排队方法在分析拥堵中的应用 - 以菲律宾马尼拉国际集装箱码头为例

作者：Naima Saeed、Odd I.Larsen

摘要

本文的目的是应用排队方法，以分析菲律宾马尼拉港马尼拉国际集装箱码头（MICT）的拥堵情况。由于拥堵，呼叫MICT的船只必须排队等候才能在泊位接收服务。对于船舶经营人和货主，这种情况造成等待时间成本和延迟向最终客户交付货物。减少等待时间的一个选择是通过增加泊位数来扩大容量。建造新泊位是一项耗时且昂贵的程序，在实施之前需要仔细考虑。为了确定所收集的数据是否适合排队方法，已经分析了船舶到达的分布模式。结果表明，船舶抵达模式遵循泊松定律随机分布，证实了所提出的排队方法的有效性。采用排队方法，目的是最大限度地降低总成本，包括等待时间成本和泊位建设成本，这表明MICT的泊位数量目前已经足够。为了解除拥塞，端口管理员必须采取其他行动。

2016世界交通研究学会会议。由Elsevier Ltd.出版。保留所有权利。

介绍

影响发展中国家出口竞争力的主要因素之一是国际运输服务的成本。与关税和其他贸易壁垒相比，这一因素对参与国际贸易具有更大的阻碍作用。如果各经济体的运输成本翻倍，则年增长率将下降超过0.5个百分点。同样，各国人均国内生产总值（GDP）差异的约70％是由于其进入国外市场的能力，这受到运输成本的影响。运输成本取决于许多地理和经济因素。 运输成本高的主要原因之一是运输基础设施差，包括海运，其处理全球货运市场的近90％。

本研究采用排队理论来分析能力扩张决策（开发新泊位），以应对菲律宾马尼拉港面临的拥堵问题。菲律宾政府也正在寻找解除马尼拉港口解决方案的措施.2菲律宾由7107组成 岛屿;它的海岸线长，比美国海岸线长235,973平方公里。 这些岛屿通过海上运输相互连接和外部世界，这有利于货物和人员的流动。由于该国的群岛结构，为了能够很好地进入外国经济，它必须拥有一个由港口和航运组成的高效海上运输基础设施。

但是，该国现有的海上运输基础设施效率低下，并成为国内和国际贸易一体化的主要障碍。由此导致的人员和货物运输成本高，导致货物价格上涨和出口竞争力下降。研究结果表明，陆上基础设施的质量约占菲律宾等沿海国家预计运输成本的40％。 以下因素导致效率低下：（a）港口和船舶能力不足; （b）无效的港口管理和行政; （c）反竞争政策和监管带来的制约因素。本研究的重点是港口能力不足导致效率低下。

本文试图确定最大化净效益的MICT泊位的最佳数量。De Weille和Ray（1974）解释的净效益包括船东的利益（减少等待时间成本）和港务局（最小化泊位的建设和维护成本）。如果港务局不投资以扩大其运力，它将能够最大限度地降低每艘船的成本; 但是，船东将面临等待时间成本。另一方面，建造将导致零等待时间的泊位将节省船东的等待时间成本，但是会给港务局带来高昂的建设和维护成本。在这种情况下，泊位的最佳数量将是全年将充分利用的数量（下限），并将避免船舶面临的任何延误（上限）。

下一节将介绍排队论对港口部门应用的文献。随后的部分介绍了案例研究，方法和数值解决方案，然后是结论和讨论。

文献评论

很少有研究人员应用排队论来分析港口的拥堵问题。 Sen（1980）讨论了引入海洋拥堵问题分析优先权制度的问题。在文献中，选择用于分析的服务学科最常见的是按到达顺序服务单元的服务学科;也就是先到先得（FCFS）。然而，该系统忽略了一个重要方面：单个单元的延迟灵敏度将不同。因此，重要的是引入一个优先级系统，以分析差分灵敏度延迟的可能性。分配优先级的目的是最小化排队系统中的等待的平均成本，受制于系统中单元的延迟灵敏度可能施加的任何约束。 Sen（1980）解决了两个约束优化问题，以确定采用优先结构可以实现的潜在收益。该研究应用了具有泊松到达和离开的单服务器系统，尽管该分析可以扩展到一般的排队系统。

