基于用户激励的共享电动汽车调度成本优化

针对站点车辆时空分布不均衡制约共享模式快速发展的问题,提出基于用户激励的共享电动汽车自适应调度成本最优模型,引入共享单车调度与价格激励手段,通过遗传算法求解获得最优价格优惠、初始站点车辆数、多时段可变最优阈值.实例仿真结果表明,通过用户激励策略,企业调度成本降低60%以上,峰值用户取、还车允许率超过95%,极大提升了用户满意度与车辆使用率,充分证明该模型的有效性.     

基于需求预测的单向共享电动汽车车辆调度方法

用户出行需求的不均衡性和潮汐性造成站点之间的车辆库存不平衡,阻碍了单向共享电动汽车行业的发展.在充分考虑用户实际需求的随机性和时效性的基础上,提出一种单向共享电动汽车车辆调度方法.其采用长短期记忆神经网络对站点车辆需求进行预测,进而建立以调度成本、库存成本和潜在损失收益均最小的多目标调度模型,并采用遗传模拟退火混合算法求最优解.实证研究表明了该方法的合理性和优越性.     

共享单车需求预测及调度优化

为了更加准确地预测共享单车的需求量,制定合理的调度优化方案。针对共享单车骑行数据的周期性、非线性和随机性的特点,提出了季节性灰色Markov模型来预测共享单车需求量。在此基础上,根据双层规划模型结果来制定调度优化方案。在季节性灰色Markov模型中,首先将原始数据带入季节性GM(1,1)模型得到预测结果,然后用Markov模型对预测的残差进行修正,得到最终的预测值。在双层规划模型中,上层目标为运营商的调度成本,下层目标为调度中心的调度时间,双层规划模型用GUROBI求解器求解。最后将两种模型应用于纽约市17个Citi Bike共享单车站点的算例分析。数值计算结果表明：季节性灰色Markov模型在17个站点从周一到周五的需求量预测的平均绝对百分比误差(mean absolute percentage error,MAPE)为10.68%,预测精度较高。利用双层规划模型制定的调度优化方案能确定调度中心数量、位置,调度范围和调度路径,可以在满足用户需求的同时使调度成本和调度时间最优。研究提出的需求预测模型和调度优化方案可以为共享单车运营部门和交通管理部门提供有效的参考。     

考虑源荷不确定性及配电网接纳裕度的弹性调度策略

为解决渐进式加剧的小扰动事件对配电网调度的影响,提出一种考虑源荷不确定性及配电网接纳裕度的弹性调度策略,并建立两阶段优化模型求解。首先通过拉丁超立方抽样和后向场景削减技术生成以风光为源、以电动汽车为荷的功率预测典型场景,将不确定性问题转化为典型场景分析问题;在此基础上,第一阶段引入接纳裕度,以配电网对电动汽车接纳能力最大为目标构建电价型需求侧响应模型,对用户负荷削峰填谷;第二阶段引入需求侧响应结果,建立以系统运行成本最低为目标的经济调度模型,提出改进人工蜂群算法进行求解。测试结果表明本文所提策略能增强配电网在渐进式加剧不确定性事件下的适应力,实现配电网弹性高效运行。     

城市共享单车的动态调度策略

为满足城市共享单车用户的用车需求,提高共享单车的使用效率,结合路况信息提出了一个两阶段的共享单车实时投放与调度框架:在离线建模阶段,基于历史的短程出租车轨迹数据聚类,使用区域提取技术(Regional Extraction Technique,RET)获取不同时段的城市热门用车区域、用车频次与行程结束后的热门停车区域及其停车频次;在线调度阶段,建立共享单车的实时调度优化模型(Real-time Optimization Model,ROM),根据下一时段的热门用车区域,搜索当前时段内距离其较近的k近邻单车停车区域,并结合实时路况为调度车推荐前k条路况良好的行车线路.出租车轨迹数据集上的实验表明,所提的调度策略相较于传统的自行车调度策略具有较好的有效性.     

电动共享汽车动态调度问题应用综述

为了解电动共享汽车领域研究现状，梳理了电动共享汽车的基本概念和发展阶段，界定了电动共享汽车车队动态调度问题，从供给端、需求端、匹配端分别剖析车队动态调度的影响因素并分别开展文献综述，其中包括用户接受度与偏好、共享出行需求预测、车辆实时电耗估计与预测、站车桩位选址布局与规划、动态调度优化模型、动态调度求解算法等方面，旨在总结过往研究不足并展望未来研究方向。     

基于改进粒子群算法的含电动汽车的微电网经济调度

以含电动汽车的并网型微电网为研究对象,在考虑储能系统损耗成本的基础上,建立了考虑运行成本和环境治理成本的经济调度模型.提出一种改进粒子群算法对模型进行求解,该算法采用了交叉和变异操作作用于个体历史最优值,并采用候选解修复和罚函数相结合的改进方法对模型中等式约束和不等约束进行处理.通过算例仿真分析了电动汽车集群在不同场景下微电网最优调度策略.结果表明,电动汽车集群参与微电网调度能够减少经济成本,提出的改进粒子群算法相比于标准粒子群算法等其他算法,求解结果更优且收敛性好.     

