导读:本文包含了车辆合乘论文开题报告文献综述及选题提纲参考文献，主要关键词:个性化合乘,基于位置服务,时空数据管理,查询优化
车辆合乘论文文献综述
万季[1]（2019）在《个性化车辆合乘服务研究》一文中研究指出车辆合乘,即具有相似行程的多人合乘同一车辆出行,具有方便公众出行、缓解出行压力、促进节能减排、共同分担出行费用等诸多优点。现有的车辆合乘服务往往只考虑乘客之间的路径相似度,很少考虑通过用户之间的社会关系、兴趣爱好等个性化因素改善乘车体验,车辆合乘服务在个性化、定制化等方面仍有很大提升空间。本文首先提出了一种基于用户社会关系的个性化车辆合乘服务,对乘客之间的社会关系、价格等进行建模,匹配时将路径相似且社会关系相近的乘客优先安排在一辆车上。在该服务中提出了叁种车辆合乘匹配算法,通过基于四叉树的候选车辆裁剪、SR-Qtree和ESR-Qtree索引结构等技术手段优化车辆合乘匹配速度,并通过仿真实验中对本文提出的算法和模型进行了有效性验证。在仿真实验过程中,我们发现有一些用户社会关系较为稀疏,这些用户与其余大多数用户没有社会关系,难以为这些乘客匹配社会关系相近的其他乘客共同出行。为了改善社会关系稀疏用户的个性化车辆合乘体验,本文又提出了一种基于用户兴趣爱好的个性化车辆合乘服务。在该服务中,首先将用户与车辆整体的兴趣爱好进行建模,并设计了一种衡量用户之间的兴趣爱好相似度的方法。在使用该服务进行车辆合乘匹配时,本文提出了两种车辆合乘匹配算法,通过时空约束条件、候选车辆裁剪等方法提升路径规划速度与车辆匹配效率,并把路径相似且兴趣爱好相近的乘客优先匹配在一辆车上,最后在车辆合乘匹配仿真系统上对该服务中模型与算法的有效性进行了验证。本文在OpenStreetMap地图上使用Java语言编写了车辆合乘匹配仿真系统,并使用滴滴出行和纽约出租车真实的订单数据集进行了仿真实验。与国际上其他先进研究工作相比,使用本文提出的算法和模型进行匹配时,用户之间的社会关系紧密程度提升了8.5%,兴趣爱好相似度提升了31.9%,乘客与车辆的匹配时间缩短了78.2%。实验结果表明,本文的研究工作有利于从用户社会关系和兴趣爱好的角度改善个性化乘车体验,提升乘客与车辆的匹配速度,促进以车辆合乘为代表的共享出行模式从“功能性”到“个性化”的升级转变。(本文来源于《郑州大学》期刊2019-05-01）
刘庆凯[2]（2019）在《小件快运车辆合乘匹配问题研究》一文中研究指出高铁具有速度快、正点率高以及舒适方便等特点,逐步成为大多数人的出行工具。高铁的快速发展对公路客运行业造成一定的冲击,客流分流,班线客运车辆网络资源、行李舱空间资源闲置日趋严重,客运企业盈利减少。另一方面,物质需求的提高使中国快递行业不断发展。面对高铁的冲击以及快速发展的货物运输市场带来的商机,小件快运作为公路客运企业新的利润增长业务得到重视与发展。现阶段,关于车辆合乘的研究成果主要集中在出租车与私家车,有关小件快运车辆合乘匹配的成果不多,尤其是当客运车站快运小件过多时,有关货物的分配问题更是研究甚少。本文开展的小件快运车辆合乘匹配问题研究在保证客户利益的同时,对提高客运企业车辆资源的配置具有积极的意义。论文借鉴客运共享的相关研究,在快运小件足够多且采用泊松分布到达车站的情况下,研究其合乘匹配问题,主要包括两部分:直达模式下小件快运车辆合乘匹配问题(VRPSPE-DM)和中转模式下小件快运车辆合乘匹配问题(VRPSPE-TM)研究。对于直达模式,构建了以快运小件与车辆匹配度之和最大为目标的数学模型,其次设计了两阶段算法,第一阶段提出基于小件快运车--货匹配度算法,以求出货物与每辆班车的匹配度;第二阶段借鉴线性规划中求解运输问题的方法,提出快运小件分配算法,以解决货物选车问题。通过随机产生的数据进行实验,验证模型与设计算法的有效性。对于中转运输模式,根据时间窗的松弛程度对货物进行分级,对优先级低的货物以及优先级虽然高但无法进行直达运输的货物采用中转运输方式,讨论了中转方案的影响因素,建立了以快运小件运输时间与等待时间之和最短为目标的数学模型。根据研究的问题,设计了相应的遗传算法进行中转车站的确定。在直达运输实验数据与实验结果的基础上验证了所建立模型与设计算法的有效性。(本文来源于《长安大学》期刊2019-04-12）
