ArcGIS как основа планирования грузоперевозок портового мегаполиса

Котиков Ю.Г., профессор кафедры транспортных систем Санкт-Петербургского государственного архитектурно-строительного университета (СПбГАСУ), г. Санкт-Петербург, e-mail: cotikov@mail.ru

 

ArcGIS as a basis for freight traffic planning of a seaport megacity

 

На примере Санкт-Петербурга рассматриваются вопросы оптимизации автомобильных грузопотоков транспортно-логистического кластера портового мегаполиса. Выделяется необходимость высвобождения центральной части города от множества припортовых складов и внутригородских грузовых линий и насыщение зон объездных кольцевых дорог терминально-складской инфраструктурой. Город является концентратором потоков и узлом международного транспортного коридора, что требует реализации современных логистических концепций “Foreland-Hinterland” и “Hub-and-Spoke”. В русле этих концепций подчеркивается необходимость оптимизации распределения транспортных потоков и возможность решения этой задачи в среде ГИС ArcGIS. Формируется соответствующая ArcGIS-модель и база геоданных, количественно решается задача обоснования вывода грузопотоков из центра города на кольцевую дорогу. Пример на базе статистических данных демонстрирует технологические особенности данного решения.

Вступление

Глобальная пространственная транспортная организация характеризуется узловым характером, при котором потоки людей, грузов и информации обрабатываются концентраторами транспортных коридоров — шлюзами и хабами [1].

На современном этапе логистика крупных мультимодальных транспортных коридоров (МТК) и узлов вышла на уровень понятий, моделей и управления транспортно-логистическими кластерами (ТЛК) [2]. В ТЛК портового мегаполиса транспортировка грузов из морского порта во множество тыловых терминалов (“Foreland-Hinterland”) чаще всего реализуется на основе сетевой структуры типа “Hub-and-Spoken” [3], что свойственно и для Санкт-Петербурга (СПб) [4].

Ведущую роль в моделировании больших пространственно-распределенных систем играют геоинформационные технологии (ГИС) [5-7]. В русле этих идей и находится представляемое ниже исследование, проведенное в среде ГИС ArcGIS [8] и направленное на обоснование оптимальной маршрутизации в ТЛК СПб.

Кластерный подход в экономической географии

Одной из основ экономики производственно-транспортной агломерации является принцип кластеризации. Кластер в экономике — это сконцентрированная на некоторой территории группа взаимосвязанных организаций, взаимодополняющих друг друга и усиливающих конкурентные преимущества как отдельных организаций, так и группы в целом [2, 9]. Развитие рынка транспортно-логистических услуг в России создает предпосылки для формирования в РФ ТЛК, как наиболее эффективной формы интеграции участников рынка этих услуг, обеспечивающей максимальный синергетический эффект [10].

Логистические сервисы высокого уровня все более концентрируются внутри ареалов сравнительно небольшого числа городов-метрополий с пригородами, маркированных как мировые города. СПб относится к таким городам.

Глобальные потоки обрабатываются шлюзами (Gateways) и хабами (Hubs). Шлюз обычно – это начальный, конечный пункт, либо пункт транзита. Он определяет вход и выход зон генерации/поглощения и требует использования различных видов транспорта. Хаб – центральная точка для накопления, сортировки, перевалки и распределения товаров для специфической зоны. Эта концепция представляет накопление и распределение через единственную точку – концентратор понятия “Hub-and-Spoke”. Хабы чаще всего унимодальны – заточены на один вид транспорта.

В мировых портах и их ТЛК все сильнее формализуется территориальное понятие “Foreland – Hinterland”, в ареале которого расположен комплекс морского порта и его вынесенных наземных терминалов (Main Port – Inland Ports), как единое целое, встроенное одновременно и в хозяйство региона, и в цепи поставок международных транспортных коридоров. СПб считается площадкой для развития такого ТЛК [1-3].

