自動(dòng)泊車策論服務(wù)系統(tǒng)設(shè)計(jì)資料

1、自動(dòng)泊車策論服務(wù)系統(tǒng)設(shè)計(jì)摘要隨著汽車產(chǎn)業(yè)及科技的高速發(fā)展，智能駕駛汽車成為了國(guó)內(nèi)外公認(rèn)的未來汽車重要發(fā)展方向之一。而在汽車智能化進(jìn)程中，自動(dòng)泊車是一項(xiàng)非常具有挑戰(zhàn)性和實(shí)用性的技術(shù)。自動(dòng)泊車系統(tǒng)可通過各類傳感器獲取車位相對(duì)汽車的距離，通過控制汽車前輪轉(zhuǎn)角和瞬時(shí)速度控制車輛行駛。建立模型進(jìn)行求解，對(duì)題中三個(gè)基本問題進(jìn)行了全面綜合的回答。在現(xiàn)有自行車租賃點(diǎn)信息中，首先根據(jù)車輛需求數(shù)據(jù)建立了車輛分配和調(diào)度模型，接著結(jié)合西安市的實(shí)際數(shù)據(jù)，采用一種改進(jìn)的遺傳模擬退火算法來求解公共自行車分配和調(diào)度問題。為了擴(kuò)大自行車租賃規(guī)模，為廣大市民提供便捷的租賃平臺(tái)，在待選點(diǎn)中確定擴(kuò)建租賃點(diǎn)數(shù)目和位置。本文構(gòu)建分層評(píng)價(jià)

2、體系，按人體行為、建設(shè)費(fèi)用、運(yùn)營(yíng)協(xié)調(diào)三個(gè)準(zhǔn)則量化評(píng)價(jià)指標(biāo)，基于TOPSIS選址評(píng)價(jià)模型，建立指標(biāo)評(píng)價(jià)體系進(jìn)行分析確定網(wǎng)點(diǎn)的具體位置并分配車輛。最后，對(duì)第以上問題進(jìn)一步研究，根據(jù)需求平衡確定車輛在限定時(shí)間內(nèi)的調(diào)度方案，做到將自行車合理分配。通過實(shí)例對(duì)模型進(jìn)行驗(yàn)證結(jié)果表明：以上模型能夠有效解決城市公共自行車租賃點(diǎn)的布局問題，使公共自行車租賃系統(tǒng)更加有效地運(yùn)行，達(dá)到資源最大化的利用以及最大限度的滿足消費(fèi)者需求的目的. 關(guān)鍵字：交通系統(tǒng)，遺傳退火算法，TOPSIS模型，優(yōu)化目錄一、問題重述21.1 問題背景21.2 目標(biāo)任務(wù)3二、問題假設(shè)3三、符號(hào)說明3四、模型建立與求解44.1 問題一44.1.1車

3、輛分配模型44.1.2.車輛調(diào)度模型64.1.3模型算法設(shè)計(jì)84.1.3.1遺傳模擬退火算法的結(jié)構(gòu)流程84.1.3.2 適應(yīng)度函數(shù)84.1.3.3 選擇、交叉和變異操作94.1.3.4 模擬退火操作94.1.3.5模型計(jì)算104.2問題二12三層評(píng)價(jià)體系建立問題的簡(jiǎn)化124.2.2租賃點(diǎn)方案評(píng)價(jià)體系建立134.2.3 TOPSIS 模型 選址評(píng)價(jià)方案154.2.4 模型求解174.3問題三214.3.1車輛調(diào)度模型修正214.3.2模型求解22五、模型的評(píng)價(jià)22參考文獻(xiàn)23附錄231. 數(shù)據(jù)圖表232.程序代碼252.1個(gè)體適應(yīng)度計(jì)算252.2比例操作計(jì)算262.3交叉變異26一、問題重述1.

4、1 問題背景隨著經(jīng)濟(jì)的不斷發(fā)展，我國(guó)各級(jí)城市的機(jī)動(dòng)車保有量都進(jìn)入了持續(xù)高速增長(zhǎng)時(shí)期，交通擁堵問題、能源問題、環(huán)境問題日益突出，引起了政府以及百姓的極大關(guān)注。眾所周知，建立快速、便捷的城市公共交通體系是解決這一問題的有效手段之一。然而，居民居住地和交通站點(diǎn)通常都有一段距離，這段不遠(yuǎn)的距離以及現(xiàn)實(shí)存在的公共交通擁擠現(xiàn)象則使居民乘坐公共交通的意愿降低。于是，自行車這種“綠色”交通工具重新得到人們的重視，公共自行車服務(wù)系統(tǒng)已被證明能夠從一定程度上緩解這一現(xiàn)象。建立模型給出泊車策略，最終實(shí)現(xiàn)汽車自動(dòng)、安全、快速的停車入庫(kù)。1) 建立模型，按照車輛與車位之間的距離把車輛位置進(jìn)行分組，給出每一組對(duì)應(yīng)的倒車?yán)?/p>

