物流工程分析方法物流中心pdf 14_W

1、 物流工程分析方法 第四章 物流中心 第四章 物流中心 4.1 物流中心的政策 从原材料供应者到制造企业、批发商、零售商、消费者的物流，可以看作为河流的流动，生产端为上游、消费端为下游。生产流通系统的目的在于提高对于最下游的消费者的满足水平，发掘更大的附加价值。为了达到这一目的，对于物流需要几个功能： 首先，需要将上游的大批量运输分解成为下游的小批量运输，并且，为了丧失各阶段的销售机会保存必要的库存。进一步，组合、包装、贴标签等成为提高附加值作不可欠缺的工作。这些组合、分解、流通加工的基地称为物流枢纽。 随着信息化技术的进展，从下游向上游的信息流动产生分流，消费者、批发商、或者制造企业往往直接

2、进行交易。但是，实物流通一般并不发生大的变化。虽然，一部分包装等流通加工会移向上游，库存功能可能从批发商向物流服务企业转移，但是，基本上都需要将大批量分解成为小批量的物流枢纽。 物流枢纽一般为民营设施，但其设施的布局不仅影响到物流系统的运行效率， 而且对于区域社会产省交通拥阻、交通公害等影响。因此，作为政府的策略往往进行多种调控。下面，概略地介绍这方面的变迁。 4.1.1 卡车枢纽 运输省在 1959 年为了提高汽车运输效率而制定了汽车枢纽法。该法规中包含了“客运枢纽”和“卡车枢纽”，分别由运输大臣授予枢纽经营许可。不过，这一法律没有包含对于枢纽建设的支持方面的内容。 卡车枢纽包含了公共使用的

3、一般卡车枢纽和针对特定业务的专用枢纽（参见表 4.1）。1993 年日本全国具有一般卡车枢纽 25 所，其中 60%由第三方进行经营。 年度 一般 专用 合计 个数 车位数 个数 车位数 个数 车位数 1960712661051430611224572196571376136869051439728219706815611580882616481038719757031911822120191892152101980223215146912582149115797198524371114301377414541748519862437351452142211476179561987253771

4、14951484015201861119882537711519152571544190281989253790154615740157119530199025379915691621115942001019912537991591163641616211631992253799162516096165019895199325379916571638616822018514 表格说明：一般卡车枢纽，以及专用卡车枢纽 1975 年到 1980 年期间出现大幅度下降，是由于对于实际基本上没有营运的枢纽加以整顿的结果。 1965 年设立了特殊法人，1985 年民营化日本卡车枢纽拥有并经营京滨、板桥、

5、足立、葛西 4 个卡车枢纽，1998 年 3 月的营业额达到 110 亿日元，申报利润 23 亿日元，可以说相对于营业额申报利润额的比利时很高的。 如图 4.1 所示，4 个卡车枢纽都位于干线道路网的重要位置，是便于使用的设施。但是，随着今后环线干道的修建，在外环的外侧，或者中央环线的沿线进行设置，从物流系统的角度来看是具有效率的。 4.1.2 流通业务团地 1966 年制定了针对经济企画厅、通产省、建设省、运输省、农林水产省所管理的流通业务街区的法律（流市法）。这一法律是以“通过指定关于在城市中改造流通业务街区必须注意的事项，以提高留用功能和平顺道路交通为目标，使得城市的功能得以维持和增进”

6、为目的，具体来说，包括促进地方自治体、城市基础改造公团成为事业主体进行土地改造，提供运输、装卸企业的用地，促进物流相关设施从城市中心部的转移等。 该法律在 1993 年进行了较大幅度的修改，在这之前仅限于大城市，修改之后， 地方也可以在枢纽附近进行流通团地的改造。并且，在团地中限制主要用于城市规 划中流通业务相关的卡车枢纽、仓库等，对于这种规制也多少得到缓和。 流通业务团地在 19651975 年期间，在札幌、东京、大阪、神户、福冈等地加以规划并得到实施，1975 年以后一度停滞，1993 年法律修改以后，花卷、郡山、友部、米子、大分等地方城市也制定了规划，正在推进建设。到 2000 年日本全

