基于FlexSim的物流园区交通系统仿真

——以林安物流园区为例

【摘要】随着我国的经济跨越式发展，我国对物流园区的规划建设也越来越重视，对物流园区的研究也越来越广泛。本文在参考各学者对物流园区的研究后，实地观察林安物流园的交通系统以及车流量，利用强大的仿真模拟软件FlexSim对观测到的数据进行仿真，建立仿真模型，得出林安物流园区目前交通系统中存在一定的不合理性，针对部分不合理规则，本文提出通过“限流”车辆和按“One by One”次序原则入库的改进，林安物流园区内的交通拥挤可以得到一定程度的缓解，因而此优化方案是可行的。

【关键词】交通系统；物流园；仿真优化

Simulation and optimization of traffic system in

logistics park based on FlexSim ——a case study of Lin 'an logistics park

[Abstract]With the rapid development of the economy in China, more and more attention is paid to the planning and construction of logistics parks, and the research on logistics parks is more and more extensive. After referring to scholars' research on the logistics park, this paper proposes a discussion on the simulation and optimization of the traffic system in Lin 'an logistics park. Using the powerful simulation software FlexSim, the observed data are simulated and proposes possible optimizations schemes, which can be alleviated to some extent through \"limiting\" vehicles and changing the \"parking and storage principle\".

[Keywords] Traffic system; Logistics park; Simulation Based Optimization

目 录

1 前言 ......................................................................................................... 1

1.1 研究背景 ...................................................... 1 1.2 研究意义 ...................................................... 1 1.3 国内外现状和发展趋势 .......................................... 1 1.3.1 国外物流园区的研究 ............................................ 2 1.3.2 国内物流园区的研究 ............................................ 3 1.3.3 国外仿真建模的研究 ............................................ 4 1.3.4 国内仿真建模的研究 ............................................ 5 1.3.5 现有研究现状小结 .............................................. 6

2 研究内容与研究方法 ............................................................................ 7

2.1 研究对象 ...................................................... 7 2.2 研究工具 ...................................................... 7 2.3 研究内容 ...................................................... 7 2.4 研究目的和意义 ................................................ 8 2.5 研究思路 ...................................................... 8

3 参数分析与建模 .................................................................................... 9

3.1 林安物流园区交通系统的分析 .................................... 9 3.2 建立林安物流园区的模型 ....................................... 10 3.2.1 布局分析 ..................................................... 10 3.2.2 参数设置 ..................................................... 11 3.3 FlexSim模型建成 .............................................. 18

4 仿真结果分析 ...................................................................................... 20

4.1 分析数据 ..................................................... 20 4.1.1 道路 ......................................................... 20 4.1.2 停车场 ....................................................... 21 4.1.3 处理器 ....................................................... 22 4.2 优化建议 ..................................................... 23

5 结论 ....................................................................................................... 27

5.1 总结 ......................................................... 27 5.2 不足之处 ..................................................... 27

参考文献................................................................................................... 29

致 谢..................................................................... 错误!未定义书签。

1 前言

1.1 研究背景

近年来供给侧结构性改革扎实推进，成效显著，中国经济发展已经从早期的道路疏通基础性建设上升至当下功能完善的平台型基础设施建设。在近些年的经济发展浪潮中，我国现代物流业抓住发展机遇，抓住国家给予的支持，物流业不断发展壮大，中国物流学会常务副会长戴定一曾说过“物流园区建设仍有重要的战略地位”，显然地，和企业高度重视物流园区的发展。物流园区在降低物流成本、减少环境污染、加强产业集聚和促进社会经济发展等方面起到了重要作用，因此科学设置物流园区是推动城市经济发展的一大助力。

1.2 研究意义

近年来，我国物流业发展规模不断壮大，物流行业在中国得到了快速发展，各界人士逐渐意识到物流业对经济的贡献程度越来越大，物流园区的发展也受到高度重视。但由于我国物流产业发展起步晚，目前还处于摸索阶段，物流园区在很多方面上还存在很多不完善的地方。而现有的大部分研究都是针对物流园区的选址、规划建设来进行的，少有基于物流园区内部物流系统进行的研究，所以本研究以此为重点，研究广州市林安物流园区的内部交通系统，以提高其物流运作效率，合理配置资源，希望能对物流园区的交通系统研究有一定的帮助。

1.3 国内外现状和发展趋势

物流园区是一种特殊的物流产业集聚的集群现象，它遵循着产业集群的一般规律[1]，作为物流业发展到一定阶段的必然产物，各国高校和研究学者们纷纷加大对物流园区的研究和探索力度，现对国内外物流园区和建模相关的研究成果进行梳理，加以综述。

1

1.3.1 国外物流园区的研究

关于物流园区的研究可溯源于日本，日本自60年代已经开始建设物流园区，当时建设物流园区主要是为了解决东京与其他城市间各种产品大量进出城市而引起的商流物流混乱情况，日本统一规划一片区域，将城市的流通功能与市中心的商流分离开来，在东京近郊设立4个现代化的物流园区，并逐步完善各项基础设施与服务，由此实现了经济效益，提升了城市的实力[2]。由此之后，日本开始推广并因地制宜灵活开展物流园区的经营，收效颇丰。

从上可以看出国外物流园区发展相对较早，相关方面的理论和实践经验也比较丰富，通过梳理现有文献可知，国外学者在研究物流园区相关领域时，通常研究的主题是物流园区的运营发展战略、、城市功能设计等相关的方面[3],而且其中定量研究较为常见，多集中于物流园区选址与规模的确定、车辆路径优化等课题，定性研究比较少，主要集中于物流园区的功能定位、运营策略等。

