內(nèi)河港口集疏運(yùn)過程中有大量貨運(yùn)車輛參與,如果不對(duì)這些車輛進(jìn)行合理引導(dǎo),極易產(chǎn)生擁堵,從而導(dǎo)致車輛行駛時(shí)間和港內(nèi)能耗的增加、港口資源利用率的降低,影響港口吞吐量。如何為港區(qū)作業(yè)車輛安排合理的行駛路徑,并提高港區(qū)路網(wǎng)利用效益成為亟待解決的問題。因此,研究內(nèi)河港口中作業(yè)車輛的選路方法具有實(shí)際應(yīng)用意義和一定的理論價(jià)值。鑒于以上問題,本文研究內(nèi)容如下:(1)設(shè)計(jì)了一種基于交通流量短時(shí)預(yù)測的候選路徑集搜索方法,用于得到符合內(nèi)河港口中作業(yè)車輛特性的候選路徑集。首先,該方法在K近鄰(K-Nearest Neighbor,KNN)算法預(yù)測流程的基礎(chǔ)上,將作業(yè)指令、港區(qū)工作狀態(tài)等影響港內(nèi)交通流量的因素定義為狀態(tài)向量,對(duì)短時(shí)交通流量進(jìn)行單時(shí)間步和多時(shí)間步預(yù)測。然后,構(gòu)建了一種作業(yè)車輛最優(yōu)路徑搜索的改進(jìn)型A*算法。該算法在路徑搜索過程中,用多個(gè)指標(biāo)評(píng)價(jià)路徑優(yōu)劣,依據(jù)交通流量計(jì)算路段阻抗,并考慮了車輛在關(guān)鍵節(jié)點(diǎn)處的等待時(shí)間及作業(yè)流程。最后,以最優(yōu)路徑為基礎(chǔ),使用K條最短路徑(K Shortest Path,KSP)算法搜索作業(yè)車輛的候選路徑集。(2)設(shè)計(jì)了一種基于博弈的作業(yè)車輛協(xié)同選路方法,以緩解港區(qū)內(nèi)多作業(yè)車...

【文章頁數(shù)】：92 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀分析
        1.2.1 短時(shí)交通流量預(yù)測研究現(xiàn)狀
        1.2.2 候選路徑集生成方法研究現(xiàn)狀
        1.2.3 路徑規(guī)劃研究現(xiàn)狀
        1.2.4 內(nèi)河港口作業(yè)車輛調(diào)度方法研究現(xiàn)狀
    1.3 本文研究內(nèi)容
    1.4 本文組織結(jié)構(gòu)
第2章 基于交通流量短時(shí)預(yù)測的候選路徑集搜索方法
    2.1 作業(yè)車輛候選路徑集搜索問題分析
    2.2 內(nèi)河港口路網(wǎng)模型構(gòu)建
        2.2.1 節(jié)點(diǎn)和路段抽象
        2.2.2 路段阻抗及時(shí)間序列定義
    2.3 交通流量短時(shí)預(yù)測的KNN算法
        2.3.1 KNN算法概述
        2.3.2 KNN的特點(diǎn)和不足
        2.3.3 適應(yīng)內(nèi)河港口特性的狀態(tài)向量定義
        2.3.4 基于KNN的短時(shí)交通流量單時(shí)間步預(yù)測算法
        2.3.5 基于KNN的短時(shí)交通流量多時(shí)間步預(yù)測算法
    2.4 作業(yè)車輛最優(yōu)路徑搜索的A*算法的改進(jìn)
        2.4.1 A*算法概述
        2.4.2 A*算法的特點(diǎn)和不足
        2.4.3 作業(yè)車輛最優(yōu)路徑搜索的改進(jìn)型A*算法
    2.5 作業(yè)車輛最優(yōu)路徑集搜索的KSP算法
        2.5.1 KSP算法概述
        2.5.2 作業(yè)車輛最優(yōu)路徑集搜索的KSP算法描述
        2.5.3 時(shí)間復(fù)雜度分析
    2.6 本章小結(jié)
第3章 基于博弈的作業(yè)車輛協(xié)同選路方法
    3.1 博弈論概述
        3.1.1 博弈論基本要素
        3.1.2 納什均衡
        3.1.3 滿足均衡
    3.2 基于博弈論的作業(yè)車輛協(xié)同選路模型
        3.2.1 模型要素
        3.2.2 作業(yè)車輛選路效用計(jì)算
        3.2.3 作業(yè)車輛選路的滿足博弈
        3.2.4 模型求解目標(biāo)
    3.3 基于博弈的作業(yè)車輛協(xié)同選路方法
        3.3.1 作業(yè)車輛分組原則
        3.3.2 作業(yè)車輛選路策略
        3.3.3 基于博弈的作業(yè)車輛協(xié)同選路算法
        3.3.4 收斂性分析
        3.3.5 時(shí)間復(fù)雜度分析
    3.4 本章小結(jié)
第4章 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析
    4.1 實(shí)驗(yàn)平臺(tái)介紹
    4.2 實(shí)驗(yàn)基準(zhǔn)測試數(shù)據(jù)
        4.2.1 路網(wǎng)基礎(chǔ)數(shù)據(jù)
        4.2.2 交通流量數(shù)據(jù)
        4.2.3 生產(chǎn)業(yè)務(wù)數(shù)據(jù)
    4.3 基于交通流量短時(shí)預(yù)測的候選路徑集搜索方法實(shí)驗(yàn)驗(yàn)證
        4.3.1 實(shí)驗(yàn)設(shè)計(jì)
        4.3.2 基于KNN的短時(shí)交通流量多時(shí)間步預(yù)測算法實(shí)驗(yàn)驗(yàn)證
        4.3.3 作業(yè)車輛最優(yōu)路徑搜索的改進(jìn)型A*算法實(shí)驗(yàn)驗(yàn)證
        4.3.4 作業(yè)車輛最優(yōu)路徑集搜索的KSP算法實(shí)驗(yàn)驗(yàn)證
        4.3.5 實(shí)驗(yàn)結(jié)論
    4.4 基于博弈的作業(yè)車輛協(xié)同選路方法實(shí)驗(yàn)驗(yàn)證
        4.4.1 實(shí)驗(yàn)設(shè)計(jì)
        4.4.2 性能指標(biāo)
        4.4.3 組大小計(jì)算中迭代次數(shù)經(jīng)驗(yàn)值的確定
        4.4.4 基于博弈的作業(yè)車輛協(xié)同選路算法實(shí)驗(yàn)驗(yàn)證
        4.4.5 實(shí)驗(yàn)結(jié)論
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 主要工作總結(jié)
    5.2 研究展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間獲得與學(xué)位論文相關(guān)的科研成果目錄
附錄 A



本文編號(hào)：3870615