车辆调度范文
时间：2023-03-14 06:23:11
导语：如何才能写好一篇车辆调度，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
篇1
铁路车辆段车辆调度主要负责铁路客车、铁路货车的检修、运用中的计划编制、生产指挥、出入厂段组织等工作，负责指挥完成于铁路车辆有关的铁路运输生产任务，承担铁路行车设备有关信息的收集与分析，并按规定组织指挥、协调处理工作。随着铁路运输的发展和客货运组织的变化，尤其是动车组的大量开行，铁路车辆调度在铁路运输组织和铁路车辆管理中的管理对象、要求、范围、项目、手段等都发生了很大变化，因此如果能够利用数据库开发出对车辆段车辆调度信息统一管理的系统，将对铁路车辆段的调度工作起到很好的作用。
本文利用车辆段现有的网络模式，利用数据库管理系统，构架出车辆调度信息管理系统，并实现各模块的软件功能。
1 系统需求分析
1.1 系统的功能需求
车辆段车辆调度的主要任务是对车辆的停放信息，列车的动态运用信息以及一级备用车相关信息的查询和管理。所以总体上要将系统从这三个功能上划分模块。
调度的工作人员，每天最主要的工作就是进行信息的汇总和浏览查询，为了减轻工作人员在系统上的操作量，界面的设计尽量简单明了，并从现有数据库中提取信息，保证数据的一致性。
1.2 系统的性能需求
本系统是基于C/S结构的网络，铁路部门对于网络的安全性要求较高，并且都已经布有成熟的网络硬件结构，考虑到现有网络和数据库模式，以及系统功能和信息特点，采用具有客户端的软件系统，能极大的满足系统的稳定性、可靠性、并发性和安全性需要。同时能够做到系统的课扩充性良好，系统管理简单，可支持异种数据库，有很高的可用性，可进行严密的安全管理。
2 系统设计
系统总体划分为股道信息管理，列车动态运行管理，一级备用车管理三大模块。并在每个模块下按功能细分结构，如图1所示。
2.1 股道信息管理
股道信息实际上是为了方便查询车辆信息所设置的。车辆段的股道按不同的功能分为不同的区域，包括：修车股道、临修股道、运用股道。在股道上停放的车辆也有不同的状态：预检交接、班组作业、工长校验质检校验、验收、验收修竣等。所以在股道信息的管理中，通过划分不同的区域实现股道信息的有效查询，而为了方便查询的直观性，在股道上各车辆使用不同颜色标明状态。
2.2 列车动态运行管理
列车动态运行包括运行信息和报警信息的管理。
列车的运行信息包括：列车启运、列车正常运行、列车非正常运行。列车非正常运行时需要有非运行信息，包括：停车区间、停车日期、是否启运、启运日期。这部分对列车在运行中的状况和运行的位置的信息进行有效管理。
列车运行报警信息主要是通过对数据库中车辆的信息，以及对于车辆运行的信息结合车辆修程规则进行计算，最后汇总出在运用的车辆哪些需要进行检修，在设置好的时间范围内提前报警。方便调度人员在列车运行结束后重新编组车辆。
2.3 一级备用车管理
按调度的日常工作，一级备用车的管理划分为：一级备用车信息，一级备用车日计划和记名检修单查询三个部分。
一级备用车日计划信息是调度用来每天制定一级备用车或待一级备用车计划的。调度根据每天检修好的车辆情况，将车辆定义成待一级备用和一级备用状态，然后再按车辆报警的情况进行更换车辆，下达调度指令。
一级备用车信息主要指备用车日计划信息，统计当天或已做计划的某天待一级备用车和一级备用车的信息，包括不同车型每天计划的最高储量和最低储量以及计划量的情况。这样在调度更换车辆时方便查询或下计划。
车辆调度工作人员有查询车辆记名检修单的权利。所以，在系统中设置记名检修单查询入口，方便查询。
3 系统实现
3.1 系统开发平台
系统前台操作客户端使用PowerBuilder开发（以下简称PB）。相对于其他应用开发工具而言，它具有速度更快、质量更高、功能更强、成本低的特点。PB内置的数据窗口对象类，可以方便数据库的访问，同时PB还具有强大的报表系统，能够根据用户的需要制定各种分析报表。
系统后台数据库采用Oracle数据库。
3.2 系统主界面设计
根据各模块的功能以及考虑到方便操作，界面风格采用Windows资源管理器的模式，使各个功能模块一目了然，用户登录后就可以在界面上进行日常工作。
4 结论
本系统是一个较为完善的铁路车辆段车辆调度系统，系统的侧重是在信息的管理，方便调度人员及时有效的查看和使用信息，帮助工作人员提高工作效率，并减轻工作强度。该系统后期要进一步改进操作方式，结合智能手机的APP开放，将部分信息通过手机客户端的方式进行查询，方便并迎合现场人员的流动工作方式。
参考文献
[1]张宇.关于编写《铁路车辆调度规则》的基本思路[J].铁道车辆，2012，50（1）：36-38.
[2]侯淑英.B/S模式和C/S模式优势比较[J]沈阳教育学院学报，2007，9（4）：98-100.
[3]樊金生，张翠肖，沙金.PowerBuilder10.5实用教程[M].北京：科学出版社，2009.
