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。      

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。     

出口箱随机入港下的集装箱码头泊位调度

针对港口竞争环境下产生的出口箱随机入港分散堆放策略,综合考虑出口箱堆场堆存位置分布以及泊位分配与集卡路径之间的相互影响,提出了出口箱随机入港下的集装箱码头泊位调度问题,并以船舶停靠泊位为决策变量,以所有集卡行驶总路径最短为目标函数,建立了泊位调度优化模型。采用基于遗传算法的启发式算法,对遗传算子进行了改进设计。最后,应用算例对模型和算法进行仿真实验,并将优化后结果与传统的先到先服务泊位调度模式进行比较分析。结果表明:以集卡行驶总路径为考量的泊位调度优化可使集卡行驶总路径缩短11.51%,可明显降低港口的运营成本,同时获得合理的泊位分配计划,模型和算法可行有效。      

考虑低碳的多台轮胎式龙门吊路径优化问题

在港口集装箱作业中,龙门吊是重要的港口资源。如何更加合理地调度轮胎式龙门吊对减少港口碳排放和降低运营成本有重要意义。考虑到轮胎式龙门吊在空间上的不可跨越性及其他约束条件,根据装卸过程中所产生的移动碳排放、装卸碳排放和准备碳排放3种排放源,建立了轮胎式龙门吊调度的混合整数规划模型,目标是使轮胎式龙门吊的碳排放量达到最小。由于混合整数规划求解的复杂性,设计龙门吊初始路径策略并运用模拟退火算法求得近似最优解。通过算例实验,从路径长度、碳排放总量和运行效率3个方面对新方法的效果进行评价。相比于最短路径优化方法,新方法路径长度增加8.82%,运行时间仅增加0.21 s,碳排放总量减少3.30%,在保证龙门吊工作效率的前提下,有效地解决了龙门吊低碳路径问题。相比于经典遗传算法与蚁群算法,新方法的预测精确度分别提高1.13%和2.24%,运行效率分别提高9.82%和5.92%。      

基于航班优先级排序的高峰时刻场面滑行调度优化研究

为解决高峰小时场面航空器滑行冲突,提高机场运行安全和效率,减少航班延误损失,提出了基于航班优先级的航空器滑行调度模型.以基于最短路径的总调度时间最小为目标,使用滚动时域策略,设计预测窗口、滚动窗口、调度子问题、滚动机制等调度要素求解模型.仿真算例表明,此调度模型能够在兼顾航班优先级别属性的同时,规避了滑行中的各类冲突,对枢纽机场高峰小时内的18架不同属性的航空器实施了优化调度,较之原调度方案,总体时间减少了近2 min,提高了总体效率.      

多目标的双层动态均衡交通网络设计研究

采用双层动态均衡模型解决城市交通网络的设计问题,即构建以交通网络总阻抗和建设资金为上层目标,动态路径选择的变分不等式模型为下层目标的双层规划模型。利用模拟退火算法求解上层模型,采用修正的投影算法求解下层模型。此模型能够内在地不断修正路段流入率值和路段能力增量(即网络设计方案),同时可以得到路段流入率值和路段能力拓宽方案的最优解,该算法的可行性与正确性已在一个小型网络上得到验证。     

公共白行车租赁站点调度需求量模型研究

为降低城市公共自行车调度过程中调度员凭经验确定各站点调度需求量的盲目性,提高调度科学性并缩减调度时间和成本,将城市公共自行车租赁站点调度需求量模型描述为最优化整数规划问题,考虑系统的稳定性和调度触发时间,以高峰时段系统的整体稳定性最强、调度启动时间最晚为目标建立公共自行车租赁站点调度需求量模型.针对该模型特点设计了十进制编码、二人竞赛选择、算术交叉、非均匀变异的遗传算法对模型进行求解.通过调度实例验证模型和算法的可行性,得到各租赁站点的最优调度需求量.结果表明,按照该模型求解出的调度需求量进行调度能够延迟高峰时段的调度启动时间至1.33h,较站点均一化存放率调度延迟0.67h,极大地延缓了调度启动时间并缩减调度工作量.      

