突发事件下车辆路径问题的动态规划算法

突发事件下的车辆运输具有紧迫性、动态性和随机不确定性等特点.本文研究了突发事件下动态车辆路径问题的数学模型,构建了一种基于混沌优化的动态规划算法,为此通过路径计算和动态规划两个模块来实现车辆路径的动态规划.为实现从混沌运动空间向问题可行解空间的有效映射,提出了相应的编码方法和操作算子.最后进行仿真,通过对静态环境、道路受损和道路拥塞三种情况的分析,验证了实时修订路经的有效性和实用性,为突发事件提供参考.     

交通路径诱导系统中最优路径选取研究与仿真

研究交通路径诱导系统优化问题。复杂路况高峰时多条道路车辆同时汇聚造成交通拥塞,但是拥塞信息的实时变化存在高度的非线性和突变性。传统的交通路径诱导系统,仅仅是针对最短距离进行路径选取,非线性和突变性拥堵信息不能在模型中得到反应,一旦拥堵发生,会降低交通路径诱导的效率。提出了一种基于自适应t分布变异人工鱼群算法的交通路径诱导系统。引入t分布变异算子将高斯变异和柯西变异的优点结合起来,提取交通路径拥塞参数,并将其反馈到控制端,使用AFSA方式进行迭代处理,将迭代次数作为t分布的自由度参数,从而提高了交通诱导的效率。实验证明,鱼群算法提高了交通路径诱导的性能,避免了交通拥塞的缺陷。     

基于云网格集成调度的防拥堵车辆路径规划算法

在道路交通路网中,车辆拥堵问题是流量与路网结构之间相互作用的一个复杂动态过程,通过车辆路径规划,实现对路网网格集成调度,从而提高路网通行吞吐量。传统方法采用并行微观交通动态负载平衡预测算法实现车辆拥堵调度和车辆路径规划,不能准确判断路面上的车辆密度,路径规划效益不好。提出一种基于云网格集成调度的防拥堵车辆路径规划算法,即构建基于Small-World模型的云网格路网模型,采用RFID标签信息进行路况信息采集,实现交通网络拥堵评估信息特征的提取,采用固有模态函数加权平均求得各车道的车辆拥塞状态函数,对所有车道内车辆密度取统计平均可获得簇内的车辆密度。设计交通路网拥堵检测算法来对当前个体道路信息进行一维邻域搜索,从而实现车辆路径规划控制目标函数最佳寻优。通过动态博弈的方式求得车辆防拥堵路径的近似最优轨迹,实现路径规划算法的改进。仿真结果表明,该算法能准确规划车辆路径,实现最优路径控制,从而提高严重拥堵路段的车流速度和路网吞吐性能,性能优越。     

一种快速规避拥塞的路由算法

为了平衡网络负载,优化网络资源使用,路由算法必须具备快速规避拥塞的能力.文章借鉴了最短路径算法和蚂蚁算法,在拥塞出现以后,分别以拥塞链路的相邻两端节点为中心、以一个事先设定的路径优劣评价函数为标准,通过两组寻路蚂蚁,逐渐增大网络搜索范围,各自独立寻找绕开拥塞链路到达对方的最优相向路径.直到上述找到的相向路径中途相遇(节点集中出现相同的节点),则意味着算法成功找到了绕开了拥塞链路新路径,算法结束.经仿真证明,该算法由于充分地利用了拥塞前的QoS路由信息,加上具体寻路过程利用了蚂蚁算法的并发性,明显节省了QoS路由搜索时间,有效地规避了网络拥塞,提高了网络服务能力.     

基于离散事件辨识的交叉路口自适应信号调度

交叉路口的车辆调度是长期被关注的热点问题。由于交通流量分布的不确定性,道路拥塞现象不能完全避免。交通输送能力也难以在短期内有质的改善。本文提出了一种自适 应信号调度算法,并通过分析不同车道的通行优先级,将车辆的到达、排队等待和离开均分别看成离散事件的不同状态。运用排队论对车辆的每一个状态进行辨识,预测出下下一周期内各车道的车辆数目。本文提出了道路交通流量的目标优化函数。在相关约束条件的基础上,信号周期能根据实时交通流量和对应道路的饱和交通流量来进行调整。通过文中实例分析表明：该算法增强了整个路网的吞吐能力,提高了道路的利用率     

智能交通系统信息采集终端的研究

随着社会的不断发展,越来越严重的交通拥堵给人们的出行带来诸多不便。开发出一套有效的智能交通系统用来缓解交通拥堵是很有必要的。利用图像传感器所拍得的图像信息与背景图像的对比,计算出该道路的车辆数量,通过测速线圈测得车辆经过的速度,再通过信息融合技术和相应的算法将两组数据融合处理,得出该道路的拥塞情况,通过GPRS网络将该拥塞数据反馈到交通指挥中心。     