篇2
关键词：车辆调度；物流；优化方案
中图分类号：F513.2 文献标识码:A 文章编号:1005-6432(2008)36-0076-02
Research and Accomplishment of Haulage Vehicle Scheduling Optimization
Jiang Hua1 Yi Zhengjiang2
(1.School of Information Engineering,Jiaozuo University; 2.School of Economics and Management, Jiaozuo University)
Abstract: Through the mathematical analysis for the vehicle scheduling problem, this paper made simple and practicalvehicle scheduling algorithm. To achieve the implementation of computer-smart scheduling tasks, we designed the program ofvehicle scheduling optimization. This program realizes distribution scheduling with computer to the logistics and distributionenterprise, reduce costs and improve logistics management level have a certain reference value.Key Words: vehicle scheduling; logistics; optimization program
一、前言
电子商务广阔的发展前景和连锁商业的迅速发展为物流配送提供了发展契机，以往采取的手工作业或简单的计算机作业处理方式已经不能满足迅速发展的业务要求。随着物流网络规模的扩大，物流量的急剧增加，企业在进行物流配送时面临一系列的问题。综合人和计算机两方面优势的配送调度系统能有效地辅助处理配送过程中大量的决策问题，因此，是解决这一系列问题的良好方案。
本文以对整车物流配送的企业提供智能化、决策化支持为目标，提出以整车调度优化为目的的数学分析模型；然后讨论了基于J2EE的轻量级Web软件系统框架；最后对建立计算机实现整车调度优化系统进行了初步设计。
二、车辆物流的技术环境
车辆物流是集现代运输、仓储、保管、搬运、包装、产品流通及物流信息于一体的综合性组织和管理。车辆整车及其零部件的物流是各个环节必须高度有效衔接的高技术行业，主要包括车辆滚装物流技术、整车物流信息技术、采购与JIT、生产供应技术等方面。
(1)滚装物流技术。滚装物流实际上是一种和车辆运输紧密相关的物流技术，利用车辆自身具有移动作业能力的特点，结合其他的运输方式组合而成的运输方式。目前常见的有：车辆-车辆模式、集装箱-车辆模式、轮船-车辆模式、火车-车辆模式等。这些运输模式形式多样，特点各异。
(2)整车物流信息技术。现代物流是以信息技术、电子技术为代表的高科技所支撑的集成化体系。信息化、智能化、集成化及专业化是现代物流的发展方向。广泛采用GPS和GIS技术，可以优化驳运车运输体系，降低物流运输成本，包括随时随地、方便快捷地了解驳运车的最新状况，就近调度，赢得更多时间；充分利用回程运力资源，实时跟踪调度单、订单及商品车的状态等。
(3)采购与J I T生产供应物流技术。主要包括相应的设施设备和信息系统。在运输工具配备上，使用专用的巷道式堆垛机和拣选叉车结合作业，在信息系统方面，仓储管理系统采用中央控制、计算机网络化和仓储自动识别系统相结合的方式，将可以通过网络与车辆生产厂进行实时的信息交换，接收生产计划和J I T配送订单，进行J I T生产供应，并及时反馈配送执行情况。
三、调度优化模型的数学描述
1.需求描述
车辆调度优化模型属于实时决策范畴，其系统运行模式通常是：
(1)调度系统通过各种方式(E D I，手工生成，系统自生成……)不断获得新的客户运输调度指令。
(2)每隔一个时间段，系统被触发运行一次优化模型，完成一个波次的预调度，把调度指令根据模型设置的若干规则分解成可实际操作的调度计划。
(3)最后，系统调度人员确认预调度计划，调度计划得到真正执行，进入实体运作阶段，直至计划成功实施或者失败系统重新生成调度指令，进入上面的循环。
2.模型数学描述
模型符号说明：
(1)Xi变量，表示是／否选择第i个Column(1／0)；
(2)Rij(或Pij ) ，表示第i个Col u m n，行集合R(或P)中第j行的值；
(3)Si(或Fi)，表示第i个Column，行S（或F）；
(4)Gj，j=1～np，表示需要完成的每种运输需求的数量，数据排列顺序和装载方式中P集合内的数据排列顺序相同；
目标和约束
[目标函数]
其中， 为各项权重。
运输量：
优先级程度：
[约束条件]
每辆真实运输工具都有相应的装载计划。
运输工具完成总的运输任务＋虚拟运输工具完成总的运输任务＝需求
四、系统总体结构
以某物流运输有限公司的整车运输调度业务需求为例，设计和实现整车调度优化系统。整车调度优化系统属于该物流公司整车调度业务系统的一部分，对原来系统中的若干人工处理业务进行规范和优化，并最终替代手工调度作业，由于该模型系统囊括了调度业务中的核心作业，优化模型系统逐渐变为整个系统的核心模块。
1.车辆调度系统的总体结构
在物流业务中的位置，核心整车调度系统可以简单的看做：物流系统(T M S)从客户处获得整车订单，合理安排分供方的运输工具把商品车运送到指定的仓库或经销商。在TMS内部，系统包括若干功能子模块，如图1所示。核心业务模块主要是订单管理子系统和调度单管理子系统(图中核心位置表示)；支持子系统主要包括系统基础数据信息采集，人员权限信息设置，系统安全管理等功能；B I子系统包含所有业务报表的描述；系统还包括若干其他子系统，来完成业务数据转换，定时数据同步，系统监控等工 作。
2.系统实现框架原理
系统实现采用当前比较流行的框架体系，如图2所示，前端表现层采用Turbine＋Velocity实现Web MVC访问模式，主体采用S p r i n g框架做业务层的整合，分为AO(Application Object)和Manager两个逻辑访问层，AO层主要为整合各业务对象提供的服务，向前台M VC层提供事务级的应答请求，M a n a g e层则负责各个业务对象本身的业务功能实现，并向数据访问层提交或请求数据；数据访问层基于ORM产品IBatis来实现O/R Mapping和数据库访问，向业务层提供细粒度的数据读写实现接口。三层间的对象访问通过Spring IOC容器实现依赖的解耦，容器在对象生成时提供该对象所需要的依赖对象或资源。
图2 系统结构图
五、结束语
当前，全球市场竞争越来越激烈，我国物流企业必须合理地优化货物的调度方案，充分利用企业内外部可用资源，以降低运输成本、提高运输质量，获取更好的经济效益，才能在激烈的竞争中立于不败之地。整车物流企业计划调度技术的研究，正是解决这些问题的主要途径之一。
作者单位：
姜 桦 焦作大学信息工程学院
易正江 焦作大学经济管理学院
参考文献：
[1]宋国宁,蒋新松.大型过程工业自动化全过程体系结构[J].信息与控制,1994,23(2):60-78.
篇3
关键词：易腐农产品；综合成本；动态车辆调度；动态规划算法
中图分类号：F252.14 文献标识码：A
伴随着市场经济的高速发展，科学技术创新的日新月异，消费者需求日益呈现多元化和个性化，对易腐农产品[1]的色泽、营养、风味、新鲜程度以及送达时间等要求越来越严格，与此同时易腐农产品的产量和流通量也在逐年增加，易腐农产品具有易腐易损的特性，对运输的时效性、储藏的安全性要求比较高，在我国，易腐农产品运输过程中普遍存在保鲜难、损耗多、成本高的问题。为了满足消费者的不断需求，企业需要提出更好地解决方案来提高消费者的满意度，使得企业取得更大的效益。
目前对DVRP的研究，文献[2]提出了DVRP的两阶段插入算法，车辆行驶在2个客户之间时，持续运行算法求得当前路径中的可行邻域解；当有新需求的客户出现时，利用当前所求得的邻域解将新需求客户快速插入到行驶的路径中。文献[3]提出了一种考虑未来客户需求信息的调度策略，通过实验对比证明了应用未来客户信息可以取到更好的调度结果。文献[4]中根据时间轴的概念将动态车辆调度问题分解为一系列静态车辆调度问题，并建立了两阶段的数学模型，其编码方式采取把最邻近法与贪婪算法则相结合控制车辆沿途补货，并用自适应免疫量子进化算法进行求解，引入免疫算子使线路内和线路间进行再优化，从而有效地提高了解的质量，加快了算法的收敛速度。本文主要针对易腐农产品易腐烂变质的特性，以易腐农产品运输的综合成本最少为目标，当客户出现请求的新增、取消、修改以及交通堵塞等多种动态事件情况下，对配送路径进行实时优化，在一定的约束条件下建立易腐农产品的动态车辆调度模型，利用动态规划算法[5]解决实际问题，并验证模型的有效性。
1 数学模型
1.1 问题描述及分析
假设G=N，E是一个完备的有向图，节点集为N=0，1，2，…，n；边集为E=i，j， i，j∈N， i≠j。其中0表示配送中心，其余为客户点，根据每辆车需要服务的第一个客户的最早开始时间设定该车的出发时间，车辆从配送中心出发，在2个客户点之间不能改变其行驶方向，每个客户都有一个要求服务的时间窗范围和一个可接受的服务时间窗范围，并且每个客户且只能由一辆车为其服务。在某一时刻τ，有新需求的客户出现，在考虑每辆车的当前载货量和新需求客户的位置、需求量和服务时间窗范围下，系统会找出符合新需求客户的运输车辆，将新需求客户插入到正在行驶的车辆中，使得运输综合费用最少，如果没有符合新需求客户的车辆，则进入到等待队列中。车辆在满足每个客户要求的时间窗和每辆车的最大载货量范围内，完成对所有客户点的配送服务后，最终回到配送中心。优化目标是确定车辆的最优行驶路线，使得综合总费用最少。
1.2 模型的建立
本文引入关键点和未分配点[6]两个术语来描述动态车辆调度问题。关键点是指行驶车辆正在配送的客户点或正在前往的客户点，每条路径要求至多只有一个关键点。未分配点是目前还没有服务到的客户点，这里的“未分配”并不是没有设定车辆为该客户点服务，而是已经安排了车辆但还未行驶到。由此可知，在分辨已服务客户点和未分配客户点之间，关键点起着极其重要的作用。因此，当出现新需求客户或者交通状况发生变化时，需要迅速确定当前的关键点和未分配点之间的信息。
4 结 论
本文分析了易腐农产品运输的综合成本，在客户需求不断变化的情况下，建立了易腐农产品动态车辆调度模型，更贴近实际生活的需要。由调度中心进行实时监控，有新需求客户到来时实时优化路线，采用基本的动态规划启发式算法进行求解，应用实例表明，动态规划算法能够在很短的时间求出比最近邻域法更好解，实时优化行驶路线，同时在运行时间和存储空间允许的情况下，求解出更大规模的问题，提高客户满意度，增加企业的利润。
参考文献：
[1] 王振锋，徐广印，等. 我国农产品物流的发展研究[J]. 物流科技，2006（6）：99-101.
