面向铲装作业场景的自动驾驶矿车路径规划方法研究

针对铲装作业场景复杂多变、矿车路径规划实时性及安全性要求高的特点，提出一种基于引导式变步长混合A*算法的路径规划方法。通过建立维诺图获取矿区路网并提取关键点作为方向引导，提升探索效率的同时避免车辆在U形障碍物处陷入局部最优；引入自适应变步长算法并改进启发函数，进一步提高规划效率及路径安全性；通过矿区实车场景试验验证算法有效性。试验结果表明，本路径规划方法满足矿车复杂场景要求，规划时间相比原引导式算法降低68%，路径到障碍物平均距离增加了11%，路径曲率变动次数减少45%，显著提高了计算效率与路径质量。     

半开放式燃油车和电动车混合车辆路径优化问题研究

随着物流行业的迅速发展,物流运输车辆不断增加,而传统燃油汽车的使用对环境造成了一定的压力,近年来,物流电动汽车由于其节能环保的特性,得到了广泛的应用。然而由于电动汽车的充电时间较长以及运输行业的发展现状,电动汽车目前无法完全取代传统燃油汽车,两种车型同时存在于物流配送领域。文章针对半开放式多配送中心的燃油汽车和电动汽车混合车型的车辆路径优化问题进行研究,同时考虑了客户需求量、车辆载重量以及电动汽车的充电需求等约束条件,以碳排放成本、运输成本以及时间窗惩罚成本之和最小为目标建立线性整数规划数学模型,针对该问题的NP难特性,设计了改进的粒子群算法进行求解。应用佳点集理论产生初始种群,增加粒子群算法的多样性,在迭代过程中,增加局部搜索策略,避免粒子群算法陷入局部最优。实验结果表明:改进的粒子群算法获得的总成本相比标准粒子群算法获得的总成本降低5.69%,证明了该设计的改进粒子群算法在求解开放式混合车型车辆路径优化问题时的有效性;相比于不考虑碳排放的情况,考虑碳排放时传统燃油车的使用数量有所下降;相比于单一配送中心路径优化情况,开放式的多配送中心路径优化,更有利于降低物流成本。     

基于大数据的纯电动汽车节能规划研究

近年来我国电动汽车产业快速发展,但是电动汽车在发展过程中面临很多问题,如充电后的续驶里程较短、充电设施分布不均匀。在考虑电动汽车行驶特性的基础上,对新能源汽车进行路径规划是城市交通发展亟待解决的问题。全面深入地对电动汽车运行、时间与电量、阻抗、充电的路径规划模型和最短路径搜索以及电动汽车路径选择、运行方案进行分析,通过构建运行时间和运行路径阈值约束下的总能耗最低混合整数规划模型,算法设计标号修改算法和标号设定算法相结合的两阶动态规算法。最终,通过实际测算电动汽车的能耗平均优化率达10.2%。     

面向节油减排的平行多跑道混合运行机场停机位分配模型

针对因隔离平行运行模式与不合理跑道机位使用方案引起的航空器场面滑行排放过高的停机位分配问题，在传统停机位分配模型基础上，研究了多跑道运行模式对停机位分配方案的影响，基于空管机场2方协同运行与就近起降运行模式，研究了面向平行多跑道混合运行的停机位分配模型。通过引入航空器空中走向约束与航班接续约束，以减少采用航班横跨场面运行这个过长滑行距离的停机位分配方案。在此基础上，考虑不同机型发动机燃油流率对分配方案燃油消耗及碳排放的影响，以最小化燃油消耗为目标建立整数规划数学模型，并结合天津机场典型时段运行数据进行仿真验证。仿真结果表明:与原计划运行结果相比，优化策略的滑行距离与碳排放分别减少了11.9% 和13.3%，说明通过优化多跑道运行机场的停机位跑道使用方案可有效减少滑行距离与油耗，达到节油减排的目的。      

