基于优化遗传算法的网约车合乘模型

随着城市居民绿色低碳出行思想的提高,网约车合乘出行方式应运而生.但由于合乘模式涉及到的行驶路线问题,乘客与乘客、乘客与驾驶员之间容易产生分歧,并且网约车合乘出行模式的相关成本不明确等诸多问题,网约车合乘模式没有被大范围推广和应用.针对网约车合乘出行模式存在的问题,研究并构建了网约车合乘路径优化模型,模型中考虑了车辆等待时间成本、行驶距离成本、收益、容量约束以及时间窗约束等.针对网约车合乘模型的特点,并基于遗传算法思想,研究设计了满足合乘模型约束条件的求解遗传算法.并使用Matlab软件运行算法程序对算例进行求解,运行44.08 s得到最大利润6 906.297 1元及车辆详细行驶路线,实验表明,通过构建的网约车合乘模型和设计的遗传算法,可以得到合乘路径近似最优解,证明了模型和算法的可行性和有效性.     

通勤合乘路径优化模型与算法

道路车辆的增多导致城市交通和环境问题日益严重, 共享合乘被认为是减少交通拥堵, 降低碳排放的有效方法, 特别是在新冠疫情持续影响下, 通勤者采用互助合乘出行意愿较高. 本文考虑到通勤时间的紧迫性, 通勤者存在通勤压力和合乘不适感, 在没有经济效益驱动的情况下, 限制合乘路径的匹配范围, 并加入惩罚因子以提高合乘配对成功率. 本文提出了一种基于最优时间插值的贪婪启发式算法, 添加了3种扰动算子来提高全局搜索能力, 采用多组不同规模案例测试扰动效果. 结果表明: 设计算法可以在短时间内求解出更优结果, 在解决大规模问题上,相比于精确算法、粒子群算法和遗传算法更具竞争力. 此外, 通过选取位置较远且分布均匀的职员作为接送者, 可以改善合乘效果.     

出租车合乘多目标优化方法研究

出租车合乘是缓解我国日益严峻的交通拥堵问题的重要手段。为高效解决出租车合乘问题，综合考虑出租车车辆总数、乘客等待时长、车辆运输总里程数三个指标，建立了优化这三个指标的数学模型。在此基础上，基于NSGA-II算法设计和实现了解决该优化问题的多目标遗传算法。最后，在某城市某日某时刻3 min之内的打车需求数据上对模型和算法进行了实验验证。实验结果表明，该模型与算法能带来较高的合乘发生率和较满意的合乘利润率，具有较好的合乘效益。     

基于动态规划算法的出租车合乘模式研究

针对目前出租车“一人一乘”的租赁模式导致空载率较高的问题,对现有的车辆合乘模式予以改进,以提高出租车在城市公共运输系统的辅助效应.通过构建一种适合国内大中型城市出行分布特征的出租车合乘模式,对出租车运营路径按各节点已确定乘载需求以决策树求解,对运行过程中的临时乘载需求,以动态规范算法计算调整路径的插入可行性,实现整体的动态规划调度.模拟程序实验结果表明,随着乘载量的提高,车辆运载效率也随着提高.     

考虑乘客信任程度的营运车辆合乘线路规划

车辆合乘是解决交通拥堵的有效方法,然而乘客对车辆合乘行为缺乏信任是影响合乘发展的难题。针对这一问题,通过引入信任度权重和用户偏好来衡量合乘的信任水平,以车辆的总行驶距离最短以及总信任度值最高为目标函数,同时考虑了车辆搭载容量约束、车辆行驶距离约束、乘客需求响应约束以及车辆站点服务约束,构建了考虑乘客信任程度的合乘模型,然后针对该模型采用改进的遗传算法进行求解。最后采用北京市新发地周边地区的营运车辆数据进行算法验证。结果表明,该模型能够在有效减少车辆总行驶距离的同时保障较高的乘客合乘信任水平,相较于仅考虑距离优化的模型,距离成本增加了14.8%,信任水平提升了3.3倍。通过对优化结果的对比分析,验证了模型和算法的有效性。     

自动驾驶出租车动态合乘效益仿真分析

自动驾驶出租车共享出行是未来变革性的智能交通方式,它将带来前所未有的社会效益。共享订单数(合乘人数)是影响出行时间、费用、舒适度和运营成本的关键参数,然而鲜有研究对共享人数上限进行分析。为此,文中基于多人共享的路径规划方法,建立了一个自动驾驶出租车动态合乘的仿真系统。该系统由"搜索""调度""等待"3个模型组成,在变化乘车需求的情况下,对共享人数上限进行了探讨。在深圳市南山区41.25 km²的路网上仿真不同共享人数上限和出行需求情况下的效益,结果表明,共享模式极大地提高了出行成功率(达到了20%)并降低了总耗时(降低到原来的3%～23%)。当共享人数上限达到一定值时,合乘效益逐渐收敛。在出行需求较高的情况下(人车比率大于5),共享人数上限设为3～4人时,合乘效益得到最大优化。实验结果充分说明了多乘客共享出行能够缓解当下"打车难"的问题,且随着出行需求的增加,自动驾驶共享模式相比传统非共享模式具有更强的鲁棒性。     

