基于动态交通信息的电动车辆剩余里程估计

准确可靠的电动车辆续驶里程估计结果能够为驾驶员安排出行提供依据,提高驾驶员对于电动车辆的驾驶信心。目前剩余里程估计方法往往忽略了交通环境复杂多变的特性,这使得估计结果与车辆实际可达范围存在较大出入。该文提出了基于动态交通信息的电动车辆剩余里程估算方法,利用动态随机路网模型反映交通环境的动态性与随机性,以保证估计结果能够充分考虑到交通环境随时间的变化波动。通过基于随机模拟的遗传算法对电动车辆行驶过程的能量消耗进行估计,并利用随机规划模型分析电动车辆的可达范围。研究结果表明:该期望值模型的估计结果能够有效控制高估与低估比率的幅值,同时相关机会模型的估计结果能够最大限度地抑制高估比例,得到保守的可达范围,因此可最终得到"内圈"与"外圈"的剩余里程估计结果。该剩余里程估计方法充分考虑了交通环境的动态性与随机性,相比于传统的里程估计方法,估计结果更为合理,且估计结果波动降低。     

动态路径诱导交通阻抗优化方法与实现

基于实时交通采集数据,获取合理动态规划最优路径,提出了考虑驾驶员出行行为因素的交通阻抗优化方法.研究了基于实时交通状态因素的动态路网优先等级指数的确定方法,重构了动态路径诱导交通网络模型,大大降低了路网的复杂度;基于多源实时数据,研究了动态路径诱导交通阻抗优化的计算方法,实现了路网的动态路径诱导,并通过GIS平台进行了仿真分析.该方法更符合驾驶员行为习惯,对于改进Dijkstra算法在动态路径诱导中的应用具有操作优势和显著意义.     

考虑隧道与盘山公路的多山地区路网优化设计——以烟台芝罘区中部多山地区为例

受地形限制,多山地区存在一些区域之间空间距离很近,但实际通行路线需绕行较远的问题。为提高各区域之间的交通便捷性,从整体路网规划层面研究了隧道与盘山公路协同建设问题。首先在原有路网基础上,依据出行距离最短策略,建立多山地区路网的网络模型,用以衡量原有路网下居民的出行便捷性。在此基础上,以投资额度限制为约束,以单位投资费用下居民年平均出行距离缩短值最大为目标,建立考虑隧道与盘山公路的多山地区路网优化模型,并基于遗传算法设计模型的求解方法。最后以烟台芝罘区中部多山地区路网为例,得到了隧道与盘山公路协同建设下路网优化方案,并分析了该方案下各出行路径长度降低的比例,通过敏感性分析研究了投资额度对投资效率的影响规律,为主管部门确定合理的投资额度提供参考。     

航站楼内多目标路径规划方法设计与实现

针对航站楼多楼层的室内导航和多目标的路径优化问题,提出一种基于改进遗传算法的航站楼内交通换乘导航路径规划方法:依据航站楼内的空间特征和环境变化建立以路径为权值和以人流密度为权值的双路网,并权衡路径的距离成本、客流拥挤度和时间成本3种因素,建立了航站楼内的多目标路径优化模型.最后使用融合广度优先搜索策略(Breadth First Search,BFS)的遗传算法在本文构建的多层路网中实现航站楼内多目标路径优化,生成考虑路径距离、拥挤度、时间成本的单目标最优路径和多目标优化路径.研究结果表明,使用融合BFS的遗传算法在本文构建的多层路网中可实现航站楼内多目标路径优化,生成考虑路径距离、拥挤度、时间成本的单目标最优路径和多目标优化路径.     

基于逆强化学习的电动汽车出行规划方法研究

随着电动汽车的普及，对电动汽车出行规划问题的研究显得尤为重要。有别于路径规划，出行规划既需要考虑路径问题又需要考虑充电问题。本文提出了一种基于逆强化学习（Inverse Reinforcement Learning，IRL）的电动汽车出行规划（Electric Vehicle Travel Planning，EVTP）方法，有效地为电动汽车用户规划一条兼顾行驶路径短以及充电时间短的可达路径。将Dijkstra算法进行改进得到考虑充电行为的最短路径作为专家示例输入到逆强化学习算法中；利用逆强化学习算法得到兼顾行走与充电的奖励；在学习策略上，采用Dueling DQN算法高效更新Q值，提升学习性能；采用部分充电策略以及分段充电策略，提升充电效率并使研究更接近真实情况。通过对模型的工作性能和结果进行详细分析，并结合基准方法进行对比，结果表明，基于逆强化学习的电动汽车出行规划方法在行驶时间与充电时间两方面都有较好的性能，且具备很好的迁移性。     