[2] Angelelli E， Bianchessi N， Mansini R， et al. S-hort Term Strategies for a Dynamic Multi-period Routing Problem[J]. Transportation Research Part C： Emerging Technologies， 2009，17（2）：106-119.
[3] Yang Jian， Jaillet P， Mahmassani H. Real-time Multi-vehicle Truckload Pickup and Delivery Problems[J]. Transportation Science， 2004，38（2）：135-148.
[4] 张景玲，王万良，等. 基于沿途补货的多配送中心动态需求VRP建模及优化[J]. 计算机集成制造系统，2013，19（4）：869-878.
[5] Richard Belllnan. Dynamic Programming[D]. Princeton University Press， 1957.
[6] Chen， H. K.， Hsueh， C. F.， Chang， M.S.. The real-time time-dependent vehicle routingproblem[J]. Transportation Research Part， 2006，42：383-408.
[7] 刘光中. 动态规划-理论及其应用[M]. 成都：成都科技大学出版社，1991.
篇4
关键词：车辆调度问题；粒子群算法；平均最优信息；组合优化
中图分类号：U116.2 文献标识码：A
车辆调度问题（Vehicle Routing Problem， VRP）是一个层次目标优化问题，最早由学者Dantzig和Ramser于1959年提
出[1]，自提出以来一直都是组合优化领域的热点和前沿问题。车辆调度问题是典型的NP-hard问题，当问题所涉及的规模很小时可采用精确算法进行求解，但随着问题规模的增大，精确算法的计算量呈指数增长，实际应用范围非常有限。因此，如何通过少量计算并以较快速度得到一个相对满意的解成为学者们研究的重点内容。在解决大规模VRP时通常采用启发式算法或现代优化算法，现阶段已有不少研究将启发式算法应用到车辆调度问题中，其中神经网络、模拟退火算法、蚁群算法以及遗传算法尤为居多[2-5]。但这些算法均存在一定的局限性，如遗传算法在寻优过程中早熟且收敛慢；禁忌搜索全局性差；模拟退火搜索速度慢等。因此寻求性能更优的启发式算法，对于解决VRP具有十分重要的意义。
粒子群优化算法（Particle Swarm Optimization，PSO）[6]是目前国内外研究的热点，它在大规模问题寻优过程中表现出比其他经典启发式算法更大的优势和可行性[7-8]。PSO算法虽具有自身优势，但在实际寻优过程中仍会出现陷入局部最优值，早熟停滞进化现象。针对这些不足，本文利用基于粒子个体最优值与全局最优值的均值信息，将平均粒子群算法（Average PSO，AVGPSO）应用到车辆调度问题中。通过仿真实验，验证了该算法的有效性，并与标准粒子群算法进行性能对比，实验结果表明改进的算法在解决车辆调度问题中表现出了更优的性能。
1 车辆调度问题描述
式（1-4）是容量约束，限制每条路线上的客户需求量之和不超过车辆的最大承载量；
式（1-5）表示每个客户需求点被访问一次并且只能被访问一次；
式（1-6）、（1-7）表示每个客户需求点的需求只能由一辆车完成；
式（1-8）表示所有配送车辆均从配送中心出发，最后返回到配送中心；
式（1-9）、（1-10）为变量取值约束。
2 粒子群优化算法及改进
2.1 标准粒子群算法
2.2 基于平均最优信息的粒子群算法（AVGPSO）
标准粒子群算法中，速度更新公式中的第二项和第三项分别利用了粒子的个体极值和全局极值。该算法虽然在解决车辆路径问题上已表现出较好的性能，但由于算法自身的粒子间信息共享机制可能会导致粒子在寻优过程中过分集中而易陷入局部最优值，从而过早地成熟收敛。文献[9]在标准粒子群算法的基础上引入了粒子个体极值的平均值，提出一种改进的粒子群优化算法，即在标准粒子 AVGPSO 算法过程如表2-1所示：
3 基于AVGPSO的车辆调度问题
3.1 构造粒子编码
车辆调度问题是组合优化问题，其编码方式和初始解的设定对问题的求解都有很大影响。本文根据文献[10]的编码思想，采用一种基于实数向量的编码方式，即在不增加维数的前提下，将车辆和车辆中客户的排序在编码中表示出来。对于有N个客户的VRP问题，粒子的状态由N维的实数向量X表示。对于向量的每一维，其整数部分表示客户所在的车辆，整数部分相同的，表示在同一辆车中；其小数部分表示客户在该车辆中配送的次序。假设有8个客户的VRP问题，需要的车辆数为3，采用该编码方式表示如下：
客户编号： 1 2 3 4 5 6 7 8
X ：2.1 3.09 1.51 1.34 1.21 1.76 3.35 3.17
按照上述描述的编码思想，先将X取整，整数部分相同的划为一个组，即得到如下三组：2.1，1.51，1.34，1.21，1.76，3.09，3.35，3.17。在得到的三组数中，按照小数部分的值从小到大进行排序，即有：2.1，1.21，1.34，1.51，1.76，3.09，3.17，3.35。将上述粒子的状态映射成对应的客户，即得到车辆的配送路径：
车辆1：0-5-4-3-6-0
车辆2：0-1-0
车辆3：0-2-8-7-0
在该编码方式中，粒子的维数与客户的数目相对应，解码时只需进行一次排序和取整运算，粒子状态更新操作简单，并能发挥粒子群算法的固有特点。
3.2 算法步骤
为验证AVGPSO算法相对于标准PSO算法的优越性，同样针对该车辆调度问题采用标准PSO算法进行优化，并将两种算法进行性能分析比较。标准PSO算法的相关参数设置与AVGPSO算法一样。最大迭代次数为500，每种算法独立运行20次，每次优化得到的最优适应度值结果及运行时间如表4-3所示。其中，AVGPSO算法有19次搜索到最优解，而标准PSO只有14次，即AVGPSO的成功率为95%，标准PSO的成功率为70%，而且在运行时间上AVGPSO也快于标准PSO。图4-2给出了AVGPSO与标准PSO算法的平均适应度值的进化曲线，由于所求目标函数指标为距离最短，即求最小值，所以适应度值曲线越往下越优。从图中可看出，标准PSO算法与AVGPSO算法均达到了最优值，但AVGPSO算法的收敛速度明显要快于标准PSO算法。
根据上述仿真结果可知，AVGPSO算法在搜索精度上比标准PSO算法高，收敛速度快，并且在找到最优值时的平均收敛步数更短，寻优性能远远胜于标准PSO算法。由图4-2可知，在标准PSO算法陷入局部最优解时，AVGPSO算法能够有效跳出局部最优，更好地保持了种群的多样性，从而提高算法的优化能力。
5 结束语
本文针对标准粒子群算法在解决车辆调度问题时易陷入局部最优的缺陷，考虑结合粒子的个体最优值与全局最优值，将平均性能指标引入到算法的更新策略中，提出了一种基于平均最优信息的粒子群算法。通过实验结果表明，该算法能快速有效地解决车辆调度问题。改进的算法编码简单，并且在种群进化过程中保持了种群的多样性，增强了算法的全局搜索能力，是解决此类问题一种简单易行的优化方法。
参考文献：
[1] DANTZING G， RAMSER J. The truck dispatching problem[J]. Management Science， 1959，10（6）：80-91.
