基于拉格朗日分解的电动汽车充电路径优化

针对电动汽车充电路径优化问题,构建简单有效的车辆充电网络,考虑车辆剩余电量和充电站服务能力约束,以车辆行驶总时间最小为优化目标,建立基于多商品流的0-1整数规划模型.在拉格朗日分解框架下,构造所建模型的对偶问题,并利用次梯度算法对其求解.次梯度迭代过程中,对偶问题能够被分解为易处理的最短路径问题和半指派问题.通过应用标号算法求解最短路问题,设计有效的启发式方法求解半指派问题.仿真计算表明,求解算法能够在很短时间内达到非常小的优化间隙,验证了所提方法的可行性.     

基于层次蝙蝠算法的应急车辆调度与交通疏散协同决策

城市路网多事故应急救援中，因交通拥堵造成应急车辆滞留现象时常发生，严重影响道路交通事故救援效率.提出通过交通疏散提高救援路径的可靠性，构建双层规划模型对应急车辆调度和交通疏散进行协同决策. 设计一种双层蝙蝠算法，上层算法在应急车辆需求、事故时间窗和可用车辆约束下求解响应时间最短的调度方案，下层算法在路段容量和疏散需求约束下求解多条最短路径的交通疏散策略，从中选取最短时间路径. 算例结果表明，本文模型通过缩短应急车辆在途时间有效提升了应急救援效率，算法具有优秀的寻优能力和运行速度.     

指引路径规划模型的建模与仿真验证

道路上某个位置存在多个指路标志时可能引发信息过载问题，对驾驶员产生干扰. 为解决这一问题，本文基于A* (A-star)算法，提出一种指引路径规划模型.考虑特定节点信息过载问题对指引路径实际成本的影响，在模型的估价函数中增设惩罚系数，可以有效避开引发信息过载现象的指引路径选择 . 基于 VISSIM 展开案例研究，借助其二次开发功能提取 VISSIM路网中的相关数据.利用所建指引路径规划模型求解路网中一对OD间的指引路径. 最后，对比分析有无惩罚系数两种模型得到的指引路径规划和指路标志布设方案，证明本文模型在指引路径规划时可有效避免信息过载问题.     

应急车辆动态路径选择的两阶段优化模型

为研究突发事件情境下交通路网动态变化时的应急车辆路径选择问题，提出应急车辆动态路径选择的两阶段调度优化模型。通过结合路网动态状况和应急救援特征，建立基于最大路径可靠度和最短行程时间的两阶段优化模型；通过混沌搜索改进布谷鸟算法初始种群，并加入蛙跳算法改进局部搜索操作，设计混合布谷鸟算法，改善全局寻优能力；以某市某区部分区域路网为例，将该区域路网实时交通数据应用于模型和求解算法中。实验表明，利用两阶段优化模型和算法编码方案能成功获得出发点到救援点的动态可靠路径，相同行驶路径情况下模型与算法求解的最短行程时间与实地驾车获得的最短行程时间最大误差不超过8%，说明优化模型可行。3 种不同算法求解K最短路径的结果发现，混合布谷鸟算法得到的最短行程时间比粒子群算法和 经典布谷鸟算法得到的结果都要小，且计算时间最短，表明混合布谷鸟算法求解的结果最优，性能最好。     

考虑排放约束的电动汽车混行交通路网均衡模型

随着电动汽车的推广和使用,电动汽车与燃油汽车在路网中交互运行,形成了混行交通环境.本文构建考虑排放约束和途中充电的电动汽车混行交通路网均衡模型.首先,分别定义了电动汽车用户与燃油汽车用户的出行成本函数,其中电动汽车用户出行成本包含行驶时间、充电排队时间及充电时长.其次,构建了考虑排放约束的混行交通路网均衡模型,证明了解的唯一性,推导了模型对应的KKT条件,且与Wardrop第一原理等价.然后,将均衡模型表述为包括用户均衡条件、排放约束、守恒约束的互补性条件形式,通过引入间隙函数,进一步将其转化为等价的无约束最优化问题,并利用基于梯度的算法进行求解.最后,通过算例验证了均衡模型及算法的有效性,结果表明:(1)考虑路网排放约束将影响混行交通量和充电站充电流量空间分布;(2)总需求和电动汽车渗透率不变的条件下,提高减排力度会导致路网总行程时间的增加;(3)给定减排力度时,可以确定路网总行程时间最小时对应的电动汽车最优渗透率.     

