公交车辆的监控和调度系统

开发了一个简易多功能的公交车辆监控和调度系统,系统由多功能车载终端和监控调度软件组成;车载终端由超低功耗单片机MSP430F1611、GPS、GPRS和自动计数等模块组成,该终端以最低的硬件资源实现了远程监控、自动报站和超速报警等多项功能;监控调度软件结合GIS平台和智能调度管理,实现对车辆实时动态地监控和智能调度;TCP/IP通讯协议保证了数据交换的实时性和准确性;系统测试证明了该系统的可靠性和稳定性.     

机场特种车辆指挥调度系统设计

基于GPS／GIS／GPRS技术,设计了机场特种车辆指挥调度系统,建立了车载终端与监控中心之间的信息传输,实现了机场特种车辆的实时动态位置定位。建立了机场特种车辆指挥调度的数学模型,利用遗传算法求解指挥调度方案,验证了调度模型的收敛性、有效性。该系统为机场特种车辆指挥调度提供了一种新的高效调度方法。     

山东科技大学研制成功新一代车辆监控调度系统

一项能全天候、全方位、高精度获得移动车辆的位置信息的高科技项目“基于GPRS通讯方式的GPS车辆监控调度系统”在山东科大问世,日前已通过鉴定。该系统是集GPS定位技术、GPRS现代移动通信技术和WEBGIS技术等于一身的新一代车辆监控与调度系统。其原理是将装有GPS接收机车辆的动态位置、时间、状态等信息通过INTERNET网实时传至监控及调度中心,中心根据车辆的准确位置、速度、运动方向、车辆状态等信息参数,对车辆进行动态监控、报警处理、车辆调度、信息管理等工作,从而实现对车辆的科学、合理的智能调度管理。用户在任何连接…     

车辆调度优化模型仿真研究

研究车辆调度优化问题,针对运输车辆的空间排放和时间安排等,要达到运输路径最短,费用最省的要求.为了实现城市车辆优化调度,节约运输成本,同时传统的车辆调度算法存在计算复杂度高,不利于实际应用等问题,提出了一种改进的车辆调度优化算法模型.首先对城市车辆调度建立优化数学模型,建立一种动态开放的车辆调度系统,并采用匈牙利算法对数学模型进行求解.仿真结果表明,提出的新的算法不仅能有效的求解车辆调度优化模型,而且计算机复杂度较低,计算效率较高,收敛速度较快,验证了算法的实用性和有效性.     

基于Hadoop的车辆调度算法优化及应用

随着互联网技术的快速发展,各行各业所产生的信息数据也在以指数级的速度增长.传统的车辆调度算法已经不能够很好地解决车辆调度问题中出现的实时性,大规模等问题.因此,本文构建了一种基于Hadoop的动态车辆调度并行智能优化算法.该算法以传统遗传算法为基础,通过改善遗传算法全局优化能力弱和收敛于局部次优解的问题,并利用Hadoop平台的并行计算机制对传统遗传算法进行改进,使其能够有效应对大规模、快速响应的车辆调度.数值计算结果表明：基于Hadoop的车辆调度算法能够有效提升传统调度算法的优化性能,在处理大规模车辆调度问题时具有良好的加速比.     

基于GPS/GPRS/GIS平台的消防GPS车辆管理系统构建

随着灭火救援任务的日趋繁重,消防工作的重要地位显得更为突出。如何进一步提高消防部队的快速反应能力,实现消防车辆的动态管理、动态调度、动态指挥是其中的关键环节。本文针对传统的车辆管理,利用成熟的GPS/GPRS/GIS平台,建立GPS车辆管理系统,应用于消防实战,以提高消防部队的战斗力。     

基于大数据平台的动态车辆路径调度算法

针对动态车辆路径调度问题的难解性,提出一种基于大数据计算模型的车辆路径调度算法。利用大数据计算收集和处理初始数据,在关键路径节点设置警报标志实现动态更新路径机制,将传统的单一时间成本车辆路径问题描述为动态时间序列的运输成本优化问题,并给出运输总成本的目标函数。在Sioux Falls网络中进行的数值模拟分析结果表明,该算法能有效地求解车辆路径调度问题,且随着网络数据量的动态性增加,与传统的PFIH算法、Tabu算法相比,其时间性能具有明显优势。     

