多能源混合车队生鲜品配送车辆路径问题研究

针对同时考虑取送货和分时电价的电动车与燃油车混合车队车辆路径问题,以车辆固定成本、行驶成本、制冷成本、货损成本、时间窗成本、碳排放成本和充电成本之和最小为目标,构建生鲜品配送车辆路径优化模型,设计融合邻域搜索的遗传模拟退火混合算法并求解。结果表明:相比于取送分离,同时取送货模式能够显著提升配送效率,提高车辆装载率;通过技术升级适当增加电动车的电池容量,能够弱化车辆路径方案对充电设施的依赖程度,有效降低配送成本;通过与遗传算法、遗传变邻域混合算法运行结果对比,验证本文算法的有效性,为冷链物流企业在配送环节实现节能减排、降本增效提供借鉴和参考。

考虑低碳的多目标冷链混合车队路径规划研究

为提高冷链物流运输效率,实现节能减排的低碳目标,探讨了多目标低碳冷链车辆路径问题(multi-objective low carbon vehicle routing problem in cold-chain logistics distribution,MOLCVRPCLD)。与现有文献相比,考虑了更为低碳的电动车与燃油车混合车队,建立了以综合成本最优、碳排放最小为目标的优化模型。其中,综合成本包括车辆的固定成本、时间窗成本、货损成本、油耗成本、耗电成本,碳排放包括燃油碳排放和制冷碳排放。根据模型特点,设计了贴合模型的非支配排序遗传算法(non-dominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ)对该模型进行求解,并利用遗传算法(genetic algorithm,GA)分别对两个目标进行优化以验证模型和算法的有效性。

低碳视角下城乡区域混合车队生鲜配送路径问题研究

随着物流行业绿色化转型加快,越来越多的物流企业使用由燃油冷藏车和电动冷藏车组成的混合车队来完成生鲜配送。本文综合考虑环境效益、企业效益、客户满意度、生鲜产品特点等因素,建立燃油车辆与电动车辆混合车队生鲜配送路径优化模型,并选取城市与农村两种不同客户分布类型的区域作为算例分析。结果表明,相比于纯燃油车队与纯电动车队,混合车队可为城市地区的生鲜配送节省32.9%~39.4%的总成本,为农村地区节省12.1%~21.4%的总成本,且合理的配送中心位置和充电桩布局方案能为企业、客户与环境带来更优的效益。本文为物流企业根据配送区域特点制定合理的车队配置及路径方案,为政府进行末端冷链配送中心选址与电动冷藏车充电设施布局提供了理论参考,进一步促进了冷链物流绿色转型。

电动车燃油车混合车队冷链物流配送模式优化

分析了生鲜冷链城市配送的发展现状,并从适用场景、耗能模式和购置方案等方面提出了基于取送一体的电动车燃油车混合车队冷链物流配送模式,最后针对生鲜冷链城市配送场景,从车队结构、补能模式、车辆购置、配送效率、温度监控等角度给出了电动车燃油车混合车队配送模式的优化策略。

混合时间窗下多中心混合车队车辆路径优化

针对混合时间窗下多中心混合车队车辆路径优化问题,综合考虑多中心联合配送、客户混合时间窗、配送中心运力平衡和车辆装载量对油耗的影响,构建以车辆派遣成本、油耗成本、电动车能耗成本和时间窗惩罚成本之和最小化为目标的优化模型。设计遗传—大邻域混合算法求解模型,该算法采用聚类法生成初始解,基于运力平衡的返回策略设计交叉和变异算子,并引入变邻域搜索结构和大邻域搜索算法的移除与插入算子进行搜索优化。通过对比和分析多组算例验证了算法的有效性,并分析了运力平衡策略和混合时间窗对制定配送方案的影响。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了理论依据。

考虑混合车队的预拌混凝土配送调度研究

在预拌混凝土(Ready-Mixed-Concrete,RMC)车辆调度中,部分工地会派出自带的搅拌车,搅拌站需要考虑混合车队的预拌混凝土配送调度,然而目前还没有相关研究。为解决这一问题,首先分析了国内外的研究现状,通过仿真算例描述考虑混合车队的预拌混凝土配送过程;然后在此基础上以厂商和工地总成本最小为目标函数,在网络流模型的基础上建立了考虑混合车队的混合整数规划模型;最后在仿真的基础上利用遗传算法分别对仿真算例和实际算例进行求解。研究结果表明,优化后2个算例的总成本分别降低了8.8%和34.0%,工地的总等待时间分别降低了26.71%和60.86%,算法大幅度地减少工地和搅拌站的等待时间,保证供应的混凝土质量,降低双方成本。

