基于改进多目标算法的危险品运输路径动态规划方法技术

本发明专利技术公开了一种基于改进多目标算法的危险品运输路径动态规划方法，解决了传统路线规划方法无法及时的应对日益复杂的城市道路状况，易造成交通拥堵甚至更严重危险及损失，其技术方案要点是包括有以下步骤：获得运输风险因素，建立运输风险模型；基于运输风险和运输成本两个目标，建立多目标运输路径规划模型，确定目标函数及约束条件；根据改进的非支配遗传算法对多目标运输路径规划模型进行求解；通过设定的多种动态更新方式对不同情景下多目标运输路径规划模型进行运算，获取路线规划选择，本发明专利技术的基于改进多目标算法的危险品运输路径动态规划方法，能快速的应对突发情况并及时进行动态调整，避免运输规划中的危险性和成本损失。和成本损失。和成本损失。

【技术实现步骤摘要】
基于改进多目标算法的危险品运输路径动态规划方法


[0001]本专利技术涉及交通运输规划方法，特别涉及基于改进多目标算法的危险品运输路径动态规划方法。

技术介绍

[0002]城市物流是现代城市赖以存在和发展的重要基础，是城市居民生活、工作的支撑与保障，在城市发展中占有重要地位。车辆路径问题(Vehicle Routing Problem，VRP)与物流配送息息相关，是物流活动中与消费者直接联系的一个环节，一个好的车辆路径规划可以起到节约成本、提高客户满意度、降低运输风险等作用。
[0003]危险品运输(Hazardous Material Transportation,HAZMAT)是车辆物流配送路径优化问题的一个重要分支，随着城市目前日益复杂的交通状况，譬如交通拥堵、事故发生，传统的路线规划模型已难以满足运输所需的各项要求，一旦未能及时作出合理应对调整，易造成道路拥堵，甚至会造成更大的危害和成本损失。

