基于车联网及云计算的电动物流车智能调度算法

考虑到轻型电动货车作为未来城市内物流运输的主要载体,以及云计算和车联网在物流行业的应用,在对物流企业调研的基础上,研究了未来电动车作为城市货运物流的调度问题。区别于已有研究成果将车辆装配与路径规划分开进行优化的研究思路,基于未来物流企业将普及云计算平台及车联网技术的假设,构建了包含货物装配及车辆路径规划一体的调度模型。根据企业物流调度的实际需求,改变了以往以单一节点为中心的路网结构,构建了更加符合实际的全连通路网结构。提出采用平均道路运输成本、平均车辆装卸成本、仓库的仓储成本、仓储的均衡度,货物运输的剩余时间等5个量化评价指标对调度结果的优劣进行评价;在调度建模的基础上,提出了一种新型实用的基于车联网及云计算平台的电动车物流的多目标优化调度算法,用于对调度模型的求解。为验证模型的有效性及算法正确性,生成了不同规模的数据集进行测试。首先在小规模数据上验证了模型与算法的正确性,然后在大规模不同调度请求下,对比智能调度算法与当前物流企业普遍采用的人工调度算法,在不同仓库的仓储能力与车辆的运输能力的比值、不同调度车辆数量、不同仓储节点数量下的调度情况。100组随机数据的平均调度结果分析表明:智能调度算法调度指标均优于人工调度算法。     

基于信号灯配时的动态路径诱导模型

针对城市交通流量变化产生的问题,在交叉口信号灯配时方案改进的基础上建立了动态路径诱导的双层优化模型,上层模型以行驶时间为目标函数,下层模型以总交叉口延误最小为目标函数。利用改进蚁群算法来求解优化模型,从而获得多准最优路径。以实际交叉口为例,将信号灯配时改进前、后的模型计算结果进行比较。结果表明:应用信号灯配时改进后的模型获得的路径更省时,交叉口等待通行时间更短。     

基于双层规划模型的应急救援调度与路径选择集成优化

城市中突发事件发生后,为有效降低财产损失和人员伤亡,减少应急救援在调度和路径选择等环节的响应时间损失,保障应急救援任务顺利完成,需要对各类应急救援交通资源进行合理调度,并在起讫点间根据路网实时交通状态,动态选择行驶路径,减少其路段行程时间。在多目标应急救援调度和最优路径选择目标分析的基础上,提出了一种考虑不同类型应急车辆调度和最优路径选择的双层规划的集成优化模型。在上层模型中,主要考虑应急救援车辆的调度费用成本,通过最小化应急救援车辆的固定成本、容量成本和时间成本,来确定不同类型应急车辆的出救位置和相应出动车辆数;下层模型中,主要考虑应急救援车辆的路径在途行程时间,通过最小化动态路网下应急救援的路段行程时间和信号延误时间来确定救援通过的路径,并根据固定的时间间隔动态更新路网的交通状态,使救援车辆尽可能选择避开交通拥堵的路段行驶,从而更快速到达目的地。案例分析结果表明,基于双层规划的应急车辆调度和路径选择集成模型与仅考虑调度或路径选择的模型相比,总调度成本降低了2.67%,总在途行程时间减少了21.05%,路径选择中能有效降低通过沿线拥堵道路的比例,表明模型具有很好的适用性和实用价值。     

基于遗传算法的3L-CVRP优化问题研究

为提高物流配送效率,降低配送成本,探讨了三维装箱约束下的车辆路径优化问题.在装箱问题与车辆路径优化问题研究现状的基础上,将三维装箱与车辆路径优化进行整合,考虑客户需求、货物装载顺序、车辆尺寸、车辆重心等约束,建立以路径最短、车辆装载容积利用率和载重率最大的多目标组合优化模型,引入权重系数体现决策者偏好并归一化目标函数.设计适用的染色体编码规则,确定遗传操作中选择、交叉、变异方法,选取目标函数为适应度函数,引入最优个体保存策略防止算法的过早收敛,提高算法的准确性,通过Matlab编程实现该优化模型的求解.案例数值试验表明,该模型与算法能够实现装箱与车辆路径的组合优化,算法运行时间为17s左右,相较于引导式局部搜索遗传算法减少了5 s,车辆总行驶里程缩短了7 km.      

