基于鲁棒接续时间的铁路空车调运优化

空车调运是铁路运输的关键环节,其方案具有一定的鲁棒性,可以避免车站技术作业时间以及站间旅行时间等不确定因素对调运方案实施的影响. 基于固定的车站技术作业时间和站间旅行时间,提出了空车供应站到达列车与发出列车、空车供应站发出列车与空车需求站发出列车间的空车接续时间关系判别方法. 以空车调运收益最大化为目标,建立了确定情形下考虑车种替代的空车调运模型,在此基础上,引入波动率描述车站技术作业时间和站间旅行时间的不确定性,并通过设置波动下限调整模型的鲁棒性,建立了不确定情形下的空车调运鲁棒优化模型;结合模型性质,以车流关系变化为依据,设计了鲁棒优化模型的快速求解算法,将非线性优化问题转化为易求解的鲁棒等价模型. 结果表明:求得的空车调运方案可以得出列车间的空车配流和车种替代情况,不确定因素的波动率和波动下限会影响空车调运方案的效益值,绝对鲁棒下站间旅行时间、供应站技术作业时间和需求站技术作业时间3个不确定因素导致方案效益值较确定模型分别下降了16.2%、12.1%和28.1%.      

鲁棒交通网络设计方法

为了更好地指导交通规划实践、提高规划方案应对风险的能力,在分析交通需求预测不确定性的基础上引入鲁棒设计概念,阐述了交通需求预测与鲁棒规划方案的关系.采用随机需求假定,以随机规划理论和均值-方差模型为基础,建立OD需求不确定的鲁棒交通网络设计模型;以蒙特卡洛模拟和遗传算法为工具,设计求解随机双层组合优化问题的实用算法.最...     

考虑海上意外时间和合作协议的班轮运输船期设计鲁棒优化

针对考虑海上意外时间的集装箱班轮运输船期设计问题,依据海上意外时间经验数据,设 置航行缓冲时间比例系数。运用连续最优控制原理,求解各航段船舶航行时间细分区间上燃油 消耗最小的优化航速。结合多时间窗、多起讫时刻和多挂靠港口装卸效率合作协议,以班轮运输 服务总成本最小为目标,构建班轮运输船期设计非线性混合整数规划鲁棒优化模型,设计分段离 散化线性逼近算法求解模型。以AWE1(远东-美东1)航线为例,运用100个场景的数值进行模拟 验证。结果显示：与不考虑海上意外时间或无合作协议相比,考虑海上意外时间和合作协议的班 轮运输船期设计分别降低班轮运输服务总成本14.65%和3.54%。研究表明,在恶劣天气和海况 对船舶航行影响较大的航线上或季节里,基于合作协议,设计考虑航行意外时间的鲁棒性船期, 可实现船公司、港口和客户三方共赢。     

应急设施鲁棒优化选址模型及算法

为解决不确定情况下应急设施选址问题, 采用鲁棒优化方法处理应急节点权重的区间估计, 基于最优的设施选址到各个应急节点的赋权距离之和最小, 建立有限期要求的不确定性应急设施选址模型, 并给出了模型的求解算法, 比较分析了鲁棒解与确定情况下的最优解。分析结果表明: 当情况发生变化后, 在确定情况下得到的最优解将发生较大的偏差, 而在所有可能发生的情况下, 鲁棒解与最优解目标函数值的最大偏差最小, 因此, 不确定性应急设施选址模型的解可以有效规避风险。     

随机时变车辆路径问题的多目标鲁棒优化方法

车辆路径问题 （vehicle routing problem,VRP） 是物流配送的核心问题之一,为了提高物流配送的时效性,在传统VRP模型的基础上,同时考虑了路网交通状态的时变性和随机性,基于最小最大准则,提出了一种带硬时间窗的随机时变车辆路径问题 （stochastic time-dependent vehicle routing problem,STDVRP） 的多目标鲁棒优化模型. 设计了一种非支配排序蚁群算法 （non-dominated sorting ant colony optimisation,NSACO）,求解STDVRP多目标优化模型;通过测试算例,对比分析了NSACO算法与改进型非支配排序遗传算法 （non-dominated sorting genetic algorithm II,NSGA-II）. 研究结果表明:对于车辆数最小的Pareto边界解,NSACO算法的平均车辆数比NSGA-II算法小3.33%;对于最坏行程时间最小的Pareto边界解,NSACO算法的平均最坏行程时间比NSGA-II算法小17.49%.      