伊鹏[3]（2018）在《基于分布式变邻域搜索的长期车辆合乘问题求解研究》一文中研究指出随着我国经济的高速增长,私家车已经成为人们普遍的出行工具,但由此带来的交通压力和环境污染也日趋明显。通过车辆合乘方式共享出行则可有效缓解以上问题,因此车辆合乘问题(Carpooling Problem,CPP)逐渐成为研究的热点领域。长期车辆合乘问题(Long-Term Carpooling Problem,LTCPP)属于车辆合乘问题的子问题,它是一种用户目的地相近且用户之间的合乘关系固定的特殊车辆合乘问题。本文应用启发式算法中的变邻域搜索算法(Variable Neighborhood Search Algorithm,VNSA)对长期车辆合乘问题进行研究,通过构造不同变邻域结构对长期车辆合乘问题的解域进行局部搜索,可在较短时间内求解长期车辆合乘问题。首先对长期车辆问题进行分析,构建以出行成本为目标函数并带有时间窗约束和车容量约束的数学模型;然后根据用户地理位置分布,应用复合距离优先算法将用户划分到各个合乘小组,对各个合乘小组进行约束验证得到质量较高的初始解。为了避免陷入局部最优,本文通过构造不同的邻域搜索结构分别对初始解进行局部优化,经过邻域搜索迭代优化后得到满足时间窗口约束和车容量约束的较优解。最后构建基于分布式计算的变邻域搜索机制,提高算法的可靠性和精度,达到节约出行成本的目的。实验结果表明,该算法对于大规模算例能够求解出高质量的较优解,同时该算法在收敛速度和求解时间上均有较高的优势。(本文来源于《辽宁工程技术大学》期刊2018-06-01）
郭羽含,伊鹏[4]（2018）在《长期车辆合乘问题的复合变邻域搜索算法》一文中研究指出针对于长期车辆合乘问题(LTCPP),提出一种复合变邻域搜索算法(HVNSA),将具有相同目的地的用户进行合乘匹配从而减少车辆出行数量。首先,构建一个全面准确的长期车辆合乘问题的数学模型,将所有用户按复合距离优先算法分配到合乘小组中,对时间窗口和车容量约束验证,得到初始合乘方案;然后利用变邻域搜索算法对初始合乘方案进行优化迭代,得到最终的优化合乘方案。实验结果表明,该算法在处理100人和200人的规模问题上可以在1 s内得到高质量的优化合乘方案,对于400人和1000人的较大规模问题,该算法仍然可以在2～4 s内得到较高质量的优化合乘方案。(本文来源于《计算机应用》期刊2018年10期）
郭羽含,伊鹏[5]（2019）在《车辆合乘问题的分布式复合变邻域搜索算法》一文中研究指出针对长期车辆合乘问题(long-term carpooling problem,LTCPP),提出一种基于分布式的复合变邻域搜索算法,利用分布式计算的优势可快速求解出大规模用户的合乘匹配方案。首先构建带有时间窗约束和车容量约束的数学模型,建立成本计算的目标函数;然后按复合距离优先算法将所有用户分配到各合乘小组中,最终得到满足约束条件的初始合乘方案。通过对变邻域搜索算法进行分布式处理,使算法可以对初始合乘方案进行并行迭代优化计算,得到最终的合乘方案。实验结果表明,该算法在速度和大规模问题求解质量上具有明显的优势。(本文来源于《计算机科学与探索》期刊2019年02期）
程龙,何胜学,陈经纬[6]（2017）在《城市通勤车辆合乘网络模型》一文中研究指出针对城市早晚高峰交通拥堵问题,提出了一种通勤车辆的合乘网络模型。新模型充分利用了通勤出行时间与起讫点位置相对比较集中的特点,并考虑了市民通勤出行的不同需求,因此不仅可以方便通勤者高峰时段的出行,而且有利于缓解城市道路交通压力。模型的求解首先利用二分图匹配实现司机乘客的匹配过程,确定可行的司乘匹配集合;然后分别计算各匹配的实际缩减运行距离和总的合乘参与人数;最后使用分层求解的方法确定参与人数限制条件下的最佳合乘匹配。通过算例验证了模型的可行性和有效性,由数值分析可知:合理的通勤合乘有利于减少车辆总的行驶距离;合乘点的引入提高了司机乘客的匹配率和模型的优化效果。(本文来源于《物流科技》期刊2017年10期）
