基于大数据的不确定交通流实时分配研究

为实现每个出行者出行费用尽可能少的目标,针对城市交通路网起始节点择路到目的地节点的交通流实时分配问题,选取适用于预测不确定交通流的非参数回归模型、Kalman滤波模型和神经网络模型,建立基于交通大数据的贝叶斯组合预测模型预测未来长度为T时间段内的交通流量,研究采用在线理论与方法,设计BOUE策略,将当前时间段到达出发节点的实际交通流量和下一时间段到达出发节点的预测交通流量一起分配到交通网络上。研究结果表明该策略在路段通行能力受限时不同形式路阻函数下的执行效果较好,可为交通管理部门指挥交通流和出行者出行提供有效理论依据。

可卸货的移动在线背包问题模型和算法

提出可卸货的移动在线背包问题,即一个装有货物的背包从起点出发对n个指定需求点提供服务,将所装货物在每个点按已知需求量卸下,并将该点数量无法预知的待取回货物装入背包带回起点,如何决策背包对需求点的服务次序及途经需求点是否取回货物,使得取回的货物数量尽可能的多。针对该问题,采用在线理论和方法,建立模型并设计在线算法F,分析需求点待取回的货物数量与背包将该需求点的货物卸下后剩余承载量的差的不同情形,证明F的竞争比并对竞争比的影响因素进行分析,结果表明载货下限越大、需求点个数越多、需求点待取回货物总数越多,算法F的执行效果越好。

应急救援物资紧缺的两级配送路径选择研究

针对应急救援物资紧缺难以满足所有需求的情形,以单个需求点最大缺货量最小、车辆运输费用最小为双目标,建立从配送中心到分发点再到需求点的两级配送路径选择模型,设计复杂性为O(n~3)的近似算法GA进行求解,证明算法近似比的上下界并讨论影响因素,用数值验证算法GA的近似比接近于1,表明算法GA具有较好的性能。最后以雅安灾区配送实例验证模型和算法的有效性。