7、国建设了约 40 多个，其中一半已经完成了土地的销售。 4.1.3 提高中小企业流通业务效率促进法 1992 年通产省、运输省制订了中小企业流通业务促进法，这一法律以“对应于围绕物资流通经济社会情况的变化，通过促进中小企业流通业务的效率，以达到振兴中小企业、促进国民经济健康发展的目标。” 其主要是认定企业组合等的流通业务效率化规划，在资金方面支持共同物流中心运营企业。 表 4.2 根据中小企业流通业务效率化促进法所认定的效率化规划 名称 所在地 认定时间 协同组合物流中心协同组合八户综合装卸中心协同组合广岛家具物流中心协同组合 协同组合 熊谷流通中心 协同组合 综合物流协同组合 小丝制作所协力

8、会 协同组合 青森综合装卸中心协同组合 盛冈装卸中心 协同组合 西日本物流系统 协同组合 中心协同组合 北海道札幌市 青森县八户市 广岛县广岛市 琦玉县东松山市琦玉县熊谷市 岩手县紫波郡 净冈县清水市 青森县青森市 岩手县盛冈市 福冈县福冈市 北海道札幌市宫城县仙台市 1994 年 3 月 28 日 1994 年 4 月 28 日 1995 年 11 月 14 日 1996 年 1 月 26 日 1996 年 3 月 5 日 1996 年 3 月 8 日 1996 年 5 月 17 日 1996 年 8 月 28 日 1996 年 9 月 18 日 1996 年 10 月 16 日 1997

9、年 5 月 26 日 1998 年 3 月 26 日 府文纸事务器卸商协同组合协同组合 府 市北海道札幌市 1998 年 6 月 12 日 1998 年 7 月 21 日 4.1.4 道路一体化的广域物流据点 建设省从 1994 年开始进行道路一体化广域物流基地的建设。这种广域物流基地主要设置在城市外围地区的高速公路枢纽附近，基地内设置先进的信息化、机械化物流枢纽，装卸中心等。1994 年 11 月将琦玉县羽生市、岐阜县关市作为示范城市。岐阜县关地区位于东海北陆道和东海环状道路的连接点，与名古屋港、中部国际空港等联系方便，成为也能够对应于国际物流的基地。具体设施规划包括：能够使得大型拖挂车辆能

10、够直接进入基地的，与东海北陆道和东海环状道路连接的干线道路，支持货物运输共同化的信息中心，以及商业设施等。同时，由具有进入该基地意向的 17 家民营企业组成用户协会，参与该基地的详细规划及行政管理建议等工作。 4.1.5 对于物流中心的公共参与的方法 对于物流枢纽的公共参与的必要性，首先来自如果采用民营方式往往由于用途混杂造成大气污染、噪声、安全等方面的外部经济性差问题，其次由于收益低、风险高，因此不愿进行社会意义上的共同配送等业务。 1970 年代，以公共投资为主新设卡车枢纽、规划并建设流通业务团地。但是近年来，公共投资参与物流枢纽建设，或者建设用于物流枢纽的园区的情况呈现下降的趋势。其主要

11、原因在于，公共投资往往附加了许多限制，使得使用上受到影响。例如，在一般卡车枢纽中，信息化、机械化遇到了困难，由于不是本企业的设施而难以加以改造。因而，不断增加的具有小批量货物分拨功能的专用卡车枢纽相比较显得更为方便。另外，由于兼并的进行，作为一般卡车枢纽的用户的特殊混载业企业数量一直在减少。 对于流通业务团地企业也不断反映用途规制过于严厉，力图争取放松用途规制。 一般卡车枢纽、以及流通业务团地近年来不景气的原因之一，在于由于用地规制不断放松，比较容易建设专用的物流枢纽，民营企业对于参与制约很多的公共规划项目缺乏积极性。 例如，在城市化地区（准工业用地地区）不用承担与干线道路的连接义务，也不能限

