停车泊位有限供给条件下最佳停车泊位规模

为了确定城市中心区的合理停车泊位数量,使之既能满足基本出行需要,又能抑制过量出行造成路网拥堵,首先对停车泊位有限供给条件下驾驶员出行行为进行了分析,划分了不同驾驶员属性以反映不同驾驶员的出行意愿与决策特征,并在此基础上构建了最佳泊位规模优化模型,以使得在道路网络最大容量允许范围内可满足的停车总需求最大并做到泊位利用最大化.介绍了模型求解算法,数值算例表明,通过该模型的优化可确定城市中心区的最佳停车泊位数量,为停车需求管理提供科学依据.     

集装箱码头泊位生产运作优化模型

为提高集装箱码头泊位各类设备配置在生产运作中的衔接效率,研究了在装卸岸桥-搬运集卡-堆场吊桥作业系统下的设备优化配置问题.以时间为度量,综合考虑泊位作业收益最大和各类设备的闲置成本与运行费用整体最低确定设备配置数量,并运用数学分析的方法构建了描述集装箱码头泊位生产运作的非线性整数优化模型.实例验证该优化模型对于描述集装箱码头泊位的实际生产运作情况具有很好的实用性和合理性.     

优化小波神经网络停车泊位多步预测

【目的】通过改进停车泊位预测方法为交通出行提供有益帮助。【方法】利用李雅普指数对停车泊位序列进行分析,指出序列具有混沌特性,可进行多步预测。利用db32小波函数具有双正交性、紧支撑性以及消失矩阶数较大的特征,对归一化的停车泊位序列进行多尺度分解与重构,并作为小波神经网络(Wawelet neural network,WNN)的隐含层函数。为提高预测精度和降低预测时间,分别使用粒子群算法(Particle swarm optimization,PSO)和极限学习机(Extreme learning machine,ELM)来优化WNN。其中,使用PSO对WNN的权值进行调整,逐步迭代得到最优值;使用ELM将全局最优值作为单隐层前馈神经网络的输入,使得算法尽快收敛。优化后的WNN结合迭代多输出法对停车泊位进行预测。将上述预测方案称为极限学习机和粒子群算法双重优化的小波补缀网络多步预测(Multi-step prediction based on wavelet neural networkimproved by extreme learning machine and particale swarm optimization,MP-EPWNN)。【结果】仿真实验表明,相对于BP神经网络、遗传算法优化小波神经网络、极限学习机优化小波神经网络、粒子群优化小波神经网络4种算法,MPEPWNN算法的预测均方误差平均降低了96.6%,预测所需的时间平均降低了65.97%。【结论】MP-EPWNN算法预测停车泊位是有效的。     

泊位调度问题的GATS混合优化策略

在集装箱港口的运作中，泊位调度系统是制约集装箱港口降低船舶在港时间和运营成本的主要瓶颈之一．泊位调度问题是NP难问题，本文分别应用遗传算法GA和混合优化策略GATS对泊位调度问题的非线性规划模型进行了求解，与遗传算法相比，混合优化策略GATS增加了种群多样性，加速了进化过程，避免陷入局部极小解。     

基于Memetic算法的集装箱码头泊位应急调度策略

针对集装箱码头因船舶压港产生的应急调度问题,提出一种基于Memetic算法的泊位应急调度策略.首先,通过人机交互方式确定一系列不同长度的恢复时间;其次,在每段恢复时间内采用Memetic算法对相应船舶集合进行重调度,以实现甩港船舶数最少的优化目标;最后,通过综合分析恢复时间和优化结果确定最终方案.试验结果表明,该优化策略可使集装箱码头在尽量完成船舶作业的同时,以最快速度恢复到正常生产秩序,可供集装箱码头应急决策时参考.     

基于改进蚁群算法在集装箱码头泊位优化中的应用

探讨了蚁群算法在码头泊位优化中的应用问题。以一定时间内所有船舶在港总时间最短作为优化目标,建立泊位优化配置模型。在求解中,利用改进蚁群算法确定了停靠在每个泊位上船舶的作业顺序。然后,在实例场景与最初的先到先服务算法相比,改进的多态蚁群算法在停港时间上有较大的提高。     

路内停车价格与泊位数量的组合优化

提出了"停车服务水平"指标来描述路内停车场能够提供停车服务的概率,建立了考虑泊位利用率的停车服务水平最大化的整数优化模型,从停车价格和停车泊位数两个方面来优化调整路内停车的收费方案。以广州市一个路内停车场为例,验证了指标参数和模型的有效性和合理性。同时,研究表明:不合理的停车价格与泊位数组合会导致经营者与车主的利益均受损。     