Easa（1987）提出了近似排队模型，以分析拖船服务对拥挤的港口码头的影响。 该模型适用于拖船短缺罕见的港口。拥挤的港口码头被建模为具有m个相同的拖船（服务器）和n个相同的泊位（客户）的排队系统，并且具有拖船服务时间和泊位货物处理时间的一般概率分布。 模型在一定范围内显示出相当准确，涵盖了拖船短缺大约10％或更少时间的情况。

Berg-Andreassen和Prokopowicz（1992）讨论了与锚地和水开发工业计划相关的利益冲突问题。他们将标准排队模型应用于密西西比河下游锚固系统，以分析减少锚固空间在深水锚固系统中的经济影响。 他们考虑随机到达和离开以及随机配制的成本函数。 他们的模型还考虑了与船舶到达，停留在泊位以及可能发生的其他基本成本增加相关的各种假设。 Kozan（1994）应用排队模拟模型来确定船舶等待时间的机会成本与海港系统扩展所产生的成本之间的最佳平衡。 为此，进行了成本效益分析，以评估不同时期的替代投资决策，这些决策提供了海港规划期内总成本的最小现值。

Laih等人（2007年）、Laih和Chen（2008）讨论了最佳的非排队收费方案和集装箱船在港口释放拥堵的最优n步收费方案。根据该研究，最优的非排队收费方案将是困难的 实施，因为它具有不同费用的特点。另一方面，最佳的n步收费方案被证明是一种合适的替代方案。该研究进行了动态分析，并比较了实施最佳n步收费方案前后集装箱船抵达率和到达时间的差异。分析表明，那些支付了通行费的船只的到达时间将向后延伸。但是，对于没有支付过任何通行费的船舶，到达时间将保持不变。因此，船舶到达时间的模式将根据收费来改变，并且收费管理将能够减轻港口的拥堵。

Dragovic等人（2006）讨论了模拟和排队模型，以确定港口泊位链路的性能评估。他们应用这两个模型来计算釜山东集装箱码头（PECT）的数值结果。为了进行分析，他们选择了基本的运行参数，如泊位利用率，等待线平均船舶数，船舶在等候线上的平均停留时间，船舶的平均服务时间，船舶在港口的平均总时间，平均码头起重机（QC）生产率，以及每艘船的平均QC数。 Kiani等人（2006）提出了两个因素：泊位非生产时间和集装箱船的周转时间。船舶的周转时间包括港口的等待和服务时间。港口运营商可以通过扩大泊位的数量和规模或提高码头设施的服务率来最大限度地缩短总周转时间。 Kiani等人。在他们的研究中解决了后一个问题，分析表明，安装在传统码头起重机（QSCs）上的自动化设备显着缩短了在港口停靠的集装箱船的周转时间。这项政策在大型港口非常有用，因为大型港口总是有可供维修的船只。然而，对于中型和小型港口，船舶周转时间的最小化导致昂贵的泊位和设施在一段时间内无效。为了解决这个问题，Kiani等人。 （2006）将排队论应用于伊朗的Bandar Abbas集装箱码头（BACT），以便在集装箱船等待时间成本和泊位非生产性服务时间之间找到一个收支平衡点。

Canonaco等人（2008）研究了轨道式起重机等昂贵资源的生产率最大化，这种资源应该在适当的服务完成率下尽量减少等待时间。 他们使用排队网络模型来解决这个实际问题。 此外，在模拟器设计中使用基于事件图（EG）的方法，以便考虑实际约束的系统表示以及资源分配和活动调度的策略。

Munisamy（2010）采用封闭式排队网络模型来评估巴生港码头与货物装卸系统相关的效率及其对码头吞吐量的影响。 为了分析拥堵的原因，该模型考虑了不同货物装卸元件之间的相互作用，例如叉车，拖拉机，拖车和码头起重机。模型的结果显示了货物装卸设备的性能统计，码头起重机的吞吐量， 以及终端吞吐量的预测。 港口当局和港口运营商可以使用该方法和结果来设计和实施经济有效的运营和投资战略。

在这些研究中，以下研究人员应用排队论来分析投资新泊位建设的决策，以减少等待时间。 关于可变船舶随时间在港口的到达，De Weille和Ray（1974）研究了最大化总净效益的最佳容量（泊位数）。 他们解决了两个案件。 第一种是简单的情况，其中他们假设在一定时期内每天到达的船舶数量和每艘船的服务时间是已知的。 有了这些信息，就可以轻松计算不同泊位数的总等待时间和成本。 第二种情况是一个复杂的情况，其中船舶到达的时间和每艘船的服务时间是未知的。 De Weille和Ray（1974）应用标准排队理论来计算等待时间并确定处理未来交通的最佳泊位数。

