Processing math: 100%

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

考虑行李的多格子元胞自动机登机模型

任新惠 焦阳 赵嶷飞

陆建, 王炜. 城市出租车拥有量确定方法[J]. 交通运输工程学报, 2004, 4(1): 92-95.
引用本文: 任新惠, 焦阳, 赵嶷飞. 考虑行李的多格子元胞自动机登机模型[J]. 交通运输工程学报, 2017, 17(4): 122-129.
LU Jian, WANG Wei. Confirming method of urban taxi quantity[J]. Journal of Traffic and Transportation Engineering, 2004, 4(1): 92-95.
Citation: REN Xin-hui, JIAO Yang, ZHAO Yi-fei. Multi-grid cellular automata boarding model considering carried baggages[J]. Journal of Traffic and Transportation Engineering, 2017, 17(4): 122-129.

考虑行李的多格子元胞自动机登机模型

基金项目: 

国家自然科学基金项目 U1433111

国家自然科学基金项目 U1333108

详细信息
    作者简介:

    任新惠(1971-), 女, 陕西西安人, 中国民航大学副教授, 从事航空运输企业运营管理研究

  • 中图分类号: V351.17

Multi-grid cellular automata boarding model considering carried baggages

More Information
    Author Bio:

    REN Xin-hui(1971-), female, associate professor, +86-22-24092464, xinhui9596@sina.com

Article Text (Baidu Translation)
  • 摘要: 为了精确描述旅客登机过程, 分析了经典的旅客登机模型, 考虑了旅客携带行李占用过道空间与步行速度, 刻画了2种新的过道干扰: 速度干扰和入座干扰, 建立了多格子元胞自动机登机模型, 根据旅客携带行李数量, 提出了多行李优先登机策略。分析结果表明: 当客座率为100%时, 新模型登机时间为1 455s, 干扰次数为6 720, 经典模型登机时间为1 244s, 干扰次数为5 412, 相比于经典登机模型, 新模型模拟了机舱内旅客运动的复杂情况, 元胞尺寸增大, 旅客间相互作用增强, 因此, 登机时间较长, 过道干扰较大, 比较符合实际旅客登机行为; 当客座率为100%时, 采用多行李优先登机策略的登机时间为1 303s, 相比随机登机策略减少了150s, 节省登机时间10.3%, 过道干扰次数为5 686, 相比随机策略减少了808次, 因此, 采用多行李优先登机策略能有效地减小过道干扰, 提高登机效率。

     

  • 出租车交通是城市客运交通的一个重要组成部分, 是城市常规公共交通的重要补充, 直接反映城市客运交通水平的高低与出行方式选择的多样性, 在建立城市形象、满足高层次的出行需求等方面都具有重要的意义[1]。近年来, 随着人民生活水平的不断提高, 对出行的要求也逐步提高。出租车作为公共交通的一种特殊方式, 由于其快速、便利、舒适、安全等特性, 受到越来越多的短途(市内) 出行者的青睐, 促进了出租车行业的迅速发展, 但是同时也给城市综合客运交通体系带来了新的问题和挑战。

    目前国内许多城市的出租车行业在经历了一段时间的发展之后, 都不同程度地出现了总量过剩的现象, 其直接的表现特征就是出租车的空驶率高, 道路交通资源浪费。许多城市在出现这一局面后, 都不约而同地采取了停止发放或限制发放出租车营运证的方式来控制出租车拥有量。由于目前对城市出租车拥有量的控制标准中并没有上限规定, 现行的《城市道路交通规划设计规范(GB 50220-95) 》仅给出了出租车拥有量的下限, 即大城市不少于每千人2 veh, 小城市不少于每千人0.5 veh, 中等城市可在其间取值[2], 给各城市控制出租车的发展规模与速度带来了困难。事实上许多城市是在已经出现了出租车总量过剩、空驶率高的情况下才采取了限制出租车数量增长的政策, 由于对未来年份出租车需求总量规模缺乏定性的估计, 通常只能提出视实际情况而定的指导性原则, 不利于城市交通的发展。

    结合城市交通规划的研究工作, 本文提出了一种利用城市居民与流动人口出行调查与出租车运营状况调查结果的城市出租车总量的计算方法, 既可以对目前城市需要的出租车拥有量进行测算, 也可以对规划年份出租车拥有量进行预测。