12、制随意建设，因此，出现了不考虑与高速公路枢纽的位置关系，必须通过城市化地区的干线道路才能与高速公路枢纽衔接的地区业建设了大型物流枢纽的情况。相反业有这样的情况：避开城市化地区在郊外建设的物流枢纽的周边，反而成为城市化用地，先设立的物流枢纽反而成为对周边有影响的设施。为此，应该强化对于用地的管理。 如果强化城市规划方面的管制，物流枢纽将会在特定地区集中，从而使得共同配送等业务更加容易得到发展。同时，如果没有城市规划的管制，也会使得政府在共同配送中心、共同装卸流通中心等方面的融资难以发挥充分的作用。 4.2 依托排队论理论的最优规模确定 4.2.1 概述 对于物流中心的规模 4.2.2 到达分布以

13、及服务时间分布 在采用排队理论的情况下，需要考虑卡车的到达分布以及服务时间的分布。图4.2.和图 4.3.显示的是北大阪卡车枢纽 24 小时内观察到的路线卡车（城市之间走行的大型卡车）得到大时间分布以及货物的装卸服务时间的分布。其结果，到达分布在 95%水平上服从泊松分布（Poisson distribution），而服务时间分布在 99%的水平上服从 Erlangian distribution。 次数为 k 的 Erlangian 分布对于变量 x 的数学表达为： ( )(lk )k xk -1-lkxf x = (k - 1)! ex 0(4.1)f (x) = 0x 0(4.2)其中，

14、为卡车的平均达到率（台/分），k 为 Erlangian 分布次数。 在 Erlangian 分布中，如果 k=1 则为指数分布，随着 k 值的增大，分布的随机性减小，而规则行加大。 4.2.3 确定最优规模的决策模型的数学形式 对于最优规模的决策模型来说，考虑对于某种货物需求量，在物流枢纽中所花费的总费用最小。在考察的期间内的总费用包括：枢纽建设费用及改造中相应于车位的费用，滞留在枢纽中的卡车所产生的费用。而且，由于在工作时间和休息时间两方面发生，所以采用以下公式加以表达： Cs = Cb + Ct = cbTS + ct Nns(4.3)其中： Cs：车位数为 S 时，期间 T 以内物流枢

15、纽耗费的总费用。Cb：期间 T 以内总车位费用。 Ct：在期间 T 以内，在物流枢纽的总卡车费用。cb：1 个车位 1 小时的费用。 ct：1台卡车 1小时的费用。T： 作为考察时间，这里取 T=24 小时。 ns：车位数为 S 时，期间 T 之内枢纽内的卡车平均滞留台数。 最优车位数是使式（4.3）最小的车位数。车位费用包含：卡车枢纽的建设费用、修缮费用、管理费用、人工费用等。卡车费用包含：车辆费用、燃料费用、人工费用等。为减少参数的个数，将公式(4.3)两边除以 ctT 有： sr = Cs = cb S + n= r S + n(4.4)ct Tctsbts其中： rs：车位数为 S 时

16、，期间 T 中 1 台卡车的费用与卡车在枢纽内耗费的总费用的比值。 rbt：车位与卡车的费用比（=cb/ct）。 由于 ctT 为已知，所以可以将总费用比率作为决定最优车位数的评价标准。在公式（4.4 ）中，如果考虑 rbt 可以通过其他途径费用计算而得出，并将车位数 S 固定的话，总费用比率 rs 称为滞留台数 ns 的函数。 设到达分布为泊松分布、服务时间服从 Erlangian distribution 的情况下（采用Kendall 的记述方式为 M/Ek/S()），ns 采用 Cosmetatos 近似公式1的话，总费用比率为如下形式： =+S +1S -1 an +a S-1 1 +

17、 (1k )1 a () 4 + 5S - 2 1rsrbt S(S + a)!(S - a)2 n!(S -1)!(S - a) 2+ 1 - k 1 - S S - 132a + an=0 其中： a：密度（旅行密度？） k：服务时间分布的 Erlangian 次数。 4.2.4 应用示例 以北大阪卡车枢纽中的 A 公司为分析对象，路线卡车的情况下，rbt=626日元/ 小时 /1828日元/小时=0.34，k=2，rs 与 a 间的关系以 S 为参数如图 4.4 所示。 图 4.4. 最佳泊位数确定曲线（路线卡车） 在公式（4.5）中，成为规划目标的卡车枢纽处理货物量并没有给出与总费用比

