基于行程时间预测的冷链物流路径规划研究

发布时间：2023-10-30 18:27

　　冷链物流因其配送的货物具有易腐、变质特性,相比于普通物流对时效性的要求更高、配送成本也更大;然而,随着城市规模的不断扩大,交通拥堵情况愈发频繁,因此,合理规划配送路径尤为重要,良好的配送路径不仅能够有效提高配送效率,降低配成本,减少碳排放量,还可以增加客户满意度。现有的关于冷链物流车辆路径问题的研究大都未考虑实际路网的复杂性与交通情况的时变性,即,默认各客户点之间的连通路径只有一条,且距离为其空间欧式距离;或认为交通情况不变或将配送时间划分为多个时段,默认各时段内交通情况不变。然而,路网的复杂性与交通情况的时变性均会对配送活动造成影响,进而影响配送活动中的各项成本,因此,本文基于以往研究的不足,对冷链物流车辆路径问题做进一步研究,主要内容如下:首先,以路段行程时间预测为目标,分别基于固定检测器技术和浮动车技术进行路段行程时间预测研究,接着采用遗传算法优化的BP神经网络算法将利用固定检测器技术和浮动车技术得到的路段行程时间预测结果进行融合,从而提高路段行程时间预测结果的精度。基于此,考虑到在配送活动中路网的时变性,在对路径进行行程时间预测时,对于非当前时刻的路段,赋予路段历史行程时间数据...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景
    1.2 国内外研究综述
        1.2.1 一般车辆路径问题研究现状
        1.2.2 冷链物流车辆路径问题研究现状
        1.2.3 路段行程时间预测研究现状
        1.2.4 研究评述
    1.3 研究内容、意义及技术路线
        1.3.1 研究内容
        1.3.2 研究意义
        1.3.3 技术路线
    1.4 本文创新点
2 车辆路径问题和行程时间预测理论
    2.1 冷链物流概念及特点
        2.1.1 冷链物流的定义
        2.1.2 冷链物流的特点
    2.2 车辆路径问题概述
        2.2.1 车辆路径问题分类
        2.2.2 车辆路径问题求解方法
    2.3 路段行程时间预测技术
        2.3.1 固定检测器技术
        2.3.2 浮动车技术
    2.4 本章小结
3 行程时间预测模型研究
    3.1 基于固定检测器技术的路段行程时间预测
    3.2 基于浮动车技术的路段行程时间预测
    3.3 基于数据融合的路段行程时间预测模型
        3.3.1 数据的时空匹配
        3.3.2 基于遗传算法改进BP神经网络的路段行程时间预测模型
        3.3.3 各模型预测结果对比
    3.4 路径行程时间预测
    3.5 本章小结
4 基于行程时间预测的冷链物流路径规划模型
    4.1 问题描述与假设
    4.2 建模思路
    4.3 冷链物流配送成本分析
        4.3.1 车辆运营成本
        4.3.2 制冷成本
        4.3.3 货损成本
        4.3.4 惩罚成本
        4.3.5 运输成本
        4.3.6 碳排放量
        4.3.7 总模型
    4.4 求解算法设计
        4.4.1 NSGA-Ⅱ算法原理
        4.4.2 编码和初始种群的建立
        4.4.3 适应度函数
        4.4.4 操作算子
        4.4.5 NSGA-Ⅱ算法流程
    4.5 案例分析
        4.5.1 数据陈述
        4.5.2 结果对比
    4.6 本章小结
5 总结
    5.1 主要工作与结论
    5.2 展望
参考文献
附录
    A.作者在攻读学位期间发表的论文目录
    B.路网路段历史平均行程时间
    C.学位论文数据集
致谢



本文编号：3858966