动态行驶时间取送一体化车辆路径问题

为优化真实路网下的车辆配送路径,采用优化 + 调整的两阶段求解方法. 在优化阶段,根据常发拥堵信息,采用遗传算法求解时变取送一体化车辆路径,安排车辆初始配送路径. 在调整阶段,以路段行驶时间为时间间隔,采用滚动更新策略调整车辆配送路线躲避偶发拥堵. 在针对车辆路径调整问题构建了一系列混合整数规划模型的基础上,设计了2-opt + insertion启发式算法求解模型,并结合Dijkstra算法求解到的客户点间最短行驶路线,将车辆配送路径转化成了真实路网中的车辆配送路线. 数值实验测试结果表明:滚动更新策略中,以路段行驶时间为时间间隔比以客户间行驶时间为时间间隔减少车辆行驶时间0.24～11.95 min;以路段行驶时间为时间间隔比以24 min为时间间隔减少车辆行驶时间0.08～8.06 min,比以6 min为时间间隔减少更新次数10.02～34.59次,因此,固定时间滚动更新策略中的最优时间间隔难以确定,其实用性较差. 2-opt + insertion启发式算法求解速度是遗传算法的4倍.      

时变单车路径问题建模及算法设计

讨论了一类时变单车配送路径优化问题。综合考虑车辆行驶速度随时间、路段不同而变化的特点,及车辆为多条路线上的客户提供服务时对车辆路径优化的影响,建立了以配送完成时间最早为优化目标的时变单车配送路径优化模型。在行驶时间满足FIFO规则下,设计了基于Inver-over操作的PSO启发式算法及满足贪婪配送策略下的动态规划精确求解算法,并讨论了增加贪婪补货策略的单车配送路径问题解与原问题解的关系。最后分别用两种算法对算例进行求解,并通过对求解优化结果及计算时间的对比分析验证了IOPSO算法的有效性。     

时变单车路径问题建模及算法设计

讨论了一类时变单车配送路径优化问题。综合考虑车辆行驶速度随时间、路段不同而变化的特点,及车辆为多条路线上的客户提供服务时对车辆路径优化的影响,建立了以配送完成时间最早为优化目标的时变单车配送路径优化模型。在行驶时间满足FIFO规则下,设计了基于Inver-over操作的PSO启发式算法及满足贪婪配送策略下的动态规划精确求解算法,并讨论了增加贪婪补货策略的单车配送路径问题解与原问题解的关系。最后分别用两种算法对算例进行求解,并通过对求解优化结果及计算时间的对比分析验证了IOPSO算法的有效性。     

时变交通下生鲜配送电动车辆路径优化方法

依据时变交通路网特点设计基于路段划分策略的行驶时间计算方法,综合考虑客户对生鲜产品最低新鲜度约束,车载限制和电动车电量约束,设计三约束决策因子方法.以配送总成本最小为目标,构建时变交通下电动车城市生鲜配送路径优化模型,根据模型特点设计自适应改进的蚁群算法.实验结果表明,本文方法能够根据客户生鲜新鲜度要求,客户属性和路网特性,合理安排发车时间,科学规划配送路径,有效避免交通拥堵;通过算法对比,本文模型和算法能够明显降低配送成本,提高企业经济效益.     

时变交通下生鲜配送电动车辆路径优化方法

依据时变交通路网特点设计基于路段划分策略的行驶时间计算方法,综合考虑客户对生鲜产品最低新鲜度约束,车载限制和电动车电量约束,设计三约束决策因子方法.以配送总成本最小为目标,构建时变交通下电动车城市生鲜配送路径优化模型,根据模型特点设计自适应改进的蚁群算法.实验结果表明,本文方法能够根据客户生鲜新鲜度要求,客户属性和路网特性,合理安排发车时间,科学规划配送路径,有效避免交通拥堵;通过算法对比,本文模型和算法能够明显降低配送成本,提高企业经济效益.     

基于随机退化路网的碳排放收费优化模型

结合随机通行能力退化路网和双参考点累计前景用户择路模型,构建了引导低碳出行的碳排放收费多准则双层优化模型.上层模型以系统碳排放量最少为目标,搜索最优收费路段并识别最优费率.下层模型基于双参考点累积前景用户和随机退化路网,构建综合考虑行程时间、累积到达时间感知价值、过路费和油费的多准则流量分配模型.设计了基于路段碳密度的启发式算法对模型求解,并采用双向 Nguyen Dupuis路网验证了模型和算法的有效性.研究表明,合理设置收费路段和收费标准能够有效降低全网碳排放总量,但若收费标准设置过高,会降低原瓶颈路段的通行能力,并人为制造新的瓶颈,反而使全网碳排放量上升.     