低碳导向的网约车合乘动态匹配算法研究

针对网约车合乘减排效益未能充分发挥的问题,提出一种低碳导向的网约车合乘动态匹配算法,可在保证网约车合乘经济效益的同时优化合乘的减排效益。首先根据合乘规则构建可合乘网络,然后基于图优化理论将可合乘网络转换为带权无向图,同时基于COPERT模型计算潜在合乘订单的碳减排量作为无向图的权重,最后利用改进的最大权重匹配方法对其进行求解,进而得到碳减排效益最大化的合乘匹配方案。以成都市网约车订单数据为分析实例,对该算法与传统匹配算法进行对比评估。结果表明,当乘客最大允许延误为10 min时,该算法下的可合乘出行比例达86%,碳减排总量相比传统匹配算法可提高122%,单次合乘行程的减排效率平均提高128%。因此,本文提出的算法能够在不影响平台经济效益的情况下,显著提升合乘减排效益。     

基于改进遗传与神经网络的同事合乘匹配混合算法研究

针对现阶段单位同事合乘匹配搜索算法存在整体出行效率较低,算法发展速度慢等问题,提出一种遗传算法和人工神经网相融合的合乘匹配算法。该算法的遗传部分采用基因组的编码形式构造染色体,并在种群初始化时引入先验条件,提高算法效率;根据基因组形式设置特殊交叉点,保证染色体交叉过程中优秀基因组不被破坏;在构建人工神经网络过程中,以上述遗传算法迭代的过程代替网络训练过程,方便随时快速地调用。测试结果表明,混合的算法能够快速、高效地规划合乘组合,使合乘出行具有较高的效率。     

基于偏好矩阵遗传算法求解长期车辆合乘问题

针对长期车辆合乘问题（LTCPP）,提出带有偏好矩阵的遗传算法（PMGA）,将拥有私家车且目的地相同的用户群体分配到产生总花费最少的合乘小组。首先,建立计算基于全体用户费用成本的目标函数,构建以用户时间窗和车容量为约束的长期车辆合乘模型;然后,结合模型特点,在传统遗传算法（GA）的基础上,通过在交叉算子与变异算子中添加偏好矩阵记录并更新用户间的偏好信息来提高可行解的数量和质量。实验结果表明,在相同计算环境下,当用户数量小于200时,通过PMGA所获得的20个解中的最优解的值与最优化算法相同;而处理大规模的实例时,PMGA可以获得更高质量的解。所提算法可以明显提高长期车辆合乘问题的求解质量,在降低汽车尾气污染和减少交通拥挤等方面具有重要作用。     

基于改进蚁群算法的出租车路径规划算法

交通资源规划是一种比较典型的组合优化问题,新型的仿生算法--蚁群算法,由于具有正反馈性、鲁棒性、并行计算、协同性等特点,非常适合于解决交通资源规划问题.针对出租车路径规划问题的特点以及蚁群算法在这方面应用的一些不足,提出了一种改进的蚁群算法.根据同一蚁群的信息素相互激励,不同蚁群之间信息素相互抑制的原理,该算法实现了出租车资源的合理分布.     

Optimization and evaluation of shortest path queries

We investigate the problem of how to evaluate efficiently a collection of shortest path queries on massive graphs that are too big to fit in the main memory. To evaluate a shortest path query efficiently, we introduce two pruning algorithms. These algorithms differ on the extent of materialization of shortest path cost and on how the search space is pruned. By grouping shortest path queries properly, batch processing improves the performance of shortest path query evaluation. Extensive study is also done on fragment sizes, cache sizes and query types that we show that affect the performance of a disk-based shortest path algorithm. The performance and scalability of proposed techniques are evaluated with large road systems in the Eastern United States. To demonstrate that the proposed disk-based algorithms are viable, we show that their search times are significant better than that of main-memory Dijkstra's algorithm.     

考虑基站选址的UAV交通巡视路径超级时空网络模型

针对考虑基站选址的无人机交通巡视路径优化问题,提出一个超级网络与时空网络相结合的方法,并通过该方法建立模型。通过在时空网络添加虚拟起降点,与全部时刻的备选基站相连接构成超级时空网络,可将考虑基站选址的路径规划转换为一个单纯的多UAV路径规划问题。与不考虑基站选址的路径规划相比,考虑基站选址能够使最大单机飞行时间和总飞行时间分别减少5.71%和11.59%。数值分析表明,基站选址和交通巡视路径规划整合可有效减少UVA的巡视成本。     

考虑模型误差的浸出过程优化方法

由于浸出过程较为复杂,其过程模型难以准确地反映实际过程,导致基于该模型的过程优化结果不是实际最优值.基于此,提出一种考虑模型误差的浸出过程优化方法,利用高斯混合模型对浸出过程混合模型的误差均值和方差进行描述,并将其引入优化目标中.构建考虑模型误差的浸出过程优化模型,并以二阶振荡粒子群优化算法完成对优化模型的求解.最后通过仿真实验表明了所提出方法的有效性.     