电动汽车/传统汽车混合车队车辆配置及路径优化模型

针对电动汽车、传统汽车共存的企业车队管理现状,提出电动汽车/传统汽车混合车队配置及路径优化模型。模型考虑两类汽车在固定成本、可变成本和续航里程方面的不同,得到混合车队的最优配置及路径结果,同时考虑充电设施的影响。通过改进目标函数中可变成本的非线性特点,将模型转化为标准的线性规划。设计结合分散搜索和改进蚁群算法的混合启发式算法,并将其与Cplex进行对比,证明其有效性。结果表明:高固定成本和低可变成本使电动汽车需要长距离配送,而有限续航里程则限制了配送距离,两者的矛盾使电动汽车的定位模糊,影响企业的采纳;续航里程增加无法彻底改变车队配置结果;充电设施能够影响企业电动汽车的采纳结果。

考虑车辆调度和调度员分配的共享汽车混合车队规模优化

针对电动汽车存在充电续航问题与传统燃油汽车存在环境污染问题的矛盾,本文提出共享汽车混合车队规模优化方法。首先,在不考虑成本条件下,分析动态车辆调度和实时调度员分配对共享汽车系统需求满足和车辆利用的影响。然后,针对由传统内燃汽车、混合动力汽车、插入式混合动力汽车和纯电动汽车构成的混合共享汽车系统,考虑车辆调度和调度员分配,以运营商利润最大化为目标,CO_(2)排放量和道路拥堵为约束,构建混合车队规模优化模型。通过Matlab调用Gurobi求解器求解上述混合整数线性规划模型。最后,以成都市为例,分析不同CO_(2)排放量约束,以及车辆调度对共享汽车运营商利润、不同类型的车队规模、车辆利用率和用户需求满足率的影响。同时,比较单一车队和混合车队共享汽车系统,结果显示,混合车队和单一插入式混合动力车队可以实现经济效益和环境效益的双赢,是目前最适合共享汽车系统发展的模式。

协作式巡航控制下混合车队队列稳定性

考虑协作式巡航控制(Cooperative Adaptive Cruise Control,CACC)车辆与自适应巡航控制(Adaptive Cruise Control,ACC)车辆之间的退化机制,构建由CACC车辆、ACC车辆以及人工驾驶车辆组成的混合车队。应用传递函数理论,推导混合车队在不同规模情况下的队列稳定性判别准则,计算混合车队在多种情形下的队列稳定性情况,并设计数值仿真实验验证理论分析结果。稳定性分析结果表明,所推导的混合车队队列稳定性准则能够从理论层面计算混合车队关于车队规模与车流速度的队列稳定域,当混合车队中CACC车辆比例达到25.00%~41.17%及以上时,混合车队可在全速度范围内实现队列稳定。数值仿真结果表明,混合车队头车产生的速度扰动传递至上游CACC车辆时,CACC车辆可有效抑制速度扰动的波动幅度,使混合车队趋于稳定,验证了理论分析的正确性。研究结果揭示了混合车队保持稳定时的CACC车辆与人工驾驶车辆的比例结构。

多车型纯电动公交车使用下的混合车队替换优化

针对不同能源公交车辆的运营特性差异,考虑城市公交电动化率限制和不同能源车辆间的替换率,以降低公交车队运营管理成本为优化目标,研究多车型纯电动公交车可供选择使用下的混合车队替换决策问题,以确定最佳车队替换计划。考虑规划期为10年,以青岛市公交系统为实例进行数值分析。结果表明:车型选择对车队替换计划和运营成本有显著影响,与单一纯电动公交车型比较,多车型的使用能够极大地降低运营成本;燃油公交车和纯电动公交车组成的混合车队,比燃油和电能混合驱动的公交车,在运营管理中更具经济性;在任意公交电动化率目标下,小型纯电动公交车投入量应明显高于大型纯电动公交车投入量;当公交电动化率小于一定阀值时,不推荐投入大型纯电动公交车使用。本文研究成果将为城市公交车队运营管理决策提供依据。

