内河港口中作业车辆的协同选路方法研究

内河港口中作业车辆的协同选路方法研究

论文摘要

内河港口集疏运过程中有大量货运车辆参与,如果不对这些车辆进行合理引导,极易产生拥堵,从而导致车辆行驶时间和港内能耗的增加、港口资源利用率的降低,影响港口吞吐量。如何为港区作业车辆安排合理的行驶路径,并提高港区路网利用效益成为亟待解决的问题。因此,研究内河港口中作业车辆的选路方法具有实际应用意义和一定的理论价值。鉴于以上问题,本文研究内容如下:(1)设计了一种基于交通流量短时预测的候选路径集搜索方法,用于得到符合内河港口中作业车辆特性的候选路径集。首先,该方法在K近邻(K-Nearest Neighbor,KNN)算法预测流程的基础上,将作业指令、港区工作状态等影响港内交通流量的因素定义为状态向量,对短时交通流量进行单时间步和多时间步预测。然后,构建了一种作业车辆最优路径搜索的改进型A*算法。该算法在路径搜索过程中,用多个指标评价路径优劣,依据交通流量计算路段阻抗,并考虑了车辆在关键节点处的等待时间及作业流程。最后,以最优路径为基础,使用K条最短路径(K Shortest Path,KSP)算法搜索作业车辆的候选路径集。(2)设计了一种基于博弈的作业车辆协同选路方法,以缓解港区内多作业车辆同时选路造成的路线冲突。首先,将同时请求路径规划的车辆的选路行为建模为不完全信息博弈,应用满足均衡的概念分析该博弈。建立基于博弈论的作业车辆协同选路模型,其中车辆的候选路径集为其参与博弈的策略空间。然后,使用基于博弈的作业车辆协同选路算法(Collaborative Route Selecting Algorithm,CoRS)求解该模型,并从理论上证明了算法的收敛性。算法的执行过程对应博弈的多个阶段。博弈的初始阶段各个车辆从候选路径集中选择效用最大的路径,之后的博弈阶段中,将车辆分组,所有组依次根据历史选路策略进行适应性学习。不断重复博弈,直至车辆选路达到均衡,且路网利用效益最大化。(3)对所提算法进行实验验证。对于基于交通流量短时预测的候选路径集搜索方法,首先确定了基于KNN的短时交通流量多时间步预测算法的近邻个数选取8为最优,然后验证了该预测算法的准确性;接着验证了最优路径搜索的改进型A*算法和最优路径集搜索的KSP算法在实际路网中应用的有效性,实验结果表明,上述算法可正确求解出符合作业车辆特性的结果。对于基于博弈的作业车辆协同选路方法,首先确定了本文的协同选路算法达到收敛状态所需的迭代次数;然后将该算法与Dijkstra和自适应学习算法进行对比,实验结果表明,本文算法与上述两个算法相比,在车辆数目较多的情况下,车辆平均行驶时间和路网能耗有所降低。综上所述,本文工作是对内河港口智能化建设的一个初步探讨,对改善内河港口中道路拥堵情况和提高路网利用效益,具有现实意义和一定的实用价值。

论文目录

  • 摘要
  • abstract
  • 第1章 绪论
  •   1.1 课题研究背景及意义
  •   1.2 国内外研究现状分析
  •     1.2.1 短时交通流量预测研究现状
  •     1.2.2 候选路径集生成方法研究现状
  •     1.2.3 路径规划研究现状
  •     1.2.4 内河港口作业车辆调度方法研究现状
  •   1.3 本文研究内容
  •   1.4 本文组织结构
  • 第2章 基于交通流量短时预测的候选路径集搜索方法
  •   2.1 作业车辆候选路径集搜索问题分析
  •   2.2 内河港口路网模型构建
  •     2.2.1 节点和路段抽象
  •     2.2.2 路段阻抗及时间序列定义
  •   2.3 交通流量短时预测的KNN算法
  •     2.3.1 KNN算法概述
  •     2.3.2 KNN的特点和不足
  •     2.3.3 适应内河港口特性的状态向量定义
  •     2.3.4 基于KNN的短时交通流量单时间步预测算法
  •     2.3.5 基于KNN的短时交通流量多时间步预测算法
  •   2.4 作业车辆最优路径搜索的A*算法的改进
  •     2.4.1 A*算法概述
  •     2.4.2 A*算法的特点和不足
  •     2.4.3 作业车辆最优路径搜索的改进型A*算法
  •   2.5 作业车辆最优路径集搜索的KSP算法
  •     2.5.1 KSP算法概述
  •     2.5.2 作业车辆最优路径集搜索的KSP算法描述
  •     2.5.3 时间复杂度分析
  •   2.6 本章小结
  • 第3章 基于博弈的作业车辆协同选路方法
  •   3.1 博弈论概述
  •     3.1.1 博弈论基本要素
  •     3.1.2 纳什均衡
  •     3.1.3 满足均衡
  •   3.2 基于博弈论的作业车辆协同选路模型
  •     3.2.1 模型要素
  •     3.2.2 作业车辆选路效用计算
  •     3.2.3 作业车辆选路的满足博弈
  •     3.2.4 模型求解目标
  •   3.3 基于博弈的作业车辆协同选路方法
  •     3.3.1 作业车辆分组原则
  •     3.3.2 作业车辆选路策略
  •     3.3.3 基于博弈的作业车辆协同选路算法
  •     3.3.4 收敛性分析
  •     3.3.5 时间复杂度分析
  •   3.4 本章小结
  • 第4章 实验验证与结果分析
  •   4.1 实验平台介绍
  •   4.2 实验基准测试数据
  •     4.2.1 路网基础数据
  •     4.2.2 交通流量数据
  •     4.2.3 生产业务数据
  •   4.3 基于交通流量短时预测的候选路径集搜索方法实验验证
  •     4.3.1 实验设计
  •     4.3.2 基于KNN的短时交通流量多时间步预测算法实验验证
  •     4.3.3 作业车辆最优路径搜索的改进型A*算法实验验证
  •     4.3.4 作业车辆最优路径集搜索的KSP算法实验验证
  •     4.3.5 实验结论
  •   4.4 基于博弈的作业车辆协同选路方法实验验证
  •     4.4.1 实验设计
  •     4.4.2 性能指标
  •     4.4.3 组大小计算中迭代次数经验值的确定
  •     4.4.4 基于博弈的作业车辆协同选路算法实验验证
  •     4.4.5 实验结论
  •   4.5 本章小结
  • 第5章 总结与展望
  •   5.1 主要工作总结
  •   5.2 研究展望
  • 致谢
  • 参考文献
  • 攻读学位期间获得与学位论文相关的科研成果目录
  • 附录 A
  • 文章来源

