收藏本站
《北京交通大学》 2017年
收藏 | 手机打开
二维码
手机客户端打开本文

纯电动物流车运营特性分析及配送路径优化问题研究

邵赛  
【摘要】:如今全球能源短缺,环境污染严重,转变传统高能耗、高污染的发展方式,大力推进节能减排,实现可持续发展,逐渐成为世界各国的共同选择。物流是能源消耗和环境污染较为严重的行业之一,而运输则是物流重要的环节。因此有关物流业在能源消耗和环境污染上的研究主要集中在运输视角。如何构建一个高效、集约、低碳、可持续发展的物流运输系统成为关键问题。纯电动汽车以其良好的环境保护和能源调整效应,成为推动车辆节能减排的重要技术方向。基于城市配送领域所具有的特征及对环境质量和污染排放的控制要求,在各种政策补贴和示范运营的激励下,纯电动物流车正逐步在城市配送领域推广应用。但目前纯电动物流车在各方面技术还不够成熟,主要反映在用户用车心理、充电问题、里程问题和载重能力等。现阶段来说,短时间内提升电动汽车技术的可能性较小。因此对于纯电动物流车而言,如何应用科学方法进行合理规划其配送方案以减少运营成本,提高配送效率,保障车辆行驶安全,减少用户里程焦虑是现阶段需要面对的问题。其中包括纯电动物流车配送路径优化,对应的问题称为纯电动物流车车辆路径问题(Electric Vehicle Routing Problem,EVRP)。在此基础上,为了更符合实际车辆行驶环境和客户需求,考虑动态行驶时间的纯电动物流车车辆路径问题(Electric Vehicle Routing Problem with Variable Travel Time,EVRPVTT)和考虑动态需求的纯电动物流车车辆路径问题(Electric Vehicle Routing Problem with Dynamic Demands,EVRPDD)成为本文研究重点。本文的主要创新工作如下:(1)在实证数据的基础上,分析了纯电动物流车运营特性与主要参数分布规律。本文首先在大量纯电动物流车实际运营数据和用户运营经验的基础上,应用数理统计方法从行驶特性、充电特性及配送特点三个方面对纯电动物流车的运营特性进行分析,获得行驶速度、行驶里程及电池SOC等重要参数的分布规律,总结出现阶段纯电动物流车的运营现状和问题,探讨用户对纯电动物流车的使用行为和里程焦虑心理,为下一步提出更符合实际需求的EVRPVTT问题和EVRPDD问题奠定基础。(2)建立了纯电动物流车行驶里程非线性回归和剩余里程估计模型,并对模型参数进行辨识。为了准确估计EVRPVTT问题和EVRPDD问题中的关键参数——剩余里程,本文首先从定性角度对行驶里程的影响因素进行分析,并提出建立考虑放电深度和行驶速度的行驶里程回归模型。为转换成基于单一输入变量的回归模型,针对放电深度与行驶里程的关系,引入单位里程耗电比。然后基于单位里程耗电比与行驶速度之间的非线性特征,建立非线性回归模型。其中,应用遗忘因子递推最小二乘法对未知模型参数进行辨识。对单位里程耗电比进行转换后便可得到考虑放电深度和行驶速度的行驶里程非线性回归模型。最后通过行驶里程非线性回归模型对剩余里程进行估计。(3)建立了考虑动态行驶时间的纯电动物流车配送方案优化模型,并给出了相应的求解算法。本文针对交通信息的动态性,根据纯电动物流车的技术特点和运营特性,综合考虑载重约束、时间窗约束、里程约束、充电需求和行驶速度,建立以总成本最小的EVRPVTT问题模型。并应用结合穷举法的遗传算法求解模型,得到包括配送路线、充电计划、行车时间、行车路径在内的最优配送方案。其中,对经典Dijkstra算法进行改进后,提出考虑行驶速度变化的动态Dijkstra算法,求解EVRPVTT问题模型中涉及到的最短路径问题,确定配送路线的行车路径。为避免由于电量不足导致的车辆半路抛锚及电池过度放电情况,车辆可在行驶途中多次前往充电站补充电量。充电路线优化问题为有充电需求的车辆提供最优充电计划。最后在结合北京市城区路网的实例中验证了模型和方法的有效性。(4)提出满足动态需求的纯电动物流车配送方案实时更新策略,并进行了参数灵敏度分析。EVRPDD问题针对动态信息的另外一种形式——动态需求,提出基于更新时间的路线更新策略对配送方案进行实时地在线优化。其中,充电路线优化模型为有充电需求的车辆分配充电站,提供最优充电计划。经典Dijkstra算法解决最短路径问题,给出配送路线的行车路径。在参数灵敏度分析中,验证了所提出的策略具有较好地在线响应动态需求能力,并通过研究这些参数对路线更新策略的影响程度,为物流企业提供运营建议。
【关键词】:纯电动物流车 运营分析 剩余里程估计 车辆路径问题 动态行驶时间 动态需求
【学位授予单位】:北京交通大学
【学位级别】:博士
【学位授予年份】:2017
【分类号】:F252.1
【目录】:
  • 致谢5-6
  • 摘要6-8
  • ABSTRACT8-15
  • 1 绪论15-37
  • 1.1 论文研究背景15-16
  • 1.2 国内外研究现状16-33
  • 1.2.1 国内外电动汽车发展现状16-19
  • 1.2.2 城市配送领域的纯电动物流车应用19-21
  • 1.2.3 纯电动物流车车辆路径问题研究现状21-28
  • 1.2.4 纯电动物流车动态车辆路径问题研究现状28-31
  • 1.2.5 行驶里程和剩余里程估计研究现状31-32
  • 1.2.6 现状总结32-33
