文档介绍：该【重型货运车辆出行时空差异性和影响因素分析 陈小鸿 】是由【司棋】上传分享，文档一共【16】页，该文档可以免费在线阅读，需要了解更多关于【重型货运车辆出行时空差异性和影响因素分析 陈小鸿 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。:.
交通运输系统工程与信息
JournalofTransportationSystemsEngineeringandInformationTechnology
ISSN1009-6744,CN11-4520/U
《交通运输系统工程与信息》网络首发论文
题目:重型货运车辆出行时空差异性和影响因素分析
作者:陈小鸿,刘涵,张华,杨志伟
收稿日期:2022-07-23
网络首发日期:2022-10-01
引用格式:陈小鸿,刘涵,张华,
析[J/OL].交通运输系统工程与信息.
.
网络首发:在编辑部工作流程中,稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶
段。录用定稿指内容已经确定,且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期
刊特定版式(包括网络呈现版式)排版后的稿件,可暂不确定出版年、卷、期和页码。整期汇编定稿指出
版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出
版管理条例》和《期刊出版管理规定》的有关规定;学术研究成果具有创新性、科学性和先进性,符合编
辑部对刊文的录用要求,不存在学术不端行为及其他侵权行为;稿件内容应基本符合国家有关书刊编辑、
出版的技术标准,正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。
为确保录用定稿网络首发的严肃性,录用定稿一经发布,不得修改论文题目、作者、机构名称和学术内容,
只可基于编辑规范进行少量文字的修改。
出版确认:纸质期刊编辑部通过与《中国学术期刊(光盘版)》电子杂志社有限公司签约,在《中国
学术期刊(网络版)》出版传播平台上创办与纸质期刊内容一致的网络版,以单篇或整期出版形式,在印刷
出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊(网络版)》是国家新闻出
版广电总局批准的网络连续型出版物(ISSN2096-4188,CN11-6037/Z),所以签约期刊的网络版上网络首
发论文视为正式出版。
:.
췸싧쫗랢쪱볤ꎺ2022-10-0108:51:56
췸싧쫗랢뗘횷ꎺ.
重型货运车辆出行时空差异性和影响因素分析
陈小鸿1,刘涵1,张华*2,杨志伟1
(,道路与交通工程教育部重点实验室,上海201804;,同济大学
磁浮交通工程技术研究中心,上海201804)
摘要:重型货运车辆既涉及到城市经济生产和物流效率,也因为显著的排放、噪声和拥堵
等外部性属性对城市空间品质有明显影响,对其活动时空特征和影响因素分析是当前城市
空间品质提升和交通管理精细化的迫切需求。基于深圳注册的12吨以上重型货车GPS轨
迹数据,考虑不同类型货运车辆作业差异,提出利用统计抽样中最小样本量的观察结果确
定不同类型重型货车轨迹数据出行切割阈值水平的方法;针对5类重型货车,分析了出车
强度和出行时段的差异性,并与小客车进行对比分析,发现重型货车出行活动与小客车出
行在时间上存在错峰特征,且夜间出行占比较高;重型货车的活动空间具有组内差异性,
集装箱卡车具有显著的跨城市活动需求,更多承担中长距离运输功能,而土方车、重型罐
式车更多承担本地化运输服务功能;重型货车的活动空间具有集聚特征,出行活动的节点
强度具有无标度幂律分布特征;最后利用广义加性模型分析了两类典型货车活动空间的影
响因素,集装箱卡车活动与港口及交通仓储园区等物流设施呈现非线性关系,而普通大货
车还与工业园区等产业用地具有紧密关系。论文工作可以为重型货车交通精细化管理和交
通需求模型建设提供新的思路和方法。
关键词:城市交通;时空分布;轨迹数据挖掘;货车交通;影响因素;广义加性模型
中图分类号:U491文献标志码:A
TemporalandSpatialCharacteristicsDifferencesand
InfluencingFactorsofHeavyFreightVehicle’sTravel
CHENXiao-hong1,LIUHan1,ZHANGHua*2,YANGZhi-wei1
(,Tongji
University,Shanghai201804,China;&D
Center,TongjiUniversity,Shanghai201804,China.)