    有效行驶: 将出租车载客时的行驶状态称为有效行驶, 相应的行驶里程称为有效行驶里程。

    无效行驶: 将出租车在未载客时的行驶状态称为无效行驶, 相应的行驶里程称为无效行驶里程。

    行驶总里程: 一天中有效行驶里程与无效行驶里程之和。

    平均运营速度: 出租车全天行驶总里程与运营时间之比, 平均运营速度与出租车行驶速度以及驾驶员等客、休息时间的长短有关。

    出租车平均空驶率: 将一天中无效行驶里程与行驶总里程之比称为空驶率。

    平均有效车次载客人数: 出租车在运营中, 平均每次有效行驶时所运载的乘客数。

    在城市交通规划中, 往往要进行城市居民与流动人口出行调查, 结合出租车运营状况调查, 获得可以为预测未来出租车拥有量的数据。出租车的空驶率与城市出租车拥有量有密切关系, 从出租车所完成的城市居民和流动人口出行周转量入手, 结合空驶率的分析, 对城市出租车拥有量进行计算。

    出租车承担的城市居民出行周转量为

    W1=R1A1Ρ1D1(1)

    式中: W1为出租车承担的城市居民出行周转量(104人·km); R1为城市居民人口总量(104人); A1为城市居民人均日出行次数; P1为城市居民出行方式结构中出租车所占的比例; D1为城市居民平均以出租车方式出行的距离(km)。

    出租车承担的流动人口出行周转量为

    W2=R2A2Ρ2D2(2)

    式中: W2为出租车承担的流动人口出行周转量(104人·km); R2为流动人口总量(104人); A2为流动人口人均日出行次数; P2为流动人口出行方式结构中出租车所占的比例; D2为流动人口平均以出租车方式出行的距离(km)。

    考虑到出租车在运营过程中, 每次有效行驶所运载的乘客数不同。为完成客运需求, 全市出租车所必须的总有效行驶里程可用下式计算

    L=W1S1+W2S2(3)

    式中: L为全市出租车总有效行驶里程(104 km); S1为城市居民乘坐出租车时平均有效车次载客人数(人); S2为流动人口乘坐出租车时平均有效车次载客人数(人)。

    根据本文所定义的空驶率, 其计算公式为

    Κ=1-LΤVn(4)

    式中: K为空驶率; T为一天当中出租车平均运营时间(h); V为出租车平均运营车速(km/h); n为城市出租车总量。

    将式(4) 变换, 得到城市出租车总量计算公式为

    n=L(1-Κ)ΤV(5)

    式(5) 是根据城市居民和流动人口一日出行总量计算得到的出租车总量, 其结果与全市出租车空驶率(K) 有关。

    一般情况下, 出租车运营中的主要客源产生于白天, 白天出租车的运营方式主要表现为行驶过程中沿途载客, 而夜间, 居民和流动人口出行量大大减少。部分城市出行调查结果显示, 从早晨6:30到晚上19:30的13 h中, 集中了全天90%左右的出行量, 如苏州市为93.3%[3], 蚌埠市为89.7%[4], 常德市为93.0%[5], 昆山市为91.2%[6], 张家港市为91.3%[7], 因此夜间出租车客源大为减少, 出租车的运营方式表现为在行驶过程中沿途载客和在主要客源发生地(饭店、餐饮、娱乐场所、对外交通枢纽等) 等客2种方式。利用式(5) 计算得到的出租车拥有量是在全日出行量平均计算基础上得到的, 由于出租车客源在时间分布上存在着明显的差异, 该出租车拥有量将超过夜间出行需求而无法满足白天的需要。因此, 出租车拥有量应满足90%出行量所对应的白天13 h的需求, 应按照白天13 h的出行需求计算出租车拥有量, 对式(5) 进行修正得

    Ν1=0.9L13(1-Κ)V(6)

    式中: N1为以白天13 h出租车拥有量。

    在对典型城市的出租车运营状况进行调查时发现, 城市中的出租车并不都处于运营状况。如蚌埠市调查中发现, 有8%的出租车出于年检、修理、接受处罚或驾驶员个人情况等原因而没有投入运营。考虑到一定的弹性, 一个城市中一般有10%的出租车未投入运营, 因此, 城市出租车拥有量应为

