交通信息物理系统中的车辆协同运行优化调度

运输成本及温室气体的排放是衡量智能交通系统的重要指标，有效的运输调度可以降低运输成本和环境损害.针对路网中集成环保型货车的运输问题，本文提出一种基于交通信息物理系统（Transportation cyber physical system，TCPS）的大规模车辆协同调度及合并方案，以最大限度地降低运输成本和碳排放量.首先，采用局部调度策略，结合领队车辆选择算法及聚类分析，构建可合并车辆集合；然后，通过数学规划方法，实现每个车队集合中车辆路径与速度的改进优化处理；最后，通过突发情况的简易处理说明本文调度策略的可扩展性.仿真实验表明，用本文方法将车辆编组合并成车队行驶，较固定路径合并策略可显著降低路网中货运车辆的整体油耗.     

时变路网下带混合时间窗的车辆路径问题

针对时变路网下带混合时间窗的车辆路径问题,综合考虑多中心联合配送、混合时间窗、车辆行驶速度连续变化及车辆行驶速度、载重量对油耗的影响,以车辆派遣成本、油耗成本及时间窗惩罚成本之和最小为目标建立优化模型,并设计自适应遗传-大邻域搜索算法对其进行求解。该算法采用自适应交叉、变异以加快种群寻优速度,并引入时差插入法改进交叉算子和变异算子,嵌入移除算子和插入算子对可行解进行摧毁和重建以增加种群的多样性。通过多组算例验证算法的有效性,并分析了混合时间窗客户的比例变化及车辆行驶速度变化对车辆调度方案的影响,结果表明自适应遗传-大邻域搜索算法较基本算法有着更好的求解性能。该研究成果可丰富车辆路径问题的相关研究,为物流企业优化决策配送方案提供理论依据。     

时变路网条件下车辆路径问题的自适应蚁群算法

考虑实际生活中道路路况影响运输成本及油耗率与运载量相关的因素,处理跨多时段的问题,建立时变路网条件下的车辆路径问题数学模型。通过聚类算法和节约算法构造初始解,提高求解速度;自适应地改变启发式因子和期望启发式因子,提高算法全局收敛能力;结合油耗率,将油耗率转化成信息素挥发因子,自适应更新信息素,保证其收敛速度;通过3-opt策略,提高算法的局部搜索能力。基于以上方法构造自适应蚁群算法,对8个客户规模的实例进行仿真表明提出的算法在收敛速度和寻优结果两方面略优于自适应遗传算法和蚁群算法,且因为考虑了不同运载量的油耗,为准确估计运输成本提供了方法。     

考虑时变速度的多车场绿色车辆路径模型及优化算法

针对多车场绿色车辆路径问题,根据顾客的坐标位置,采用K-means聚类方法将顾客分配给不同的车场;考虑时变速度和实时载重对车辆油耗和碳排放的影响,确定车辆油耗和碳排放的度量函数;在此基础上,以车辆油耗成本、碳排放成本、车辆使用成本、驾驶员工资以及时间窗惩罚成本之和最小化作为优化目标,构建多车场绿色车辆路径模型,并根据模...     

基于综合经济效益优化的匝道合流车辆编队策略

研究高速公路匝道车辆序列合并编队的优化协调问题,根据环境参数优化设置合并阈值,减少排放、节约编队成员时间成本和燃油资源.首先,针对合流中自由车辆与已有车队同时存在的复杂场景给出阈值编队方案,结合车辆运动学和全期望公式,计算与编队阈值相关的特征值:1)队列规模概率;2)时间增量期望;3)队列间距期望.然后,根据特征值分析各经济成本增量,并利用连续动力学状态方程的转换推导行驶约束安全集,建立基于阈值的优化编队模型,在安全性前提下最大化车辆队列的全程综合经济效益.最后,通过仿真对比所提出策略与直接编队策略,验证所提出策略能够提升综合经济效益并满足计算实时性要求.仿真结果表明了巡航距离以及车辆密度对编队的综合经济效益影响较大.     

车队速度滚动时域动态规划及非线性控制

考虑自主车辆队列的节能安全问题，本文提出一种车辆队列协同控制方法，该方法可保证车队低能耗安全行驶.首先，充分考虑道路坡度以及车队异质性建立车队非线性模型，利用基于油耗模型的优化指标构建车队速度优化问题，提出一种滚动时域动态规划算法（Receding horizon dynamic programming，RHDP），获得车队的参考速度.然后，基于非线性车辆模型，运用反步法设计车辆跟踪控制器，并进行车队队列稳定性分析.这种协同控制方法的有效性已通过数值仿真和智能交通实验平台的验证.     

