公路路政管理站点规划和巡视路线优化研究

采用遗传算法建立了公路路政管理站点规划选址优化模型,研究了路网中规划选址优化的多变量算法不易收敛问题,应用受限P 中心问题以减少管理站的备择点数目,从而减少遗传算法中染色体的基因长度,并按不同策略进行初始群体和种群的选择,加快收敛速度,从而提高算法的运算效率。针对高速公路巡视路线优化中最大巡路长度问题,采用贪婪算法和邻域搜索算法的结合求解最佳巡视路线,给出了问题的多目标函数优化模型和算法。     

随机运输时间下集装箱海铁联运箱流径路优化方法

集装箱在海铁联运过程中容易受到各种不确定因素的影响, 导致运输时间波动, 进而影响货物的送达准点率。为有效降低不确定运输时间的影响, 兼顾运输过程的经济性和绿色可持续性优化集装箱海铁联运箱流径路。采用随机机会约束规划构建运输总费用最少和碳排放量最低的多目标模型。在约束条件中引入铁路和海洋期望运到时间, 并对超过期望运到时间的径路进行惩罚处理, 保证运输径路的优越性。考虑一站直达和中转换装这2种运输组织模式, 克服现有研究未考虑货源是否充足的缺陷。运用不确定及概率论相关理论知识将不确定约束转化为线性约束。以西安至洛杉矶的集装箱货物出口径路优化为案例背景, 采用NSGA-Ⅱ算法求解, 并通过贪心算法改进初始化种群以及基于logistics分布的概率选择算子改进精英选择算子。通过对比分析得到以下结果: ①算法优化后运输总费用减少23.15万美元, 碳排放减少6.69 t, 同时算法求解速度提高了75.36%;②将本文模型选用的随机规划和模糊规划进行对比, 发现随机规划解集数量多于模糊规划, 且二者在相同输送径路中的运输总费用和碳排放量均优化了10.65%。因此本文模型和算法具有良好的优化效果。进行灵敏度分析, 观察置信水平以及时间影响系数对目标函数和货物送达准点率的影响。结果表明: ①较高的铁路和海洋运输置信水平会提高货物的运输总费用。②时间影响系数和货物送达准点率呈负相关, 影响系数越大货物送达准点率越低。      

基于多目标粒子群算法的智慧城市信号灯配时优化控制

为了顺应智慧城市建设需求，缓解城市道路的拥堵，提高车辆在城市路口的通行效率，本文基于多目标粒子群算法，以车辆实时延迟时间最小、城市路口通行能力最大为优化目标，建立智慧城市路口的多目标优化模型。通过优化计算得到Pareto最优解集，以多属性决策算法得到最优配时方案，并通过更新信号灯参数，实现了信号灯的动态优化。通过SUMO交通仿真平台搭建了城市路口仿真模型，结合粒子群算法进行仿真验证。仿真结果表明，经粒子群算法优化的城市路口配时，路口的通行性能显著提升，平均通行能力提升约3.69%，平均车辆延迟时间降低约21.35%。     

基于遗传算法的3L-CVRP优化问题研究

为提高物流配送效率,降低配送成本,探讨了三维装箱约束下的车辆路径优化问题.在装箱问题与车辆路径优化问题研究现状的基础上,将三维装箱与车辆路径优化进行整合,考虑客户需求、货物装载顺序、车辆尺寸、车辆重心等约束,建立以路径最短、车辆装载容积利用率和载重率最大的多目标组合优化模型,引入权重系数体现决策者偏好并归一化目标函数.设计适用的染色体编码规则,确定遗传操作中选择、交叉、变异方法,选取目标函数为适应度函数,引入最优个体保存策略防止算法的过早收敛,提高算法的准确性,通过Matlab编程实现该优化模型的求解.案例数值试验表明,该模型与算法能够实现装箱与车辆路径的组合优化,算法运行时间为17s左右,相较于引导式局部搜索遗传算法减少了5 s,车辆总行驶里程缩短了7 km.      

