交通限制条件下城市物流配送路线优化选择

物流配送网络中最优路线的选择问题一直都是配送中心关注的焦点，对于长途配送而言，交通阻塞和道路拥堵状况可以忽略不计，但对于城市配送而言，由于受交通堵塞和各种交通管制的影响，导致配送路径寻优更具复杂性．文中通过对具有动态的交通堵塞和交通拥挤限制信息及静态禁止通行等限制信息的实际配送网络的描述，提出解决两种限制情况下配送网络寻优的方法，建立了配送网络图中权重确定模型，并提出将交通限制条件下城市物流配送网络转化成无限制的有向图网络．运用Dijkstra算法对其寻优．并对此算法进行了应用举例．     

基于神经网络的主分量分析及其在图像压缩中的应用研究

阐述了主分量分析的严格数学定义、特性以及应用领域，探讨了采用Hebb学习规则的单个神经元提取输入模式的最大主分量的方法，将单个主分量神经元模型扩展为主分量分析网络对输入模式的所有主分量进行提取，最后将主分量提取网络算法用于图像压缩，并通过对黑白图像进行压缩的对比仿真实验证明在同样的压缩比下，通过主分量分析网络算法压缩的图像质量优于采用DCT变换方法压缩的效果．     

用人工神经网络评价边坡稳定性

对人工神经网络及BP网络模型作了简要的介绍，利用BP网络模型对边坡稳定性进行了预测，并对其中的参数选择，数据收集与处理，构造网络模型等问题进行了深入探讨，实例计算表明，通过样本的训练检验，利用人工神经网络方法对边坡稳定性的预测取得了比较满意的效果，为今后此类边坡稳定性的评价提供了可借鉴的方法．     

多资源约束下车辆配送路径优化模型

本文研究了在车载能源量、车辆载货能力等多资源约束下的车辆配送路线优化问题,建立了多资源约束下配送路径优化的静态模型和动态模型。在静态配送路径优化模型中,通过修改网络结构,增加虚拟资源点,解决了含有子回路的配送路线优化问题;在动态模型中,采用时空网络模型来避免子回路的产生,对车辆配送路线规划问题的描述更加直观准确,该模型以扩大模型规模为代价丰富了车辆配送路径选择方案,并能求解车辆到达、离开客户点的时刻。以商业优化软件CPLEX12.6.2为工具对上述两个模型进行验证和数值计算实验。     

储运一体化的二级物流网非线性规划模型及算法

通过对已有运输和仓储优化模型的分析,针对现代物流配送网络的特点,提出了基于储运一体化的非线性二级网络配送模型．并构造了具有能力与需求约束、费用与距离综合目标函数的非线性数学规划模型,求证了最优解,并提出算法实现的步骤,最后用实例对算法进行了验证．该问题的提出与算法的可行,为研究多阶段、多路线、多目标的物流配送模型找到了更好的途径．     

交通方式划分离散选择模型的比较研究

本文章介绍了MNL、NL、HEV、MNP、MMNL等五种离散选择模型,重点分析了它们各自的理论基础与特点,并应用于交通方式划分案例,对模型参数进行标定。结果表明,NL模型能够较好解决存在于替选方案的相似性问题;MMNL预测误差最小,可靠性最高,较NL、HEV、MNP模型更能解决交通方式选择行为中存在的相似性、异质性问题,是一种对交通方式选择行为预测的有效方法。该研究对交通方式分担率预测问题具有重要的指导意义,因为通过简单选择某个离散选择模型开展研究得出的结论并不一定可靠,应根据模型特点谨慎选择、谨慎应用。     

公路网络路线布局优化的双层规划模型及算法研究

首先分析了省、市级公路网布局的特点和要求,然后通过将连续变量离散化、引入双层规划模型,建立了适合省、市级公路网络的路线布局双层规划模型。最后研究了模型的求解算法,将模拟退火算法应用于公路网络路线布局优化问题中,应用V isual Basic 6.0语言开发了相应的算法程序。     

停车需求分布的双层规划模型及算法

针对停车需求给定条件下的停车设施选择问题,建立了描述停车设施选择和出行路线选择行为的双层规划模型,并基于在部分增广乘子法中嵌套Frank-Wolfe算法的思路设计了求解模型的有效算法.上层模型在满足停车需求和设施停放车辆数有限条件下,力图最小化实际停车需求分布与期望分布间的差异.下层模型假设出行者路线选择行为遵循用户均衡原则.上下层模型通过设施选择概率函数实现有效关联.部分增广乘子法中嵌套Frank-Wolfe 算法求解上层模型可以有效利用上层模型的单纯形式约束特征.算例分析验证了新模型与算法的有效性.研究结论拓展了现有理论的应用场景,为相关研究提供了新的建模分析思路.     