一种综合高效的实时道路导航方案

根据目前道路导航方案以自主车辆型和局部最短路径选择为主的现实,利用GPS技术、分级路由选择算法、移动主机路由选择算法、动态权值修正算法和Dijkstra算法设计了一个综合的道路导航方案.GPS技术实现车辆定位,分级路由选择算法可降低道路的数据复杂性,提高计算机的检索速度,动态权值修正算法可实时修改道路的权值,Dijkstra算法可实现最短路径查找.该方案可实现全国范围内任意两个地点的实时最短路径选择,并能进行实时道路导航.     

交通信息采集中WSN拥塞控制算法研究

为了提高交通信息采集系统中无线传感网络数据传输可靠性和实时性,提出一种高性能拥塞控制(HPCC)算法。针对单一拥塞检测无法准确预测网络负载情况问题,该算法根据队列占用率和拥塞持续时间定义拥塞预知状态指数,并通过对拥塞状态指数的判断,来准确预测拥塞趋势。为了避免最优路径失效导致网络瘫痪的问题,该算法基于TOPSIS理论思想构建选择模型,在拥塞节点周围建立临时最佳路径进行分流调节并将节点拥塞程度、剩余能量、距离原路径跳数以及信道接入率作为下一跳节点选择依据。实验结果表明,该算法能有效准确地检测拥塞,减小延迟,降低了网络能耗,保证数据的逼真度。     

人工智能在网络拥塞控制中的路径优化研究

研究网络拥塞控制问题,由于网络数据量增大,使网络的吞吐能力下降,延长传输时间,引起信息丢失.要解决网络拥塞控制的路径优化问题,采用单一的遗传算法或粒子群算法对网络拥塞路径进行优化,其精度较差.为了提高网络拥塞控制路径优化的速度和精度,提出将遗传算法和粒子群算法组合方法,实现控制网络路径的优化.组合算法在优化前期采用粒子...     

WSN导航中的拥塞控制算法

针对无线传感器网络导航中出现的拥塞问题,提出一种拥塞检测和缓解算法。每个节点周期检测其导航的用户数量,根据用户数量是否超过上限判断其所在路径是否发生拥塞,若发生拥塞,采用拥塞缓解算法,导航相应用户到其他路径,从而使用户更加快速、安全地逃离危险区域。仿真实验结果表明,该方法在导航时能有效控制网络拥塞,使路径负载更加平衡。     

Minimum cost VRP with time-dependent speed data and congestion charge

A heuristic algorithm, called LANCOST, is introduced for vehicle routing and scheduling problems to minimize the total travel cost, where the total travel cost includes fuel cost, driver cost and congestion charge. The fuel cost required is influenced by the speed. The speed for a vehicle to travel along any road in the network varies according to the time of travel. The variation in speed is caused by congestion which is greatest during morning and evening rush hours. If a vehicle enters the congestion charge zone at any time, a fixed charge is applied. A benchmark dataset is designed to test the algorithm. The algorithm is also used to schedule a fleet of delivery vehicles operating in the London area.     

Vehicle routing under time-dependent travel times: The impact of congestion avoidance

Daily traffic congestion forms a major problem for businesses such as logistic service providers and distribution firms. It causes late arrivals at customers and additional costs for hiring the truck drivers. Such costs caused by traffic congestion can be reduced by taking into account and avoiding predictable traffic congestion within vehicle route plans. In the literature, various strategies are proposed to avoid traffic congestion, such as selecting alternative routes, changing the customer visit sequences, and changing the vehicle-customer assignments. We investigate the impact of these and other strategies in off-line vehicle routing on the performance of vehicle route plans in reality. For this purpose, we develop a set of vehicle routing problem instances on real road networks, and a speed model that reflects the key elements of peak hour traffic congestion. The instances are solved for different levels of congestion avoidance using a modified Dijkstra algorithm and a restricted dynamic programming heuristic. Computational experiments show that 99% of late arrivals at customers can be eliminated if traffic congestion is accounted for off-line. On top of that, about 87% of the extra duty time caused by traffic congestion can be eliminated by clever congestion avoidance strategies.     

