基于居民出行模拟的电动汽车负荷时空分布预测

针对电动汽车充电负荷时空分布预测中的随机性、不确定性问题,文中提出一种结合出行链理论和实际地理信息的电动汽车充电负荷预测方法。基于路网融合及出行链理论,对电动汽车充电需求的时空特性建立模型,以此模拟用户的出行行为特性。同时,通过对目标区域的路网进行建模,按功能区进行划分,将出行链理论的用户行为特性与目标地理信息相结合,通过Floyd算法对电动汽车用户的出行路径进行规划设计,以预测电动汽车充电需求负荷。算例结果表明,所提出的模型能够基于实际地理信息,预测电动汽车充电负荷变化规律,分析不同功能区、不同行政区域下的电动汽车充电需求负荷特性。仿真结果验证了所提模型和方法的有效性。

基于PSO的电动汽车规模化充电接入配电网柔性负荷多目标优化控制

为了降低电动汽车大规模接入配电网后产生的负荷波动和网损,提出了基于粒子群优化(PSO)算法的电动汽车规模化充电接入配电网柔性负荷多目标优化控制方法。首先,建立交通网-配电网耦合模型,并结合出行链模型分析用户的充电需求,搭建接入电动汽车能量状态预测模型;其次,以最小化配电网负荷波动标准差和网损作为优化目标,设计电动汽车规模化充电接入配电网柔性负荷多目标优化函数,同时引入分布熵设计惯性权重更新策略,优化PSO算法;最后,采用改进的PSO算法在函数约束条件的基础上实现配电网的柔性负荷控制。测试结果表明,所提出的方法可准确分析用户的充电需求,降低配电网负荷波动峰值及网损。

计及电动汽车保有量增长需求的充电负荷预测

当前对电动汽车充电负荷的研究大多集中在短期演变,对长时间尺度下的发展情况并未有较多研究。文中提出一种电动汽车保有量增长需求的充电负荷预测模型。首先采用萤火虫算法优化电动汽车保有量灰色预测模型的相关参数,对某地区2023—2033年电动汽车保有量进行预测;其次,综合考虑保有量预测结果、用户出行链、行驶里程及充电起始时间,结合在不同温度下的电动汽车电池容量和充电效率搭建充电负荷预测模型;最后,对江苏省某地区2023—2033年电动汽车充电负荷进行仿真预测。仿真结果有效地预测了电动汽车在未来10年中保有量发展趋势以及考虑保有量增长需求的充电负荷。

考虑交通拥堵和有限制时段的冷链物流车辆路径问题

针对生鲜农产品冷链配送环节中存在的成本高、货损严重等问题,考虑到日益严重的交通拥堵,通过分析时变路网下的动态行驶速度和受温度影响的货物腐败情况,在配送车辆容量等限制条件下,构建了以配送总成本最低为目标的冷链物流路径优化模型。在此基础上,通过设计全天候和有限制时段的车辆通行模式进行比对分析,利用遗传算法进行求解。通过不同规模的企业案例进行分析,验证了模型与算法的有效性。计算结果表明:冷链企业采用有限制时段的车辆通行模式可以降低配送成本,提高货物到货质量。

基于手机数据的出行链推演算法

利用手机数据推演居民出行特征是近年交通研究中的一个热点。尽管已有众多研究成果发表,但现实应用中仍有诸多问题需要解决和改进。提出一种基于手机数据的出行链推演算法,通过构造时空贪婪同化流程来处理手机数据的空间不确定性,并对传统聚类算法进行改进以提高活动地点识别效率。通过个体实际数据验证了算法的有效性。结果显示,与其他方法相比,提出的算法能够高效地锚固居住地、工作地等停留较长时间的出行端点,从而提高出行链推演的效率和准确性。该算法适用于多天、手机基站定位和三角算法定位的混合位置数据,对现实数据有很好的适应性。