人驾车辆与网联车辆混合车队控制系统的稳定性分析

针对当前交通中存在的人驾车辆与智能网联车辆混合排布问题,文中提出了一种分布式控制结构。利用人驾车辆和网联车辆分布式控制的思想,基于车-车通信建立了人驾车辆和智能网联车辆模型。考虑到人驾车辆在行驶过程中只能通过前瞻和观看后视镜的方法获得前后车的相关信息,而获得的后车信息往往误差较大,因此在设计人驾车辆控制器时,只考虑相邻前车车辆位置和速度信息。而对于智能网联车辆,在行驶过程中,需考虑其能够与队列中相邻前车通信时的位置信息、速度信息和加速度信息。在此基础上,建立了混合车队车辆模型,设计了相关控制算法,并利用Lyapunov相关理论证明了算法的稳定性。仿真结果表明,在设计的控制律下,跟随车辆能够达到期望间距和期望速度,系统在控制律下达到稳定状态。

考虑混合车队的多目标共享单车重平衡问题研究

共享单车系统所面临的主要问题是用户需求与单车供给的不匹配,实施有效的重平衡操作需要权衡成本与服务水平这两个相互矛盾的目标。在“双碳”目标的背景下,考虑了由电动车和燃油车组成的混合车队以及燃油车限行因素,建立了以重平衡总成本最小和未满足重平衡需求量最小为优化目标的多目标混合整数规划模型,并提出了一种改进多目标粒子群算法来求解该问题。不同规模测试例的仿真结果表明,该算法在收敛性、多样性和分布性方面都优于NSGA-Ⅱ和标准多目标粒子群算法,能够得到更高质量的帕累托最优解集。管理者可以依据其自身偏好,从中选择合理的重平衡方案。

碳交易机制下多中心混合车队配送路径和速度优化研究

为助力物流企业实现“低污染、低排放、低能耗”的绿色配送,基于限额碳交易机制,考虑由传统燃油车和电动车构成的混合动力车队,研究多配送中心车辆路径-速度联合优化问题.引入综合距离、载重和速度等因素的实际能耗模型,以固定成本、能耗成本和碳交易成本之和最小化为优化目标,构建混合整数规划模型.根据问题特征,设计考虑速度优化的并行改进变邻域搜索算法,以集成路由和速度决策;应用大邻域搜索的全局破坏-修复算子和并行局部搜索策略改进算法的搜索深度和寻优效率.基准算例和仿真算例的实验结果验证了算法的有效性,并揭示了车队配置、碳交易机制和速度优化对配送方案的影响.研究成果在丰富车辆路径问题相关研究的同时,能够为物流企业降本增效及政府引导市场行为提供理论参考.

时变路网下多中心混合车队联合配送车辆路径优化

针对时变路网下多中心混合车队联合配送车辆路径问题,综合考虑多配送中心开放、燃油车及电动车联合配送、车辆行驶速度连续变化等因素的影响,构建以车辆固定成本、运营成本和时间窗惩罚成本之和最小为目标的优化模型。根据问题特征,设计混合启发式算法进行求解,算法中采用K-means聚类方法生成初始种群,然后用变邻域搜索算法进行搜索优化,提升算法的求解性能。设计多组实验对本文算法进行对比分析,验证了算法的有效性。研究成果丰富了时变路网和混合车队车辆路径问题的相关理论研究,为运输企业制定合理的运输方案提供了理论依据。

动力能源差异下混合公交车队调度方案生成方法

为了实现电动公交与燃油公交混合车队运营调度优化,提出了一种平衡电动公交与燃油公交环境成本和经济成本的混合公交车队调度方法。首先结合不同动力能源公交车辆的运行特性给定约束条件,将碳排放和分时电价融入电动公交和燃油公交运营能耗及成本分析中;然后考虑混合公交运营系统的经济成本与环境成本,建立综合运营成本最小化模型;最后提出基于嵌套禁忌搜索的改进遗传算法对所建模型进行求解,该算法不仅弥补了传统遗传算法收敛过早、易陷入局部最优解的缺陷,而且提高了模型求解的质量与精度。以云南省文山州1路公交运营数据为例对本研究所提出的模型和算法进行验证。结果表明,基于嵌套禁忌搜索的改进遗传算法相较于传统遗传算法求解精度提高了12%左右,并且生成的调度方案能够在减少碳排放和提高车辆利用率中取得最佳平衡,有效降低了综合运营成本,实现了电动公交与电价错峰执行任务的效果,为平稳实现公交车队“电动化”提供了绿色高效可靠的调度方法。

一种基于通信网络的车队控制方法

建立考虑车队间通讯网络影响的混合车队纵向控制模型.所得车队模型结合车队与通讯网络,可在很大程度上完善现有车队控制系统模型.利用李亚普诺夫方法和线性矩阵不等式LMI方法提出可保证车队稳定性的条件和相应的动态输出反馈控制算法.同时,获得可保证使车队稳定的丢包概率上限值.仿真试验表明,获得的控制方法不但可实现车队的稳定运行控制,而且比现有未考虑网络丢包的PID控制方法的车队控制效果得到较大改善.