环境承载力约束条件下城市最大乘用车保有量预测

以城市环境承载力为约束条件预测城市内可容纳的最大乘用车保有量。预测模型是一个双层优化问题，其中上层是环境承载力约束下的最大乘用车保有量模型，以交通小区的乘用车保有量之和最大为目标函数，以各路段的环境承载力为约束条件；下层是道路网上的用户平衡分配模型，模拟乘用车出行者的路径选择行为，预测交通需求在道路网上的分布及行驶特征。开发了一个基于灵敏度分析的算法用于实现上下层模型间的反馈及同时求解两个优化问题。利用实例验证了模型及算法的有效性。     

考虑个体停车需求的医院泊位分配优化

为缓解医院停车供需不平衡的现状,依托智能停车系统归类分析停车区块泊位,按需求分区处理医院停车场,建立基于个体需求特性的泊位分配双层规划模型.上层模型以社会效益最大为目标函数,考虑分区停车管理难度、停车管理成本和系统中个体逗留时间,引入停车管理指数判别停车泊位优化方案的可行价值;下层模型以泊位时变状态为基础,基于同类需求个体的停车紧迫程度和时空需求相似,引入停车方式、停车缴费方式、停车位数量、是否与周边共享的停车场外部特征变量对SEM-Logit结构方程模型进行改进,实现各类需求下个体效用最大化的停车泊位配置.设计模拟退火算法求解算例模型,对模型关键参数进行灵敏度分析,运用Matlab软件模拟仿真.结果表明,医院全天停车需求稳定不变的前提下,削弱早晚高峰峰值,进入医院车辆数分别下降9.8%和10.3%,全天最大排队长度减少38.5%.案例分区密集程度指标为2时,泊位分配模型实现停车场使用效率最佳(0.66),社会效益最优(0.96).考虑个体停车需求的泊位分配方式,按需求条理化的停车需求管理显著改善车辆停放秩序,提高医院停车利用效率,为有效缓解医院停车问题提供策略.      

考虑冲突规避的自动化集装箱码头AGV优化调度方法

合理调度自动化导引车（AGV）对于降低自动化集装箱码头的作业成本具有重要意义。针对AGV调度中的任务分配和路径规划问题,考虑AGV电量和多载等因素,结合自动化码头布局特点,以AGV作业总时间最小和多AGV作业路径无冲突分别为第一阶段和第二阶段的优化目标建立两阶段模型。设计改进模拟退火算法求解第一阶段模型,为了加速算法收敛并保证解的质量,解的改进优先考虑任务的时间成本和AGV数量;设计基于时空网络的路径规划算法求解第二阶段模型,将作业区域离散成网格网络后添加时间信息构建可更新的时空网络,在时空网络上运用最短路径算法规划路径并规避冲突。对于任务分配不均衡导致的路径规划无可行解的拥堵情况,在冲突规避基础上重新计算AGV执行任务的成本并再次进行任务分配,不断迭代直到生成多AGV间路径无冲突的调度方案。以洋山四期自动化集装箱码头为例进行仿真实验与对比分析,结果表明:与使用传统路径规划和避障策略的AGV调度方法对比,所提方法下的总作业时间平均降低了7.31%,AGV冲突数量降低为0,任务总延期时间最大降低2 895 s,最大降低路网拥堵度10.79%,验证了提出方法解决冲突规避和拥堵问题的有效性。      