电动汽车集散货一体化车辆路径问题

针对电动汽车特性,考虑里程约束和时间窗约束,建立以最小化总费用为目标的电动汽车集散货一体化车辆路径问题模型.模型考虑了车辆可在行驶途中多次前往充电站补充电量.因此,避免由于电量不足导致的车辆半路抛锚及电池过度放电.应用遗传算法求解模型,得到包含配送计划、行车时间及充电计划在内的配送方案.并基于Dijkstra算法求解任意两个邻接节点之间最短路径问题,在路网上为车辆规划行车路线.结合北京市城区路网的算例验证模型和方法的有效性和实用性.     

考虑慢行交通影响下的交通微循环路网优化设计

为减少实行交通微循环过程中日益增加的对区域内居民生活和出行交通的不良影响,以最小化道路连通性、最小化慢行交通的出行时间、最小化环境污染和最小化道路饱和度为优化目标,考虑干道路网饱和度约束、慢行交通平均限速值约束、慢行路网密度约束,建立了多目标区域交通路径优化的双层规划模型。利用遗传算法进行求解,采用轮盘赌选择算子和非均匀变异算子进行操作,得到了最优的微循环路网优化组织方式。通过算例分析,与实行微循环前的路网相比,实行微循环后的路网饱和度明显下降,减小了对街区内的居民影响和生态环境破坏,得到了一个合理的街区交通微循环网络。     

多因素下基于路网拓扑的电动汽车充电路径规划策略

随着电动汽车产业的发展,电动汽车的充电需求也日益增加.为了满足电动汽车用户充电多样性需求并提高充电设施利用率,本文在考虑出行距离、充电电价以及充电站排队情况等三种影响因素下构建混合整数线性规划模型,提出了一种多因素下基于充电站路网拓扑结构的电动汽车充电路径规划方法,为用户规划充电路径与充电站选择.首先,该方法在能耗约束的前提下基于Dijkstra最短路径算法进行充电引导,为求解多目标最优引入信息熵的概念来确定各参数影响权重.其次,针对用户充电需求的差异性问题,提出了三种不同目标下的规划方法以降低用户充电成本.此外,本文构建了站点随机充电服务排队模型并进行敏感性分析以研究充电站服务能力对充电成本的影响.以某地区路网为算例进行仿真,结果表明本文提出的方法能够有效降低用户充电出行成本并合理规划出行路径,验证了所提模型的可行性和有效性,对充电选择和站点配置具有一定的决策参考意义.     

面向驾驶员个性化需求的动态路径诱导方法

基于物理规划的思想,研究面向驾驶员个性化需求的动态路径诱导方法.首先,分析个性化动态路径诱导问题,构建路段交通阻抗的个性化评价指标体系;然后,基于物理规划思想,进行个性化动态路径诱导:面向驾驶员对道路的“可行性”需求动态确定交通路网搜索的几何空间;面向驾驶员对道路的“偏好性”需求,对几何空间内的交通路网阻抗进行个性化评价;面向驾驶员对道路的“最优性”需求,基于Dijkstra算法在动态交通路网中进行最优路径搜索;当路网中的交通阻抗发生变化时,及时更新路网信息,重新搜索从车辆当前位置到目的地的最优路径.研究结果表明:该方法既能体现驾驶员的个性化需求;仿真算例验证了该方法的有效性和可行性.     