高速公路突发事件救援车辆诱导

为了提升高速公路突发事件应急救援效率,将交通状况、在途潜在风险等信息纳入高速公路突发事件救援车辆诱导研究中,基于实时和时变路网环境下的交通信息,以车辆出行时间最小,路径可靠性最强为目标,构建基于在途时间和路径可靠性的车辆诱导最优化模型。设计一种实时信息和时变信息结合策略,使模型规划路径随路网交通量变化而相应做出阶段性调整,采用滚动时域策略将该动态决策问题转化为一系列离散时间点的静态决策问题,用于计算应急救援路径时间;在此基础上,考虑到高速公路突发事件发生后路网交通事故率升高,同时容易发生拥堵的状况,进一步将救援规划路径可靠性作为决策目标,即应急救援车辆规划路径在面对道路中断或者严重拥堵时是否拥有更多的调整策略,更新救援路径尽快完成救援任务;为了便于量化计算将上述目标转化为统一的价值成本,共同决定救援车辆的行驶路径。研究结果表明：当行驶路段交叉口间距离较长,中间无其他道路连通,行驶过程中由于突发事件破坏趋势蔓延导致道路中断或拥堵等意外发生时,无法更新调整救援路径,最终导致救援延误;因此,基于救援时间和路径可靠性的车辆诱导最优化模型能够克服以上问题,进一步提高救援效率。     

基于调度池的共享单车调度研究

针对共享单车供需失衡,共享率低等问题,以提高用车高峰期调度的及时性为,在调度结构中引入调度池,明确调度池的使用规则,提出共享单车四级调度结构.将基于调度池的共享单车静态调度问题描述为多车场车辆路径问题,考虑到节点的调度需求大于调度车的装载容量和多辆调度车共同满足单个节点的调度需求的情况,以调度总成本最小为目标,建立共享单车静态调度模型,根据模型特点,设计单亲遗传算法求解.算例表明,与未使用调度池的调度方案相比,调度车的行驶里程降低47.86%,变动成本降低47.73%,不考虑调度池的营运成本时,总成本下降9.81%,考虑调度池的营运成本时,总成本下降4.71%.使用调度池可提高调度效率并降低总成本.      

铁路集装箱空箱动态优化调度模型及求解算法

根据铁路集装箱空箱调度的业务优先原则,以最大限度地提高区域内空箱的利用率和减小空箱调度的成本为目标,建立了在一个计划期内的铁路集装箱空箱动态优化调度模型.综合运用优先等级法和遗传算法对模型进行求解,解决了在一个计划期内,如何最优化地对每个工作日的空箱进行区域性调度的问题.通过计算机仿真实验,并与现行的调度方法进行比较,证明了模型和算法的有效性.     

A nonlinear model predictive control formulation for obstacle avoidance in high-speed autonomous ground vehicles in unstructured environments

This paper presents a nonlinear model predictive control (MPC) formulation for obstacle avoidance in high-speed, large-size autono-mous ground vehicles (AGVs) with high centre of gravity (CoG) that operate in unstructured environments, such as military vehicles. The term ‘unstructured’ in this context denotes that there are no lanes or traffic rules to follow. Existing MPC formulations for passenger vehicles in structured environments do not readily apply to this context. Thus, a new nonlinear MPC formulation is developed to navigate an AGV from its initial position to a target position at high-speed safely. First, a new cost function formulation is used that aims to find the shortest path to the target position, since no reference trajectory exists in unstructured environments. Second, a region partitioning approach is used in conjunction with a multi-phase optimal control formulation to accommodate the complicated forms the obstacle-free region can assume due to the presence of multiple obstacles in the prediction horizon in an unstructured environment. Third, the no-wheel-lift-off condition, which is the major dynamical safety concern for high-speed, high-CoG AGVs, is ensured by limiting the steering angle within a range obtained offline using a 14 degrees-of-freedom vehicle dynamics model. Thus, a safe, high-speed navigation is enabled in an unstructured environment. Simulations of an AGV approaching multiple obstacles are provided to demonstrate the effectiveness of the algorithm.     