5、想起始點(diǎn)，a=400mm，b=8000mm，c=300mm。2）建立模型，給出由理想起始點(diǎn)到倒車入庫(kù)的泊車策略，包括車速、前輪轉(zhuǎn)角、后輪行駛距離。三、符號(hào)說明表 1 符號(hào)說明符號(hào)意義符號(hào)意義時(shí)間成本（消耗時(shí)間）運(yùn)輸車輛數(shù)目租賃點(diǎn)數(shù)目二進(jìn)制變量租賃點(diǎn)i的需求量租賃點(diǎn)i到j(luò)的最短距離調(diào)度車服務(wù)完i后服務(wù)j時(shí)擁有自行車量調(diào)運(yùn)車所能調(diào)運(yùn)的最大車輛數(shù)A待選租賃點(diǎn)數(shù)效益指標(biāo)四、模型建立與求解4.1 車輛調(diào)度模型首先根據(jù)車輛需求數(shù)據(jù)建立了車輛分配和調(diào)度模型，接著結(jié)合西安市的實(shí)際數(shù)據(jù)，采用一種改進(jìn)的遺傳模擬退火算法來求解公共自行車分配和調(diào)度問題?？紤]奇瑞汽車公司的QQ3，長(zhǎng)3550mm，寬1495mm，軸距2

6、340mm，前輪距1295mm，后輪距1260mm，目標(biāo)車庫(kù)為小型汽車庫(kù)標(biāo)準(zhǔn)大小長(zhǎng)6m，寬2.8m，車庫(kù)周圍情況如圖。4.1.2.車輛調(diào)度模型本次調(diào)運(yùn)系統(tǒng)有2輛調(diào)運(yùn)車，每輛調(diào)運(yùn)車擁有負(fù)荷數(shù)為，當(dāng)有租賃點(diǎn)達(dá)到上下限時(shí)（小于20%或大于90%）,調(diào)運(yùn)車從最近的停車站點(diǎn)出發(fā)，負(fù)責(zé)對(duì)各租賃點(diǎn)進(jìn)行自行車的需求調(diào)度服務(wù)。完成調(diào)度服務(wù)后就近回到停車站點(diǎn)，各個(gè)租賃點(diǎn)之間的距離以及各自需求量已經(jīng)確定（需求量見表 4， 各租賃點(diǎn)距離見圖 1）。設(shè)為所有租賃點(diǎn)的集合，為租賃點(diǎn)數(shù)目(n=30)；，m為運(yùn)輸車輛的數(shù)目；C為固定時(shí)間成本，即每輛自行車裝卸平均耗時(shí)，為車輛的最大載重?cái)?shù)（）；如果車輛被使用，則二進(jìn)制變量。租賃

7、點(diǎn)，即將服務(wù)的車輛的當(dāng)前擁有車輛數(shù)為。對(duì)于兩個(gè)不同的租賃點(diǎn)表示兩者之間的最短距離。如果車輛k在服務(wù)i后再服務(wù)j，則。圖1 各租賃點(diǎn)的位置及道路情況圖1 中租賃點(diǎn)位置在圖中用帶圓圈的數(shù)字所示，圓圈中數(shù)字代表租賃點(diǎn)序號(hào)。字代表路線長(zhǎng)度（單位：米）。已知運(yùn)輸車速度為，模型的目標(biāo)函數(shù)即運(yùn)輸時(shí)間成本，運(yùn)輸時(shí)間成本（記為Z）的數(shù)學(xué)模型如下： （1） （2） （3） （4） （5）式（1）是目標(biāo)函數(shù)，表示最小運(yùn)輸時(shí)間成本；式（2）規(guī)定了從調(diào)度車出發(fā)時(shí)車上的自行車數(shù)量不超過m；式（3）和（4）規(guī)定了每個(gè)租賃點(diǎn)都服務(wù)一次且只服務(wù)一次；式（5）規(guī)定了每次服務(wù)都能完成并且不超過車輛最大載車數(shù)。4.1.3模型算法設(shè)計(jì)

8、在智能優(yōu)化算法中，遺傳算法（GeneticAlgorithm，簡(jiǎn)稱 GA）具有收斂速度快的優(yōu)點(diǎn)，但是具有局部搜索能力較差并容易早熟收斂的致命弱點(diǎn)。相反，模擬退火算法（Simulated Annealing，簡(jiǎn)稱 SA）能通過概率突跳方式避免陷入局部最小并最終趨于全局最優(yōu)，但是收斂速度比較慢?；?GA 和 SA 具有很強(qiáng)的互補(bǔ)性，將 SA 和 GA 有機(jī)結(jié)合則能增強(qiáng)算法的全局搜索能力和效率。本文采用一種改進(jìn)的遺傳模擬退火算法來求解公共自行車調(diào)度問題。4.1.3.1遺傳模擬退火算法的結(jié)構(gòu)流程本文提出的遺傳模擬退火算法思想是以遺傳算法運(yùn)算流程為主體流程，融入模擬退火機(jī)制來調(diào)整優(yōu)化群體。其流程如圖