生鲜电商配送的TDVRPTW研究: 基于经济成本与环境成本兼顾的视角

基于经济成本与环境成本兼顾的视角,研究时变网络下生鲜电商配送的带时间窗车辆路径问题(TDVRPTW),综合考虑车辆时变行驶速度、车辆油耗、碳排放、生鲜农产品的易腐易损性、客户时间窗与最低新鲜度限制等因素,设计跨时间段的路段行驶时间计算方法,引入农产品新鲜度度量函数与碳排放率度量函数.在此基础上,以经济成本与环境成本之和最小为目标构建具有最低新鲜度限制的TDVRPTW数学模型,并根据模型特点设计一种自适应改进蚁群算法求解.最后采用案例验证所提出方法能有效规避交通拥堵时间段、降低总配送成本、促进物流配送领域的节能减排.     

集货需求可拆分的多越库中心库门分配及车辆路径协同优化

针对集货需求可拆分的多越库中心库门分配及车辆路径协同优化问题,综合考虑多越库中心共同配送、集货需求可拆分、库内操作等因素,以车辆派遣成本、车辆油耗成本、库内叉车固定成本和运输成本以及时间窗惩罚成本之和最小化为目标,建立优化模型.根据问题特征,设计混合遗传算法求解.该算法在交叉变异中引入具有方向性的粒子群寻优,采取进化逆转和保留最优个体策略改善求解质量.通过多组算例验证算法的有效性,并分析配送模式以及车辆类型对配送方案制定的影响.结果表明,所提出模式能有效降低越库中心运营成本.研究成果不仅可以丰富越库配送模式下的车辆路径问题研究,也为多越库中心物流企业合理利用资源制定科学的配送方案提供理论依据.     

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.     

有禁飞区的时间依赖型车辆与无人机协同配送路径优化

本文针对有禁飞区的时间依赖型车辆与无人机协同配送路径问题,综合考虑分时段禁飞的无人机禁飞区域、车辆行驶速度连续变化、车辆及无人机能耗等因素,以车辆派遣成本、车辆能耗成本、无人机能耗成本之和最小为目标建立优化模型.根据问题特征,设计遗传变邻域搜索算法对其进行求解.针对遗传算法易早熟、局部搜索能力较差等缺陷,将变邻域搜索算法与其结合以增强算法的局部搜索能力,引入自适应邻域搜索次数以增强对种群的搜索深度,采用精英保留策略不断改进最优解.通过多组算例验证了算法的有效性,并分析了配送模式、禁飞区数量、车辆行驶速度变化对配送方案的影响,结果表明禁飞区及车辆速度等因素在很大程度上影响物流配送成本.研究成果不仅丰富了车辆与无人机协同配送的场景,拓展了VRP问题的研究,也为物流企业制定配送方案提供了依据.     

A centralized control system for ecological vehicle platooning using linear quadratic regulator theory

This paper presents an ecological vehicle platooning control system that aims in reducing overall fuel consumption of the vehicles in a platoon. A centralized linear quadratic regulator system for controlling the vehicles in the platoon has been developed considering the aerodynamic characteristics of the vehicle and the resistance due to the road slope. The proposed control system is simulated on a highway with up?Cdown slopes for high speed driving. Its fuel saving performance is compared with a conventional decentralized vehicle platooning control system. Computer simulation results reveal the significant improvement in fuel economy by the proposed control system.     

城市交叉口车辆速度与交通信号协同优化控制

为了降低城市交通中的行车延误与燃油消耗,针对人类驾驶车辆与自动驾驶车辆混合交通环境,提出一种基于交通信息物理系统(TCPS)的车辆速度与交通信号协同优化控制方法.首先,综合考虑路口交通信号、人类驾驶车辆、自动驾驶车辆三者之间的相互影响,设计一种适用于自动驾驶车辆与人类驾驶车辆混合组队特性的过路口速度规划模型;其次,针对车辆速度规划单一应用时的局限性,即无法减少车辆路口通行延误且易出现无解情况,提出一种双目标协同优化模型,能够综合考虑车辆速度规划与路口交通信号控制,同时降低车辆燃油消耗与路口平均延误.由于双目标优化问题求解的复杂性,设计一种遗传算法-粒子群算法混合求解策略.基于SUMO的仿真实验验证了所提出方法的有效性.     

