一种基于决策者风险偏好的危险品运输路径优化问题研究

在现实情况中,决策者风险偏好的差异性往往会对危险品运输路径优化产生影响。本文将决策者的风险偏好分为远期风险厌恶型、近期风险厌恶型和风险中性三种类型,将决策者风险偏好下的路径风险值、运营时间和运营成本的最小化作为危险品运输路径优化问题的目标函数,依此建立多目标决策模型。通过选择合适的加权开方乘方数将多目标决策模型中的目标函数转化为单目标函数,然后用标号算法求解最优折衷解,最后通过实例进行编程计算,验证了模型和算法的有效性。     

考虑风险公平性的危险品道路运输路径优化模型

本文通过风险补偿成本体现风险公平性,以最小化运输风险、最低运输成本以及最小化风险补偿成本作为最优目标,构建了危险品道路运输路径优化模型。通过线性加权法得到了多目标非线性整数规划模型的有效解。该模型体现了多种类、多批次危险品道路运输的风险公平性,对运输路径的选择更有实际参考价值。     

不发达网络环境下基于神经网络的危险品公路运输路径决策

随着经济的发展,危险品的运输量在大幅增长,危险品对环境和人类的潜在风险在扩大。如何选择一条最佳的危险品运输路径,使其既能保证运输安全又能保证快捷地到达目的地,是决策部门面临的一个重要问题。文章在构建危险品公路运输路径决策指标系统的基础上,建立了危险品路径决策的BP神经网络模型,并通过一个例子证明了该决策模型的可行性。该方法有助于决策部门在不发达网络环境下选择合理的运输路径。     

基于双层规划的危险品道路运输网络设计

分析了危险品道路运输网络设计问题的双层特性,建立了以政府期望的风险最小化为上层目标、运输者期望的成本最小化为下层目标的危险品运输网络双层规划模型。采用遗传算法,以Pydev为平台,运用Python编程以及TransCAD生成网络,实现了运算和结果可视化。实例验证结果表明,遗传算法能给出稳定的最优解,而且所得风险符合预期并接近于最低网络风险。     

时变条件下基于收费策略的危险品运输网络优化

危险品运输网络优化能够降低网络风险,收费策略可有效降低危险品运输网络风险并保障运输企业利益。为使收费策略灵活性更强并准确反映出道路交通状况、人流状况的时变特性,将时变、费率构成、风险均衡及通过成本均衡同时考虑在内,基于时变收费策略建立了TV-HTTS双层规划模型,用于优化危险品运输网络;通过启发式算法及遗传算法求解模型,最后给出算例,并对结果进行比较分析。结果表明:时变收费策略将会影响危险品运输企业的运输决策,能进一步降低危险品运输网络总风险,同时降低危险品运输企业的总运输成本。     

危险品运输的集中管理模型

在定义危险品运输风险的基础上,建立了由政府集中管理的危险品运输网络优化模型,模型以政府最小化网络总风险为目标函数,同时政府从运输者角度出发,约束网络中的总出行时间不超过一定的范围,并针对建立的模型采用了相应的粒子群算法进行求解.最后应用算例分析了模型和算法的有效性.     

危险品运输路径多准则优化模型及求解算法

针对多种类型的危险品在有风险控制的路网内运输问题,考虑不同运输决策 者的路径选择需求,建立风险约束下的多准则路径优化模型.根据路段/路径的风险阈值, 以及各类危险品产生的风险测度,设计了一种双向拓扑搜索算法,通过删除原路网中非 可行路段和非可用节点,生成不同类别危险品的剩余运输网络.利用改进的标号算法,在 剩余网络中搜索不同准则下的最优路径,生成非支配路径集合.给出了不同路径之间关键 路段的调整策略,并分析了获取非支配路径集合的计算时间复杂度.最后,通过算例验证 了模型和算法的有效性.     