根据我国学者刘俊华[4]的文献综述可知，1999-2009年国外学者对物流园区（或集群、物流中心）的研究已经比较深入和全面了。具体有德国数学家Dubois 和Prade在1999年就用模糊综合评价法对物流园区功能进行定位，而且现在模糊评价法已经成为一种使用比较普遍的评价方法[5]。同年Donald Waters和Ronald H. Ballou等学者分析了物流园区的节点选址问题，并且利用排队论求出了基于现实交通情况条件下的最佳物流园区区位，虽然多年已过，这种方法还是值得借鉴的[6]。到2009年，学者Ygal Bendavid设计了一个关键绩效指标专门用于评价物流园区的信息系统建设[7]。

在2010年，德国物流专家Flornhornf提出了用于分析物流园区的规划建设和未来发展方向的MSFLB模型，该模型在国内外至今仍得到广泛应用[8]。三年后，美国Charles以美国的Westmoreland物流园区作为案例进行物流园区建设的分析，他认为，物流园区的建设必须要集结社会多方力量，包括、企业、社会组织和个人的力量才能提高物流园区的科学利用效率[9]。Ayşenur Doğan和İrem Bilici两位学者就土耳其一个实际物流园区为案例，对园区中的车辆路径问题进行了优化探讨，他们利用数学模型混合整数线性规划（MILP），并使用IBM OPL CPLEX对其进行了求解，开发了决策支持系统来解决带有时间窗和拆分交

2

付的车辆路径问题，并将其应用于实际案例中，结果表明，他们的模型可以大大减少总分配时间和总分配距离，提高车辆的分配效率，降低物流成本效率[10]。

1.3.2 国内物流园区的研究

在中国知网上以“主题”为检索项，以“物流园区”为检索内容，有112篇相关结果，若加上正文检索 “建模仿真”，时间跨度“不限”，检索结果显示有501篇文献，时间跨度缩小为“2016-2019”，选择“精确”检索，检索结果显示有133篇文献。从2001年的一篇文献开始出现关于现代物流业的文献，较国外而言起步晚，但国内学者们也开始认识到研究物流园区的重要性；2008年后，关于物流园区建模仿真的研究一直保持30~60的篇幅上下波动，可见当前我国物流园区研究也是比较稳定的，并且研究的内容也比较广泛，从运营模式到布局规划，从选址建模到货流预测，我国在近二十年的研究中也对物流园区有了更深入的了解。

翁启伟在2013年利用价值链管理对物流园区的模式进行研究，提出了基于价值链管理的运营模式发展趋势[11]。同年，殷莹运用价值链分析对物流园区的用地规模及布局进行了深入研究，她通过重点分析物流量预测，提出最优定权组合预测模型，然后由价值链分析进行功能区定位，并用SLP方法对物流园区进行布局规划[12]。而刘薇则就苏州工业园区的物流金融（logistics finance）进行研究，她认为第三方的物流金融是一种越来越重要的资助中小型企业的融资方法，并且国内的物流金融仍然处于一个引进阶段，将有巨大的发展空间[13]。

陈亚男等人认为在现今物流园区越来越常规化的情况下，以物流大数据为依据，综合考虑客户、企业、供应链等度、多方面因素的影响，产业集群寻求“互动式”横向跨链协作是一个必然趋势[14]。陈平则将物流园区定义为5种类型，分别是货运枢纽型、生产服务型、商贸服务型、边境网关服务型、综合服务型，他在2017年发布的文章中对这5种物流园区分别进行了背景分析、现状分析、目前存在的问题分析以及未来发展方向分析[15]。郭飞宇在2019年以济南新的待建的物流园区为例，通过改进的系统布局方法，并运用FlexSim仿真软件对布局方案进行优化研究，该研究对新建的物流园区建设具有一定的参考意义[16]。张欣认为，目前对于物流园区的研究方向主要有5个方面，分别是对物流园区选址规模及功能定位研究；在物流园区功能布局上的研究；对物流园区

3

物流需求、货运量预测的研究；对物流园区基本特征的研究以及对物流园区运营管理的研究[17]。

纵观目前物流园区方面的探究成果，学者们研讨的核心均为物流园区的选址、规划和建设方面，鲜有对物流园区微观的研究，而每个物流园区的运营问题得根据具体问题进行具体分析，需要持续性进行调整和完善才能更好的发挥物流园区应有的作用。

1.3.3 国外仿真建模的研究

在Springer Link中搜索国外的仿真研究，结果显示有1,269,940篇相关文档，可见仿真研究在国外的发展已经非常成熟了，这对我国的仿真建模研究具有一定的借鉴意义。

Barcelo Jaime早在2007年就报告了在INTERREG IIIB项目的欧洲项目MEROPE中开发和测试的建模框架，以及在西班牙DGCYT赞助的国家项目SADERYL中开发和测试的建模框架，设计出关于城市物流的车辆路径和调度模型[18]，不过此后相对较少文献研究物流相关的仿真与建模，大多集中于工业生产之中。