基于改进人工势场的无人驾驶动态规划算法研究

无人驾驶决策算法可以分为端到端的决策算法与分层式决策算法，分层式算法由于可解释性强、鲁棒性高而被大多数主机厂采用。规划模块是分层式决策算法中的核心模块，它承接感知与地图模块的信息并输出驾驶轨迹或动作，而人工势场法由于规划效率高、信息提取能力强，被越来越多地应用于无人驾驶决策规划领域。但现阶段的人工势场存在未考虑目的地因素或建立目的地单点引力场导致远距离引力过大、方向错误的问题，无法应对复杂交通环境。针对这些问题，提出一种无人驾驶“行车意图-风险复合场”(Driving Intention & Risk Field, IRF)，根据目的地、车辆、道路边界等要素各自的特点分别建模，并以势场的形式统一在IRF中。创建考虑全局规划的全局引力场，将全局规划路径离散成等距离的路径点，并动态选取感兴趣范围内的路径点进行全局引力场的构建。为了验证模型的性能，搭建IRF-SAC动态规划算法平台，并在CARLA仿真环境分别设置高速公路场景、十字路口场景和环岛场景。研究结果表明:相比于NF-SAC和FSM，IRF-SAC算法在安全性、舒适性、通行效率上均有显著提升；在高速公路场景下，IRF-SAC显示出较强的路径跟踪精度和鲁棒性，最大位移偏差相对于NF-SAC和FSM算法分别下降了44.8%、70.2%；在十字路口场景下，与NF-SAC及FSM算法相比，平均危险系数分别降低12.0%、20.6%，纵向加速度均方根分别降低13.2%、44.9%，行驶时长相较于FSM算法减少了39.2%；在环岛场景下，与NF-SAC及FSM算法相比，平均危险系数分别降低了31.7%、52.9%，纵向加速度均方根分别降低了27.0%、19.0%。     

基于MILP的飞机滑行排序的优化

提出了飞机滑行排序的优化问题,目的是最大限度减少滑行时间,提高机场运行效率.根据飞机在机场地面的运动规律,基于确定的滑行路径,考虑滑行路线冲突,建立了该问题的混合整数规划模型.讨论了该复杂优化问题的分解方法,给出了上海浦东机场地面网络的算例,验证了所做工作的实用性.     

出口车道左转交叉口几何及信号组合优化模型

为了进一步提高出口车道左转这种非常规交叉口的运行水平,提出了一种基于组合设计的优化方法。优化模型以储备通行能力最大作为优化目标,考虑交通流量、车道功能划分、主信号控制、预信号控制、综合功能区长度以及饱和度等约束条件,描述了优化参数间的相互关系,建立了混合整数非线性规划模型。该模型将交叉口几何布置与信号控制的关键参数整合在一个统一的优化框架中,以保障设计结果最优。通过将模型转化为一系列混合整数线性规划,采用分支定界法对其进行求解,进而通过算例和敏感性分析验证出口车道左转交叉口的优化效益。研究结果表明:利用出口车道左转的设计方法不仅可在饱和度较大的情况下显著提升交叉口通行能力,使原本处于过饱和状态的交叉口变为不饱和;而且在低流量水平下,也有助于减少交叉口延误和排队长度,算例中分别降低1.2%和5.1%;并且优化效益随左转交通量比例以及使用该设计方法岔口数的增加而增加,左转交通量比例每增加5%,该设计方法计算的通行能力将增加1%~5%,平均每增加1个岔口的使用,可使交叉口通行能力提高6.1%。     

可变线路公交车辆调度算法优化研究

为提高可变线路公交的调度效率,在建立以服务人数最多和乘客出行时间最小为目标的可变线路公交调度双层规划模型之后,以拒绝=重新插入为思路,分别从减少乘客平均出行时间(算法2)和降低系统拒绝率(算法3)2个方向出发,对简单插入算法(算法1)进行优化,提出2种调度优化算法以提高简单插入算法的精度.通过仿真试验对3种算法进行比较,研究结果表明,乘客出行需求为10人/h时,3种算法不会或偶尔出现拒绝乘客的现象,最大拒绝率分别为11%,3%和0%,平均乘客平均出行时间均在51 min左右;乘客出行需求为15人/h时,3种算法的平均拒绝率分别为6.70%,3.67%和3.28%,方差分别为14.90,12.64和11.91,平均乘客平均出行时间分别为73.49 min,77.50 min和78.73min.与算法1相比,算法2和算法3更能够提高调度效率和保证系统服务质量的稳定;与算法2相比,算法3能够在不明显提高乘客平均出行时间的基础上,进一步降低系统的拒绝率.      