Abstract:Heavyfreightvehiclesarenotonlyinvolvedinurbaneconomicproductionand
logisticsefficiency,butalsohaveasignificantimpactonthequalityofurbanspaceduetotheir
emission,noise,,itisanurgentneedtoanalyzethe
spatiotemporalcharacteristicsandinfluencingfactorsoftheiractivitiesfortheimprovementof
heavytrucksover12tonsregisteredinShenzhenandconsideringtheoperationdifferencesof
varioussortsoffreightvehicles,thispaperproposesamethodtodeterminethetravelcutting
thresholdleveloftrajectorydatathroughtheobservationresultsoftheminimumsamplesizein
,thediscrepanciesinthetripintensity
contrastmanifeststhattheiractivitiesarestaggeredintimeandthenighttimetravelaccountsfora
,theactivityspaceofheavyfreightvehiclesisdiversewithinthe
-cityactivitydemandandaremoreresponsiblefor
mediumandlong-distancetransportation,whileearthmovingvehiclesandheavytanktrucksare
收稿日期:2022-07-23修回日期:2022-09-07录用日期:2022-09-21
基金项目:国家自然科学基金/NationalNaturalScienceFoundationofChina(72174147,71734004)。
作者简介:陈小鸿(1961-),女,浙江永嘉人,工学博士,教授,博士生导师。*通信作者:
xiaohai_******@
1:.
thecharacteristicsofagglomeration,andthenodeintensityoftravelactivityhasthecharacteristics
ofscale-,generalizedadditivemodelwasusedtoanalyzethe
’sactivity
iscloselynon-linearcorrelationrelatedtologisticsfacilitiessuchasportsandstorageparks,while
ordinarylargetruck’
perspectivesandmethodsfortheeffectivemanagementofheavytrucktrafficandheavytruck
demandmodelling.
Keywords:urbantraffic;spatiotemporaldistribution;trajectorydatamining;trucktraffic;
influencingfactor;generalizedadditivemodel
0引言
对城市货运交通的高效管理事关社会经济发展效率和居民生活成本。货运交通量增长
带来货运交通重要性提升,但城市发展品质要求也日益提高,这使得货运交通尤其是重型
货运交通管理日益成为城市交通安全、排放和污染等综合治理领域的重点工作。对货运交
通高效精准的管理需要全面理解和认识货运交通运行的时空特征和影响因素等问题。对比
客运交通,货运交通尤其是重型货运交通无论是理论研究还是应用研究都十分匮乏[1]。造
成货运交通研究不足的局面主要有两方面原因。一方面,在安全、环境和噪声等交通负外
部性未引起足够重视的时代,货运交通因为其相对客运交通而言交通量占比较小,未被认
为对城市交通运行具有重要影响,吸引的研究关注不够。另一方面,货运交通本质是经济
生产行为在流通领域的体现,是物资流通链上的多元主体(货主、承运商、货车司机、和
零售商等)经济行为的决策结果,并不是个体生活行为的呈现,这使得交通研究中最为常
见的人口-土地利用、居民出行调查、手机信令等基础数据几乎完全不能支持对货运交通开
展深入研究,使得货运交通领域研究基础十分薄弱。
随着信息技术应用普及和对货运交通尤其是重型货运交通治理要求的提高,世界范围
内对货运交通车辆全过程位置数据监测日益普及,为货运交通研究开辟了新途径[2]。近3-5
年来,基于货运车辆位置数据(GPS)分析货运需求特征、车辆运行特征等相关研究逐渐
兴起。SIRIPIROTE等[3]论证了利用货车GPS数据分析货车出行与活动特征、活动模式以
及出行链的可行性。利用GPS数据开展货运交通研究的关键技术问题之一是如何切割轨迹
数据构建车辆出行数据,ADMA等[4],通过
灵敏度分析方法确定10分钟的时长阈值切割出行,DEMISSIE等[5]提出基于速度阈值的启
发式算法识别GPS轨迹数据的货车停留行为,GINGERICH等[6]构建了距离缓冲阈值方法
来识别货车停留行为。2014年,交通运输部等部委联合发布《道路运输车辆动态监督管理
办法》以下简称《管理办法》),明确要求重型载货汽车(总质量为12吨及货运车辆)全部
安装、使用***装置,这对系统研究我国货运交通特别是重型货运交通提供了扎实的
数据基础。如丁晓青[7]、肖作鹏[8]基于12吨以上货车GPS数据分析了厦门、深圳重型货运
车辆交通特征,甘蜜[9]从货运出行信息辨识、货运系统关键特征预测以及货运系统应用三
方面综述了货车轨迹数据在公路货运领域中的应用。
回顾现有重型货运车辆交通研究,GPS数据已成为精细化描述车辆出行特征的重要工
具,基于轨迹数据提取出行信息是关键技术方法。目前关于货运车辆出行特征分析主要围
绕出行次数、出行距离(或时长)等基本信息开展,也有部分学者关注到了货运交通与设
施间的关联性并分析了大型设施间的货运交通联系[8]。但现有研究的对象较少考虑重型货
车分类,货车出行特征应该结合货运行为本身特性开展,例如不同类型的重型货车轨迹数
据的出行切割应该采用不同的时间阈值,以更精准识别重型货车的组内运行差异性,支持
更精准的货运交通管理政策的制订与实施。整体而言有两方面有待改进。其一,重型货运
2:.