技术实现思路

[0004]本专利技术的目的是提供一种基于改进多目标算法的危险品运输路径动态规划方法，能快速的应对运输遇到的突发情况并及时进行动态调整，避免车辆运输规划中的危险性和成本损失。
[0005]本专利技术的上述技术目的是通过以下技术方案得以实现的：
[0006]一种基于改进多目标算法的危险品运输路径动态规划方法，包括有以下步骤：
[0007]对危险品运输行业数据统计并进行贝叶斯分析以获得影响危险品运输的运输风险因素，根据获得的运输风险因素建立运输风险模型；
>[0008]基于运输风险和运输成本两个目标，建立多目标运输路径规划模型，确定目标函数及约束条件；
[0009]选取非支配多目标遗传算法进行优化及改进，并根据改进的非支配遗传算法对多目标运输路径规划模型进行求解；
[0010]通过设定的多种动态更新方式对不同情景下多目标运输路径规划模型进行运算，分析比对获取动态更新方式于不同情境下的路线规划选择。
[0011]作为优选，建立多目标运输路径规划模型的步骤包括有：
[0012]对危险品运输行业数据进行贝叶斯分析，定义用于计算危险品运输风险的四个因素，分别包括有人员因素R
d
、线路因素R
r
、车辆因素R
v
及人口土地环境因素R
e
；
[0013]根据危险品运输风险的四个因素构建运输风险模型；
[0014]定义用于计算危险品运输成本的四个参数，分别包括有危险品运输的固定成本FC、危险品运输的可变成本VC、外部成本内部化EC、时间窗约束成本PC；
[0015]根据运输成本的四个参数设定运输成本函数，根据危险品运输风险模型与运输成本函数其约束合并形成多目标运输路径规划模型。
[0016]作为优选，求解及规划路线选择具体为：
[0017]设定多种动态更新方式，包括有按时段动态更新、按关键节点动态更新、按时空动态更新；
[0018]运用改进型非支配多目标遗传算法对多目标运输路径规划模型求解，K＝[0,1,2,3]，分别代表不做动态更新、按时段动态更新、按关键节点动态更新、按时空动态更新三种方式下的多目标运输路径规划模型运算；
[0019]比较在不同情境下各种动态规划更新方式的优劣，并根据优劣对比，获取不同情境下的现实路线规划。
[0020]作为优选，多目标运输路径规划模型具体为：
[0021]多目标运输路径规划模型描述等价为构造无向图G＝(N,S)，其中N是节点的集合，包括途径的运输节点及城市人口中心点；S为两点之间的弧线，为可供选择的运输路线段；
[0022]两点记为点i与点j，两点之间的运输时间和运输路程分别记为t
ij
和d
ij
；与Q
k
分别代表运输货物量与最大允许载重量；K＝[0,1,2,3]；
[0023]运输风险各因素具体为：
[0024]人员因素：
[0025][0026]线路因素：
[0027][0028]车辆因素：
[0029][0030]人口土地环境因素：构造人口和商业中心点，采用辐射距离估算对范围内经过道路的影响
[0031][0032]d
S(i,j),m
为人口中心点m到路径S(i,j)之间的距离；为人口中心点m到路径S(i,j)之间的距离；
[0033]运输成本各参数具体为：
[0034]固定成本：FC＝C，为定值；
[0035]可变成本：δ为单位成本；
[0036]外部成本内部化：与交通流量F和经历节点数∑
i∈N
n
i
相关；
[0037]时间窗约束成本：运输时间未达要求对应设定的扣除金额；
[0038]综上获得多目标运输规划路径模型：
[0039][0040][0041]Subject to:
[0042][0043][0044][0045][0046][0047][0048][0049][0050][0051][0052][0053]D
s1
∈{1,2,3},D
s2
∈{1,2,3}
[0054][0055][0056][0057]α
p,q
≥0,p∈{1,2,3,4},q∈Z。
[0058]作为优选，对非支配多目标遗传算法的优化及改进具体包括有：
[0059]编码：对城市点进行整数编码；
[0060]生成初始种群：利用回溯法选择初始道路，在回溯过程中不断计算已选择过点的概率，分散选择初始种群。
[0061]交叉：采用相关性交叉进行交叉迭代；
[0062]变异：随机选取变异点，生成新的后继路径，通过整段新生成的后继路径替换进行路径变异；
[0063]选择：通过精英选择策略选择N个路径，再从剩余的运算解中随机选择若干进入子代。
[0064]综上所述，本专利技术具有以下有益效果：
[0065]通过根据运输风险因素和运输成本，建立多目标运输路径规划模型，并通过改进的非支配多目标遗传算法进行运算，获取三种动态更新方式于不同情境下的优缺点，可分析获得最优运输路线；可以取得比原算法更低的非最优解产生概率，且能够在较少迭代次数内取得最终的稳定结果，同时计算用时与原算法相比并没有减慢，能够适应和符合现实应用动态更新规划最优路径的要求，可以使危险品运输车辆遇到突发情况和交通状况时做出反应，重新规划最优路线，及时进行动态调整，避免危险品运输车辆路径规划中由于交通拥堵和交通事故造成的危险性和成本损失。
附图说明
[0066]图1为本方法的步骤示意图；
[0067]图2为改进算法与原NSGA
-Ⅱ
算法的效率与效果对比图；
[0068]图3中(a)(b)(c)为运输途中发生一次交通事故时三种动态更新方式的对比图。
具体实施方式
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进多目标算法的危险品运输路径动态规划方法，其特征是，包括有以下步骤：对危险品运输行业数据统计并进行贝叶斯分析以获得影响危险品运输的运输风险因素，根据获得的运输风险因素建立运输风险模型；基于运输风险和运输成本两个目标，建立多目标运输路径规划模型，确定目标函数及约束条件；选取非支配多目标遗传算法进行优化及改进，并根据改进的非支配遗传算法对多目标运输路径规划模型进行求解；通过设定的多种动态更新方式对不同情景下多目标运输路径规划模型进行运算，分析比对获取动态更新方式于不同情境下的路线规划选择。2.根据权利要求1所述的基于改进多目标算法的危险品运输路径动态规划方法，其特征是，建立多目标运输路径规划模型的步骤包括有：对危险品运输行业数据进行贝叶斯分析，定义用于计算危险品运输风险的四个因素，分别包括有人员因素R
d
、线路因素R
r
、车辆因素R
v
及人口土地环境因素R
e
；根据危险品运输风险的四个因素构建运输风险模型；定义用于计算危险品运输成本的四个参数，分别包括有危险品运输的固定成本FC、危险品运输的可变成本VC、外部成本内部化EC、时间窗约束成本PC；根据运输成本的四个参数设定运输成本函数，根据危险品运输风险模型与运输成本函数其约束合并形成多目标运输路径规划模型。3.根据权利要求2所述的基于改进多目标算法的危险品运输路径动态规划方法，其特征是，求解及规划路线选择具体为：设定多种动态更新方式，包括有按时段动态更新、按关键节点动态更新、按时空动态更新；运用改进型非支配多目标遗传算法对多目标运输路径规划模型求解，K＝[0,1,2,3]，分别代表不做动态更新、按时段动态更新、按关键节点动态更新、按时空动态更新三种方式下的多目标运输路径规划模型运算；比较在不同情境下各种动态规划更新方式的优劣，并根据优劣对比，获取不同情境下的现实路线规划。4.根据权利要求3所述的基于改进多目标算法的危险品运输路...

【专利技术属性】
技术研发人员：陆林军，张文颖，朱莲，杨军，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：