基于随机退化路网的碳排放收费优化模型

结合随机通行能力退化路网和双参考点累计前景用户择路模型,构建了引导低碳出行的碳排放收费多准则双层优化模型.上层模型以系统碳排放量最少为目标,搜索最优收费路段并识别最优费率.下层模型基于双参考点累积前景用户和随机退化路网,构建综合考虑行程时间、累积到达时间感知价值、过路费和油费的多准则流量分配模型.设计了基于路段碳密度的启发式算法对模型求解,并采用双向 Nguyen Dupuis路网验证了模型和算法的有效性.研究表明,合理设置收费路段和收费标准能够有效降低全网碳排放总量,但若收费标准设置过高,会降低原瓶颈路段的通行能力,并人为制造新的瓶颈,反而使全网碳排放量上升.     

路段容量随机下降路网的行程时间可靠性

基于均匀分布的路段容量,分析了退化路网中路段行程时间的随机变动,构建了概率用户均衡交通分配模型,证明了等价数学规划模型解的等价性,设计了模型求解算法.在此基础上,建立了路段、路径及OD对行程时间可靠性计算模型.最后,在一简单网络上进行了计算分析.     

交通运输网络能力限制路段分析及扩能优化研究

交通运输网络是交通运输系统的重要组成部分,确定交通运输网络中的能力限制路段,设计合理的路网扩能优化方案都是交通运输部门需要面临的问题。本文依据最大流理论制订了路网能力限制路段的确定方法,建立了以换算扩能费用最小为目标的扩能优化模型并设计了相应的求解算法。算例表明,本文研究的模型及算法是有效的,且扩能优化方案中的扩能路段与路网能力限制路段基本上是一致的。     

考虑可靠性的降级路网最优路径搜索方法

针对路网降级时路网出行时间的随机性和可靠性对出行者路径选择影响较大的问题,研究了降级路网可靠性路径的选择方法．基于BPR路段出行时间模型,构建了降级路网路径出行时间的均值模型及其可靠度模型．以路径出行时间最小、路径出行时间最可靠为目标,构建了路径选择的双目标加权规划模型,设计了基于改进蚁群算法的模型求解算法．算例分析表明：该算法能快速获取可靠的路径．     

随机时变路网环境下稳健路径选择及实证研究

交通拥挤、天气、突发事故等不确定性因素影响着城市区域之间的路网提供的 连通服务水平.本文对城市片区间道路连通路径选择进行研究.根据随机时变网络描述和 稳健路径选取原则,建立了最优化模型,并采用改进的Dijkstra 算法.通过深圳实例计算, 分析了出发时刻与最短路径行程时间和路段构成之间关系,并与确定性时变路网环境下 进行计算结果对比.结果表明,随机时变路网环境下鲁棒性最优算法选择稳健路径具有合 理性和可行性,可以很好地应用到区域动态连通情况的研究.     

动态交通流分配模型

静态交通分配模型假设交通需求和路段行程时间为常数或仅依赖于本路段上的交通流量,这对于交通量比较平稳、路段行驶时间受交通负荷影响较小的城市间长距离或非拥挤的城市交通特性分析和路网规划是比较可行的.而对于存在拥挤现象的城市交通网络,交通需求在一天之中变化甚大,使得网络交通流的时空分布规律具有时变特性,从而导致路段行驶时间大大依赖于交通负荷的变化.     

ATISӰ���µĻ��ڹ���ɱ�������û�ƽ��ģ��

在考虑交通信息对出行者路径选择行为影响的基础上,运用随机用户平衡配流的基本思想和交通流理论,提出了广义成本的概念。将广义成本定义为行驶时间、道路拥挤度、路段可靠性三者的线性加权和。将出行者划分为“有ATIS接受装置”和“无ATIS接受装置”两类。假定在路网随机变化的情况下,两类出行者均以广义成本费用最小作为路径选择准则,建立了ATIS影响下的基于广义成本的随机用户平衡模型。证明了模型的等价性和解的唯一性,并利用对角化算法和MSA算法设计了模型求解算法。通过一个算例表明：算法具有较好的收敛性,且该模型能反映出行者在交通信息影响下的随机路网中的路径选择行为。     