Обсуждение проблематики ТЛК СПБ

Санкт-Петербург, являясь крупным портовым городом, узлом 9-го МТК, имеет ряд проблем, требующих системного решения: высвобождение центральной части города от припортовых складов и внутригородских грузовых линий, формирование объездных КАД с насыщением их зон терминально-складской инфраструктурой и др. [4].

Большой Порт (БП) является системообразующим элементом ТЛК. В Стратегии развития ТЛК СПб [4] во множестве актуальных задач [4, 6] выделим те, решение которых немыслимо без использования ГИС-моделей:

  1. развитие системы тыловых терминалов БП;
  2. вывод грузовых дворов из центральной части СПб;
  3. перемещение грузогенерирующих объектов в зоны локализации и за пределы КАД;
  4. формирование “Грузового каркаса” улично-дорожной сети (УДС) СПб с целью обеспечения связи зон локализации грузогенерирующих объектов между собой и с КАД.

 

Эти проблемы структурного характера охватывают функциональную задачу – обеспечение оптимального распределения грузовых потоков в ареале петербургской агломерации. Количественному обоснованию стратегии распределения грузопотоков морского порта по его тыловым терминалам и другим получателям и посвящено настоящее исследование.

Формирование ArcGIS-моделей элементов ТЛК мегаполиса

Основной моделью данных в ArcGIS является база геоданных (БГД). Процесс создания концептуальной модели БГД и последующего перехода через логическую к физической модели осуществлялся нами с привлечением UML, XML и Диаграммер’ов Esri. Как итог, БГД содержит классы пространственных объектов и таблицы, несущие географическую информацию об УДС города, гидрографии, градостроительном слое, объектах грузогенерации и грузопоглощения ТЛК, используемых транспортных средствах (ТС).

При создании Грузового каркаса УДС реализована иерархия дорог: скоростные (КАД и Западный скоростной диаметр (ЗСД)), магистрали городского значения, а также местные дороги (рис. 1). Класс объектов Грузового каркаса содержит: наименование дороги; уровень в иерархии дорог; скорость движения; длина участка дороги; количество полос; параметр наличия одностороннего движения и другие.


Рис. 1. Грузовой каркас УДС Санкт-Петербурга.

Позиционирование объектов дорожной инфраструктуры (ОДИ) осуществляется посредством линейных координат m оси дороги. Форма двухмерных объектов поддерживается классом полигональных пространственных объектов. Производится привязка центроида к выбранной осевой линии дороги.

Размещение терминально-складских объектов (ТСО) при мелкомасштабном моделировании осуществляется подобно вышеназванному размещению ОДИ вдоль дороги. При крупномасштабном моделировании привязка осуществляется по географическим и/или проекционным координатам. Здесь связь с дорогой обеспечивается системой подъездных путей.

За основные грузогенерирующие/грузопоглощающие объекты приняты промышленные зоны, индустриальные и технопарки, а также причалы БП. Информация по 48 логистическим объектам зоны Hinterland собрана и размещена в наборе данных БГД ТЛК. В таблицу атрибутов помещена информация, содержащая основные характеристики логистических мощностей: название, местоположение, общая площадь, тип, географические координаты и др. В приложении ArcGIS ArcMAP проведена оцифровка зон этих объектов, найдены центроиды объектов (см. рис. 2) – для связи объектов с УДС.


Рис. 2. Размещение логистических объектов с центроидами: терминалы зоны Foreland (7 районов БП) – синие ромбики; терминалы зоны Hinterland – зеленые полигоны; центроиды – звездочки.

При разработке блока перевозок сначала был создан класс транспортных средств (ТС), таблица атрибутов которого содержит, кроме идентификационных и геометрических, следующие поля: Собственник, МаксимальнаяСкорость, Высота, Длина, Ширина, снаряженнаяМасса, ПолнаяМасса, ТипНагрузки, НачалоДвижения, КонецДвижения, Вместимость и др.