出口箱随机入港下的集装箱码头泊位调度

针对港口竞争环境下产生的出口箱随机入港分散堆放策略,综合考虑出口箱堆场堆存位置分布以及泊位分配与集卡路径之间的相互影响,提出了出口箱随机入港下的集装箱码头泊位调度问题,并以船舶停靠泊位为决策变量,以所有集卡行驶总路径最短为目标函数,建立了泊位调度优化模型。采用基于遗传算法的启发式算法,对遗传算子进行了改进设计。最后,应用算例对模型和算法进行仿真实验,并将优化后结果与传统的先到先服务泊位调度模式进行比较分析。结果表明:以集卡行驶总路径为考量的泊位调度优化可使集卡行驶总路径缩短11.51%,可明显降低港口的运营成本,同时获得合理的泊位分配计划,模型和算法可行有效。     

基于DBSCAN与二分法的混合A*路径规划方法EI北大核心CSCD

在多障碍物非结构化场景中,传统混合A*算法存在计算效率低、路径平滑性差的问题。针对该问题,本文提出了一种基于密度聚类算法(density-based clustering,简称DBSCAN)与二分法的混合A*路径规划方法。首先,设计基于DBSCAN算法的障碍物聚类方法,简化多障碍物非结构化场景,避免混合A*算法在类U形障碍物群附近的无效节点拓展,有效提高算法效率。然后,提出基于二分法的状态节点拓展策略,能够在不显著增加混合A*算法计算复杂度的前提下,搜索出一条更平滑的路径。最后,基于MATLAB进行仿真。结果表明,在多障碍物非结构化场景中,本文提出的改进混合A*算法可以显著提升计算效率并改善路径平滑性。     

基于滑动窗口动态输入LSTM网络的铁路运输系统碳排放量预测方法

铁路运输的低碳发展对交通系统实现“双碳”战略目标有着重要意义。针对当前铁路运输碳排放预测研究较少、预测精度不高的问题,考虑碳排放时间序列数据中历史信息和当前信息间的相关性,引入滑动窗口,结合长短期记忆（LSTM）网络,构建铁路运输碳排放量预测模型。采用灰色关联分析法计算铁路运输碳排放量各影响因素的关联度值,筛选铁路运输碳排放量的关键影响因素,使用高关联性数据作为预测模型的输入变量,提高预测精度;应用LSTM网络为基础预测模型,通过引入滑动窗口改进神经网络的数据输入; 考虑未来减排政策变化对铁路运输碳排放量的影响,融合基于动态政策的情景分析,构建铁路碳排放预测模型,并利用多项式误差拟合方法进行误差修正,提高预测结果准确性。以1980—2019年铁路运输碳排放相关数据为例,从现有文献中总结出17个铁路碳排放影响因素,利用灰色关联分析法从中筛选出6个关键因素,通过滑动窗口对筛选出的数据进行子序列分割,测试不同长度窗口下的预测精度,选择最优窗口参数,建立改进LSTM模型进行预测,并将预测结果与原LSTM、BPNN和RNN模型进行对比,结果表明：改进LSTM模型将相对误差平均值降低至0.392%,而原LSTM模型为3.862%,BPNN模型为1.535%,RNN模型为0.760%,即改进LSTM模型具有更高预测准确性;根据历史趋势和发展政策设置基准情景和3种未来减排情景,利用改进LSTM模型预测未来10年铁路运输碳排放量,在4种模拟情景下,铁路运输2030年的碳排放量分别为9.83×106 t、8.91×106 t、8.62×106 t和8.09×106 t。综上所述,引入滑动窗口的改进LSTM模型能进一步提高铁路运输碳排放量预测准确性,融合动态政策的情景分析可为未来铁路运输低碳发展提供可行路径。     

