基于时间依赖网络的危险品运输路径选择研究

为合理选择危险品运输路径,降低危险品运输事故的发生概率,以危险品运输路径选择问题为研究对象,对运输网络的时变特性进行分析,提出了动态路阻运输路径的思想。考虑到危险品运输不一定满足时间依赖网络FIFO特性,因此本文建立了包括时间阻抗、费用阻抗和风险阻抗在内的综合阻抗最小的危险品运输路线模型,采用综合阻抗最小化与时间依赖非FIFO网络最短路径综合算法对模型优化求解。给出的算例表明,不同时间段内的最优路径会发生变化,验证了该模型方法的可行性。     

考虑随机需求与时间窗的危险品运输路径优化建模

在不同类型危险品运输背景下,探究随机需求、时间因素及道路安全指数对运输路径优化问题的影响,研究带时间窗的运输网中如何实现终端随机需求的危险品运输路线优化与决策,根据间距/人口数的道路安全指数,构建需求、时间与风险共同约束下的随机优化模型,采用基于双目标编码的粒子群算法求解多目标的危险品运输路径随机优化问题。并以算例验证模型及算法的可行性。结果表明:该算法能求得多种优化组合的运输方案,以获取不同决策偏好的优化策略,为危险品运输路线规划提供决策支持。     

考虑最大风险约束的危险品运输网络优化研究

本文在定义危险品运输风险的基础上，建立了带有最大风险约束的危险品运输网络模型，模型考虑了网络中社会车辆对危险品车辆的出行时间及网络总风险的影响，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。计算结果表明，考虑网络最大风险约束能使危险品运输的网络总风险得到较大幅度的降低。     

驾驶员实时动态路径选择行为组合模型

考虑了3种类型的路径选择地为：选择固定路径，选择具有最短理解出行时间的路径，选择最小实际出行时间路径，基于驾驶员路径选择行为的差别，在不考虑交通阻抗函数是否(即允许交通阻抗函数非对称）的前提下，将这3种动态路径选择行为综合表达为一个与之等价的变分不等式模型。     

基于多目标遗传算法的危险品运输路径优化

文章考虑危险品的特性,定义危险品的运输风险,以最小化路径长度、最小化运输风险为目标建立优化模型,采用改进的非支配排序遗传算法(non-dominated sorting genetic algorithm,NSGA-Ⅱ)求解该双目标问题,分别求得长度最短、风险成本最小的路线,进行2个目标的Pareto分析。研究结果表明遗传算法能有效解决最短和风险最小路径的搜索问题,具有一定的理论参考价值和实际指导意义。     

危险品配送的最小风险最低费用算法

危险品道路运输因具有高风险性,一直备受关注.针对危险品配送路径优化问题,将所有可能影响风险的因素统一为一个风险函数考虑,同时综合考虑其他约束条件,提出一种基于深度优先的最小生成树改进算法,从而实现危险品运输中风险小而路径优之目的.实例表明,该算法复杂性低,占用空间小.     

危险品车辆路径规划的双目标模型与算法研究

本文在交通流量、行程时间、受影响的人数等不确定条件下,研究了危险品运输车辆的可靠性和安全性双目标路径规划模型.对于可靠性目标,考虑了路段的随机通行时间、路口等待时间以及路段和路口通行时间相关性的3个因素的可靠路径搜索问题.对于安全性目标,不仅考虑危险品运输车辆所经过路段附近受影响的人数,还考虑了事故发生后该路段上的车辆中受影响的人数以及其相关性.由于目标函数的不可加性,本文提出了一个新的基于不等式放缩技巧和K短路算法的启发式算法,对双目标函数进行求解,节约了计算量,并给出了搜索非支配解(non-dominated solution)的方法.数值算例的结果说明与传统的模型相比,若忽略信号交叉口的随机延迟和相关性会导致寻找可靠最短路径和最优安全路径的结果存在偏差,导致路径选择不准确,有可能造成严重的经济损失和环境危害.最后,通过数值演示了该算法在现实道路交通网络中的潜在应用前景.     