18、例的显在关系。这种关系为： a = l = QmRT(4.6)1 Cosmetatos, G.P., Some approximate equilibrium results for the multi-server queue (M/G/r). Operational Research Quarterly, 27(3) 615-620, 1976.其 中 有 ： ： 卡车的平均到达率（台/分）。： 卡车的平均服务率（台/分）。 Q：时段 T 期间卡车枢纽处理的货物量吨 R：每个泊位每小时的平均作业率吨/小时如果根据公式（4.6）决定了 a 值，在图 4.4.中从给定 a 值向上引垂直线，与这

19、一垂直线最先相交的曲线所代表的 S 值，就成为了最优泊位数，对应这一交点的纵坐标值即为总费用比例 rs。 如上所介绍，当明确了卡车的到达分布和服务分布，应用排队理论可以建立确定物流枢纽最优泊位数的数学模型。 4.3 采用非线性规划方法决策最优规模、配置的方法 4.3.1 概述 一般设施配置问题是长期以来的研究热点（例如：Weber2, Beckman3, Drezner4）， 主要是采用优化方法。Campbell5对于相应于物流需求增大而进行枢纽再配置问题 采用了 Continuous Approximation 模型。Daganzo6对于从枢纽出发的配送问题进行了研究。小杉7研究了物流设施费

20、用和运输费用的合计最小化的设施最优选址模型。家田等8研究了城市内集配活动的模型化，构筑了融入了集配枢纽配置活动的组合模型。德永等9对于宅配系统中的车位的集货成本最小的中心配置和运输路线决策的模型。 这些研究中的部分模型将物流中心的设置与卡车运输线路同时进行决策，但 是，还不是将道路网络的交通拥阻作为显在影响变量考虑，来构筑物流中心最优配置问题的模型。谷口等10在物流中心的配置与卡车运输路线的决策模型中，将道路网络交通拥阻状态作为影响变量明确加以考虑，构筑了不仅包含卡车，而且包含客车交通的交通分配基础上的分析模型，以下介绍其概要情况。 这里所构筑的模型是：对于位于城市周边地区的高速公路出入口直接

21、相连的物流枢纽的最优规模和选址同时进行决策分析。这一模型对于上述情况下的道路网络的交通条件显在地加以考虑，作为大规模非线性规划问题建立数学模型。因此，实际上并不可能求得严密意义上的最优解，这里采用遗传算法求取近似解。同时，作 2 Weber, A., On the location of industries (translation of Uber den Standort der Industrie, 1909), Univ. of Chicago Press, 1992.3 Beckman, M., Location Theory. Random House, 1968.4 Drezne

22、r, Z., Facility Location-A survey of applications and methods, Springer, 1995.5 Campbell, J., Locating transportation terminals to serve an expanding demand. Transportation Research, 24B (3), 173- 193. 1990.6 Daganzo, C.F., Logistics Systems Analysis. Springer, 1996.7 小杉雅敬， 物流设施最适立地问题关研究，No8, pp39-4

23、5, 1983.8 家田仁、佐野可寸志、小林信司，积合物流都市内集配活动化推定， 土木计画学研究论，No11 , pp215-222 , 1993 .9 德永幸之，冈田龙二，须田熙，宅配输送配置输送经路决定，土木计画学研究论，No. 12 , pp. 519-525 , 1995 .10 谷口荣一，则武通彦，山田忠史，泉谷透，物流最适规模配置决定法关研究， 土木学会论，No. 583 , -38 , pp. 71-81 , 1998 .为模型的目标函数，与总费用同时考虑的还有环境方面的要求（NOx、CO2 的排放量），以及总运行时间费用。 作为研究对象，所考虑的系统如图 4.5 所示。在这一系