考虑用户紧急程度的在途路径诱导策略研究

为了提高突发交通拥堵情境下在途路径诱导效率,从用户体验层面出发,对诱导方案设计进行深入研究。提高用户体验有利于提高用户对诱导系统的服从率,从而提高诱导效率。道路拥堵状况是影响用户体验的重要因素,考虑到具有不同紧急程度的用户对拥堵感知存在差异,以感知拥堵作为路径诱导中路径分配的限制因素。首先构建衡量用户紧急程度的紧急函数,在此基础上设计行驶时间感知效用算法,然后将其作为干预项加入到随机均衡备选路线分配模型中,突发交通拥堵出现时,系统根据构建的备选路线分配模型递归地为突发事件L距离内的用户指派行驶路线。同时考虑到突发拥堵下交通状态具有较强的波动性,采用时变路网下的改进A~*算法计算路径分配方案的最短路径,其中,将预测的路段平均速度与历史平均回归模型结合计算行程时间,并将其作为A~*算法估价函数中的评估函数,从而实现考虑时间依赖性的实时最短路径寻优。最后,以秦皇岛海港区部分路网区域为例,利用微观仿真软件SUMO分别从诱导服从率、诱导效率、诱导时效性3方面对在途诱导方案的有效性进行仿真验证,并与现有的典型路径诱导方案进行对比分析,结果表明所提出的在途路径诱导策略可以改善突发拥堵下的交通状况。     

基于改进GA的柔性作业车间分批调度优化

为求解柔性作业车间分批调度的3个子问题：批量分配问题、机器分配问题和工序调度问题,建立了最小化完工时间的分批调度模型,并提出一种基于工件批量的车间调度算法。算法设计基于工件、批量及工序的矩阵编码,解码时工序依据工件批次优先级排序,解决了模型复杂的子批量工序排列。算法初始时以一定概率优化群体,更新群体时设计了染色体局部交叉和变异策略以维持群体的多样性。最后,采用实例验证了算法的可行性与有效性。     

一种多模式下考虑排放的交通分配模型及其算法研究

讨论了一类考虑排放的、非可加路径费用下的交通分配问题.在Venigalla等人研究的基础上,进一步完善了考虑不同发动机启动模式下考虑排放的交通分配模型,并采用一种基于路径的、非集计的单纯分解算法求解,然后应用到一个网络实例中进行了数值验证.数值计算结果表明,在求最优解的迭代过程中,基于非集计的单纯分解算法比基于F-W算法的收敛速度快,适用于求解非可加路径费用的大规模交通分配问题.     

拥堵收费对弹性出行的小汽车使用者出行方式选择影响研究

所有出行群体中,受拥堵收费政策影响最大的是弹性出行的小汽车使用者。引入相对拥堵费作为政策变量,表征拥堵收费政策对该群体出行方式选择的影响,并基于Nested Logit模型,建立了拥堵收费影响下的出行者出行方式选择模型。利用对南京新街口商圈区域弹性出行的小汽车使用者进行的RP和SP调查所获得的数据,对模型参数进行了估计,结果显示:女性、低收入者、IC卡持有者、短途和高频出行者在面对拥堵收费政策时,更容易放弃小汽车而转向公共交通出行。利用弹性理论,分析了不同拥堵费水平下出行者对出行时间和拥堵收费政策的弹性,结果发现:①出行时间的弹性反映了出行方式的总体服务水平;②出行者在出行方式选择时对拥堵收费变得“显著”敏感的临界值为13.25元/次。      

