集装箱码头混合交叉作业集成调度模型

针对集装箱码头进出口作业系统中泊位分配、装卸作业、水平搬运等诸多环节之间的关系,分析了现有进出口作业系统对集装箱码头生产效率与运营成本的影响。运用系统工程优化理论,提出混合交叉作业集成调度方法与同步优化技术,以泊位分配、设备配置、集装箱卡车(集卡)行驶路径为决策变量,以集装箱码头最小运营成本为目标函数,建立了三阶段集成调度优化模型,设计了双层遗传求解算法。在双层遗传算法中,上层遗传算法用于搜索集装箱码头设施设备的合理配置组合,下层遗传算法在上层算法的基础上优化集卡行驶路径。计算结果表明:与独立装卸作业过程相比,使用混合交叉作业集成调度模型时,集卡数量为22veh,减小了66.2%,集卡行驶总距离为10 389.8km,减小了17.4%;与单独调度方式相比,使用混合交叉作业集成调度模型时,集卡行驶总距离减小了14.5%,码头运营总成本为84 266.2元,降低了4.6%。可见,使用集装箱码头混合交叉作业集成调度模型,能有效提高集装箱码头生产效率,明显降低运营成本。     

基于“作业面”模式下集卡配置的仿真研究

为了合理利用集装箱码头的固有资源,提高码头的作业效率,通过集卡调度优化模型算出集卡的最优行驶路径并带入仿真模型中对案例进行分析,得出了在“作业面”模式下集卡配置量与码头作业效率及集卡阻塞时间之间的关系,旨在使码头的装卸效率和资源的浪费状况达到可接受的平衡状态而给出集卡合理配置量的建议。     

随机用户均衡交通分配问题的蚁群优化算法

研究了出行者对路网熟悉程度的指标与交通流分配均衡性之间的关系, 提出了具有指数形式信息素更新策略的随机用户均衡模型蚁群优化算法, 建立了从Logit模型加载, 到交通需求确认及路径流量、路段流量、路段阻抗、路径阻抗迭代计算的交通分配动态循环流程; 计算了Nguyen-Dupuis路网模型中各路段的流量与阻抗, 并与连续平均算法计算结果进行比较; 通过调节出行者对路网熟悉程度的因子, 分析了蚁群优化算法与连续平均算法的敏感性。研究结果表明: 采用连续平均算法和蚁群优化算法计算的路段流量分布分别为20~280、40~260pcu, 蚁群优化算法的流量分布区间减小了15.4%, 路段流量的最大值减小了7.1%, 因此, 采用蚁群优化算法计算的路段流量较为均衡; 采用蚁群优化算法时, 在Nguyen-Dupuis路网模型中各路段流量的标准差从65pcu降至48pcu, 88%可选路径的阻抗分布在61~64, 且84%的路径阻抗低于采用连续平均算法计算的阻抗, 因此, 采用蚁群优化算法减少了用户出行时间; 当路网熟悉程度分别为0.01、0.1、1、2、7、11时, 采用连续平均算法计算的路段流量标准差分别为75、65、50、47、45、45pcu, 采用蚁群优化算法计算的路段流量标准差分别为48、48、48、47、43、43pcu, 可见, 随着路网熟悉程度的增大, 分配在各路段上的流量范围逐渐减小, 标准差趋于稳定, 信息素更新策略对出行者的路径选择概率影响越明显, 出行者选择阻抗小的路径的概率变大, 因此, 采用蚁群优化算法对路段的流量分配逐渐优于连续平均算法。      

集装箱码头卸船作业调度方案的两阶段禁忌搜索算法

为提高集装箱码头卸船作业效率,建立了堆存位置-集卡调度一体优化模型,设计了集装箱码头卸船作业调度方案两阶段禁忌搜索算法。在第一阶段,通过禁忌搜索算法决定集装箱的堆存位置;在第二阶段,基于堆存方案执行另一禁忌搜索算法,获得集卡的优化调度方案,然后再计算卸船时间,且将结果反馈到第一阶段的搜索过程,通过两阶段搜索过程的反馈优化卸船调度方案。计算结果表明两阶段禁忌搜索算法可以平均减少卸船作业时间6.78%,结果稳定。     