指引路径规划模型的建模与仿真验证

道路上某个位置存在多个指路标志时可能引发信息过载问题,对驾驶员产生干扰. 为解决这一问题,本文基于A* (A-star)算法,提出一种指引路径规划模型.考虑特定节点信息过载问题对指引路径实际成本的影响,在模型的估价函数中增设惩罚系数,可以有效避开引发信息过载现象的指引路径选择 . 基于 VISSIM 展开案例研究,借助其二次开发功能提取 VISSIM路网中的相关数据.利用所建指引路径规划模型求解路网中一对OD间的指引路径. 最后,对比分析有无惩罚系数两种模型得到的指引路径规划和指路标志布设方案,证明本文模型在指引路径规划时可有效避免信息过载问题.     

动态重规划的多目标路径产生方法研究

随着城市现代化发展,交通问题越来越突出,为解决这些问题,智能交通加速发展,合理优化资源分配成为一大焦点。因此,提出一种动态重规划的多目标路径产生方法,主要分为路径选择模型以及路径优化算法两个方面。提出基于时间最短、距离最短、拥挤度最低三个目标的多目标路径选择模型,确定路径求解算法,改进竞争学习神经网络确定拥挤度分类,通过逆向A*算法进行全局路径优化。当检测到路网信息发生变化时,将新信息反馈到系统中,通过增量更新算法进行动态更新,从而实现实时动态路径规划。最后,根据北京市某片区路网情况进行模拟,验证算法的可行性和有效性。     

考虑可靠性的降级路网最优路径搜索方法

针对路网降级时路网出行时间的随机性和可靠性对出行者路径选择影响较大的问题,研究了降级路网可靠性路径的选择方法．基于BPR路段出行时间模型,构建了降级路网路径出行时间的均值模型及其可靠度模型．以路径出行时间最小、路径出行时间最可靠为目标,构建了路径选择的双目标加权规划模型,设计了基于改进蚁群算法的模型求解算法．算例分析表明：该算法能快速获取可靠的路径．     

考虑出行特征的电动汽车协同充电调度优化研究

针对大规模电动汽车无序充电导致的充电供需不平衡和资源利用率低等问题,在分析用户出行特征的基础上,提出电动汽车协同充电的调度优化策略。通过经济激励改变电动汽车用户的充电选择,并结合电网的分时电价策略协调充电站内各时段输出功率,以充电站收益最大化为目标建立电动汽车协同充电调度优化模型。为降低解空间的维度,加快求解速度,将模型分解为充电调度主问题和站点功率协调分配子问题,利用改进遗传算法编码求解模型主问题,并通过调用Gurobi求解器求解子问题。最后,分别在经典路网和现实路网中进行仿真实验。结果表明：电动汽车协同充电调度能够提高充电资源利用率和站点收益;随着调度补偿力度增大,站点收益提升效果逐渐减弱;较高的电力峰谷价差可以激励充电站主动实施充电调度和时段充电功率的协调分配,提高站点服务率并缓解电网负载波动。     