2014年，Pawel和Rafał 等学者研究了学生在利用各种仿真工具去操作一个实际项目的基础上学习产品开发、流程分析与优化、物流流程、服务工程等四大系列课程，将该项目转化为商业项目的学习过程[19]。次年，Paulina Golinska-Dawson和Pawel Pawlewski两位波兰学者针对再制造领域的环境问题进行仿真评估，考虑到再制造反向物料流动的情况，比如拆卸和再加工，他们利用仿真软件模拟了一些“绿色”环境指标，讨论了具有产品回收功能的供应链的特征，设计了一个可以测量环境因素的仿真模型[20]。在再制造方面，这两位学者在两年后又设计出了再制造过程仿真建模与可持续性评估模型[21]，可谓将仿真进行到底。

Salleh等学者在2017年对卫生保健和医疗模拟仿关主题的文献进行了综述[22]；波兰的两位学者Artur和Tomasz以波兰弗罗茨瓦夫机场为例，研究了飞机地面处理仿真的模型[23]。次年，Vitalii Naumov研究了一个物流中心面向对象的工艺过程建模，并提供了相应的仿真模型创建基本类库工具[24]。Adrian Jakobczyk等学者利用仿真方法对短期保质期的原料进行生产过程时间设置仿真

4

[25]

。

2019年，学者Maria、Jerzy和Damian对多式联运的陆路枢纽码头在Wolfram

Mathematica软件中进行模拟，映射波兰物流公司PCC多式联运终端的网络，并且他们还利用地形数据和道路网络领域现有的数据库，开发了多式联运终端网络半自动建模软件[26]。

Grzegorz、Adrian 和 Damian三人，则是利用FlexSim比较了人力手工生产线和机器人自动生产线的优劣，事实证明自动生产线显然更具备优越性，是未来生产发展的主要趋势[27]。同时还指出未来的仿真软件如FlexSim在装配流程、生产计划与调度等其他领域的仿真应用。而Jun Woo Kim等三人则侧重于FlexSim的教育意义，他们认为使用FlexSim可以虚拟工厂流程，让学习者有一个更透彻的视角可以了解到真实工厂的运作，可以为他们积累丰富的经验，因此该软件的强大应用功能是智慧生产、智慧教育、智慧工厂必不可少的[28]。

1.3.4 国内仿真建模的研究

李丽、王晓东针对集装箱码头进行集装箱码头物流系统建模，并且致力于仿真的真实性，减少仿真与现实的差异，提高集装箱码头物流系统的容量和效率[29]。徐林伟和钟兴利认为多路协同任务是两个或多个资源之间的复杂协调操作，因此他们利用FlexSim软件模拟典型的仓库出库协同搬运作业流程，利用OptQuest优化工具对资源进行优化配置，从而得到操作系统的最佳资源配置[30]。

韩柳在2012年运用FlexSim软件从微观物流园区的物流系统出发，研究案例物流园区的内部交通系统，优化该物流园区的交通规划设置[31]。次年，曹国权利用FlexSim系统仿真软件建立公路货运站仿真模型，模拟甩挂货运站运作流程，提出了作业平台面积利用率和停车场停车位数量设计会影响作业效率的观点[32]。同年，何中祥等学者建立了基于FlexSim的冷链物流配送中心模型[33]。

2016年，学者黄柏、唐华军对车间的生产系统进行研究，他们基于Petri网理论，对车间生产流程建立FlexSim仿真模型，找出系统瓶颈优化改进系统提高科学决策效率[34]。刘彤娟等人基于FlexSim仿真，对自动仓储系统（AS/RS）进行仿真优化，通过优化模拟，给出一个合理的参数,使资源的配置优化,为提高整个系统提供了决策依据[35]。同年，冯继浩以实例构建了基于FlexSim的自动化立体仓库（自动存取系统）仿真模型，完成了仓库布局和库存控制策略优化[36]。

5

陈佳伟对CS公司的原料仓库进出库作业进行仿真优化研究[37]。

次年，张鹏继续用FlexSim仿真研究自动化立体货位分配，他认为进行货位分配时要将具有关联度的货物在货架上就近存放，以实现货位分配优化[38]。王典雪和尹科两人对山区生鲜农产品冷链物流配送网络进行研究，以W超市的实际配送网络为仿真模型，对仿真参数进行优化调整，最后有效提高W超市的配送效率，减少资源浪费现象[39]。房殿军应用FlexSim对Y工厂园区的物流运输进行仿真，他认为在园区运输采用循环取货的模式能优于现有的运输模式[40]。

括而言之，国内外的仿真研究都是以实例为对象、收集数据、继而使用不同的仿真软件来模拟仿真运行、找出其瓶颈、寻找优化方案并且验证其可操作性的模式。本论文的FlexSim仿真也是基于此种模式进行的。

1.3.5 现有研究现状小结

目前关于物流园区的研究在理论模型、测评方法等方面都比较深入和完善，但物流园区内部交通系统研究成果比较少。而且对于仿真研究工具多种多样，但对物流方面的主流研究工具是FlexSim，目前对仓库仓储和物流配送的模拟仿真研究比较多，较少对其他物流流程的仿真研究。

6

2 研究内容与研究方法

2.1 研究对象

始建于2003年，由广东林安物流发展有限公司投资兴建，林安物流园区是依照规划和现代物流理念构筑而成的规范化、标准化、现代化的大型综合物流园区。林安物流园交通便利，它位于白云区太和镇沙太北路，靠近交通干线出入口，连接沈海高速、京珠高速和华南快速等主要公路干线，具有得天独厚的公路运输条件，是广州市物流规划的中心区域和华南主要干线的重要枢纽，处于北部物流圈的咽喉地带[41]。同时，物流园区靠近众多工业区，其周边有很多工厂和商业贸易批发中心，紧邻商业区，具有市场竞争优势。园区内部建设发展用地达300亩，接近27个足球场面积，基本可以划分为五个区域：停车区、咨询处和员工办公楼、物流信息交易中心、生活区和零担快运中心。园区可以承接公路运输方式到达园区的货物，并进行装卸、存储等多种作业[42]。