基于智能卡数据的轨道与公交复合网络通勤方式选择行为研究

轨道交通网络和常规公交网络作为公共交通系统的主要组成部分，研究乘客在两网复合网络上的方式选择行为有助于提升公共交通系统的协同运营。然而，以往的研究通常只对单个网络出行进行研究，未考虑到出行完整性。针对此不足，基于多源数据融合、轨道与公交网络拓扑融合，提出乘客在公共交通复合网络上的完整出行提取方法；复杂网络中方式选择的本质是路径选择，因此在构建耦合换乘站点的公共交通复合网络基础上，建立5种考虑多种因素组合的多项Logit选择模型，以分析在复合网络中对乘客出行行为影响最显著的因素组合；最后将模型应用于北京市某工作日的公共交通网络及刷卡数据。研究结果表明，基于完整出行的选择模型优于基于出行阶段的选择模型；通勤者在公共交通复合网络上的方式选择行为与考虑在车时间、候车时间、换乘时间、换乘次数的出行总时间及票价因素显著相关，且出行总时间的影响更大；换乘、候车时间对通勤乘客在公共交通复合网络中方式选择的影响较低，通勤者更加偏好出行总时间短的路径。研究结果可为提升轨道与公交的协同程度提供技术支持。     

高等级公路路线方案优化研究

针对高等级公路路线优化布局中要考虑的因素多，路线选择方案复杂的特点，提出了利用模糊数学方法来建立优化模型以达到选择最佳路线方案的目的。结合“宜昌长江公路大桥－枝城镇一级公路”的规划与建设，对高等级公路路线选择优化进行实证研究。     

基于累积前景理论的通勤者路径选择模型

为了全面描述决策者在不确定环境下的出行行为,从价值变化和可靠性变化两个方面研究通勤者的路径选择行为及对待风险的态度,提出了基于累积前景理论（CPT）的通勤者路径选择模型.首先推广了两个参考点的CPT,接着根据不确定理论对行程时间进行预算,给出通勤者参考点估计的统一方法,然后构造通勤者的路径选择模型. 最后在一个测试网络上研究可靠度与参考点及可靠度与累积前景值的关系.结果表明,通勤者的参考点可以根据可靠度要求动态设置.出发时刻相同,出行者可靠度要求较高时,风险较低的路径前景值较大;反之可靠度要求较低时,行程时间平均值较小,虽然风险较高的路径前景值也比较大,这一结论与事实相符合.本文所提出的决策模型能够有效地描述通勤者在随机路网中的路径选择行为.     

�����ۻ�ǰ�����۵�ͨ����·��ѡ��ģ��

为了全面描述决策者在不确定环境下的出行行为,从价值变化和可靠性变化两个方面研究通勤者的路径选择行为及对待风险的态度,提出了基于累积前景理论（CPT）的通勤者路径选择模型。首先推广了两个参考点的CPT,接着根据不确定理论对行程时间进行预算,给出通勤者参考点估计的统一方法,然后构造通勤者的路径选择模型。最后在一个测试网络上研究可靠度与参考点及可靠度与累积前景值的关系。结果表明,通勤者的参考点可以根据可靠度要求动态设置。出发时刻相同,出行者可靠度要求较高时,风险较低的路径前景值较大;反之可靠度要求较低时,行程时间平均值较小,虽然风险较高的路径前景值也比较大,这一结论与事实相符合。本文所提出的决策模型能够有效地描述通勤者在随机路网中的路径选择行为。     

城市路网动态转向建模与优先选择研究

确立网络表述方式是在城市路网中建立路径规划系统的基础工作之一.在不牺牲计算效率的前提下,网络表述方式既要能灵活反映出车辆在交叉口中所能进行的转向动作,又必须保证这些转向动作不会造成交叉口的安全隐患与通行效率的下降.针对这一需求,提出了一套面向决策点的网络表述方法,并在其数据结构的基础上,通过扩展现有的Dijkstra最短路搜索算法,在不改变以最短路为优化目标的前提下,以次优选择方式实现了干道优先和非左转优先的转向选择.以现实交通网络为模型,通过一系列实验验证算法在静态路径规划中的有效性.结果表明,算法以提高0.5%额外总出行成本的前提下,同时降低了11%的支道选择和21%的左转选择.     