考虑负效应最小化的电动汽车补能诱导研究

随着政府对“碳达峰”等环保政策的贯彻落实,电动汽车凭借节能环保等优点得到了迅速发展。由于电动汽车续航里程短,充电时间长,且路网中的补能需求与充电桩存在时空错配的现象,导致电动汽车补能排队时间长和驾驶员产生里程焦虑等一系列负效应。为此,本文首先从整体路网补能负效应最小化角度,通过引入激励手段实现最优补能方案,建立电动汽车补能诱导双层优化模型。其中,上层为路网补能负效应最小化诱导激励模型;下层为带有补能站点选择的混行路网均衡模型。然后,采用遗传算法求解上层模型,下层模型通过Frank-Wolfe算法求解,得出路网中补能车辆的最优诱导方案。最后,以经典Nguyen-Dupius路网为例验证模型,并进行灵敏度分析。结果表明,尽管本文提出的补能诱导模型增加了规划者的激励成本,但总社会补能负效应成本降低,证明了补能诱导的有效性。     

基于时空状态网络的电动物流车辆路径优化方法

针对电动物流车辆续航里程有限与充电基础设施不足的问题,综合考虑电池容量、车辆承载能力、充电站能力、客户服务时间窗、路网空间结构等约束条件,基于离散时空状态网络建立整数线性规划模型。扩展的状态维度可同时表征车辆剩余载重量和剩余电量的时空轨迹。通过对客户服务需求和充电站能力约束进行拉格朗日松弛,并增加二次惩罚项,构建增广拉格朗日模型。经过线性化处理二次目标函数,在块坐标下降框架下,原问题被分解为最短路径子问题,嵌入前向动态规划算法,循环依次求解。惩罚项的引入可以克服解的对称性问题,加快算法的收敛速率。通过计算最优上界与下界之间的间隙,评估可行解的质量。基于Sioux Falls网络构建测试算例,实验结果表明,该方法可以在时间、空间和状态维度上同步优化电动车辆路径和充电决策,可以有效避免车辆绕行充电,节省在途充电时间和配送成本,实现城市电动化物流资源的时空优化配置。     

考虑多路径选择的定制电动公交线路优化

为提高定制电动公交系统运营效率,本文探讨了考虑多路径选择的定制电动公交线路优化问题。首先,构建描述该问题的混合整数规划模型,以实现线路与路径的双重决策优化。模型以运营总收益最大化为目标,在约束中考虑定制电动公交特性,如车容量,乘客出行时间窗,续航里程,访问站点数等。其次,为求解模型,设计新的自适应大邻域搜索算法,提出相应的初始解生成规则和邻域搜索算子,并通过算例验证算法的有效性。最后,基于实际路网及乘客出行时空需求进行实证分析,验证多路径选择可进一步优化定制电动公交线路。结果表明,本文方法可根据优化目标为运营者提供多种线路运行方案,为定制电动公交线路规划提供依据。     

电动汽车混入条件下随机动态用户均衡分配模型

为分析电动汽车动态充电需求对公共充电设施服务水平的影响, 给充电设施网络规划与运营提供参考, 在考虑燃油汽车和电动汽车出行者行为差异、路段拥堵状态、车辆能源消耗、充电设施布局与服务水平等因素的基础上, 采用巢式Logit模型描述了包含充电需求判断、充电设施和路径选择的电动汽车出行联合选择行为; 建立了考虑用户在途快速充电行为的动态交通流分配模型, 提出了混合交通下随机动态用户均衡条件及等价的变分不等式模型, 并设计了融合电动汽车充电排队仿真的动态交通流迭代算法; 通过算例验证了模型与算法的有效性, 并进一步探究了在电动汽车推广的不同阶段, 需求和供给关键因素对充电设施服务水平的影响。研究结果表明: 受路网交通流量分布和充电设施布局的影响, 充电设施利用率在时间和空间上具有明显的非均衡性; 电动汽车混入率的提高会增加平均充电等待时间, 并改变充电高峰期的时间分布; 电动汽车电池初始电量和充电设施处的排队长度均对用户的充电需求判断呈负效应; 当路网中充电设施数量与需求规模不匹配时, 会导致服务水平急剧下降, 同时极易诱发局部拥堵; 用户在充电设施处的逗留时间以15~20 min居多, 约90%用户的等待时间在9 min以内, 因此, 提出的模型符合实际, 能够充分反映混合交通网络中电动汽车充电行为引发的一系列影响。      