改进RRT算法在复杂环境下智能车路径规划中的应用

采用快速搜索随机树（RRT）算法进行路径规划时，在存在大量随机障碍物的复杂环境下，规划出的路径曲折且算法无法快速收敛，不能满足智能车路径规划的要求。为了实现智能车路径规划，提出一种基于RRT的运动规划算法——同心圆RRT算法。该算法在RRT算法的基础上结合智能车行驶时自身运动学约束，引入同心圆采样策略和邻近点选择方法。同心圆采样策略以目标点为同心圆的圆心，利用同心圆系数m控制同心圆的疏密程度，在同心圆上生成随机点以便确定下一路径点。邻近点选择方法考虑车辆运动学约束及目标点距离因素，在满足车辆运动学约束的前提下，计算邻近系数，将最小邻近系数对应的随机树节点作为邻近点；针对得到的规划路径，进一步提出基于车辆运动学约束下的路径简化方法，对得到的路径进行简化并使用3次B样条曲线对路径平滑处理，生成一条平滑且可执行的路径。研究结果表明：m=0.5~1.5时，提出的算法规划出路径所需时间最少；车辆姿态与下一路径点的夹角约束值越大，规划出路径所需时间越少，在夹角为35°时趋于稳定；在相同的环境中，提出的算法所规划的路径质量相比于RRT算法、目标偏向RRT算法及改进RRT^*算法有显著提高，规划出路径所需时间及路径长度相比于RRT算法分别降低了43.1%和18.7%，相比于目标偏向RRT算法分别降低了7.3%和15.5%，相比于改进RRT^*算法分别降低了29.6%和7%；智能小车的实车测试试验验证了该算法的有效性和实用性。     

“一带一路”倡议下的国际通道中转枢纽设计模型和算法

为提高中欧班列运营效率,依据"一带一路"倡议下的中欧班列发展规划,以西部通道货源吸引区域为研究范围,以货源城市与目的地之间货物运输的总成本、时间和温室气体排放量最小化为目标,基于可持续发展理念构建了可持续联运枢纽配置模型。其中温室气体排放量由车辆在路径上和枢纽上消耗的温室气体排放量构成。根据货源城市到目的地的货运量、公路货运网络、铁路货运网络等参数,进行了联运枢纽选址和运输方式选择的决策。进一步采用改进多目标模拟退火算法进行了模型求解,并验证了算法的有效性。结果表明:在决策者选择偏好不同的情况下,多目标联运枢纽配置模型的解具有多样性;在不同目标权重选择下,改进的模拟退火算法能够搜索到模型的满意解,从而实现国际运输优化。     

基于遗传算法的定制公交多停车场多车线路优化

为了有效地定制公交线路方案以提高运行效率,针对目前定制公交多停车场多车线路优化大多采用先聚类后求解的问题,以及在进行定制公交线路优化建模时忽略上车区域到下车区域距离,或者将其设定为定值的问题,提出一种基于遗传算法的采用三段式混合编码方式的优化求解方法.根据实际过程中定制公交线路优化问题的描述,以路网中所有定制公交车辆总运营里程最小为优化目标,构建满足多个停车场、多个上下车站点、多辆定制公交车的线路优化模型.通过对模型的结构进行分析,采用包括停车场段、上车站点段、下车站点段的三段式混合编码、分段交叉以及翻转变异等遗传操作方法求解.以兰州市城关区部分交通网络为例,求解包含2个定制公交停车场、12个上下车站点的实际算例,以验证模型及算法的合理性.结果表明,采用基于遗传算法的三段式混合编码方式的算法能快速完整地求解出定制公交线路优化方案.该算法与K-means和遗传算法的混合算法相比,总运营里程减少2 km,上座率提升18.375%,定制公交车辆数减少1辆,运算时间能节省38.24%.      

公交区域调度的最大同步换乘模型

研究了用多目标优化模型来解决基于最大同步换乘的公交区域调度优化问题,并将该调度优化模型描述为混合整数规划问题。建立了以车辆相遇总次数最大为第1目标,以多辆车同时相遇的机会最大为第2目标的双目标优化模型。采用启发式算法对模型进行求解,得出具有最大同步性的发车时刻表。结果表明:该模型实现了同时到达网络中换乘点的公交车的数量最大,从而使乘客可以在最短的等待时间内在换乘点从一条线路转到另一条线路上。     