9、2 所示圖 2 遺傳模擬退火算法流程4.1.3.2 適應(yīng)度函數(shù)由于要求的是最少的運(yùn)輸成本，是一個(gè)最小值問題，因此在設(shè)計(jì)適應(yīng)度函數(shù)時(shí)要把原始目標(biāo)值轉(zhuǎn)換為適應(yīng)度值，以確保優(yōu)秀個(gè)體具有大的適應(yīng)值。通過下式的尺度變換可以將目標(biāo)值轉(zhuǎn)換為適應(yīng)度值，即：，其中， I 為當(dāng)前種群的第i 個(gè)染色體， Fitness (I)為適應(yīng)度函數(shù)值，Dmax 為當(dāng)前種群的最小目標(biāo)值，Dmin為當(dāng)前種群的最小目標(biāo)值， 為需要轉(zhuǎn)換的目標(biāo)值，本文中取值0.5。使用 可以防止上式被整除，還可以將選擇行為從適應(yīng)度值比例選擇調(diào)整為純隨機(jī)數(shù)選擇。如果染色體間適應(yīng)度值的差距較大，則采用適應(yīng)度值比例選擇；如果區(qū)間相對(duì)較小，則選擇趨向于在相互

10、競(jìng)爭(zhēng)的染色體中進(jìn)行隨機(jī)選擇。4.1.3.3 選擇、交叉和變異操作采用輪盤賭操作對(duì)適應(yīng)度值進(jìn)行選擇。首先生成隨機(jī)數(shù) （0 1），然后再按照下式進(jìn)行選擇。 （6）其中， 為群體中的第 j 個(gè)個(gè)體， 為第 j 個(gè)個(gè)體的適應(yīng)度值，n為自行車租賃點(diǎn)數(shù)量，pop-size為群體大小，通過該操作可以選擇出需要繁殖的父代群體。采用單點(diǎn)交叉和均勻變異算子，交叉、變異概率采用自適應(yīng)的 和，計(jì)算表達(dá)式如下： （7）式中， 是群體中最大的適應(yīng)值，是每代群體的平均適應(yīng)度值，是要交叉的二個(gè)個(gè)體中較大的適應(yīng) 度 值 ， 是 要 變 異 個(gè) 體 的 適 應(yīng) 度 值 ， 且。4.1.3.4 模擬退火操作首先選取一個(gè)足夠大的初始

11、溫度 ，因?yàn)橐沟盟惴ㄔ诤侠淼臅r(shí)間內(nèi)搜索盡可能大的解空間，只有足夠大的 才能滿足這個(gè)要求；接著設(shè)定一個(gè)合理的退火率，溫度控制參數(shù) 的下降函數(shù)為=T+1，其中衰減參數(shù)是一個(gè)略小于 1 的系數(shù)；最后終止溫度應(yīng)該設(shè)置為足夠小。在使用智能優(yōu)化算法求解問題時(shí)，參數(shù)的控制十分重要。對(duì)以上遺傳模擬退火混合算法進(jìn)行多次測(cè)試后，最終選擇算法的參數(shù)如下表（表 6）。表6 算法參數(shù)種群大小（pop-size）60迭代系數(shù)（g）100初始溫度（）1000降溫速度（）0.95交叉概率（）0.30變異概率（）0.40初始接收概率（）0.9994.1.3.5模型計(jì)算本模型的目的是尋求目標(biāo)函數(shù)最小，其n個(gè)城市之間的距離實(shí)質(zhì)構(gòu)

12、成了一個(gè)的矩陣，同時(shí)遺傳算法的諸多算子（如選擇、交叉、變異），都是針對(duì)所謂染色體的，而染色體實(shí)質(zhì)上是一個(gè)向量，可以看成的矩陣，因此這些算子實(shí)質(zhì)上是一些矩陣的運(yùn)算。（1）種群初始化公式（6）已經(jīng)給出了適應(yīng)度函數(shù)，采用二進(jìn)制編碼法確定變量的編碼，同時(shí)要對(duì)種群大小、最大迭代次數(shù)、交叉概率、變異概率等賦值，隨機(jī)生成種群大小。染色體長(zhǎng)度（租賃點(diǎn)數(shù)目）為num的MATLAB程序?yàn)椋篜opm=zeros(M,num);For i=i:MPopm(i,:)=randperm(num);end部分適應(yīng)度計(jì)算結(jié)果如下：（2） 比例選擇操作具體執(zhí)行過程分三步，第一步計(jì)算所有個(gè)體適應(yīng)度個(gè)體總和；第二步計(jì)算每個(gè)個(gè)體在選

