英语原文共 5 页，剩余内容已隐藏，支付完成后下载完整资料

基于蚁群优化的实时交通信息车辆调度系统

PANG Ming-bao, ZHANG Si-lin, LI Chun-xia, ZHAO Xin-ping

摘 要：基于描述动态车辆路径的调度问题(DVRP)，利用城市智能交通系统中的先进信息系统，设计了具有可变行程时间的车辆调度系统。系统由离线调度模块、在线调度模块、信息模块、数据库、预测模块组成。在离线调度模块中，时间依赖车辆路径与调度模型网络被描述和改进的蚁群优化（ACO）应用。在线调度模块、模型(DVRP)与实时交通信息中建立了多目标优化模型。改进的蚁群算法在具体的优化过程中采用的解决方案是混合解决。仿真结果表明，车辆调度实时交通信息系统解决了旅行时间的不确定问题。总成本降低通过可变行程时间的多目标优化模型实施。

关键词：智能交通系统，动态车辆调度(DVRP)，可变的旅行时间，实时交通信息，蚁群优化（ACO）

1 引言

除了纯电子商务，销售和提供数字产品通过数字渠道，所有部分电子和传统的商业需要一个物理信道提供数字或物理产品，运输或物流网络管理产品交付。但是，由于他们经常在跨国经营，加上在运输途中竞争日益激烈，因此必须提供更高层次的服务，降低成本，以满足客户的各种需求^{[1] [2]}。分配和调度车辆路径选择是一个关键的管理问题，运输成本约占物流总成本的40-50%和许多公司产品销售价格的4-10%。降低成本是车辆调度问题的核心问题（VRP）。一般来说VRP问题旨在为舰队固定容量的车辆建立一个最短的路线，而每条道路的旅行时间是固定的，每个客户的需求是预先确定的即静态。这种经营政策，可以制定一个非线性规划及其算法问题。有混凝土车辆调度中的许多局限性，特别是在旅行时间有许多限制。交通网络是一个时变系统^{[3] [5]}。当皮卡/送货车离开仓库并拜访客户，根据所设计的路由和时间表，可在拥挤的城市道路优化皮卡/送货卡车的路由。旅行时间的不确定性，需要更新皮卡/送货卡车的最佳路线和时间表实时交通信息。

一些研究人员研究了随机车辆路径问题。大多数的研究主要集中在动态车辆路径问题上，认为客户需求的变化与固定行程时间。一些研究人员关注变量的旅行时间的存在即时间依赖性交通网络^{[2] [6]}。访问这些交通信息数据的最新发展和先进的信息系统是有可能的，包括在动态和实时信息更新模型，并得到现实和改进的解决方案^{[3] [7] [8]}。在此基础上，利用其在城市地区的先进信息系统，设计了一种具有可变行程时间的车辆调度系统。车辆的路由和调度计划是离线调度模块中的预定。设计在线模块调整车辆路径和时间表实时交通信息。通过仿真实验验证了该方法的可行性。

2 问题描述

紧研究VRP是放置在一个复杂的交通网络系统实时交通信息或变量的旅行时代。一个车队的车辆的统一容量的问题是预定拜访给定的客户，每一个客户，每一个特点需求消化，硬时间，即如果到来时间比时间窗的结束，成本惩罚函数将是无限的。顾客需求的消化道在卡车前的订单信息是预定的离开驱逐。可能的路由和调度在天气条件变化或交通的情况下，以避免任何延误意外，或在交通干扰和拥塞的实时运输车已离开仓库的交通信息。那里只有一个仓库的路线开始和结束为每个车辆。在每一个旅游的总数量不能超过卡车的能力，即，qilt;Q。