基于非合作博弈的应急车辆调度与再配置

多事故多救援站点的应急车辆调度问题中,在处置当前事故时,若将空闲车辆再配置于救援站点,有利于对潜在事故的快速响应.文中采用双层规划理论和非合作博弈理论建立应急车辆调度与再配置模型.上层模型在事故需求和救援时间窗约束下,最小化当前事故响应时间;下层模型将各救援站点视为非合作博弈的局中人,综合考虑车辆再配置时间和救援站覆盖区域潜在风险,确定局中人的收益函数,将优化再配置策略转化为寻求非合作博弈的纳什均衡.然后,提出一种层次混合蛙跳算法,其中上层算法用于求解约束单目标规划问题,下层算法用于求解非合作博弈模型.求解事故算例证明了应急车辆调度与再配置模型的合理性和层次混合蛙跳算法的有效性.     

集散区域快递物流车辆调度模型及其算法

在分析集散区域快递物流运输特点的基础上,研究了固定时间窗内多车型车辆往返运输的车辆调度问题,建立以运输总成本最小为目标的数学模型,并给出遗传算法求解办法。实例表明,该模型和算法能有效地满足物流车辆调度需求,降低企业的物流成本。     

取货车辆动态调度问题求解策略分析研究

为了解决取货车辆动态调度问题的优化求解问题,本文分析了取货车辆动态调度问题的动态变化事件类型和每类动态变化事件的应对策略,在应对策略的基础上分析研究问题的滚动时域设置和求解策略设计. 结果表明,求解策略研究对取货车辆动态调度问题的优化求解有重要意义,并为深入研究其他类型动态车辆调度问题奠定了基础.     

实时车辆调度系统

车辆调度的传统算法都是在固定不变的网络节点中进行优化，这种静态的算法并不能满足实时环境的需要。在实际环境中，各节点的需求是不断变化的，将这种变化的不确定性的需求转化为静态需求为企业运作提供了便利，但却不能在时间上赢得竞争优势。作者在分析了传统的车辆调度方法的基础上，提出了实时车辆调度系统，探讨了实时车辆调度系统的模型结构及其实现的关键技术，为建立实时车辆调度模型提供了基础。     

露天矿生产一个班次的车辆调度模型

建立了露天矿生产的一个班次的车辆调度优化模型·针对总运量(吨千米)最小,同时出动最少的卡车,从而使运输成本最小,采用弹簧振子模型,即以一个铲位为中心,两个卸点为端点,卡车为一振子的形式建立了以F(s,d)=ds/2为目标函数的数学模型(对个别卸点采用弹两次回一次的方式),求出其标准解·     

公交区域车辆调度优化研究现状与发展

区域范围内车辆调度是以给定时刻表和一定数量的分布在各个车场的车辆为前提,在满足所有约束条件和相关规定的条件下,得出所需车辆最少或费用最小的车辆调度方案.区域范围内的公交车辆调度过程非常复杂,一直是公交领域研究的热点问题之一.本文在阐述车辆调度问题的基础上,对车辆调度问题的可行模型与算法的研究现状进行了综述,同时对公交车辆调度研究的扩展问题进行了分析.     

车辆的优化调度

建立露天矿生产及车辆安排问题的多目标规划模型,综合考虑卡车、铲车、卸点、铲位等生产设备的利用,并给出了其相应的遗传算法和最大熵算法。     

基于智慧3S技术的城市工程作业车辆监控系统

为了适应城市发展的需要,亟需加强对城市工程作业车辆的可视化管理与指挥调度,提高市政工程施工的指挥调度能力,保障城市道路交通通行条件.基于智慧3S技术为市政工程车辆的监控、调度和管理提供了必要的技术手段.采用3G移动通讯技术、GPS全球卫星定位技术、GIS技术建立综合指挥中心,实现对车辆规范化和可视化指挥与调度.     

机场飞行区航空器与除冰车协同优化调度方法

针对现行“先到先服务”的机场除冰车调度方式效率不高的问题。以最小化除冰车行驶总距离和航空器等待总时间为目标函数，构建机位除冰车辆和航空器协同调度模型，并提出一种改进的遗传算法对模型进行求解。采用西安机场某天142条航班数据进行仿真实验，并与随机调度算法和贪心算法进行比较。结果表明，改进的遗传算法相较于随机调度算法和贪心算法分别节约15.23%和7.81%的行驶总距离，且航空器等待除冰时间大幅度减少。证明了所提算法在指导除冰车作业方面的优越性。     

战时车辆调度问题算法及应用分析

战时车辆调度是精确后勤的核心内容之一,对提高部队机动性和后勤保障能力具有重要作用.对战时车辆调度问题进行分析研究,提出一种快速、高效的算法.对战时多任务车辆调度组合优化问题,即NP-Hard问题进行求解.构造了一个两层搜索结构的遗传禁忌混合算法,该算法充分利用了不同领域搜索方法的优点,增强了算法在解空间中的搜索能力和运行效率.试验分析结果表明:所提算法能有效地解决战时多任务车辆调度问题;与基本遗传算法相比,该算法的优化能力、运行效率、可靠性均得到了提高.     

一种新的非满载车辆调度的遗传算法

针对物流配送中的单车场非满载车辆调度问题,提出了一种基于Grefenstette编码的自适应遗传算法.该方法采用Grefenstette编码方式,使得交叉和变异运算后的任意基因型个体都能对应于一条具有实际意义的行驶路线;并在交叉和变异运算过程中,引进自适应调整策略,避免陷入早熟和染色体的破坏.通过与简单遗传算法的仿真结果对比,验证了本算法的有效性.