优化小波神经网络停车泊位多步预测

【目的】通过改进停车泊位预测方法为交通出行提供有益帮助。【方法】利用李雅普指数对停车泊位序列进行分析,指出序列具有混沌特性,可进行多步预测。利用db32小波函数具有双正交性、紧支撑性以及消失矩阶数较大的特征,对归一化的停车泊位序列进行多尺度分解与重构,并作为小波神经网络(Wawelet neural network,WNN)的隐含层函数。为提高预测精度和降低预测时间,分别使用粒子群算法(Particle swarm optimization,PSO)和极限学习机(Extreme learning machine,ELM)来优化WNN。其中,使用PSO对WNN的权值进行调整,逐步迭代得到最优值;使用ELM将全局最优值作为单隐层前馈神经网络的输入,使得算法尽快收敛。优化后的WNN结合迭代多输出法对停车泊位进行预测。将上述预测方案称为极限学习机和粒子群算法双重优化的小波补缀网络多步预测(Multi-step prediction based on wavelet neural networkimproved by extreme learning machine and particale swarm optimization,MP-EPWNN)。【结果】仿真实验表明,相对于BP神经网络、遗传算法优化小波神经网络、极限学习机优化小波神经网络、粒子群优化小波神经网络4种算法,MP-EPWNN算法的预测均方误差平均降低了96.6%,预测所需的时间平均降低了65.97%。【结论】MP-EPWNN算法预测停车泊位是有效的。
     

具有服务优先级别的动态离散泊位调度优化

研究具有不同服务优先级别的船舶动态到达情形下的离散泊位调度问题.以泊位分派和船舶作业开始时间为决策变量,为优化码头作业效率和船公司客户满意度,以最小化船舶总在港时间与加权延迟时间之和为目标建立数学模型.采用基于修改后的先到先服务等规则的启发式算法生成初始解,以此为基础设计结合禁忌深度搜索和模拟退火算法框架的混合算法对问题进行优化求解.不同问题规模下的数据仿真试验表明,该算法可以快速、有效地解决此类问题.     

离散泊位分配装卸量加权延迟最小化策略

主要研究船舶优先权的离散泊位优化调度问题,对不同装卸量的船舶赋以不同的权重值,建立以最小化船舶总的加权作业时间为目标的混合整数规划模型。通过算例比较了是否考虑船舶权重两种泊位分配策略下船舶总的作业完成时间以及加权作业完成时间,并分析了不同的船舶权重系数对泊位分配的影响。研究结果表明:权重系数的选取会影响到整个港口的作业效率,决策者在做决策的过程中要对其综合考虑。     

集装箱码头泊位与岸桥协调调度优化

为缩短船舶在港停留时间,提出以船舶在港时间最小为目标的泊位与岸桥协调调度优化方法.对泊位调度与岸桥分配这两个相互关联的问题进行系统分析与集成,基于免疫遗传算法对所建模型进行相应的算法开发.对某港集装箱码头的数值仿真实验表明,泊位与岸桥协调调度比单独调度可更有效提高集装箱码头的装卸效率,减少船舶在港时间.     

基于缓存思想的集装箱码头泊位作业优化

为保持泊位作业的高效运转,提高集装箱码头作业效率,针对泊位作业中岸桥可能出现的等待问题,建立一种船舶服务时间的数学模型.从初始、循环、收尾3个状态来研究泊位作业,着重分析集卡和岸桥作业的衔接,寻找出现泊位作业阻塞或死锁的原因.借鉴计算机领域中的缓存,提出缓存区域作业.应用缓存区域作业的泊位作业模型能够使岸桥保持持续工作,大大缩短了船舶服务时间.采用MicrosoftExcel的模拟算例结果表明,该优化方法可有效提高泊位作业效率.     

抵港时间不确定的多目标泊位-岸桥分配

针对不确定性因素造成的船舶提前或延迟到港的问题,考虑船舶抵港时间不确定性,建立以船舶在港时间和港口装卸成本最小化为目标的泊位-岸桥分配非线性混合整数多目标规划模型,利用优化技术处理非线性多目标问题.研究结果表明:模型能有效减少船舶抵港时间不确定性对港口运营造成的损失,优化船舶装卸操作成本和船舶在港作业时间,为集装箱码头提供了更合理的解决方案.     