    Ν=Ν1/0.9=L13(1-Κ)V(7)

    式中: N为城市出租车拥有量(104 veh)。

    蚌埠市位于安徽省东北部, 地处淮河中游, 市区面积445 km2, 其中建成区面积52 km2。市区非农业人口55.4×104人, 流动人口约为5×104人。

    蚌埠市根据自然地理条件, 采用组团式布局结构。利用淮河、龙子湖、席家沟等水系将城市用地划分为市中心片区、锥子山片区、张公山片区和河北片区4大片区。

    2002年6月, 结合蚌埠市综合交通规划的开展, 在蚌埠市组织了大规模的交通系统现状调查。城市居民及流动人口出行调查结果显示, 目前全市居民平均人均日出行次数为2.86次, 流动人口人均日出行次数为2.5次; 居民和流动人口出行方式结构中出租车所占的比例分别为0.94%和35.3%;出租车出行方式平均出行时耗为20 min。

    道路交通量调查结果显示, 道路交通流中出租车交通所占的比例较大, 平均达到了33.52%。

    全市现有出租车2300 veh, 分属13家出租车公司。为进一步了解出租车在城市交通中所处的地位和状况, 为确定规划出租车拥有量提供依据, 在全市12家出租车公司共抽取了200 veh出租车进行一周运营情况调查, 主要结果见表 1

    表  1  出租车运营状况调查结果
    Table  1.  Taxi transport characteristic investigation results
    日期 有效行驶里程/km 空驶里程/km 日运营总里程/km 全天载客次数 全天载客人数 平均有效车次载客人数 日运营时间/h 平均运营速度/km·h-1 空驶率/%
    6月12日 91.48 141.13 232.61 16.83 37.44 2.26 17.07 13.63 61
    6月13日 83.74 131.88 215.62 15.87 35.92 2.31 16.05 13.43 61
    6月14日 87.00 138.73 225.73 16.33 35.80 2.27 17.57 12.85 62
    6月15日 85.18 133.72 218.90 15.49 35.34 2.30 16.29 13.44 60
    6月16日 94.02 135.84 229.85 15.93 36.82 2.34 16.51 13.92 60
    6月17日 86.47 132.00 218.48 15.91 36.50 2.37 16.11 13.56 60
    6月18日 74.64 132.87 207.51 15.95 34.15 2.22 16.02 12.95 64
    平均值 86.08 135.17 221.24 16.04 35.75 2.30 16.52 13.39 61
    下载: 导出CSV 
    | 显示表格

    受城市组团式布局结构影响, 平均出租车出行距离较长, 现状为5.37 km。调查中得到的出租车平均运营速度仅为13.39 km/h, 远低于正常行驶速度。实地观测后发现, 由于客源不足, 蚌埠市出租车运营过程中有大量的时间用来等候客人, 而不是在道路上行驶, 尤其是在汽车站、火车站、大型商业设施、娱乐场所等周围, 出租车候客现象十分普遍, 使平均运营速度大大降低。经对比后发现, 一周内工作日和双休日的各项营运指标差别不大。

    3.3.1   现状出租车实际需要拥有量计算

    根据调查结果, 现状城市出租车平均空驶率达61%, 大量道路交通资源被无效的出租车空驶所占用, 出租车数量超过了实际需求。根据发达国家和国内出租车营运组织先进城市的经验, 城市出租车空驶率大致为30%~40%较为合理。按照出租车空驶率为35%的标准, 采用本文介绍的方法对蚌埠市现状出租车实际需要拥有量进行计算。计算过程中认为城市居民与流动人口以出租车方式出行距离相同, 均为5.37 km; 城市居民与流动人口乘坐出租车时平均有效车次载客人数相同, 均为2.3人。现状出租车承担的城市居民出行周转量为

    W1=55.4×2.86×0.94%×5.37=8.0 (104人·km)

    现状出租车承担的流动人口出行周转量为

    W2=5×2.5×35.3%×5.37=23.7 (104人·km)

    全市出租车总有效行驶里程

    L =W1S1+W2S2=8.02.3+23.72.3=13.8(104km)