[2] 郭耀煌，李军. 车辆优化调度[M]. 成都：成都科技大学，1994.
[3] Colorni A， Dorigo M， Maniezzo V. Distributed optimization by ant colonies[C] // In： Proc of 1st European conf Artificial Life， Pans， France： Elsevier， 1991：134-142.
[4] 张翠军，张敬敏，王占峰. 基于车辆路径问题的蚁群遗传融合优化算法[J]. 计算机工程与应用，2008，44（4）：233-235.
[5] 刘之硕，申金升，柴跃延. 基于自适应蚁群算法的车辆路径问题研究[J]. 控制欲决策，2005，20（5）：562-566.
[6] 曾建潮. 微粒群算法[M]. 北京：科学出版社，2004.
[7] 丰伟，李雪芹. 基于粒子群算法的多目标车辆调度模型求解[J]. 系统工程，2007，4（25）：16-19.
[8] 李宁，等. 带时间窗车辆路径问题的粒子群算法[J]. 系统工程理论与实践，2004，4（4）：130-135.
[9] 苏晋荣，李兵义，王晓凯. 一种利用种群平均信息的粒子群优化算法[J]. 计算机工程与应用，2007，43（10）：58-59.
篇5
针对以上提出的这些问题及配送要求，本文以“优化”为主线，研究分析冷链物流回程配载的车辆调度优化。
【关键词】物流运输；回程配载；冷链物流
1 回程配载
回程配载意思为具体的回程运班选配货载，即承运人根据回程路径向托运人提出托运计划，根据运输工具的特性，确定适合的货物装载数量、体积等，返回目的地的过程。
1.1基于回程配载的SWOT分析
1.1.1Strength
1.1.1.1自身优势
根据物流公司自身优势，整合物流信息，由统一平台进行监控。物流公司信息功能主要有：
（1）车辆实时监控
监控公司所有自有车辆的位置信息，包含经纬度值，状态信息包括时间、速度、方向、设备故障、空载、重载等信息，具有全程、实时、可视化冷链安全监控。
（2）历史轨迹
车载终端上存储的历史轨迹记录可以由管理中心通过无线方式按照时间段提取后存储于管理中心，轨迹点可以在管理中心电子地图上回放以重现车辆的行驶过程以及相应的冷链状态信息。
（3）报警功能
车载终端除具有超速、越界等报警提示功能外，还配备有紧急报警开关，遇有紧急情况时，驾驶人员可向调度管理中心发送报警信息，由调度管理中心启动应急预案。
（4）远程控制
车载终端具有断油断电功能，调度管理中心在特殊情况下，可直接向车辆发送断油断电指令，停止车辆运行。
1.1.1.2外界优势
（1）水陆交通。近年来我国大力发展交通事业，水路交通便利。
（2）人口优势。人口集中可以产生许多经济优势或效益。
（3）雄厚的人才实力。我国高校众多，培养了大批物流等相关专业的人才。
1.1.2Weakness
1.1.2.1自身劣势。
我国物流行业虽然已经具有较为完备的信息管理系统，但与世界一流的冷链企业相比，仍然有一些差距。
（1）只有部分车辆和仓库已经实现了仓库和配送的可视化，有待推广使用，完善系统。
（2）针对可视化的移动APP还在推行中，亟待成熟。
1.1.3Opportunity
自2009年以来，中国3G网络不断发展，促进了中国互联网与传统产业的成熟与发展，中国的4G网络也于2015年日益成熟。因此，实现物流运输过程可视化越来越值得期待。
1.1.4Threat
面对机遇，同时也要迎接挑战。
（1）以三千多万卡车司机服务的移动互联平台蕴藏着重要经济价值，目前汇通天下、易流、维天运通这三家公司都在倾力抓住这样的商业机会。
（2）快递服务新行业中，以中通、顺丰为例的快递企业在不断地变革。利用微信、APP的普遍应用的趋势，在互联网上创新快递服务，赢得了较高的市场份额，提高客户满意度。
（3）传统找货方式中，司机们为了防止回程空车这种情况的发生，只能集中在熟悉的运输市场中，寻找适合的运输货物。这种传统找货方式效率较低，无法达到双赢目的。
推广手机App，使司机能够及时获取订单信息。司机在手机上安装了APP之后，将自己的车型、可运载的货物种类、运输期间到达的时间以及地点，还有最终返回地等信息，通过移动终端上传到网站。网站在后台将车源和货源信息进行自动匹配，将大量的数据整理成简便明了的供需信息。
1.2解决方案
根据SWOT分析内容给出相应的评分制度：5-4分为特高；4-3分为稍高；3-2分为中等；2-1分为稍低；1-0分为特低。
根据评分制度给SWOT分析中各个因素项打分：
优势：冷链物流全程安全监控（4）；运输可视化（4）；便利的水陆交通（4）；密集而众多的人口（3）；
劣势：车辆和仓库的信息化配备不完善（3）；可视化移动APP有待研究推广（3）；所在地区行业竞争激烈（5）；
机会：4G网络成熟（5）；公路物流运营（4）、快递服务（4）和物流商业整合（4）的变革；
威胁：以3000万卡车司机服务的移动互联平台已有三家公司进军（4）；以中通、顺丰为例的快递企业已经陆续在移动互联上实现了创新（4）。
根据评分制度为各项因素打分，计算各分析项的平均值，得出各项影响强度。并综合物流公司现阶段运营情况，选择适合自身发展型战略。
1.3根据SWOT分析法所采取的措施
1.3.1根据公司业务情况，调整车队规模。
（1）尽量满足自身的运输需求，根据地区业务大小合理分配车队，利用好自身调度平台的优越性，更深层次地优化运输效率。
（2）利用好闲置车辆，打造良好口碑，传播物流公司自身影响力。
1.3.2抓住国内4G网络成熟的机会，顺应互联网信息时代潮流。
（1）优化统一调度平台，使其成为公司的强大竞争力。
（2）加大力度投入移动APP的研发，实现调度平台与APP的链接。可以提供给引用的外来车辆，在很大程度上解决了引用社会车辆时产生的系统对接问题。
1.3.3利用高校优势，挖掘人才。
（1）积极与高校建立良好的校企合作关系，确立为企业服务的理念，加强建设师资队伍，提高学生实践能力与理论知识。
（2）专家指导与人才引进。物流公司可以通过聘用高校专家、物流咨询公司专家为培训讲师，有针对性地对企业制定战略目标。
（3）重视车队司机的科学文化素质与精神文明素质的培养。车队整体素质的提高，能够降低物流过程中由于技术或者服务等方面带来的风险。
2 从空载率看待回程配载问题
2.1国内空载率发展现状
“空载率”指车辆没有搭载乘客或货物的行车里程在整个运营行车中的百分比，即空载率%=空车行车里程/总行车里程。
数据显示，我国2012年社会物流总费用9.4万亿元，其中运输费用占社会物流总费用的比重的 52.5%，造成大量的物流损耗费用。据调查，我国公路上行驶的汽车，每年由于空载率高的原因造成的无效损耗高达100亿元人民币。而在国外，德国道路的货运空载率约为 17.9%；1980年到2004年期间，英国货运车辆的空载率从 33%下降的27%，目前仍在不断下降。制定出公路货运空载问题的系统化解决方案，降低空载率，对我国物流行业来说是重中之重。