铁路集装箱运输动态服务网络设计及Benders分解算法

充分考虑箱流的中转方案，研究铁路集装箱运输动态服务网络的设计方法。以总成本最小为优化目标，构建了铁路集装箱运输动态服务网络设计的线性规划模型。根据模型特点，采用Benders算法进行求解，将问题分解为服务网络设计的主问题及箱流分配的子问题，通过计算子问题的对偶模型不断产生主问题的割平面，由此进行迭代求解。为克服算法收敛速度慢的缺点，在主问题模型中添加有效不等式，使主问题更加紧致。以北京、郑州等集装箱办理站构建的运输网络为例，验证了模型和算法的有效性。算例结果表明，对于求解大规模的集装箱运输动态服务网络设计问题，改进后的算法运行46 s得到优化解，GAP为1.56%，未改进的Benders算法运行相同时间后，GAP为45.17%，改进策略的运用有效提高了计算效率; 所得服务网络的总成本比所有箱流均采用直达运输模式服务网络的总成本减少了20%;与现有集装箱班列开行方案相比，优化后的班列发车时段、开行频率在满足运输需求的同时，保证了各组箱流能在规定运到期限内送至目的站。      

基于贝叶斯概率估计的智能电动车动态目标避障算法

为了实现智能电动车在中汽中心智能网联示范基地内的动态避障，首先将直角坐标系与曲线坐标系进行转换，构建以参考路径的弧长s为横坐标，横向偏移距离q为纵坐标的曲线坐标系；其次，在曲线坐标系中利用三次多项式生成满足初始位姿与子目标点位姿的候选路径，同时对标准化常量的似然函数进行定义，在此基础上利用贝叶斯定理对每条候选路径的危险等级进行概率估计；在动态避障过程中，借鉴速度障碍法对碰撞威胁进行实时检测，并建立最短避障时间和安全距离的数学模型来实现高效的动态避障，最后对行人占用车道行走与横穿马路2种典型场景进行动态避障试验。研究结果表明：在曲线坐标系中，通过横向偏移距离能够便捷地建立起一系列候选路径，克服在直角坐标系中寻找移动子目标点这个难题；在寻找安全路径方面，由于智能电动车工作环境的不确定性，利用贝叶斯定理对候选路径危险等级进行概率计算的方法可靠性更高，速度障碍法与避障数学模型的结合满足碰撞危险检测的实时性和动态避障的高效性要求。试验结果表明：采用曲线坐标系中的动态避障算法对行人占用车道和横穿马路2种场景进行了有效的避障，在路径选择上符合实际驾驶习惯，达到了智能网联示范基地动态避障的要求。     

基于BP神经网络的AGV防撞预测方法研究

在AGV(Automated Guided Vehicle)运行过程中,建立BP神经网络预测模型,对周围环境的智能移动体的运动轨迹进行综合动态预测和评估,结合纳什均衡理论建立移动机器人运动决策模型,使得AGV在运行过程中建立类人判断的能力即考虑AGV和其他移动智能体的相对位置的关系,对其他的移动智能体的预测价值可以有效的评估。文章通过构建动态博弈模型求解灰色碰撞概率,可以高效的为AGV防撞提供合理的参考。     

终端区进场流的路径选择研究

在实际运行中,通常依据管制员的经验对进场航班流的路径进行管理,缺乏科学性.针对终端区进场流的路径选择与进场排序的流量管理问题,以进场航班的总完成时间最短为目标,建立基于时间窗与位置约束的路径选择与排序的数学模型.采用先选择路径再排序的循环寻优的方法进行求解,将禁忌搜索(TS)与排序算法相结合,设计了 TS-FCFS 与 TS-DP 两种算法,着重建立了基于关键路径的邻域结构,并加入有效的重置(RESTAR)策略,使算法快速有效的收敛至最优解.最后借助SIMMOD 仿真平台验证算法的可行性.以北京首都机场21架航班为例,仿真结果显示,TS-FCFS 与TS-DP 两种方法较原计划的进场路径总完成时间分别节约了149 s 与175 s.该路径选择算法降低了进场时间,提高了终端区进场效率.通过合理优化进场航班流的路径选择与进场排序,平衡了跑道负荷,减少了航空器间潜在的冲突,同时为管制员调配进场航班流提供了合理有效的路径选择建议.      