24、统中将货物的流动分为两个部分。 路线货车高速公路 对于路线货车的交通源节点城市区域集配车辆 物流枢纽 物流枢纽 对于集配车辆的交通源节点 图 4.5. 作为研究对象的物流系统 道路连接枢纽 城市间的货物运输一般是长距离运输，往往采用大型集装箱货车利用高速公路进行，在此将此类车辆称为路线货车。城市内部的集货、配送型的货物运输一般为短途运输，一般采用小型配送货车通过一般道路进行，在此称之为集配车辆。 物流枢纽作为城市间与城市内部的联接节点，通常规划与高速公路的连接枢纽直接相连。在物流枢纽一般进行货物的换载，在此没有考虑在物流枢纽进行保管、库存等职能。同时，在道路网络上，具有多个交通源节点（cent

25、roid），作为城市间及城市内部的产生、吸引节点。 4.3.2 模型的结构与数学表达 在构造模型时，建立 4 项假设： （1） 最优的物流枢纽的配置是从位于道路网络上的多个备选地块中选择的，这些备选地块位于高速公路连接枢纽的附近。 （2） 在模型中考虑由于卡车产生的运输费用和枢纽的建设及设施费用。枢纽的建设及设施费用包括：枢纽的建设费用、维护费用、用地费用、枢纽内部的卡车运行费用。 （3） 规划主体可以决定物流枢纽的规模与选址，但不能控制卡车交通的分布与分配。 （4） 对于路线货车的交通源节点与对于集配车辆交通源节点之间流动量为给定。在这样的假设下，运输业者或者卡车司机可以选择任何一个物流枢纽

26、作为换载节 点。 上层问题：规划主体的行动目标函数的优化各中心的利用车辆数下层问题：运输业者卡车的行为 中心的选择行为； 线路的选择行为 物流中心的布局 各路段的交通状态 中心规模的确定 最优位置的选择 图 4.6.模型的结构 图 4.6 显示了模型的结构，这一模型表现为两层优化问题，上层问题记述规划主体的行为，考虑以下 4 方面内容构成的目标函数： （1） 通过卡车的运输费用与物流枢纽的设施及设备费用之和表述的总费用。 （2） NOx 的总排放量。 （3） CO2 的总排放量。 （4） 卡车及客车的总运行时间。 下层问题表述的是运输业者或卡车司机的行动，对应于交通条件选择最优的物流枢纽及运输

27、路线。下层问题中将集配车辆在道路网络中进行分配，同时也考虑客车的交通。 也就是说，在道路网络中的一般道路上运行的包括集配车辆与客运车辆两种模式，客运车辆的 OD 交通量和集配车辆的交通产生、吸引交通量为已知，根据使用者均横分配的原则加以交通分配。但是，假设高速公路上的各路段评价值不受交通量及交通容量的影响。同时，集配车辆的交通源节点和路线货车交通源节点之间的OD 货运量为外生变量，卡车具有相同的装载能力。 交通分配的结果，决定了利用各物流枢纽集配车辆的台数，以集配车辆的利用台数为基础，可以求得各物流枢纽路线货车的利用台数。当各物流枢纽的集配车辆和路线货车的台数确定之后，可以计算车位数（规模），

28、以及物流枢纽费用。这里，用物流枢纽的车位数表达其规模。 各路段的运行所需时间可以根据交通分配的结果求得，因此将所需运行时间乘以单位时间的运行费用，可以求得集配车辆、路线货车和客运车辆的运行时间费 用。并且，通过求得各路段上的运行速度，能够算出各车种的 NOx、CO2 的排放量。 将上述思想构筑成为数学模型如下所示： （a） 上层问题例如总费用最小情况下的目标函数 f (v vPDPDPDLHLHLHMinx, y) = x C+ ct (V )V+ x C+ ct (V )V(4.7)1i ixX , yYitaaaai itibbbb其中有： x：物流枢纽的配置形态，y：物流枢纽的车位数。