本文从空载率这个角度出发，就如何降低空载率而获得返程配载中的更多利润提出相应解决方案。
2.2基于鱼骨图分析法分析空载率高的原因
根据鱼骨图分析法可以看出，空载率高的原因与政府、企业和个体商户这三大主体有关。因此，要有效地降低空载率，需从这三个方面着手。
2.3基于冷链运输提出降低空载率的解决方案
2.3.1政府：加强监管力度，划分各部门职能，防止地域保护主义的出现。
2.3.2企业：统筹发展专用车辆，有效的对货运资源进行整合，完善企业间的合作机制，强强联合，实现资源共享。大力发展城市物流配送，科学规划运输路线，降低空载率。
2.3.3个体商户：提高自身安全意识，合理运营车辆。加强信誉保障，诚信经营。
3 结论
本文对冷链物流回程配载的车辆调度优化研究进行了分析与讨论。通过对回程配载的SWOT分析，提出解决方案，找出适合物流企业自身的发展战略，科学发展。然后对国内外空载率现状进行分析和对比，利用鱼骨图分析法找出我国冷链物流空载率高的原因，最后提出解决方案，研究如何降低冷链物流回程配载的空载率，合理利用资源，帮助企业良好发展。
参考文献：
[1]于冲.物流节点能力与通路能力的匹配研究[J].20140601
篇6
关键词：武警部队；车辆；经济效益
一、 研究背景
日前，汽油价格“破八”已经实现，高油价时代的猝然来临，汽车行驶起来成本更高。武警部队的公务用车种类多、品牌杂、性能各异，而且武警部队各单位出车任务频繁，油料消耗巨大，为此，武警部队的公车使用经济效益如何，该如何在高油价背景下提高武警用车的使用效益，如何改善公务用车的配置和调度，如何科学构建武警部队车辆调度管理体系, 在满足任务需求的情况下实现最优经济效益, 是车辆调度工作的一个难题，成为一个值得研究的问题。
二、 武警车辆配置和使用的现状
目前武警部队的车辆使用配置方面，主要是各个单位自行组织内部的车辆购置、配置和使用，这样，各个单位在车辆的配置数量、使用频率、使用效益的研究上都所欠缺。在实际执行过程中，运营车辆始终要面对十分复杂的道路行车环境，同时还要面临诸如天气变化、车辆故障等异常情况，因此时常出现由于运力冗余量不足而导致的公车系统稳定性弱等问题。同时由于不同时段、不同出行目的的出行需求对车辆的要求不同，并且公车车型、规模等均与时空分布特性匹配性较低，造成资源的不合理配置和浪费。由于公车出行成本不用个人负担，其使用率远远高于私家车公务用车的规模和数量逐年增大，运行费用逐年递增，且增势预期不减。现在的状况是，公车比私车更耗油，其原因主要有两点，一是许多公车都是大排量、高耗油的车型；二是车辆使用效益差，时常处于不合理使用的状态，各单位之间没有协调使用车辆，不考虑运力调度的跨单位使用问题，而是只考虑本单位的情况，造成不必要的浪费。可见，改善武警部队公车使用调配，对节省开销来说还是非常有必要的。
三、 武警公务用车的管理和使用调度优化设计
（一）车辆管理和调度优化的基础工作
针对公车使用特征，本文将公车使用分为两大类，第一类是配备给领导或科室使用的专用型车辆，第二类是公用型运输车辆。在本研究中主要针对第二类车辆的使用展开研究。利用现代系统工程决策的数学方法对武警公车运力调控管理体系进行提升和改造，是可提高公车运输系统效能的基本手段之一。在实际操作中，需要对整个单位区域以及友邻单位区域的线网展开研究，掌握各单位拥有的车辆型号、性能、运力等实力，并且对任务紧急情况合理分类，以便针对线网及任务要求展开线路间的运力调配，体现系统性配置的最优经济效益和运力资源的集约化利用原则。
（二）对各单位车辆管理调度的优化措施
对车辆实行集中统一管理，一般做法是将各单位公车交由公车管理中心集中管理,统一调配使用，对相对比较集中的各单位的车辆实行集中管理、统一调配、管用分离。通过严格管理,及时调度,实现各单位车辆集中管理,信息共享，使资源流通起来。
对于武警部队来说，应当成立分级车管中心，主要分为三级，第一是以若干省份为片区将若干总队组成一级车管中心，第二是以总队为单位成立二级车管中心，第三是以支队为单位组建三级车管中心。通过这三级车管中心来实现车辆的调度使用，这三级车管中心信息共享，权限依次降低，在申请车辆使用时由系统自动按照等级顺序逐级进行审批和反馈。车管中心作为车辆的“蓄水池”,负责重要公务接待、统一集体活动、大型执法公务活动、应急突发事件处置等公务用车,个人公务用车也可通过系统进行预约。
（三）车辆管理调度改革的优点
集中统一管理改革模式实行管用分离、统一调配、资源共享,有利于优化公车资源配置, 通存通用能力增强,单车出车次数增多,车辆利用率提高,提高公车使用效益,降低公车运行成本,同时也可减少各单位分散管理容易产生的公车私用弊端。这样，使得武警部队运输车辆的保障能力得以大幅度提高。
四、 实例分析
由于武警部队车辆管理调度系统比较复杂，在申请反馈机制中的决策要依据复杂的分析计算，为方便理解，我们在这里只对其中的原理进行简化的实例分析。
假设A省某支队单位需要派遣一辆30t级卡车前往相邻B省某市拉煤，任务要求时限为10天，本支队处于本省中间地带，与B省相隔C市和D市，其中C市在A省内，D市在B省内，距离目的地300千米。针对此任务，该支队向所受管辖的三级车管中心发送车辆使用申请，该三级车管中心决定本单位派出车辆，并逐级向上报送申请，一级车管中心处理系统接到申请后，自动调取所管辖各单位车辆情况，分析相关路线、路程以及费用情况，结合该任务的时效性要求，得出该运输方案申请不符合经济效益最大化原则，故拒绝三级车管中心的自行派车任务，而向B省的二级车管中心发送派遣任务，二级车管中心接到任务后，同样结合自己所管辖车辆情况，根据效益最大化原则向D市的三级车管中心派遣任务，三级车管中心接到任务后派出车辆前往目的地将煤装车运送到需求单位。通过该车辆派遣系统，合理地安排了各单位的车辆使用，使车辆空载率降低，从而减少了运输成本，保证了任务的圆满完成。
五、 在优化车辆管理调度过程中的建议
（一）充分论证，顶层设计
武警部队的车辆管理和调度优化设计，一定要在总部的领导下，成立专门的论证小组，在对武警部队现在的车辆情况，运输情况，运输成本等进行充分调查的基础上，对如何优化武警部队车辆调度进行充分的论证，设计出富有针对性的模型。在一些车辆调度规模比较大的场合，现有方法不能满足对车辆进行实时动态调整的需求，要适当应用人工智能技术，设计具有较高响应速度的人工智能的车辆调度模型。
（二）建立武警车辆信息共享平台
在目前的武警车辆管理体制下，缺乏各单位间有效的信息共享平台，所以，总部要组织安排专项经费，将各单位的相关信息通过平台有效连接起来。要建立基于多车管中心的协同调度系统。系统中的车管中心系统高度开放，代表各车管中心经过注册后可以自由出入，自身拥有的相关资源实现信息共享。各车管中心依据共享信息及优化算法寻求车辆资源与自身需求互补的合作伙伴，原则是合作后组织内部成员实施联合配送的花费成本最小，最后成员通过协商分享节余成本。