13、擇操作中別選中的概率（即使用度大?。坏谌侥M各個(gè)個(gè)體被選中的次數(shù)得到中間群體（程序見附錄）(3) 交叉變異操作交叉概率從中間群體中隨機(jī)的選出需要進(jìn)行交叉的個(gè)體，對(duì)這些個(gè)體隨機(jī)的兩兩配對(duì)。在，這兩個(gè)數(shù)表示交叉點(diǎn)的位置。接著對(duì)已經(jīng)配對(duì)的兩個(gè)個(gè)體，相互對(duì)應(yīng)的交換（變異操作類似）。（4） 計(jì)算結(jié)果由以上操作過程可以尋求公式1中的最優(yōu)解，但兩輛車的出發(fā)點(diǎn)和結(jié)束點(diǎn)不同同樣會(huì)影響計(jì)算結(jié)果，具體可以分為三種情況（如下圖）。上圖紅色圓圈表示調(diào)度車的起點(diǎn)或者終點(diǎn)，藍(lán)色箭頭表示調(diào)度車運(yùn)行的方向，圖3 表示兩調(diào)度車的運(yùn)行方向一致，手尾相連；圖4表示兩調(diào)度車有共同的起點(diǎn)，最終在同一終點(diǎn)相遇；圖5表示兩調(diào)度車起點(diǎn)不同

14、，終點(diǎn)相同；對(duì)表3中各租賃點(diǎn)的需求量按照?qǐng)D3、圖4、圖5 三種方式調(diào)度分配自行車，得到各個(gè)方案的最小運(yùn)行成本和運(yùn)行軌跡如表8.表8 模型計(jì)算結(jié)果運(yùn)輸行車線路最小時(shí)間成本（min）運(yùn)行軌跡同方向手尾相連（如圖3）62min14-13-11-1-15-16-29-18-19-5-20-21-25-26-27-30-9-8-10-24-23-22-6-17-3-2-14同起點(diǎn)同終點(diǎn)（如圖4）71min線路一：21-20-5-19-18-29-16-15-1-11-13-14線路二：21-25-26-27-30-9-8-10-24-23-22-6-17-3-2-14同終點(diǎn)不同起點(diǎn)（圖5）79min線路

15、1：21-20-5-19-18-29-16-15-1-11-26線路2：27-30-9-8-10-24-23-22-6-17-3-2-14-25從表8可以看出采用同方向手尾相連運(yùn)行線路所用時(shí)間成本最低，約為52分鐘運(yùn)行軌跡為：14-13-11-1-15-16-29-18-19-5-20-21-25-26-27-30-9-8-10-24-23-22-6-17-3-2-14。其他兩種情況調(diào)度時(shí)間均偏大，主要原因是一條當(dāng)一個(gè)調(diào)度車完成調(diào)度任務(wù)后另一個(gè)調(diào)度車可能沒有完成任務(wù)或者有時(shí)間間歇，導(dǎo)致資源浪費(fèi)。而采用同方向手尾相連線路調(diào)度能夠最大程度的彌補(bǔ)資源浪費(fèi)的現(xiàn)象，當(dāng)一個(gè)車完成調(diào)度時(shí)可以協(xié)助另一輛車盡早

16、完成調(diào)度。4.2選址模型本文構(gòu)建分層評(píng)價(jià)體系，按人體行為、建設(shè)費(fèi)用、運(yùn)營(yíng)協(xié)調(diào)三個(gè)準(zhǔn)則量化評(píng)價(jià)指標(biāo)，基于TOPSIS選址評(píng)價(jià)模型，建立指標(biāo)評(píng)價(jià)體系進(jìn)行分析確定網(wǎng)點(diǎn)的具體位置并分配車輛。4.2.1三層評(píng)價(jià)體系建立問題的簡(jiǎn)化確定網(wǎng)點(diǎn)數(shù)目及公共自行車的數(shù)量，管理者會(huì)面對(duì)一個(gè)問題，就是在增加網(wǎng)點(diǎn)數(shù)目和自行車數(shù)量的同時(shí)投資金額也會(huì)同時(shí)增加。在本題中，市政能提供的資金為200萬(wàn)元，建設(shè)一個(gè)網(wǎng)點(diǎn)需要的金額為50000元，投入一輛自行車的成本為1000元。在投資金額一定的前提下，網(wǎng)點(diǎn)數(shù)目與自行車數(shù)目是此消彼長(zhǎng)的，因此在兩者之間必須尋求一個(gè)平衡，在盡可能滿足站點(diǎn)之間距離適當(dāng)?shù)那闆r下同時(shí)站點(diǎn)能夠提供足夠使用的自行車