29、X： 具有实施可能性的 x 的集合，Y：具有实施可能性的 y 的集合。xi： 当物流枢纽被配置在备选地块 I时为 1，否则为 0。CiPD：利用物流枢纽 I的集配车辆在物流枢纽内的费用。CiLH：利用物流枢纽 I的路线货车在物流枢纽内的费用。Va：在一般道路路段 a上走行的车辆的台数。Vb：在高速公路路段 b上走行的车辆的台数。ctPD：集配车辆单位时间的运输费用（元/小时辆）。 ctLH：路线货车单位时间的运输费用（元/小时辆）。 aV PD：一般道路路段 a 上走行的集配车辆台数。ta(Va)：一般道路路段 a 上的费用（时间）函数。VbLH：高速公路路段 b 上走行的路线货车台数。tb(

30、Vb)：高速公路路段 b 上的费用（时间）函数。 （b） 下层问题相当于集配车辆及客运车辆构成的 2 模式的使用者均横分配问题。其数学表达形式如下： VaqoPdDMin ta (w )dw - Wod (m )dm(4.8.)a 0od 0s.t.PDfr ,od= xiPDfr ,odr, od(4.9.)q PD = f PDod(4.10.)odrr ,odqCAR = f CARod(4.11)odrr ,odV = d od f PD+ d od f CARa(4.12)aod rr ,a r ,odod rr ,a r ,odq PD = Oo(4.13)ioio iddq PD

31、 = Dd(4.14)qi PD 0, q PD 0, q PD 0oi,id ,od(4.15)oiidodf 0PDr ,odr, od(4.16)f 0CARr ,odr, od(4.17)VaqoPdDMin ta (w )dw - Wod (m )dm(4.8.)a 0od 0s.t.PDfr ,od= xiPDfr ,odr, od(4.9.)q PD = f PDod(4.10.)odrr ,odqCAR = f CARod(4.11)odrr ,odV = d od f PD+ d od f CARa(4.12)aod rr ,a r ,odod rr ,a r ,odq PD

32、 = Oo(4.13)ioio iddq PD = Dd(4.14)qi PD 0, q PD 0, q PD 0oi,id ,od(4.15)oiidodf 0PDr ,odr, od(4.16)f 0CARr ,odr, od(4.17)其中有： Wod()：od 间运行的集配车辆的需求函数的反函数。o,d 表示节点，二者之一为物流枢纽。 qPDod：物流枢纽与对应于集配车辆的交通源节点之间，集配车辆的 OD 交通 量，od 两者之一为物流枢纽。 fPDr,od：连接对应于集配车辆的交通源节点与物流枢纽之间的路径 r 上运行的 集配车辆的台数。od 两者之一为物流枢纽。 qCARod：客运

33、车辆的 OD 交通量。 fCARr,od：连接 od 之间的路径 r 上运行的客源车辆台数。 odr,a：当路段 a 为连接 od 之间的路径 r 的组成部分时为 1，否则为 0。 Oo：集配车辆 o 点的产生交通量。Dd：集配车辆 d 点的吸引交通量。 4.3.3 算法 对于上层问题来说，由于是离散型非线性最优化问题，当可供选择的物流枢纽备选地块很多时，为求取严密解需要非常长的计算时间，实用性上存在问题。因此，有必要解决其近似解的算法问题。这里，使用 GA 算法，该算法有在避免陷于局部最优解的同时，选求全局最优解的特点。 图 4.7 显示了采用 GA 算法的计算流程。 开始 STEP1初始设

34、置（决定遗传算子） STEP2生成初始生物集团 STEP8遗传代数达到某种标准吗？NOYESSTEP7实施突然变异（突然变异率 0.05） STEP6实施遗传算子的交叉（交叉率 1.0） STEP5实施淘汰、繁殖 STEP4实施？保存选择 STEP3计算各个体的适应度 结束 图 4.7.遗传算法的计算流程 STEP1：决定遗传算子的方法如下：物流枢纽配置形态根据备选地块的组合为特征。设备选地块数量为 n，物流枢纽配置形态采用以下形式表达： 12xv = x , x,L, xnxi 0,1 i = 1,2,L, n(4.18)在某个候选地设置物流枢纽时，xi 设为 1，否则设为 0。某个个体具有