兼顾管理者需求和用户可接受性的交通诱导系统MPC设计

针对交通诱导系统中可变信息标志(VMS)的控制策略设计,该文在宏观Metanet交通流模型的基础上,研究了VMS诱导控制信号对驾驶员路径选择行为的影响,建立了路网诱导控制的状态方程模型。在模型预测控制(MPC)框架下设计了VMS诱导控制策略,以优化路网所有车辆的总旅行时间和VMS切换性能为目标函数,通过对诱导控制变量引入用户可接受约束,有效兼顾了交通管理者对系统最优的控制需求和交通用户对VMS推荐路径的可接受性。最后设计了基于禁忌搜索的双层并行求解算法对MPC诱导策略进行求解,利用并行计算保证MPC控制的实时性要求。仿真结果表明,该文设计的诱导控制策略能缓解路网拥挤,提高路网通行能力,对系统随机扰动具有较好的抗干扰能力。与基于系统最优的诱导策略和基于用户均衡的诱导策略相比,该控制策略不仅能满足管理者的控制需求,而且能均衡路网车流分布,减少交通用户的延误时间,提高用户对交通诱导系统的满意度。     

纯电动公交时刻表和车辆排班计划整体优化

研究单线路的纯电动公交车辆运营时刻表和车辆排班计划的整体优化方法,以发车间隔平滑、使用车辆数少和充电费用低为目标建立多目标优化模型,考虑包括不同时段发车间隔范围、可用车辆数量的限制和纯电动公交续航里程约束在内的多个约束.采用多目标粒子群算法进行求解,基于多目标优先级寻找模型的最优解集合.案例表明:和现有的运营计划相比,模型能够平滑发车间隔,减少使用车辆数,充分利用非高峰时段充电以降低充电费用.     

考虑订单优先级带时间窗的多车型开放式车辆路径问题研究

针对物流运输中具有优先级的配送订单情况以及新能源车辆、燃油车辆混合配送的车辆路径优化问题,同时考虑车辆可行驶区域限制、车辆载重量、客户送货时间需求、新能源车辆充电约束,构建以碳排放成本、货运成本和时间窗惩罚成本总和最小的目标函数。根据订单优先配送特征设计带有优先策略的粒子群算法求解问题,并基于条件采用适应性算例进行实验,验证算法对考虑优先级订单序列带有时间窗的多车型开放式车辆路径问题的有效性。     

考虑拥堵因素的自动化码头多AGV无冲突动态路径规划模型

针对自动化集装箱码头水平运输系统的调度优化,提出一种自动引导车(AGV)动态路径规划策略,即在多AGV系统路径生成的同时进行动态路径优化.从AGV运输作业时间角度,建立考虑拥堵的多AGV路径优化模型,优化AGV路径方案.为求解模型,设计了基于动态路径规划策略的多种群蚁群算法,并对模型与算法的有效性进行验证.结果表明:基于动态路径规划策略可以对路径规划过程进行动态控制与优化;同时,考虑拥堵因素可以有效地解决水平运输路网中的拥堵问题,提高运输作业效率.     

诱导信息下驾驶员路径选择行为建模研究

为定量分析可变信息标志(VMS)对驾驶员路径选择行为的影响,采用SP调查进行调研,使用SPSS 20.0分析数据,建立了VMS诱导信息下驾驶员改变路径频率的有序多分类Logit模型。同时针对有重叠路段的路径选择,构建了考虑VMS显示状态的C-Logit模型。有序多分类Logit模型计算结果表明,影响驾驶员改变路径频率的主要影响因素为性别、学历、车辆类型、出行活动、VMS准确率。C-Logit模型计算结果表明,驾驶员对路径的理解时间与实际行驶时间存在较大差距,导致驾驶员选择路径比较集中,没能实现交通流在路网中的合理分配。     

一种增量式多目标优化的智能交通路径诱导方法

路径诱导是一种主动引导车辆合理分流来解决城市交通拥堵的方法.本文提出了一种基于增量搜索的多目标优化路径诱导方法.该方法首先利用图论法将复杂路网抽象为点线的赋权图,引入多目标优化变量,建立路网模型;然后在启发式搜索基础上引入增量搜索,结合全局规划和局部动态重规划,实现车辆的实时路径诱导.仿真结果表明该方法能有效地解决复杂路网中车辆的实时路径诱导问题.     

