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.     

随机交通网络最小期望-均方差路径问题罚函数解法

为了反映交通网络中考虑可靠性的路径选择行为,基于数学规划理论建立随机交通网络环境下最优路径问题的数学模型并构造罚函数法求解该约束优化问题。首先,在路径目标函数中加入了均方差以反映路径的可靠性,建立随机网络环境下最小期望-均方差路径问题的数学规划模型;其次,引入罚函数和罚因子,把非线性约束优化问题转换为无约束优化问题;第三,构造拟牛顿法求解无约束优化问题,最终获得原问题的精确解;最后,针对实际交通网络开展了数值实验并对数值结果进行了分析。数值结果表明:提出的算法是能获得最优路径的精确解。     

基于改进蚁群算法的山区无人机路径规划方法

对无人机在山区执行应急物资运输任务时的飞行路径规划问题进行研究.基于对无人机的性能分析与比选,探讨了路径规划的约束条件,提出了一种考虑路径安全度的改进蚁群算法.首先,基于高海拔山峰的位置构造泰森多边形,获取无人机在山区避障飞行条件下的路径可行解;其次,为避开山峰密集区域,建立路径安全度约束,缩小可行解范围;进而,利用蚁群算法搜索最短路径;最后,消除路径中不必要的障碍点以进一步缩短距离,并综合考虑无人机性能参数对拐角进行平滑处理,获得最终可用于实际飞行的最优安全路径.算例分析表明,改进的蚁群算法较传统算法收敛速度更快,且生成的路径更短.     

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．     

求解TSP问题的Flexsim仿真方法研究

TSP问题是一类典型的组合优化问题,一般智能优化算法存在求解难度大、陷入局部解的问题。针对这些问题,提出了用Flexsim仿真软件求解此问题的方法,以旅行路线总距离最短为优化目标,建立了Flexsim仿真模型,并进行仿真运算,确定了最优旅行方案。通过对仿真结果进行分析,证明了此方法的有效性,较好地解决了旅行路径规划问题。     

基于改进遗传算法的航班-登机口分配多目标优化

为提高现代机场的资源利用效率和乘客换乘体验, 研究了多目标航班-登机口分配问题; 在考虑航班类型约束、飞机机体类型约束和转场时间间隔约束的基础上, 以分配在固定登机口的航班数量最多、使用的固定登机口数量最少和乘客换乘紧张度最小为目标函数, 建立了航班-登机口分配的多目标非线性0-1整数规划模型, 并设计了一种改进型基因编码的遗传算法以提高求解效率; 基因个体采用两段式整数编码, 设计了该编码方式到可行解的映射流程, 同时从理论上证明该编码方式可以映射到最优解; 对两段基因编码分别设计了不同的交叉算子和变异算子, 避免产生非可行个体; 为验证算法的有效性, 基于某大规模机场的实际运营数据, 对比了改进型遗传算法与MATLAB内置遗传算法。计算结果表明: 采用改进型遗传算法使得安排在固定登机口的航班数目增大5%, 乘客换乘总紧张度减小3%, 乘客换乘平均紧张度减小32%, 占用的固定登机口数量相同, 安排在固定登机口的乘客数量增大20%, 算法运行时间减小8%, 说明改进型遗传算法性能更好, 可提高登机口的利用效率和乘客的换乘舒适度; 在改进型遗传算法的优化过程中, 航班数量目标和登机口数量目标在130次迭代时寻到最优解, 换乘紧张度目标在400次迭后基本收敛, 且最优结果对应的航班时序合理, 说明该算法的迭代收敛速度快, 优化结果合理。      

双向蚁群算法在无人驾驶车辆路径规划中的应用

针对传统蚁群算法在无人驾驶车辆路径规划中收敛速度慢、易陷入局部最优等问题,提出一种全局路径规划的双向蚁群算法.通过双向搜索策略改进蚁群算法,设计相遇机制求解更多可行路径,提高算法全局搜索能力;引入奖惩因子分别扩大和减小双向搜索后的较优路径和较差路径对信息素浓度的影响,加快求解最优路径的速度;最后在Matlab中模拟无人...     