基于粒子群算法的泊位分配集成优化研究

泊位分配直接影响着港口船舶的进港靠泊时间和作业效率.为获得合理的集装箱码头泊位分配计划,建立了以最小化船舶在港时间和码头运营成本的集成优化模型,并应用粒子群算法进行求解.通过与Gurobi软件求解结果进行对比,发现在求解大规模的船舶调度问题时,粒子群算法在求解时间上比Gurobi更有效.     

基于排队论的鼠浪湖铁矿石码头泊位布局优化研究

应用排队论优化鼠浪湖铁矿石码头泊位数量布局。通过x2检验验证该码头排队系统输入过程和服务时间服从泊松分布与负指数分布,选用M/M/S模型,以港、船双方发生和损失费用最小为目标,经优化计算,鼠浪湖码头泊位数量配置不合理。近期需要增加1个(10～30)万t级的泊位,每年可提高直接经济效益6 347.42万元,效益最佳。远期2025年鼠浪湖码头的铁矿石吞吐量预测将达到约7 960万t,其泊位数量布局须进一步优化,需要增加4个(10～30)万t级的泊位。     

向量自回归预测的泊位共享优化算法研究

以城市中心区的停车问题为主要研究对象,总结了城市中心区的停车特性。分析了国内外研究现状、在城市中心区停车特点的基础上,分析了停车需求预测、泊位共享理论、泊位共享分配策略等问题,构建了基于向量自回归预测的泊位共享优化算法。最后以重庆市江北区行政服务中心区域为实验对象,对该区域进行数据收集、分析和总结,为理论研究提供实例,验证了方法的可行性和有效性。     

集装箱码头连续型泊位与岸桥集成调度

摘要：
针对集装箱码头泊位与岸桥两类资源分配的问题,提出了以最小化船舶总在港时间为目标、同时决策泊位与岸桥分配计划的方法,建立了连续型泊位和岸桥集成调度的数学模型.采用拆分决策对象的双层循环迭代算法对模型进行求解.算法的上层使用遗传算法优化船舶优先级和岸桥数目;下层基于船舶优先级决策泊位和岸桥集成调度计划,并通过数据实验证明了该算法的有效性和优越性.
关键词：
集装箱码头; 泊位分配; 岸桥分配; 集成调度
中图分类号： TP 29; U 691
文献标志码： A     

停车场泊位诱导系统设计

针对某大型停车场管理系统中存在的停车泊位诱导问题,本文对该停车场的业主需求和存在的问题进行分析,统计了其交通流量情况,并在此基础上构建了满足业主需求的泊位诱导管理系统,介绍了其硬件系统结构及软件系统设计流程。通过该系统的实施,为入场车辆的停放提供向导,解决车主寻找停车泊位时的盲目性,并提高停车场管理系统的智能化程度。     

基于共享泊位分配模型的新建停车场规模

为缓解城市停车泊位供需不均衡的问题,对城市新建停车场泊位规模问题进行研究.采用共享泊位分配模型对停车需求进行预测,在此基础上引入了灰理想关联熵理论提出停车场规模修正系数概念,实现了对新建停车场泊位数量规模的测算.选取拉萨神力时代商圈范围内的三个新建停车场为研究对象,对其商业区和居住区的停车泊位供给现状、停车需求实际、平均步行距离进行了调研和分析,在此基础上引入粒子群优化算法对共享泊位分配模型进行求解获取新建停车场的停车需求,进而结合修正系数对新建停车场的泊位规模进行确定.研究结果可以有效弥补共享泊位分配模型在实际应用中的不足,为解决城市商圈停车难问题提供一个有效的途径.     

不确定性集装箱码头泊位与岸桥分配问题

泊位和岸桥是集装箱码头至关重要的战略资源,如何合理有效地分配泊位和岸桥资源,受到了研究者的重视.文章对不确定环境下的泊位分配和岸桥分配的联合鲁棒调度问题进行了研究,在传统泊位分配和岸桥分配模型的基础上建立了该模型的鲁棒对应式,并将其转化为鲁棒优化模型.针对模型特点设计了分支定界算法,最后通过具体算例,给出了分支定界算法的求解结果,分析了得到的泊位与岸桥调度计划的鲁棒性.实验结果说明,本文所建立的鲁棒性泊位与岸桥调度模型可以通过调节保护水平参数控制解的鲁棒性,具有很强的实际意义.