17、。（1）建設(shè)的網(wǎng)點(diǎn)數(shù)需要不多于篩選出的網(wǎng)點(diǎn)數(shù)（2）總資金為200萬(wàn)元，資金約束為由于自行車和網(wǎng)點(diǎn)的數(shù)目都為整數(shù)，兩者又滿足資金的約束條件，因此可以通過式求得所有滿足條件的網(wǎng)點(diǎn)數(shù)以及對(duì)應(yīng)的自行車數(shù)總量。這樣網(wǎng)點(diǎn)數(shù)目和自行車總數(shù)都為已知量，為進(jìn)一步簡(jiǎn)化計(jì)算，還可以對(duì)過少的網(wǎng)點(diǎn)數(shù)和過多的網(wǎng)點(diǎn)數(shù)加以剔除，對(duì)這種情況不做考慮。在資金為200萬(wàn)的前提下，最多可設(shè)立的網(wǎng)點(diǎn)數(shù)為40個(gè)，再根據(jù)每個(gè)網(wǎng)點(diǎn)至多可停放40輛自行車，可得網(wǎng)點(diǎn)數(shù)下限為22個(gè)。取能夠有效減少計(jì)算量。根據(jù)題意推理，當(dāng)租賃點(diǎn)停車率小于20%或大于90%，容易發(fā)生租賃點(diǎn)的自行車短缺或堆積現(xiàn)象，而每個(gè)網(wǎng)點(diǎn)的分配車輛數(shù)不能大于40輛，進(jìn)而可以推出租賃

18、點(diǎn)停車上下限為836輛，折中取安全值為22輛，作為預(yù)設(shè)網(wǎng)點(diǎn)平均配車數(shù)，在此推理下通過上述約束條件（2）可以求得預(yù)設(shè)網(wǎng)點(diǎn)數(shù)目為28個(gè)。在已有70個(gè)待選網(wǎng)點(diǎn)中在進(jìn)行28個(gè)租賃點(diǎn)的選址決策，我們采用TOPSIS 的選址評(píng)價(jià)模型，建立指標(biāo)評(píng)價(jià)體系。4.2.2租賃點(diǎn)方案評(píng)價(jià)體系建立1）租賃點(diǎn)選址方案評(píng)價(jià)體系建立原則方案評(píng)價(jià)體系的結(jié)構(gòu)和單項(xiàng)評(píng)價(jià)指面性有著直接的影響。評(píng)價(jià)標(biāo)的優(yōu)劣，對(duì)城市公共自行車租賃點(diǎn)選址的科學(xué)合理性以及全體系的建立要求能全面、精確的反映目標(biāo)的本質(zhì)，并且要具有操作實(shí)用性。在建立城市公共自行車租賃點(diǎn)選址方案評(píng)價(jià)指標(biāo)體系時(shí)，應(yīng)遵循如下原則：租賃點(diǎn)選址方案評(píng)價(jià)體系建立原則系統(tǒng)性實(shí)用性科學(xué)性獨(dú)立性

19、可比性定性與定量結(jié)合圖6 評(píng)價(jià)體系建立原則2）選址方案評(píng)價(jià)步驟城市公共自行車租賃點(diǎn)選址方案評(píng)價(jià)體系的建立包含的步驟有：收集資料；分析城市公共自行車租賃點(diǎn)選址決策目標(biāo)；收集、分析、篩選指標(biāo)；確定準(zhǔn)則層和指標(biāo)層；指標(biāo)體系的建立；指標(biāo)值的確定；選擇租賃點(diǎn)選址方案的評(píng)價(jià)方法；確定指標(biāo)權(quán)重；綜合評(píng)價(jià)和決策 9 個(gè)步驟。如圖所示：圖7 公共自行車租賃點(diǎn)選址指標(biāo)評(píng)價(jià)步驟3）選址方案評(píng)價(jià)體系的建立v 方案評(píng)價(jià)體系的構(gòu)建城市公共自行車的選址受多項(xiàng)因素的影響，在決策之前首先要明確站點(diǎn)選址問題的目標(biāo)。根據(jù)前面的指標(biāo)評(píng)價(jià)步驟，我們可以將評(píng)價(jià)體系分為三部分：目標(biāo)層，準(zhǔn)則層和指標(biāo)層。目標(biāo)層：充分協(xié)調(diào)好租賃點(diǎn)規(guī)劃與實(shí)施過程

20、中實(shí)際問題之間的矛盾，優(yōu)化租賃點(diǎn)選址。準(zhǔn)則層：選擇“以人為本”、“建設(shè)費(fèi)用”、“功能協(xié)調(diào)”三項(xiàng)指標(biāo)作為準(zhǔn)則層指標(biāo)。指標(biāo)層：準(zhǔn)確的對(duì)該項(xiàng)指標(biāo)進(jìn)行分析、量化并進(jìn)行分解。v 評(píng)價(jià)指標(biāo)分析及量化表9 評(píng)價(jià)體系的構(gòu)建目標(biāo)層西安市公共自行車租賃點(diǎn)選址準(zhǔn)則層人體行為建設(shè)費(fèi)用運(yùn)營(yíng)協(xié)調(diào)指標(biāo)層停車步行距離可換乘便捷度服務(wù)網(wǎng)點(diǎn)建設(shè)自行車購(gòu)買及養(yǎng)護(hù)車輛需求數(shù)調(diào)度的時(shí)空成本停車步行距離公共自行車停車后或者由別的交通方式轉(zhuǎn)乘公共自行車時(shí)，出行者步行的距離。步行距離影響公共自行車的利用率，既要滿足出行者的換乘要求，又不能過于密集造成資源的浪費(fèi)。停車步行距離可以利用實(shí)際距離來進(jìn)行量化。換乘便利性租賃點(diǎn)應(yīng)分散在城市的多處設(shè)置以