Для осуществления навигации по ТЛК СПб использована авторская модель ИПО-3D-M [6], позволяющая в зависимости от масштаба задачи привлекать центрально-осевую, коридорную, либо полосовую модель УДС. В набор сетевых данных модуля Network Analyst включены класс центроидов и класс коннекторов. Для отображения Правил Дорожного Движения (ПДД) с помощью класса “Turns” для пересечений Грузового каркаса созданы соответствующие ограничения на повороты. Набор сетевых данных имеет стандартные атрибуты: DriveTime, Meters, Hierarchy, Oneway. Проверка связности УДС произведена перебором множества маршрутов на Грузовом каркасе.

Оригинальным способом сформированы матрицы корреспонденций. Атрибуты зон, вместе с координатами центроидов, были занесены в таблицу Excel, в которой также указаны грузовые связи из 7 центроидов БП (зоны Foreland) в центроиды грузопоглащения (зоны Hinterland). На основе данных об объемах грузоперевозок между районами БП и тыловыми терминалами построены матрицы корреспонденций (табл. 1). Отметим, что из 336 связей (клеток матрицы) только 217 заполнены объемами грузоперевозок – для остальных грузоперевозки отсутствуют.

Таблица 1

Матрица корреспонденций, тыс.т/год

Номер ID 2 29 47 48 Сумма
50 14 91 62 636
51 5 31
52 398 37 149 2507
53 378 733 935 16194
54 365 1538 660 2902 38476
55 _ 54
56 _ 1
Сумма 1156 2313 752 4047 57900

 

Последовательностью преобразований ArcGIS в среде ArcCatalog и ArcMap сформировали два отдельных класса объектов: один – грузогенерирущих (Orig), другой – грузопоглощающих (Dest), наполненных информацией о пространственном расположении, объемах перевозок, адресами и пр., а также специальными идентификаторами, назначенными на роли первичных и внешних ключей для связи таблиц при последующем количественном анализе. Сформированный в БГД оригинальный поддерживающий механизм обеспечивает возможность более глубокого анализа, нежели простой набор классов пространственных объектов, визуально отображенный на рис. 2. Это мы покажем далее.

Расчет и анализ множества маршрутов

Анализ множества возможных маршрутов проводился по расстоянию и времени их прохождения в модуле Network Analyst. Сначала создается географически привязанная матрица стоимостей (OD-matrix). При ее создании обеспечивается включение в Свойства слоя ограничений на одностороннее движение и повороты. Матрица (OD-cost matrix) приведена на рис. 3 – входы и выходы соединены между собой прямыми линиями. При этом, однако, реализация движения между входами-выходами и расчет показателей движения ТС осуществляется по Грузовому каркасу с учетом времени, расстояний, иерархии дорог и скоростей на них, а также ограничений, накладываемых на УДС.


Рис. 3. Географически привязанная матрица корреспонденций (OD-cost matrix).

Далее, на основе матрицы корреспонденций производится количественный анализ для двух типов маршрутов: сквозных и объездных. Сквозной тип маршрута осуществлялся по критерию минимального расстояния с использованием ребер Грузового каркаса центральной части города (рис. 4). Объездной тип осуществлялся по критерию минимума времени движения при запрете на движение по центру, оставляя для прокладки основной части маршрута лишь ЗСД и КАД. Это достигалось путем задания полигонального барьера (рис. 5).


Рис. 4. Маршрут сквозного типа (фиолетовая линия).


Рис. 5. Маршрут объездного типа (фиолетовая линия).

При построении множества маршрутов матрицы корреспонденций использовано время движения с учетом задержек на поворотах и значений скорости: на ЗСД и КАД – 90 км/ч, по городским магистралям – 40 км/ч, а по местным дорогам – 20 км/ч.