机场飞行区无人驾驶清水车优化调度方法

针对机场航班延误和拥堵现象日益严重以及地面特种车辆服务航班效率低且存在较高安全隐患的问题，研究了面向机场飞行区无人驾驶清水车的优化调度方法。通过将无人驾驶清水车服务航班硬时间窗与梯形模糊隶属度函数相结合构建航班服务水平函数，结合传统C-W节约算法，考虑无人驾驶清水车服务机场航班的时间规则，实现了无人驾驶清水车总行驶路程最短以及航班服务水平最高的目标。考虑服务航班数量总和，衡量每辆无人驾驶清水车的服务航班阈值，并提出了服务航班任务量的差异评价值。新算法在C-W节约算法路径优化结果的基础上对未达到服务航班容量极限的子路径进一步优化，实现了所需服务航班的无人驾驶清水车数量最少、服务航班数量差异化最小的目标。以国内某机场航班信息为例，结果表明:与单车单服务模式相比，服务总路程节省59.36%，车辆使用减少84车次，航班服务水平为93.78%，航班任务量的差异评价值由93.32%降低至43.96%；与基准算法相比，新算法在实现任务量均衡的同时并不会增加总行驶路程，且将服务航班任务量的差异评价值由2.72降低至0.44，显著提高了车辆服务航班任务量的均衡性。      

考虑驾驶策略的高速列车运行图节能优化方法

为了降低高速列车从始发站至终到站运行的牵引能耗, 研究了针对多列车区间运行时分同步分配的列车运行图节能优化方法。基于高速列车在站间采用的“四阶段”操纵策略构建最优驾驶策略集, 以牵引距离和巡航距离为变化因子, 以牵引能耗和区间运行时分为计算目标, 求解出最优驾驶策略集里牵引能耗与区间运行时分的线性关系。在此基础上构建多列车区间运行时分最优分配的节能运行图模型。模型以牵引能耗最低为目标, 考虑了列车总运行时间约束、变量取值范围约束以及安全间隔时分约束。在模型求解方面, 选取拉格朗日松弛算法, 将复杂约束松弛至目标函数当中, 从而把原问题分解为各区间可独立求解的子问题, 利用次梯度优化的方法得出精确解, 实现了多列车区间运行时分同步分配的目标。以宝兰高速铁路为背景进行算例验证, 结果表明: 通过重新分配区间运行时分, 10列车总共节约了595.958 kW·h牵引能耗, 平均节能率达到了1.2%;从运行图的层面分析, 该算例下通过调整区间运行时分的节能方法对其影响幅度较小, 具有较强的现实意义; 所提出的模型及算法的计算时间为10 s, 针对列车开行对数较多的高速铁路, 可有效提高求解效率。      

恶劣天气下多航空器改航路径的仿真优化算法

针对恶劣天气下区域管制区内，多航空器改航路径规划中缺乏降低管制员工作总负荷的考虑。以贵阳区域管制区为例，研究了恶劣天气下多航空器改航路径的仿真优化算法。采用灰色模型预测飞行受限区的动态影响范围；利用几何算法预先规划可供选择的改航路径；改进离散粒子群优化算法的运算规则；以整个区域管制区内改航总路径最短和管制员工作总负荷最低为目标，结合预测的飞行受限区、预先规划的改航路径、改进离散粒子群优化算法和全空域与机场模型实现恶劣天气下多航空器改航路径的仿真优化算法。结果表明，该仿真优化算法经过多次迭代，获得了改航优化方案；与采用传统粒子群算法的仿真优化算法相比，管制员工作总负荷下降了7.52%，改航总路径距离减少了4.48%；与采用多目标粒子群算法和非支配排序遗传算法-II的改航路径算法相比，其改航路径距离略长，但考虑了管制员工作负荷的影响。该仿真优化算法能在减少改航路径距离的同时有效降低管制员工作负荷，对实际改航规划具有借鉴意义。      

基于坐席类型动态分配的旅客列车开行方案

为提高铁路部门服务质量和铁路旅客出行体验, 并制定可满足旅客需求多元化的旅客列车开行方案, 考虑坐席动态分配对旅客列车开行方案进行研究。从旅客和铁路运营部门2个角度出发, 分别以旅客动态乘车广义时间最短和铁路收益最大为目标, 以客流守恒、区间通过能力和满足客流需求等为约束建立多目标规划模型。通过Logit模型确定硬座、硬卧、软卧这3类坐席的分担率, 确定列车定员数, 并在求解过程中依据生成的开行方案不断更新3类坐席的分担率以实现3类坐席的动态分配, 直至结果趋于稳定。结合算例采用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)求解, 并进行算例分析, 计算结果表明: 建立考虑坐席类型动态分配的旅客列车开行方案, 在实现旅客对坐席选择的同时, 铁路旅客服务率提高了3.5%, 铁路部门收益增大了1.5%。      