考虑用户偏好的共享汽车混合运营模式优化

针对共享汽车运营商的油车和电车混合车队调度问题,本文将自由流动式和站点借还式两种运营模式相结合,提出考虑用户用车类型偏好的共享汽车系统优化模型。模型为油车和电车车队分别设置了自由流动式和站点借还式的运营模式,并进行运营范围决策、站点选址和车辆调度优化;运营商优先满足用户的用车类型偏好选择,对无法满足偏好的用户进行补贴。根据优化模型基本特征,设计基于梯度的启发式求解方法,对大规模非线性混合整数规划模型进行求解;针对案例区域,比较有无补贴的混合车队模式和单一车队模式的优化结果。结果表明:相比无补贴模式,有补贴模式能够鼓励偏好燃油汽车的用户更多地使用电动汽车,需求满足率从73.4%提高到78.2%,运营商利润提高了46.4%;相比单一类型车队,混合车队能够吸引更多用户使用共享汽车,用户需求数提高了40.6%。

改进的自适应大规模邻域搜索算法求解动态需求的混合车辆路径问题

为了给物流企业在车辆配送方案制定上提供决策支持,针对电动物流车与燃油物流车混合配送的模式,研究了带时间窗的动态需求车辆路径问题,建立了以配送总成本最小化为目标的两阶段整数规划模型。针对模型特点,设计了改进的自适应大规模邻域搜索(improved adaptive large neighborhood search,IALNS)算法,提出新的删除、修复算子及动态阶段加速策略,分别针对大规模的静态算例与动态算例进行算法性能测试。结果表明,与无改进策略的IALNS(IALNS-ND)相比,静态问题中在相同的求解时间内75%的算例(12个算例中9个)IALNS得到的最小值和平均值优于IALNS-ND,动态问题中95%(60个算例中57个算例)的算例可以得到成本和时间均优于IALNS-ND的解;与三种算法——自适应大规模邻域搜索算法(ALNS)、大规模邻域搜索算法(LNS)以及变邻域搜索算法(VNS)相比,静态问题中所有算例IALNS获得的总成本的最小值和平均值均优于三个对比算法,动态问题中58%(60个算例中35个算例)的算例IALNS能够以少于三个对比算法1.5倍甚至10倍的时间获得更优的解。同时随着问题动态度的提高,IALNS的速度更快,质量更好,证明了该算法在求解时效性要求高的动态需求车辆路径问题的优越性。

一类特殊车辆路径问题(VRP)

描述了一类特殊的车辆路径问题 (VRP) -混合车队车辆路径问题·在分析问题特性的基础上 ,通过引入“车队模式”定义 ,提出了求解框架 ,设计了基于遗传算法和禁忌搜索启发式的混合算法·针对其中的混合车队车辆路径问题 ,所设计混合算法 ,利用了GA搜索全局性好 ,TS局部爬山能力强的特点·提出的车队、任务分段组合编码和解码规则充分考虑了混合车队车辆路径问题的特点·实例计算结果表明了框架。

基于改进跟驰模型的混合车辆编队研究

现有的车辆编队控制研究多基于全智能网联环境,不适用于智能网联汽车(Connected and Automated Vehicle, CAV)与人工驾驶汽车(Human-Driven Vehicles, HDV)组成的混合交通场景,因此以混合交通环境下CAV和HDV组成的车辆编队为研究对象,引入头车及前车、后方HDV信息,提出一种改进的智能驾驶员模型(Intelligent Driver Model, IDM)。为更贴合驾驶员的操作行为,缓解优化速度模型(Optimal Velocity Model, OVM)受前车影响产生的速度波动,通过引入驾驶员误差,对OVM模型进行改进。为验证模型的有效性,分别对以上改进进行仿真对比分析,结果表明改进后的IDM模型和OVM模型组成的混合车辆编队在速度响应时间、跟驰间距、油耗、安全性、稳定性等性能方面得到明显改善。