考虑风险公平性的危险品道路运输路径优化模型

本文通过风险补偿成本体现风险公平性,以最小化运输风险、最低运输成本以及最小化风险补偿成本作为最优目标,构建了危险品道路运输路径优化模型。通过线性加权法得到了多目标非线性整数规划模型的有效解。该模型体现了多种类、多批次危险品道路运输的风险公平性,对运输路径的选择更有实际参考价值。     

有害物品运输中避免重大事故发生的路径选择

为了避免有害物品在运输过程中发生重大事故,分析了避免重大事故发生的条件,即尽量避开可能产生严重后果的路段.建立了综合考虑运输风险、平均后果和总后果的路径选择模型,并利用线性加权的方法对3个目标进行处理,使模型可以利用最短路算法进行求解.该模型通过控制平均后果和总后果,能避开可能产生严重后果的路段.最后,给出了1个应用算例.     

物流运输网络模糊最短路径的偏好解

考虑到物流运输网络中存在的不确定性,针对弧长为模糊数的最短路问题,提出了基于加权函数重心法的模糊数排序方法,根据标号法得到网络中从某一指定节点到其他节点的与偏好信息相一致的最短路。该排序方法提供了决策偏好信息的参数化表示,决策者通过设定极大熵加权函数表示的悲观或乐观水平,就可以得到与目前偏好结构相一致的模糊数排序结果,以及相应的模糊最短路权值和选择方案。计算结果显示,在不同的偏好参数下,决策者得到的最短路方案是不同的,而且计算结果与设定的偏好完全一致。     

考虑风险公平性的无能力约束条件下危险废物回收路径优化问题

区别于传统风险公平性,本文从风险补偿角度提出了风险公平性的全新内涵,并设计了风险补偿型的风险公平计算模型。构建了考虑运输成本、运输风险以及风险公平性的优化目标,同时确定了固体危险废物的回收路径。针对所构建的多目标0-1整数非线性规划模型,本文通过线性加权法设计了求解算法。并通过一个算例表明该模型与算法可以获得最优解,并比传统风险公平性模型更具优越性。     

基于神经网络和支持向量机的大客车运行车速组合预测

为了降低单个预测方法的不确定性,综合神经网络和支持向量机两种学习型算法,基于二者的最优加权组合对大客车运行车速进行了预测.以二级公路上244个路段的平曲线半径和纵坡度等线形数据和实测车速为样本,分别应用BP神经网络、支持向量机、最优加权组合预测以及线性回归对大客车第85百分位运行车速进行了预测.选择均方根误差和判断系数为评价指标,对比结果表明,最优加权组合预测能够综合单个预测方法的信息,提高了预测精度.     

均匀选点在全局优化中的应用

以常规优化方法为基础,把实验设计方法之一———均匀设计引入优化设计中,在对全局最优解不要求十分严格精确的情况下,能够方便快捷地近似求出各种性态复杂的多维多峰函数全局最优解.该法避免了优化设计中初始点选点的盲目性,当均匀选点个数足够多时,近似全局最优解能够无限接近全局最优解.给出了计算实例.     

均匀选点在全局优化中的应用

以常规优化方法为基础，把实验设计方法之——均匀设计引入优化设计中，在对全局最优解不要求十分严格精确的情况下，能够方便快捷地近似求出各种性态复杂的多维多峰函数全局最优解。该法避免了优化设计中初始点选点的盲目性，当均匀选点个数足够多时，近似全局最优解能够无限接近全局最优解。给出了计算实例。     

基于运动学的汽车悬架多目标优化方法探讨

对悬架运动学多目标优化问题进行描述,介绍了设计变量的选择方法,对主要目标法、加权和法以及Pareto最优法三种优化方法进行分析,并比较其各自优缺点,在分析加权和法过程中介绍了加权因子的确定方法。通过对三种优化方法的分析、对比,为悬架运动学优化提供参考。     

����ǰ·��ѡ��Ķ�Ŀ��滮ģ��

在分析了基于城市交通信息港的出行前最优路径选择问题的多目标属性的基础上，建立了出行前最优路径选择的多目标规划模型，模型所求得的解是综合最优路径，反映了城市交通出行者信息以及目标需求多样性的特点.设计了基于线性加权法的模型求解算法.通过算例初步验证了模型的合理性和有效性.     

VBA语言在多路径交通量分配中的应用

在多路径交通分配模型的建立和程序设计中，利用VBA语言编制程序模块来确定有效出行路线、最短路权、有效路段的边权、节点点权及各路段分配交通量等，不失为一种简单有效的方法。     

·�����к���źſ����Ż�

为使路段人行横道信号设置最优,提高交通运行效率,对路段人行横道信号控制进行深入研究,寻找最优的信号配时方案。分析了路段信号控制下的行人与机动车的运行特征,将信号周期分成了6个时段,描述了各个时段下行人与机动车的运动状态;以行人延误与机动车延误的加权和最小为目标,考虑行人过街最大信号周期限制,建立路段信号优化配时模型;分析模型中各变量之间的关系,给出了信号配时优化的计算流程,通过实例进行验证。实例证明,研究成果可有效用于路段人行横道信号控制优化配时。     