ATIS环境下的网络交通流逐日动态演化研究

基于出行者逐日路径选择过程,建立出行者路径选择模型和逐日路径选择学习模型. 在2条平行路径的简单路网中进行多次数值实验,结果表明：网络交通流演化是否稳定,以及能否达到随机用户均衡态,与出行者对昨日感知行程时间的依赖程度和先进的出行者信息系统市场占有率两者都有关系. 当出行者对昨日实际行程时间完全依赖时,路网系统始终偏离随机用户均衡态;当出行者对昨日感知行程时间完全依赖时,出行者集中选择一条路径,并且网络交通流演化稳定.     

考虑模糊需求的多式联运路径优化

多式联运可有效降低物流成本,提高物流效率.本文构建了基于运量不确定的多式联运网络规划,以节点作业时间窗和运输时限客户满意度为约束,建立了以总费用最低为目标的多式联运路径优化模型,从运输路径和运输方式两个维度选择广义最短路径.应用Lingo 12.0实现模型的求解,实验结果表明了多式联运相较单一运输方式在运输时间与费用上的优越性,并应用灵敏度分析法,对比了仅考虑运输时限约束时客户满意度的变化,展示了运量的不确定性及运输弧与节点能力对路径规划产生的影响,揭示了客户满意度、网络能力、运输路径与费用等因素的相互关系,验证了所建模型的合理性.     

带时间窗约束的危险化学品运输路径优化

在时间窗约束条件下对危险化学品运输路径进行优化研究,结合危化品的多目标路径优化方法,将时间窗约束条件与最小化运输阻抗、运输风险及风险敏感度的优化目标相结合,最终形成改进后的危化品运输路径优化模型。针对危化品在高速公路上运输时的实际情况,采用模糊折衷规划算法对建立的模型进行计算和验证。结果表明:危化品在特定路网上运输时,不仅需要考虑运输阻抗、运输风险和运输风险敏感度,还需要结合实际考虑运输路网中的道路是否有时间窗的约束,根据约束条件合理规划危化品运输路径,从而减少危化品运输事故的发生。此外,用模糊折衷规划算法对有时间窗约束的道路进行分析,得到的优化路径与实际可选运输路径具有一定的吻合性,从而证明本文所构建的带时间窗约束的危化品运输路径优化模型具有实际意义和可靠性。     

危险品运输中的可控风险最大流算法

危险品运输中,将道路实况、天气条件、交通状况和暴露人数等因素统一为一个风险值进行考虑.综合考虑运输风险和运输量,提出危险品运输路线的优化选择方案.在实际运输中,选择路线时,运用最大风险路算法,把风险降低到可控范围内.再调用Dinic算法,实现可控风险最大流的算法.实例结果表明:与经典的最小费用流的负费用圈算法相比,该算法复杂度低,占用空间小,可简化网络.     

基于仿生算法的灾后救援路径选择

为解决应急物流管理中的路径选择问题,综合考虑了运输时间、运输距离和路径复杂性等因素,建立了灾后救援的路径选择模型.在灾难发生后,路径中的运输速度将被灾难扩展深深影响,特别是在洪水、飓风等灾难中,将在时间和空间上逐渐扩展,因此将运输速度设定为随着时间而连续递减的函数.针对问题性质,提出了多头绒泡菌算法来解决这个问题.多头绒泡菌算法不同于其他的仿生算法,可以100%找到最优路径.案例研究表明:利用该方法进行灾后救援路径选择,能够有效获得最优路径.     

一种求解交通网络中最短路径问题的人工蜂群算法

用人工蜂群算法解决寻找时间依赖网络中两点之间的最短路径问题, 针对时间依赖网络中先入先出网络的特性, 改进原算法中的路径选择策略, 以优化生成的个体质量. 该算法使用的策略为每个个体（即每条路径）添加一张散列表, 用于记录搜索路径时遇到的路段, 通过查找该表可发现当前个体的更优解. 实验结果表明, 该改进方法能有效提升算法最终解的质量, 并极大缩短运行时间.     

