基于路网在途车辆数的拥堵指数短期预测

交通拥堵指数是定量评价路网车辆运行状况的指标,准确预测交通拥堵指数的发展趋势是交通工程师关注的重点。为克服天气、节假日等复杂因素对交通高峰时段拥堵指数预测精度的干扰,本文以预测未来2 h范围内每5 min的拥堵指数为目标,首先,利用交通流基本图和交通波理论,从拥堵蔓延角度分析路网在途车辆数与拥堵指数的峰值滞后现象机理;其次,分析路网在途车辆数与拥堵指数的相关性,结合非线性回归方法,构建基于路网在途车辆数的拥堵指数预测模型(NV-NR模型);最后,利用北京市2018年6~9月工作日的数据集进行验证分析。结果表明,NV-NR模型在验证集中预测精度达91.9%;在拥堵指数达到中度拥堵阈值及以上的范围时效果更优,预测精度达93.8%,平均绝对误差为0.412。该方法能够有效预测交通高峰时段的拥堵指数短期变化趋势,为交通拥堵指数预测提供一种新的思路。

基于卡口型电警数据的路段车辆数估计方法

提升路段车辆数估计准确性,提出一种基于卡口型电警数据的路段车辆数估计方法,能够利用灯控路口交通流间断放行的特征设定车流间间断放行最小间隔阈值,根据该阈值对上下游路口过车记录进行分组运算,结合号牌号码与号牌颜色组合确定的车辆唯一身份信息关联分析生成上下游车辆匹配数据,利用车辆驾驶的跟随特性有效缩小匹配数据检索范围,快速计算任意时刻路段内实时车辆数,为精细化掌握路段级交通状态提供数据支撑。

不确定车辆数的有时间窗车辆选径问题的混合算法

针对标准遗传算法在求解车辆选径问题中出现的早熟、收敛、易陷入局部极值点的问题,提出了一种由遗传算法结合模拟退火算法的混合算法求解车辆选径问题,并与遗传算法进行了比较。该算法利用了模拟退火算法具有的较强的局部搜索能力的特性,有效地克服了传统遗传算法的“早熟收敛”问题。实验结果表明,该算法具有计算效率高、收敛速度快和求解质量优的特点,是解决车辆选径问题的有效方法。

车辆数限制的多车型校车路径问题模型及算法研究

为适应校车路径规划中校车有多种车型且每种车型数量受限的需求,建立车辆数限制的多车型校车路径问题(HFSBRP)的数学模型,并提出一种迭代局部搜索算法进行求解。该算法借助邻域随机选择的变邻域下降搜索(VND)算法完成局部提升。局部提升过程中,首先调整车型,然后再混合使用缩减路径数和提高车辆利用率的邻域解接受策略以提高算法的寻优能力,为保证解的多样性,允许接受一定偏差范围内的邻域解。此外,为避免算法过早陷入局部最优,设计了多点交换和移动的扰动规则。基于国际基准测试案例进行模型验证和算法测试,实验结果表明了模型的正确性和算法的有效性。

求解不确定车辆数车辆调度问题的蚁群算法

为同时优化所用的车辆数和行驶总路径,基于问题特征,用人工蚂蚁模拟车辆,在1次循环中利用不同蚂蚁个体的相互协作建立1个完整的解方案,使参与服务的蚂蚁数隐含了所使用的车辆数,从而能够通过优化参与服务的蚂蚁数量确定所使用的车辆数。在算法中,通过构造与算法实施相适应的禁忌表、启发函数以及为了提高搜索效率而引入中心节点虚拟需求量等策略,设计了求解具有不确定车辆数的车辆调度问题的蚁群算法。通过给定的实例对算法进行了验证,结果表明算法是有效和可行的。

