详情

原文传递 “双碳”目标背景下考虑时变路网的车辆路径问题研究

论文题名：	“双碳”目标背景下考虑时变路网的车辆路径问题研究
关键词：	低碳车辆路径问题;智能算法;多目标优化;时变路网;路径优化
摘要：	“碳达峰”和“碳中和”是我国的重大发展战略，实现“双碳”目标的核心是构建绿色低碳循环发展经济体系、降低化石能源消耗比例并降低二氧化碳排放水平。随着我国城镇化和机动化进程的加快，人口快速向城市聚集，机动车保有量逐年增加，导致交通拥堵现象在城市中频繁发生。交通拥堵不仅推高城市物流的成本，还有可能降低企业订单配送时效性，不利于城市物流的健康发展。2020以来我国年快递业务量已经连续两年超千亿大关，如此大规模的物流量需要在限定的时间内送达，对城市内部的配送网络带来巨大挑战。此外，大量燃油车产生的排放对中心城区环境质量影响巨大，这些车辆所产生的碳排放和环境污染问题不容小觑。上述问题直接影响居民的物流成本和生活环境质量，不符合绿色物流的发展理念。因此，在交通拥堵环境下优化城市物流运行，不仅可以帮助物流企业降本增效，而且可以降低城市污染物排放，助力实现“双碳”目标。　　尽管现有研究在低碳车辆路径问题建模和求解算法设计方面取得了大量成果，但是缺乏针对目标区域路网拥堵程度估计和配送方案如何执行的研究，并且在双目标或多目标问题求解算法设计方面也有改进空间。鉴于此，以低碳车辆路径问题为研究对象，根据不同城市物流应用场景，分别进行了路径优化模型构建、求解算法设计和案例分析验证，为物流企业决策者面临的时变交通拥堵、配送网络构建或优化和配送方案实施等实际应用问题提供参考。主要内容和成果如下：　　（1）基于深度学习的时变路网研究　　通过在线地图平台提供的应用程序接口，实现目标区域实时交通拥堵指数的提取。构建基于栈式循环神经网络的深度学习预测模型，用于预测在未来配送过程中的交通拥堵程度。在道路畅通条件下从在线地图平台提取配送网络节点之间的基础交通信息。最后，将预测的交通拥堵时间序列与基础交通信息结合，利用分段式时变通行时间计算方法估计时变路网成本矩阵。这些信息将直接应用于后续低碳车辆路径问题模型和求解算法中。　　（2）时变路网下低碳车辆路径优化研究　　在时变路网下，建立考虑经济目标和环境目标的车辆路径问题模型，并设计了一种基于聚类的启发式算法。该模型和算法适用于交通拥堵环境下城市物流的路径优化。同时，基于多属性决策理论，构建了基于主成分分析和简单加性加权相结合的可持续物流方案评估框架，为决策者选择最满意的物流方案提供客观、定量分析结果。　　（3）时变路网下多车场低碳路径优化研究　　在时变路网环境下构建多车场低碳车辆路径问题模型和基于目标规划的模型。在传统遗传算法框架下，采用三级链表结构设计带局部搜索增强算子的混合遗传算法求解目标规划模型。结合字典序多目标优化理论，提出了一个新的自约束混合遗传算法求解双目标模型。结合目标区域的实际路网，设计了一个在线路径更新策略来指导远程车辆，以应对交通流的实时变化并记录详细的配送方案。最后，利用路径拟合将配送方案展示到实际路网图层上，有助于决策者直观地观察配送方案以及方便后续的统计与分析。　　（4）多目标两级低碳车辆路径优化研究　　在两级车辆路径问题模型的基础上，构建考虑异构车队的多供应商两级车辆路径问题优化模型。定义的多个目标函数分别代表物流企业、政府部门、客户或普通民众的关切。针对问题的特征，设计并行多目标进化算法以获取帕累托前沿解。最后，设计考虑时变路网的燃油车和电动汽车的碳排放评估框架，并介绍了不同碳排放政策下混合车队配置的决策方法，助力“双碳”目标的实现。
作者：	金渊智
专业：	管理科学与工程;物流与供应链管理
导师：	葛显龙
授予学位：	博士
授予学位单位：	重庆交通大学
学位年度：	2023