多目标低碳车辆路径优化模型及求解算法
发布时间：2020-12-10 09:36
为有效降低物流配送过程产生的能耗和碳排放,控制配送成本,以传统带时间窗车辆路径问题为基础,研究低碳条件下的车辆路径问题。通过三角概率分布在合理速度区间内对车辆速度进行估算,综合考虑车辆行驶速度、载重量及运行里程构建碳排放计算模型,建立以系统总成本最低、车辆周转时间最小的多目标低碳车辆路径优化模型。将新兴多因子优化算法中协同进化和信息交互的思想应用于NSGA-Ⅱ算法,提出增强型NSGA-Ⅱ算法。算例结果表明,多目标优化模型可以更好地兼顾不同物流配送参与者的利益,更符合实际决策过程,所提出的ENSGA-Ⅱ算法在经济成本上平均节省超过3%,在车辆周转时间上平均改进达到5.02%,表现出较好的求解性能。
【文章来源】：交通信息与安全. 2020年01期 第118-126+144页 北大核心
【文章页数】：10 页
【部分图文】：
匹配交换操作及对应路径Fig.7Matchingexchangeoperationandcorrespondingpath交叉操作路径r1"路径r2"
交通信息与安全2020年1期第38卷总223期生成来标定弧速度[16]，但该方法仅考虑2个边界值，所包含的信息较少，所得的估算值与实际值差距较大，过于理想化，不足以反映实际路况，为此，本文拟采用适用于随机建模的三角形概率分布模型估算弧速度。三角形分布除了有上界a和下界b的限定外，还包含了最可能出现的值c，是一种连续概率分布模型，与正态分布相似，但比正态分布更灵活、更直观，即如果c的值更接近a或b，则三角形分布也会偏斜，见图1。三角分布虽然是一种对于实际情况的简化，但这种简化所损失的信息量较小，由此所得到的结果与真实情况相差较校尤其适用于样本数据不全但已知变量之间关系的情景，应用于在最大值与最小值之间出现最可能值，即已知模型中样本最可能出现结果的概率预测模型。最小值vd可能值vq最大值vuO概率密度f(v)旅行速度/(km/h）图1三角分布示意Fig.1Illustrationoftriangledistribution在现实中，车辆不可能以恒定速度行驶。根据先验信息，有可能在最大速度vmax和最小速度vmin内行驶。得益于目前交通大数据的支持，可知车辆在最小速度和最大速度之间的最可能行驶速度，因此，使用三角形分布能更好地量化弧速度，能够使速度在服从概率分布的情况下具有一定的随机性，相较于均匀分布和正态分布，其应用更为灵活，适应性更强。因此，引入三角分布来量化弧速度约束，可以有效的结合自由流速度vu、拥堵速度vd和可能速度vm这3个速度信息，对期望速度进行估算，为进一步分析车辆速度与燃料消耗之间的关系奠定基矗三角分布概率密度函数图像见图1，表达式见式（1）。f(v)=ìí0v
优化目标根据相关研究，车辆的碳排放与油耗呈正相关关系。因此，以燃油消耗量作为衡量车辆碳排放的标准。车辆油耗量的计算有瞬时排放模型、载重碳排放模型、综合排放模型、MEET模型等[17]，其中综合排放模型全面考虑了车辆在行驶过程中运行速度、货物负载重量、行驶道路路面因素等的影响。但在实际的应用过程中，综合模型的计算过于复杂，需要进行测算的数据较多，根据文献[17]的相关研究，车辆在行驶过程中，影响油耗量大小的决定因素随速度的变化而改变，一般货物运输车辆行驶速度与燃油消耗关系见图2。14.0012.0010.008.006.004.002.000.002030405060708090100110行驶速度/（km/h）燃油消耗/(L/100km)总燃油消耗牵引力做功燃油消耗发动机系统做功图2车辆行驶速度与燃油消耗关系Fig.2Relationshipbetweenvehiclespeedandfuelconsumption表1模型相关变量及参数定义Tab.1Modelrelatedvariablesandparameterdefinitions符号集合参数变量VV0EmklijqititintmkijWmωlijvijωcijkcmgcmfceeilipQmxmkij含义网络节点集合V={1?2???n}，1代表配送中心需求点集合V0=V/{1}节点间弧集合，E={(i?j)|i1ji?jV}车辆类型集合m={1?2???M}车辆集合k={1?2???K}客户点i到客户点j的距离，km第i个客户点的需求量,t车辆到达客户点i的时间客户点i所需服务时间，min客户点i到客户点j所需时间，min第m种类型车辆的自重（即空载质量），kg车辆在弧上的负载重量，kg弧（i?j）上车辆的期望行驶速度，
【参考文献】：
期刊论文
[1]多车型绿色车辆路径问题优化模型[J]. 何东东,李引珍. 计算机应用. 2018(12)
[2]基于拆分运输的低碳车辆路径优化[J]. 李双艳,王忠伟,张得志. 铁道科学与工程学报. 2018(07)
[3]基于碳交易机制的带时间窗车辆路径问题与算法研究[J]. 葛显龙,谭柏川,吴宁谦. 管理工程学报. 2018(04)
[4]可获知偶发拥堵持续时间的动态车辆路径问题[J]. 李嫚嫚,陆建,郭文倩. 交通信息与安全. 2018(02)
[5]考虑运载能力与行程约束的绿色车辆路径问题[J]. 董誉文,仉帅. 工业工程与管理. 2017(01)
[6]基于CO2排放的车辆路径优化模型及其算法研究[J]. 张得志,钱奇,李双艳,靳方平. 铁道科学与工程学报. 2015(02)
[7]基于碳排放与速度优化的带时间窗车辆路径问题[J]. 李进,张江华. 系统工程理论与实践. 2014(12)