基于交通限制的路网最优路径算法

为了解决车辆诱导系统中复杂道路结构表达及因为城市道路交通信号管理而产生的最优路径选择求解的复杂性,依据图论中最短路径算法的基本原理,提出了含有禁行路线路网的最优路径求解算法。以行程时间最少为目标,按照网络转化法把含有禁行路线的路网转化为不含有禁行路线的路网,采用邻接节点矩阵和邻接节点权矩阵实现了道路节点关系的表达,改善了传统的Dijkstra算法,将全局节点路径的求解转化为与求解节点紧密联系的局部区域求解,将所研究的网络转化方法和改进的路径寻优算法应用于车辆诱导系统。结果表明应用该算法能够在含有禁行路线的路网中求解最优路径,减少了问题求解的路网节点数,提高了计算效率。     

基于出行决策的公路网多目标最优路径算法

为使公路网静态最优出行路径能综合表达道路环境影响因素与出行者的路径选择偏好,研究了GIS环境下的用户-系统最优出行路径决策模式.基于层次分析法,构建了综合考虑行程时间、舒适安全性与行程费用的公路网路段交通阻抗评价指标体系,提出了对定性与定量化参评指标进行综合一致性处理的方法.通过用户-系统共同决定的路段交通阻抗的综合评价过程,将最优路径问题转化为最短路径问题,采用各路段各出行目标的标准化值之和作为评价指标,采用Dijkstra算法实现最优路径的搜索.实例验证结果表明:最优路径比距离最短路径出行距离增加8%,出行时间减少7%,舒适安全性提高17%,出行费用增加13%,所得最优路径是针对特定用户的多目标路径,明显异于单目标最短路径,表明该方法可行.     

树枝形专用线取送车问题哈密尔顿图模型及算法

合理安排铁路专用线取送车顺序,对提高调车机车作业效率、加速货车周转具 有重要的意义.在已知条件下,以机车在装卸点间走行时间为权,把树枝形专用线取（送） 车作业优化问题转换成哈密尔顿图最短路问题,并松弛为指派问题,采用匈牙利算法求 出指派问题的最优解,可得到最短回路路长的下界或最优解.若未得到最优解,再利用破 圈连接法求出满意的取（送）车顺序,此算法的复杂度为O(n2).同时对送兼调移、取兼调 移、取送结合、送调取结合作业形式进行了深入地讨论.最后举例说明了模型的构造及求 解过程.大量小规模案例表明,该算法的平均复杂度及性能是比较优越的.     

环境目标下的路段交通结构优化模型研究

基于污染物排放因子与车速的函数关系、速度-流量回归模型,推导出了路段污染物总排放量的计算公式;运用道路资源时间占用率的概念,建立了道路运输效率的评价函数模型.运用多目标规划理论建立了环境目标下的路段交通结构优化模型,并给出了求解算法.该模型不仅考虑了交通结构对环境的影响,同时还考虑了交通结构对运输效率的影响.模型的最优解不仅能够满足交通需求,还能在减少道路交通对环境的负面影响的同时提高运输效率.     

多目标0—1线性规划灵敏度分析问题的探讨

研究了用线性加权法求解多目标０－１线性规划问题的灵敏度分析方法，给出了权系数最大变化率的计算途径，同时，讨论了有有限个已知选择方案的多指标决策问题的灵敏度分析问题。     

考虑信号灯影响的交通警力巡逻模型研究

交警在进行交通巡逻时,需要提前确定最优的交通巡逻路线.较为优化的交通巡逻路线应该具有覆盖所有路段、巡逻路径短和巡逻时间少等一些特点.本文提出了一种交警巡逻路线的计算方法,求得的交警巡逻路线既能覆盖所有路段,又能使交通巡逻花费的时间最短.交警在巡逻的过程中,所使用的总时间既与路线长短有关,又受到交通信号灯的影响,本文综合考虑了这两种情况,建立了考虑交通信号灯影响的交通警力巡逻模型,并采用两阶段求解法,对模型进行求解.通过仿真计算,给出多种路网形态下的交警巡逻路线,并且将所得结果与Stochastic 算法、Clossey 算法进行比较.通过对比分析得出,本文模型求得的交警巡逻路线总用时较少.     

基于重要度和可靠度的路段质量排序

提出将路段质量定义为路段重要度(LS)和路段通行能力可靠度(LCR)的线性加权和,作为城市道路单元或公路路段关键性的衡量指标,有助于确定亟需改善的道路单元。针对路段通行能力服从连续分布函数的假设,基于Monte Carlo模拟求解随机用户均衡配流模型,从而可以通过灵敏度分析(SA)方法计算LS,使用LCR分布函数计算LCR,最终确定出随机路网的路段质量排序。以一个小型网络作为算例,验证路段质量排序的可行性。     

基于效用理论的出行前最优路径算法研究

当具有多条可行路线时，出行者将选择最优路径行驶．文中基于出行效用最大化理论，分析了影响出行者路径选择的多种因素，结合多目标决策的几何平均法原理，探讨了出行前信息中广义最优路径的计算方法。该方法使出行者在出行前主动选择出行方式和出发时间，从而促进路网交通状况的优化。     

基于格序偏好的模糊多目标决策方法

运用格论,将方案优选的全序刻画拓展为格序刻画.基于决策理论和模糊集理论,提出了模糊多目标格序决策的概念,建立了模糊多目标格序决策模型.基于正、负理想解的概念,提出了该模型的2种算法.算法1是先对模糊指标值进行加权,然后确定模糊正、负理想解,通过比较每个方案与两者之间的差异选择满意解.算法2是直接在原模糊指标值的基础上确定模糊正、负理想解,并引入满意度的概念刻画每个方案与两者之间的差异,最后通过加权得到满意解.算法1较简单,算法2则能始终保持模糊元素的线性性质.算例表明,2种算法结果一致.