多点随机需求的分布式预置储备

考虑重点方向或区域中, 各重要隘口、通道、敏感地带等突发事件之间的关联性(连锁反应的可能性) 和需求的随机性, 在多个预置储备仓库构成储备网络和多个需求点组成需求网络的条件下, 研究了用储备网络保障需求网络的预置储备规模和储备分布优化问题, 分析了需求网络在各点突发事件和需求随机下总需求的分布特征; 在保证预置储备规模有效性、经济性与储备分布合理性的基础上, 建立了给定安全保障概率下的储备规模模型和过程响应准则下的分布式储备模型(统称储备模型); 根据模型特征将分布式储备模型分解为双层模型, 对随机需求采用样本化处理, 并在此基础上建立了针对性的遗传-模拟退火算法求解双层模型; 基于变异系数的概念, 提出了针对突发事件和需求随机的储备方案稳健性指标, 对储备模型及其算法进行了稳健性分析, 并通过案例应用验证了储备模型及其算法的有效性。研究结果表明: 相较于就近分区准则, 储备规模模型及其算法能在确保安全保障概率的前提下将储备规模降低约1/3;相较于极大极小化准则, 过程响应准则下的分布式储备方案可使首批物资响应时间减少11%, 使90%物资的响应时间减少21%;在面临需求网络中突发事件和需求的随机性波动时, 储备方案的波动幅度不超过需求波动的80%, 体现了较好的稳健性。     

多特征融合的船舶轨迹相异度模型分析与优选

基于船舶自动识别系统轨迹,构建了船舶轨迹静态相异度模型、动态相异度模型以及组合相异度模型,包括轨迹起点和终点相异度模型、轨迹长度相异度模型、轨迹空间分布相异度模型、轨迹航速均值相异度模型、轨迹航向均值相异度模型、轨迹航速标准差相异度模型和轨迹航向标准差相异度模型;采用KNN分类算法进行轨迹分类,分析了单个相异度模型的有效性和时效性,对比了单个相异度模型和组合相异度模型下轨迹分类效果,研究了组合相异度模型中相异度模型的类别和权重对轨迹分类的影响;分别以内河航道和港口水域船舶轨迹进行试验。试验结果显示：在采用单个相异度的情况下,就分类效果而言,轨迹起点和终点相异度模型和轨迹航向均值相异度模型在内河航道和港口水域船舶轨迹分类效果均优于其他模型,而基于轨迹航速均值相异度模型和轨迹航速标准差相异度模型的轨迹分类效果最低,就分类效率而言,基于航速、航向均值和标准差的相异度模型耗时明显低于其他3个相异度模型;采用组合相异度进行轨迹分类,内河航道和港口水域船舶轨迹分类结果的基于精确率和召回率的宏平均值和微平均值均能接近99%;将组合相异度中相异度类别数由4个增加到7个,轨迹分类评估结果进一步得到提高。因此,单个相异度模型中以轨迹起点和终点相异度模型、轨迹航向均值相异度模型以及轨迹空间分布相异度模型分类效果最优且稳定,而轨迹空间分布相异度模型和轨迹长度相异度模型耗时明显高于其他方式,各相异度模型在不同场景中的适应性基本相似,通过增加组合相异度中相异度类别能够提高轨迹识别效果。     

地铁网络服务韧性评估与最优恢复策略

针对已有基于拓扑效率的地铁网络韧性指标无法反映地铁运营实际的不足,构建考虑线 路流量影响的路网服务效率指标和基于服务效率的路网服务韧性指标,以及基于路网服务效率 的节点重要度指标;提出以路网服务韧性最大化为目标的优化模型,并基于遗传算法求解模型获 得最优恢复策略。算例结果表明：分别以服务效率和拓扑效率作为路网性能指标,获得的失效节 点恢复次序明显不同;蓄意攻击下,最优恢复策略获得的路网服务韧性分别比基于重要度的优先 恢复策略、基于节点度的优先恢复策略和随机恢复策略高16.76%、72.11%和86.21%。上述结果 表明,必须根据地铁运营实际合理选择路网性能指标和恢复策略,否则可能得到次优甚至明显偏 离实际的方案,无法实现预期目标。     