郭羽含,张美琪,周楠[7]（2017）在《基于偏好矩阵遗传算法求解长期车辆合乘问题》一文中研究指出针对长期车辆合乘问题(LTCPP),提出带有偏好矩阵的遗传算法(PMGA),将拥有私家车且目的地相同的用户群体分配到产生总花费最少的合乘小组。首先,建立计算基于全体用户费用成本的目标函数,构建以用户时间窗和车容量为约束的长期车辆合乘模型;然后,结合模型特点,在传统遗传算法(GA)的基础上,通过在交叉算子与变异算子中添加偏好矩阵记录并更新用户间的偏好信息来提高可行解的数量和质量。实验结果表明,在相同计算环境下,当用户数量小于200时,通过PMGA所获得的20个解中的最优解的值与最优化算法相同;而处理大规模的实例时,PMGA可以获得更高质量的解。所提算法可以明显提高长期车辆合乘问题的求解质量,在降低汽车尾气污染和减少交通拥挤等方面具有重要作用。(本文来源于《计算机应用》期刊2017年02期）
孟春华[8]（2016）在《带有突发事故的高速公路车辆合乘算法研究》一文中研究指出针对高速公路网络下的私家车合乘问题,提出了一种带有突发事故的高速公路车辆合乘问题的模型,基于山东高速公路道路网络环境为背景,模拟真实的道路结构和数据。并针对该问题设计了改进的带有启发式的遗传算法,采用匹配和优化路线同时进行方式进行匹配优化。结果表明,问题模型具有真实性和动态性,而且带有启发式的遗传算法能够较好的解决带有突发事故的高速公路车辆合乘问题,降低了突发事故的发生概率和车辆运行成本,并实现了80%以上的搭乘率。(本文来源于《信息技术与信息化》期刊2016年09期）
杨志家,王子,汪扬,闵明慧,李中胜[9]（2016）在《车辆合乘问题的两阶段分布式估计算法》一文中研究指出针对智慧交通中多车辆合乘问题,提出一种分布式并行计算环境下的合乘模型.利用合乘概率矩阵的先验知识,实现更高效的运算和求解.当合乘概率矩阵不是单位矩阵时,合乘模型被增广为车主合乘和乘客合乘两个阶段.两阶段分布式估计算法运用可行合乘解的合乘概率矩阵,作为一种随机优化方法求解最优值.根据可搭乘矩阵初始化合乘概率矩阵,并在优化过程中连续更新合乘概率矩阵.车主同乘客分离优化,减少了出行车辆,并实现了互相搭乘的合乘模型.通过合乘模型的优化迭代能够为乘客挖掘出高效可行的搭乘路线.实验结果表明,该合乘模型具有平均等待时间少、平均载客量大、人均行驶距离短的高效出行特点.(本文来源于《交通运输系统工程与信息》期刊2016年02期）
邵婷婷[10]（2014）在《基于智能算法的车辆合乘研究与设计》一文中研究指出随着城镇化建设和汽车产业的迅速发展,城市交通供给与交通需求之间的矛盾日益突出。为了缓解城市交通压力,车辆合乘的出行方式得到乘客青睐,路径优化和车辆合乘算法成为研究热点。目前大部分车辆合乘的网站和手机软件只提供信息发布和供求平台,不具备车辆和乘客的匹配功能,没有实现车辆合乘路径的优化。本文在研究车辆合乘问题的相关理论和信息技术的基础上,将智能处理算法与车辆合乘问题相结合,讨论了求解车辆合乘匹配问题和合乘路径优化问题的算法,从算法的原理、步骤和特点等方面探索了粒子群算法和遗传算法这两种智能算法在车辆合乘中的应用。针对带软时间窗的多车辆合乘问题,在保证车辆匹配率的基础上建立了以路径最短和费用最少为目标函数的数学模型,对超时情况采取相应的处理措施。求解多车辆合乘问题首先实现车辆和乘客的匹配,根据匹配的结果规划车辆合乘的路径。在解决车辆合乘匹配时以车辆的匹配率为目标函数,利用粒子群算法优化车辆所经过站点的搜索半径,使车辆与乘客的匹配率最高。车辆合乘匹配完成后,利用改进的遗传算法求解车辆最优合乘路径。