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WOA-DELM的成都地铁建设阶段温室气体预测

为解决成都地铁设计和修建过程中碳排放计量问题，以成都地铁18号线6车站7区间为研究对象，采用机器学习算法对成都地铁建设阶段碳排放进行预测研究。基于生命周期评价（life cycle assessment, LCA）框架对地铁车站和盾构区间建筑材料生产阶段、建筑材料运输阶段和现场施工阶段温室气体排放量进行计算，建立基于鲸鱼优化算法（whale optimization algorithm, WOA)的深度极限学习机（deep extreme learning machine, DELM）地铁碳排放预测模型，并与基于风驱动优化（wind driven optimizer, WDO）、灰狼优化(grey wolf optimizer, GWO）、粒子群优化(particle swarm optimizer, PSO)、人工蜂群优化（artificial bee colony, ABC）、多元宇宙优化（multi-verse optimizer, MVO）、原子搜索优化（atom search optimizer，ASO）的深度极限学习机（DELM）和未优化的BP（back propagation neural network）、KELM(kernel extreme learning machine)、DELM算法预测结果进行对比分析。研究得到： 1)WOA-DELM算法预测结果相关一致性为0.757，略高于其他算法； 2）根据WOA-DELM算法对地铁碳排放主要输入指标进行敏感性分析，得到地铁车站碳排放预测的关键影响因素为车站长度和轨面埋深，对应指标碳排放相对变化率分别为30.1%和23.1%。     

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。     

我国商用车低碳化发展环境研究与技术路径分析

商用车保有量约占汽车保有量的12%,但NO;和PM污染物排放量分担率高达80%,温室气体排放量占道路交通总排放量的77%。商用车是汽车产业减污降碳的关键。基于机动车出厂合格证数据对我国商用车市场发展现状、发展趋势和低碳化发展路径进行研究分析。结果表明,当前我国商用车低碳发展仍面临排放高、降耗压力大,新能源化程度低且差异较大等现实困境。同时,我国商用车具有产品分类复杂、应用场景多元化的特点,使用同一标准和政策目标对其进行约束难度较大。基于以上情况,在“碳达峰,碳中和”目标下,商用车低碳发展,仍需多措并举和多路径协同,才能有效推进。     

出口道左转交叉口信号控制鲁棒优化方法

为了提高出口道左转交叉口在现实交通需求和供给波动环境中的适应性，权衡运行效率与稳定性，对其鲁棒优化方法进行研究。在对出口道左转交叉口运行特点和饱和流率进行分析的基础上，提出从交通需求分布、基本饱和流率分布和实际运行车速分布3个方面考虑交通的波动性，以适应出口道左转交叉口交通供给波动与控制方案相关联的特征。在此基础上，分别以平均值-标准差最小、条件风险值最小和最大值最小化为目标，建立3种信号控制鲁棒优化方法，并基于遗传算法建立求解算法。通过算例分析，对鲁棒优化算法的准确性、平均值-标准差模型的参数取值和3种鲁棒优化方法优化效益进行分析。研究结果表明：所建立的鲁棒优化方法可实现交通需求和供给波动下出口道左转交叉口信号控制与设计车速的优化设计，相较于传统控制方案其在保证效率的前提下提高了控制方案运行的稳定性；平均值-标准差模型和条件风险值模型对于各项指标均表现较好，可在保障平均延误维持较优值的基础上（案例中车均延误增加小于3%）显著改善运行效果的稳定性（案例中延误标准差减少约40%）；最小-最大模型对延误最大值的优化效果最佳，但其对于控制方案的整体效率会造成较大的负面影响（案例中车均延误增加了8.19%）。     

中国交通运输经济发展与碳排放效率评价

为评价交通运输经济与碳排放绩效,探寻经济和碳减排双赢的改进路径,提出交通运输经济效率、碳排放效率及联合效率概念。针对中国30个省市区,以资本存量、煤类消费量、油类消费量、新能源消费量、从业人员作为投入要素,交通运输综合换算周转量和行业增加值作为期望产出,CO₂排放量作为非期望产出,采用RAM模型测度评估中国30个省市区的交通运输行业经济、碳排放及联合效率,探究3种效率的分布特征及变动规律,并利用非效率分解模型研究非效率来源,探索改进方向。研究结果表明：各省市区之间的交通运输经济效率、碳排放效率和联合效率均存在明显差异,且东部、中部、西部和东北地区呈现不同的梯度分布特性;2006~2016年的经济效率、碳排放效率及联合效率总体上可以分为2个阶段,第1阶段为2006~2011年,经济效率、碳排放效率和联合效率均呈波动上升,第2阶段为2011~2016年,经济效率、碳排放效率和联合效率轻微波动,并逐渐趋于平稳。非效率分解模型表明：能源过度消耗是经济效率、碳排放效率和联合效率的主要非效率来源;CO₂过度排放是碳排放效率和联合效率非效率的主要来源;行业增加值产出不足是经济效率和联合效率非效率的主要来源。这说明推广新能源,提升交通运输运营效率,革新交通减排技术是能够实现双赢的重要路径。     