    现状需求情况下全市出租车拥有量应为

    Ν=L13(1-Κ)V=13.813×(1-0.35)×13.39=0.122(104veh)

    目前蚌埠市实际拥有出租车2300 veh, 大大超过了根据实际需求计算的1220 veh。根据实际需求计算的1220 veh出租车的规模, 对应于55.4×104城市人口, 相当于每千人2.2 veh, 高于现行《规范》的下限。

    3.3.2   规划期末出租车拥有量计算

    根据城市总体规划, 至规划期末, 全市居民人口规模为95×104人, 流动人口10×104人, 市区建成区面积90.3 km2。预测未来居民与流动人口平均日出行次数分别为2.8、3.0次; 居民与流动人口出行结构中出租车分担比例将分别达到4.0%、50%。城市发展建设中将继续采用组团式布局结构, 重点开发新市区, 预测随着城市建成区规模的扩大, 平均出租车出行距离将增大到6.5 km。

    采用本方法对规划期末出租车拥有量进行计算, 为简化计算, 认为城市居民与流动人口平均以出租车方式出行距离均为6.5 km; 城市居民和流动人口乘坐出租车时平均有效车次载客人数均为2.0。同时, 预测未来出租车平均运营车速将提高到20 km/h。未来出租车承担的城市居民出行周转量为

    W1=95×2.8×0.04×6.5=69.16 (104人·km)

    未来出租车承担的流动人口出行周转量

    W2=10×3.0×0.5×6.5=97.5 (104人·km)

    全市出租车总有效行驶里程

    L =W1S1+W2S2=69.162.0+97.52.0=83.33(104km)

    根据需求, 预测未来全市出租车拥有量为

    Ν=L13(1-Κ)V=83.3313×(1-0.35)×20=0.493(104veh)

    预测规划期末, 蚌埠市的出租车在控制空驶率为35%的水平下, 其规模应达到4 930 veh, 即在现有2 300 veh的基础上再增加2630 veh。

    本文的研究为城市出租车拥有量的预测和控制提供了定量化的分析计算方法, 该方法是以完成城市客运交通需求并控制一定的空驶率水平为前提的。应用该方法可以测算出正常情况下, 一个城市对应于一定空驶率水平的出租车发展规模, 其预测结果对指导未来城市出租车行业发展有重要意义。

    应用该方法预测未来城市出租车总量规模时, 所需要的主要基础数据有城市居民与流动人口总量、人均出行次数、出租车出行比例、出租车出行距离、出租车平均车次载客人数、出租车运营速度等。这些基础数据通过城市交通规划研究成果(城市人口出行调查结果) 或补充一定的出租车运营状况调查即可获得。该方法具有可操作性, 在蚌埠市交通管理规划研究中进行了尝试, 效果良好。

    城市出租车拥有总量不仅与城市人口总量直接相关, 还与城市商贸、旅游、文化交流等活动以及城市规模、经济水平等主要影响因素密切相关。本文所提出的预测方法中, 这些影响因素分别通过流动人口总量、出租车出行比例、人均出行次数、出租车出行距离、出租车平均车次载客人数等指标反映。

    出租车总量与空驶率之间的关系密切, 一般认为空驶率在30%~40%之间较好, 过高造成资源浪费, 过低则降低了服务水平。中国城市出租车行业的发展历程表明, 城市出租车拥有总量与出租车行业的收入状况有关, 当空驶率较低时出租车行业收入较高, 将会刺激出租车数量的增长。本文的研究中没有考虑出租车数量与行业收入之间的关系, 认为城市中确定出租车拥有量的主要因素是道路交通资源的利用效率。

    通过蚌埠市的调查数据发现, 出租车的平均运营速度只有13.39 km/h, 远低于正常行驶速度。在实地调查中发现, 由于出租车总量供过于求, 为了降低运营成本(主要是燃油消耗), 大量的出租车不是在道路上行驶寻客, 而是在一些主要的客源发生地等客, 造成了出租车违章停放现象, 对交通秩序带来了不良影响。同时, 出租车在道路上行驶过程违章现象也较为普遍。合理控制出租车规模是规范出租车行驶行为, 改善交通秩序的保障措施之一。