考虑时间窗的通勤定制公交线路优化

针对常规定制公交线路规划方法不能满足乘客高峰通勤需求等问题,在考虑乘客期望时间窗和最大容忍时间窗的基础上,引入柔性时间窗的概念,基于通勤者居住地与工作地时空分布差异性特点分别设置上下车站点罚函数,以车辆固定成本、车辆运行成本、车辆延误惩罚成本和未提供乘车服务惩罚成本之和最小为优化目标,以时间窗、运行距离和最大站点数量等为约束,建立考虑柔性时间窗的通勤定制公交线路优化模型。在兰州市通勤乘客数据基础上,选取两组大小不同规模的算例集,使用Gurobi和传统TS算法求解小规模算例与基于目标控制原则的动态禁忌长度TS算法求解大规模算例验证模型有效性。结果表明,在小规模算例中Gurobi求解可得到较优的目标值,但随着数据规模的增加其求解效率逐渐劣于TS算法,设置柔性时间窗车辆提供乘车服务的人数比硬时间窗背景下增加了276人,且有效规避了软时间窗背景下车辆到达末站点的时刻波动。本文所提方法在均衡乘客和运营方利益的同时,可通过调节柔性系数产生多元化的运行方案,能够为通勤定制公交运营及管理提供决策支持。     

网联车辆编队的鲁棒模型预测控制方法

为研究一类带有结构不确定干扰的网联车辆编队控制问题,考虑结构扰动服从盒式不确定集约束情况,提出一种基于鲁棒对等变换的模型预测编队控制方法。首先,基于车辆运动学状态方程,对传统车辆编队控制模型进行描述;其次,在状态方程中引入仿射结构不确定矩阵,构建最小最大化范式下的网联车辆编队控制模型;然后,在盒式不确定集下,基于鲁棒对等理论将该模型转化为计算上易于处理的上图优化模型;最后,采用序列二次规划算法获得最优编队控制方案,并通过仿真实验将该控制方案与传统车辆编队控制方案进行对比,以此验证模型的有效性。 结果表明：本文提出的最优编队控制方法能够抵御编队系统结构不确定干扰,在实现稳定编队目标的同时保障车辆的编队安全性。     

考虑轨迹相似度的综合客运枢纽出租车合乘方法研究

针对综合客运枢纽出租车停靠点乘客滞留问题,提出一种考虑轨迹相似度的枢纽出租车合乘模型. 以车辆数最小与总里程最短为目标,基于包围面积的轨迹相似度指标在形态上约束合乘后车辆的行驶轨迹. 设计两阶段算法求解此NP-hard 问题,第1 阶段利用kmedoids 方法对乘客需求聚类,第2 阶段设计蚁群算法求解得到乘客匹配方案及合乘行驶路径. 实测数据实验证明：该方法能较好优化车辆数和总里程,减少乘客等待时间;轨迹相似性度量约束能有效提高合乘后路径的JAC值,满足乘客希望合乘路径与原始路径差异最小化的心理.     

基于双层规划的危险货物配送路径鲁棒优化

针对不确定环境下带时间窗的多配送中心危险货物配送路径优化问题, 提出一种含鲁棒控制参数的鲁棒优化方法; 综合考虑危险货物运输风险、运输费用和服务时间窗, 构建了危险货物配送路径多目标双层鲁棒优化模型, 上层模型追求运输风险和运输费用最小化, 下层模型采用用户均衡交通分配模型; 根据Bertsimas-Sim鲁棒优化理论, 对含有不确定参数的上层模型进行鲁棒对等转化; 联合增强型Pareto遗传算法和Frank-Wolfe算法构建了求解多目标双层鲁棒优化模型的混合算法, 采用3段式编码和解码方法、等位匹配交叉操作以及翻转变异等遗传操作方法求解上层模型, 采用Frank-Wolfe算法求解下层用户均衡模型; 以经典的Sioux-Falls交通网络为例, 对含有3个配送中心、7个需求点的危险货物配送路径优化问题进行案例分析, 以验证模型及其算法的合理性。研究结果表明: 当鲁棒控制参数分别为0、30和60时, 构建的混合算法能分别快速得到3、2和3组鲁棒最优解, 且所有解均为包含具体运输路段和发车时刻的配送方案, 而非配送顺序; 该混合算法与传统两阶段启发式算法相比, 运算时间能节省54.74%。可见, 该混合算法无论是在求解效率上, 还是在解的表达形式上均优于两阶段启发式算法, 能较好地完成不确定环境下危险货物配送路径多目标双层鲁棒优化任务。     

