交通需求管理视角下我国低碳农村物流系统优化

姚冠新 边晓雨 何勇

摘 要：文章从交通需求管理的角度出发，运用四阶段法对农村物流的需求进行预测并根据Wardrop第一原则合理分配物流需求以降低运输碳排放量，并用TransCAD的算例得出路网V/C、V主题图证实其可行性。

关键词：交通需求管理；低碳农村物流；四阶段法

中图分类号：F406.5 文献标识码：A

Abstract： From the traffic demand management point of view， using the four stage method of rural logistics demand forecast based on Wardrop first principle of reasonable distribution of logistics demand in order to reduce transport carbon emissions， and use TransCAD example solutions to network V/C， V themes demonstrate its feasibility.

Key words： transportation demand management； low carbon rural logistics； four stage method

0 引 言

我国经济发展正处于高速上升阶段，国民的生活条件也随之改善和提高，更表现出对高质量生活的追求。近年来，可持续性发展作为国家政策已经渗透进我国的方方面面，而低碳经济的观念也同时影响着人们的生活方式。低碳经济观念与农村物流结合所诞生的低碳农村物流被认为是满足人们对高品质农产品的需求和实现农村经济健康稳定可持续发展的重要途径。但是我国物流的技术、观念和基础设施仍比较落后，其发展水平也处于初级阶段，无法满足人们的高需求。因此，为了实现低碳农村物流、响应国家三农政策的号召、促进农村经济高速可持续发展等目的[1]，对农村物流的未来发展进行合理规划是必不可少的。基于以上原因，笔者认为基于交通需求管理视角，利用四阶段法对农村物流的需求进行预测并以此提出建议和对策，可以为低碳农村物流的发展提供一些帮助。

目前学术界对低碳农村物流研究较少，对其定义并没有得出明确结论。但综合低碳物流和农村物流两者的定义来说，本文认为其定义是指通过先进的技术与物流管理水平相结合来提高农村经济活动区域的物流效率并降低温室气体的排放量。其最终目的是促进农村经济的可持续性发展，即经济发展是主导，物流的发展水平要与日益发展的市场需求相符合[2]。

在交通需求管理中，货运交通需求管理的目的，是为了在满足货物运输需求的前提下尽可能减少多余的货物出行，以便合理安排有限的交通资源并减少货物出行给交通网络和环境带来的影响[3]。

综上所述，在低碳经济大趋势下，建设低碳农村物流系统的目标是为了提高资源利用率，降低碳排放量，形成经济效益和环境效益的统一，这与货运交通需求管理的目标基本一致。同时，运输功能和仓储功能作为物流系统的六个基本功能中最重要的两个功能，与农村货运系统紧密相连。因此，农村货运系统和农村物流相辅相成，在促进农村货运交通系统的绿色化与低碳化的发展时也推动了低碳农村物流的发展。

1 四阶段法的应用

在货运交通需求管理中，对物流需求的预测是能否优化物流基础设施规划和实现减少能源损耗、降低碳排放量的前提和基础，所以准确的物流需求预测对实现低碳农村物流有重要意义。目前，四阶段法作为交通需求管理中较为成熟的科学方法被广泛运用到城市客运交通规划测量中，鉴于货运交通需求和客运交通需求具有一定的相似性，本文认为将传统四阶段法应用到物流需求预测上有助于低碳农村物流系统的优化。

1.1 交通规划的四阶段法

20世纪60年代，美国联邦新公路法的出台促进了交通规划四阶段法的形成和发展。在其萌芽阶段，交通规划四阶段法并不是四个阶段的预测，而是只有交通发生、交通分布、交通分配。但是在随后不久，日本有关学者认为交通方式划分预测对交通规划有重大现实意义并将其运用到城市交通的规划中。至此，交通规划四阶段预测法最终演变的结果如图1所示。

1.2 低碳农村物流需求预测和传统城市交通需求预测方法的不同

农村交通规划相对于城市交通规划来说不是完全相同的，落后的农村基础设施及农村物流的重视程度导致预测所需资料的获取难度相对较高。其次，由于货运交通规划与客货运交通规划之间也存在着一定的差异性，在需求预测的过程中，两者所涉及的影响因素并不相同，不能简单的将城市客运交通规划四阶段法的某些方法和模型直接套用在低碳农村物流需求预测中。因此，为了更加准确地反应农村物流的真实情况和更合理的物流需求分配以实现低碳农村物流系统的优化，运用物流需求预测的四阶段法是必不可少的。

2 基于四阶段法的低碳农村物流需求预测

2.1 低碳农村物流总量预测

低碳农村物流总量预测是指对农村整个区域内的吸引和发生的总物流量进行预测，其本质是通过对整个农村物流需求影响因素进行分析，构建物流生成模型，预测出物流发生量和吸引量。考虑到农村地区的基础资料收集较为困难且增长趋势情况比较难把握，本文采用弹性系数法，即运用因变量的百分数与自变量变化的百分数之比来计算预期物流总需求，这种方法反映了自变量对因变量的影响程度[4]。这种预测方法，关键在于弹性系数的选取以及自变量未来值的预测。