  • 图  1  机舱座位模型

    Figure  1.  Cabin seat model

    图  2  Tlnb变化趋势

    Figure  2.  Changing trend of Tl with nb

    图  3  机舱过道

    Figure  3.  Aisles in cabin

    图  4  旅客元胞运动模型

    Figure  4.  Motion model of passenger cell

    图  5  经典模型的旅客登机仿真

    Figure  5.  Boarding simulation of passengers in classic model

    图  6  新模型的旅客登机仿真

    Figure  6.  Boarding simulation of passengers in new model

    图  7  新干扰的变化曲线

    Figure  7.  Changing curves of new interference

    图  8  不同最大速度的登机时间

    Figure  8.  Boarding times at different maximum speeds

    图  9  不同元胞尺寸下的登机时间

    Figure  9.  Boarding times under different cellular sizes

    图  10  不同登机模型下的登机时间对比

    Figure  10.  Comparison of boarding times for different boarding models

    图  11  不同登机模型下的干扰次数对比

    Figure  11.  Comparison of interference numbers for different boarding models

    图  12  不同登机策略下新增干扰次数对比

    Figure  12.  Interference number comparison under different boarding strategies

    图  13  不同登机下策略登机时间对比

    Figure  13.  Boarding time comparison under different boarding strategies

    表  1  行李模型参数

    Table  1.   Luggage model parameters

    下载: 导出CSV
  • [1] BALL M, BARNHART C, DRESNER M, et al. Total delay impact study[R]. Berkeley: UC Berkeley Report, 2010.
    [2] NYQUIST D C, MCFADDEN K L. A study of the airline boarding problem[J]. Journal of Air Transport Management, 2008, 14 (4): 197-204. doi: 10.1016/j.jairtraman.2008.04.004
    [3] MILNE R J, KELLY A R. A new method for boarding passengers onto an airplane[J]. Journal of Air Transport Management, 2014, 34 (1): 93-100.
    [4] VAN LANDEGHEM H, BEUSELINCK A. Reducing passenger boarding time in airplanes: a simulation based approach[J]. European Journal of Operational Research, 2002, 142 (2): 294-308. doi: 10.1016/S0377-2217(01)00294-6
    [5] VAN DEN BRIEL M H L, VILLALOBOS J R, HOGG G L, et al. America West Airlines develops efficient boarding strategies[J]. Interfaces, 2005, 35 (3): 191-201. doi: 10.1287/inte.1050.0135
    [6] STEFFEN J H. Optimal boarding method for airline passengers[J]. Journal of Air Transport Management, 2008, 14 (3): 146-150. doi: 10.1016/j.jairtraman.2008.03.003
    [7] STEFFEN J H, HOTCHKISS J. Experimental test of airplane boarding methods[J]. Journal of Air Transport Management, 2012, 18 (1): 64-67. doi: 10.1016/j.jairtraman.2011.10.003
    [8] FERRARI P, NAGEL K. Robustness of efficient passenger boarding strategies for airplanes[J]. Transportation Research Record, 2005 (1915): 44-54.
    [9] 尚华艳, 陆化普, 彭愚. 基于元胞自动机的乘客登机策略[J]. 清华大学学报: 自然科学版, 2010, 50 (9): 1330-1333. https://www.cnki.com.cn/Article/CJFDTOTAL-QHXB201009002.htm