    类型: 硕士论文

    作者: 杨丽金

    导师: 杨青

    关键词: 交通拥堵,车辆选路问题,路径规划,协同选路算法,内河港口

    来源: 武汉理工大学

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑

    专业: 数学,公路与水路运输

    单位: 武汉理工大学

    分类号: U691;O224

    DOI: 10.27381/d.cnki.gwlgu.2019.001080

    总页数: 92

    文件大小: 2451K

    下载量: 12

    相关论文文献

    • [1].遗传算法电力通信网关键业务备选路由配置[J]. 云南电力技术 2017(01)
    • [2].一种优化ZigBee性能的综合加权选路算法[J]. 小型微型计算机系统 2013(09)
    • [3].一种多路径环境下的智能选路算法设计与实现[J]. 铁路计算机应用 2016(10)
    • [4].多层光网络实时选路算法[J]. 西安电子科技大学学报 2010(06)
    • [5].一种基于动态规划的间断连接无线互联网络选路算法[J]. 电子学报 2010(10)
    • [6].光网络选路和波长分配研究[J]. 科技信息 2010(30)
    • [7].一种新的最小干扰选路算法及仿真研究[J]. 系统仿真学报 2009(07)
    • [8].长途骑行技巧(下)[J]. 中国自行车 2008(12)
    • [9].基于可用性的QoS选路研究[J]. 计算机应用研究 2009(05)
    • [10].向量网中综合层次路由结果的选路方法[J]. 新型工业化 2011(03)
    • [11].VRP平台出口选路技术辨析[J]. 网络安全和信息化 2020(06)
    • [12].基于交通方向的较优路径选路算法[J]. 计算机应用与软件 2012(06)
    • [13].WDM光网络中固定备选路由算法的实现[J]. 电脑知识与技术 2009(32)
    • [14].基于重填化学反应优化解决无线网络动态最短选路优化问题[J]. 工业控制计算机 2011(05)
    • [15].基于NS-2的距离向量选路算法仿真[J]. 昆明学院学报 2010(03)
    • [16].新型最小干扰选路算法及仿真研究[J]. 东北大学学报(自然科学版) 2009(11)
    • [17].基于博弈论的内河港口作业车辆协同选路方法[J]. 计算机应用 2020(01)
    • [18].长途骑行技巧(中)[J]. 中国自行车 2008(11)
    • [19].双按钮进路式选路法的教学方法探讨[J]. 电子制作 2014(19)
    • [20].弹性光网络中选路和频谱指派的建模和高效启发式算法(英文)[J]. 光子学报 2014(07)
    • [21].一种车联网环境下的城市车辆协同选路方法[J]. 计算机学报 2017(07)
    • [22].电力OTN网络中的智能QoS选路算法研究[J]. 通讯世界 2013(21)
    • [23].基于自学习选路算法的多路径并行传输[J]. 电子学报 2013(07)
    • [24].三层动态网络联合优化选路算法[J]. 中国通信 2010(03)
    • [25].你们是找路走,我们是选路走[J]. 学习博览 2011(12)
    • [26].动态路由协议[J]. 信息与电脑(理论版) 2009(18)
    • [27].基于表面自适应的定向贪婪选路[J]. 南京邮电大学学报(自然科学版) 2008(06)
    • [28].基于EVE-NG的BGP路由协议研究与仿真[J]. 实验室研究与探索 2020(02)
    • [29].基于磁光子晶体的太赫兹选路开关和分束器[J]. 光通信研究 2017(01)
    • [30].综合网络中路由器选路规则研究[J]. 数字技术与应用 2015(12)

    标签:;  ;  ;  ;  ;  

    内河港口中作业车辆的协同选路方法研究
    下载Doc文档

    猜你喜欢