硕士论文
[1]考虑碳排放的城市快递配送车辆路径问题优化研究[D]. 杨宁.北京邮电大学 2018
[2]考虑节能减排的物流配送车辆路径优化问题研究[D]. 孟凡婷.北京交通大学 2017
本文编号：2908476
【文章来源】：交通信息与安全. 2020年01期 第118-126+144页 北大核心
【文章页数】：10 页
【部分图文】：
匹配交换操作及对应路径Fig.7Matchingexchangeoperationandcorrespondingpath交叉操作路径r1"路径r2"
交通信息与安全2020年1期第38卷总223期生成来标定弧速度[16]，但该方法仅考虑2个边界值，所包含的信息较少，所得的估算值与实际值差距较大，过于理想化，不足以反映实际路况，为此，本文拟采用适用于随机建模的三角形概率分布模型估算弧速度。三角形分布除了有上界a和下界b的限定外，还包含了最可能出现的值c，是一种连续概率分布模型，与正态分布相似，但比正态分布更灵活、更直观，即如果c的值更接近a或b，则三角形分布也会偏斜，见图1。三角分布虽然是一种对于实际情况的简化，但这种简化所损失的信息量较小，由此所得到的结果与真实情况相差较校尤其适用于样本数据不全但已知变量之间关系的情景，应用于在最大值与最小值之间出现最可能值，即已知模型中样本最可能出现结果的概率预测模型。最小值vd可能值vq最大值vuO概率密度f(v)旅行速度/(km/h）图1三角分布示意Fig.1Illustrationoftriangledistribution在现实中，车辆不可能以恒定速度行驶。根据先验信息，有可能在最大速度vmax和最小速度vmin内行驶。得益于目前交通大数据的支持，可知车辆在最小速度和最大速度之间的最可能行驶速度，因此，使用三角形分布能更好地量化弧速度，能够使速度在服从概率分布的情况下具有一定的随机性，相较于均匀分布和正态分布，其应用更为灵活，适应性更强。因此，引入三角分布来量化弧速度约束，可以有效的结合自由流速度vu、拥堵速度vd和可能速度vm这3个速度信息，对期望速度进行估算，为进一步分析车辆速度与燃料消耗之间的关系奠定基矗三角分布概率密度函数图像见图1，表达式见式（1）。f(v)=ìí0v
优化目标根据相关研究，车辆的碳排放与油耗呈正相关关系。因此，以燃油消耗量作为衡量车辆碳排放的标准。车辆油耗量的计算有瞬时排放模型、载重碳排放模型、综合排放模型、MEET模型等[17]，其中综合排放模型全面考虑了车辆在行驶过程中运行速度、货物负载重量、行驶道路路面因素等的影响。但在实际的应用过程中，综合模型的计算过于复杂，需要进行测算的数据较多，根据文献[17]的相关研究，车辆在行驶过程中，影响油耗量大小的决定因素随速度的变化而改变，一般货物运输车辆行驶速度与燃油消耗关系见图2。14.0012.0010.008.006.004.002.000.002030405060708090100110行驶速度/（km/h）燃油消耗/(L/100km)总燃油消耗牵引力做功燃油消耗发动机系统做功图2车辆行驶速度与燃油消耗关系Fig.2Relationshipbetweenvehiclespeedandfuelconsumption表1模型相关变量及参数定义Tab.1Modelrelatedvariablesandparameterdefinitions符号集合参数变量VV0EmklijqititintmkijWmωlijvijωcijkcmgcmfceeilipQmxmkij含义网络节点集合V={1?2???n}，1代表配送中心需求点集合V0=V/{1}节点间弧集合，E={(i?j)|i1ji?jV}车辆类型集合m={1?2???M}车辆集合k={1?2???K}客户点i到客户点j的距离，km第i个客户点的需求量,t车辆到达客户点i的时间客户点i所需服务时间，min客户点i到客户点j所需时间，min第m种类型车辆的自重（即空载质量），kg车辆在弧上的负载重量，kg弧（i?j）上车辆的期望行驶速度，
【参考文献】：
期刊论文
[1]多车型绿色车辆路径问题优化模型[J]. 何东东,李引珍. 计算机应用. 2018(12)
[2]基于拆分运输的低碳车辆路径优化[J]. 李双艳,王忠伟,张得志. 铁道科学与工程学报. 2018(07)
[3]基于碳交易机制的带时间窗车辆路径问题与算法研究[J]. 葛显龙,谭柏川,吴宁谦. 管理工程学报. 2018(04)
[4]可获知偶发拥堵持续时间的动态车辆路径问题[J]. 李嫚嫚,陆建,郭文倩. 交通信息与安全. 2018(02)
[5]考虑运载能力与行程约束的绿色车辆路径问题[J]. 董誉文,仉帅. 工业工程与管理. 2017(01)
[6]基于CO2排放的车辆路径优化模型及其算法研究[J]. 张得志,钱奇,李双艳,靳方平. 铁道科学与工程学报. 2015(02)
[7]基于碳排放与速度优化的带时间窗车辆路径问题[J]. 李进,张江华. 系统工程理论与实践. 2014(12)
硕士论文
[1]考虑碳排放的城市快递配送车辆路径问题优化研究[D]. 杨宁.北京邮电大学 2018
[2]考虑节能减排的物流配送车辆路径优化问题研究[D]. 孟凡婷.北京交通大学 2017
本文编号：2908476
本文链接：https://www.wllwen.com/guanlilunwen/wuliuguanlilunwen/2908476.html