式中：Q为预期物流总需求；Q为预测对象基年物流需求量；D为目标年物流量增长率；L为预测时间长度；E为弹性系数；Υ为预期年国民经济增长率；b为基年物流增长率；γ为基年国民经济增长率。这个公式的思路是根据相关数据预测出区域内目标年GDP的增长率Υ，用物流增长率b与基年GDP增长率γ建立回归模型求出相应的弹性系数，然后根据目标年GDP的增长率与相应的弹性系数确定目标年的物流增长率D，从而求出目标年的物流需求量Q。

2.2 各区域或行政村物流量预测

区域或行政村（为了避免歧义用区域或行政村代替交通规划中的小区）的位置、性质和面积等都会对农村物流需求总量在各区域分配起到一定的作用。所以，各区域物流产生和吸引量预测可将现有数据作为基础并根据各区域的位置、性质和面积等来确定各规划区域的货运产生、吸引相对权数。各区域或行政村物流产生量预测模型如下：

式中：Q为j区域的物流生成量；W为j区域的物流生成相对权值；A为j区域的用地面积；Q为农村物流需求总量。该公式中各区域的物流生成相对权值是根据所测量的具体情况而定，一般可以通过调查问卷、可比地区的相关资料以及专家测评等方式对各个区域的地理位置、用地性质等来确定相对权值[5]。

2.3 物流分布预测

物流分布预测是利用各区域现有的物流生成量以及空间阻抗来预测各区域的物流出行分布量。现有方法中，重力模型法认为应用各区域间的出行数与出发区的物流发生量和到达区的吸引量各成正比，而与各区域间的行程时间（或费用、距离等）成反比。该模型考虑的因素较多，能相对精确地反映各区域之间的物流分布变化。在重力模型的约束方式中，双约束重力模型综合考虑了出行产生量和出行吸引量的限制，比较符合实际情况，其模型如下：

式中：T为从i区域到j区域的出行分布量；P为i区域的出行产生量；A为j区域的出行吸引量；f

I为i区域到j区域之间的交通阻抗系数；a为区域i出行产生量的调整系数；b为区域j的出行吸引量的调整系数；b为待定系数。该公式是考虑到，GAMMA函数可克服指数函数和幂函数由于交通分区之间的距离过小而造成的分配量过大的弊端[6]，符合现实意义。

2.4 物流运输方式划分

农村物流运输方式划分中，农村区域内的物流运输主要是通过公路运输，而对外运输则主要由公路、铁路以及水路等多种方式承担。物流运输模式分担模型可采用转移曲线模型和概率模型。其中转移曲线模型是最为直观和简单，只需收集相应地区的统计资料就可以算出不同运输方式的分担率及其影响因素之间的关系曲线[7]。在西方发达国家由于物联网技术的迅速发展及其在交通方面的应用，智能交通系统的诞生使得转移曲线模型被普遍使用。但是针对我国农村交通统计资料的匮乏，不宜完全采用该方法。 因此，本文认为采用Logit模型是较为合适的，其模型如下：

式中：F为从i区域到j区域，第n种交通方式间的分担率；U交通区域i到交通区域j的交通方式k的效用函数；a为待定系数；X为出行者在从交通区域i到交通区域j采用交通方式k时的影响因素m；c为影响因素的个数。

2.5 物流分配预测

物流分配是将各区域间不同运输方式的出行分布量分配到综合运输网络上去，即将OD量正确合理地分配到O与D之间的各条路径上以求出物流网络上的物流量大小。而在物流网络分配之前，应将货物量（t或者t/km）转换为不同车辆类型的货车量（辆），即运输OD（单位为辆）。根据农村物流低水平、低信息化、高货运量、高能源损耗以及路权与交通负荷之间的关系，本文认为容量限制—增量加载分配方法比较适合。其方法将道路的负载能力作为限制，并把每一OD量分解成K部分进行迭代运算。在分配物流量时，需用最短路径模型分配OD，且每分一次路权修正一次，最后把K个OD表全部分配到网络上，其中路权采用路阻函数修正[8]。

近年来，交通需求管理被日益重视，其运用和研究也逐渐深入。TransCAD将GIS与TDM的模型和方法有机结合，是一款强有力的交通规划和需求预测软件[9]。因此除了运用容量限制—增量加载分配法外，本文建议还可以运用TransCAD4.5软件对农村物流需求预测进行分配以达到低碳农村物流系统优化的实现。