Edmond和Maggs（1978）将排队方法应用于英国港口；Felixstowe，Grangemouth、Livepool（Seaforth）、Southampton（Solent Containers）和Tilbury。他们的研究回顾了英国集装箱码头的运营特点，并使用排队模型分析了投资泊位建设和货物装卸设备的决策。他们的分析结果表明，对起重机和泊位设施的投资并不一定会以相同的比例减少排队。这使得有必要进行成本分析以比较不同的选项。El-Naggar（2010）采用排队方法确定最佳泊位数，从而最大限度地降低了埃及亚历山大港的总成本。分析表明，船舶抵达模式遵循泊松定律随机分布，证实了排队方法的有效性。所采用的方法基于这样的假设：只要泊位（建造和维护）的边际成本低于船舶的等待成本，就可以增加泊位数量。结果表明，最小化港口总成本的港口容量为一般货物的33个泊位。目前的泊位数为32。

Oyatoye等人（2011）应用排队方法分析尼日利亚锡罐岛港口的拥堵问题。 分析表明，该港口的泊位数量足以应对交通。 他们与港口的利益相关者进行了访谈，以找出导致港口拥堵的其他因素。 这些因素包括复杂的通关程序，内陆运输基础设施差，现有和适当的处理设备不可用，24小时无法运作，进口商使用港口作为储存区，以及非熟练和未经训练的工作人员。

之前只有四项研究（De Weille和Ray，1974; Edmond和Maggs，1978; El-Naggar，2010; Oyatoye等人，2011）已应用排队理论来确定最小化泊位的最佳泊位数和总成本。只有三项研究（Edmond和Maggs，1978; El-Naggar，2010; Oyatoye等人，2011）用实际数据解决了排队模型，尽管他们的案例研究不同。

马尼拉港

马尼拉港位于马尼拉湾的东南海岸（见图1）。 马尼拉湾入口宽19公里（12英里），海湾扩展到48公里（30英里）。 马尼拉港位于巴丹半岛以南约40公里（25英里）处，由三个区域组成：马尼拉北部，马尼拉南部和马尼拉。 马尼拉国际集装箱码头（MICT）由国际集装箱码头服务公司（ICTSI）运营，位于马尼拉港北部和南部港口之间。 它成立于1987年，从那时起，它已扩展到整个菲律宾和全世界的集装箱。 它处理马尼拉港口65％的市场份额。

马尼拉港MICT的主要货物是国际集装箱，但该港口还处理其盆地锚地的非集装箱和普通货物。 它可以同时容纳五到六艘船。 马尼拉港的MICT配备了集装箱和散货处理工具。

表2显示了MICT在等待和服务时间方面与2012年西菲律宾海其他选定港口相比的表现。表1中的数字表明，与其他港口相比，在MICT呼叫的船舶面临更长的等待和服务时间 该地区的码头港口。

图1.马尼拉港的位置

表2.MICT与西菲律宾海其他港口的性能比较（2012年）

排队论

排队理论被认为是解决拥堵问题的重要分析工具。它可用于估算某些重要参数，例如船舶的平均等待时间，平均排队长度，港口平均船舶数量和平均泊位利用率（更接近实际值）。

Jansson和Shneerson（1982）指出，船舶大多是随机到达港口，因此对港口资源的需求不同。因此，对港口服务的短期需求波动。例如，有可能在一周内所有资源都将被占用，船只将被排队; 在下周，港口根本没有船只。因此，港口服务的供应，或者换句话说，船舶的服务时间也是高度可变的。 因此，为了确定最佳端口容量，有必要分析端口设施的高水平利用和端口用户的延迟机会两个目标之间的权衡。

在单泊位设施排队时间

Jansson和Shneerson（1982）对队列的形成使用了以下假设：

1. 客户（在这种情况下，船舶）随机到达，其中由泊松概率分布描述的到达的分布。 在给定时间段（例如，一天）中n艘船舶到达港口的概率Pn可表示为：

（1）

其中lambda;，预计一天到达的船舶数量; e，自然对数的基数（e = 2.71828 ......）; n！，船号的阶乘。只有在一天中的平均到达率已知时，才能计算到达船舶的泊松分布函数。

<li

资料编号：[3127]

</li