內河港口集疏運過程中有大量貨運車輛參與,如果不對這些車輛進行合理引導,極易產生擁堵,從而導致車輛行駛時間和港內能耗的增加、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)路網利用效益成為亟待解決的問題。因此,研究內河港口中作業(yè)車輛的選路方法具有實際應用意義和一定的理論價值。鑒于以上問題,本文研究內容如下:(1)設計了一種基于交通流量短時預測的候選路徑集搜索方法,用于得到符合內河港口中作業(yè)車輛特性的候選路徑集。首先,該方法在K近鄰(K-Nearest Neighbor,KNN)算法預測流程的基礎上,將作業(yè)指令、港區(qū)工作狀態(tài)等影響港內交通流量的因素定義為狀態(tài)向量,對短時交通流量進行單時間步和多時間步預測。然后,構建了一種作業(yè)車輛最優(yōu)路徑搜索的改進型A*算法。該算法在路徑搜索過程中,用多個指標評價路徑優(yōu)劣,依據交通流量計算路段阻抗,并考慮了車輛在關鍵節(jié)點處的等待時間及作業(yè)流程。最后,以最優(yōu)路徑為基礎,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)設計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)內多作業(yè)車...

【文章頁數】：92 頁

【學位級別】：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 國內外研究現狀分析
        1.2.1 短時交通流量預測研究現狀
        1.2.2 候選路徑集生成方法研究現狀
        1.2.3 路徑規(guī)劃研究現狀
        1.2.4 內河港口作業(yè)車輛調度方法研究現狀
    1.3 本文研究內容
    1.4 本文組織結構
第2章 基于交通流量短時預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 內河港口路網模型構建
        2.2.1 節(jié)點和路段抽象
        2.2.2 路段阻抗及時間序列定義
    2.3 交通流量短時預測的KNN算法
        2.3.1 KNN算法概述
        2.3.2 KNN的特點和不足
        2.3.3 適應內河港口特性的狀態(tài)向量定義
        2.3.4 基于KNN的短時交通流量單時間步預測算法
        2.3.5 基于KNN的短時交通流量多時間步預測算法
    2.4 作業(yè)車輛最優(yōu)路徑搜索的A*算法的改進
        2.4.1 A*算法概述
        2.4.2 A*算法的特點和不足
        2.4.3 作業(yè)車輛最優(yōu)路徑搜索的改進型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 時間復雜度分析
    2.6 本章小結
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
    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 時間復雜度分析
    3.4 本章小結
第4章 實驗驗證與結果分析
    4.1 實驗平臺介紹
    4.2 實驗基準測試數據
        4.2.1 路網基礎數據
        4.2.2 交通流量數據
        4.2.3 生產業(yè)務數據
    4.3 基于交通流量短時預測的候選路徑集搜索方法實驗驗證
        4.3.1 實驗設計
        4.3.2 基于KNN的短時交通流量多時間步預測算法實驗驗證
        4.3.3 作業(yè)車輛最優(yōu)路徑搜索的改進型A*算法實驗驗證
        4.3.4 作業(yè)車輛最優(yōu)路徑集搜索的KSP算法實驗驗證
        4.3.5 實驗結論
    4.4 基于博弈的作業(yè)車輛協(xié)同選路方法實驗驗證
        4.4.1 實驗設計
        4.4.2 性能指標
        4.4.3 組大小計算中迭代次數經驗值的確定
        4.4.4 基于博弈的作業(yè)車輛協(xié)同選路算法實驗驗證
        4.4.5 實驗結論
    4.5 本章小結
第5章 總結與展望
    5.1 主要工作總結
    5.2 研究展望
致謝
參考文獻
攻讀學位期間獲得與學位論文相關的科研成果目錄
附錄 A



本文編號：3870615