多目标低碳车辆路径优化模型及求解算法

为有效降低物流配送过程产生的能耗和碳排放,控制配送成本,以传统带时间窗车辆路径问题为基础,研究低碳条件下的车辆路径问题.通过三角概率分布在合理速度区间内对车辆速度进行估算,综合考虑车辆行驶速度、载重量及运行里程构建碳排放计算模型,建立以系统总成本最低、车辆周转时间最小的多目标低碳车辆路径优化模型.将新兴多因子优化算法中协同进化和信息交互的思想应用于NSGA-II算法,提出增强型NSGA-II算法.算例结果表明,多目标优化模型可以更好地兼顾不同物流配送参与者的利益,更符合实际决策过程,所提出的ENSGA-II算法在经济成本上平均节省超过3%,在车辆周转时间上平均改进达到5.02%,表现出较好的求解性能.      

基于客户价值和满意度的城市冷链物流时变路径问题

针对车辆保有量日益增加和拥堵情况日趋严重而造成的城市冷链物流时效性不强、客户价值不高、顾客满意度降低等问题，综合考虑客户价值、客户满意度以及成本等因素，提出一种城市冷链物流时变路径优化方法。考虑到冷链配送过程中不同时段的道路拥堵问题，采用分段函数刻画车辆行驶速度，并同时考虑时间窗和车辆载重量等约束，建立了多目标数学模型。使用线性加权法和主要目标法对多目标进行处理，将其转换成单目标数学模型。结合问题NP难特性，设计了单亲遗传算法对小、中、大规模算例进行了求解，结果表明：与未考虑客户价值模型相比，该模型在平均增加3.28%成本的情况下，提高14.96%的客户价值和14.64%的满意度；与未考虑成本模型相比，该模型在减少1.55%的客户价值的前提下，节约17.32%的成本；对比静态路网模型，模型减少0.92%的成本，提高6.27%的客户满意度和16.06%的客户价值。通过对目标函数中成本权重和客户价值权重进行参数分析，表明成本和客户价值之间存在明显的背反关系。     

信号交叉口多目标动态决策模型及其优化方法

以减少机动车在交叉口的延误时间和尾气排放为目标,针对目前交通信号控制模型中普遍采用单一目标进行求解的问题,以非饱和交叉口为研究对象建立了信号交叉口多目标动态决策模型(MODD模型),对信号周期时长、绿信比和相序3个信号配时参数同时进行优化,提出交叉口多目标评价满意度函数,制定交叉口信号控制决策准则并应用混合遗传算法求解最优决策变量.算例的求解结果显示,混合遗传算法能够均匀地逼近Pareto最优前端,多目标优化方法更能减少车辆在交叉口上的停车延误和停车次数,对单交叉口信号配时有理论指导和应用价值.     

基于动态规划的信号配时滚动优化算法

随着智能交通技术的发展,交通信息获取的时间颗粒度将越来越小,这为城市动态交通信号配时优化模型和方法提出了新的挑战。为解决经典信号相位控制优化(COP)算法中未考虑交叉口预测区间内交通流量动态变化对信号配时方案控制效果的影响。文中提出了基于动态规划的单交叉口信号配时滚动优化算法。首先,在分析交叉口信号配时关键问题的基础上,构建了以交叉口车辆平均延误和平均排队最小为优化目标,交叉口各相位绿灯时间长度为约束条件的信号配时非线性整数优化模型;并设计了动态规划算法求解该模型。其次,为反映交叉口车流在预测区间内动态变化的特性,在动态规划算法的基础上提出了滚动优化策略,根据实时更新的预测数据滚动优化信号配时方案,并将信号配时方案实时传输到交叉口信号控制器中。最后,通过实际调查数据构建微观仿真环境,采用VISSIM COM二次编程开发技术结合MATLAB编程软件实现了文中模型和算法,并对比分析文中算法和经典的COP算法。通过改变交叉口的输入流量,测试不同流量条件下控制算法的控制效果。结果表明,与经典的COP算法相比,文中算法不仅能够使车辆在交叉口的平均延误减少20%,而且能够保证交叉口各个相位的车辆平均延误的均衡。     

