链上镖师 / Chain Biaoshi
TRA|步行化市中心装卸空间：配送仿真与位置优化
在大宫市中心案例中，论文把装卸点选址、停车容量竞争和行人车辆冲突放进同一套仿真优化框架。
这篇论文讨论步行化改造后货车还能在哪里高效装卸，并用离散事件仿真和位置优化同时评估配送时间与行人车辆冲突。
- 01：研究对象是城市中心步行化背景下的货运装卸空间选址问题。
- 02：方法把货车停车搜索、步行配送、服务时间和装卸点容量占用放进多智能体离散事件仿真。
- 03：案例来自日本埼玉县大宫市中心，实验比较不同步行化方案和需求、信息、时间平滑政策。
- 04：核心结论指向步行区边缘的连续装卸空间、充足容量和信息化管理对配送效率与步行环境的共同作用。
研究背景
许多城市正在把中心街道从机动车通行空间转向更舒适的步行环境。商业、办公和娱乐功能仍然集中在这些街区，门店和楼宇需要稳定收货，货车缺少合适装卸空间时会产生违停、巡游和拥堵，步行化方案由此需要同时处理街道活力与城市配送效率。
来源：Fig. 1，研究框架：步行化情景、装卸空间优化、配送仿真和冲突分析的整体链路。
论文把问题落到一个可计算的规划任务：在给定步行化情景下，哪些街道应设置货车装卸空间，才能尽量缩短配送活动总时间，并观察这种布设会怎样改变行人与货车在街道上的冲突风险。
文章的关键价值在于把步行化约束、装卸容量、货车停车搜索和冲突评估放进同一个框架，给城市中心的路侧空间再分配提供量化依据。
核心问题
研究的核心问题是，在步行化或步行优先管制压缩可停车街道后，货车如何选择可用装卸点，配送员需要多走多远，装卸点被占满后是否会带来额外巡游。论文关心的目标函数包含车辆行驶时间、步行配送时间和服务时间。
来源：Fig. 5，大宫市中心网络、配送需求分布与步行化方案设定。
案例区设置了5个货车进入和离开中心区的接入节点，基于街道宽度、长度和交叉口禁停距离筛出33条候选装卸街道，并通过路口 Voronoi 分区定义94个配送节点。配送需求由商店和建筑数量加权，行人流量来自KDDI位置数据。
候选装卸节点
33个
基础情景下可用于设置新装卸空间的候选街道数量。
配送节点
94个
通过路口 Voronoi 分区形成的配送目的地节点。
方法框架
论文先构建有向路网，区分接入节点、装卸节点和配送节点。每个装卸节点都有随时间变化的剩余容量，配送车辆到达后根据停车策略选择装卸点，容量被占用；完成步行配送并返回后，容量释放。
来源：Fig. 3，配送活动仿真模型中的车辆配送、停车搜索、步行配送和容量更新事件。
1货车从接入节点进入目标区，并按非齐次泊松过程生成到达时间。
2车辆前往距离配送目的地最近或实时可用的装卸节点，节点满员时在150米搜索范围内寻找其他空间。
3配送员从装卸点步行到配送节点，服务时间服从指数分布，平均约5.01分钟。
4配送员返回装卸点释放容量，全部任务完成后车辆驶出目标区。
5位置优化用变量表示候选街道是否设置装卸空间，并以最小化总配送时间为目标。
选址模型约束包括装卸空间总数、步行区内禁止设置装卸空间，以及非法停车次数阈值。案例中非法停车阈值设为0，装卸空间数量从5到15变化，每组方案通过100次仿真重复评估。
来源：Table 2，基准、需求削减、信息提供和需求平滑四类政策情景。
案例或实验设置
步行化情景围绕大宫站前的Ginza Street和Nakasendo设置。Ginza Street约150米，方案中车辆通行和装卸活动都被禁止；Nakasendo约220米，作为重要交通道路，研究只限制装卸活动。
01基础情景：Ginza Street和Nakasendo均未纳入管制，候选装卸节点为33个。
02情景1：Ginza Street步行化，候选装卸节点减少到30个。
03情景2：Nakasendo步行优先，候选装卸节点减少到29个。
04情景3：两项步行化措施同时实施，候选装卸节点减少到26个。
仿真输入来自第五次东京都市圈货物流动调查。研究用377辆货车的每趟配送目的地数量分布、539次配送的7:00至19:00到达分布，以及观测服务时间估计配送过程。车辆速度设为18千米每小时，步行速度设为4.5千米每小时。
基础配送强度
约500次
对应观测到达分布生成的12小时配送需求。
需求削减情景
约300次
用于评估配送强度下降后的容量竞争变化。
结果分析
配送时间结果显示，装卸空间数量增加后，各情景下目标函数整体下降。步行配送时间曲线与总配送时间走势接近，说明从装卸点到目的地的步行距离是效率变化的主要来源。容量足够后，继续增加装卸点的边际改善开始变小。
来源：Fig. 7，不同政策和步行化情景下的配送时间结果。
来源：Fig. 8，p=9与p=11时不同政策下的最优装卸空间位置模式。
最优布局通常靠近配送需求高的节点。步行化情景下，至少一个装卸点会布设在步行区边缘，服务步行区内部和商店街目的地。基准政策下，装卸空间更容易沿步行区边缘连续集中，较大容量和相邻布设共同减少停车搜索带来的车辆巡游。
来源：Fig. 9，p=9与p=11时各政策下装卸节点平均利用率和满容量次数。
管理启示
容量竞争是解释政策差异的关键。基准政策下，装卸节点更频繁满员，部分高需求边缘节点利用率和满容量次数都较高。需求削减政策下，满容量事件很少发生，额外巡游几乎被压低，装卸点位置选择也更灵活。
来源：Fig. 10，p=11时各情景下装卸节点平均利用率与满容量次数。
来源：Fig. 12，不同装卸点数量和步行化情景下的行人车辆冲突强度。
来源：Fig. 13，p=11时逐街道行人车辆冲突强度分布。
对城市管理者来说，步行化街区的货运治理不能只看装卸点数量。论文结果支持把步行区边缘容量、实时可用信息、需求强度管理和冲突街道识别一起纳入路侧空间方案。
论文：Optimizing loading space locations for walkable city centers
作者：Keita Imamura，Yuki Oyama
期刊：Transportation Research Part A
链上镖师、先卜交通、先卜运筹通用论文ID
保存此推文 ID，可在粉丝群内获取相关材料，未来更多功能敬请期待
先卜科技团队：常文婕、张巧巧、王一航、夏子帆、张晓乐、祁园园、张仁义
