驾驶者出行选择混合效用模型研究

为了更加真实的反应驾驶者在出行选择过程中的行为、以及出行结束后产生的后悔与欣喜对未来出行选择倾向的影响,借助后悔理论建立了包含预期属性效用、选项自身预期后悔与相对预期后悔的效用函数,并依据Logit选择模型建立了出行选择混合效用选择概率模型。为了说明模型各部分对混合效用的影响,使用Matlab模拟的方法对模型中的参数进行了分析。根据算例得出的结果,认为驾驶者的路径选择与感知的路径属性值的可靠性、后悔规避系数、风险规避系数有关。     

灾害情况下应急运输路径选择问题研究

将连通可靠性和k短路径相结合,以进出灾区的路径安全(连通可靠性)和运输效率(旅行时间最小)作为最优路径选择指标建立双层规划模型,并提出启发式算法确定应急救援的最优路径,为物资调度中心人员提供科学的车辆线路调度决策,提高应急救援工作的响应能力;通过算例验证了该方法的有效性和可行性。     

冰雪灾害下道路通行能力动态交通分配修正

在偶发性天气条件下,以往的道路通行能力数据几乎完全失效,需要对其进行修正;车辆行驶中需了解道路的实时信息,并作出最优路径选择。文中通过实例研究了冰雪灾害天气条件下高速公路通行能力的修正、交通组织及路径选择。     

蚁群算法在西餐连锁店配送路径中应用

西餐连锁店的路径优化是各连锁店食品配送路线的优化,要求满足各连锁店时间窗的约束,可抽象为带时间窗的车辆路径问题（VRPTW）.文中采用启发式算法对VRPTW求解.为正确衡量信息素和期望值浓度在进化的不同阶段对算法的贡献,引入了一种自适应转移策略来提高算法的求解效率,并通过综合考虑全局和局部信息的更新策略——蚁权策略进行信息素更新,加快算法的收敛速度.最后,通过11个经典VRPTW对该算法的性能进行了检验.并以大连市西餐连锁店为研究对象,运用本文所提出的蚁群算法求解大连市西餐连锁店的配送路线.     

动态交通系统最优控制的路径选择模型

在分析各种影响动态交通系统最优控制约束的基础上,依据相关原理,采用数学建模的方法建立了态交通系统最优控制模型,最后给出该模型的主要算法.智能交通运输系统的核心部分为动态交通流分配模型与算法,其基础则为动态交通系统最优控制模型,因此建立用于诱导路径选择的动态交通系统最优控制模型将有助于改善城市日益恶化的交通环境,提升人们的生活质量,同时也为城市规划与管理以及各种交通政策的制定提供理论依据.     

基于有效路径的多路径交通流分配

交通流分配就是将OD表中的交通量分配到路网的有效路径上。针对有效路径的不同定义,进行相应的交通流分配．可以验证本文所定义的有效路径是合理有效的。     

集装箱码头岸桥调度优化模型及算法

为弥补集装箱码头岸桥调度问题的传统优化方法仅适用单船舶情况的不足,以总费用(所有岸桥使用费用和船舶停靠费用)最小为优化目标,考虑岸桥不可穿越性和安全距离约束条件,建立了了面向多艘船舶的集装箱码头岸桥统一调度和卸船任务分配问题的混合整数规划优化模型.使用任务网络图方法,搜索影响卸船任务最终完成时间的关键任务及其相应的限制任务路径,设计了基于限制任务路径进行邻域搜索的双层模拟退火算法求解模型.12个不同规模的算例结果表明:与分支定界法和遗传算法相比,本文算法节省时间6.32%~18.36%,近似最优解的质量更高,而且最优解目标值之间的差距仅为0.38%~2.20%;考虑岸桥之间的安全距离约束导致系统运营成本增加3.41%~11.21%.      

改进节约蚁群算法求解物流配送车辆路径问题

针对节约蚁群算法在求解车辆路径问题易陷入局部极值的不足,提出一种基于连接表扰动策略和吸引力因子局部搜索的改进节约蚁群算法.该算法在陷入局部最优后,引入连接表扰动策略以帮助算法跳出局部最优,该策略在每只蚂蚁进行解构建之前,随机禁忌若干条吸引力因子较大的边以增加算法的勘探能力;同时采用吸引力因子局部搜索优化每只蚂蚁的解,该局部搜索利用吸引力因子引导局部搜索.实验结果表明,改进节约蚁群算法求解车辆路径问题时优于原有节约蚁群算法以及多种已有算法.      

地铁火灾时疏散时间的分析与计算

本文详细分析了地铁火灾特点、乘客疏散特征、疏散路径、疏散安全区、计算疏散时间的前提条件、疏散时间的构成等诸多因素对安全疏散的影响,指出在地铁各个出口(车门或屏蔽门口、站台至站厅的楼扶梯口、检票口、地面出入口)等处存在滞留现象,提出根据疏散群体的行动时间和滞留时间计算全体疏散人员总的疏散时间的思路,并给出了疏散时间计算公式.     

多元交通信息于车速数据融合系统之节能减碳应用研究

提出了1个经济可运作的实时动态节能减碳计算模型,用KPI来评估节能减碳效果,运作方式如下:配备GPS装置之实验车,后端软件自动动态搭配Google Map与路径图资之起讫点(A→B)来回一趟,才量该车之耗油量,由行前预估值、旅行时间、动态交通事件与实际油耗值之误差分析,在实时交通信息协助下选定之KPI (key performance index)值(含油耗、CO2排放量、道路等级、旅行时间及ETC (electronic toll collection)费用等)做比较.搜集对应环保路径之路网交通信息数据及交通信息建立历史数据库,配合时速/油耗表完成油耗/碳排放系统数据库,得出实时交通信息占比与油耗预估误差率关系图.