智能网联混合动力车辆速度规划的多目标协同控制研究

考虑车辆的行驶安全性、机动性、能耗经济性、舒适性和电池老化等多重目标,以弯道场景为例对智能网联混合动力客车的速度进行实时规划。首先,以车辆速度和动力电池SOC作为状态变量,加速度和发动机-发电机组输出功率作为控制变量,以混合动力客车的能量消耗成本、电池老化成本、机动性成本和舒适性成本的加权和最小化为目标函数。其次,以弯道行驶安全性、动力系统和电池系统的物理特性等为约束,实施基于模型预测的多目标协同控制,并应用动态规划算法求解滚动空间域内的多目标优化问题,从而实现实时的速度规划和能量分配。同时,分析机动性和舒适性赋予不同权重对性能的影响。结果表明:(1)考虑电池老化的控制策略可以在不影响车辆动力性和机动性的情况下,使电池老化成本降低25.8%,综合成本降低2.3%;(2)提高机动性成本的权重因子能够缩短行驶时间,但会引起综合成本的增加;(3)提高舒适性权重因子可以减少速度波动,同时降低综合成本。     

基于激光雷达的远距离运动车辆位姿估计

为了解决激光雷达扫描远距离运动车辆产生的点云稀疏导致位姿特征难以提取的问题,提出了一种远距离运动车辆位姿估计方法。首先利用时空连续性提取远距离运动车辆。然后利用最小二乘拟合得到稀疏点云水平面二维投影近似拟合直线对,依次在不同角度的垂直正交直线对上对稀疏点云的二维投影进行一维向量估计的装箱过程,基于目标车辆与激光雷达间相对位置的观测角函数最大化匹配滤波响应,进而利用全局优化算法对投影点概率分布与匹配滤波运算得到的代价函数作离散卷积,寻优比较得到单帧拟合最优矩形。最后结合连续帧平移约束进行多帧拟合,优化当前帧目标车辆拟合矩形的位姿。利用仿真和真实场景下采集的目标车辆点云数据进行算法验证分析。结果表明:在点云稀疏的情况下,当远距离目标车辆做直线运动时,提出的多帧拟合方法得到的位姿参数均方根误差低于单帧拟合和已有的RANSAC拟合方法;当远距离目标车辆做曲线运动时,提出的单帧拟合和多帧拟合方法得到的位姿估计结果较为接近,且误差明显低于已有的RANSAC拟合方法;对于不同相对距离下采集的目标车辆点云,提出的单帧拟合和多帧拟合位姿估计方法的适应性优于已有的RANSAC拟合方法。     

基于动态窗口和绕墙走的自动垂直泊车轨迹规划

针对现有自动垂直泊车轨迹规划因需要轨迹数学模型而灵活性差和采用开环离线规划而无法动态调整路径的问题,提出一种基于动态窗口和绕墙走策略的垂直泊车轨迹规划方法.将轨迹规划问题解耦为与时间无关的路径规划和与时间相关的速度规划,并在分析车辆阿克曼转向特性的基础上,通过绕墙走策略实现无先验轨迹模型的路径规划.同时将绕墙走路径作为全局启发信息,用于驱动基于模型预测控制的动态窗口法进行速度规划,其反馈优化特点能够对路径进行局部动态调整.仿真实验结果表明,该方法能够在控制、定位精度0.2 m的情况下,安全有效地完成车辆垂直泊车,且能动态地对车辆路线进行局部调整.      

多换乘点响应型接驳公交运行线路的协调优化

为尽量降低响应型接驳公交系统的运行费用，提出多换乘点间运行线路协调设计的构想。针对同时包含预约需求和实时需求的混合需求，构建多换乘点响应型接驳公交系统运行线路的2阶段协调优化方法，并设计优化流程。第1阶段仅考虑预约需求，首先将预约乘客按有/无特定换乘点要求进行分类，在此基础上构建预约需求下多换乘点多车辆运行线路的协调优化模型。在协调优化模型中，优化目标是由乘客时间费用、车辆运行费用、以及惩罚费用所构成的系统总成本最小；乘客时间费用包括乘客候车时间的惩罚费用、车内乘客在需求点的等待时间费用以及乘客车上时间的惩罚费用3个部分；车辆运行费用包括车辆启动费用、路段行驶费用、需求点的停靠费用、车辆早到引起的等待费用4个部分；考虑的约束条件包括乘客候车和车上的软时间窗、乘客换乘点要求、车辆容量、车辆出行时长等。第2阶段根据规则判断是否响应实时需求，并根据响应情况重新优化后续各班次的运行线路。针对第1阶段模型，基于模拟退火算法设计求解算法。研究表明：在预约需求或混合需求条件下，与各换乘点运行线路独自优化相比，协调优化方法均能显著降低运送全部响应乘客所需的平均运行距离和平均总成本；仅有预约需求时分别降低5.4%、19.8%，新增实时需求后分别减少1.4%、21.7%；与固定发车间隔相比，分时段调整发车间隔，也能有效降低运送全部响应乘客所需的平均运行距离和平均总成本，仅有预约需求时分别降低18.2%、17.2%，新增实时需求后分别减少19.97%、25.06%，说明多换乘点间车辆路径的协调运行是提升响应型接驳公交运行效率的有效途径。     