（三）建立效益评估机制
在目前的武警部队车辆使用中，缺乏对车辆使用效益的有效评价体系，加上军事运输具有弱经济性的特点，导致部队对公务用车的使用更多的是关注任务的完成情况，而对于车辆的使用效益不够重视。军事运输在做到保障有力的情况下，对武警部队车辆使用效益进行研究，优化车辆管理和调度方面的体制机制，在高油价时代也是与可持续发展的要求相一致的。
六、 结束语
由于历史原因,规模、机构、工作性质几近相同的单位,拥有的车辆数量却不尽相同，而且有些单位的车辆闲置,造成资源浪费;而有些单位的车辆却不能满足生产和工作需要。实行车辆集中集中管理和优化调度后,武警部队各单位的人力、运力可以得到较好的平衡和重组,既有效提高了车辆利用率,又很好的保证了使用单位所需，真正实现经济效益的最大化和任务的圆满完成。
参考文献：
［1］沈荣华、刘杰.推进公务用车制度改革：模式与建议［J］.中国行政管理，2010（5）.
［2］胡兴华、苏小军、王芳.城市公交线路车辆配置模型研究［J］.交通运输工程与信息学报，2009（3）.
篇7
Abstract： Aircraft refueling is an important part of ground security operations. Reasonable scheduling of aircraft refueling vehicle is the key factor for aircraft to complete the refueling operations on time and quantity， so the research of aircraft refueling vehicle scheduling is very meaningful. This paper firstly introduces the types， functions， driving process and considerations of aircraft refueling vehicle， then specifically describes the model of aircraft refueling vehicle scheduling according to the basic model of vehicle scheduling， finally carries on simulation calculation for the driving situations of airport tank refueling vehicle within three hours in an airport and provides a viable optimization algorithms for aircraft refueling vehicle operation.
关键词： 机场运行；飞机加油；车辆调度；蚁群算法
Key words： airport operations；aircraft refueling；vehicle scheduling；ant colony algorithm
中图分类号：[U8] 文献标识码：A 文章编号：1006-4311（2014）02-0098-03
0 引言
飞机加油是机场运行的基本内容，安全、有序、高效的完成飞机加油作业是机场运行追求的目标。对飞机加油作业影响最大的是加油车辆的管理与调度。安全有序的车辆管理加上最优化的行驶路线调度是保证按时完成加油作业的关键，因此对飞机加油车辆调度的研究与仿真便成了十分重要的问题。车辆调度是一个VRP（Vehicle Routing Problem）问题，最早由Dantzig和Ramser于1959年提出，是旅行商问题（Traveling Saleman Problem，TSP）的特例，是一个NP难题。Bodin于1983年将车辆优化调度问题分为VRP（Vehicle Routing Problem）问题和VSP（Vehicle Scheduling Problem）问题，后来两者的混合问题带有时间窗的车辆调度问题统称为VRPTW（Vehicle Scheduling Problem with Time Windows）问题。Solomon和Desrosiers首次对有时间窗约束的VRP问题进行求解。在国内李军，郭耀煌等学者对物流配送车辆优化调度理论与方法进行了深入的研究，为本文的研究提供了一定的理论依据。国内很多学者采用蚁群算法解决VRP问题，王海星等学者发表了“蚁群算法解决有时间窗的车辆优化调度问题研究”，该文介绍了如何运用改进的蚁群算法去优化带时间窗的车辆调度问题，对本文的实例有很大的借鉴意义。
1 飞机加油车辆的分类及功能
运输飞机加油作业都由加油车完成，加油车有两种类型，即管线加油车和油罐车。管线加油车用于对近机位航空器提供航空用油，油罐车用于对远机位的航空器提供航空用油。所谓进机位是指靠近航站楼的停机位，顾名思义远机位就是远离航站楼的停机位。进机位地底铺有输油管道，飞机加油时只需要管线加油车将管道中的航空用油抽出输送到飞机油箱中，而远机位地下没有输油管道，因此需要油罐车为该位置飞机提供航空用油。
管线加油车是以大流量将地井中的航空燃油安全、快速地输入飞机油箱。在输油的同时过滤燃油中的杂质、灰尘和水分，并精确地计量输油量。管线加油车还具有压力控制装置，可使输油过程中压力限制在安全范围内。它是飞机在进机位加油所使用的加油车辆。
油罐车又称流动加油车，具有吸油、泵油，多种油分装、分放等功能。运油车专用部分由罐体、取力器、传动轴、齿轮油泵、管网系统等部件组成。管网系统由油泵、三通四位球阀、双向球阀、滤网、管道组成。它是飞机在远机位加油所使用的车辆。本文将建立油罐车的调度模型并对其进行仿真计算。
2 油罐加油车辆调度数学模型
2.1 油罐加油车辆调度模型变量的定义 加油车辆行驶的基本过程可理解为每辆加油车从油库出发沿着一条行车路线对等待加油的飞机提供加油服务后返回油库。每辆加油车可以对多架飞机提供加油服务但每架飞机只能由一辆加油车为其加油。对于油罐车，其载油能力有限，所以为飞机提供的油量不能超过这个限制，设定所有油罐车的容量为Q。对于其他各个变量定义如下：
将油库编号为0，各个停机位编号为1，…，l。停机位及油库均以点i（i=0，1，…，l）来表示。定义Ti为加油车在飞机处i的工作时间，则T0表示加油车在油库的准备时间。定义k（k=1，2，…，K）为各个加油车的编号。