基于智能垃圾桶的垃圾分类动态收运路径优化问题研究

针对城市生活垃圾分类收运过程中存在的环境二次污染和垃圾产生量不确定性等问题,提出了一种基于智能垃圾桶的动态收运车辆路径优化方法。建立以最小化碳排放成本、燃油消耗成本、固定成本和车辆延迟到达惩罚成本为目标的动态车辆路径优化模型。采用滚动时域的方式将动态问题转换为一系列静态问题,并设计两阶段算法进行求解。首先采用粒子群算法对收运车辆路径进行规划,而后在每个时域末,综合考虑待清运垃圾桶的位置和垃圾量、垃圾收运车辆的位置和装载量以动态调整现有车辆路径。研究结果表明,相较于传统的静态收运方案,动态垃圾收运方案能够在降低车辆运输成本和碳排放成本的同时,显著降低由于清运不及时造成的环境二次污染的风险。     

Fuel efficiency‐oriented platooning control of connected nonlinear vehicles: A distributed economic MPC approach

This paper considers the fuel efficiency‐oriented platooning control problem of connected vehicles. We present a novel distributed economic model predictive control (EMPC) approach to solve the problem of the vehicle platoon subject to nonlinear dynamics and safety constraints. In order to improve fuel economy of the whole vehicle platoon, the fuel consumption criterion is used to design the distributed EMPC strategy for the platoon. Meanwhile, the car‐tracking performance is exploited to guarantee stability and string stability of the platoon. Then the fuel efficiency control problem of the platoon is formulated as a distributed dual‐layer economic optimal control problem, which is solved in a fashion of receding horizon. It is proved that the proposed strategy guarantees asymptotic stability and predecessor‐follower string stability as well as fuel economy of the whole platoon by minimizing the fuel consumption cost. Finally, the effectiveness of the proposed strategy is highlighted by comparing its performance with that of the traditional distributed MPC strategy in numerical simulations.     

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。     

马尔科夫链通信拓扑下的车辆队列最优能耗控制

针对马尔科夫链通信拓扑下的车辆队列控制问题,综合考虑车辆队列的非线性动力学模型和行驶能耗优化目标,提出一种基于分布式状态观测器的车辆队列能耗优化控制方法.由于在马尔科夫链通信拓扑下,部分车辆获取的邻居车辆信息具有动态切换特性,严重影响了车辆队列控制算法的有效性和稳定性.鉴于此,首先,设计一种用于估计领航车辆状态信息的状态观测器,有效避免通讯拓扑切换对队列控制系统造成的干扰;然后,结合车辆的非线性动力学模型与队列优化目标,构建一种基于指数折扣函数的车辆队列能耗优化框架,将车辆队列的能耗优化问题转化为Riccati方程的求解问题,进而得到车辆队列的最优能耗控制输入,在此基础上,通过构造动态通信拓扑下的李雅普诺夫函数,分析车辆队列控制系统的稳定性条件,即只要每个可能的通信拓扑均需包含一个以领航车辆为根的有向生成树,就可使得该车辆队列控制系统满足稳定性和队列稳定性;最后,通过数值仿真验证所提出控制算法的可行性和有效性.     

Speed planning and energymanagement strategy of hybrid electric vehicles in a car-following scenario

The development of intelligent connected technology has brought opportunities and challenges to the design of energy management strategies for hybrid electric vehicles. First, to achieve car-following in a connected environment while reducing vehicle fuel consumption, a power split hybrid electric vehicle was used as the research object, and a mathematical model including engine, motor, generator, battery and vehicle longitudinal dynamics is established. Second, with the goal of vehicle energy saving, a layered optimization framework for hybrid electric vehicles in a networked environment is proposed. The speed planning problem is established in the upper-level controller, and the optimized speed of the vehicle is obtained and input to the lower-level controller. Furthermore, after the lower-level controller reaches the optimized speed, it distributes the torque among the energy sources of the hybrid electric vehicle based on the equivalent consumption minimum strategy. The simulation results show that the proposed layered control framework can achieve good car-following performance and obtain good fuel economy.     

基于深度强化学习的网联车辆队列纵向控制

针对车辆队列中多目标控制优化问题,研究基于强化学习的车辆队列控制方法.控制器输入为队列各车辆状态信息以及车辆间状态误差,输出为基于车辆纵向动力学的期望加速度,实现在V2X通信下的队列单车稳定行驶和队列稳定行驶.根据队列行驶场景以及采用的间距策略、通信拓扑结构等特性,建立队列马尔科夫决策过程(Markov decision process,MDP)模型.同时根据队列多输入-多输出高维样本特性,引入优先经验回放策略,提高算法收敛效率.为贴近实际车辆队列行驶工况,仿真基于PreScan构建多自由度燃油车动力学模型,联合Matlab/ Simulink搭建仿真环境,同时引入噪声对队列控制器中动作网络和评价网络进行训练.仿真结果表明基于强化学习的车辆队列控制燃油消耗更低,且控制器实时性更高,对车辆的控制更为平滑.