生鲜电商配送的TDVRPTW研究: 基于经济成本与环境成本兼顾的视角

基于经济成本与环境成本兼顾的视角,研究时变网络下生鲜电商配送的带时间窗车辆路径问题(TDVRPTW),综合考虑车辆时变行驶速度、车辆油耗、碳排放、生鲜农产品的易腐易损性、客户时间窗与最低新鲜度限制等因素,设计跨时间段的路段行驶时间计算方法,引入农产品新鲜度度量函数与碳排放率度量函数.在此基础上,以经济成本与环境成本之和最小为目标构建具有最低新鲜度限制的TDVRPTW数学模型,并根据模型特点设计一种自适应改进蚁群算法求解.最后采用案例验证所提出方法能有效规避交通拥堵时间段、降低总配送成本、促进物流配送领域的节能减排.     

生鲜电商配送的开放式时变车辆路径问题研究

针对生鲜电商配送的"最后一公里"难题,考虑到生鲜农产品的易腐易损性与生鲜电商通常采用普通车辆配送等现实情况,引入常温条件下生鲜农产品的鲜活度度量函数;分析城市路网的时变特性,设计时变路网条件下的车辆行驶时间计算方法;综合考虑客户需求量、时间窗、生鲜农产品送达客户时的鲜活度、开放式车辆路径与车辆灵活出发时间等因素,以总配...     

考虑拥堵区域的多车型绿色车辆路径问题优化

针对降低物流配送过程中产生的碳排放问题,从绿色环保角度出发,提出一种考虑交通拥堵区域的多车型物流配送车辆的绿色车辆路径问题（GVRP）。首先分析不同类型车辆、不同拥堵状况对车辆行驶路线规划的影响,然后引入基于车辆行驶速度和载重的碳排放速率度量函数;其次以车辆管理使用费用和油耗碳排放成本最小作为优化目标,构建双目标绿色车辆路径模型;最后根据模型的特点设计一种融合模拟退火算法的混合差分进化算法对问题进行求解。通过实验仿真验证模型和算法可以有效规避拥堵区域,与只使用单一4 t车型配送相比,所提模型总成本降低了1.5%,油耗碳排放成本降低了4.3%;和以行驶距离最短为目标的模型相比,所提模型的总配送成本降低了8.1%。说明该模型提高物流企业的经济效益也促进了节能减排。同时所提算法与基本差分算法相比,总配送成本可以降低3%~6%;与遗传算法相比,优化效果更明显,总配送成本可以降低4%~11%,证明该算法更具有优越性。综上所提模型和算法可以为物流企业城市配送路径决策提供良好的参考依据。     

考虑交通拥堵的冷链物流城市配送的GVRP研究

针对目前研究冷链物流车辆路径问题多未考虑交通拥堵对运营成本的影响,将道路拥堵因素融入到冷链物流绿色车辆路径（Green Vehicle Routing Problem）优化数学模型中。兼顾经济成本和环境成本,在时变网络下综合考虑冷链物流中车辆管理成本、运输能耗成本、货损成本、制冷成本以及客户需求时间窗的惩罚成本,同时引入运输和制冷过程中产生的碳排放成本,统筹安排车辆路径,使得物流企业整体运营成本最低,更绿色环保。在此基础上根据模型特点设计改进蚁群算法进行求解,用实例对模型和算法进行仿真,验证该模型和方法可以有效地规避拥堵时段,降低配送成本,促进物流企业的节能减排,可以为物流企业冷链配送路径决策提供良好的参考依据。     

考虑时变速度的多车场绿色车辆路径模型及优化算法

针对多车场绿色车辆路径问题,根据顾客的坐标位置,采用K-means聚类方法将顾客分配给不同的车场;考虑时变速度和实时载重对车辆油耗和碳排放的影响,确定车辆油耗和碳排放的度量函数;在此基础上,以车辆油耗成本、碳排放成本、车辆使用成本、驾驶员工资以及时间窗惩罚成本之和最小化作为优化目标,构建多车场绿色车辆路径模型,并根据模...     