含EVs的交直流混合微电网两阶段鲁棒调度优化

随着电动汽车(electric?vehicles,EVs)技术的快速发展,EVs数量激增,将其接入微电网中参与充放电调度成为了降低大规模EVs对电网负面影响的有效途径.?为此,将EVs接入交直流混合微电网的直流侧,考虑EVs的源荷双重特性,针对微电网系统中微源出力及负荷的不确定性,搭建了计及EVs充放电的交直流混合微电...     

��������ʱ��³���ɿ��Ե������ͨ��������

在基于走行时间可靠性的交通均衡问题中,普遍存在假设是引起走行时间变异的O D (Origin Destination)需求或路段通行能力的概率分布是精确已知的。然而,现实中这些概率分布很难精确获得.本文放松这个假设而仅要求知道O D需求的前m阶矩(这里m是和路段费用函数的形式相关的正整数),通过运用最坏风险价值和最坏条件风险价值指标定义鲁棒分位走行时间和鲁棒超过期望走行时间,并证明在一般分布下两种出行时间是等价的.基于此定义,通过整合出行者的感知误差,提出了鲁棒分位随机用户均衡(鲁棒超过期望随机交通均衡)模型,模型被表示为一个变分不等式,并证明了解的存在性,然后运用一种启发式算法求解该模型.数值算例显现了模型在应用上的特性及算法上的有效性.     

出行策略与行程时间不确定下的公交客流分配方法

利用杭州市公交线路站点GIS数据和车辆运行GPS数据进行分析,将公交车到站时间分为站点停靠时间和站间行程时间,得到公交车站点之间运行可能总时间的分布概率.通过实际的公交路网结构,定义扩展的公交网络有效路径.在考虑公交线路联合发车频率和根据乘客路径选择的广义成本下,建立出行策略与行程时间不确定下的公交客流分配模型,并将公交线路发车时刻表引入用户均衡模型中,设计了基于扩展网络最短路的Method of Successive Average(MSA)算法求解,通过对两个交通小区间高峰小时的客流分配结果验证模型和算法的有效性.     

基于行程时间的车辆通行连续性分析

定点检测器采集的路段行程时间样本中通常包含连续通行和非连续通行两部分,针对连续通行样本的识别,传统的固定阈值方法无法提供合理的结论.将行程时间样本时间序列化后,利用其差值的平稳随机性质,采用基于统计学的离群点检测的参数方法分离样本比传统方法更加科学有效.通过实证分析,非连续通行样本的占比是一种能够分离样本的指标.关联性分析的结论表明,该指标在4 分钟车程长度以内的路段中取值平稳,在4 分钟车程长度以上的路段中取值则受到道路等级、路段长度、交通运行状态、区位用地性质等多种因素的综合影响.     

考虑行程时间不确定性的服务设施时空可达性度量

在我国拥挤的多模式交通网络中,出行者的行程时间具有较大的不确定性.行程时间不确定性是影响人们出行行为选择的重要因素,对于某些重要活动(如就医等),人们对行程时间的可靠度有较高要求.本文以南京市玄武区综合医院的时空可达性为例,采用引力模型和行程时间预算模型深入探索多模式交通网络中服务设施的时空可达性,提出了考虑行程时间不确定性的时空可达性度量方法,针对不同交通模式分析了出行者的风险规避行为,为城市多模式交通规划和土地利用布局提供了有效依据及评价指标.研究表明,对于不同的交通模式,在不同可靠性下服务设施的时空可达性具有显著差异.     

