基于FHWA模型的集装箱卡车服务区停车位数量计算方法研究*

姬杨蓓蓓 蔡 杰 姬子媛 徐 锦

(上海大学管理学院1) 上海 200444) (北京邮电大学世纪学院2) 北京 100876)

0 引 言

合理地计算集卡停车位，既能满足现阶段和远期的停车需求，又可避免盲目建设而造成土地资源和服务设施的浪费.

目前，我国现有的服务区停车规模计算方法大多是根据道路等级确定服务区停车位数量[1]，未考虑交通流量和服务间距等因素的影响.很多学者参考文献[2]中的参数，例如，蒋愚明等[3]针对普通高速公路服务区，对确定服务区停车位数量进行研究.在设计交通量方面，汤立涛等[4]研究发现在对公路交通量进行预测时，当数据样本较小时，运用多元线性回归结合三次指数平滑的预测模型所产生的误差小于BP神经网络预测模型.Wang等[5]基于国内生产总值和货运量的弹性系数，比较静态、动态和灰色组合模型，预测中国不同地区的客货运量.在驶入率方面，崔洪军等[6]基于高速公路车辆服务需求特征，结合高速公路OD矩阵，运用数理统计，建立了计算服务区车辆驶入率的新方法，从而量化分析服务区间距对驶入率的影响.屠念浔[7]基于小波神经网络，构建了高速公路服务区车辆驶入率预测模型，对驶入率的确定进行规范.在周转率方面，孙小年等[8]研究发现日本的调查数据不适合中国国情，在区域调查的基础上修正周转率参数，将周转率进行分级划分，作为区域停车位数量设计指导.关宏志等[9]以停车时间长度选择行为为对象，利用在北京市商业区——西单地区的停车行为调查数据和Logistic模型，建立了停车时间长度的选择模型，分析提高周转率的因素.在停车位计算的方法创新方面，王殊等[10]基于顾客到达时间与服务时间都呈负指数分布，引入排队理论，对传统的高峰小时驶入率和停车位数量的确定进行了改进.Carrese等[11]提出结合驾驶时间和行驶时间，对卡车停车位进行计算，但该方法未考虑到车流量的增长和港口未来发展趋势对停车位数量的影响.

由此可见，针对集卡服务区停车位合理建设数量的研究较少，我国在针对大型物流集散区域周边的集卡服务区建设案例也较少，原有的服务区停车位数量计算方法不能直接用于预测集卡服务区停车位建设数量.因此，文中在分析集卡停车位数量的影响因素基础上，引入港口年均吞吐量、日高峰系数，以及空载率等参数，对美国联邦公路局(Federal Highway Administration,FHWA)模型进行修正，提出了集卡服务区的停车位数量计算方法，并以上海洋山港的集卡服务区建设为例，计算集卡服务区的停车位数量，并分别与模型修正前以及日本服务区停车位计算方法做了对比分析.

1 改进的集卡停车位计算模型

1.1 原有的集卡服务区停车位计算模型

文献[11]在2014年将FHWA模型简化，去除了小汽车与卡车比例等因素，集中考虑了卡车的驾驶数据并应用于对意大利的停车场评估，研究内容都是大型车辆停车位计算，对本研究有一定的借鉴意义.但模型研究对象是一般的卡车，其运输特性和港口集装箱卡车还是有较大的区别，集装箱卡车服务区停车位的计算要结合港口的吞吐量和运输效率等因素.

原FHWA模型是基于卡车年均日流量和驾驶距离为基础，分四个步骤计算高峰小时停车需求：首先计算每辆卡车平均每次的驾驶时间，然后计算某地区每天卡车的总驾驶时间，再计算某地区卡车的总停车时间，最后根据高峰率，计算高峰时段停车需求.模型为

(1)

式中：PD为高峰小时停车需求；Cp为高峰小时系数，反映的是停车的集中程度，为1 h内最大车流量/d流量；PRS为停车是为了休息的概率，%；AADTHGVs为现状卡车日高峰流量，辆/d；L为车辆行驶距离，km；V为车辆行驶速度，km/h；TTS为每周每辆卡车停车总等待时间，h/周；TD为每周每辆卡车最大驾驶时间，h/周；TSS为每小时停车休息时间，min/h.