3 TransCAD中低碳农村物流系统优化的实现

假定已知某农村空间分布并根据分析其地理位置、面积和政治因素等将其划分为如图2所示的5个区域。

还已知该农村基年物流增长率为3.67%、GDP增长率为9.32%以及预期年GDP增长率7.18%，得出目标年物流增长率4.97%，根据该农村各区域现状物流总需求数据并运用上述弹性系数法得出该农村各地区的目标年物流总需求量，包括发生量和吸引量，最后通过各区域物流产生量预测模型得出目标年的物流量预测数据如图3所示。

在得出图3所示的数据后，利用TransCAD中net选项里Multiple Shortest Path功能对各区区域的网路文件运算得出区域之间的OD阻抗矩阵如图4所示。

其次，对上述双约束重力模型中待定系数a、b、c进行标定，即a=1，b=0.3，c=0.01后，选择区域文件、现状OD矩阵和区域阻抗矩阵并通过Planning选项中的重力模型选项数据进行运算得出该农村各区域之间的物流分布预测如图5所示。

最后在路网层上选择Planning中Traffic Assignment选项对该农村地区各区域的物流分布进行分配，在Method中选择User Equilibrium以符合Wardrop第一原理，然后在Other Settings中勾出Selection以避免分配时将质点算入，最终得出流量分配后路网V/C、V主题图如图6所示。

4 算例分析与总结

本算例在TransCAD中采用了UE模型并得出流量分配后路网V/C、V主题图。此模型符合Wardrop第一原理，即在道路的利用者都确切知道网络的交通状态并试图选择最短径路时，网络将会达到平衡状态。在考虑拥挤对行驶时间影响的网络中，当网络达到平衡状态时，每个OD对的各条被使用的路径具有相等而且最小的行驶时间[10]。因此得出的V/C、V主题图已经对该农村地区目标年的流量进行了路径最优的合理规划以减少货运过程中二氧化碳等污染物的排放。此外，该路网分配图是将目标年的流量分配在当前道路中，因此还可以结合道路服务水平分级标准，如表1所示进行分析，发现该农村当前货运道路系统存在一定的不足，中间一些路段Flow值过高，原本道路的Capacity值不足以承担，造成了不稳定车流以及强制性车流。因此建议在这些路段上进行拓宽或者建立新的道路以减少车辆拥挤和拥挤所造成的二氧化碳等污染物的排放。

本算例的不足有两点：其一，该算例是基于扬中市的日新村和收集的相关数据所做，其中现状货流量、时间、年货运量、道路最大车容量等资料数据难以收集，运用类比法得出了相应的虚拟数据，因此与该村实际情况还是有一定的差距。其二，由于所选农村的面积较小且只有货运汽车，因此该算例并没有用到物流运输方式规划，但是在实际操作中应根据具体农村情况对其进行运输方式规划，即如上所述，收集不同交通工具的数量、当量、载货量、相应换算系数等数据来构建货运方式划分率矩阵、货运费用矩阵和货运时间矩阵，然后再运用TransCAD的Mode Split功能利用Logit模型参数估计得出分担率，最后将分担率转化成不同交通工具的Trips子矩阵，完成交通方式划分。

综上所述TransCAD证实了四阶段法可以运用在低碳农村物流运输系统的优化上，并为如何改进道路以及运输路线规划等提供一些的帮助。

参考文献：

[1] 陈锡文. 当前农业和农村经济形势与“三农”面临的挑战[J]. 中国农村经济，2010（1）：4-9.

[2] 黄蕾. 低碳视角下的农业物流运作模式构建途径研究[J]. 农业经济，2014（2）：121-122.

[3] 马凯，艾力·斯木吐拉. 交通规划四阶段法在物流需求预测中的应用[J]. 重庆交通大学学报（自然科学版），2009，28（4）：745-750.

[4] 王晓原，张敬磊. 区域物流需求分析集对聚类预测模型研究[J]. 软科学，2004，18（5）：1117.

[5] 裴剑平，范东涛. 基于拓展四阶段法的城市轨道交通客流预测[J]. 都市快轨交通，2010（5）：57-61.

[6] 王元庆，周伟，吕连恩，等. 道路阻抗函数理论与应用研究[J]. 公路交通科技，2004，21（9）：82-85.

[7] 施泉，吴中，毛荣昌. 轨道交通客流预测四阶段法的改进[J]. 城市轨道交通研究，2006（9）：44-47.

[8] 邓敬春，杨梅. 四阶段法在物流需求预测中的应用研究[J]. 物流工程与管理，2013，35（4）：75-78.

[9] 晏杉，南爱强. TransCAD软件在公路建设项目交通量分析与预测中的应用[J]. 中外公路，2011（6）：273-276.

[10] Stier-Moses N E， Ordonez F. Wardrop Equilibria with Risk-Averse Users[J]. Social Science Electronic Publishing， 2010，44（1）：63-86.