21、方便租借，可以利用到達(dá)某個(gè)自行車租賃點(diǎn)所用時(shí)間的平均值來進(jìn)行量化。服務(wù)網(wǎng)點(diǎn)建設(shè)一個(gè)租賃服務(wù)網(wǎng)點(diǎn)需要50000元自行車購(gòu)買及養(yǎng)護(hù)在使用周期內(nèi)，購(gòu)買、養(yǎng)護(hù)一輛自行車需要1000元。車輛需求數(shù)每個(gè)租賃點(diǎn)能夠放置的車輛數(shù)目有限，不能超過40輛；為了更好滿足居民對(duì)車輛的租賃要求、簡(jiǎn)化調(diào)度、提高車輛使用率，通常車輛總數(shù)至少應(yīng)超出需求量的10%；調(diào)度的時(shí)空成本目前用于運(yùn)送公共自行車的調(diào)度車有2輛，盡量不新增調(diào)度車輛，每輛每次可運(yùn)50輛自行車，調(diào)度車平均時(shí)速30km/h，每輛自行車裝（或卸）平均耗時(shí)1min；4.2.3 TOPSIS 模型 選址評(píng)價(jià)方案TOPSIS 法1981 年由

22、0;wang C.L.H和 Yoon.K.S首次提出的，這是一種逼近于理想解的排序法。TOPSIS 法根據(jù)有限個(gè)評(píng)價(jià)對(duì)象與理想化目標(biāo)的接近程度進(jìn)行排序，評(píng)價(jià)現(xiàn)有的對(duì)象中的相對(duì)優(yōu)劣?！罢硐虢狻焙汀柏?fù)理想解”是 TOPSIS 法的兩個(gè)基本概念?！罢硐虢狻奔匆辉O(shè)想的最優(yōu)解（或方案），它的各個(gè)屬性值都達(dá)到各備選方案中的最好值；而“負(fù)理想解”是一設(shè)想的最劣解（或方案），它的各個(gè)屬性值都達(dá)到各備選方案中的最壞值。方案排序的規(guī)則：比較可行解與“正理想解”和“負(fù)理想解”，若其中發(fā)現(xiàn)可行解接近正理想解，同時(shí)又遠(yuǎn)離負(fù)理想解，那么該可行解為密集的滿意解，反之則為

23、最差。Ø 建立 TOPSIS 模型 （1）設(shè)有m個(gè)待選的公共自行車租賃點(diǎn)A=，影響指標(biāo)有n個(gè)，C=,M=,N=, ,影響指標(biāo)的權(quán)重為,表示待選租賃點(diǎn)對(duì)影響指標(biāo)集的決策矩陣。 （8）Q 為初始決策矩陣。考慮到評(píng)價(jià)指標(biāo)的含義和計(jì)算方法不同，量綱各異，應(yīng)先對(duì)其進(jìn)行標(biāo)準(zhǔn)化處理。本文采用線性變換對(duì)決策矩陣進(jìn)行標(biāo)準(zhǔn)化處理得到Q ，該矩陣標(biāo)準(zhǔn)化過程是將指標(biāo)統(tǒng)一為效益型指標(biāo)的過程。 對(duì)于效益型指標(biāo)，指標(biāo)的優(yōu)越度表示在同類指標(biāo)中距離最小指標(biāo)的相對(duì)距離，最大指標(biāo)對(duì)最小指標(biāo)值的優(yōu)越度為 1；對(duì)于成本型指標(biāo)，指標(biāo)優(yōu)越度指在同類指標(biāo)中距離最大指標(biāo)的相對(duì)距離，最小指標(biāo)對(duì)最大指標(biāo)的優(yōu)越度為 1。故可令： （9）其

24、中為效益型指標(biāo)，為成本型指標(biāo)。則Q 可表示為 （10）（3）確定影響指標(biāo)的權(quán)重 對(duì)于各屬性指標(biāo)權(quán)重的確定有多重方法，主要集中在德爾菲（DELPHI）法和層次分析法（AHP）法，通過計(jì)算得到各屬性的權(quán)重，并形成權(quán)重向量如下： （11）式中，表示第j中影響指標(biāo)的權(quán)重。（4）形成加權(quán)判斷矩陣 將歸一化的決策矩陣與決策指標(biāo)的權(quán)重系數(shù)相結(jié)合，構(gòu)造加權(quán)判斷矩陣 Z ，其中， （12）（5）確定正負(fù)理想方案（14）（13）（6）計(jì)算各個(gè)備選方案與理想方案之間的距離：待選公共自行車租賃點(diǎn)到正理解（方案）的距離為; 到負(fù)理想解（方案）的距離為。（15） , 7）計(jì)算各備選到理想方案的貼近度（16）當(dāng)接近0時(shí)，愈