本文以林安物流园的交通道路系统为研究对象。

2.2 研究工具

FlexSim软件是2003年由ProModel公司研发的，基于Windows的，面向对象的离散型事件建模仿真软件，其3D可视化的建模环境让建模简化并且更清晰直观。目前FlexSim软件已被用于医疗、制造、电子、物流等不同的系统和商业环境中，并为众多公司创造了巨大的经济价值。

本文是在实地调查的基础上，利用仿真软件FlexSim进行模拟仿真，通过运行模型，进行数据分析，得出优化建议。

2.3 研究内容

第1章：绪论。主要介绍了现阶段物流园区以及仿真建模的相关研究背景，并且对物流园区国内外仿真的探索进行文献综述。

第2章：研究内容与研究方法。这一部分论述本论文的研究对象、研究工具（FlexSim），同时介绍本论文研究思路、研究内容、研究目的和意义。

第3章：参数分析与建模。基于FlexSim的林安物流园区系统仿真，使用调

7

查到的数据进行理论分析建模，设置建模参数。

第4章：仿真结果分析。这一部分主要是关于林安物流园区的建模仿真结果分析以及优化讨论。

第5章：总结与建议。这一部分主要总结出本论文的研究结果，并且反思论文在撰写过程中存在的问题，提出相关可行的建议。

2.4 研究目的和意义

通过对物流园区的研究现状文献进行分析，结果是目前大部分研究都是对物流园区的选注问题、运营管理模式等宏观问题以及作业流程问题的研究，极少是对物流园区的内部交通系统的微观讨论。因此本文通过FlexSim建立出反应林安物流园区道路运行情况的仿真模型，找出系统瓶颈，提高物流园区的货物流转能力。

2.5 研究思路

本论文的研究思路如图2-1所示。

分析文献 确定研究内容与研究目标 离散事件系统建模法 理论知识 实地调查 研究方法 模拟仿真 逻辑流程 建立FlexSim仿真模型 系统模型 运行模型 数据分析 优化建议 图2-1 研究思路

8

3 参数分析与建模

3.1 林安物流园区交通系统的分析

物流园区交通系统的分析是指进入该物流园区的车辆的行走路线，对车辆行走路线分析的目的是看这些车辆的行走路线是否合理，是否会造成该交通系统的拥堵主要包括以下几个数据：车辆在路口等待时间（平均等待时间、最长等待时间、最短等待时间）、每段路的车流量、每段路的拥堵程度（有车经过的时长、无车经过的时长）

[31]

。

①北门

②西南门

③西南1门

图3-1 林安物流园卫星图

9

停

停车

零担快运

车区5

停车区1

咨

停车区2

区3

询信处交公楼 息易

中心

办中心

生活区

停车区4

图3-2 林安物流园道路图

从图3-1、图3-2中可以看到林安物流园区的交通线路图，现在将该交通线路介绍如下：

(1)西南1门是林安物流园的主出入口，这里是十字路口交叉处，交通便利。 (2)园区外S115道路有两个红绿灯（分别在北门和西南1门处）。 (3)以公路运输方式进入的车辆有3个出入口（北门、西南门和西南1门）。 (4)园区内主干道西南1门为六车道即双向六车道，支干道为四车道即双向双车道，支路为两车道即双向单行道。

(5)园区内道路既有环状式道路，亦有尽头式道路。 (6)园区内不设红绿灯和环岛。

3.2 建立林安物流园区的模型

3.2.1 布局分析

如前文所述，林安物流园区涉及到的物流设施主要有：物流园区进出口、五个功能区和园区内车道。不同功能区采用可视化工具来进行模拟，涉及的FlexSim模型主要有：发生器、暂存区、网络节点、处理器、吸收器。

1 0

模拟思路：车辆进入林安物流园区抽象成发生器生成车辆；道路即网络节点；在园区内部的信息交易中心设置处理器，将处理器与两个停车区的道路进行连接，司机在进入园区后，在停车区1或2停车，本人下车去咨询处登记信息，等登记完成后，再原路返回开走自己原本停的车；车辆离开停车区1、2后，经过最短路径的选择，去到零担货运区，车辆在处理器上进行装卸搬运操作，处理完成后，找到最短路径，驶出园区（如果在此期间，处理器没有空闲，车辆则在停车区3、4、5停车等待）；车辆离开林安物流园抽象成吸收器吸收车辆。

模型运行结束后，查看网络节点的车辆通过数和零担货运区的暂存区3、4、5处理器的数据，分析平均等待时长，平均排队时长，以此判断是否拥堵。

3.2.2 参数设置

3.2.2.1物流园区的工作时长

林安物流园区的工作时间为8:00—18:00，一天10个小时，一周工作7天的工作时间，而FlexSim的仿真时间是以秒为基本单位的，因此工作时长换算成FlexSim中相应的时间（一天）是36000秒。 3.2.2.2各类汽车进入园区的数量

