内河港口中作业车辆的协同选路方法研究
发布时间：2023-12-04 20:00
内河港口集疏运过程中有大量货运车辆参与,如果不对这些车辆进行合理引导,极易产生拥堵,从而导致车辆行驶时间和港内能耗的增加、港口资源利用率的降低,影响港口吞吐量。如何为港区作业车辆安排合理的行驶路径,并提高港区路网利用效益成为亟待解决的问题。因此,研究内河港口中作业车辆的选路方法具有实际应用意义和一定的理论价值。鉴于以上问题,本文研究内容如下:(1)设计了一种基于交通流量短时预测的候选路径集搜索方法,用于得到符合内河港口中作业车辆特性的候选路径集。首先,该方法在K近邻(K-Nearest Neighbor,KNN)算法预测流程的基础上,将作业指令、港区工作状态等影响港内交通流量的因素定义为状态向量,对短时交通流量进行单时间步和多时间步预测。然后,构建了一种作业车辆最优路径搜索的改进型A*算法。该算法在路径搜索过程中,用多个指标评价路径优劣,依据交通流量计算路段阻抗,并考虑了车辆在关键节点处的等待时间及作业流程。最后,以最优路径为基础,使用K条最短路径(K Shortest Path,KSP)算法搜索作业车辆的候选路径集。(2)设计了一种基于博弈的作业车辆协同选路方法,以缓解港区内多作业车...
【文章页数】：92 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状分析
1.2.1 短时交通流量预测研究现状
1.2.2 候选路径集生成方法研究现状
1.2.3 路径规划研究现状
1.2.4 内河港口作业车辆调度方法研究现状
1.3 本文研究内容
1.4 本文组织结构
第2章 基于交通流量短时预测的候选路径集搜索方法
2.1 作业车辆候选路径集搜索问题分析
2.2 内河港口路网模型构建
2.2.1 节点和路段抽象
2.2.2 路段阻抗及时间序列定义
2.3 交通流量短时预测的KNN算法
2.3.1 KNN算法概述
2.3.2 KNN的特点和不足
2.3.3 适应内河港口特性的状态向量定义
2.3.4 基于KNN的短时交通流量单时间步预测算法
2.3.5 基于KNN的短时交通流量多时间步预测算法
2.4 作业车辆最优路径搜索的A*算法的改进
2.4.1 A*算法概述
2.4.2 A*算法的特点和不足
2.4.3 作业车辆最优路径搜索的改进型A*算法
2.5 作业车辆最优路径集搜索的KSP算法
2.5.1 KSP算法概述
2.5.2 作业车辆最优路径集搜索的KSP算法描述
2.5.3 时间复杂度分析
2.6 本章小结
第3章 基于博弈的作业车辆协同选路方法
3.1 博弈论概述
3.1.1 博弈论基本要素
3.1.2 纳什均衡
3.1.3 满足均衡
3.2 基于博弈论的作业车辆协同选路模型
3.2.1 模型要素
3.2.2 作业车辆选路效用计算
3.2.3 作业车辆选路的满足博弈
3.2.4 模型求解目标
3.3 基于博弈的作业车辆协同选路方法
3.3.1 作业车辆分组原则
3.3.2 作业车辆选路策略
3.3.3 基于博弈的作业车辆协同选路算法
3.3.4 收敛性分析
3.3.5 时间复杂度分析
3.4 本章小结
第4章 实验验证与结果分析
4.1 实验平台介绍
4.2 实验基准测试数据
4.2.1 路网基础数据
4.2.2 交通流量数据
4.2.3 生产业务数据
4.3 基于交通流量短时预测的候选路径集搜索方法实验验证
4.3.1 实验设计
4.3.2 基于KNN的短时交通流量多时间步预测算法实验验证
4.3.3 作业车辆最优路径搜索的改进型A*算法实验验证
4.3.4 作业车辆最优路径集搜索的KSP算法实验验证
4.3.5 实验结论
4.4 基于博弈的作业车辆协同选路方法实验验证
4.4.1 实验设计
4.4.2 性能指标
4.4.3 组大小计算中迭代次数经验值的确定
4.4.4 基于博弈的作业车辆协同选路算法实验验证
4.4.5 实验结论
4.5 本章小结
第5章 总结与展望
5.1 主要工作总结
5.2 研究展望
致谢
参考文献
攻读学位期间获得与学位论文相关的科研成果目录
附录 A
本文编号：3870615
【文章页数】：92 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状分析
1.2.1 短时交通流量预测研究现状
1.2.2 候选路径集生成方法研究现状
1.2.3 路径规划研究现状
1.2.4 内河港口作业车辆调度方法研究现状
1.3 本文研究内容
1.4 本文组织结构
第2章 基于交通流量短时预测的候选路径集搜索方法
2.1 作业车辆候选路径集搜索问题分析
2.2 内河港口路网模型构建
2.2.1 节点和路段抽象
2.2.2 路段阻抗及时间序列定义
2.3 交通流量短时预测的KNN算法
2.3.1 KNN算法概述
2.3.2 KNN的特点和不足
2.3.3 适应内河港口特性的状态向量定义
2.3.4 基于KNN的短时交通流量单时间步预测算法
2.3.5 基于KNN的短时交通流量多时间步预测算法
2.4 作业车辆最优路径搜索的A*算法的改进
2.4.1 A*算法概述
2.4.2 A*算法的特点和不足
2.4.3 作业车辆最优路径搜索的改进型A*算法
2.5 作业车辆最优路径集搜索的KSP算法
2.5.1 KSP算法概述
2.5.2 作业车辆最优路径集搜索的KSP算法描述
2.5.3 时间复杂度分析
2.6 本章小结
第3章 基于博弈的作业车辆协同选路方法
3.1 博弈论概述
3.1.1 博弈论基本要素
3.1.2 纳什均衡
3.1.3 满足均衡
3.2 基于博弈论的作业车辆协同选路模型
3.2.1 模型要素
3.2.2 作业车辆选路效用计算
3.2.3 作业车辆选路的满足博弈
3.2.4 模型求解目标
3.3 基于博弈的作业车辆协同选路方法
3.3.1 作业车辆分组原则
3.3.2 作业车辆选路策略
3.3.3 基于博弈的作业车辆协同选路算法
3.3.4 收敛性分析
3.3.5 时间复杂度分析
3.4 本章小结
第4章 实验验证与结果分析
4.1 实验平台介绍
4.2 实验基准测试数据
4.2.1 路网基础数据
4.2.2 交通流量数据
4.2.3 生产业务数据
4.3 基于交通流量短时预测的候选路径集搜索方法实验验证
4.3.1 实验设计
4.3.2 基于KNN的短时交通流量多时间步预测算法实验验证
4.3.3 作业车辆最优路径搜索的改进型A*算法实验验证
4.3.4 作业车辆最优路径集搜索的KSP算法实验验证
4.3.5 实验结论
4.4 基于博弈的作业车辆协同选路方法实验验证
4.4.1 实验设计
4.4.2 性能指标
4.4.3 组大小计算中迭代次数经验值的确定
4.4.4 基于博弈的作业车辆协同选路算法实验验证
4.4.5 实验结论
4.5 本章小结
第5章 总结与展望
5.1 主要工作总结
5.2 研究展望
致谢
参考文献
攻读学位期间获得与学位论文相关的科研成果目录
附录 A
本文编号：3870615
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3870615.html