基于逆强化学习的电动汽车出行规划方法研究

随着电动汽车的普及,对电动汽车出行规划问题的研究显得尤为重要。有别于路径规划,出行规划既需要考虑路径问题又需要考虑充电问题。本文提出了一种基于逆强化学习(Inverse Reinforcement Learning, IRL)的电动汽车出行规划(Electric Vehicle Travel Planning, EVTP)方法,有效地为电动汽车用户规划一条兼顾行驶路径短以及充电时间短的可达路径。将Dijkstra算法进行改进得到考虑充电行为的最短路径作为专家示例输入到逆强化学习算法中;利用逆强化学习算法得到兼顾行走与充电的奖励;在学习策略上,采用Dueling DQN算法高效更新Q值,提升学习性能;采用部分充电策略以及分段充电策略,提升充电效率并使研究更接近真实情况。通过对模型的工作性能和结果进行详细分析,并结合基准方法进行对比,结果表明,基于逆强化学习的电动汽车出行规划方法在行驶时间与充电时间两方面都有较好的性能,且具备很好的迁移性。     

基于DBSCAN算法的城市车辆出行次数建模及应用

车辆出行次数是城市车辆出行的基本特征之一,一般采用抽样调查获得。利用城市车辆RFID(radio frequency identification)出行数据,提出了一种基于DBSCAN(density-based spatial clustering of application with noise)算法的车辆出行次数计算方法。首先,利用k-差值法计算出DBSCAN算法中ε-邻域半径;然后,利用车辆一周(月、季度、年)的RFID轨迹链数据进行DBSCAN密度聚类,获取车辆出行时间特征和出行次数。实验表明,该方法具有较高的准确性,实现简单。     

城市公共交通线路网规划方法

本文建立了城市公共交通线路同优化模型,设计了“分离目标,逐步优化”的公交线路网规划方法。本文主要采用网络优化方法,公交线路网的设计步骤可利用计算机进行。     

基于地铁出行的广佛城市功能联系研究

为揭示广佛城市功能联系的内涵,通过对地铁出行者多重地点空间信息的分析,首先,提取了受访者接受调查时的上下车站点、户籍地点的空间信息,分析其相对于居住、工作、休闲等不同功能性活动地点的跨城分布;然后,对受访者功能性活动的空间交互过程进行了深入调查,剖析了广佛同城化过程中居住、工作、休闲等不同功能性活动跨城活动的空间流向特征.研究发现,佛山居民对地铁进出站换乘地点具有更高的依赖性,且休闲性活动空间交互的可能性高于居住、就业的空间交互;地铁线对广佛两地的空间效应呈现出非均衡的空间组织过程,广州在休闲方面有着更为明显的集聚优势,佛山更多地成为居住选择地.     

基于综合出行费用的城市路网模式研究

为解决目前城市规划中存在的路网结构设置不合理的问题,文章考虑燃油消耗、行程时间和行程时间不可靠性3项指标,建立了城市路网综合出行费用目标函数,并以此为评价指标,探索不同城市规模、不同城市区域合理的路网模式。采用主观赋权法中的相对比较法,并结合机动车驾驶行为问卷调查的数据,确定上述3项指标的权重系数;以城市路网综合出行费用为评价指标,衡量不同交通量下的双向8车道、双向4车道、双向2车道和单向2车道路网模式的适用性。结果表明:针对该文研究的1 km²方格型规划区域,在交通总量小于5 000 pcu/h时,低密度、宽红线的路网具备一定优势;而当交通总量大于8 000 pcu/h时,高密度的单行道路网具有更好的适用性。     

基于出行的城市客运交通环境系统优化研究

构建了基于出行结构的城市客运交通环境系统优化模型。在系统分析的基础上, 使用系统动力学方法模拟城市客运交通环境系统的发展;建立线性优化模型求解在城市的资源环境等约束条件下, 以交通综合效率最大化为目标的最优出行结构;根据二者的结果, 设计城市交通发展的不同情景, 进行二次模拟;建立灰色关联评价模型对情景分析结果进行综合评价, 在社会经济条件支撑、政策可行、资源环境压力最小化的前提下, 得到城市客运交通环境系统出行结构的优化结果。最后通过北京市的案例研究, 验证了模型的有效性。     

基于公交网和道路交通网的出行线路选择算法研究

对公交网和道路交通网进行预处理,提出了出行网的概念,给出了相应的构造算法,出行网为后续选路算法的实现提供高效平台．基于所提出的出行网,在综合考虑换乘次数、出行距离、出行耗时以及步行换乘等多约束条件下,提出了一种高效的出行线路选择算法——BRC（Best Route Chioce）算法．该算法可通过调节系统参数求得不同目标条件以及综合目标条件下的最优乘车方案．理论分析表明,所提出的算法是可行的,算法正确性也得到了证明．     