面向鲁棒性的高速铁路网络列车运行调整计划优化模型

针对高速铁路路网中出现区间封锁事件,考虑事件持续时间的不确定性,以列车运行时间和安全间隔时间为约束条件,引入路径选择唯一性约束保证列车运行调整计划的鲁棒性,以所有列车晚点时间之和的期望值最小为目标函数,建立高速铁路列车运行调整计划优化整数规划模型.设计基于优先级规则的启发式算法,求解原模型的可行解.运用拉格朗日松弛算法和最短路径算法求解该模型的松弛模型,得到原模型最优解的下界.根据可行解与最优解下界之间的距离,可以定量地衡量可行解的质量.结果表明,相较于CPLEX数学求解软件,算法求解效率较高;模型与算法能够有效生成鲁棒的列车运行调整计划,为调度员提供必要辅助决策信息.     

铁路网络列车运行调整的优化模型 及其分支定价算法

研究了铁路网络中列车可变更运行线路下的列车运行调整问题,目标是使得所有 列车偏离终到时间之和最小化.首先引入流平衡约束建立基于列车到发时刻的网络流模型,采 用商业软件GUROBI求解.同时构建了基于列车时空路径的整数规划模型,并给出了分支定 价算法,采用伪费用分支和最佳优先搜索策略加快算法的收敛.最后设计算例进行验证,通过 与GUROBI对比说明本文算法是有效的.当列车数为20 列时,求解时间减少91.6%,得到的最 终可行解距离最优解的间隔为9.72%.验证了本文分支策略较最为分数分支策略更优,列车运 行调整可变更线路相比于只能按原始线路行驶平均可降低目标函数值37.4%.     

带订单选择车辆路径问题的模型与算法

共同配送能够有效提高物流资源利用率,降低物流成本,在此环境下,本文提出了一种带订单选择的车辆路径问题.运输企业可以将运输订单委托给合作企业或者接受合作企业发布的订单,需要同时进行订单选择和车辆路径优化.针对该问题,以最大化企业经济效益为优化目标,建立混合整数规划模型.针对此NP-Hard问题设计了遗传算法进行求解,提出了对该问题染色体编码的一种精确分割算法以得到可行解的结构.本文构造了不同规模的算例,使用Matlab进行数值实验.结果表明,运输企业通过订单的双向委托,能够有效减小车辆行驶距离的同时提高企业的经济效益,为共同配送系统中的个体行为分析提供了理论基础.     

基于完善交通信息收集的UAV路径规划

针对部分路段不能获取完整交通信息的问题,提出使用无人机对未布设固定型交通信息检测器路段进行交通巡视,完善交通信息。通过时空网络建立了一个总飞行时间最短、最大单机飞行时间最短的多目标模型,确定最佳的无人机数量和交通信息收集路径。新模型不仅利用时空网络技术细致刻画了无人机在巡视过程中的飞行轨迹,而且加入了对未布设固定型交通检测器路段的巡视次数以及巡视时间间隔约束问题,使巡视路径更加合理。情景分析表明,使用两架无人机进行巡视时,总飞行时间最短为37min,在23min 内完成巡视任务;随着最大单机飞行时间权重的增大,无人机的总飞行时间增加9.76%,最大单机飞行时间减少8.70%。算例分析表明,所建模型和方法能够解决大规模路网的多无人机调度问题,能够根据实际需求得到满意的巡视路径。     

���ڶ�Ŀ���Ż��ĵ�·����վ��ѡַ�о�

为了研究道路客运站场规划的站场选址优化,提出了一种基于多目标优化的道路客运站场选址方法。首先,将道路客运站场规划区域的道路网简化为有向赋权图,使选址优化问题转化为0-1规划问题;然后,以道路客运站场的建设投资、网络总运输成本以及乘客的总出行距离为优化目标,同时把道路客运的实际条件转化为优化目标的约束条件;最后,利用基于目标值排序组合选择的多目标遗传算法求解模型的Pareto最优解集合,并通过客运站场选址优化算例阐述了模型的求解过程。     

