针对带时间窗的时间依赖型同时取送货车辆路径问题(Time Dependent Vehicle Routing Problem with Simultaneous Pickup-Delivery and Time Windows,TDVRPSPDTW),本文建立以车辆固定成本、驾驶员成本、燃油消耗及碳排放成本之和为优化目标的数学模型;并在传统蚁群算法的基础上,利用节约启发式构造初始解初始化信息素,改进状态转移规则,引入局部搜索策略,提出一种带自适应大邻域搜索的混合蚁群算法(Ant Colony Optimization with Adaptive Large Neighborhood Search,ACO-ALNS)进行求解;最后,分别选取基准问题算例和改编生成TDVRPSPDTW算例进行实验。实验结果表明:本文提出的ACO-ALNS算法可有效解决TDVRPSPDTW的基准问题;相较于模拟退火算法和带局部搜索的蚁群算法,本文算法求解得到的总配送成本最优值平均分别改善7.56%和2.90%;另外,相比于仅考虑碳排放或配送时间的模型,本文所构建的模型综合多种因素,总配送成本平均分别降低4.38%和3.18%,可有效提高物流企业的经济效益。
为了解决车联网环境下道路交通事故链(Chains of Road Traffic Incident,CRTI)阻断系统的阻断效率问题,综合考虑阻断代价的经济性、阻断过程的稳定性和阻断技术的可靠性,并以阻断技术可靠性、阻断过程稳定性和阻断代价经济性作为阻断策略分析指标,率先提出了1种车联网环境下动态的、实时的CRTI阻断效率评价算法。危险源是导致事故发生的根本原因,危险度由危险源决定,且危险度的大小能够反映出事故发生的可能性和严重程度,因此以危险源和危险度为评价指标,将危险源分成两大类,并建立"人-车-路-环境"危险度模型以及综合评价函数模型。通过实时筛选、获取车辆周围的危险源,判断是否需要阻断,寻找最优的阻断策略及阻断节点,并计算阻断事故链前后的危险源和危险度,将获取的阻断前后危险源和危险度代入评价函数模型,获取评价函数取值范围,最后通过分析阻断前后危险度对比以及代价函数的取值,实现对阻断效率的综合评价。结果表明:阻断系统能够将行车危险度基本降到3以下,保证了行车安全,总体使行车危险度降低40%左右,保证车辆处于安全状态,并且阻断CRTI成功率达到了90%以上,表明阻断系统能够阻断CRTI的产生;通过评价函数的综合评价,代价值基本在0~1之间,表明阻断系统的阻断效率较高,可较好地实现对CRTI阻断效率的定性、定量综合评价。
