-
公开(公告)号:CN116894550A
公开(公告)日:2023-10-17
申请号:CN202310718005.7
申请日:2023-06-16
Applicant: 华南理工大学
IPC: G06Q10/0631 , G06Q50/30 , G06N7/01 , G06N20/00
Abstract: 本发明公开了一种适用于客货联运的灵活公交调度方法,包括以下步骤:基于滚动时域框架建立马尔科夫决策过程模型,通过马尔科夫决策过程模型解释灵活公交客货联运动态调度问题;将调度环境信息抽象为强化学习各要素,将灵活公交车辆抽象为智能体,根据动态调度特性设计出适配马尔科夫决策过程模型的收益函数;以动态调度系统总成本最少为优化目标,基于多智能体强化学习算法中的Qtran_alt框架求解,从而完成灵活公交客货联运调度。本发明基于滚动时域框架灵活处理动态订单,采用多智能体强化学习中的Qtran_alt算法求解模型,以期获得更低系统总成本的解。本发明不仅可以降低运营成本,还能够提升交通运输效率,同时算法具有良好的特性,具有较强的实际应用前景。
-
公开(公告)号:CN113947287A
公开(公告)日:2022-01-18
申请号:CN202111101852.6
申请日:2021-09-18
Applicant: 华南理工大学
Abstract: 本发明公开了一种电动公交区域调度方法,包括以下步骤:建立时间拓展网络模型解释纯电动公交多车场调度问题;设定时间拓展网络模型的节点和弧,并设定弧的成本;进而建立考虑分时电价和能耗控制的双目标整数规划模型;采用字典序优化方法处理双目标整数规划模型的双目标,将双目标问题转化为单目标模型的第一目标和第二目标进行求解;设计分支定价算法求解转化后的单目标模型的第一目标;以第一目标得到的最优解作为第二目标的初始解,通过商业求解器求解转化后的单目标模型的第二目标,从而完成电动公交区域调度;本发明不仅可以降低成本,而且还可以降低电网负载峰值提高电网安全,同时算法具有良好的特性,具有较强的实际应用前景。
-
公开(公告)号:CN113882727A
公开(公告)日:2022-01-04
申请号:CN202111240891.4
申请日:2021-10-25
Applicant: 华南理工大学
Abstract: 本发明涉及一种升降式自动化无线充电立体停车系统,包括立体停车库;立体停车库设有多个停车层;每个停车层均设有多个停车位,每个停车位均设有供电接口;每个停车层一侧均设有充电轨道;每个充电轨道上均设有若干移动装置,每个移动装置上均设有无线充电装置;控制装置用于根据待充电车辆所在停车层的停车位信息,控制与所述停车层对应的移动装置沿充电轨道移动至所述停车位一侧,以使所述移动装置上的无线充电装置与所述停车位的供电接口对接并对待充电车辆进行无线充电。无需为所有停车位都配置无线充电桩或划分可充电区域,能够满足车辆的无线充电需求。本发明还涉及一种升降式自动化无线充电立体停车系统的工作方法。
-
公开(公告)号:CN110020666A
公开(公告)日:2019-07-16
申请号:CN201910128113.2
申请日:2019-02-21
Applicant: 华南理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于乘客行为模式的公共交通广告投放方法,包将采集到的乘客数据进行预处理,并搭建出乘客出行数据库;将乘客出行数据库中的数据进行集合,形成有关乘客出行的向量;将所述向量进行聚类;将聚类后的数据分成N个数据类,根据每个数据类的中心向量,经过调查和模拟对每个数据类进行模式识别;N≥2;根据模式识别的结果在公共交通上精准的投放广告。此种方法可以根据乘客的不同需求有的放矢地投放广告,提高了广告投放的精准性,提高广告资源的利用率。
-
公开(公告)号:CN113947287B
公开(公告)日:2025-01-07
申请号:CN202111101852.6
申请日:2021-09-18
Applicant: 华南理工大学
IPC: G06Q10/0631 , G06Q10/047 , G06Q50/06 , G06Q50/40
Abstract: 本发明公开了一种电动公交区域调度方法,包括以下步骤:建立时间拓展网络模型解释纯电动公交多车场调度问题;设定时间拓展网络模型的节点和弧,并设定弧的成本;进而建立考虑分时电价和能耗控制的双目标整数规划模型;采用字典序优化方法处理双目标整数规划模型的双目标,将双目标问题转化为单目标模型的第一目标和第二目标进行求解;设计分支定价算法求解转化后的单目标模型的第一目标;以第一目标得到的最优解作为第二目标的初始解,通过商业求解器求解转化后的单目标模型的第二目标,从而完成电动公交区域调度;本发明不仅可以降低成本,而且还可以降低电网负载峰值提高电网安全,同时算法具有良好的特性,具有较强的实际应用前景。