城市物流无人机起降点布局规划研究

针对城市物流无人机起降点布局规划问题，考虑不同级别的物流无人机起降点，构建以总经济成本最小和客户满意度最高为目标，以禁飞区、无人机性能、容需匹配等为约束的整数规划模型。设计人类学习优化算法(HLO)，引入随机学习算子、个体学习算子和社会学习算子。在此基础上，基于真实地理信息数据和物流数据设计仿真实验，验证模型与算法有效性。实验结果表明，所建模型可以实现起降点的合理布局规划，适用于大规模资源配置，具备有效性；人类学习优化算法较遗传算法求解精度与收敛速度更优，表现出较佳性能。参数分析表明，基于该仿真环境的最优经济成本权重和客户满意度权重设置为0.4和0.6，最佳算法学习概率参数组合为5/n和 (0.8+2/n)。据此可对城市物流无人机起降点布局规划提供决策依据。     

���ڹ�ƽ�����ȿ��ǵ������������

网络设计问题通常以最小化系统的总出行费用作为优化的唯一目标,所求得的最优解往往不能满足交通工程的实际要求。本文分析了在道路交通规划的工程实践中普遍存在的公平性和优先性问题,以网络设计问题的经典数学模型为基础建立了考虑公平和优先的网络设计问题数学模型,针对模型的特征设计了求解模型的遗传算法。最后,以一个实验道路网的分析为例,说明了数学模型和遗传算法的具体应用。该实例表明,论文所提出的模型和计算方法是非常有效的,能够为交通规划提供非常丰富的信息,协助决策者做出科学明智的选择。     

新建交通小区配套道路网络设计模型与算法

研究城市发展过程中新建交通小区的配套道路网络设计问题,提出将新建交通小区与现有路网科学合理连接起来的方法。首先用双层规划法建立该问题优化模型,该模型在考虑交通用户出行行为的情况下,可以确定最优的新建路段选址方案及通行能力设计方案;然后基于粒子群优化技术,设计一个启发式求解算法。最后用一个简单的网络例子验证并分析模型与算法的有效性。     

面向地震应急的救援路径规划模型

地震灾害场景下,面向应急的救援路径规划需要兼顾救援效率和交通抢通对救援的影响,以支撑有限交通资源的高效利用,避免交通拥堵或瘫痪耽误应急救援行动.通过定义面向应急需求的交通网络、交通路线的通行成本和交通线的通过性等,对救援与抢通路径规划问题进行了描述;将最优救援路径和最优交通抢通方案作为该问题的约束条件,基于双层优化方法建立了双层路径规划模型以实现集成优化并构建了模型求解方法.经案例仿真分析,本文提出的救援路径规划模型可以生成准确、高效的应急救援与交通抢通集成方案,可以为具有针对性的交通管制措施的拟定提供科学依据,助力地震应急救援行动的顺利实施.     

城市道路联网联控关键技术

从城市道路联网联控平台的系统构建出发,概述其系统构架的关键层次为交通信息感知层、模型层、应用层及信息发布层。阐述城市道路联网联控的关键技术,主要包括交通信息感知、道路运行状态分析、交通需求识别、交通信号控制和交通诱导。最后,讨论城市道路联网联控技术带来的社会效益。     

考虑街区尺寸的不同交通方式广义出行成本分析

我国的城市规划理念逐渐从封闭小区转向开放街区,以实现街区内部道路公共化,优化路网布局.但不同街区模式对城市交通的具体影响缺乏定量研究.为此,本文区分街区内外部出行,分析了街区尺寸对城市路网交通性能(出行距离、时间及转弯次数)的影响,并基于出行时间和费用,构建了各种交通方式广义出行成本,分析其在不同街区尺寸下的变化特征. 结果表明,给定路网规模下,街区尺寸越大,平均内部出行时间占比越高,越不利于公共交通出行,例如当街区尺寸为 600 m 时,公共交通方式下的平均内部出行时间占比高于私家车 10%.未来城市规划需更多地考虑街区尺寸的影响.     

路径信息诱导的双层规划模型

为了缓解交通拥堵与提高路网运行效率,建立了路径诱导信息的双层规划模型。上层模型描述信息发布者通过交通诱导信息发布手段优化路网层面的性能函数,下层模型采用效用函数描述驾驶员最优路径选择行为,其决策变量为交通信息类型,从而将交通信息对于驾驶员路径选择行为的影响引入模型中。利用极点搜索算法对一个简单路网的双层规划模型进行算例分析,得出了各种交通信息条件下上层目标函数值。虽然计算结果存在8%~13%的波动范围,但交通拥堵时发布的拥堵消散信息是最优方案,定性信息带来的总体效益要好于指示信息,因此,该模型可行。