基于排队论的出行车辆停放接受条件

为了提高停车场车辆停放的可达性,引入排队论原理和“生灭过程”状态方程表达出行者车辆停放过程.将目的地停车场视作可互通的多服务通道损失制系统,采用服从泊松分布的车辆到达率和服从负指数分布的车辆平均停放时间,建立了出行过程中的车辆停放接受条件概率模型.应用美国道路局路阻函数计算车辆行程时间值并采用范围域表示,围绕驾车者行程初期和行程末期2个瞬时状态,进行停车接受条件分析,同时获得行程末期停车场服务能力和停放饱和度指标的计算结果.研究结果表明,当停车设施的服务能力N值在一定范围内保持稳定时,可满足车辆停放接受条件,而行程时间的波动幅度δ与停车接受条件R,N值和停车场停放饱和度τ值直接相关.     

动态交通环境下的纯电动车辆多目标出行规划

为缓解电动车辆出行过程中包括里程不足、充电时间长、充电站稀少以及电池循环寿命有限等固有问题,提高电动车辆的行驶性能以及驾驶员的接受程度,需要为其推荐合理的出行与充电方案。然而,目前出行方案制定方法没有考虑到交通环境复杂多变的特性,并且仅能提供在单一目标下的出行方案,难以为驾驶员提供综合考虑多种因素的出行策略。该文提出了一种在动态随机路网环境下的考虑多目标多约束的电动车辆出行规划策略。该出行规划策略考虑到交通环境的时变随机特性,利用多目标蚁群优化方法计算求解最优Pareto解集,为驾驶员推荐包括出行路径、各路径上的行驶速度、充电位置与模式、空调使用等出行要素。研究结果表明:基于动态随机路网的出行方案相比于基于静态确定性路网的出行方案更为优秀;相比于单一目标出行方案,基于多目标优化的出行策略综合性能更好。仿真结果证明了该方法能够协调各优化目标与约束条件,合理推荐电动车辆的出行方案解集,提升电动车辆的使用性能。     

面向城市建设规划的地铁线路设计方法研究

本文基于笔者从事地铁线路规划报建的相关工作经验,以面向城市建设规划的地铁线路设计为研究对象,论文首先探讨了地铁工程对城市建设的促进和发展,进而分析了地铁选线与城市建设规划的关系,在此基础上,重点探讨了城市地铁线路设计与城市建设的结合关系。     

公交出行系统最优线路选择的研究

本文针对市民出行的公交线路选择问题,结合实际情况分别建立了基于便捷性和经济性的线路选择模型。在模型拓展中,通过引入虚站点和虚线路的概念,将问题转化为动态规划可以求解的问题,具有一定的启发性。     

城市公共交通线路网的规划与评价

随着国民经济的快速发展,城市交通需求迅速扩大,科学的进行城市公共交通线路网的规划与评价是解决城市交通问题的合理、有效途径.文章介绍了公交线路网规划的要点与评价指标,并以烟台市为例,对城市公共交通线路网规划与评价进行探讨.     

基于深度逆向强化学习的城市车辆路径链重构

随着城市交通监测系统的完善,大量车牌识别数据被存储下来,该类数据具有时间连续性强、空间范围广、样本类型多的优点,为研究城市交通提供了信息基础。但受制于成本和技术,信息采集过程中采集的车牌数据在时空上并不连续,导致车牌识别数据的应用受限。有鉴于此,文中提出一套路径链提取方案,对单次出行的完整路径链和缺失路径链加以区分,并提出了一种基于深度逆向强化学习的城市车辆出行路径链重构算法。该算法对完整路径链进行采样获得专家示例,利用深度逆向强化学习挖掘专家示例,以非线性回报函数的形式拟合出潜藏的路径选择特性,指导智能体自主补全缺失的路径链,实现车辆出行缺失路径链的重构。将该算法在杭州市萧山区的局部路网中进行实验验证,结果表明,所提出的重构算法具有良好的稳定性能,其平均准确度可达95%,且在缺失程度较大的情况下准确度仍能保持在92%以上,相比传统算法具有较大优势。文中还分析了专家示例的位置分布和数量对算法性能的影响,验证了所提出的重构算法的泛化能力。     

基于遗传算法的配送线路车辆优化调度

车辆路线问题(VRP,Vehicle Routing Problem),是组合优化领域中的著名NP难题,近20年来,VRP都是一个非常活跃的研究领域.在我国,由于物流业发展较晚,对配送路线问题的研究也比较晚,而且方法也多局限于传统的优化算法.随着我国物流业的发展,配送路线优化问题的研究有着巨大的实际价值.文章以VRP为基础,建立该问题的数学模型,利用遗传算法,通过计算机计算分析验证,遗传算法对VRP有良好的近似解和较高的收敛速度,并结合实例,说明遗传算法在配送中的运用以及效果.     