电动汽车用内置式永磁同步电机气隙磁场解析建模与多目标优化

为提高电动汽车用内置式永磁同步电机气隙磁场解析计算精度和优化效率，利用混合解析法建立考虑转子铁心磁桥饱和效应的电机气隙磁场参数化解析模型。首先利用联合等效磁路法的子域法建立内置式永磁同步电机开路气隙磁场解析模型；然后利用同样方法建立转子磁桥虚拟磁场解析模型，从而得到考虑转子磁桥饱和效应的电枢反应磁场解析模型；最后通过叠加原理建立内置式永磁同步电机合成气隙磁场解析模型。通过有限元仿真和转矩测试验证内置式永磁同步电机气隙磁场解析模型的准确性。基于所建立的解析模型，以永磁体极弧宽度、定子槽口宽度和转子端部磁桥厚度为优化变量，以特定阶次频率的径向力波、转矩和效率为优化目标，利用带精英策略的非支配排序遗传算法，对一台电动汽车用内置式永磁同步电机样机进行多变量多目标优化。研究结果表明：与试验结果相比，解析计算误差小于5%,而计算时间较有限元仿真缩短90%以上；优化后，电机特定阶次频率的径向力波减小了9.2%,最大转矩提升了2.49%,最大效率提升了0.69%,高效区面积扩大了约54.46%;所提方法既解决了内置式永磁同步电机强非线性和高饱和的解析建模共性难点，又极大提高了电机多目标优化效率；研究可...     

考虑冲突规避的自动化集装箱码头AGV优化调度方法

合理调度自动化导引车（AGV）对于降低自动化集装箱码头的作业成本具有重要意义。针对AGV调度中的任务分配和路径规划问题,考虑AGV电量和多载等因素,结合自动化码头布局特点,以AGV作业总时间最小和多AGV作业路径无冲突分别为第一阶段和第二阶段的优化目标建立两阶段模型。设计改进模拟退火算法求解第一阶段模型,为了加速算法收敛并保证解的质量,解的改进优先考虑任务的时间成本和AGV数量;设计基于时空网络的路径规划算法求解第二阶段模型,将作业区域离散成网格网络后添加时间信息构建可更新的时空网络,在时空网络上运用最短路径算法规划路径并规避冲突。对于任务分配不均衡导致的路径规划无可行解的拥堵情况,在冲突规避基础上重新计算AGV执行任务的成本并再次进行任务分配,不断迭代直到生成多AGV间路径无冲突的调度方案。以洋山四期自动化集装箱码头为例进行仿真实验与对比分析,结果表明：与使用传统路径规划和避障策略的AGV调度方法对比,所提方法下的总作业时间平均降低了7.31%,AGV冲突数量降低为0,任务总延期时间最大降低2 895 s,最大降低路网拥堵度10.79%,验证了提出方法解决冲突规避和拥堵问题的有效性。     

排阵式交叉口几何设计与信号控制协同鲁棒优化

针对排阵式交叉口在实际交通波动环境中存在车辆滞留排序区,运行效率稳定性难以保障的问题,提出了鲁棒优化方法,平衡交叉口运行的效率和稳定性。在分析排阵式交叉口运行特性的基础上,指出了其运行效率波动性与交叉口几何设计、信号控制、交通需求、饱和流率和运行车速这5个因素有关。确定了将交通需求、饱和流率和运行车速这3个客观波动因素作为模型的输入参数,将几何设计和信号控制这2个可受设计人员控制的要素作为模型的优化控制变量进行协同优化的模型框架。在此基础上,以交叉口车均延误条件风险值最小为目标,考虑了各流向车道数、信号相位相序、排序区车辆清空等方面的约束条件,构建了基于情景的鲁棒优化模型,并建立了遗传算法对模型进行求解。通过案例分析,对鲁棒优化模型的置信水平取值和算法准确性进行了分析,证明了算法可以使目标函数收敛到最小值,并基于蒙特卡洛模拟对优化效益进行了检验。研究发现,所建立的几何设计与信号控制协同鲁棒优化模型可实现在交通需求和供给的波动下,对排阵式交叉口的车道功能、排序区长度以及主、预信号控制进行协同优化。相较于确定性的设计方法,在平均延误层面基本维持原有水平,但对延误标准差和最大值有着较为明显的改善,案例中分别减少了48%和23%。