1.2 改进的FHWA模型

在原有的FHWA模型中，卡车日流量取值是现阶段流量统计数据，并未预测服务区建成后的使用期间的流量，难以满足未来的增长需求.此外，集卡日流量的大小和停车需求主要取决于港口吞吐量的变化和运输效率，高峰停车需求大小取决于车辆集中程度.因此,本研究在原有的FHWA模型的基础上引入了集卡的特征参数：港口年均集装箱吞吐量、集卡平均装箱量、集卡日均交通量，月高峰系数和日高峰系数.

1.2.1引入集装箱卡车特征参数

1) 港口年均集装箱吞吐量 港口吞吐量是指经由水路进出港口，并进行装卸的货物总量，港口所需集卡的数量是要满足运输需求.但在大型港口中，其经陆路由集卡进行转运的货物，只占吞吐量的一部分，在确定港口年均转运集装箱数量时应加入水陆转换系数β.

(2)

2) 集卡日均交通量(annual average daily traffic，AADT) 港区集卡的日均交通量是指经集卡运输的集装箱数量(twenty feet equivalent unit，TEU)与每辆集卡的平均装箱量(TEU/辆)的比值.但集卡日均交通量也受到空载率(Pe)的影响，在运输集装箱数量一定时，集卡空载率越大，日均流量越大.相反，集卡空载率越小，日均流量越小.其计算公式为

(3)

3) 月高峰系数(αm)和日高峰系数(αd) 月高峰系数是指每月集卡最高流量与年平均月流量的比值.利用流量统计数据，可以计算出月高峰系数，它表示的是月流量的浮动程度.日高峰系数是指在流量最高月份中，日最大流量与日平均流量的比值，它表示的是日流量的浮动程度，其计算公式如下所示.集卡日高峰流量(AADTmax)是集卡日均交通量与月高峰系数和日高峰系数的乘积.

(4)

(5)

4) 集卡平均装箱量(Mave) 集卡平均装箱量是指平均每辆集卡在一次运输中，装载集装箱的数量.它表示的是集卡的利用效率，在运输集装箱数量一定的情况下，平均装箱量越大，集卡日流量越小；反之，集卡日流量越大.在港口吞吐量增大的现状下，降低集卡流量的可行方案是：降低空载率，提高集卡平均装箱量.

1.2.2改进的FHWA模型

FHWA模型改进对象是主线集卡流量的预测，改进思路为：首先根据现状年运输集装箱数和主线交通量对集卡平均装箱量进行计算；接着预测港口稳定运营后的年集装箱运输量，根据平均装箱量和年工作时间得出集卡日均交通量；最后根据对现状交通量的统计分析，乘以高峰系数，预测集卡主线交通量大小.

改进的FHWA模型为

(6)

式中：PW为停车为了等货的概率；AADTmax为预测集卡日高峰流量.

AADTmax=AADT×αm×αd

(7)

式中：AADT为日均交通量；αm为月高峰系数；αd为日高峰系数.

(8)

(9)

(10)

(11)

式中：TEUy为现状港口集装箱年吞吐量，TEU；HGVall为集卡年总流量，辆/年.

2 文献[2]中停车位计算方法

港区集卡服务区停车位的规模大小主要取决于港口规模，驶入率和高峰率也是由船只到港时间密切相关，文献[2]中停车位计算方法其主要基于以下两个前提：①其服务间隔和服务时间不变，②其服务间距为50 km.故直接参考日本高速公路服务区停车位计算并不符合港口实际情况.其计算公式为

停车位数量=预测交通量×高峰率×

驶入率÷周转率

(12)

预测交通量是指通车10年后的交通量，其计算公式为

Q=q×(1+γ)n-1

(13)

式中：Q为预测交通流量，辆/d；q为现状交通流量，辆/d；γ为平均年增长率，%；n为预测年限.

驶入率(α)为车辆每日驶入服务区的数量占日均流量的比例，其计算公式为

(14)

高峰率(ε)为1 h内最多停车数量占每日总停车数的比例，其计算公式为

(15)

周转率(η)为1 h内每个停车位能服务多少辆车，其计算公式为

(16)

在集卡服务区停车位计算方面，改进后的FHWA模型与文献[2]停车位计算方法相比较，不仅消除了服务间距这一前提，而且提出了港口吞吐量、装箱率和驾驶时间等参数，更加全面的考虑集卡的平均装箱量、司机驾驶时间和法律法规对停车的影响，对集卡服务区停车位的计算更具有指导作用.