-
公开(公告)号:CN118917594A
公开(公告)日:2024-11-08
申请号:CN202410962185.8
申请日:2024-07-18
Applicant: 交通运输部科学研究院 , 华南理工大学
IPC: G06Q10/0631 , G06Q50/40
Abstract: 本发明公开了一种公交车辆与驾驶员协同调度方法,涉及电动公交调度与驾驶员调度领域,该公交车辆与驾驶员协同调度方法包括以下步骤:建立多车场下驾驶员与电动公交的协同调度网络,并为每个车场对应的协同调度网络建立时间拓展图;在时间拓展图中建立连接弧集合并进行分类;建立电动公交能耗模型及基于职责链的驾驶员工作模型;构建马尔可夫车次链获得路况对车次行程时间的影响;结合车次链上的延误累积效应及延误传播效应构建延误转移模型,同时设计延误传播链选择算法;建立驾驶员与电动公交的区域协同调度总模型。本发明不仅能综合考虑车辆和驾驶员的协同调度问题,还可灵活应对路况变化导致的随机行程时间。
-
公开(公告)号:CN109919541B
公开(公告)日:2023-06-20
申请号:CN201910144050.X
申请日:2019-02-27
Applicant: 华南理工大学
IPC: G06Q10/0835 , G06Q10/087 , G06Q10/047
Abstract: 本发明公开了一种多级定位库存路径问题的建模求解方法,包括:S1、获取相关工厂、配送中心、销售点的基础物流信息;S2、利用燃油消耗模型和获取的基础物流信息建立三级定位存库路径问题模型;其中三级定位存库路径问题包括配送中心选址、配送车辆路径和补货量;S3、利用贪婪式遗传算法对配送中心选址和配送车辆路径进行优化;S4、利用梯度下降算法对补货量进行优化;在求解LIRP模型时,本发明设计了一种基于贪婪与遗传的混合启发式算法(GGA)求解物流系统中的选址、路径和库存方案,并设计了基于梯度下降算法(GD)实现补货量策略二次优化,降低物流系统的库存成本,从而进一步降低物流系统的总成本。
-
公开(公告)号:CN115545404A
公开(公告)日:2022-12-30
申请号:CN202211064333.1
申请日:2022-09-01
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于改进式DQN的升降式自动立体停车库调度方法;通过物联网技术获取车库当前时刻状态,采用改进式DQN对升降式自动立体停车库调度模型进行训练,以最小化用户等待时间和最小化机械损失成本为目标,得到具有在随机干扰下做出最优决策能力的Q网络,并利用Q网络引导车库进行实时调度。本发明提供的深度强化学习方法解决了大规模复杂状态空间可能导致的维度灾难问题,并能实现动态实时调度。此外,不同于传统的DQN强化学习方法,本发明改进的DQN算法结合了蒙特卡洛思想,通过采样若干经历完整的状态序列来估计状态价值,使得车库调度的每一步动作都能充分考虑到其对后续调度的影响,更符合车库调度的现实需求。
-
公开(公告)号:CN106951976B
公开(公告)日:2021-09-21
申请号:CN201610892640.7
申请日:2016-10-12
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于模式分类的公交客流预测方法。该方法包括以下步骤:日期属性量化矩阵建立;影响因素与客流量之间的相关性与敏感性评价;通过特征工程处理,获取加权日期属性量化矩阵;进一步根据目标日期的属性,在矩阵中进行Shepard插值预测。本发明对影响公交客流因素进行模式分类,能有效反映客流量时段性和季节性变化,实现了公交客流的高精度和鲁棒性预测,相比传统的公交客流预测方法,本发明方法有更高的预测精度的较强的鲁棒性,且参数依赖性较小,为公交车辆运力配置和运营调度奠定了坚实的数据基础。
-
公开(公告)号:CN109344991A
公开(公告)日:2019-02-15
申请号:CN201810875968.7
申请日:2018-08-03
Applicant: 华南理工大学
Abstract: 本发明公开了一种公交线路最高断面客流预测方法,包括步骤:提取公交线路各时段断面客流的影响因子,建立数据空间;提出基于预测误差成本的评价指标;以误差成本最小化为目标对数据空间进行参数寻优;在参数寻优过程中,对目标时段断面客流利用Shepard插值算法进行插值预测。本发明利用插值算法进行预测,具有较高的预测稳定性,在以预测误差成本为评价指标的预测模型中表现较优,可为公交线路发车频率设置、运力投放、最优满载率提供参考,同时还利用“报童模型”的思想,提出了基于预测误差成本的评价指标,综合反映车次冗余成本和因车次不足而造成的乘客滞留成本,为后续公交发车频率优化提供更为直接的参考。
-
-
-
-
-
-
-
-
-