车辆包括多种类型,如普通大货车、集装箱卡车、冷链车、土方车等,不同类型重型货运
车辆的功能作用和运行机制有着显著差异,既有研究对不同类型重型货车运行特征差异性
刻画不足。其二,不同类型重型货车交通时空分布的影响因素差异刻画不足,各类型货车
交通量与用地设施间的非线性关系研究不足。基于以上,本文重点刻画重型货车活动的时
空分布和影响因素的差异性,弥补既有研究不足。论文讨论了5类重型货车基于GPS轨迹
数据的出行划分阈值确定方法,分析了5类重型货车的出行次数、时刻分布、空间集聚模
式及其差异,最后以普通大货车与集装箱卡车为研究对象,利用广义加性模型
(GeneralizedAdditiveModel,GAM)解析了二类车辆活动空间影响因素及差异,捕捉了集
装箱卡车活动与物流仓储用地规模之间的非线性作用机制。
1货运车辆出行切分方法
(一
周)的GPS轨迹数据(车辆ID已匿名化编号处理),车辆类型包括普通大货车、集装箱卡车、
土方车、冷链运输车和重型罐式车五类。GPS数据采集间隔约30s,每条记录中包括时刻、
位置、速度、累计行驶里程等信息。原始GPS数据需要进行预处理和清洗,规则有以下五
条:(i)删除时间记录在研究日期之外的数据;(ii)删除完全重复的数据记录(保留第一
条);(iii)删除事件记录字段非0值的数据记录,即发生数据接收错误;(iv)剔除单日数
据小于100条的车辆数据,即判定车辆处于非使用状态;(v)剔除里程变化异常的车辆数据,
例如里程跃迁、单日里程变化大于2000公里等情形。数据预处理和清洗后,五类车辆的有
效样本数量见图1所示。
25000
20781
20000
辆/辆/15000
12250
样本量100008335
5000
439811
0
货车类型
图1五种类型货运车辆数据样本
GPS数据是监测车辆时-空变化的连续数据,如何切割连续数据来界定车辆活动或出行
是关键性的基础工作,直接影响到车辆活动特征分析和影响因素分析的结论。车辆出行界
定的首要工作是从轨迹数据中识别起讫的端点。基于GPS数据识别起讫端点分为两步:第
一步是根据GPS轨迹数据判断车辆是否存在停留及停留位置,第二步是基于停留位置筛选
有效停留点。第一步的车辆停留及其位置识别是通过车辆行驶速度或发动机是否熄火等信
息识别,第二步的有效停留点识别是技术关键点,主要有地理信息法[10]、空间聚类法[11]以
及时间阈值法[12]三种方法处理。地理信息法通常借助POI信息来辅助判断停留类型,需要
3:.