基于遗传混合蚁群算法的公共自行车调度研究

为了提高公共自行车的使用效率和用户满意度水平,保证国内公共交通服务的合理运行与发展,根据公共自行车用车峰时和谷时的不同调度目标,建立两时期车辆调度模型。用车谷时以调度车路径最短为优化目标,用车峰时以用户满意度最高为优化目标。融合遗传算法(Genetic Algorithm, GA)和蚁群算法(Ant Colony System, ACS),形成遗传混合蚁群算法(Genetic Hybrid Ant Colony System Algorithm, GA-ACS),并将融合后的算法应用于调度模型中,以提升获得优化的车辆调度方案的求解速度和质量。群智能算法在不同数据集上的性能比较结果表明,与传统蚁群算法相比,遗传混合蚁群算法在求解速度和求解质量上都有更好的表现,在较短的时间内至少可以缩短10%的调度路程,因此该算法模型可以用于解决实际的公共自行车调度问题。     

城市快速路速度引导预测控制模型

在城市快速路控制系统中,将速度引导作为控制变量,建立了宏观动态交通流模型。以车辆总行程时间与速度引导为目标函数,计算了城市快速路入口区域流量和匝道入口区域流量,建立了快速路速度引导预测控制模型,对速度引导进行优化设计,利用MATLAB软件对下游交通流突变进行仿真分析。分析结果表明:通过速度引导控制,交通流平均速度由72.704 6km.h-1上升到74.167 6km.h-1,交通流平均密度由23.011 2veh.km-1下降到21.156 7veh.km-1,波动均小于8%;速度方差下降,且最大值仅为420(km.h-1)2;速度引导控制前后的速度方差与密度方差之比分别为3.57、1.91;在交通流突变时段内,速度引导控制前后的速度方差与密度方差之比分别为4.56、2.34。可见,速度引导控制模型有效。     

山区圆曲线路段半挂汽车列车行驶安全性分析

根据山区圆曲线路段的特点,分析了轮胎的受力和变形情况,建立了半挂汽车列车与山区圆曲线路段的耦合动力学模型。以牵引车和半挂车的轮胎侧偏角和折叠角为指标,运用提出的动力学仿真法分析了不同车速下圆曲线路段半径、超高、滑动附着系数对半挂汽车列车行驶安全性的影响,并与运行速度法和理论极限速度法的计算结果进行对比。仿真结果表明:当圆曲线半径为125m,路面超高为2%,滑动附着系数分别为0.20、0.35、0.50、0.80时,运用动力学仿真法求得的临界安全车速分别为20、35、55、72km·h-1,运用运行速度法求得的临界安全车速均为50km·h-1,运用理论极限速度法求得的临界安全车速分别为18、20、25、30km·h-1;当圆曲线半径为250m,滑动附着系数为0.35,超高分别为0、2%、4%、6%时,运用动力学仿真法求得的临界安全车速分别为35、38、25、20km·h-1,运用运行速度法求得的临界安全车速均为60km·h-1,运用理论极限速度法求得的临界安全车速分别为30、31、32、33km·h-1;当路面超高为6%,滑动附着系数为0.50,圆曲线半径分别为125、250、400、650m时,运用动力学仿真法求得的临界安全车速分别为58、62、70、72km·h-1,运用运行速度法求得的临界安全车速分别为50、60、68、71km·h-1,运用理论极限速度法求得的临界安全车速分别为28、37、48、60km·h-1。可见,提出的动力学仿真法考虑了车辆悬架动力学特性、天气与路面条件,可以准确描述半挂汽车列车的运行状态。     