考虑建设时序和动态需求的城际公路充电设施优化布局

该文围绕城市群内或城际间公路网络充电设施布局规划问题，提出一个考虑动态充电需求和建设时序的双层优化模型。首先，下层模型基于动态交通流分配模型，在多用户行驶及充电行为仿真的基础上得到均衡状态下的充电需求时空分布；其次，上层模型以投资运营商的总成本最小为目标，考虑建设时序和服务水平的约束，对充电设施位置及容量进行优化；最后，选取山东半岛城市群中济南与青岛的城际公路网络作为研究实例。结果表明：所设计的模型通过对用户充电偏好、路网交通状态和设施工况之间的信息进行动态交互，能够有效估计充电系统的动态服务水平，进而获得满意的公路网充电设施布局方案。此外，分别从正向和逆向建设时序对布局优化方案进行讨论，结果表明：在同一服务水平约束下，长期的网络布局应考虑城市群内的未来年能耗需求，宜采用逆向建设时序进行合理规划。     

基于梯度提升决策树的城市车辆路径链重构

为了提取城市路网中车辆实际的行驶轨迹,支撑交通规划、设计、管理和评价等需求,提出了基于梯度提升决策树的城市车辆丢失路径链的重构方法。首先,根据车牌号码匹配目标车辆,以时间排序提取视频检测器获得的路径链,并结合交叉口邻接矩阵及路段行程时间估计进行路径链初次分离;然后,依据车辆出行特征和交通状况提取影响路径选择的关键特征,并基于此提出了基于梯度提升决策树的局部丢失路径链重构算法;最后,以某市南明区实际视频车牌识别数据为例,根据重构算法准确性和计算效率验证了文中算法与传统算法。结果表明,本文算法的重构准确率达到91%,对比传统算法,梯度提升决策树算法在车辆路径链重构方面有较大优势。     

基于先进交通信息的多目标多类用户降级路网双层优化

考虑先进的出行者信息系统(ATIS)与可变信息板(VMS)的共同影响,研究混合交通(普通交通与突增的应急交通)在降级路网中的随机均衡分配及路网的性能优化。利用应急交通可靠度和路段负效用2个目标定义广义路径费用,并基于VMS信息效用与路段广义费用设计了新的路径长度(path size,PS)属性公式,进而构造改进的路径长度logit(PSL)模型;建立以降级路段的最差容量利用系数为优化变量的多类用户多目标双层规划模型,其中,下层是基于PSL模型的混合交通随机用户均衡分配模型。利用应急交通的可靠度定义适应度函数,设计以进化算法为主体框架的优化算法,通过求解获得流量分布、ATIS占有率与服从率以及各项性能指标。研究结果表明:模型与算法是可行有效;相对于随机模拟,优化可以大幅度提升应急交通的可靠性,VMS能辅助ATIS以提升应急交通可靠性并降低全路网的总期望出行时间费用;需求增长对降级路网性能会产生较大影响,但VMS仍能在需求增长时有效优化系统性能。     

考虑时空相关随机行驶时间的车辆路径问题模型与算法

本文对一类在真实道路网络中考虑时空相关的随机行驶时间的车辆路径问题进行了研究. 首先我们建立了该问题的两阶段随机规划模型. 然后我们将用于候选解寻优的智能优化算法与用于产生评价解的随机场景的情景生成技术相结合,提出一种智能随机优化方法求解该问题. 为了有效地进行解的寻优,本文结合可变邻域下降算法提出了一种混合粒子群优化算法.最后通过一系列基于北京市区道路网络的算例实验,我们验证了所提出的混合粒子群优化算法的有效性.实验结果还表明,考虑实际交通环境中道路网络上车辆行驶时间的时空相关性,会影响最优车辆路径决策方案.     

时变路网环境下多温冷链配送路径优化研究

【目的】生鲜产品在冷链物流配送过程中的新鲜度及货损成本与配送行程所耗时间密切相关,而配送车辆在城市路网中不同时段行驶的速度不同,基于此在考虑了道路交通状况的时变路网特性之后研究配送的优化问题。【方法】针对时变路网环境下的多温区产品配送车辆调度问题,考虑载重质量与车厢容积及时间窗约束,建立由运输成本、货损成本及制冷成本构成的目标为总配送成本最小的数学优化模型,设计基于模拟退火算法的求解程序,并用MATLAB对实例进行求解。【结果】与以往研究中用平均速度方法求解出时间变量的方法不同,通过时变路网理论及模型求解,验证了时变路网环境下冷链配送路径优化模型及算法的有效性。【结论】结合时变路网,改进了货损成本中腐败函数的时间变量求解方法,刻画了各配送车辆每完成一个客户的配送后,车辆剩余货物在余下配送时间里货损成本继续发生的动态过程。