定义cij为加油车辆由点i行驶到点j的成本。dij为加油车辆由点i行驶到点j的距离。tij为加油车辆由点i行驶到点j所需的时间。qi为点i飞机所需求的油量。Ti为加油车辆在点i完成加油任务所需要的时间。Si为加油车辆到达点i的时间，因此Si+1=Si+Ti+ti，i+1。飞机加油车辆的调度是一个带有时间窗的模型，即加油任务的开始时间需要在一定的时间范围内，设这个时间范围为[ETi，LTi]。其中ETi为加油任务i的允许最早开始时间，LTi为加油任务i的允许最晚开始时间。如果加油车辆在ET之前到达i，则会产生等待成本，如果加油车辆在LTi之后到达i，则会产生延误会造成损失。设定一个罚函数Pi（Si），其具体定义为：
Pi（Si）=m（ETi-Si） SiLTi（1）
其中m，n为惩罚系数。定义hi为判断该点飞机是否产生延误，当改点飞机发生延误时其值为1，当该点飞机没有延误则其值为0。
2.2 油罐加油车辆调度最优化数学模型 根据一般的车辆调度模型首先建立基本目标函数：
minz1=■■■cijxijk（2）
其中：
xijk=1 加油车辆k由点i行驶到点j0 其他（3）
考虑油罐加油车辆调度是带有时间窗的模型，只有在时间窗内进行加油作业时才不会产生惩罚，否则会造成成本损失，故建立时间窗目标函数：
minz2=■Pi（Si）（4）
由以上分析得出最终目标函数：
minZ=■■■cijxijk+■Pi（Si）（5）
约束条件设定：定义一个参数y，用以判断该点的飞机是由哪辆油罐加油车提供航空用油。
yki=1 i点的任务由加油车k完成0 其他（6）
油罐车的容量Q为固定值，因此根据一般车辆调度约束条件定义飞机油罐加油车辆调度的模型约束为：
■qiyki？燮Q■yki=1 i=1，…，l■xijk=ykj j=0，1，…，l；？坌k■xijk=ykj j=0，1，…，l；？坌k（7）
3 油罐加油车辆优化调度的蚁群算法
3.1 蚁群算法构造 车辆调度模型的解决方法可以分为两类，一类是优化算法，一类是启发式算法。而启发式算法中的群体智能仿生算法在解决这类问题时有其独到之处。本文将用蚁群算法解决该车辆调度问题，并用matlab进行仿真计算。蚁群算法是通过对蚂蚁群在巢穴与食物间的路径选择的模拟，来解决现实的NP难题。其重要的参数为：p■■（第k只蚂蚁的状态转移概率）；？子ij（信息素浓度）；？浊ij（启发因子）；？籽（信息素挥发系数）；？琢，？茁（重要度因子）。根据本文的模型对其进行如下定义：
p■■=■ j∈allowedk0 其它（8）
？浊ij=■（9）
？滋ij=di1+d1j-dij（10）
？啄ij=1/（w1■+w2■）（11）
？子ij（t+1）=（1-？籽）·？子ij（t）+？驻？子ij（t）（12）
？驻？子ij（t）=■ 第k只蚂蚁经过（i，j）0 其它（13）
其中：dij为停机位i点到j点之间的距离；？滋ij称为节约值，其表示两点直接相连比两点分别与加油中心相连距离的节约量；？啄ij是反应满足时间窗程度的变量，w1+w2=1；信息素更新策略则按公式（15），（16）进行。
3.2 具体实现步骤
①信息初始化，将蚂蚁置于加油中心位置，即禁忌表tabuk第一列位于初始位置。
②每个蚂蚁按概率移动一步，确定待访问点集allowedk。
③按公式计算状态转移概率p，按状态转移概率确定转移节点j，并将j添加到tabuk末尾。
④判断线路上加油量是否小于车辆负载Q，是则接下一步，否则跳转第⑥步。
⑤判断时间窗是否满足要求，是则将点j加入到tabuk中，并计算路径长度及其成本，统计车辆数并跳转第②步。否则跳转第⑥步骤。
⑥判断allowedk表，若allowedk表为空则转下一步，否则从表中获取时间最早的点，并转第③步。
⑦更新全局信息素，更新最好最差蚂蚁。
⑧禁忌表清零，输出结果。
3.3 算例分析 以某机场油罐加油车优化调度为例，设置加油中心为原点坐标，x表示停机位的横坐标，y表示停机位的纵坐标ETi，LTi分别表示飞机加油作业时间窗的上限和下限，q表示该飞机需要的油量，Ti表示该飞机加油所需要的时间，具体数据见表1。
设置油罐车加油车容量为80，？琢=1，？茁=2，？籽=0.5，N=200；以加油成本为目标函数，用matlab编程工具使用蚁群算法最终得到油罐车最优路径图如图1所示，其优化路径为0-1-2-3-4-0，0-5-6-7-8-9-0，0-10-11-12-13-0，0-14-15-16-17-19-0，0-18-22-23-0，0-20-21-24-25-0，共需要5车次油罐车去完成该仿真问题的加油任务。
4 结论
飞机加油作业是停机坪地面保障作业的重要环节，文中所引用的车辆调度的模型概括的模拟了飞机加油车辆的优化调度，并用蚁群优化算法对该模型进行仿真计算，得到了比较理想的结果，这对实际中飞机加油作业的操作具有一定的借鉴意义。
参考文献：
[1]郭耀煌，李军.车辆调度问题的研究现状评述[J].西南交通大学学报，1995，30（4）：376-382.
篇8
关键词：车辆调度；时间窗；问题分解；层次方法；遗传算法
中图分类号：F252.14；O221.2；TP183 文献标志码：A
Optimizationforvehiclerouteingwithseparateddeliveryand installationofproductsbasedonsofttimewindows
PANGHaijun，DINGYizhong
（AcademyofScience＆Technology，ShanghaiMaritimeUniv.，Shanghai201306，China）
Abstract：Inordertosatisfytheuniqueneedoflogisticsinelectronicsindustry，avariantoftheVehicle RouteingProblem（VRP）isstudiedbasedontheuniquecharacteristicsofelectronicsindustry.Thesynchronismofthedeliveryandinstallationofproductsisseparated，andaMixedIntegerNonlinearProgramming（MINP）modelispresentedtominimizethetravelingtimeofdeliveryandinstallation，whichisthe parativeanalysis oftheresultsillustratesthefeasibilityandeffectivenessofthehierarchicalapproachandGeneticAlgorithm（GA）.Themethodcanimprovetheefficiencyoflogisticsdistribution，reducetheenterprises’logisticscost，andimprovetheservicelevel.