3 车辆调度系统实时信息

这项研究是由最近的发展城市地区先进的信息系统。用这些数据，它可以包括在模型动态更新的实时信息，并获得现实和改进的解决方案。所设计的系统包括信息模块，历史旅游时间的数据库消费者需求，离线调度模块，在线调度模块、预测模块。信息在系统中使用的旅行时间是由信息更新模块连接高级信息子系统它的。同时将信息存储在数据的基础上历史旅游时间。以前的信息是用来提供预测模块和离线调度模块的数据采矿技术。具有实时行程时间信息历史旅游时间信息，预测模块为在线提供预测行程时间信息调度模块采用智能预测方法。在这项研究中，非参数回归模型的旅行时间预测使用^[9]。车辆将离开前仓库，离线调度模块提供的设计调度方案通过使用前一天的顺序和交通信息，历史旅游时间信息。在具体的调度程序，实现路由和计划调整与预测的旅行时间基于实时交通信息。

4 离线调度模块

1. 模型

具体例子Z1如下：

原节点或仓库，D、SC、直流和SDC分别代表一组客户，一组的起源和十字路口，一组目的地和交叉点，一组节点。K是车辆的数量，可以被使用是段数的交货时间院子。T表示最大离散步数和一个无穷数。车辆和车辆的固定成本是每分钟旅行费用。连续波是每分钟的等待成本车辆到达客户之前我EI。表示dij是我和第2节点之间的距离，而路由是确定和磷如果T是从节点i到j在PTH的旅行时间离散步长。表示等待是等待的时间如果到达交货时间为客户我早于时间窗口的开始。硅是卸载时间我和TI的客户即到达时间式（1）表示目的最小化广义运输货物的成本。第一、二、第三项代表车辆的固定成本，车辆的行驶成本，以及前面提到的惩罚等等。（2）指出每辆车必须从仓库开始。（3）是能力保护的KTH车载。（4）代表时间约束，而车辆离开仓库必须是迟于工作时间。（5）-（7）指出，每客户可以访问只有一个车辆，并准确不能被其他人访问。（8）和（9）描述变量之间的保护Xij和Yik，就是如果有一个从节点到节点的车辆行驶，然后是客户被它送达；而如果车辆离开我，然后，它必须服务于客户。（10）—（13）指明硬时间窗约束。（14）-（15）表示，车辆不能等待它到达一个路口时，这个指定的问题。（1）-（17）是确定变量PXij和Yik。

B. 使用改进的蚁群算法

这里描述的问题是一个NP-难的组合优化问题。本研究采用改进的蚁群算法优（ACO）确定最优的解决方案^[6][10]。该算法给出如下：

步骤1：初始化参数，并获得初始解利用最近邻算法。

步骤2：设置迭代计数器= 0。找到米蚂蚁仓库，并建立禁忌，并允许每一个蚂蚁。这个访问客户和路口都包括在禁忌和没有被访问的客户包括在允许候选客户名单。

步骤3：对于每一个蚂蚁，找不到的客户根据客户的位置，在允许的访问。如果货物体积加上需求的总和客户的货物不少于最大装载量卡车容量的问题，去步骤4。否则重置节点允许的列表，去步骤6。

步骤4：用最短路径计算客户算法和一辆卡车将被分配来实现最短路径..

步骤5：如果一辆卡车到达客户和到达时间满足时间窗口的要求，添加客户候选节点列表，计算距离，需要时间和等待时间。走到6步。如果一辆卡车到达一个交叉点，将交叉口设为一个新的初始节点和去一步4。否则到5。

步骤6：蚂蚁将离开仓库又去如果列表是空的，要步骤3。如果列表中的7个不是空的，就要一步一步。否则，订单 1，去步骤3搜索客户在允许的，如果有一些客户没有被访问。

步骤7：计算客户的概率，使用（18）-（19）。选择将访问的下一个客户从候选节点列表允许，然后添加链接我和客户之间的列表禁忌，包括交叉口和客户

步骤8：更新和全球信息素遍历路由通过公式。（20）（23），如所有蚂蚁都已选定下一个客户。

在rho;isin;[0,1]是当地的衰减系信息素，0tau;是信息素的初始值，n客户的总数量，LNN是初始的总和解决方案的总长度的路由，这是计算的最近邻算法和完成的需要的时间路由。更新全局信息素，如果所有蚂蚁已经完成他们的路由。只有最佳的蚂蚁可以释放信息素。