3 实例分析

3.1 上海洋山港概况

洋山港是距离上海最近的具备15 m以上深水港的天然港址.2015—2017年洋山港集装箱吞吐量分别为：1 540，1 561.6和1 655万TEU，平均年均增长率为3.7%，预计未来吞吐量达到2 200万TEU.2017年集装箱卡车流量达到5 006 402辆，日高峰流量为21 000辆.集卡流量年统计数据见图1.

图1 2014—2017年洋山港集卡流量统计

3.2 相关参数的确定

3.2.1现状集卡流量

根据对洋山港港口的调研和统计数据的收集处理，2015—2017年东海大桥集卡每月车流量统计见表1.

3.2.2日高峰流量的确定

根据统计数据：集卡空载率为0.1，洋山港远期吞吐量为2 200万TEU，集装箱水陆转化系数为0.5，日高峰系数为1.25.现状集卡高峰流量为21 000辆/d，经过以上模型计算，预测集卡日高峰流量为27 150辆，各参数结果见表2.

表1 2015—2017年洋山港集卡每月车流量统计

表2 集卡高峰小时流量计算结果

3.2.3集卡停车位需求预测

根据中国《道路交通安全法实施条例》第六十二条：连续驾驶机动车超过4 h应停车休息，停车休息时间不得少于20 min，每小时休息5 min.根据对200位司机实地发放问卷的调研：东海大桥限速80 km/h，司机平均行驶速度70 km/h，进出洋山港集卡总行驶里程70 km，集卡司机日驾驶9 h，司机每周最大的驾驶时间70 h，在等货或等通关时，司机平均每天的等待时间约为3 h，每周总等待时间为21 h，75%的停车是为了等货.通过对“上海沪洋高速公路发展有限公司”的访谈，洋山港地区集卡高峰时段有10%的车辆排队等候，即高峰小时系数为0.1.具体调研数据见表3.

表3 改进FHWA模型参数取值

将上述参数带入改进后FHWA模型中：

(17)

3.3 对比分析

3.3.1与日本停车位计算方法对比

根据调研数据，2017年进出洋山港集装箱卡车流量为5 006 402 辆，主线日高峰流量为21 000辆.由于2014—2017年卡车流量年均自然增长率为0.68%，10年后主线交通量根据预测公式计算可得22 315辆.

结合陈传德等[12]的调研数据，在服务区间距为50 km的情况下，卡车的驶入率为0.13，周转率为0.5，高峰率为0.1.计算可得停车位数量为580个.

3.3.2与原FHWA模型方法对比

根据原模型:

(18)

比较改进后FHWA模型与原FHWA模型和文献[2]的停车位数量计算结果，改进后FHWA方法计算出的停车位数量偏大.其原因为：原FHWA模型只是对现状停车需求进行估计，对于未来集卡流量的增长并未考虑.日本的高速公路停车位数量的计算是基于服务间距为50 km的假设下，洋山港地区的驾驶距离达到70 km，其驶入率、高峰率等参数取值偏小.

4 实地调研分析

随着洋山港四期工程的正式运营，未来停车需求巨大，但洋山港周边区域无法提供足够数量和质量的停车区域，不仅司机的饮食、住宿和安全等方面无法得到保障，而且增加了物流运输成本.根据对“上海沪洋高速公路发展有限公司”的访谈，于2018年建设的集卡服务区其设计停车位数为710个，与改进后FHWA模型计算结果相近.综合比较后改进后FHWA模型将集卡服务区高峰流量预测与港口年均吞吐量结合，停车位数量计算更贴近现行规划，即本研究结论适合于集卡服务区停车位数量的确定.

5 结 论

1) 在预测高峰流量方面：对原有FHWA模型进行改进，将流量与港口吞吐量、平均集卡装箱率、空载率等参数结合起来，更适合集卡流量预测.

2) 根据调研数据，改进FHWA模型计算结果与洋山港地区停车需求相近.

3) 文献[2]中停车位的计算方法，基于服务间距为50 km的前提，与洋山港地区的服务间距不同，直接套用日本规范的计算方法，导致计算结果偏小.