POI信息全面完整和精细的空间颗粒度才能有较好的正确率;空间聚类法试图找寻车辆轨
迹在空间上的高度集中位置来表征停留,对轨迹数据的采样频率及精度均有较高要求;结
合速度和位置变化的停留时间阈值法运用较为广泛,但难点是对停留时间阈值的确定,现
有研究主要通过经验判断来确定。
论文数据涵盖多种类型的重型货车,其运行机制和影响因素存在异质性,地理信息法
和空间聚类法难以有效刻画,因此采用时间阈值方法筛选停留点。为捕捉不同类型车辆活
动差异性,针对不同类型车辆确定差异化的时间阈值。论文提出两步骤货车出行划分方法,
如图2所示。第一步是根据停留时长与速度阈值的组合生成初始停留点集;第二部采用时
间阈值法(各类车辆阈值不同)筛选得到有效停留点,将两次有效停留之间的片段提取为
一次车辆出行,构建车辆出行数据集,包括每次出行的起讫点及起止时刻等数据字段。
图2货车轨迹切割方法示意图
(1)识别初始停留点集。将一段时间内里程未发生变化视作停留时段,但考虑到某些
轨迹数据的跳跃性(如两条数据间隔长达几分钟),因此以速度阈值作为补充,共设置两条
识别规则。规则一:若字段‘mileage’(即里程)保持不变超过10min判断为停留。现有研
究成果表明10min作为货车停留事件的判别是合理的[4],且本文研究对象为12吨以上重型
货运车辆,重点关注车辆因作业过程而产生的停留行为,10min阈值选择可剔除部分外部
因素(如等待红绿灯、堵车等)造成的干扰。规则二:对于某些跳跃数据记录,某里程记
录可能只存在一条,如果根据规则一则该里程持续时间为0,因此不会被判断为停留点。
对于这部分数据,则计算其前后两条数据记录的里程差以及时间差,得到该时段的平均速
度,将平均速度低于某设定阈值的点同样记录为停留点。速度阈值设置与规则一保存一致,
选取6km/h。
(2)基于时间阈值的停留点筛选。
针对人的出行规律、出行特征已经被大量研究并且形成了稳定共识,在客运出行的轨
迹数据研究中,通常以调查数据或其他多源数据的日均出行次数、出行时长等指标检验时
间阈值选取合理性。但货运车辆出行或使用特征的研究基础较为薄弱,加上货运交通类型
的多样性以及作业方式复杂性,目前缺少共识性的货车出行切割时间阈值,需要从样本统
计量和统计特征稳定性两方面说明出行切割结果的可信度。论文运用抽样统计中的最小样
本量原理,针对不同类型重型货车,通过绘制一定数量的车辆时空轨迹图(如图3所示),
观察每日出行情况,测试对比不同时间阈值选择下的切分结果,选择最符合实际观察结果
的时间阈值作为筛选有效停留点的取值。
4:.
图3货车单日时空轨迹示例
-dayspace-timetrajectoryofatruck
不同类型重型货车轨迹数据观察的最小样本量确定方法如下:
()z1/222(1)
nE2
式中:n为最小样本量,z1/2为95%置信区间下的统计值(),为样本总体标
准差,E为可接受误差。由于总体数据的未知,以抽样数据中各类型货车出行次数标准
差()作为总体标准差的估计。不同时间阈值选择下标准差有所差异,计算发现各类货车
在不同的时间阈值切割下的,因此选取最大值。可接
,带入公式(1)得到计算结果n97,故选取各类货车100辆作为反
应总体样本的最小抽样数据。
通过对各类型货车的最小样本量抽样观察和统计,统计发现集装箱卡车、冷链运输车、
土方车、普通大货车、、、、。
研究中,设定30min、25min、30min、25min和35min的出行切割阈值,将得到的出行
次数与通过最小样本量观察到出行次数相比较,选择最接近结果的时间切割阈值作为合理
结果,得到各类货运车辆轨迹数据的出行切割阈值见表1。可以发现,不同类型的货运车
辆合理的出行切割时间阈值是存在差异的,重型罐式车、集装箱卡车和土方车的切割阈值
较长,这与其单次装卸作业平均时长是紧密关联的。
表1五类货车出行划分时间阈值
Table1Timethresholdsfortripscuttingoffivetypesoftrucks
货车类型出行切割时长阈值(min)
集装箱卡车30
冷链运输车25
土方车30
普通大货车25
重型罐式车35
基于统计抽样的最小样本量方法测试确定不同类型货运车辆出行切割阈值,还需要分
析切割结果展现的不同类型货车出行基ᴨꤕ넂젅ᔉﴊ䄅聁Ԭ됊㠪㘖圁쐀根据确定的出
行切割阈值,计算得到各类重型货车基本出行特征如表2所示。(i)重型货车日均行驶里
程基本在200-350公里之间,这一指标远高于客运小汽车30-50公里,表明重型货车的日
均使用强度较高。(ii)结合日均行驶里程和日均出行次数指标,分析出行界定结果的合
理性。载重量越大的货运车辆装卸货时间可能越长,那么日均出行次数应越少、单次出行
距离越长,计算得到的普通大货车和集装箱卡车指标结果符合这一推断。重型罐式车和土
5:.