“无人机-车辆”配送路径优化模型与算法

基于城市配送的发展趋势,提出一种“无人机-车辆”联合配送模型,以无人机为主导,分3 步进行路径分配,无人机每次配送可以服务多个顾客点,车辆不用在固定点等待无人机。进行单 次路径规划时,让顾客需求点尽可能多的得到服务,最后,以总配送距离最小为目标,对整体路径 进行优化。此外,设计了3种不同的配送场景,构建的模型能同时适用于这3种场景。采用带末 端优化的模拟退火算法求解问题,结果验证了模型的可行性。考虑到未来无人机技术的进一步 提高,对无人机的最大载重量和飞行距离进行灵敏度分析。结果表明,无人机的配送能力受载重 量和飞行距离影响,增大配送能力可以使无人机服务更多的顾客需求点,均衡提升载重量和飞行 距离可以充分发挥无人机的配送能力,更好地完成农村地区的物流配送。     

基于多车协作优化的冲突消解模型

传统自动驾驶车辆以假设通行权为前提设计冲突消解算法,但在无信号交叉口存在道路通行权不明确情况,给自动驾驶车辆决策带来困扰.本文提出基于多车协作优化的无信号交叉口冲突消解方法,将多个自动驾驶车辆看成一个整体,利用多目标优化控制理论,计算分配给相互冲突车辆的期望速度规划,达到协作行驶的目的.设置协作与非协作式冲突消解仿真实验.结果表明：多车协作的冲突消解方法通过优化车辆联合行动,使交叉口车辆整体收益最大,各利益体间的收益更为均衡;与非协作行驶决策相比,冲突消解时间缩短,减少交叉口单车平均延误1~2 s,平均减少量约为5%.本文可为无信号交叉口自动驾驶车辆冲突时自主协同行驶提供参考.     

基于模拟退火-自适应布谷鸟算法的城市公交调度优化研究

为改善城市常规公交运营效率,提出基于模拟退火-自适应布谷鸟算法的公交调度优化模型.通过结合线路实际客流数据反映的客流特征,建立考虑公交公司和乘客双方利益的公交调度优化模型;改进布谷鸟算法固定步长并加入模拟退火算法退火操作,设计模拟退火-自适应布谷鸟算法,改善寻优过程中跳出局部最优解而全局寻优的能力;以福州125路公交线...     

考虑空车调配协调的货物列车开行方案优化研究

为实现空车调配与货物列车开行方案协调优化,结合基本运行图架构与车流径路,构建货运时空服务拓展网络。考虑配空与装卸取送、集编发等环节的时间接续要求,节点与区段不对流空车要求,以重车流全程运送与空车配送等广义总费用最少为目标,建立整数规划弧路模型。针对既有算法设计局限性,结合重车或空车配空的时间接续要求,提出将不同的 k 短路重车流方案与空车配空方案相关联的改进可行解构造方法,设计混合差分进化求解算法。实例研究表明,考虑空车调配进行重车、空车流组织协调优化,能够减少空车走行费用,及时满足装车需求,有效保证作业车流配合中转车流集结编组及时挂线,提高方案可实施性。     

最小化网络总时延启发式遗传算法

路由选择算法是用于决定计算机网络每个结点输入的信息包应当从哪一个输出线路发送出去,以便使得某种指定的费用最小。提出了一种新的有效启发式遗传路由算法,以使网络总时延最小。该算法采用了启发式遗传路由方案,从而获得近似最优解。采用遗传算法的方法可以减少网络路由算法的运算规模,实现逐步求解。与其他已知类似算法相比较,该算法具有较小的时间复杂性。     

基于转向的Logit交通分配算法

为避免交通分配中传统的网络扩展法在处理转向延误时的缺陷, 通过分析网络基本要素节点、路段和转向之间的拓扑关系, 借鉴Dial算法的基本框架, 设计了一个基于转向的Logit交通分配算法。该算法以源点至路段的含转向延误的最短路径长度为依据处理各条路段, 正向计算转向权重, 反向分配路段流量和转向流量。算法计算结果与Logit路径流量和Dial算法数据相一致, 该算法可直接求解既满足Logit路径选择概率又考虑转向延误对交通分配影响的路段流量和转向流量模式, 而且Dial算法是其在转向延误为零时的一个特例。     

区域运输通道内客运方式分担率模型

鉴于Wardrop原理假设通道内的旅客对各种运输方式的实际出行费用能够完全准确估计的不足, 利用不确定规划理论, 结合不同出行距离、不同收入水平的旅客对运输方式服务属性的评价, 用数学期望表示旅客出行的广义费用, 提出了不确定条件下运输通道内各种运输方式旅客最优和运输系统最优客运量分担率计算模型, 以及多目标客运量分担率计算模型, 并设计了用于求解模型的基于随机模拟的遗传算法。客运量分担率的预测结果与实际测量值之间平均误差为8.13%, 说明本模型能够有效地模拟旅客在出行时对运输方式选择的不确定性。