进入园区的车型有微型货车（最大总质量≤1.8t）；轻型货车（1.8t<最大总质量≤6t）；中型货车（6.0t<最大总质量≤14t）；重型货车（最大总质量>14t），据观察各类汽车每日到达量分别如下：

表3-1 各类型货车的入园数量

车型 微型货车 轻型货车 中型货车 重型货车 总计

数量（辆）

245 341 608 581 1775

占比 13.8% 19.2% 34.3% 32.7% 100%

3.2.2.3发生器参数设置

根据课堂所学理论知识，所有分布都可以从不同角度看成是泊松分布。因此，假设进入园区车辆的分布函数符合泊松分布，泊松分布的均值按不同类型的车辆

11

进行区分：设置四个的发生器，每一个发生器代表一种类型的车辆，分别命名为：微、轻、中、重型货车，而各发生器的泊松分布均值取进入物流园区的运行时长36000和入园各类型车辆数的比值，具体数值见表3-2：

表3-2 各类型车辆的泊松分布均值

车型 微型货车 轻型货车 中型货车 重型货车 总计

数量（辆）

245 341 608 581 1775

泊松分布均值（S）

146.9 105.5 59.2 62 20.3

颜色 RED BLUE GREEN YELLOW \\

因此只要设置4个发生器就可以模拟不同类型的车辆模型，如图3-3所示。

图3-3 微型货车（发生器1）的参数设置

3.2.2.4处理器参数设置

我们知道，此模型应设置两种处理器，一是信息咨询中心的处理器，共5台，主要模拟司机从卡车上下来，然后进行处理登记，或者信息咨询这一步骤，假设处理器的预处理时间为0s，处理时间设置为10s（见图3-4）。第二种处理器主要是模拟模拟装卸作业，共25台，对应于目前园区内25个装卸搬运台，处理器的预处理时间为0s，处理时间设置为5分钟，即600s（见图3-5）。

1 2

图3-4 处理器（信息咨询中心）的处理时间设置

图3-5 处理器（装卸搬运）处理时间设置

3.2.2.5吸收器参数设置

根据林安物流园区各出口的可通行车辆不同，设置吸收器（三个出口）吸收车辆的比例不同，具体数据见表3-3：

表3-3 各吸收器车辆吸收比例

微型货车（发生器1） 轻型货车（发生器2） 中型货车（发生器3） 重型货车（发生器4）

北门（吸收器1）

25% 36% 33% 0

西南门（吸收器2） 西南1门（吸收器3）

35% 33% 0 0

40% 31% 67% 100%

1 3

3.2.2.6其他参数的设置

(1)

园区内车辆的行驶速度：由于在物流园区内车辆行驶速度会根据

路况和车型不同而或快或慢，可以取国家规定的道路均值20km/h，在FlexSim中由于其标准单位是m/s，所以20km/h的速度可以转换为5.56m/s。各种车辆行驶最大速度是5.56m/s，因此在FlexSim中的设置，是在FlowItem中设置卡车的最大速度5560mm/s，即可达到车辆速度的目的（见图3-6）。需要一提的是，这里的模型并没有考虑不同的车辆其行驶的速度不一致，而是全部取其均值，即5560mm/s。

图3-6 发生器1（微型货车）卡车速度的参数设置

(2) 暂存区：暂存区为停车场，对货物进行储存，表示货车在该地区

的停车活动，车子的停留时间是随机的，只要处理器有空闲，立即驶出停车场进入装卸区。暂存区1、2的储存最大容量是300，暂存区3、4、5的储存最大容量是100。若有超出储存量的车辆，则必须等待才能进入停车场。园区内共5个暂存区，暂存区1、2是服务于信息交易中心，而暂存区3、4和5是零担快运中心的停车场。

(3)

给每一网络节点都编辑一个序号（编号标注见图3-7），以统计

该道路的车辆通过数（车流量），见图3-8、3-9所示。

1 4

图3-7 网络节点编号标注

图3-8 模型中一个网络节点（道路路口）标签统计设置

1 5

图3-9网络节点Q（20）标签设置

(4) 为了使建模有逻辑，进入园区的车辆按照既定路线行走：四个发

生器产生参数不同的车辆，从三个园区入口出发，经过最短路径寻找停车场（暂存区1、2），司机下车去咨询中心登记信息（处理器），登记完成后，司机原路返回，取回停在停车场的车辆，开启，驶去零担停车区（暂存区3、4、5），等装卸搬运台（处理器）有空闲时即做装卸搬运操作，然后驶出园区（吸收器），大致流程如图3-10所示。

1 6

发生器1 最短路径 发生器2 发生器3 发生器4 最短路径 最 短 路 径 暂存区1、2 登记信息处理器 原路返回 暂存区1、2 最短路径 暂存区3、4、5 最短路径 装卸搬运处理器 吸收器 图3-10 模拟的流程思路

1 7

3.3 FlexSim模型建成

图3-11 建模完成

建模完成，增加了园区地图作为FlexSim模型背景，明确每条路线和道路顺序，如图3-11所示。另外，我们设置运行时间为36000s，见图3-12。

图3-12 设置运行停止时间

模型运行了一段时间后的截图如图3-13所示，同时网络节点也有数据显现，见图3-14。

图3-13 运行一段时间后

1 8

图3-14 运行一段时间后网络节点数据

1 9

4 仿真结果分析

4.1 分析数据

4.1.1 道路

通过查看网络节点经过的车辆，可以得出各道路的繁忙程度，通过整理得出表4-1道路的车流量，根据图4-1和表4-1，从数据中可以看出a-b-f-j-L和a-b-c-h-L两段路是最为繁忙的，经过36000s的运行后，每个节点都有3000多辆车经过，而其他地方的网络节点大多不超过1000辆，可见这两段路为繁忙路段，车流量最大且最容易产生拥堵。具体每个节点车流量见下表4-1和图4-1。