В качестве примера, рисунки 4 и 5 отражают два варианта маршрутов движения от точки 53 до точки 29 матрицы корреспонденций (табл. 1). Подобным образом проведен анализ всех маршрутов матрицы корреспонденций. Результаты занесены в сводную таблицу результатов движения по всем маршрутам. Для точки генерации БП ID=53 результаты представлены в табл. 2. Видим существенную разницу показателей движения.

Таблица 2

Результаты моделирования движения из точки генерации потоков ID=53 БП в точки поглощения потоков для двух вариантов маршрутов: сквозного и объездного.

Имя маршрута Сквозная схема движения Объездная схема движения
Расстояние, км Время движения, ч Скорость движения,
км/ч
Расстояние, км Время движения, ч Скорость движения,
км/ч
53 – 2 23,32 0,49 47,6 23,10 0,49 47,1
53 – 29 28,90 0,84 34,4 45,90 0,73 62,9
53 – 48 22,38 0,46 48,65 29,03 0,38 76,38
Сумма (итог) 1499,8 27,7 54,2 1707,6 24,35 70,1

 

Аналогично произведены расчеты для остальных шести точек генерации маршрутов матрицы корреспонденций.

Далее, посредством инструмента «Статистика» Network Analyst по совокупности 217 значимых маршрутов построены Диаграммы по атрибутам Total meters и Total DriveTime для сквозной и объездной схем движения. Анализ диаграмм сведен в табл. 3.

Таблица 3

Показатели движения ТС по совокупности 217 маршрутов.

Схема движения Средний пробег ездки, км Суммарный пробег всех ТС, км Среднее время ездки, мин Суммарное время движения, мин Средняя скорость движения, км/ч
Сквозная 57,8 12542 66,3 14384 52,3
Объездная 60,2 13060 64 13886 56,4

 

Выполненный анализ позволяет сделать вывод, что, при большей длине маршрутов в случаях движения в объезд центра города, рационально переносить маршруты движения грузового автотранспорта на скоростные магистрали ЗСД и КАД, так как время движения при этом сокращается, что дает возможность выполнить больше рейсов в заданный отрезок времени.

Расчёт и анализ объёмов перевозок

Рассмотрим, как скажется разница полученных показателей на общей производительности системы перевозок из БП в тыловые терминалы.

Снова используем маршрут 53-29. Исходными данными будут объём перевозок за год 733 тыс. тонн (см. табл. 1), время движения равное 0,84 и 0,73 часа для сквозного и объездного типов движения соответственно (см. табл. 2); время работы ТС на маршруте принимаем 10 часов. Для перевозки используем 20-футовые контейнеры – производительность за одну ездку условно равна 22 т, а погрузка или разгрузка – 15 минут (0,25 часа).

Для сквозной схемы движения суточный план рассчитываем исходя из годового объема перевозок:

Qр.д.=Qг/365 = 733,26/365=2,009тыс.т.;

время одного оборота:

tоб=tдв+tп-р = 2×0,84+0,25×2=2,18ч;

число оборотов за день:

nоб=Tм/tоб = 10/2,18=4,59=4 об;

производительность за рабочий день:

Vр.д.=Vез nоб= 22×4=88т;

необходимое количество автомобилей в день:

Aр.д.=Qр.д./Vр.д. = 2,009×1000/88=22,82= 23ед.

Аналогичный расчет для объездной схемы движения привел к результату: число оборотов за день – 5; выполняемый автомобилем объем перевозок за рабочий день – 110 т; необходимое количество автомобилей для освоения запланированного объема перевозок по маршруту 53-29 – 19 ед. Если пустить 23 автомобиля по объездной схеме движения, то годовой объем возрастет и составит 923,45 тыс.тонн. То есть разница для связи 53-29 составит: 923,45 – 733,26 = 190,19 тыс.т/год.