    SHANG Hua-yan, LU Hua-pu, PENG Yu. Aircraft boarding strategy based on cellular automata[J]. Journal of Tsinghua University: Science and Technology, 2010, 50 (9): 1330-1333. (in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-QHXB201009002.htm
    [10] NOTOMISTA G, SELVAGGIO M, SBRIZZI F, et al. A fast airplane boarding strategy using online seat assignment based on passenger classification[J]. Journal of Air Transport Management, 2016, 53: 140-149. doi: 10.1016/j.jairtraman.2016.02.012
    [11] ZEINEDDINE H. A dynamically optimized aircraft boarding strategy[J]. Journal of Air Transport Management, 2017, 58: 144-151. doi: 10.1016/j.jairtraman.2016.10.010
    [12] TANG Tie-qiao, WU Yong-hong, HUANG Hai-jun, et al. An aircraft boarding model accounting for passengers'individual properties[J]. Transportation Research Part C: Emerging Technologies, 2012, 22: 1-16. doi: 10.1016/j.trc.2011.11.005
    [13] JAEHN F, NEUMANN S. Airplane boarding[J]. European Journal of Operational Research, 2015, 244 (2): 339-359. doi: 10.1016/j.ejor.2014.12.008
    [14] BACHMAT E, BEREND D, SAPIR L, et al. Analysis of airplane boarding times[J]. Operations Research, 2009, 57 (2): 499-513. doi: 10.1287/opre.1080.0630
    [15] QIANG Sheng-jie, JIA Bin, XIE Dong-fan, et al. Reducing airplane boarding time by accounting for passengers'individual properties: a simulation based on cellular automaton[J]. Journal of Air Transport Management, 2014, 40: 42-47. doi: 10.1016/j.jairtraman.2014.05.007
    [16] CHUNG C A. Simulation design approach for the selection of alternative commercial passenger aircraft seating configurations[J]. Journal of Aviation Technology and Engineering, 2012, 2 (1): 100-104. doi: 10.5703/1288284314861
    [17] 冯霞, 张鑫, 陈锋. 飞机过站上客过程持续时间分布[J]. 交通运输工程学报, 2017, 17 (2): 98-105. http://transport.chd.edu.cn/article/id/201702011

    FENG Xia, ZHANG Xin, CHEN Feng. Boarding duration distribution of aircraft turnaround[J]. Journal of Traffic and Transportation Engineering, 2017, 17 (2): 98-105. (in Chinese). http://transport.chd.edu.cn/article/id/201702011
    [18] BAZARGAN M. A linear programming approach for aircraft boarding strategy[J]. European Journal of Operational Research, 2007, 183 (1): 394-411. doi: 10.1016/j.ejor.2006.09.071
    [19] SOOLKI M, MAHDAVI I, MADAVI-AMIRI N, et al. A new linear programming approach and genetic algorithm for solving airline boarding problem[J]. Applied Mathematical Modelling, 2012, 36 (9): 4060-4072. doi: 10.1016/j.apm.2011.11.030
    [20] 柯源. 飞机登机策略分析Ⅰ-离散时间模拟模型[J]. 数学的实践与认识, 2007, 37 (18): 85-94. https://www.cnki.com.cn/Article/CJFDTOTAL-SSJS200718013.htm

    KE Yuan. Analysis of airplane boarding strategiesⅠ-a discrete event simulation model[J]. Mathematics in Practice and Theory, 2007, 37 (18): 85-94. (in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-SSJS200718013.htm
    [21] 任新惠, 唐少勇. 单通道客机登机策略模拟研究[J]. 科学技术与工程, 2015, 15 (1): 120-125. https://www.cnki.com.cn/Article/CJFDTOTAL-KXJS201501023.htm

    REN Xin-hui, TANG Shao-yong. The simulation study of single aisle aircraft boarding strategy[J]. Journal of Science Technology and Engineering, 2014, 15 (1): 120-126. (in Chinese). https://www.cnki.com.cn/Article/CJFDTOTAL-KXJS201501023.htm
    [22] GIITSIDIS T, SIRAKOULIS G C. Modeling passengers boarding in aircraft using cellular automata[J]. IEEE/CAA Journal of Automatica Sinica, 2016, 3 (4): 365-384. doi: 10.1109/JAS.2016.7510076
    [23] TANG Tie-qiao, HUANG Hai-jun, SHANG Hua-yan. A new pedestrian-following model for aircraft boarding and numerical tests[J]. Nonlinear Dynamics, 2012, 67 (1): 437-443. doi: 10.1007/s11071-011-9992-7
    [24] TAJIMA Y, NAGATANI T. Clogging transition of pedestrian flow in T-shaped channel[J]. Physica A: Statistical Mechanics and its Applications, 2002, 303 (1/2): 239-250.
    [25] SONG Wei-guo, XU Xuan, WANG Bing-hong, et al. Simulation of evacuation processes using a multi-grid model for pedestrian dynamics[J]. Physica A: Statistical Mechanics and its Applications, 2006, 363 (2): 492-500.
  • 加载中
图(13) / 表(1)
计量
  • 文章访问数:  610
  • HTML全文浏览量:  175
  • PDF下载量:  573
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-05-23
  • 刊出日期:  2017-08-25

目录

/

返回文章
返回