基于局部搜索和遗传算法的激光切割路径优化

为了缩短激光加工时间,提高加工效率,提出了一种新的局部搜索法与遗传算法相结合的激光切割路径优化算法。该算法从加工轮廓中提取节点,通过局部搜索法对节点进行局部路径优化,再运用的遗传算法求得近似最优解,遗传算法中的选择算子改进为基于相对适应度的轮盘赌选择算子。详细介绍了算法的原理及实现,通过编程仿真证明该算法与传统的遗传算法相比具有良好的优化效果,可明显缩短加工路径,减少加工时间,提高加工效率。     

基于E-CARGO模型的共乘出行匹配建模与优化方法

共乘出行应用系统通过提高汽车可用座位容量利用率来减少交通拥堵、缓解停车位紧张,提高社会效益和环境效益。司机和乘客的实时匹配和优化技术是共乘系统的核心内容。基于角色的协同（RBC）是一种用于促进组织结构、提供有序系统行为和协调系统内活动的新方法。为了减少乘客和司机的动态实时匹配时间、提高匹配效率,提出结合RBC和环境-类、代理、角色、群组和对象（E-CARGO）模型形式化共乘问题的方法。在资源容量约束和利润收入给定的情况下,对共乘匹配问题进行建模和仿真实验,提高可用座位容量利用率,实现平台收益最大化,资源匹配合理化。实验结果表明,基于E-CARGO模型的形式化方法可以应用于共乘出行匹配问题建模,最优匹配矩阵和时间可以采用Kuhn-Munkres（K-M）算法和Java中的优化软件包（ILOG）解决方案获得。与ILOG软件包算法相比,K-M算法所用平均时间至少减少了21%;当代理规模大于一定数值（大于600）时,算法时间开销急剧增大。     

Generating test data for both path coverage and fault detection using genetic algorithms

The aim of software testing is to find faults in a program under test, so generating test data that can expose the faults of a program is very important. To date, current stud- ies on generating test data for path coverage do not perform well in detecting low probability faults on the covered path. The automatic generation of test data for both path coverage and fault detection using genetic algorithms is the focus of this study. To this end, the problem is first formulated as a bi-objective optimization problem with one constraint whose objectives are the number of faults detected in the traversed path and the risk level of these faults, and whose constraint is that the traversed path must be the target path. An evolution- ary algorithm is employed to solve the formulated model, and several types of fault detection methods are given. Finally, the proposed method is applied to several real-world programs, and compared with a random method and evolutionary opti- mization method in the following three aspects： the number of generations and the time consumption needed to generate desired test data, and the success rate of detecting faults. The experimental results confirm that the proposed method can effectively generate test data that not only traverse the target path but also detect faults lying in it.     

紧急事件的动态交通流模型及双向动态最短路诱导算法

针对城市快速路的交通紧急事件给出了宏观的动态交通流模型,在METANET模型的基础上考虑紧急事件所占用车道数、进出口匝道及诱导信息对模型的影响,同时针对交通紧急事件的及时有效处理,给出了一种双向动态的最短路径诱导算法,在此算法中,节点间的权值是随着高速路的路面状况及交通拥堵情况等变化的动态函数,故在紧急事件处理中从两个方向搜索最短路,其过程是动态的,实时的,为紧急事件的及时处理和有效的救援争取了时间。通过仿真对比,证明了此算法的可行性,有效性,同时证明了此算法的搜索效率也得到了较大提高。     

Generating test data for both path coverage and fault detection using genetic algorithms

The aim of software testing is to find faults in a program under test, so generating test data that can expose the faults of a program is very important. To date, current studies on generating test data for path coverage do not perform well in detecting low probability faults on the covered path. The automatic generation of test data for both path coverage and fault detection using genetic algorithms is the focus of this study. To this end, the problem is first formulated as a bi-objective optimization problem with one constraint whose objectives are the number of faults detected in the traversed path and the risk level of these faults, and whose constraint is that the traversed path must be the target path. An evolutionary algorithmis employed to solve the formulatedmodel, and several types of fault detectionmethods are given. Finally, the proposed method is applied to several real-world programs, and compared with a random method and evolutionary optimization method in the following three aspects: the number of generations and the time consumption needed to generate desired test data, and the success rate of detecting faults. The experimental results confirm that the proposed method can effectively generate test data that not only traverse the target path but also detect faults lying in it.