表4-1 各节点车流量

节点名称 西南1门入出口 西南门出入口 北门出入口

a b c d e f g h

车流量 1563 736 921 1228 3888 2992 1207 736 3887 1563 3651

节点名称

i j k L M N O P Q R

车流量 1762 3520 17 3511 985 998 918 1493 779 0

2 0

图4-1 各网络节点车流量

4.1.2 停车场

服务于信息咨询中心的2个停车场能够处理得过来，没有堆积。暂存区2比暂存区1要繁忙一点，从平均等待时间可以确定暂存区2等待时间更短。暂存区1的平均等待时间是160.83秒，而暂存区2是1.27秒，同时它泊停的车辆更多，累积有973辆，而暂存区1累积仅停泊7辆车，见图4-2。

图4-2 暂存区1、2的运行情况

运行36000s后，零担货运区的三个停车场车辆均有不同程度的堆积与拥堵，而暂存区3、4已经堆积到了最大容量（100辆），暂存区5仅有泊车57辆。暂

2 1

存区3的平均等待时间最长，为29.7秒，接近50分钟；暂存区4稍缓，为1112.62秒，约19分钟；最快的是暂存区5，平均等待时间为237.65秒，约4分钟，等待时长最长也仅1195.85秒，约20分钟，见图4-3所示。

图4-3 零担货运区的三个暂存区

4.1.3 处理器

图4-4 零担货运处理器运行情况

零担货运区的装卸搬运（处理器）是十分繁忙而又井然有序的，运行36000s

2 2

后，几乎每个处理器都装卸了60辆车，而停车场内仍有许多车辆等待处理。

4.2 优化建议

（1）根据分析可以得出园区主道路车流量大，拥挤的原因之一是支路短缺，“支小路”不能满足小微型车辆通过的需求。因此，建议改变道路红线和绿化树的位置，增加一些支小路，以便缓解必经道路的拥挤。在本模型中，由于其操作的难度较大，不做此优化。

（2）通过时间段的“限流”，一定时间内道路通行某类型的车辆，让此种类型的车辆快速通过，可以更好的调整道路通畅度。当不同种类（微型、轻型、中型、重型）的货车同时涌入园区道路时，不同车辆车速以及灵活性都不同，难免会出现随意变更车道、不按规定车道行驶等不文明行为，而这些行为往往会造成交通秩序的混乱，导致交通拥堵。因此，将各类型车辆划分时间进入园区，同时间段内，仅一种或者两种车辆行驶，会减少车辆的差异性，从而车速一致，保持道路通畅度。

故而相对应在FlexSim的优化调整就是，在Toolbox中设置“TimeTables”，控制一种车辆的通行时间，点击Table下的“State”，设置为“Travel Loaded”。

图4-5 设置TimeTable

2 3

图4-6 设置Function

在“Rows”中增加3行，使其变为一个列表，然后同样设置“State”“ Function”、等参数，“Duration”持续时间设置则见下表4-2不同通车时间段，此表是结合不同资料，如长途运输时间段、私家货车送货时间等，分析得来。

表4-2 不同通车时间段

微型货车 轻型货车 中型货车 重型货车

开始 8:00 8:00 11:00 14:00

结束 10:30 11：00 15:00 18:00

换算：秒 9000 10800 14400 14400

（3）另外，通过了解可知停车场驶入规则是不太合理的，该园区的停车管理规则是就近原则，一个停车场满泊后其他车辆才考虑另一个停车场，因而必定会有其中一段来回必经之路是繁忙的，因此其拥挤繁忙程度明显远超其他路段，在林安物流园区则体现为a-b-f-j-L和a-b-c-h-L两段路（见图4-7绿色线所示）。

2 4

图4-7 繁忙路段示意图

因此，建议按次序原则入库，即在入园大门处设置一个停车系统指引，司机在驶入园区时，按照得到的卡牌驶入停车区，均匀分配各个停车库的车辆，减少同一段交通道路来回的压力。

在FlexSim中的优化相应的是，使暂存区按照循环原则，按照次序入库。见图4-8。

图4-8 按顺序入库

（4）经过前两步的优化，在FlexSim中设置后，最后运行36000s得出繁忙路段的网络节点车流量见表4-3车流量对比，各节点的车流量相差较之前小。

2 5

表4-3 车流量对比

节点名称 西南1门入出口 西南门出入口 北门出入口

a b c d e f g h i j k L M N O P Q R

改变前 1563 736 921 1228 3888 2992 1207 736 3887 1563 3651 1762 3520 17 3511 985 998 918 1493 779 0

改变后 1332 827 1058 1342 3309 3013 1327 700 3240 1472 2992 1675 3181 1728 3187 1024 1120 1416 1245 1421 1421

变化 -231 +91 +137 +114 -579 +21 +120 +36 -7 -91 -659 -87 -339 -26 -324 +39 +122 +498 -248 +2 +1421