Operating speed pattern optimization of railway vehicles with differential evolution algorithm

The railway transportation system has much advantage in eco-friendliness, punctuality and safety compared to any other transportation system. Most of the railway system administrators have to control and operate under limited resources such as trains and facilities. It is necessary to control traveling time and energy consumption for efficient operation in the railway systems, because the board rate of passenger is inconstant with time variance. It is common that the shorter traveling time causes the greater energy consumption. In this study, a new optimization method considering operation time or energy consumption is proposed by using differential evolution algorithm and some cases are reviewed. The total energy change due to operation time variation are investigated by using the proposed optimization method for tangent and gradient track conditions. Both cases, the total energy decreases exponentially. However, because of gradient the total energy are saturated after a certain time for gradient track.     

基于免疫遗传算法的铁路列车运行调整研究

列车运行调整是铁路调度部门的重点研究对象,而自动调整是衡量铁路调度指挥自动化水平的核心。因此,以偏离运行图最小为优化目标,考虑了区间运行时分、追踪间隔时间、车站停车时分、越行约束等6个约束条件,建立了列车运行调整模型;在算法方面,针对遗传算法的缺陷,如收敛速度较慢,易于早熟收敛,提出了1种效果较好的免疫遗传算法,并对编码方案、适应度函数、抗体浓度、变异算子等进行设计改进。仿真结果表明该算法与遗传算法相比,在收敛速度,最优值以及试验成功率方面都具有更为优越的特性,可为调度人员提供1个较好的调整方案。      

协同决策机制下航空公司时隙分配优化决策

航空运输系统涉及空管、航空公司与机场三方面,但是目前解决不正常航班却单纯依靠空管。而这种方式无法达到减少旅客延误时间的目标。文中研究在协同决策机制下,航空公司根据航班旅客特性自由指派航班时隙的方法问题。建立了一种航班时隙指派模型,针对模型的特点设计了一种启发式算法。通过实例证明了采用该方法可以减少旅客总延误时间,同时还说明了航空公司参与时隙分配决策的重要性。     

基于深度强化学习的自动化集装箱码头集成调度方法

针对自动化集装箱码头卸货过程中岸桥、智能运输机器人和场桥设备交互作业, 实际调度环境复杂多变等问题, 以最小化最大完工时间为目标, 构建基于混合流水车间的三阶段集装箱码头集成调度模型, 为解决自动化码头调度环境动态性强的特点, 使用1种深度强化学习算法(DDQN)进行求解。依据码头实际调度情况, 使用神经网络实时拟合动作-值函数, 把各阶段设备状态数据输入模型, 采用经验回放机制训练模型, 把单一启发式规则加复合启发式规则作为设备候选行为, 通过强化学习动作选择与动作评估机制, 得到最优的集装箱-设备组合策略, 并与精确算法和常用的几种元启发式策略进行对比分析。结果表明: 较大规模算例下, 与目前较为先进的粒子群算法相比, 所提方法的总作业时间平均降低了7.84%, 与理论下界值的差距分别为6.0%, 5.6%, 4.6%, 三阶段设备负载较为均衡, 设备平均利用率为89%, 满足实际应用需求; 小规模算例下, 与Gurobi求解器的总完工时间平均误差为1.99%, 且随着算例规模增加, 所提算法在求解时间上显现出一定的优势, 求解时间最大提升59%, 验证了所提方法对于提升自动化集装箱码头运行效率的可行性和高效性。