基于配送收益均衡的多目标绿色车辆路径优化算法

针对电商平台物流中的碳排放成本较大以及配送过程中配送员收益不均衡的情况,为满足平台减少物流成本和人力成本的需求,提高车辆配送效率,降低碳排放量,实现低碳绿色出行,研究带有时间窗、配送收益均衡的多目标绿色车辆路径规划问题,并设计混合智能求解算法.首先,建立基于行驶速度的燃油消耗、基于模糊客户满意度的惩罚成本和配送收益均衡函数,构建以最小化燃油消耗量、惩罚成本和配送收益方差为目标的多目标绿色车辆路径模型;然后,将变邻域搜索算子融入NSGA-II算法,设计求解上述模型的多目标进化优化算法,以提高算法的寻优性能;最后,选择Solomon中的18个测试数据集进行实验,通过与2个模型和3种算法的超体积值和knee点值进行对比,验证所提出模型的可行性和算法的有效性,为降低碳排放量、实现低碳绿色出行提供新方案.     

时变路网下带混合时间窗的车辆路径问题

针对时变路网下带混合时间窗的车辆路径问题,综合考虑多中心联合配送、混合时间窗、车辆行驶速度连续变化及车辆行驶速度、载重量对油耗的影响,以车辆派遣成本、油耗成本及时间窗惩罚成本之和最小为目标建立优化模型,并设计自适应遗传-大邻域搜索算法对其进行求解。该算法采用自适应交叉、变异以加快种群寻优速度,并引入时差插入法改进交叉算子和变异算子,嵌入移除算子和插入算子对可行解进行摧毁和重建以增加种群的多样性。通过多组算例验证算法的有效性,并分析了混合时间窗客户的比例变化及车辆行驶速度变化对车辆调度方案的影响,结果表明自适应遗传-大邻域搜索算法较基本算法有着更好的求解性能。该研究成果可丰富车辆路径问题的相关研究,为物流企业优化决策配送方案提供理论依据。     

多物流中心共同配送的车辆路径问题研究

研究多物流中心共同配送的车辆路径问题。首先考虑客户服务关系变化与客户需求的异质性情况,设计一种共享客户需求、配送车辆与物流中心的共享物流模式;再综合考虑车辆容量、油耗、碳排放、最长行驶时间、客户需求量与服务时间等因素,以总成本最小为目标构建多物流中心共同配送的车辆路径规划模型,并设计一种改进蚁群算法进行求解;最后采用多类型算例进行仿真实验,结果表明共享物流模式能有效避免交叉配送与迂回运输等不合理现象,降低物流成本,缩短车辆行驶距离,减少车辆碳排放,促进物流与环境的和谐发展。     

考虑时变交通状况的低碳车辆路径优化

研究了由常发性交通拥堵造成的实时交通状况变化对低碳车辆路径优化的影响。用道路交通状态指数表示城市实时交通状况，以低碳和配送时间最短为目标建立整数规划模型进行路径优化。设计了改进的粒子群算法进行求解，得到帕累托前沿解集。数值算例表明，改进的粒子群算法能有效找到满意解。通过帕累托解集可以证明该方法可以在牺牲少量配送时间的前提下减少碳排放量。随着交通状态指数的增大碳排放量的优化效果更加明显。     

时相关车辆路径规划问题的改进A*算法

时相关车辆路径问题是研究时变路网环境下的车辆路径优化问题.首先,分别采用阶跃函数和分段连续函数描述不同路径上的跨时段行驶速度和威胁度,将路径时间指标和路径威胁指标表示成时相关函数;其次,为提高搜索效率,对传统A*算法进行改进,在启发函数中增加了最短路径中当前结点的父结点信息,构造了包含里程指标、时间指标和威胁指标的时相关启发函数;最后,构造了包含100个结点、190条路径的车辆机动保障路网模型,通过仿真验证了该算法的有效性.     