基于避碰规则自动驾驶船舶路径优化的研究进展

在人工智能与大数据背景下, 自动驾驶船舶因其安全、高效的优势吸引了国内外学者的广泛关注。但其避碰相关法律条例与避碰路径规划发展并不均衡。自动驾驶船舶概念在规范条例中仍十分模糊, 传统的路径优化与算法存在一定的偏差, 只局限于全局规划或局部规划无法有效的保障船舶行驶安全性。基于避碰规则梳理了自动驾驶船舶的相关规范, 分析了最新的自动驾驶船舶路径优化研究成果, 阐述了当下自动驾驶船舶路径规划的模型, 包括智能算法.规划目标与约束条件等。针对当下仍存在的自动驾驶船舶避碰问题, 应从定义、监管、责任划分等方面完善自动驾驶船舶法律法规体系, 改良传统避碰路径规划算法容易陷入局部最优解﹑求解过程缓慢等缺陷, 展望了自动驾驶船舶的进一步发展趋势。      

观测路径出行时间下随机网络交通需求估计

道路网络起讫点（OD）需求是城市决策长期交通规划和短期交通管理中的基础参数,准确的交通需求更是实施交通拥堵控制、限行限速、路径诱导等措施的先决条件。综合运用观测的轨迹已知和未知路径出行时间,建立随机网络交通需求估计双层规划模型。上层广义最小二乘模型最小化历史交通需求与待估交通需求、观测路径出行时间与待估路径出行时间之间的偏差,约束为交通需求、路段流量、路段出行时间与路径出行时间之间的传播关系,通过高斯混合模型（GMM）对其中轨迹未知的观测出行时间依概率聚类。下层为随机网络交通出行均衡模型,分别运用出行时间预算和随机用户均衡处理路网不确定性和出行者感知误差。上、下层之间通过交通需求和OD-路段关联比例进行信息传递。设计迭代算法框架求解双层规划模型,迭代算法包含求解上层模型的最速下降法、求解下层模型的相继平均算法和求解GMM模型的最大期望（EM）算法。通过算例表明轨迹未知的路径出行信息的加入在提升需求估计精度的同时也增大了估计值的方差;设计的迭代算法能够稳定收敛到10^-5的精度;GMM软聚类方法估计的交通需求显著优于硬聚类方法估计的需求值;交通需求值对观测路径出行时间的扰动更加敏感。研究考虑出行者风险态度,通过轨迹信息的重新构建揭示城市交通需求演化规律。     

考虑拥堵空间排队与溢出的道路网静态交通流分配

为刻画拥堵空间排队与溢出现象对交通流分配的影响，提出考虑拥堵空间排队与溢出的道路网静态交通流分配问题，并构建相关的求解算法，用于描述交通需求在起讫点移动过程中路网整体的宏观运行状态。首先，丰富和完善考虑拥堵空间排队与溢出的静态交通流分配的相关假设，提出次生瓶颈、拥堵干扰与渗透和分段化路段阻抗等基本概念和理论，来刻画拥堵交通瓶颈、拥堵空间排队等交通现象；其次，建立网络瓶颈识别算法和空间排队回溯算法，基于此构建考虑拥堵空间排队和溢出的增量分配算法，用于求解交通流分配的结果；最后，通过使用一个具有说明型的算例进行对比分析。研究结果表明：建立的瓶颈识别、排队回溯和增量分配算法可以识别路网中的瓶颈位置及其拥堵排队区域，并可计算得到各路段上的分段分配流量；与点排队只影响瓶颈路段的运行状况和均一的路段分配结果相比，可有效描述路网整体的宏观运行状态以及由于拥堵空间排队所导致的拥堵干扰与渗透现象；不同于“时间片”的伪动态交通流分配模型，新建算法的分配结果是“全时段”与“整体性”的路网宏观运行状态，包含了拥堵瓶颈的具体位置和空间排队的干扰与渗透情况；一般拥堵点排队模型和基于“时间片”的拥堵空间排队模型难以刻画拥堵干扰与渗透现象以及路网整体的宏观运行状态，故所建立的分配方法是对传统拥堵交通流分配的丰富和发展。     

面向铲装作业场景的自动驾驶矿车路径规划方法研究

针对铲装作业场景复杂多变、矿车路径规划实时性及安全性要求高的特点，提出一种基于引导式变步长混合A*算法的路径规划方法。通过建立维诺图获取矿区路网并提取关键点作为方向引导，提升探索效率的同时避免车辆在U形障碍物处陷入局部最优；引入自适应变步长算法并改进启发函数，进一步提高规划效率及路径安全性；通过矿区实车场景试验验证算法有效性。试验结果表明，本路径规划方法满足矿车复杂场景要求，规划时间相比原引导式算法降低68%，路径到障碍物平均距离增加了11%，路径曲率变动次数减少45%，显著提高了计算效率与路径质量。