从上表我们可以得出优化后的车流量相对更加均衡，大体上将各路段车辆分布较为均匀，由此得出限时间段限流、更改停车场入库原则是可行的。

2 6

5 结论

5.1 总结

通过前文所述可以了解到林安物流园区的交通布局相对比较合理，能满足绝大部分的车辆通畅无阻地在园区内通行，尤其是前半段信息登记及咨询处，交通无碍，停车区平均等待时间为2.6分钟，不到3分钟的等待时长，表明信息登记操作比较顺畅，无需长时等待。

但同时，物流园区的交通系统也存在着不合理现象，存在着部分网络节点繁忙，但同时也存在着某一停车场闲置，它得容量能停放更多车辆，也有处理器速度满足不了停车场等待处理的车辆的要求。

因此需要更好的协调规划各道路才能提升园区总体的车辆运行能力，本文提出两点建议，一是使同时间段的车辆类型统一，二是优化车辆停车入库原则，保证园区内物流交通高效有序的运转。

5.2 不足之处

(1)

数据可能不准确。受新年期间影响，物流园区的车流量暂未100%恢

复，且我于2020年3月15日到达林安物流园收集数据，当天是周末，可能存在车辆偏少的情况，不能反映平时工作日的真实情况。

(2)

道路设计存在着不真实性。由于林安物流园区是2003年建成，当时

建成的道路以现在的科技来看，缺少一定的科学性、统筹性，因此在园区道交通规划上有所欠缺，同时，建设时也会对实际和长远的交通需求考虑不周，而随着时间的推移，这些问题只会越来越严重，最后当暴露出来时已经成为交通拥堵的瓶颈点，比如某路段的破损、路面的坑洼不平整、转角处狭窄等。针对这一点，模型中并未涉及，此模型默认所有道路都为足够平坦、宽敞的道路以供各类型车辆通过。

(3)

建模的路线有不当之处。实际情况中，并非所有车辆都会沿着既定

的“进入→停车→登记信息→停车→装卸搬运活动→驶出”路线进行的，有些车辆可能装卸完毕暂不驶出园区，在园内进行整顿，不需要进入吸收器；有些车辆

2 7

可能不需要装卸，仅仅只是驶入西南1门附近“信息交易中心”的“汽车之家”休息停歇；有些车辆可能只是进入“信息交易中心”的“价格平台”……等等情况都和建模中的既定路线不符。

(4)

网络节点并未代表现实中园区内所有道路。为了建模操作的便利性，

仅仅只对占比大多数的路径情况进行模拟，所以在这点上也存在着不恰当之处。有些较小的路径，允许车辆通过，但并未展示在模型中，该模型仅仅将比较重要的道路描述出来，因此相对现实，该模型是简化了现实条件的。

(5)

在表4-2中，部分数据考虑不周到，时间节点也仅是个人所思所想，

并未全面、系统、深入地思考，因此在优化的数据方面也存在不周到之处。

(6)

众所周知，人、车、路和环境等因素构成的交通系统中，任一因素

的变动都会导致交通道路的变动，最终可能造成局部堵塞，对整条道路乃至整个交通系统的有序流动产生严重影响。而此建模未考虑整个交通系统构成要素，仅考虑到车流、道路两个因素，这里也欠缺系统性的考虑。

2 8

参考文献

[1] 秦金中. 广州林安物流园的生态化建设与功能分析[J]. 现代营销(学苑版), 2013, (1):5-6.

[2] 彭望勒. 建立物流基地的一些问题[J].国际商业技术,2001,5:50-52. [3] 秦留华. SXDH绿色智能物流园区运营模式研究[D].西安石油大学,2019. [4] 刘俊华 周燕 韦晓鹏. 1999-2009国外物流园区文献综述[J]. 物流技术, 2010(16):49-51.

[5] Dubois, Prade.A heuristic methodology of modeling enterprise logistics Networks[D].University of Texas,1999.

[6] Donald Waters,Ronald H. Ballou. Global Logistics and Distribution Planning [M]. CRC Press ,1999.

[7] Ygal Bendavid, Elisabeth Lefebvre, Louis A Lefebvre, Samuel Fosso-Wamba. Key performance indicators for the evaluation of RFID-enabled B-to-B e-commerce applications: the case of a five-layer supply chain [J]. In Syst E-Bus Manage ,2009. [8] Flornhornf Kayikci. A conceptual , model for intermodal freight logistics center location decisions [J]. Procedia-Social and Behavioral Sciences, 2010(3):133-141. [9] Charles. W. Solution method for the location planning problem of logistics park with variable capacity[J]. Computers and Operations Research, 2013, Vol.40(1):406-417.

[10] Ayşenur Doğan, İrem Bilici ,et al. Building a Decision Support System for Vehicle Routing Problem: A Real-Life Case Study from Turkey. [J] Proceedings of the International Symposium for Production Research 2019, 2019.

[11] 翁启伟. 基于价值链管理的物流园区运营模式探讨[J]. 商业经济研究, 2013, (10).

[12] 殷莹. 基于价值链分析的物流园区用地规模及布局研究[D].大连交通大学,2013.

[13] Wei Liu. A Study Report and Proposal on Logistics Finance in Suzhou Industrial Park (SIP)[J]. LISS 2013, 2015, :1341-1345.

2 9

[14] 陈亚男 陈雅倩 周兴建. 大数据下物流园区间协作研究综述[J]. 商业全球化, 2016(1):5-5.

[15] Ping Chen. Development of Logistics Parks in China[J]. Contemporary Logistics in China, 2017, :93-113.