提高链式Lin-Kernighan算法性能的一种新策略

在笔者前期工作(王东,吴湘滨.提高链式Lin-Kernighan算法性能的策略.计算机应用,2007,27(11):2826-2829)的基础上,通过对经典旅行商问题(TSP)优化解边集之间交集的特性分析,给出了一种新的Lin-Kernighan算法参照优化边集生成模型。该模型建立的边集中边的数量少于常规方法以及前期研究成果生成边集中边的数量,同时以更高概率保留全局最优解中的边。将该模型应用于Lin-Kernighan算法,在不损失单次调用该算法求解精度的前提下,进一步缩短了算法的执行时间,从而进一步提高了链式Lin-Kernighan算法的求解性能。结合前期研究成果,能进一步提高使用Lin-Kernighan算法作为启发式算法的所有混合算法性能。

提高链式Lin-Kernighan算法性能的策略

Lin-Kernighan算法作为一种高效的组合优化问题优化算法,普遍应用于各种求解组合优化难题的算法中,尤其是旅行商问题的求解。通过对该类问题的可化简性论述,分析并建立了该类问题初始边集的概率化简模型,经实验分析方式确定了模型中的先验性概率值,并建立旅行商化简初始边集的随机算法。将该算法建立的边集作为链式Lin-Kernighan算法的参照优化边集,大幅度提高了链式Lin-Kernighan算法的求解性能,在与多种智能算法结合中取得了较好的收敛效果。

基于阶梯收费刷卡数据的公交下车站点算法优化与实证评估

以某市连续5日全天公交阶梯收费刷卡数据、公交出行GPS(global positioningsystem)数据及公交站点数据为基础,结合出行链算法与随机森林网络,构建了一套公交下车站点融合分析模型。在模型中,首先匹配GPS数据与公交站点数据,确定不同时刻的公交到站信息,再以乘客上车站点位置、出行频率、活动空间、下车点用地类型分布、下车概率为输入,识别乘客下车站点,最终下车站点推算率提升至100%,全样本有效率达76.2%,相比现有基于出行链的方法,识别有效率提升37%。

多方式诱导信息对通勤者出行链的动态影响模型

为研究多方式诱导下通勤者的动态选择行为,采用效用理论和多阶段决策方法,以出行链感知效用最大化为目标,建立了通勤者单日内以家为起点和终点的出行链选择行为动态规划模型,并利用Dijkstra算法求解.将出行链分割为相互联系的单次出行,每次出行均包含出行前和出行中决策节点,在每个决策节点上实现交通信息的动态加载,并考虑通勤者对信息的信任度和学习过程,使模型可更准确地描述实际决策过程.算例结果表明:多方式诱导信息使每位通勤者的出行链实际效用平均增加0.88%;且信任度越高,通勤者获得的收益越大,越倾向于通过缩短出行链长度,选择地铁或停车换乘方式以规避交通拥堵造成的效用损失.

基于车牌识别数据的机动车出行轨迹提取算法

为了提取城市路网上所有运行车辆的出行轨迹,系统科学地再现所有车辆的运行场景,进而为分析城市交通需求的结构和时空分布特性提供数据支撑,提出基于车牌识别数据的机动车出行轨迹提取算法.通过车牌及时间戳排序提取出行链;利用相邻节点间的速度,结合交叉口邻接矩阵完成行链的分离;基于K则最短路径算法(KSP算法)及灰色关联法(GRA算法),对出行轨迹进行补全重构.对贵阳市南明区的实际车牌识别数据进行算法测试.结果表明,提出的基于车牌识别数据的机动车出行轨迹提取算法在测试区域的综合准确率大于92%.

需求不确定下的旅游供应链网络优化

文章建立了一个需求不确定下的旅游供应链网络优化模型。模型以旅行社总成本最小为优化目标,采用随机机会约束规划方法,将不确定模型转化为确定性的数学规划模型,并借助matlab7.6平台和sheffield大学的遗传算法工具箱,求得了旅游供应链网络的最优总成本和最优旅游供应链网络,同时验证了算法的有效性;还探讨了不同可靠度水平对最优总成本和最优旅游供应链网络的影响,研究了总成本对车旅费、景区门票、住宿费、餐饮费、业务维持费变化的灵敏度。研究表明,不同可靠度水平只影响最优总成本,不影响最优的旅游供应链网络,总成本对各种费用变化的灵敏度,从大到小依次是车旅费、景区门票、住宿费、餐饮费、业务维持费。