随机行驶时间车辆路径问题的模型与算法

车辆路径问题是现有物流管理系统中非常重要的一个方面,许多专家学者对此进行了深入研究.到目前为止,所有这些研究都是针对确定环境下的车辆路径问题或不确定车辆路径问题中具有模糊或随机需求的问题,尚未发现有对随机行驶时间的多类型车辆路径问题进行研究.针对随机信息条件下的多类型车辆路径问题进行了分析,运用不确定规划理论建立了该问题的优化模型,并利用遗传算法对问题进行求解.通过实验证明,该模型及算法对于多类型车辆路径问题具有一定的实用价值.     

带时间窗的地铁配送网络路径优化问题

为应对人们日益增加的货物需求与货车进城难题,提出整合地铁网和道路交通网,形成以地铁列车和城市配送车辆为载体的地铁配送网络.考虑列车开行时间表、客户服务时间窗、城市配送车辆容量等限制条件,构建带时间窗的地铁配送网络路径优化模型,综合优化地铁列车班次的客户分配、出站点的客户分配及末端配送路径.设计随机变邻域的迭代搜索算法(ILS-RVND)进行求解,以成都市地铁3号线运输货物为例,验证了模型和算法的实用性和有效性.结果表明,地铁配送网络配送成本低,准时性高,配送车辆行驶距离短,能满足比货车单独配送更精准的服务需求.     

����SVM�ij��п���·�г�ʱ��Ԥ���о�

随着城市快速路交通信息采集系统的发展,特别是视频车牌采集系统的应用,使实时动态获得快速路行程时间成为可能,同时也促进了高精度行程时间预测的理论研究和实际应用需求. 本文基于快速路车牌识别数据检测的海量历史时间序列数据,选择预测时段的前4个时段的数据作为输入特征值,以遗传算法建立模型参数优化算法,得到训练模型及其参数,从而实现车辆行程时间的动态预测. 最后以上海市快速路系统中的三个典型路段的实测数据进行实例分析. 结果表明：与传统的指数平滑法、多元回归法、ARIMA法预测结果对比,基于SVM的预测路段平均绝对百分误差在5%以内,希尔不等系数非常接近0,SVM模型显示了更高的预测精度.     

车辆合乘问题的两阶段分布式估计算法

针对智慧交通中多车辆合乘问题,提出一种分布式并行计算环境下的合乘模型. 利用合乘概率矩阵的先验知识,实现更高效的运算和求解.当合乘概率矩阵不是单位 矩阵时,合乘模型被增广为车主合乘和乘客合乘两个阶段.两阶段分布式估计算法运用可行合乘解的合乘概率矩阵,作为一种随机优化方法求解最优值.根据可搭乘矩阵初始化合 乘概率矩阵,并在优化过程中连续更新合乘概率矩阵.车主同乘客分离优化,减少了出行车辆,并实现了互相搭乘的合乘模型.通过合乘模型的优化迭代能够为乘客挖掘出高效可 行的搭乘路线.实验结果表明,该合乘模型具有平均等待时间少、平均载客量大、人均行驶 距离短的高效出行特点.     

行程时间服从混合高斯分布的车队离散模型

为充分描述异质交通流条件下的车队离散规律,为信号配时优化、公交优先控制提供理论基础.考虑异质交通流条件下车辆行程时间分布特点,采用混合高斯分布拟合车辆行程时间分布.基于此,从流量角度推导了异质交通流条件下车队流量离散模型.通过实际调查数据,分析了下游交叉口到达流率分布与上游交叉口离去流率分布之间的关系,并将本文模型与Robertson模型、实际数据进行比较分析.结果表明,本文模型能够更好地描述异质交通流条件下的车队离散规律,与Robertson模型相比,平均预测均方误差减少了27%.     

���ڳ���ʱ��ģ�͵��ճ���ʱ�����

交通需求管理和控制与时间因素密切相关,对出行时耗的研究是出行行为分析的重要内容. 本文提出了用于出行时间分析的持续时间模型,讨论了通勤者日出行时间投入随出行者及其家庭社会经济属性、活动和出行特征变化的连续分布规律. 模型用已投入出行时间约束下出行结束的条件概率更准确地描述了出行的动态过程,从对活动与出行之间派生和竞争关系的分析,部分地反映了通勤者的时间分配行为. 分析表明,出行时间最小化的行为假设对大多数通勤者成立. 本研究为出行时耗的定量研究提供了更准确有效的分析工具,对于准确把握通勤者时间分配行为有重要意义.