在sigma;[0,1]是全球衰减系信息素，R是一个常数，LGB是最优路由的瞬间。

步骤9：如果所有的客户都去过了，就要走10步。否则要走3步，继续访问另一尚未访问的客户。

步骤10：如果所有的蚂蚁都完成了，就要走步骤11寻找。否则要走步骤3，下一个蚂蚁继续搜索。

步骤11：计算搜索路由的目标每只蚂蚁，和保存最好的路由和flocal客观价值在这一代。

步骤12：flocal这个最好的方案比较生成全局最优解fglobal。如果flocal lt; fglobal，

更新全局最优解，为了fglobal = flocal，并保存从最佳的全球解决方案获得的路由。然后更新保存全局最佳路由的列表。

步骤13：输出优化结果，如果数控大于最大迭代nc_max。另有明确的禁忌，去步骤3重复以上步骤。

1. 在线调度模块
2. 模型

在卡车离开仓库，离线调度模块提供了有计划的调度方案前一天的秩序和交通信息，历史行程时间信息。在具体的调度程序，实施的路由和时间表的调整基于实时交通信息的出行时间预测。该模型可以给出配方Z2：

在无损检测，Contourlet变换，国防和nsdct代表一组没有被服务的客户，一组十字路口和客户的时间，一组交叉点和未被服务的客户节点，一组所有的交叉点和客户没有得到服务在时间上，分别。情商。（24）是为了尽量减少总费用包括旅行费用和所有卡车的等待费用。情商。（25）—（26）表明，决策变量之间的约束xijkP和奕。情商。（27）（30）是硬时间窗保护。

B. 算法

步骤1：设置为0，为每个节点建立路由表。

步骤2：访问所有客户使用访问序列计划计划。

步骤3：对每一个步骤，更新表和参数。

（1）如果一辆卡车到达客户，而客户是客户最后一个，输出优化结果。oyherwise，转到步骤6。如果一辆卡车没有到达任何客户，去（2）。

（2）如果卡车没有达到一个，要走4步交叉口。否则要走5。

步骤4：更新路由表，通过公式。（30）和去一步3。

表示一组与节点连接的节点，我delta;表示概率。它的定义如下

i表示一个蚂蚁去的路径的成本目的地从节点我通过的，最小的，i表示最低成本、tij表示客户的等待时间。步骤5：更新路由表，选择下一个节点使用路由表的概率，去第三步。

步骤6：重新安排其余的访问顺序基于历史数据和实时数据的客户。更新路由表和计算行程时间，等待时间新方案的成本。

步骤7：比较更新后的最小费用方案和初步方案。访问顺序是原始如果新计划的成本高于该计划的费用原始方案。否则要走3步，拜访客户新方案。

6 模拟实验

1. 实验条件

动态智能车辆调度研究被应用到城市交通网络与16交叉口和48个环节，随机设置一个配送中心和9个客户。每路的长度是800米，行车速度50km / h时，路不堵了，也就是说在路上走时约1.6min-4.8min，和交叉口延误的变化从0min-3min，所以在一个链接的总旅行时间1.6min-8min。有一些卡车的最大承载能力6吨，配送中心的工作时间窗口是早上8点到13点。一分钟是离散的步骤，0是仓库的开始工作时间。从那里[ 0300 ]是配送中心工作时间窗口。和工作时间窗口内间隔20分。表一显示客户的具体信息。在这项研究中，我们订购比照= 400元/车，= 2元/分钟，CW = 0.8yuan/min，蚁群算法的参数设置如下：M = 20，nc_max = 500，alpha;= 1，beta;= 1.5times;exp（1／NC数控是一个循环的产生，gamma;= exp（1／NC），rho;= 0.2，sigma;= 0.1，r = 10

1. 实验结果

为了让计划路由和跳度，实用模型和4节中的算法。图1显示200代前最佳适应值的变化。三辆卡车被选中执行交付任务。这个17-20-21-25访问序列，17-23-24-22-18和17-19-26在优化初始方案。总行程的长度，行程

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[147979]，资料为PDF文档或Word文档，PDF文档可免费转换为Word