最佳通勤车车辆数的确定

本文通过详细地分析某公司通勤车运营的统计资料，以资金投入及运输费用最少为目标，提出了最佳通勤车车辆数的确定方法。该方法也适用于专业汽车运输企业。

面向调移车辆数优化的摘挂列车调车作业计划编制方法

调车作业计划是规定车辆如何调移及其作业程序的具体行动计划。提出了在调车钩数最优前提下以减少调移车辆数为目标的摘挂列车调车作业计划编制方法,构建了摘挂列车调车作业计划编制0-1线性优化模型,并设计了基于消逆规则的启发式分支定界算法对模型进行求解。算例表明,所提出的方法能够求解出调车钩数不劣于统筹对口法且调移车辆数更少的调车作业计划,在给出的算例中总调移车辆数减少了约20%。所提出的方法能够对调移车辆数进行优化,对调车作业计划编制质量的进一步提高、调车过程能耗降低等方面有积极意义。

编组线集结车辆数分布的探讨

编组线集结车辆数分布不仅是计算确定编组线和箭翎线分段线有效长的依据，而且，也是计算编组线改编能力、车辆集结车辆小时的依据。本文根据我国铁路编组站的运营实践，运用概率论和数理统计原理，论证了编组线内集结车辆数的分布，提出了简便、实用的集结车辆数分布的计算原理和计算方法。

山区高速公路事故涉及车辆数致因分析

为减少山区高速公路的交通事故发生率以及提升其交通安全性,对山区高速公路交通事故中涉及车辆数的影响因素进行分析。首先,对西部某高速近八年来发生的一万多起交通事故进行时空特性分析和起因分析;其次,以事故涉及车辆数为因变量,将其分为单车、双车、多车事故三个等级,并从驾驶员、车辆、行驶环境等层面选取8个潜在自变量作为ologit模型的分析因子,得到显著性小于0.05的6个自变量;最后,利用ologit模型对6个显著变量进行分类,通过分析得到各自变量分类优势比,并采用负二项回归模型验证自变量分类风险大小的正确性。结果表明:各自变量分类中的冬季、涉及大货、间距不足、收费站、晴、白天等分类优势比最大,且优势比在ologit模型分析时变化更大,说明ologit模型比负二项回归模型更适合用于分析事故涉及车辆数变量的分类优势比。结论表明,在交通安全治理时尽量控制优势比大的因素可减小事故车辆数,从而可间接降低严重事故的发生率,为高速公路管理提供有力的决策依据。

确定车辆数的有时间窗车辆路径问题的遗传算法

给出了有时间窗车辆路径问题(veh icle rou ting prob lem w ith tim e w indow,VRPTW)的通用数学模型,通过引入新的CX交叉算子,能有效避免传统遗传算法“早熟收敛”的局限。特别是在确定车辆数时,实现了VRPTW的路径长度和车辆数的同时优化,改善了优化结果,提高了优化速度。实验结果表明,该方法明显减少了迭代次数。

车辆数不确定的软时间窗车辆路径问题的改进遗传算法

综合考虑车辆数和行驶距离两种优化目标,提出了VRPSTW的多目标优化模型,同时提出了解决VRPTW问题的一种改进遗传算法。在算法中,通过适应度函数的变化,较好地解决了多目标优化的问题;通过对交叉算子改进,增加了算法的寻优能力,同时又克服了算法对群体多样性的要求;针对遗传算法局部搜索能力弱的问题,加入了2-opt局部搜索方法,很好地弥补了遗传算法的不足。经过实验,本方法能较好地解决VRPSTW问题,从而对运输决策提供有力支持。

基于GRNN的主要编组站办理车辆数的预测

运用广义回归神经网络对铁路编组站办理车辆数进行预测。在对编组站办理车辆数的经济因素和结构因素进行分析的基础上,给出GRNN预测的全过程,并将GRNN与BP网络预测进行比较,建立网络、训练和检测,最终模拟得到全路主要编组站办理车辆数。实例分析证明GRNN能提高预测精度,为编组站规划和设计提供理论支持。