  • 1.3 论文技术路线和主要内容33-36
  • 1.3.1 技术路线33-34
  • 1.3.2 主要内容34-36
  • 1.4 论文框架36-37
  • 2 纯电动物流车运营特性分析37-59
  • 2.1 数据来源与采集37-38
  • 2.1.1 数据来源37-38
  • 2.1.2 数据采集和传输38
  • 2.2 放电过程和充电过程38-39
  • 2.3 纯电动物流车行驶特性分析39-52
  • 2.3.1 行驶速度39-43
  • 2.3.2 行驶里程43-46
  • 2.3.3 电池SOC46-52
  • 2.4 纯电动物流车充电特性分析52-57
  • 2.4.1 充电模式52-53
  • 2.4.2 慢速充电行为53-54
  • 2.4.3 快速充电行为54-57
  • 2.5 纯电动物流车配送特点分析57-58
  • 2.5.1 载重能力57
  • 2.5.2 配送范围57-58
  • 2.5.3 配送业务58
  • 2.6 本章总结58-59
  • 3 纯电动物流车行驶里程和剩余里程估计59-77
  • 3.1 行驶里程影响因素分析59-60
  • 3.2 行驶里程回归模型建立60-74
  • 3.2.1 行驶里程回归模型分析60-61
  • 3.2.2 放电深度定义和数据转换61-62
  • 3.2.3 单位里程耗电比定义和数据转换62-67
  • 3.2.4 行驶速度与单位里程耗电比的非线性特征67-68
  • 3.2.5 行驶速度与单位里程耗电比非线性回归模型确立68-69
  • 3.2.6 行驶速度与单位里程耗电比非线性回归模型参数辨识69-72
  • 3.2.7 行驶速度与单位里程耗电比非线性回归模型检验72-74
  • 3.2.8 考虑放电深度和行驶速度的行驶里程非线性回归模型74
  • 3.3 剩余里程估计74-75
  • 3.4 本章总结75-77
  • 4 考虑动态行驶时间的纯电动物流车车辆路径问题77-119
  • 4.1 动态行驶时间特性77-78
  • 4.2 问题重要参数介绍78-81
  • 4.2.1 行驶速度78-79
  • 4.2.2 基于行驶速度变化的参数计算79-81
  • 4.3 约束条件81-83
  • 4.3.1 载重约束81
  • 4.3.2 时间窗约束81-82
  • 4.3.3 里程约束82-83
  • 4.4 充电需求83-85
  • 4.4.1 充电路线优化83-84
  • 4.4.2 充电参数计算84-85
  • 4.5 问题描述85-87
  • 4.6 模型建立87-91
  • 4.6.1 模型变量87-89
  • 4.6.2 模型表述89-91
  • 4.7 模型求解91-96
  • 4.7.1 模型求解算法设计91-95
  • 4.7.2 模型求解算法实现95-96
  • 4.8 基于动态DIJKSTRA算法的最短路径问题96-101
  • 4.8.1 动态Dijkstra算法97-98
  • 4.8.2 最短路径问题算例98-101
  • 4.9 本节实例101-117
  • 4.9.1 基础数据101-109
  • 4.9.2 求解结果及分析109-117
  • 4.10 本章总结117-119
  • 5 考虑动态需求的纯电动物流车车辆路径问题119-161
  • 5.1 问题特征119-120
  • 5.2 问题重要参数介绍120-121
  • 5.3 约束条件121
  • 5.3.1 载重约束121
  • 5.3.2 时间窗约束121
  • 5.3.3 里程约束121
  • 5.4 充电需求121-122
  • 5.5 问题描述122-125
  • 5.6 初始配送方案确定125-128
  • 5.6.1 EVRP模型建立125-127
  • 5.6.2 EVRP问题求解127-128
  • 5.7 动态需求特性128-132
  • 5.7.1 动态度128
  • 5.7.2 动态需求生成128-131
  • 5.7.3 动态需求响应131-132
  • 5.8 路线更新策略132-141
  • 5.8.1 策略实施过程133-134
  • 5.8.2 策略启动机制134
  • 5.8.3 分解策略134
  • 5.8.4 求解策略134-136
  • 5.8.5 插入动态需求136-138
  • 5.8.6 充电路线优化138-141
  • 5.8.7 目标函数计算及策略输出141
  • 5.9 本节实例141-159
  • 5.9.1 基础数据142-144
  • 5.9.2 初始配送方案求解144-147
  • 5.9.3 路线更新结果147-153
  • 5.9.4 参数灵敏度分析153-159
  • 5.10 本章总结159-161
  • 6 总结和展望161-165
  • 6.1 论文主要工作161-162
  • 6.2 论文创新点162-163
  • 6.3 有待进一步研究的问题163-165
  • 参考文献165-175
  • 作者简历及攻读博士学位期间取得的研究成果175-179
  • 学位论文数据集179

中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026