基于前车轨迹预测的高速智能车运动规划

针对现有运动规划算法大多只考虑障碍车当前状态,本文中提出一种基于前车运动轨迹预测的高速车辆运动规划算法。首先,融合考虑驾驶意图与基于车辆运动模型的方法对前车轨迹进行预测;然后,采用贝塞尔曲线(Bezier)规划主车运动轨迹,结合避撞过程中与前车碰撞风险概率,高速避撞车辆速度变化特点以及车辆运动稳定性等因素建立目标函数,并考虑车辆动力学与运动学约束,使用序列二次规划(SQP)方法对Bezier曲线的控制点和主车运动目标点位置进行优化求解,得到最优避撞运动轨迹;最后,以前车直行和换道两种工况为例,对主车的避撞运动轨迹进行规划,分析不同工况下主车避撞过程中的运动状态变化以及与前车碰撞风险概率变化。结果表明,所提出的运动规划算法能够保证车辆的避撞安全性与运动稳定性。     

基于车联网及云计算的电动物流车智能调度算法

考虑到轻型电动货车作为未来城市内物流运输的主要载体,以及云计算和车联网在物流行业的应用,在对物流企业调研的基础上,研究了未来电动车作为城市货运物流的调度问题。区别于已有研究成果将车辆装配与路径规划分开进行优化的研究思路,基于未来物流企业将普及云计算平台及车联网技术的假设,构建了包含货物装配及车辆路径规划一体的调度模型。根据企业物流调度的实际需求,改变了以往以单一节点为中心的路网结构,构建了更加符合实际的全连通路网结构。提出采用平均道路运输成本、平均车辆装卸成本、仓库的仓储成本、仓储的均衡度,货物运输的剩余时间等5个量化评价指标对调度结果的优劣进行评价;在调度建模的基础上,提出了一种新型实用的基于车联网及云计算平台的电动车物流的多目标优化调度算法,用于对调度模型的求解。为验证模型的有效性及算法正确性,生成了不同规模的数据集进行测试。首先在小规模数据上验证了模型与算法的正确性,然后在大规模不同调度请求下,对比智能调度算法与当前物流企业普遍采用的人工调度算法,在不同仓库的仓储能力与车辆的运输能力的比值、不同调度车辆数量、不同仓储节点数量下的调度情况。100组随机数据的平均调度结果分析表明:智能调度算法调度指标均优于人工调度算法。     

启发式算法在送货线路设计中的应用

运用模拟退火算法、遗传算法等启发式算法对物流系统中的送货路线设计进行了研究。针对一个具体的送货线路设计问题,根据送货线路图,建立了送货路线模型,运用启发式算法计算出了最优送货线路,并对该模型和算法的适用性进行了分析。     

应急车辆出行前救援路径选择的多目标规划模型

针对城市中应急车辆的救援路径优化问题,分析了基于交通信息中心的应急车辆最优路径的多目标属性,给出了随机网络中各属性的量化计算方法,以最小化出行时间,最大化行程时间可靠度为目标,考虑了通行可靠性、安全性、道路条件限制等因素,建立了应急车辆出行前最优路径选择的多目标规划模型.模型所求得的解是综合最优路径,反映了应急车辆路径选择的目标需求,克服了以往直接等同于图论中最短路径的缺陷,给出了算法,通过算例验证了模型的合理性和有效性.