交通事件下排队车辆数和总延误计算模型研究

为描述交通事件后导致拥挤交通流中的排队现象,分析预测交通流的时空影响。根据流量守恒定律和交通波波速公式,提出了排队车辆数和车辆总延误定量计算的一个新模型。将事件后交通流的发展划分为三个时间阶段,推导出道路堵塞时各相应时间段交通变量动态计算公式。同时分析了交通事件影响因素除了事件本身的严重性外,事件的清理时间是决定事件瓶颈处车辆排队第二位的影响因素;以及交通事件时空发展模型与事件自动检测两者之间相互影响、互为因果的关系。最后用应用算例对该模型的有效性进行验证,结果表明,数据符合实际情况,排队车辆数随着事件持续时间增加呈分段线性变化,而所有排队车辆的总延误随着交通事件处理时间的增加呈二次平方变化。此模型可作为交通管理控制部门对交通事件发生后制定合理救援措施的理论依据。

基于可接受阈值的固定车辆数多车型车辆路径问题算法研究

提出一种基于可接受阈值的回溯自适应算法,用于解决固定车辆数多车型车辆路径问题,为具有不同装载能力、不同服务费用的固定车辆数车队设计一组最低成本线路集合,计算结果显示了该算法的鲁棒性以及有效性。

桥梁静载试验车辆数计算分析

根据荷载试验工况、桥梁设计宽度,按照规定[1],合理确定试验加载车道数量,采用Midas 2017分析相应车道数下车辆荷载的内力计算值,由内力计算值按照荷载等效原则及单车的重量来确定试验加载用车的数量及纵向布置间距,从而使静载试验荷载效率η的取值范围满足相关要求[3],达到承载能力评定的目的。

基于车辆行驶时间和配置车辆数的BRT站间距优化模型研究

本文从分析影响站间距设置的因素入手,从运营者和乘客的角度出发,建立了基于车辆行驶时间和配置车辆数的站间距优化模型。最后通过具体实例,验证了模型的合理性和适用性。

露天矿铲-车系统中备用车辆数的确定

在露天矿,广泛采用铲-车装运系统。由于电铲的投资大,完好率也高,故仅在大型装运系统才考虑备用电铲(1或2台)。汽车的用量通常比电铲多得多。而汽车的完好率却比电铲要低,故通常备有备用汽车。大多数专业书籍和手册认为,备用汽车数取决于完成运输工作量需要的汽车数。例如:《Terex手册》(1981年)中给出的公式是:

不确定车辆数的有时间窗车辆路径问题的遗传算法

给出了不确定车辆数的有时间窗车辆路径问题(VRPTW)的数学模型,提出一种基于客户的编码表示方式,可以表示出不同的车辆数,实现VRPTW的路径长度和车辆数的同时优化,并用计算实例进行了验证,同时对计算中涉及的一些问题进行了讨论.

不确定车辆数的车辆路径问题模型和混合算法

提出用遗传算法 ( Genetic Algorithms,GA)和禁忌搜索算法 ( Tabu Search Algorithm,TSA)结合求解不确定车辆数的车辆路径问题。首先描述了带有能力约束的 VRP的数学模型 ,由于车辆数不确定 ,因此提出另一目标函数 ,即最小化车辆数 ,与最小化距离同为目标函数建立了双目标数学规划模型。在车辆数不确定的情况下 ,把聚类和排序有机地结合起来 ,并用 GA和 TSA相结合的混合算法对问题进行求解 ,即以 GA为主 ,把 TSA用在 GA的变异操作中 ,增强算法的爬山能力。实验结果表明 ,混合算法获得的最好解。

基于混合遗传算法的车辆优化配置的数学模型

研究了物流运输系统车辆数优化问题的数学模型,构造出了模拟退火算法的能量函数,根据该函数可以求最优车辆数,又可以求最优车辆数下的最优行驶路径.用遗传模拟退火算法实现了车辆数的优化计算与路径优化计算.