面向含风电楼宇的电动汽车优化调度策略

为解决未来大规模电动汽车充放电调度问题,设计了一种面向含风电楼宇的电动汽车优化调度策略。构建楼宇电动汽车模型,通过楼宇能量管理系统收集电动汽车日前申报信息,根据出行链将其分群,建立电网层–用户层双层优化调度模型。分别以电网消纳风电后的负荷波动率最小,车主出行需求最大为目标函数,采用改进自适应遗传算法依次求解出楼宇整体充放电策略、EV群充放电策略和每辆EV的调度策略。算例结果表明,该优化调度方法可实现电网与用户的利益共赢,且计算维度小,速度快,不易陷入局部最优。

基于智能刷卡数据的地铁乘客分类研究

为了解决根据自身属性对乘客分类存在主观性较强的问题,提出一种基于出行特征的地铁乘客分类方法。以杭州市地铁智能刷卡数据为例,以用户卡号为索引提取个体出行轨迹,构建包含进站时间、进站线路、进站站点、出站时间、出站线路和出站站点的用户出行链,从中提取乘客出行强度特征、时间特征和空间特征,利用二阶聚类算法建立乘客出行的分层聚类模型,首先基于出行强度特征对乘客进行初始层聚类,然后基于时间特征和空间特征进行第二层聚类,最终将乘客分为8类,并分析不同类别乘客的出行规律及总体特征。

基于轨迹数据的电动出租车充电需求分析

电动出租车充电需求分析是规划布局公共充电设施的基础,为此提出一种基于轨迹数据的电动出租车充电需求分析方法。本文通过统计和分析出租车GPS数据,拟合出租车出行链时空特征量的概率分布,利用蒙特卡洛模拟方法和轮盘赌方法抽取各特征量,构建电动出租车出行链。然后结合出租车换班特征,分别分析大班和小班两种情况下电动出租车充电需求的时空分布。利用北京市2012年的出租车GPS轨迹数据进行方法应用及案例分析。结果表明,使用该方法可较准确地模拟北京市出租车的出行特征,充电需求的时空分布较为合理。

基于通勤出行链的公共交通使用行为辨识研究

基于出行行为视角深入分析公共交通出行者的行为模式及特征对靶向改善公共交通服务水平具有重要意义.研究通过RP调查获取出行者个体特征信息,并在分析海量智能卡交易数据的基础上,结合关联匹配方法提取公共交通通勤出行链;基于探索性因子分析筛选出行天数、日均出行频次和出行完整度以及个体社会经济属性等9个指标刻画乘客公共交通使用行为;在对连续性变量离散化的基础上,利用DBSCAN算法构建乘客公共交通使用行为辨识模型.结果表明:构建的聚类算法可有效识别公共交通使用行为类别;调查群体被划分为公共交通高、中、低3类使用度群组,占比分别为54.2%、33.7%和12.1%,并将第3类人群视为公共交通使用行为改善潜力最大群体,未来应结合交通限制政策与服务水平2个维度改善此类公共交通乘客的使用行为.

基于Mean Shift的公交下车站点判定方法

为了解城市公共交通出行的时空特征,改善城市公交的运营服务,提升居民公共交通出行效率,对居民使用公共交通出行下车站点及下车时间的计算方法进行研究。利用出行链的思想,对连续出行的乘客采用阈值内最近邻算法判定公交下车站点信息。针对一些出行链头部或尾部断裂的情况,通过分析乘客中长期历史乘车记录,利用Mean Shift聚类算法得出每个乘客的居住地中心点O与工作地中心点D,采用阈值内最近邻算法计算离工作地中心或居住地中心最近的距离,从而对下车站点进行补充。实验结果表明,该方法能补充居民行程中85%的下车站点及时间,且准确率较高。

基于出行链理论的UE模型构建

为使传统用户平衡配流模型所得结果更加符合出行者实际出行行为,在分析出行链和传统用户平衡配流两大理论的基础上,将传统UE模型中的路段流量转变为出行链的流量,构建了基于出行链的UE模型;通过分析比较运用传统算法与有效集算法求解平衡配流问题,得出有效集算法更适于求解构建的模型。