RFID-WSN对危险品动态运输成本影响的研究

针对危险品运输实时监测是否使用射频识别技术（RFID）与无线传感器网络（WSN）,建立两种模型.根据两种模型的决策树场景,使用MATLAB软件分别从危险品运输失败的概率、危险品运输的赔偿损失成本以及运输货物的运输成本3个方面对动态运输成本的影响进行仿真比较.结果表明使用RFID-WSN的模型相比没有使用RFID-WSN的模型能有效降低动态运输成本.     

用神经网络求解时间依赖网络最短路径问题的新算法

时间依赖的网络与传统的网络模型相比更具有现实意义,具有广泛的应用领域．用实例证明了著名的Dijkstra算法在时间依赖的网络上不能有效地求解最短路径问题,给出了时间依赖的网络的定义和模型,给出一种实用反馈式神经网络来求解时间依赖的网络的最短路径问题．并用模拟实验验证了它在不同的网络更新时间区间上收敛速度的稳定性。结果是神经网络求解非NP-难解类优化问题的一种新尝试．     

基于复杂网络的交通阻抗模型研究

针对城市道路交通拥堵及路网道路使用不合理的交通现状,将影响交通阻抗的因素分为交通流特性和路网结构特性两大类;结合ArcGIS、UCINET以及Matlab等工具,通过复杂网络理论量化网络结构特性对交通阻抗的影响;采用节点收缩方法从结构上确定其对交通阻抗的影响,并与BPR路阻函数相结合,建立综合阻抗的参数模型;根据熵权法来确定模型中的ψ、ω两个参数值。最后以天津市部分城市道路网络为例,进行实例验证,结果表明综合阻抗算法更精确地表征了城市道路网络的交通阻抗。     

危险品道路运输定量风险分析研究

危险品风险分析是制定一切危险品运输决策的主要依据,风险分析模型的准确性及实用性直接决定了危险品运输管理的水平.在总结国内外危险品运输风险分析的研究成果的基础上,提出适合我国国情的危险品运输定量分析模型,在模型中首次将非交通事故和黑点导致的风险纳入模型,并利用TransCAD将模型应用于实际路网的风险分析.     

危险品关联运输调度问题的优化设计

针对带硬时间窗的关联运输调度问题(Incident Vehicle Routing Problem with Hard Time Windows,IVRPHTW),联系实际应用中危险品的车辆路径问题,介绍了混沌遗传算法的基本原理,并对其进行改进,自适应地调整交叉概率和变异概率,引进了模拟退火机制,并用改进的算法来对IVRPHTW求解,然后与遗传算法求解此模型的结果相比较。实例证明该算法求解危险品的关联运输调度问题是可行的,且优于传统的遗传算法。     

用户平衡分配条件下交通控制优化研究

基于信号配时和路径选择之间的相互作用机制,提出了一种区域协调多相位定时控制优化的双层规划模型.模型下层用具有路段容量约束的用户平衡描述拥挤网络条件下的路径选择,并引入了节点流向阻抗,上层为区域协调多相位定时控制优化模型,以总行驶时间和停车次数构成的网络性能指标作为信号优化的目标.采用乘子法求解带有路段容量约束的用户平衡问题,用灵敏度分析算法求解该双层规划问题.     

考虑风险公平的危险品运输车辆调度优化

为了减小危险品运输过程中各人口聚集区域间风险分布差异,提出了一种多源-目的(OD)间同时进行危险品运输时考虑风险公平的车辆调度优化方法.提出了采用标准差来衡量各人口聚集区域间风险差异的风险公平性评价方案.设计了考虑风险分布公平的车辆调度数学模型,通过获取周期性调度方案来减小人口聚集区域间的风险差异,实现区域风险分布公平的目标.为了降低求解难度,将模型分解并增加决策者交互环节后,设计了两阶段算法求解.通过算例分析表明,该方法可在不同OD间同时运输危险品时,通过调节运输车辆选择不同路径运输的频次,在保证运输总成本和总风险可接受的前提下,达到风险公平性最优的目标.