针对本文的研究问题,从种群初始化、选择策略、交叉算子和变异算子这四个方面对遗传算法进行改进,加快了算法的收敛性,更易得到最优解。为了验证算法,本文设计了一个路网,路网中有多辆车和多名乘客,每个司机有一个初始路线和时间窗,乘客都有相应的时间窗和起终点。通过实验结果表明,粒子群算法能有效的解决车辆合乘匹配问题,建立的数学模型和改进的遗传算法能有效的解决车辆合乘路径优化问题。最后建立了一个基于android平台的车辆合乘系统,系统的客户端主要负责和用户交互、界面的显示,服务器端主要负责利用优化算法来实现合乘匹配和合乘路径优化。用户登录系统发布初始路线和时间窗,系统利用粒子群算法和改进的遗传算法进行司机和乘客的匹配和车辆合乘路径优化,并将匹配结果和优化路径显示在客户端上,验证了理论模型和算法设计的可行性。(本文来源于《东华理工大学》期刊2014-06-20）
车辆合乘论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
高铁具有速度快、正点率高以及舒适方便等特点,逐步成为大多数人的出行工具。高铁的快速发展对公路客运行业造成一定的冲击,客流分流,班线客运车辆网络资源、行李舱空间资源闲置日趋严重,客运企业盈利减少。另一方面,物质需求的提高使中国快递行业不断发展。面对高铁的冲击以及快速发展的货物运输市场带来的商机,小件快运作为公路客运企业新的利润增长业务得到重视与发展。现阶段,关于车辆合乘的研究成果主要集中在出租车与私家车,有关小件快运车辆合乘匹配的成果不多,尤其是当客运车站快运小件过多时,有关货物的分配问题更是研究甚少。本文开展的小件快运车辆合乘匹配问题研究在保证客户利益的同时,对提高客运企业车辆资源的配置具有积极的意义。论文借鉴客运共享的相关研究,在快运小件足够多且采用泊松分布到达车站的情况下,研究其合乘匹配问题,主要包括两部分:直达模式下小件快运车辆合乘匹配问题(VRPSPE-DM)和中转模式下小件快运车辆合乘匹配问题(VRPSPE-TM)研究。对于直达模式,构建了以快运小件与车辆匹配度之和最大为目标的数学模型,其次设计了两阶段算法,第一阶段提出基于小件快运车--货匹配度算法,以求出货物与每辆班车的匹配度;第二阶段借鉴线性规划中求解运输问题的方法,提出快运小件分配算法,以解决货物选车问题。通过随机产生的数据进行实验,验证模型与设计算法的有效性。对于中转运输模式,根据时间窗的松弛程度对货物进行分级,对优先级低的货物以及优先级虽然高但无法进行直达运输的货物采用中转运输方式,讨论了中转方案的影响因素,建立了以快运小件运输时间与等待时间之和最短为目标的数学模型。根据研究的问题,设计了相应的遗传算法进行中转车站的确定。在直达运输实验数据与实验结果的基础上验证了所建立模型与设计算法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
车辆合乘论文参考文献
[1].万季.个性化车辆合乘服务研究[D].郑州大学.2019
[2].刘庆凯.小件快运车辆合乘匹配问题研究[D].长安大学.2019
[3].伊鹏.基于分布式变邻域搜索的长期车辆合乘问题求解研究[D].辽宁工程技术大学.2018
[4].郭羽含,伊鹏.长期车辆合乘问题的复合变邻域搜索算法[J].计算机应用.2018
[5].郭羽含,伊鹏.车辆合乘问题的分布式复合变邻域搜索算法[J].计算机科学与探索.2019
[6].程龙,何胜学,陈经纬.城市通勤车辆合乘网络模型[J].物流科技.2017
[7].郭羽含,张美琪,周楠.基于偏好矩阵遗传算法求解长期车辆合乘问题[J].计算机应用.2017
[8].孟春华.带有突发事故的高速公路车辆合乘算法研究[J].信息技术与信息化.2016
[9].杨志家,王子,汪扬,闵明慧,李中胜.车辆合乘问题的两阶段分布式估计算法[J].交通运输系统工程与信息.2016
[10].邵婷婷.基于智能算法的车辆合乘研究与设计[D].东华理工大学.2014