虑选择其他运输产品.目前中铁快运经
2.3 各类产品货流分担率的修正计算
营的高铁快运产品包括当日达(d)、次晨达(c)、次日
根据货流转移判别条件式(8),货流发生转移
达(r)和隔日达(s).以当日达为例,若受到运输能力、
存在 2 种情况:
运输组织模式等因素影响,
客户不能选择当日达产
(1) | Δ j | > f i → j,此时
品时,
则这一部分货流将会发生转移, 如式(9)所示.
1 P i′ = P i - f i → j (18)
Pi → j ∝ n
n
(9)
V i - V jn i,i ≠ j
P j′ = P j +∑ f i → j (19)
式中:P in→ j 表示货流从第i类高铁快运产品向第 j 类 1
V in、
产品转移的概率, V jn分别表示两类产品的效用 (2) | Δ j | < f i → j,此时
函数值. P i′ = P i - f i → j (20)
从式(9)可以看出,货流转移的概率与各类高
P j′ = P j + Δ j (21)
铁快运产品的效用值相关,客户会优先选择与自
P k′ = P k + min{Δ k ,f i → k} (22)
己选择意愿产品效用值相近的高铁快运产品.因
此,为了确定货流转移的概率,需建立概率与效用 P l′ = P l + min{Δ l ,f i → l} (23)
值表达式,以当日达货流转移为例,根据V - V j 的 n
d
n
V dn - V jn < 0部分的转移概率为 0.
比的关系转移, 其可以看作是一个离散分布场合的极大似然
令 α i → j 表示货流从产品 i 向产品 j 转移的总概 估计函数,即
万方数据
44 交通运输系统工程与信息 2019 年 2 月
N1 !N 2 !⋯N m !
θ3n取偏导,并令其等于零,以对θ1n求偏导为例,
即
V ∂V V ∂V ù
exp( in )∙ in - exp( in )∙ê∑exp( in )∙ inú
V é m
∂ ln f Vˉ ∂θ in Vˉ ëi = 1 Vˉ ∂θ inû
=∑
m
=0 (25)
∂θ in 2
ê∑exp( )ú
i=1 é m
V in ù
ëi = 1 Vˉ û
通过 Matlab 编程求解,解得 铁快运产品货流分担率两阶段计算方法.构建了高
é0.126 3 0.696 6 0.463 0ù 铁快运产品效用函数,分别计算了基于客户选择
θ in = êê0.092 7 0.158 5 0.013 8úú (26)
意愿和考虑运输供给修正的货流分担率,通过实
ë0.108 2 0.030 0 0.006 9û
代入式(5)~式(7),求得基于客户选择意愿的高 际案例验证了计算方法的可行性.修正后的货流分
万方数据
54 交通运输系统工程与信息 2019 年 2 月
[8] 尹宏鹏, 陈波, 柴毅, 等. 基于视觉的目标检测与跟踪 Q P, LIU R K. An adaptive fusion IMM algorithm for
综述[J]. 自动化学报, 2016, 42(10): 1466-1489. [YIN autonomous radio carrier tracking[J]. Journal of
H P, CHEN B, CHAI Y, et al. Vision- based object Astronautics, 2015, 36(5): 605-612.]
detection and tracking: A review[J]. Acta Automatica [13] 崔留争, 高思远, 贾宏光, 等. 神经网络辅助卡尔曼滤
Sinica, 2016, 42(10): 1466-1489.] 波在组合导航中的应用[J]. 光学精密工程, 2014, 22
[9] CHANG DAHCHUNG, FANG MENGWEI. Bearing- (5): 1304- 1311. [CUI L Z, GAO S Y, JIA H G, et al.
only maneuvering mobile tracking with nonlinear Application of neural network aided Kalman filtering to
filtering algorithms in wireless sensor networks[J]. IEEE SINS/GPS[J]. Optics and Precision Engineering, 2014,
Trans on Systems Journal, 2014, 8(1): 160-170. 22(5): 1304-1311.]
[10] 张云洲, 付文艳, 项姝, 等. 室内环境下基于 IMM-EKF [14] 谭兴龙, 王坚, 赵长胜. 神经网络辅助的 GPS/INS 组合
算法的移动目标定位[J]. 计算机研究与发展, 2014, 51 导航自适应 UKF 算法[J]. 测绘学报, 2015, 44(4): 384-
(11): 2408- 2415. [ZHANG Y Z, FU W Y, XIANG S, 391. [TAN X L, WANG J, ZHAO C S. Neural network
et al. IMM-EKF algorithm-based indoor moving target aided adaptive UKF algorithm for UPS/ INS integration
localization[J]. Journal of Computer Research and navigation[J]. Acta Geodaetica et Cartographica Sinica,
Development, 2014, 51(11): 2408-2415.] 2015, 44(4): 384-391.
[11] 宫淑丽, 王帮峰, 吴红兰, 等. 基于 IMM 算法的机场场 [15] CHANG S G, YU B, VETTERLI M. Adaptive wavelet
面运动目标跟踪[J]. 系统工程与电子技术, 2011, 33 thresholding for image de- noising and compression[J].
(10): 2322-2326. [GONG S L, WANG B F, WU H L, IEEE Transactions on Image Processing, IEEE
et al. Tracking of moving targets on airport surface Transaction on, 2000, 9(9): 1522-1546.
based on IMM algorithm[J]. Systems Engineering and [16] ALI N H, HASSAN G M. Kalman filter tracking[J].
Electronics, 2011, 33(10): 2322-2326.] International Journal of Computer Applications, 2014,
[12] 宋青平, 刘荣科. 自适应融合 IMM 的自主无线电载波 89(9): 15-18.
跟踪算法[J]. 宇航学报, 2015, 36(5): 605-612. [SONG
上接第 44 页
[4] ARUNOTAYANUN K, POLAK J W. Taste heterogeneity and high speed train integration[J]. Transportation
and market segmentation in freight shippers' mode Research Part A Policy & Practice, 2013, 49(49): 160-
choice behaviour[J]. Transportation Research Part E 177.
Logistics & Transportation Review, 2011, 47(2): 138- [7] 王莹, 郝丹, 李海鹰, 等. 基于供需匹配的铁路运输通
148. 道客流分担率研究[J]. 铁道学报, 2014, 36(12): 1-5.
[5] TALEBIAN A, ZOU B. Integrated modeling of high [WANG Y, HAO D, LI H Y, et al. Research on share
performance passenger and freight train planning on rate of passenger flow in railway transportation corridor
shared- use corridors in the US[J]. Transportation based on matching between supply and demand[J].
Research Part B Methodological, 2015(82): 114-140. Journal of the China Railway Society, 2014, 36(12): 1-
[6] SOCORRO M P, VIECENS M F. The effects of airline 5.]
万方数据