[16] 郭飞宇. 基于改进SLP的S公司济南物流园功能区布局研究[D].北京交通大学,2019.

[17] 张欣. JX物流园区布局研究[D].河北科技大学,2019.

[18] Barcelo Jaime; Grzybowska Hanna; Pardo. et al. Vehicle Routing and Scheduling Models, Simulation and City Logistics[J]. Dynamic Fleet Management: Concepts, Systems, Algorithms and Case Studies, 2007, :163-195.

[19] Pawel Pawlewski; Rafał Juraszek; Magdalena Kowalewska; Zbigniew Pasek. Transforming a Student Project into a Business Project: Case Study in Use of Simulation Tools[J]. Process Simulation and Optimization in Sustainable Logistics and Manufacturing, 2014, :167-184.

[20] Paulina Golinska-Dawson; Pawel Pawlewski. Simulation Modeling Approach to Environmental Issues in Supply Chain with Remanufacturing[J]. New Trends in Intelligent Information and Database Systems, 2015, Vol.598:363-372.

[21] Paulina Golinska-Dawson; Pawel Pawlewski. Simulation Modelling of Remanufacturing Process and Sustainability Assessment[J]. Sustainability in Remanufacturing Operations, 2017, :141-155.

[22] Syed Salleh; Praveen Thokala; Alan Brennan; Ruby Hughes; Andrew Booth. Simulation Modelling in Healthcare: An Umbrella Review of Systematic Literature Reviews.[J]. Pharmacoeconomics, 2017, Vol.35(9):937-949.

[23] Artur Kierzkowski; Tomasz Kisiel. A Simulation Model of Aircraft Ground Handling: Case Study of the Wroclaw Airport Terminal[J]. Information Systems Architecture and Technology: Proceedings of 37th International Conference on Information Systems Architecture and Technology – ISAT 2016 – Part III, 2017, Vol.523:109-125.

[24] Vitalii Naumov. Simulation Model of Requests’ Flow Processing at Logistics Center[J]. New Research Trends in Transport Sustainability and Innovation,

3 0

2018, :70-79.

[25] Adrian Jakobczyk; Kamil Nogaj; Jacek Diakun; Reggie Davidrajuh. Production Process Analysis in Conditions of Short-Term Raw Materials Expiration Dates and Long Setup Times Using Simulation Method[J]. Advances in Manufacturing, 2018, :121-130.

[26] Maria Cieśla; Jerzy Margielewicz; Damian Gąska. Intermodal Terminals Network Modelling[J]. Modelling of the Interaction of the Different Vehicles and Various Transport Modes, 2019.

[27] Grzegorz Gołda; Adrian Kampa; Damian Krenczyk. The Methodology of Modeling and Simulation of Human Resources and Industrial Robots in FlexSim[J]. FlexSim in Academe: Teaching and Research, 2019.

[28] Jun Woo Kim;Jin Sung Park;Soo Kyun Kim. Application of FlexSim software for developing cyber learning factory for smart factory education and training[J]. Multimedia Tools and Applications, 2019：1-17.

[29] Li Li; Wang Xiaodong. Study on Modeling and Simulation of Container Terminal Logistics System[J]. Advancing Computing, Communication, Control and Management, 2010, Vol.56:222-230.

[30] Xu Linwei; Zhong Xing Li. Simulation and Optimization of Logistics Collaborative Operation Based on FlexSim[J]. Mechanical Engineering and Technology, 2012, Vol.125:453-457.

[31] 韩柳. 基于FlexSim的物流园区仿真及优化讨论[D].西南交通大学,2012. [32] 曹国权.FlexSim系统仿真在物流园区规划设计中的应用[N]. 现代物流报,2013-01-11(A12).

[33] Zhongxiang He; Xiaomin Zhu;Junyang Li. Modeling and Simulation for the Operation Process of Cold-Chain Logistics Distribution Center Based on FlexSim[J]. LISS 2013, 2015, :277-282.

[34] Bo Huang; Huajun Tang. Study of Workshop Production System Based on Petri Nets and FlexSim[J]. Proceedings of the 22nd International Conference on Industrial Engineering and Engineering Management. 2016, :833-844.

[35] Tongjuan Liu; Yanlin Duan; Yingqi Liu. Simulation and Optimization of the

3 1

AS/RS Based on FlexSim[J]. Frontier Computing, 2016, Vol.375:855-863.

[36] Jihao FENG. Design and Simulation Optimization of Automatic Stereoscopic Warehouse Based on FlexSim[A]. Materials Science,2016:9.

[37] 陈佳伟. 基于FlexSim的CS公司原料仓进出库作业仿真优化研究[D].南华大学,2016.

[38] 张鹏. 自动化立体库货位分配与FlexSim仿真研究[D].吉林大学,2017. [39] 王典雪, 尹科. 基于FlexSim的山区生鲜农产品冷链物流配送网络仿真分析[J]. 物流科技, 2018, 第41卷(4):55-58，76.

[40] 房殿军, 李伟, 张新艳. 基于FlexSim的工厂园区物流运输仿真及优化[J]. 物流技术, 2018, 第37卷(4):53-57，111.

[41]https://baike.baidu.com/item/%E6%9E%97%E5%AE%%E7%%A9%E6%B5%81%E5%9B%AD/6301031?fr=aladdin[DB/OL].

[42] 苏淑霞 苏明. 广州市林安物流园发展策略思考[J]. 商业经济, 2014(07):-67.

3 2