本文選題：純電動物流車　切入點：運營分析　出處：《北京交通大學(xué)》2017年博士論文

【摘要】：如今全球能源短缺,環(huán)境污染嚴重,轉(zhuǎn)變傳統(tǒng)高能耗、高污染的發(fā)展方式,大力推進節(jié)能減排,實現(xiàn)可持續(xù)發(fā)展,逐漸成為世界各國的共同選擇。物流是能源消耗和環(huán)境污染較為嚴重的行業(yè)之一,而運輸則是物流重要的環(huán)節(jié)。因此有關(guān)物流業(yè)在能源消耗和環(huán)境污染上的研究主要集中在運輸視角。如何構(gòu)建一個高效、集約、低碳、可持續(xù)發(fā)展的物流運輸系統(tǒng)成為關(guān)鍵問題。純電動汽車以其良好的環(huán)境保護和能源調(diào)整效應(yīng),成為推動車輛節(jié)能減排的重要技術(shù)方向。基于城市配送領(lǐng)域所具有的特征及對環(huán)境質(zhì)量和污染排放的控制要求,在各種政策補貼和示范運營的激勵下,純電動物流車正逐步在城市配送領(lǐng)域推廣應(yīng)用。但目前純電動物流車在各方面技術(shù)還不夠成熟,主要反映在用戶用車心理、充電問題、里程問題和載重能力等�，F(xiàn)階段來說,短時間內(nèi)提升電動汽車技術(shù)的可能性較小。因此對于純電動物流車而言,如何應(yīng)用科學(xué)方法進行合理規(guī)劃其配送方案以減少運營成本,提高配送效率,保障車輛行駛安全,減少用戶里程焦慮是現(xiàn)階段需要面對的問題。其中包括純電動物流車配送路徑優(yōu)化,對應(yīng)的問題稱為純電動物流車車輛路徑問題(Electric Vehicle Routing Problem,EVRP)。在此基礎(chǔ)上,為了更符合實際車輛行駛環(huán)境和客戶需求,考慮動態(tài)行駛時間的純電動物流車車輛路徑問題(Electric Vehicle Routing Problem with Variable Travel Time,EVRPVTT)和考慮動態(tài)需求的純電動物流車車輛路徑問題(Electric Vehicle Routing Problem with Dynamic Demands,EVRPDD)成為本文研究重點。本文的主要創(chuàng)新工作如下:(1)在實證數(shù)據(jù)的基礎(chǔ)上,分析了純電動物流車運營特性與主要參數(shù)分布規(guī)律。本文首先在大量純電動物流車實際運營數(shù)據(jù)和用戶運營經(jīng)驗的基礎(chǔ)上,應(yīng)用數(shù)理統(tǒng)計方法從行駛特性、充電特性及配送特點三個方面對純電動物流車的運營特性進行分析,獲得行駛速度、行駛里程及電池SOC等重要參數(shù)的分布規(guī)律,總結(jié)出現(xiàn)階段純電動物流車的運營現(xiàn)狀和問題,探討用戶對純電動物流車的使用行為和里程焦慮心理,為下一步提出更符合實際需求的EVRPVTT問題和EVRPDD問題奠定基礎(chǔ)。(2)建立了純電動物流車行駛里程非線性回歸和剩余里程估計模型,并對模型參數(shù)進行辨識。為了準確估計EVRPVTT問題和EVRPDD問題中的關(guān)鍵參數(shù)——剩余里程,本文首先從定性角度對行駛里程的影響因素進行分析,并提出建立考慮放電深度和行駛速度的行駛里程回歸模型。為轉(zhuǎn)換成基于單一輸入變量的回歸模型,針對放電深度與行駛里程的關(guān)系,引入單位里程耗電比。然后基于單位里程耗電比與行駛速度之間的非線性特征,建立非線性回歸模型。其中,應(yīng)用遺忘因子遞推最小二乘法對未知模型參數(shù)進行辨識。對單位里程耗電比進行轉(zhuǎn)換后便可得到考慮放電深度和行駛速度的行駛里程非線性回歸模型。最后通過行駛里程非線性回歸模型對剩余里程進行估計。(3)建立了考慮動態(tài)行駛時間的純電動物流車配送方案優(yōu)化模型,并給出了相應(yīng)的求解算法。本文針對交通信息的動態(tài)性,根據(jù)純電動物流車的技術(shù)特點和運營特性,綜合考慮載重約束、時間窗約束、里程約束、充電需求和行駛速度,建立以總成本最小的EVRPVTT問題模型。并應(yīng)用結(jié)合窮舉法的遺傳算法求解模型,得到包括配送路線、充電計劃、行車時間、行車路徑在內(nèi)的最優(yōu)配送方案。其中,對經(jīng)典Dijkstra算法進行改進后,提出考慮行駛速度變化的動態(tài)Dijkstra算法,求解EVRPVTT問題模型中涉及到的最短路徑問題,確定配送路線的行車路徑。為避免由于電量不足導(dǎo)致的車輛半路拋錨及電池過度放電情況,車輛可在行駛途中多次前往充電站補充電量。充電路線優(yōu)化問題為有充電需求的車輛提供最優(yōu)充電計劃。最后在結(jié)合北京市城區(qū)路網(wǎng)的實例中驗證了模型和方法的有效性。(4)提出滿足動態(tài)需求的純電動物流車配送方案實時更新策略,并進行了參數(shù)靈敏度分析。EVRPDD問題針對動態(tài)信息的另外一種形式——動態(tài)需求,提出基于更新時間的路線更新策略對配送方案進行實時地在線優(yōu)化。其中,充電路線優(yōu)化模型為有充電需求的車輛分配充電站,提供最優(yōu)充電計劃。經(jīng)典Dijkstra算法解決最短路徑問題,給出配送路線的行車路徑。在參數(shù)靈敏度分析中,驗證了所提出的策略具有較好地在線響應(yīng)動態(tài)需求能力,并通過研究這些參數(shù)對路線更新策略的影響程度,為物流企業(yè)提供運營建議。
[Abstract]:......
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：F252.1
，

本文編號：1702416