拉格朗日松弛启发式算法求解时空网络下的弧路径问题

为减少车辆调度成本,优化车辆运输路径,在时空网络中研究路段作业车辆的弧路径问题;考虑道路出行的时变性,利用车辆运行的时间、空间特征,构建时间-空间网络,建立弧路径问题的时空网络流模型;设计了拉格朗日松弛启发式算法,引入拉格朗日乘子松弛耦合约束,构建拉格朗日松弛问题;进一步通过拉格朗日分解,把松弛问题分解为单车最短路问题;用次梯度算法更新乘子,求解拉格朗日对偶问题,并更新原问题最优解的下界;使用启发式算法获得可行解,并更新原问题最优解的上界;用六结点运输网络和Sioux-Falls网络下的算例对算法进行实证分析。计算结果表明:六结点运输网络中6个算例的上下界间隙值等于0或接近0,Sioux-Falls网络中算例2的间隙值为0.02%,其余5个算例的间隙值等于0,均可以得到质量较高的近似最优解;在最复杂的算例(15辆车,70个任务)中,算法在可接受的时间内也得到了间隙值为0的解,找出了最优的车辆路径;随着迭代次数的增加,拉格朗日乘子会逐步收敛到固定值;当车辆容量从50增加到100时,最优解从52下降到42,说明在任务数和车辆数一定时,适当增加车容量可以降低运营成本。可见,与商业求解器相比,拉格朗日松弛启发式算法的间隙值更小,求解质量更高,可以更有效地求解弧路径问题。      

考虑交叉口延误的城市道路最短路径

在利用G IS建立城市道路网并通过空间分析判断节点方位和路径走向的基础上,提出了一种具有节点阻抗的F loyd算法来解决城市道路网中的最短路径问题,这里直行、左转或右转的分流向延误得到了充分考虑。最后利用所提出的算法对重庆市石桥铺街道路网进行了分析计算,得出了比传统方法更合理的结果。     

城市兴趣点指路标志指引路径规划模型及算法

兴趣点指路标志指引路径规划过程中,不仅需要考虑指引路径的长度,还需要考虑布设成本因素.本文首先基于道路网络的拓扑表达,考虑指引路径长度和设置指路标志数量,以两者综合代价最小为目标,建立了从重要道路出入口到兴趣点的指路标志指引路径的线性规划模型;然后结合人工蜂群算法,设计了求解该规划问题的算法.最后以广州大学城为试验区域,利用上述模型规划了从重要道路南沙港快线出口到兴趣点中山大学的指路标志指引路径,并与指路标志布设现状进行对比分析,对比结果表明,该模型兼顾了布设路径的便捷性和指路标志布设成本的特点,更具可行性.     

多优先级多车种动态应急交通网络反流策略研究

危化品爆炸泄漏和火灾爆炸等局部突发事件下,疏散车辆与救援车辆在路网上通行的优先级具有差异性。为研究多优先级多车种动态应急交通网络协调优化问题,本文根据多车种的优先级差异性,松弛路段传输模型,模拟疏散和救援交通在路网上的动态加载过程,引入交叉口冲突转向消除与道路反流约束;考虑到优先通行车辆的反流策略会占用低优先级车辆的道路通行能力,设置救援交通的逆行路段数限制。设计分阶段优化方法求解多优先级多车种动态应急交通网络协调优化的多目标混合整数线性规划模型(MPCDETN-MMILP)。最后,以 NguyenDupuis路网为例,分析优先通行车辆使用的逆行路段数对疏散和救援交通的影响。算例结果表明：救援交通逆行路段数和对救援车辆迅速到达受灾区域的提升存在上限,且这种提升趋势是逐渐变缓的,而对疏散车辆迅速到达安全区域的抑制呈现波动式的增加趋势;救援交通逆行路段数对救援优先的疏散和救援交通运行优化效果有较大协调作用;连接受灾区域和外部救援场站,且可构成最短径路的路段更会被选择为救援交通逆行路段。