Using simulated annealing to minimize fuel consumption for the time-dependent vehicle routing problem

The vehicle routing problem (VRP) has been addressed in many research papers. Only a few of them take time-dependent travel speeds into consideration. Moreover, most research related to the VRP aims to minimize total travel time or travel distance. In recent years, reducing carbon emissions has become an important issue. Therefore, fuel consumption is also an important index in the VRP. In this research a model is proposed for calculating total fuel consumption for the time-dependent vehicle routing problem (TDVRP) where speed and travel times are assumed to depend on the time of travel when planning vehicle routing. In the model, the fuel consumption not only takes loading weight into consideration but also satisfies the “non-passing” property, which is ignored in most TDVRP-related research papers. Then a simulated annealing (SA) algorithm is proposed for finding the vehicle routing with the lowest total fuel consumption. An experimental evaluation of the proposed method is performed. The results show that the proposed method provides a 24.61% improvement in fuel consumption over the method based on minimizing transportation time and a 22.69% improvement over the method based on minimizing transportation distances.     

基于MapReduce的城市道路旅行时间实测计算

城市道路旅行时间计算一直是智能交通系统中研究的核心问题之一,准确高效的旅行时间计算可以有效地帮助道路管控,减少交通拥挤.然而面对巨大而且快速增长的城市道路交通检测数据,如何将分布式计算模式融合到传统的旅行时间计算问题中已成为一个亟待解决的问题.论文基于海量道路车牌识别数据,设计了基于MapReduce编程模型的城市道路旅行时间实测计算的算法.并利用Hadoop环境进行了实现,可以支持对自定义路段集下不同时间段道路旅行时间的计算.通过实验证明,相对于传统的旅行时间计算方式,在计算时间上基于MapReduce的旅行时间计算模式可以提高十倍以上.     

低碳时变城配送车辆路径-发车调度集成优化

针对交通拥挤环境下日益增长的城市配送需求，通过分析时序依赖对成本和碳排放的影响，引入车辆在节点等待和离散调度策略，研究基于时序依赖的低碳城市配送车辆路径与离散调度问题。为求解该问题，设计基于遗传算法与局部搜索相结合的混合进化搜索算法对模型求解，用积极的局部搜索机制替代随机的变异操作，并通过可行解构造算法、变概率交叉和多种局部搜索策略来提高算法求解质量和求解效率。通过对比仿真实验对算法和模型的有效性进行了验证。     

Minimum cost VRP with time-dependent speed data and congestion charge

A heuristic algorithm, called LANCOST, is introduced for vehicle routing and scheduling problems to minimize the total travel cost, where the total travel cost includes fuel cost, driver cost and congestion charge. The fuel cost required is influenced by the speed. The speed for a vehicle to travel along any road in the network varies according to the time of travel. The variation in speed is caused by congestion which is greatest during morning and evening rush hours. If a vehicle enters the congestion charge zone at any time, a fixed charge is applied. A benchmark dataset is designed to test the algorithm. The algorithm is also used to schedule a fleet of delivery vehicles operating in the London area.     

Data-driven approaches for emissions-minimized paths in urban areas

Concerns about air quality and global warming have led to numerous initiatives to reduce emissions. In general, emissions are proportional to the amount of fuel consumed, and the amount of fuel consumed is a function of speed, distance, acceleration, and weight of the vehicle. In urban areas, vehicles must often travel at the speed of traffic, and congestion can impact this speed particularly at certain times of day. Further, for any given time of day, the observations of speeds on an arc can exhibit significant variability. Because of the nonlinearity of emissions curves, optimizing emissions in an urban area requires explicit consideration of the variability in the speed of traffic on arcs in the network. We introduce a shortest path algorithm that incorporates sampling to both account for variability in travel speeds and to estimate arrival time distributions at nodes on a path. We also suggest a method for transforming speed data into time-dependent emissions values thus converting the problem into a time-dependent, but deterministic shortest path problem. Our results demonstrate the effectiveness of the proposed approaches in reducing emissions relative to the use of minimum distance and time-dependent paths. In this paper, we also identify some of the challenges associated with using large data sets.