�ɱ���ʻʱ��Ķ�̬����·�������

针对城市建设发展中道路交通阻塞问题，研究了两种类型的车辆路径与调度问题，给出了相应的求解框架，并构建了一个具有可变行驶时间的动态车辆路径与调度模型，涉及了车辆的固定费用、运营成本和早到或者延期的惩罚费用等多种费用。该问题是一个NP-hard问题，采用遗传算法确定最优解，并给出了车辆路径与调度方案的表示方式。最后设计了一个交通网络，通过动态交通仿真更新行驶时间，研究了多个不同时间段道路阻塞情况下算法的性能。结果显示比不考虑实时行驶时间信息的模型，该模型能够得到更低的总成本。     

基于萤火虫算法的集装箱码头集卡路径多目标优化研究

在两艘船同时作业情况下,建立以集卡总行驶距离最短及完成两船所有装卸任务的时段内各箱区间作业量不平衡性最小的多目标优化模型。在模型求解时,采用新颖的萤火虫算法求解,编码方式采用离散整数编码,每个整数编码表示对应的集卡作业回路运行次数。最后通过舟山甬舟集装箱码头案例分析,较好的解决了集卡路径优化问题,为码头运营者提供了一定的决策支持,也验证了模型与算法的有效性与实用性。     

基于“作业面”的铁路集装箱中心站集卡路径优化研究

结合现场作业情况分析了影响集卡最优走行路径选择的5个主要因素:集卡作业道路通行情况、装卸线上集卡等待轨道吊排队情况、堆场内集卡等待龙门吊排队情况、堆场内龙门吊作业效率,以及空闲集卡距目的地的距离,提出了影响因素隶属度的计算方法,给出了基于模糊决策理论的集卡最优路径选择求解算法,并以铁路集装箱中心站的实例进行验证分析.该优化方法提高了集装箱中心站集卡的作业效率,为基于“作业面”的集装箱中心站的集卡调度系统提供了理论和技术支持.     

甩箱模式下考虑多箱型任务组合的集卡调度优化

针对甩箱模式下港口堆场与内陆腹地间多箱型任务组合的集卡调度问题，本文根据运输过程中集卡剩余箱位随集卡执行任务动态变化的特点，考虑不同箱型任务需求与集卡当前状态的匹配，以集卡的启用、行驶及等待过程的成本最小化为目标，建立混合整数规划模型。并根据模型特点设计基于不可行弧过滤策略的蚁群算法，以提升算法性能。利用Solomon标准数据集 随机生成任务类型比例和规模大小不同的算例进行数值试验，试验结果证明了模型的正确性与算法的稳定性和有效性，进而对比了甩箱模式与传统模式下的总成本。结果表明：相较于传统模式，甩箱模式下集卡的运输总成本平均减少了45.10%；当任务规模越大时，两种模式之间的成本差距越大，显示了甩箱模式与港口多箱型集疏运任务运输作业结合的显著优势。     

高速条件下隧道出入口行驶速度特性

为明确山区隧道出入口区段的车辆运行特性和驾驶行为，揭示隧道洞口交通事故的发生机制，在高速公路和城市快速路各选择3座隧道，采集了小客车和货车在隧道出入口区段的断面速度，高速公路单个断面观测样本大于500 veh，快速路隧道单个断面样本大于1 100 veh，基于断面数据分析了车辆行驶速度的变化规律和影响因素，并建立了运行速度预测模型。分析结果表明:驾驶人临近隧道洞口时会减速，小客车速度降幅为12~21 km·h-1，货车速度降幅为2~10 km·h-1，货车速度降幅低于小客车；洞口位置小客车运行速度大于80 km·h-1，货车运行速度大于70 km·h-1；高速公路隧道出入口段的车速范围为75~110 km·h-1，快速路隧道出入口段的车速范围为60~88 km·h-1，高速公路隧道出入口段的车速普遍高于城市快速路隧道; 驾驶人进入隧道洞内适应环境之后会加速行驶，驶出隧道时有加速行为，但当隧道出口前方有小半径弯道和互通立交时，驾驶人会减速以适应前方的道路条件；隧道入口前100 m至洞口范围内的车辆减速度最大，货车减速度范围为0.23~0.58 m·s-2，小客车减速度范围为0.47~ 0.70 m·s-2；同一断面的速度观测值存在较强的离散性，表明车辆之间存在明显的纵向干涉，容易发生追尾事故。      