25、接近 0，待選公共自行車租賃點(diǎn)愈靠近負(fù)理想方案，該方案可行性越低；當(dāng)接近1時(shí)， 愈接近 0，方案愈靠近理想方案，該備選租賃點(diǎn)的可行性越高。將貼近度進(jìn)行由小到大排序，貼近度最大的待選租賃點(diǎn)就是最優(yōu)租賃點(diǎn)的位置。4.2.4 模型求解通過收集資料，對(duì)70個(gè)待選點(diǎn)進(jìn)行分析，根據(jù)本文提供的6個(gè)決策指標(biāo)，分別為“停車步行距離”，“可換乘便捷度”，“服務(wù)網(wǎng)點(diǎn)建設(shè)”，“自行車購(gòu)買及養(yǎng)護(hù)，“車輛需求數(shù)”，“調(diào)度的時(shí)空成本”。6個(gè)指標(biāo)的數(shù)據(jù)如下表所示：（2）運(yùn)用次分析法（AHP）法，通過計(jì)算得到各屬性的權(quán)重，并形成權(quán)重向量： (3) 計(jì)算加權(quán)判斷矩陣（4）確定正負(fù)理想方案 決策矩陣標(biāo)準(zhǔn)化的過程是將指標(biāo)統(tǒng)一為效益性

26、指標(biāo)的過程，因此，以下的計(jì)算均以效益型指標(biāo)計(jì)算。 正理想解： 負(fù)理想解：（5）計(jì)算各個(gè)備選方案與理想方案之間的距離自行車選址到正理想方案的距離為到負(fù)理想方案的距離為 得到 （6）計(jì)算各備選到理想方案的貼近度為了保證自行車調(diào)度系統(tǒng)在150min內(nèi)完成調(diào)度，設(shè)調(diào)度車輛數(shù)為，則采用同方向調(diào)度方式時(shí)，所消耗的時(shí)間由調(diào)運(yùn)時(shí)間最長(zhǎng)的調(diào)運(yùn)車決定。為了合理配置調(diào)配資源，避免資源浪費(fèi)每輛調(diào)運(yùn)車服務(wù)的租賃點(diǎn)個(gè)數(shù)盡量保持均勻，則對(duì)問題一中的調(diào)運(yùn)時(shí)間模型修正如下： （17） （18） （19）由于遺傳算法適合求解最小值函數(shù)，故采用式（18）、（19）的變換。式（17）的約束條件和問題一中式（2）（3）（4）（5）相同

27、，這里不再贅述。4.3.2模型求解采用問題一中遺傳算法求解式（17）得出每輛調(diào)運(yùn)車在150min內(nèi)服務(wù)的站點(diǎn)數(shù)可以達(dá)到20個(gè)。因此要完成58個(gè)站點(diǎn)的調(diào)度工作需要約三個(gè)調(diào)運(yùn)車，故增加一輛調(diào)運(yùn)車。1. 與問題領(lǐng)域無關(guān)切快速隨機(jī)的搜索能力。2. 搜索從群體出發(fā)，具有潛在的并行性，可以進(jìn)行多個(gè)個(gè)體的同時(shí)比較。3. 搜索使用評(píng)價(jià)函數(shù)啟發(fā)，過程簡(jiǎn)單。4. 使用概率機(jī)制進(jìn)行迭代，具有隨機(jī)性。5. 具有可擴(kuò)展性，容易與其他算法結(jié)合。遺傳算法的缺點(diǎn)： 1、遺傳算法的編程實(shí)現(xiàn)比較復(fù)雜,首先需要對(duì)問題進(jìn)行編碼,找到最優(yōu)解之后還需要對(duì)問題進(jìn)行解碼。 2、另外三個(gè)算子的實(shí)現(xiàn)也有許多參數(shù),如交叉率和變異率,并且這些參數(shù)的