确定环境下危险品公路运输路径多属性决策

随着经济的发展,危险品的运输量在大幅增长,危险品对环境和人类的潜在风险在扩大.如何选择一条最佳的危险品运输路径,使其既能保证运输安全又能保证快捷地到达目的地,是决策部门面临的一个重要问题.在构建危险品公路运输路径决策指标系统的基础上,建立了确定环境下路径决策的层次分析模型,并通过一个算例证明了决策模型的可行性.该方法有助于决策部门选择合理的运输路径.     

基于路段风险度的城市危险品运输路径优化选择

以减少运输路径沿线发生事故的风险及减少事故发生后对城市交通的影响为目的,利用交通流理论研究城市危险品运输路径的选择问题.首先利用传统风险管理理论对路段发生事故的风险及发生事故后的交通损失进行分析,提出了路段风险度的定义;利用Dial算法对路段的损失幅度进行计算,从而得到各路段的风险度,建立了风险度最小的危险品运输路径选择模型;然后利用传统标号算法设计了该模型的求解方法;最后通过算例分析了路段交通量与其风险度的关系,得出路段的交通量与路段风险度之间的关系.     

危险品的多目标运输路径优化研究

由于危险品运输的特殊性质,在危险品运输路径选择过程中,需要考虑更多的因素,因此提出基于多目标的路径优化模型,通过运输风险、危险平均后果及总后果全面考虑运输中的危险,并将风险、运距及费用目标抽象得到类似广义费用的综合表达形式,使得影响因素影响程度的确定具有更强的灵活性以及适用性;对于综合目标模型采用Dijkstra算法求解,该方法简便易算具有很强操作性,最后用算例验证了方法的科学可行性.     

有害物品运输中避免重大事故发生的路径选择

为了避免有害物品在运输过程中发生重大事故,分析了避免重大事故发生的条件,即尽量避开可能产生严重后果的路段.建立了综合考虑运输风险、平均后果和总后果的路径选择模型,并利用线性加权的方法对3个目标进行处理,使模型可以利用最短路算法进行求解.该模型通过控制平均后果和总后果,能避开可能产生严重后果的路段.最后,给出了1个应用算例.     

系统最优的动态交通网络流

智能交通系统是一个复杂的综合系统,动态交通流分配是它的一个关键问题,是运输科学的一个前沿和热点.对于已经建立的系统最优的动态交通流分配模型,根据非线性规划问题的Kuhn-Tucker条件求解出问题的解.由于交通网络是一个大系统,结合分批调度理论将交通网络进行分批处理后简化了配流过程中的寻径,最后设计出分批并行调度算法.     

多式联运运输方式选择的模型和算法

在对多式联运运输方式选择问题分析的基础上,运用图论技术构建基于多种运输方式的运输网络.综合考虑了运输成本、运输时效性和运输风险,建立了基于综合运输成本最小和运输风险最小的多目标综合优化模型.通过主要目标法,将模型进行转化.设计了基于克隆增扩的人工免疫算法对问题进行求解.最后通过算例验证了模型和算法的有效性.     

考虑个性化出行需求的多模式公交路径规划

在多模式公交出行中,传统的路径规划方案已无法满足出行者日益增长的出行需求. 为提供基于出行者多种出行需求的个性化路径规划方案,通过IC卡刷卡数据模拟公交时刻表,建立基于模拟时刻表的多模式公交路网模型;采用动态阈值化法建立个性化出行需求评价值模型;设计深度优先搜索-遗传算法（depth first search-genetic algorithm,GA-DFS）,并基于此组合算法提出初始种群产生策略和两点变异方法;最后,假设了3种不同出行需求的出行场景,将某市区的多模式公交路网数据应用于模型和求解算法中,并与使用较广的模拟退火-遗传算法（simulated annealing-genetic algorithm,GA-SA）进行对比分析. 仿真结果表明:所提出的算法与模拟退火-遗传算法相比,平均迭代次数减少了42%,寻优能力提高了50%,并且可以提供基于乘客多种出行需求的路径规划方案.