基于认知差异的交通流动力学建模及仿真

车路通讯技术的发展为驾驶员提供当前和预测的交通状态信息创造了条件.本文考虑驾驶员的预测性及驾驶员群体对交通信息认知的异质性,建立了新的宏观交通流动力学模型.基于线性稳定性理论,获得了新模型的稳定性条件;通过仿真算例,分析了模型参数对交通流稳定性的影响.结果表明,驾驶员的预测时间、记忆时间、最优记忆流量差权重系数、驾驶员类型比例和记忆时间差异对交通流稳定性存在显著影响;而增大预测时间步长、记忆时间步长、权重系数和认知强度系数都可以有效增强交通流的稳定性;但交通信息认知差异增大却会破坏交通流稳定性.     

考虑驾驶员预测特性的带有上匝道的宏观交通流模型

高速公路入口匝道车流对高速公路主路车流存在较大影响，在未来车联网环境下，驾驶员能够获取更为丰富的交通信息，并对下一时段的交通状态做出预判.本文提出考虑有驾驶员预测特性的带有匝道的新格点流体动力学模型.基于线性稳定性分析方法，得到关于新格点模型的中性稳定性条件；在非线性稳定性分析中，采用还原扰动法推导模型在临界点附近的mKdV(modified Korteweg de Vries)方程，求解方程所得的扭结-反扭结孤立波，可以用于描述交通密度波在中性稳定曲线附近的传播机制.最后，基于仿真算例验证匝道交通流率和驾驶员预测时间对交通流稳定性的重要影响.     

基于多源公交数据和车时成本优化的公交运营时段划分方法

现有公交运营时段划分方法均基于单一参数（乘客需求或行程时间）的相似性，忽略了乘客需求与行程时间对时段划分方案的协同作用。针对传统方法的缺陷，利用多源公交数据，提出一种新的基于最小化车队运营时间成本的时段划分方法。首先，利用逆差函数模型计算时间窗内完成班次任务所需要的最小车队规模，进而利用滑动时间窗模型，计算全天各时间窗所需的理论最小车队规模。然后，以时段划分方案的时间分割点为决策变量，以最小化全天累计车队运营时间成本为目标建立优化模型，采用遗传算法对运营时段划分方案进行寻优。最后，以广州市87路公交线路实际数据为例进行验证，并对模型参数进行敏感性分析。研究结果表明：与传统方法相比，所提方法能更好地实现运力与运量相匹配，并有效降低车时成本；与以往基于断面客流和基于行程时间的划分方案相比，所提方案的车时成本分别降低25 veh·h和45.33 veh·h。     

基于BP神经网络的道路交通状态判别方法研究

根据交通流复杂性的特点,提出了基于BP神经网络的交通状态判别方法。并以高速公路隧道为例,通过Matlab软件编程实现模拟仿真,最后通过对神经网络的输出结果与决策阈值相比较,确定其所反映的交通状态。仿真结果表明,该算法可用于实时交通状态判别,并具有很高的精度和较好的收敛度。     

停车场电动汽车充电优化策略

针对停车场电动汽车充电服务,基于工作日期间车辆到达时间分布与电价波动特征,从停车场运营管理角度提出了2种充电优化策略:①为了使停车场用电负荷峰值最小和停车场总电费最低,从而建立了线性优化模型;②以拥有250个充电桩的停车场为例,以停车场各时段的电力负荷和总电费支出为评价指标,将提出策略与传统随到随充策略进行比较分析.结果表明,相比随到随充的运营策略,用电负荷峰值最小策略可使停车场电力负荷峰值降低69.9%,总电费最低策略可使停车场的总电费降低13.1%,证明了模型的实用性和有效性.      

液化天然气库存路径问题建模与算法

考虑液化天然气（LNG）的在途挥发、转移挥发与库存挥发对配送成本与风险的影响，根据LNG风险特性采用蒸汽爆炸模型量化库存和运输风险，并针对传统单因素风险评估方法的不足，结合多源数据（兴趣点密度、土地生产总值产出率和人口密度）构建多因素复合风险评估指标反映事故严重程度的空间异质性，建立库存路径问题双目标优化模型，实现多周期LNG库存和配送方案的联合优化。根据问题的特征，设计基于贪婪策略预优化并结合变邻域搜索（VNS）的多目标粒子群（MOPSO）混合优化算法，且通过标准测试函数对改进前后的MOPSO算法和非支配遗传算法（NSGA-Ⅱ）进行比较；与NSGA-Ⅱ相比，MOPSO在结合VNS前后分别具有32%和42%的收敛性优势，结合VNS混合优化相比原始MOPSO有15%的收敛性优势。最后，以广州地区LNG加气站供应体系进行案例分析。研究结果表明：库存与运输成本存在利益背反关系，且在短暂缺货时总成本较低；忽略挥发的影响会导致小批量频繁补货，从而增加不必要的运输成本；LNG挥发成本占总成本的10%~20%，库存挥发率对成本影响较大，但对风险影响很小，当库存挥发率低于2%时投资降低挥发率带来的经济效益较大，当超过2%时，投入产出比迅速降低；风险限值约束对路径选择和成本影响较大，20%风险限值的降低带来了10%总成本的提高，但20%风险限值的提高仅降低5%的总成本，说明总成本在逐步接近不考虑风险时的最低值，存在优化上限。     

基于多属性决策的最优路径选择模型

摘 要 针对最优路径选择中驾驶员个体认知差异及各评价指标的波动性,提出了1种多属性群决策的最优路径选择方法.首先为了消除各个驾驶员在路径选择过程中因心态不同而带来决策值的误差,引入驾驶员心态指标的概念,以得到各个驾驶员在最优路径选择过程中的客观评价值.其次建立最优路径选择的各个常规评价指标体系(消耗时间、路径距离、行驶舒适度、出行费用、路线熟悉度等),为消除评价指标波动性引起的误差,用区间数来描述各个评价值,并建立多目标非线性规划模型.最后进行算例验证,结果表明了该方法的有效性和优越性.      

随机行程时间的电动公交调度模型

在低碳发展政策指引下，全国各地已开始普及电动公交。然而，由于电动公交车技术性能和运营环境的特点，如续驶里程、充电时长约束、随机路网环境等，为电动公交车辆和充电调度带来新的挑战。随机行程时间导致车次衔接中存在延误，由于连续车次任务的相依性，上游车次延误可能造成下游车次晚点，引发车次延误传播的“连锁反应”,致使车次和充电计划的风险承受能力变得非常脆弱，电动公交调度的效能无法得到充分释放。考虑电动公交调度问题中的车次延误传播效应，在分析随机行程时间对电动公交车次与充电计划影响的基础上，从单线调度到区域调度模式建立优化模型获得经济可靠的公交调度方案。首先，运用网络流模型描述电动公交调度过程，并引入马尔科夫过程刻画延误传播效应。在此基础上，计算期望等待时间、期望延误时间等服务质量指标并纳入到目标函数，建立混合整数线性规划模型。然后，运用多商品流模型，将单线调度模型拓展为通用的区域调度模型，设计“延误状态层”用以计算延误时间分布并提高计算效率。最后，以广州市的2条电动公交线路实际数据进行案例分析，调用商业求解器Gurobi获得精确解。结果表明：充电计划的最优时间窗间隔为40 min;在最优调度方案...