轨道交通乘客个性化出行路径规划算法

随着城市轨道交通网络的不断完善,可供乘客选择的轨道交通出行路径日益 增加,乘客出行路径决策愈加复杂.本文在分析轨道交通服务水平变量对不同属性乘客出 行路径选择行为影响的基础上,提出轨道交通乘客个性化出行路径规划算法.首先,基于 非集计理论构建针对不同类别乘客的路径选择模型,该模型综合考虑乘车时间、换乘时 间、换乘次数、车内拥挤度及个人属性等因素对乘客路径选择行为的影响.其次,基于不同 类别乘客的路径选择行为差异,构建考虑车内拥挤度变化的乘客个性化出行路径动态规 划算法,为不同属性乘客规划广义出行时间最小的路径.最后,基于广州地铁数据对算法 进行验证.结果表明,该算法针对乘客个人属性规划的最优出行路径,更加贴合乘客的出 行心理.     

考虑风险规避和认知更新的日常择路行为演进

为了刻画出行者的日常择路行为,利用动力学系统方法和不动点理论,建立了一个集成风险规避和认知更新的演化模型,分析了演化过程的稳定性,并在一个简单网络上进行了验证。发现在模拟开始的前15 d内,出行时间预算、路径期望出行时间、实际出行时间以及路径流量都出现了较大的波动,但经过大约30 d的摸索以后,开始趋向于随机用户均衡状态。分析结果表明:模型所设计的择路演化过程类似于经典的相继平均算法的计算过程,可以确保收敛到稳定状态,并与初始状态参数的取值无关。     

�ۺ���������෽ʽ�ֲ����ģ���о�

针对综合运输网络运量预测需求,建立了多式网络分层分配模型,以分层网络拓扑结构和相应路径搜索算法的改进为重点,建立了适合分层网络结构的运量分配模型. 分层网络模型中心节点代表城市中心和换乘枢纽,相应地构建适用分层网络结构的广义费用函数、路径搜索算法. 以本文研究方法为基础开发了辅助计算系统,用于解决大规模运输网络的运输需求预测问题. 以在建的京沪高速铁路沿线运输网络为研究案例,研究结果验证了本文构建的多方式分层分配模型的有效性与实用性.     

基于浮动车数据的随机路径选择模型参数估计

提出利用浮动车出行数据对城市路网多OD对logit 随机路径选择模型参数估计方法.首先采用相对阻抗,实现logit 模型参数无量纲化和单一化,将离散多项logit 模型转化为相对阻抗的连续概率模型;然后对多OD对的浮动车数据进行分区和权重处理,计算得到概率分布;最后在推导连续型概率密度和累积概率函数基础上,利用最小二乘法进行参数估计.以广州市浮动车数据对方法进行验证,结果拟合优度高,所得参数可有效反映实际路径选择行为.方法简单实用,特别适用于利用海量浮动车数据进行路径选择行为分析.     

考虑换乘时间影响的城市轨道交通路径选择行为研究

研究乘客路径选择行为有助于掌握城市轨道交通网络客流分布规律.本文在分析城市轨道交通乘客路径选择行为影响因素的基础上,重点考虑换乘时间对乘客换乘费用感知的影响.实际调查表明,乘客感知的换乘走行时间与实际的换乘走行时间符合幂函数分布.本文将换乘走行时间惩罚系数设定为换乘走行时间的幂函数.在此基础上,本文构建了乘客出行广义费用模型,采用改进的深度优先算法搜索两点间的有效路径,并利用Logit 随机路径选择模型计算各有效路径的选择概率.最后,以北京市轨道交通网络的数据对提出的模型和算法进行验证,案例分析结果验证了本文提出的模型的合理性.