基于潜在类分析的城市异质出行群体识别研究

异质出行群体的合理划分是提升出行需求预测准确性和实施主动式交通管理的关键,针对目前城市多方式出行群体划分研究的不足,在分析出行习惯与偏好差异影响因素的基础上,提出基于潜在类分析(Latent Class Cluster Analysis,LCCA)的城市异质出行群体识别方法.以北京市为例,应用揭示性偏好调查进行基础数据收集,运用Mplus软件编程实现LCCA模型估计.模型将出行者划分为三类异质出行群体,群体1:低出行+方式均衡组(20.4％),群体2:中高出行+小汽车偏好组(30.3％),群体3:高出行+绿色交通组(49.3％).模型回归结果表明:群体2、3的百分比与北京市小汽车、公共交通出行比例之差均不超过2％,证明提出的出行群体识别方法有效,个人属性、出行者对各交通方式的认知与态度对群体隶属影响显著.针对各异质出行群体提出了相应的绿色交通发展措施,为城市交管部门的精细化出行管控提供重要依据.     

收发件同步的快递服务网点选址与车辆线路规划算法研究

快递服务网点的布局需要考虑区域内客户的分布及各客户的收件、发件总量等多重因素.快递服务网点的选址及车辆线路的规划问题可以看作是将向客户发送物件的正向物流和从客户收取物件的逆向物流相结合的双向物流网络优化问题.以网点建设成本及运输成本最小为优化目标,提出一种新的综合考虑双向物流的快递物流网络模型,并设计一种改进的离散人工蜂群算法实现问题的有效求解.通过实际算例验证了提出的算法不但具有较高的求解效率,而且能够得到稳定且高质量的解.     

智能车辆规划与控制策略学习方法综述

智能车辆相关技术已实现了长足的发展,并已能够在有限封闭场景中实现自主行驶的基本功能. 然而,实际道路测试结果表明,目前智能车辆技术仍存在较多局限,而智能车辆在复杂城市与越野环境的大规模应用仍面临较多挑战. 作为智能车辆关键技术之一,运动规划与控制技术已基本建立了完整的理论体系并已得到较多工程应用,但传统方法在实际应用中仍存在动态复杂场景理解能力弱、场景适应性差、模型复杂度高、参数调整难度大等缺陷. 由于机器学习方法具备较强的知识表征与模型拟合能力,其已经在智能车辆的感知与导航技术中得到了广泛的应用. 而为了解决传统运动规划与控制技术存在的泛化性与适用性等问题,许多研究者近年来也开始探索基于深度学习、强化学习等机器学习方法的运动规划与控制方法. 本文将对目前基于机器学习的智能车辆规划与控制方法研究现状进行回顾,从规划与控制策略基本架构、基本学习范式以及基于学习的规划与控制方法三方面对现有智能车辆规划与控制策略学习方法进行分析,最后对研究现状与未来发展方向进行总结与展望.      

基于混沌优化算法的车辆路径规划问题研究

考虑节点连通关系约束和路段通行能力差异的车辆路径规划（Vehicle Routing Problem,VRP）问题比传统的路径规划问题更为复杂,有效的求解算法一直是研究的关键问题。本文分析了该类VRP问题的数学模型,提出了一种针对该问题的混沌优化算法,介绍了具体的编码方法和实现算子。最后通过仿真实验,验证了所提算法的有效性。     

基于数据驱动的城市居民出行OD预测

【目的】利用“大数据”对城市居民出行量(OD)的预测方法进行改进,以期改善传统城市居民出行调查方法费时、费力且准确度不高的问题,同时也为城市公共交通规划与管理提供可靠的数据支持。【方法】结合手机信令数据、公交IC卡、公交GPS以及地铁闸机数据的特点和优势,利用聚类分析等方法获取城市居民公共交通出行的OD矩阵,并利用小波神经网络结合优化后的鲸鱼算法(improved whale optimization algorithm-wavelet neural network, IWOA-WNN)对未来时段的出行OD矩阵进行预测。以长沙市为例,选取60 d晚高峰期间的原始数据,利用IWOA-WNN进行预测,并结合时间序列方法进行分析。【结果】与优化前的小波神经网络相比,IWOA-WNN的预测结果更加贴近实际情况,精度达到了93.36%。【结论】本研究提出的数据处理及预测方法具有更高的准确度。