35、拥有 xi 遗传因子的染色体 x，采用与生物进化相似的算法过程，求得近似解。 STEP2 中随机产生初始生物集团的 50 个个体。 STEP3 的计算过程中，计算对应于前述 4 个目标函数的各个体的适应度。在求得适应度以后，进行生物种群换代的仿真。具体来说，需要进行淘汰 （selection）增殖（multiplication）、交叉（crossover）、突然变异（mutation） 等各种处理。 GA。这里应用的 GA 与单纯 GA 有所不同，是在淘汰增殖中将适应度稿的个体保留到下一代的精华保留选择，交叉中使用均匀交叉的算法。如此这样进行繁殖换 代，达到 30 代时终止计算。 4.4 京阪

36、地区的应用示例 4.4.1 计算条件 应用上述模型，用于如图 4.8 所示的-大阪地区（以下称为京阪地区）的未来道路网络（2010 年规划道路网络），在规划的高速公路枢纽附近设置了 16 个物流枢纽的候选地，求物流枢纽的最优配置。在这个网络中，对于路线卡车来说，有东日本、西日本俩个产生节点，以及对于及配车辆和客运车辆来说的京阪地区 36 个产生节点。 图 4.8. 京阪地区的未来道路网络及物流枢纽候选地 在图 4.8 中，一般道路表达国道和主要地方道路。解析中使用了 2010 年的卡车 及客运车辆的交通量预测值。由于物流枢纽的通过货物量难以预测，这里采用了 1990 年的货物流量进行了计算（场

37、景 1），以及对于这一货物流量乘以 1.5 倍后进行计算（场景 2）。计算中的路线卡车假设为 11 吨（载重量 9 吨），集配车辆假设为 4 吨车（载重量 2.6 吨）。卡车的实载率路线卡车设为 82%，配送车辆设为65%， 这等于是假设相当程度上实现了共同配送。实际中各卡车的实载率不是相同的，但 由于难以得到各卡车的实载数据，为了简化问题而采取设置各路线卡车、配送车辆 的实载率均为一样。 由于上述原因，计算结果可能受到一定程度的影响，但认为使用卡车的平均实载率不会产生大的不可接受的影响。实载率的具体数据是利用了根据北大阪卡车枢纽的调查11获得的结果。载下面的计算中，假设东日本、西日本与京阪地

38、区的所有货物流通均经过物流枢纽，不存在其它民营物流枢纽。 11 谷口荣一等，最适数决定法关研究，土木学会论，No. 548，pp. 23- 33， 1996。 4.4.2 总物流费用最小化情况下的计算结果 图 4.9.中显示了一总物流费用为目标，场景 1 情况下的计算结果。这时，最优解选择了 No.1 和 No.15 俩个物流枢纽。这俩个地点均为高速公路的连接部，而且接近物流需求量大的大阪、等地。因而可以说，接近需求量大的位置，与高速公路连接便利，是物流枢纽选址的重要考虑因素。图 4.9.中一般道路，特别是大阪周边的一般道路交通拥挤，因此运输费用高。总物流费用最小化的情况下，运输费和枢纽建设费

39、用平衡考虑来决定最优解，但在这时，比较地价而言，运输费用大对于结果具有更加大的影响，因而选择了接近大城市的候选地。 图 4.9. 选择的物流枢纽以及各边的拥挤程度 （场景 1，目标函数：总物流费用） 表 4.3.中显示了选择的各物流枢纽的最优泊位数。如同图 4.9.所示，No.1 比较No.15 而言，辐射范围虽然小，但接近物流几种产生地大阪，因此比接近的No.15 需要更多的泊位。 物流枢纽 泊位种类 No.1No.15路线卡车用 435209集配车辆用 1791859合计 22261068图 4.10.中比较了场景 1 的总物流费用最小化情况下，最优解（枢纽No.1,No.15） 与非最优解（枢纽 No.1,No.2,No.5,No.15）的费用构成情况。从图中可以知道，无论路线