应急车辆动态路径选择的两阶段优化模型

为研究突发事件情境下交通路网动态变化时的应急车辆路径选择问题，提出应急车辆动态路径选择的两阶段调度优化模型。通过结合路网动态状况和应急救援特征，建立基于最大路径可靠度和最短行程时间的两阶段优化模型；通过混沌搜索改进布谷鸟算法初始种群，并加入蛙跳算法改进局部搜索操作，设计混合布谷鸟算法，改善全局寻优能力；以某市某区部分区域路网为例，将该区域路网实时交通数据应用于模型和求解算法中。实验表明，利用两阶段优化模型和算法编码方案能成功获得出发点到救援点的动态可靠路径，相同行驶路径情况下模型与算法求解的最短行程时间与实地驾车获得的最短行程时间最大误差不超过8%，说明优化模型可行。3 种不同算法求解K最短路径的结果发现，混合布谷鸟算法得到的最短行程时间比粒子群算法和 经典布谷鸟算法得到的结果都要小，且计算时间最短，表明混合布谷鸟算法求解的结果最优，性能最好。     

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。      

震后区域路网运输优化调度模型

震后区域路网由于受众多随机事件影响,路段通行能力下降,从而导致行程时间波动性增加.建立了以运量方差积最小为优化目标,从交通流合理分配的角度出发的无差别和考虑运输任务差别的交通流运输网络优化调度模型,用二次加权平均算法求解模型.通过对模拟仿真网络的计算结果表明,该模型能较好解决震后运输网络交通流分配问题.     

动态交通流分配模型

静态交通分配模型假设交通需求和路段行程时间为常数或仅依赖于本路段上的交通流量,这对于交通量比较平稳、路段行驶时间受交通负荷影响较小的城市间长距离或非拥挤的城市交通特性分析和路网规划是比较可行的。而对于存在拥挤现象的城市交通网络．交通需求在一天之中变化甚大．使得网络交通流的时空分布规律具有时变特性,     

基于粒子群算法的双目标可靠性网络设计

用离散的路段通行能力变量来刻画路网的随机性,建立了网络设计的双层规划模型。上层模型为基于路网期望总走行时间最小和路网净经济效益可靠度最大的双目标规划模型,下层模型为弹性需求下的用户平衡配流模型。采用增设多余需求路段的方法求解下层模型,采用基于向量的粒子群算法(VEPSO)求解整个双层规划模型。计算结果表明:所得到的解为一组Pareto解,路网期望总走行时间和净经济效益可靠性为2个相悖目标;随着期望总走行时间下降,可靠度也有所降低;在可靠度不变的情况下,减少期望总走行时间,会导致总投资额的增加。在进行网络设计时,应结合总投资额和现实需要来选取最优解作为网络设计方案。     

面向单向交通路网的绿波协调设计方法

为提高单向交通路网运行效率,本文提出了一种单向交通路网绿波协调控制方法。首先, 分析不同类型的单行环路特征,考虑行人专用相位,建立单行环路中的路段行驶时间与交叉口信 号配时参数之间的约束关系,推导环路偏移绿信比的计算公式,以所有路段平均偏移绿信比最小 作为优化目标,给出最佳公共信号周期优化算法;然后,分析环路偏移绿信比与各路段偏移绿灯 时间的关系,根据约束关系将各个最小环路的偏移绿信比分配到环路上的单向路段,推导绿波带 宽大小计算方法;随后,以单向交通路网平均带宽占比最大为目标优化交叉口绿信比,给出交叉 口相位差计算方法,实现单向交通路网信号协调控制方案的优化求解;最后,以一个3×3的单向交 通路网为例进行案例分析,结果表明：利用本文方法求得的信号配时方案可以获得明显的绿波效 果,能够使所有交叉口的带宽占比均在70%以上,总体绿波效果优于SYNCHRO方案。针对未饱 和状态下的3种不同流量输入条件,利用VISSIM仿真实验,发现与SYNCHRO方案相比,本文提 出方案的路网直行车辆平均延误时间分别降低了9.0%、16.4%、26.1%,平均停车次数分别降低了 31.2%、48.8%、41.6%,路网的服务水平明显提升,有效验证了本文方法的可行性与优越性。     

考虑转向延误的最短路径的节点标号算法

拥堵时段车辆在城市路网中交叉口处的延误甚至会大于其在路段的行驶时间,因而拥堵情况下在城市路网上应用不考虑转向延误的最短路径算法无法反映真实的交通状况.分析既有的考虑转向延误的最短路径算法,扩展网络法因过大的时间和空间开销而欠缺实用性,其余算法包括对偶网络法、节点标号算法和弧标号算法本质均为求包含节点权重和边权重的最短路径问题,最后求解均为节点标号算法.对典型节点标号算法Dijkstra算法进行改进,通过记录节点的紧前节点完成转向判别,并通过最小堆优化将该算法的时间复杂度从O(n2)优化为O(nlogn),并给出算法的数据结构,完成了软件编码,并通过计算实例对算法进行了验证.结果表明:考虑交叉口延误后城市路网最短路径发生变化,同时经过堆优化后算法的时间复杂度下降.