28、選擇嚴(yán)重影響解的品質(zhì),而目前這些參數(shù)的選擇大部分是依靠經(jīng)驗(yàn)。 3、沒有能夠及時(shí)利用網(wǎng)絡(luò)的反饋信息,故算法的搜索速度比較慢，要得要較精確的解需要較多的訓(xùn)練時(shí)間。 4、算法對(duì)初始種群的選擇有一定的依賴性，能夠結(jié)合一些啟發(fā)算法進(jìn)行改進(jìn)。（2）Topsis模型優(yōu)點(diǎn)：topsis模型是一種逼近于理想解的排序法，根據(jù)有限個(gè)評(píng)價(jià)對(duì)象與理想化目標(biāo)的接近程度進(jìn)行排序的方法，是對(duì)現(xiàn)有的對(duì)象中進(jìn)行相對(duì)優(yōu)劣的評(píng)價(jià)，本辦法先確定各項(xiàng)指標(biāo)的正負(fù)理想方案，通過計(jì)算各方案與理想方案的貼近度來確定最優(yōu)解，該方法通過對(duì)原數(shù)據(jù)進(jìn)行同趨勢(shì)和歸一化的處理后，消除了不同指標(biāo)量綱的影響，并能充分利用原始數(shù)據(jù)的信息，所以能充分反映各方案之間

29、的差距、客觀真實(shí)的反映實(shí)際情況，具有真實(shí)、直觀、可靠的優(yōu)點(diǎn)，而且其對(duì)樣本資料無特殊要求，故應(yīng)用日趨廣泛。缺點(diǎn)：確定評(píng)價(jià)指標(biāo)的權(quán)重指標(biāo)時(shí)一般采用專家意見調(diào)查法或?qū)哟畏治龇?AHP)等方法，這些方法存在著較大的主觀因素，不同人對(duì)各個(gè)指標(biāo)的重要程度有不同的評(píng)價(jià)。建立模型給出泊車策略，最終實(shí)現(xiàn)汽車自動(dòng)、安全、快速的停車入庫(kù)。按照車輛與車位之間的距離把車輛位置進(jìn)行分組，給出每一組對(duì)應(yīng)的倒車?yán)硐肫鹗键c(diǎn)，a=400mm，b=8000mm，c=300mm。參考文獻(xiàn)1何流,李旭宏,陳大偉,盧靜,吳圓圓. 公共自行車動(dòng)態(tài)調(diào)度系統(tǒng)需求預(yù)測(cè)模型研究J. 武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版),2013,02:278-2

30、82. 2李婷婷. 城市公共自行車租賃點(diǎn)選址規(guī)劃研究D.北京交通大學(xué),2010. 3葉麗霞. 城市公共自行車調(diào)度系統(tǒng)研究D.南京理工大學(xué),2013. 4鮑娜. 城市公共自行車租賃點(diǎn)選址決策及調(diào)度模型研究D.長(zhǎng)安大學(xué),2012 5張建國(guó). 城市公共自行車車輛調(diào)配問題研究D.西南交通大學(xué),2013.附表2 部分已有網(wǎng)點(diǎn)位置距離計(jì)算表第一點(diǎn)經(jīng)度1緯度1第二點(diǎn)經(jīng)度2緯度2距離c1108.95295434.3248282108.94856234.323762392.53010540.9999937691108.95295434.3248283108.94319934.326341848.8766660.

31、999970861108.95295434.3248284108.94338734.3332651244.9226520.9999373271108.95295434.3248285108.95316134.3348741117.2054110.9999495271108.95295434.3248286108.94463634.3387871708.1550330.999882011108.95295434.3248287108.95253234.3508652895.4123060.9996610031108.95295434.3248288108.95023234.3475722539.

32、8400470.9997391481108.95295434.3248289108.94552534.3533693237.6408030.9995761361108.95295434.32482810108.93607534.3626444451.5393650.9991987611108.95295434.32482811108.96689634.3218621231.897140.9999386321108.95295434.32482812108.95851534.320289691.78979430.9999806471108.95295434.32482813108.9541313

33、4.320766462.64530720.9999913441108.95295434.32482814108.95323334.319536588.92214370.9999859751108.95295434.32482815108.95464334.325223150.54338050.9999990841108.95295434.32482816108.9550234.326699272.66219050.9999969941108.95295434.32482817108.9433634.327779882.10111330.9999685351108.95295434.324828

34、18108.95974534.3329141070.4043670.9999536671108.95295434.32482819108.95343934.333272939.84661990.999964281108.95295434.32482820108.95401434.3362381271.9786560.9999345731108.95295434.32482821108.95417634.3399341682.9787020.9998854621108.95295434.32482822108.94028834.3391141924.3002890.9998502611108.9

35、5295434.32482823108.94459134.3428252126.1420750.9998172021108.95295434.32482824108.93298534.346732980.1192710.9996408791108.95295434.32482825108.96238634.3475572654.445650.9997150781108.95295434.32482826108.95901834.3475122575.7416590.9997317221108.95295434.32482827108.9561734.347842573.7401970.9997

36、321391108.95295434.32482828108.94543534.3622944216.5499150.9992811111108.95295434.32482829108.95328734.330239602.34830390.9999853281108.95295434.32482830108.9501734.3534663193.441360.999587631108.95295434.3248282108.94856234.3237622108.94856234.323762012108.94856234.3237623108.94319934.326341539.71581140.999988222108.94856234.3237624108.94338734.3332651145.5