面向交通信息采集的智能无线传感器节点

为了准确实时获取交通信息参量,利用无线传感器网络技术作为智能交通感知前端和通信手段,融合GPRS技术,构建交通信息采集网,为道路交通信息采集提供了更加便捷的解决方案。设计了交通信息采集的传感器节点,提出了动态车辆探测算法和车速测量算法。实测结果表明:动态车辆探测算法和车速测量算法能够在计算能力有限的传感器节点上实现,能准确实时地获得车流量、车速等交通参量;该交通信息采集系统能满足网络大规模部署的需求,可应用于智能交通系统。     

基于蚁群算法和GPS的动态车辆调度问题的研究

随着经济的发展,科技的进步,越来越多的人们追求智能化、便捷、快速的生活.车辆调度问题涉及的行业也备受关注.目前,GPS、GIS技术都普遍应用于商业.研究引用GPS/GIS技术和改进的蚁群算法的动态车辆调度问题具有重要现实意义.分析了动态车辆问题、相关算法、GPS/GIS技术和相比其他动态车辆调度问题的优势.动态车辆调度的实时调度可以降低车辆空驾驶率,充分利用车辆燃料,节约成本,提供高效、快捷的路线.     

基于免疫萤火虫算法的RFID仓储车辆动态调度

针对物流配送实时仓储车辆调度问题,提出了一种基于RFID技术的免疫萤火虫车辆动态调度框架。建立了基于配送成本的带约束条件车辆路径问题数学模型,运用免疫萤火虫优化算法求解该模型,免疫萤火虫优化算法将萤火虫优化及免疫克隆技术融合,采用多层进化模式,在低层萤火虫操作中及高层免疫操作中分别引入多态子种群自适应机制和全局极值筛选策略,以提高算法全局收敛效率,在此基础上设计了仓储车辆动态调度框架,将车辆动态调度过程分为车辆调度任务控制和路径优化两个阶段,给出了车辆动态调度任务处理流程。实验仿真表明,该车辆动态调度算法能够有效地解决大规模动态物流车辆调度问题。     

运力受扰下车辆调度干扰管理问题研究

为解决物流配送系统中因运输车辆毁坏而产生的干扰问题,建立混合整数规划干扰管理模型。针对多车场车辆调度干扰管理问题的特有属性,设计一系列求解简化策略,简化问题的求解空间。结合干扰管理模型的特点,使用基于扰动值的改进节约算法进行求解。数值实验从多车场车辆调度问题和车辆调度干扰管理问题2个角度验证干扰管理模型及改进算法的有效性。     

基于改进遗传算法的车辆调度模型

随着运输网络复杂程度的不断增加,运输车辆会遇到车祸、拥堵等干扰,传统的车辆调度模型缺少对这种干扰风险的分析,无法建立较为准确的调度模型,造成调度车辆遇到干扰时,调度效率大幅降低。为了避免上述缺陷,提出了一种基于改进遗传算法的车辆路径调度算法,引入扬长避短的思想,对所有的车辆运输路径进行编码,并对所有的路径进行选择、交叉和变异运算,运用模拟退火算法提高算法的寻优性能,形成车辆的高效调度。实验结果表明,利用改进算法进行车辆调度,能够提高运输的效率,从而满足实际运输需求。     

基于两阶段求解算法的动态车辆调度问题研究

在分析需求动态变化的基础上,根据需求信息的提出顺序,将动态配送问题转换成不同时刻的静态车辆调度问题,建立基于时间轴的动态车辆调度模型;利用量子理论改进遗传算法,设计量子遗传算法;针对动态车辆调度问题实时性强的特点,设计＂初始优化阶段＋实时优化阶段＂的两阶段求解策略,通过信息更新插入动态需求客户,并对已产生的计划路径进行局部优化调整.通过仿真计算,验证了模型和算法的有效性.     