Таким же образом произведены расчёты по всем маршрутам из совокупности семи центроидов БП по тыловым терминалам, имеющим с БП грузовые связи. При этом использованы данные по годовым объемам перевозки по 217 значимым связям матрицы корреспонденций, отражающим грузоперевозки из 7 портовых терминалов в 48 тыловых. Итоги сведены в табл. 4.

Таблица 4

Итоговая сравнительная таблица по всем маршрутам доставки грузов из БП.

Схема движения Qгод, тыс.т tдв, мин Qр.д, тыс.т Vр.д., тыс. т/д А, шт
Сквозная 57814 12374 152,4 9,8 1748
Объездная 57814 10848 152,4 11,2 1625
Улучшение, ед 1,4 123
Улучшение, % 14,4 7,6

 

Из таблицы видно, что при реализации объездной схемы движения по совокупности всех 217 маршрутов производительность увеличивается на 14%, а общее требуемое количество автомобилей уменьшается на 7,6%.

Обсуждение результатов исследования

Исследование количественно подтвердило идею здравого смысла: маршруты грузового транспорта оптимально прокладывать по скоростным дорогам, минуя городскую УДС, так как это позволяет сократить время прохождения маршрута, и соответственно повысить производительность.

С другой стороны, возможность использования скоростных кольцевых дорог для повышения эффективности перевозок существенно поддерживает тенденцию выноса тыловых терминалов порта и других объектов ТЛК с территории города в пригородные зоны.

Заключение

Создание ГИС-модели транспортно-логистического кластера – трудоемкий интеллектуальный процесс, а поддержание такой модели связано со многими проблемами: верификации, валидации, актуализации данных и другими, здесь не затронутыми. Однако соответствующие усилия будут оправданы, ведь даже такой простой количественный анализ, какой представлен в статье – немыслим в отсутствие ГИС-модели.

Сформированная технология исследования и количественного анализа в среде ArcGIS может послужить основой рабочего инструментария планирования грузопотоков ТЛК портового мегаполиса.

Литература

  1. Rodrigue,
    J-P. The geography of transport systems. Hofstra University, Department of
    Global Studies & Geography. – URL: http://people.hofstra.edu/geotrans/.
  2. Business Concepts
    and Models for urban logistics (pdf.-документ) – URL: http://www.transport-research.info.
  3. Freire Seoane, M-G, Laxe, F-G, Montes C-P. Foreland determination for containership and
    general cargo ports in Europe (2007-2011). Journal of Transport
    Geography, Vol. 30, June 2013, Pages 56–67.
  4. Стратегия развития ТЛК СПб. (Постановление
    Правительства Санкт-Петербурга от 3 июля 2007 г. N 741; с изменениями) – URL: http://www.fpa.su/regzakon/
  5. Котиков Ю.Г. Разработка транспортно-логистической
    базы геоданных мегаполиса средствами ГИС ArcGIS.
    Вестник гражданских инженеров, № 2(19), СПб, СПбГАСУ, 2009. – сс. 46-50.
  6. Котиков Ю.Г. Геоинформационная система ArcGIS как
    интегратор в моделях планирования транспортных систем мегаполисов. Вестник
    гражданских инженеров, № 2(31), СПб, СПбГАСУ, 2012. – сс. 214-222.
  7. Kotikov, Ju and V. Lukinskij. Method for
    Investigating Variants for Modernization of the Road Network Section in the GIS
    Environment. World Applied Sciences Journal, 23 (Problems of Architecture and
    Construction), pp: 165-171.
  8. ArcGIS for Desktop. — URL: http://www.esri-cis.ru/products/
  9. Porter, M-E.
    The Competitive Advantage of Nations: With a New Introduction. N.Y.: The Free Press,
    1990, Palgrave Tenth
    Edition, 1998 – 855 p.
  10. Прокофьева Т.А., Сергеев В.И. Логистические
    центры в транспортной системе России: учебное пособие. – М.: Издательский дом
    «Экономическая газета», 2012. – 524с.