集卡提箱预约配额与场桥配置的联合优化

在集卡提箱预约中,集装箱码头场桥配置和预约配额的联合优化是缩短集卡等待时间,提升资源利用率的关键. 针对提箱作业的实际特点,构建了双目标整数规划模型,设计了基于非支配排序遗传算法的求解方法. 当码头需求较少时,采取动态调整随机分配场桥最佳;当码头需求较高时,采取动态调整与按需配置相组合的方式最佳. 以国内某码头为原型,通过不同规模的算例实验,验证了模型和算法的有效性. 所提方法可快速生成高质量、多样化的前沿解,实现了场桥资源与集卡作业需求的匹配优化,为码头管理者在资源投入与集卡等待时间的权衡中,提供了决策支持.     

集卡提箱预约配额与场桥配置的联合优化

在集卡提箱预约中,集装箱码头场桥配置和预约配额的联合优化是缩短集卡等待时间,提升资源利用率的关键. 针对提箱作业的实际特点,构建了双目标整数规划模型,设计了基于非支配排序遗传算法的求解方法. 当码头需求较少时,采取动态调整随机分配场桥最佳;当码头需求较高时,采取动态调整与按需配置相组合的方式最佳. 以国内某码头为原型,通过不同规模的算例实验,验证了模型和算法的有效性. 所提方法可快速生成高质量、多样化的前沿解,实现了场桥资源与集卡作业需求的匹配优化,为码头管理者在资源投入与集卡等待时间的权衡中,提供了决策支持.     

多类型任务复合作业的堆场龙门吊调度问题研究

在集装箱码头,龙门吊是负责在集装箱堆位和集卡之间进行集装箱搬运的主要设备,其作业效率对提升集装箱码头的服务水平至关重要.为了提升集装箱堆场龙门吊的作业效率,本文根据龙门吊实际作业情况,对集装箱堆场龙门吊的多类型任务复合作业问题进行研究.以优化龙门吊作业任务开工时间延迟的惩罚成本为目标,基于整数规划方法建立了多类型任务复合作业下的堆场龙门吊调度模型,并针对模型特点设计了基于GA的智能求解算法.最后,以某码头的实际作业数据为基础,进行了案例计算和对比,验证了该模型和求解算法的有效性.     

集装箱码头铁水联运装卸设备协同调度

集装箱码头铁路作业区是开展集装箱铁水联运的主要场所,其效率将影响集装箱铁水联运的整体效率,因而,建立了以装卸过程总完成时间最短为目标的龙门吊、集卡和场桥的协同调度问题的混合整数规划模型,既考虑了装卸同步,又考虑了龙门吊间的干扰和安全距离、龙门吊和场桥走行时间及缓冲区等现实约束,并考虑了集卡堵塞问题.为了求解模型,设计了改进的多层遗传算法.最后通过实验验证了模型和算法的有效性和可行性,证明了考虑集卡堵塞问题是有必要的,并给出了50个和100个集装箱的设备最佳配比.     

集装箱码头送箱集卡预约与场桥调度协同优化

针对送箱集卡随机到港引起的场桥作业不均衡,以及高峰时段场桥资源紧缺、集装箱码头拥堵等问题,构建送箱集卡预约与场桥调度协同优化的二层规划模型.上层目标为集卡在闸口的排队等待时间、预约集港导致集港时段调整的集卡数及所有预约时段未完成作业量所需的场桥时间最小,下层目标为每个预约时段未完成作业量所需的场桥时间最小.设计并行遗传算法求解模型,并以天津东方海陆集装箱码头为例进行算例分析.结果表明,预约集港能够降低集卡在闸口的排队等待时间,且送箱集卡预约和场桥调度的协同优化比独立决策更有利于提高集港效率.     

基于蚁群算法的车辆调度问题

根据蚁群算法的基本原理和数学模型算法,对实际配送问题进行分析,给出解决方案。选用matlab软件对实例进行仿真,仿真出无返回式的配送最短路径;将最短路径进行分区域优化,实现由路况信息和实际需要调配多辆车配送的动态问题。