考虑交通拥堵的冷链物流城市配送的GVRP研究

针对目前研究冷链物流车辆路径问题多未考虑交通拥堵对运营成本的影响,将道路拥堵因素融入到冷链物流绿色车辆路径（Green Vehicle Routing Problem）优化数学模型中。兼顾经济成本和环境成本,在时变网络下综合考虑冷链物流中车辆管理成本、运输能耗成本、货损成本、制冷成本以及客户需求时间窗的惩罚成本,同时引入运输和制冷过程中产生的碳排放成本,统筹安排车辆路径,使得物流企业整体运营成本最低,更绿色环保。在此基础上根据模型特点设计改进蚁群算法进行求解,用实例对模型和算法进行仿真,验证该模型和方法可以有效地规避拥堵时段,降低配送成本,促进物流企业的节能减排,可以为物流企业冷链配送路径决策提供良好的参考依据。     

考虑拥堵区域的多车型绿色车辆路径问题优化

针对降低物流配送过程中产生的碳排放问题,从绿色环保角度出发,提出一种考虑交通拥堵区域的多车型物流配送车辆的绿色车辆路径问题（GVRP）。首先分析不同类型车辆、不同拥堵状况对车辆行驶路线规划的影响,然后引入基于车辆行驶速度和载重的碳排放速率度量函数;其次以车辆管理使用费用和油耗碳排放成本最小作为优化目标,构建双目标绿色车辆路径模型;最后根据模型的特点设计一种融合模拟退火算法的混合差分进化算法对问题进行求解。通过实验仿真验证模型和算法可以有效规避拥堵区域,与只使用单一4 t车型配送相比,所提模型总成本降低了1.5%,油耗碳排放成本降低了4.3%;和以行驶距离最短为目标的模型相比,所提模型的总配送成本降低了8.1%。说明该模型提高物流企业的经济效益也促进了节能减排。同时所提算法与基本差分算法相比,总配送成本可以降低3%~6%;与遗传算法相比,优化效果更明显,总配送成本可以降低4%~11%,证明该算法更具有优越性。综上所提模型和算法可以为物流企业城市配送路径决策提供良好的参考依据。     

基于多模型融合的车辆通过时间预测

车辆通过某一路网的时间是测算交通拥堵程度的重要指标。为提高车辆通过时间的预测精度，不仅要考虑数据采集精度的影响还要考虑模型的选择。本文提出多模型融合的车辆通过时间预测方法，发现多模型融合的预测精度较高。以某高速公路3个交叉口路段的车辆通行监测数据作为实证数据，用模型融合算法与单一模型进行对比，说明多模型融合算法在交通拥堵治理领域的应用潜力。     

考虑交通拥堵规避的低碳时变车辆路径问题研究

针对时变路网条件下的低碳车辆路径问题,首先,分析车辆离散行驶速度与连续行驶时间之间的关系,依据“先进先出”准则设计基于时间段划分的路段行驶时间计算方法,引入考虑车辆速度、实时载重、行驶距离与道路坡度因素的碳排放计算函数;然后,在此基础上以所有车辆的碳排放量最小为目标构建低碳时变车辆路径问题数学模型;最后,引入交通拥堵指数,设计交通拥堵规避方法,并根据模型特点设计一种改进蚁群算法求解.实验结果表明,所提出方法能有效规避交通拥堵、缩短车辆行驶时间、减少车辆碳排放,促进物流配送与生态环境和谐发展.     

车联网中基于K均值聚类的拥塞控制方法

针对十字路口下车辆密度过大时造成的车联网拥塞问题,提出基于K-means聚类的车联网拥塞控制方法。在IEEE802.11P协议模型的基础上,引入处理高并发数据的拥塞控制模块,利用网络层分簇时V2V相对距离值作为K-means聚类算法帧分类的相似度区分值,与VANET的网络标准参数建立拥塞控制方法(KCC),避免同一类车辆节点交互不同步和高密度节点情况下网络拥塞概率过高等问题。仿真结果表明,KCC与CSMA/CA相比有较好的平均时延、平均吞吐量、丢包率、冲突概率等性能。     

A conflict–congestion model for pedestrian–vehicle mixed evacuation based on discrete particle swarm optimization algorithm

A simulation model based on temporal–spatial conflict and congestion for pedestrian–vehicle mixed evacuation has been investigated. Assuming certain spatial behaviors of individuals during emergency evacuation, a discrete particle swarm optimization with neighborhood learning factor algorithm has been proposed to solve this problem. The proposed algorithm introduces a neighborhood learning factor to simulate the sub-group phenomenon among evacuees and to accelerate the evacuation process. The approach proposed here is compared with methods from the literatures, and simulation results indicate that the proposed algorithm achieves better evacuation efficiency while maintaining lower pedestrian–vehicle conflict levels.     

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。