基于改进粒子群算法的物流配送车辆调度优化

车辆优化调度是提高物流企业运营效益的重要因素,针对标准粒子群优化算法存在的不足,提出一种改进粒子群算法（IPSO）的物流配送车辆调度优化方法。建立物流配送车辆调度优化的数学模型,将车辆与车辆路径编码成粒子,通过粒子之间的协作找到最优物流配送车辆调度优化方案,并对粒子群算法存在的不足进行了相应的改进,最后给出仿真实验对其性能进行测试。实验结果表明,IPSO算法不仅加快了物流配送车辆调度优化问题求解的速度,而且获得了最优解的概率,具有比其他调度算法更明显的优势。     

基于K均值聚类和LK算法的应急物资调度

突发性事件中应急物资调度方案最优化问题是典型的车辆路径规划（VRP）问题。对于大规模的VRP问题求解,经典的启发式算法易陷入局部最优,难以得到高质量的调度方案。针对这一问题,提出了一种基于K均值聚类和LK算法的调度方法。该方法采用K均值聚类方法将需求节点分成n个子集合,对聚类结果进行修正后分配给n辆运输车辆,采用LK算法对每辆运输车辆的运输路径进行优化。仿真实验结果表明,方法获得了较好的调度方案,而且单个运输车辆服务的需求节点个数越多,方法的优势越明显。     

基于蚁群算法的网络安全路由算法研究

通过研究蚂蚁寻食的轨迹,分析推理出一种得到最优路径的并行算法,由于其灵感来源于蚂蚁,所以起名为蚁群算法。蚁群算法是近年才发展起来的,成功应用于很多领域,如车辆调度问题、分布式人工智能研究、负载平衡、大规模集成电路设计、工厂生产计划制定方面、图像着色和路由算法方面等等。本文主要是运用蚁群算法,寻找Ad Hoc网络中最优路由路径,使整个Ad Hoc网络成为一个稳定可靠的网络系统。     

基于GA的时变路网中车辆动态派遣的研究

为了使网络中的车辆调度问题更加符合实际交通状况,针对时变网络中的车辆调度问题进行了研究。将传统车辆调度模型进行了修改,目标函数中考虑了车辆的总行驶费用、总迟到惩罚、车辆总启用费用3种因素,以提高模型的适应性和通用性。由于车辆调度问题属于NP难问题,提出了采用遗传算法对问题进行求解。采用标准的VRP问题进行测试,仿真结果表明该算法简单可行,较BC-Saving启发式算法有更好的求解性能。     

时间依赖型车辆路径问题的一种改进蚁群算法

时间依赖型车辆路径规划问题(TDVRP),是研究路段行程时间随出发时刻变化的路网环境下的车辆路径优化.传统车辆路径问题(VRP)已被证明是NP-hard问题,因此,考虑交通状况时变特征的TDVRP问题求解更为困难.本文设计了一种TDVRP问题的改进蚁群算法,采用基于最小成本的最邻近法(NNC算法)生成蚁群算法的初始可行解,通过局部搜索操作提高可行解的质量,采用最大--最小蚂蚁系统信息素更新策略.测试结果表明,与最邻近算法和遗传算法相比,改进蚁群算法具有更高的效率,能够得到更优的结果;对于大规模TDVRP问题,改进蚁群算法也表现出良好的性能,即使客户节点数量达到1000,算法的优化时间依然在可接受的范围内.     

Modeling rolling batch planning as vehicle routing problem with time windows

This paper considers the rolling batch planning problem of grouping and sequencing a given set of slabs into several rolling units in iron and steel industry. The existing mathematical methods often used for the problem are traveling salesman problem (TSP) and vehicle routing problem (VRP), but these methods are not precise, because the position limitation of some slabs in a rolling unit scheduling is not considered. Therefore we suggest a new model, vehicle routing problem with time window (VRPTW) to describe the rolling batch planning problem, in which the position limitation of slabs are quantified as the time constraints. Several solution methods including the genetic algorithm are presented for solving the problem and the computational results show that the genetic algorithm is superior to other methods.In this paper, the vehicle routing problem with time window (VRPTW) of combinational optimization is used to analyze and model the rolling batch planning problem. Genetic algorithm and heuristic are used to solve the problem. Simulation results based on the actual production data show that this model is precise and the genetic algorithm based method is very promising.