方车出行次数显著高于其他重型货运车辆也与其自身作业特点相关,如土方车需要频繁往
返工地承担“建筑垃圾、建筑材料”运输任务、重型罐式车的装卸方式是独特的。
进一步将结果与既有研究的相关指标交叉验证。YANG[10]等拟合了12吨以上大型货运
车辆停留时长的分段幂律分布曲线,发现大于26分钟的停留行为才较可能与装卸活动相关,
并结合地理信息数据(POI数据)和路网数据筛选有效停留位置。表2中展示的本文结果
与既有研究结果整体是一致的。但不同类型的重型货运车辆其活动的关联设施具有显著差
异,较难获取可以关联不同类型货车活动的高质量POI数据来支持对各类货车出行数据的
构建。论文所采用的方法在结果得到整体合理性检验前提下,可以在缺少完整的POI数据
条件下实现不同类型货车出行信息的捕捉和构建,但技术过程更为简洁,具有更好的可移
植性。
表2五类货车出行的基ᴨꤕ넀
Table2Thebasiccharacteristicsofthefivetypesoftrucktravel
次均行驶时长
次均行驶距离(km)
出行日日日均行驶(h)
货车类型样本量均出行次里程总
总出
数(km)其中市域内行驶距离出市内出行
行行
2重型货运车辆活动时间差异性
车辆的出车率体现了用车强度,用一周内的出行天数表征,指一周内有车辆使用的天
数。5类重型货运车辆的使用天数分布情况如图4所示。重型罐式车和土方车的出车率明
显高于其他类别重型货运车辆,两者一周内每日都出车的车辆比例分别达到70%和67%,
其他三类重型货车仅45%-50%的车辆会在一周内的每日都会出车。用车强度的不同可能源
于货运类型的差异,罐式车、土方车都是专用型作业,车辆规模受管制程度较高,因此已
进入细分市场的车辆利用率较高,其他类型的重型货车市场化程度更高,每日的运输需求
受市场调节而存在波动情形。
%%
%%
%%
货车类型
%%
%%
0%20%40%60%80%100%
占比/(%)
七天六天五天四天
三天两天一天
图4五类货车一周出行天数分布
6:.
一日内的出行时段分布是影响重型货车对道路交通网络运行影响的直接因素,例如是
否与小客车具有相同的时段分布等特征。各类货车一周内所有出行的出发时段的概率密度
分布如图5所示,并增加了小客车出行时段分布(基于深圳市个人自用新能源汽车的GPS
数据分析结果)对比分析。结果显示:(i)重型货运车辆出行时段分布密度曲线相比小客
车更加平滑,出行波峰-波谷现象不如小客车显著,以集装箱卡车最为典型;但土方车出行
有明显的早晚高峰时段,分别为09:00和20:00,与小客车高峰时段错开,这与建筑工地作
业计划和土方车交通管理政策紧密相关;(ii)货运车辆夜间至凌晨活动较小客车更为频繁,
如22:00-06:00时段占比都显著高于小客车,这表明重型货运交通有着自身独特的作业计划,
对这一特征的深度挖掘是制定高效、合理的货运车辆通行管理措施的关键工作;(ⅲ)土方
车与重型罐式车的夜间出行占比要高于其他货运车辆,普通大货车以及集装箱卡车更倾向
于日间出行,这可能与不同类型货运车辆所服务的生产活动要求和交通管制措施的差异是
关联的,例如土方车主要是运输建筑工地挖掘作业的废弃物,而挖掘作业可能存在昼夜连
续施工要求,从而带来土方车夜间活动频次较高的特征。
图5五类货车出发时刻分布情况
3重型货运车辆活动空间差异性
货运交通的起讫点与货运设施、货源产生或接收点等紧密关联,这可能会带来货运交
通在空间上的集聚现象,不同类型重型货车承担的货物类型或用途不同,其集聚特征是否
存在差异值得挖掘分析。
重型货运车辆通常的活动范围并不仅限于单个城市内部,因此分析货车在城市内部的
活动空间特征之前,需要在更大的空间尺度上探索活动空间分布特征。论文的数据对象是
注册在深圳(粤B车牌)的12吨以上重型货运车辆,分析重型货运车辆进出深圳市域的
活动特征,将货车活动根据起讫点空间位置分为深圳市内活动(市内-市内)、跨深圳市活
动(市内(外)-市外(内))以及深圳市外活动(市外-市外)3类,5类货车的3种活动数
量占比如图6所示。
土方车与重型罐式车二者深圳市内活动占比分别高达87%与89%,说明这两类车辆几
乎完全活动于本地城市,这可能与这两类车辆受地区专营制度约束较强是紧密关联的。集
装箱卡车的市内活动占比最低的,%,这表明集装箱卡车主要承担中长途货物运输
服务,其活动空间通常是在区域乃至全国空间中分布。相比之下,普通大货车在深圳市内
活动占比接近40%,更主要承担本地运输功能。
7:.
冷链运输