Keywords：vehiclerouteing；timewindow；problemdecomposition；hierarchicalapproach；geneticalgorithm
0 引 言
近些年，电子行业在售后服务方面发生巨大的变化，许多新兴产品不仅需要配送，而且需要专业的安装.它们包括挂壁式电视机（家庭影院系统）、洗衣机和干衣机、带有净水系统的冰箱、特殊烹调台面、数控机、电脑服务器等.然而，由于维持全国配送和客户服务网络的费用太高，企业采取将配送业务外包给第三方物流企业的方法，仅保留自己的服务队伍.于是，电子行业中出现产品配送与安装相分离的现象.依据这一特点，本文研究一种变形的车辆调度问题（VehicleRouteingProblem，VRP），以满足其独特的物流配送需求.
KIM等［1］首先对此种变形的VRP进行研究.他假设安装车辆必须在配送车辆访问（或者到达）那个顾客之后，在服务水平之内访问顾客，从而保证这两种类型的车辆同步，以满足顾客配送和安装的服务质量.在他们的研究中，可以将服务水平看作是硬时间窗［2］VRP的变形.当前，对此种变形的VRP的研究都是在硬时间窗的约束条件下对模型进行的研究，然而在实际物流配送中其复杂程度远超过于此.本文在前人研究的基础上考虑在软时间窗［3］约束下的VRP，因为软时间窗与实际情况更接近.此约束条件既可满足顾客的服务质量，同时又可兼顾企业的利润最大化.
可以将此变形的VRP看作是两个传统VRP的组合：一个是配送车辆的VRP，它具有容量限制的VRP（CapacityVRP，CVRP）的特点［45］；另一个是安装车辆的VRP，它具有带时间窗VRP的特点［67］.由于该模型的复杂程度远远超过经典VRP模型的复杂程度，即使采用启发式算法编程求解也很复杂，KIM等［1］引入层次的概念将原问题划分为若干子问题的组合，从而降低问题的规模.分层后的模型是早被国际证实的NP难问题，采用正常方法求解十分困难，因此可利用遗传算法（GeneticAlgorithm，GA）在一个合理时间内有效解决所考虑的问题.
继续采用层次的概念将原问题变为两个子问题的组合，即：第一阶段是配送车辆的VRP，确定配送车辆的路线和调度；第二阶段是安装车辆带软时间窗的VRP（VRPwithSoftTimeWindow，VRPSTW），基于第一阶段的计算结果，获得第二阶段安装车辆的路线和调度.对大量不同规模例子的的计算表明：文中所采用的分层GA的可行性和有效性；第一阶段的最好结果并不一定是原问题的最佳结果.该研究还可以对制订配送车辆和安装车辆调度的有效管理计划提供帮助.
1 基于软时间窗的配送和安装车辆调度优化模型
1.1 问题描述与假设
给定一配送中心和多个不同的需求点，已知配送中心拥有两种类型的最大车辆数，以及每个需求点（客户）的位置，需求数量（不超过货车最大载重量）及是否需要安装.对于只需要配送的顾客点，只允许一辆配送车辆访问一次；对于需要配送和安装的顾客，只允许一辆配送车辆和一辆安装车辆分别访问一次.所有车辆开始从同一配送中心出发对顾客进行服务，安装车辆可以在配送车辆之前访问顾客，这就在对应的顾客位置产生安装车辆的等待时间，超过规定时间就要受到一个与时间成正比的惩罚.如果安装车辆在配送车辆之后访问客户，若不能在顾客可以忍耐的时间内到达，就要受到一个与时间成正比的惩罚.车辆完成服务后返回配送中心，所有客户的需求都必须满足.求：如何安排配送车辆和安装车辆的路线，使整个服务过程总时间最少，总时间包括固定安装时间、等待时间及惩罚时间、行驶时间.图1显示服务水平为软时间窗的VRP的例子.
对上述问题描述，假设以下几点成立：
（1）不允许车辆超载；
（2）配送中心有足够供调度的车辆，且每辆车有最大的运行时间；
（3）所有车辆单位时间内行驶的路程相同，且各客户点与配送中心以直线连接；
在VRPSTW数学模型中，将运行距离或运输费用统一转换成运行时间在模型中体现，目标函数是所有配送车辆和安装车辆的总运行时间最小.式（2）和（12）限制从配送中心出发的车辆；约束（3），（4），（5），（13），（14），（15）分别保证车辆都由配送中心出发并最终回到配送中心；约束（6），（7），（16），（17）表示每个客户只能受到一辆车服务并且每个客户都得到服务；约束（8）表示每辆车所运送的货物重量不能超过车辆载重的限制；约束（9）和（18）表示防止车辆在内部出现子循环；约束（10）和（19）表示车辆在客户点不动时为零；（11）和（20）为变量取值约束；式（21）表示车辆从配送中心出发和安装时间为零；约束（22）表示配送车辆p到达顾客点i的时间加上i到j的行驶时间，小于等于车辆到
1.4 算法设计
由于VRP是世界公认的NP难问题，本文所研究的变形VRP更是在经典VRP上的叠加，困难度远超经典VRP.若采用直接的方法求解，很少的客户点求解规模也很大，即使采用启发式算法编程求解也非常复杂.为了获得原始问题的良好解决方案，本文在文献［1］的基础上继续引入分层思想将原问题分为两个阶段，每阶段包括一个子问题.第一阶段的子问题是一个配送车辆的VRP，解决配送车辆的路径和时间安排；第二阶段的子问题是一个安装车辆的VRPSTW问题.第一阶段子问题是原问题的部分解决方案，同时也用作第二阶段的子问题数据输入部分.依据第一阶段子问题提出的部分解决方案，确定第二阶段子问题中安装车辆的路径和时间安排方案.安装车辆的路径和时间安排也是原问题的部分解决方案.解决第二阶段的子问题后，两种类型车辆的协同问题也就得到解决.最后，两个子问题的部分解决方案也就是原来问题的解决方案.
通过分层方法将原问题划分为两个阶段的子问题，从而简化原问题的规模和复杂度.对于规模不太大的问题，可以通过LINGO求得目标函数的精确解.但LINGO不适用于大规模的问题，本文通过GA求解，只能得到近似解.通过利用LINGO9.0和GA分别求得精确解和近似解，并对两种结果进行比较分析.
此外，为了进一步验证采用分层的GA的有效性和可行性，将算例中的客户点增加至30个，其中需要安装的客户点为10个，每个顾客的需求量是1～4个，6辆配送车辆和2辆安装车辆.求解过程中总的运算时间为125s，运算结果为843.4min，运行路径见图4（配送中心出发到客户点和返回配送中
2.3 求解方法有效性分析
为了说明采用分层的GA的有效性，首先用LINGO9.0求解出该算例以最小运行时间为目标函数的车辆行驶路径结果；再用分层的方法将模型分为两个子问题考虑；最后通过GA求解近似结果.从图3中可以看出，虽然近似解结果不如精确结果优异，但是可以说明采用分层的GA所求结果的可行性.由于LINGO9.0只能求解较小规模的MINP模型，且费时较长，在现实生活中物流配送量往往很大，要求在合理的时间得到配送方案，精确算法就不适合，而GA可以在一个合理的时间内得到一个较满意的解.为了进一步对所提出的分层的GA的有效性和可行性检验，文中随机生成大量规模较大的MINP模型进行求解计算，图4就是其中一个算例.计算结果表明：该分层算法可以在合理的时间内找到问题的最优解或者近似最优解；第二阶段子问题的结果受第一阶段子问题结果的影响，第一阶段子问题的最优解决方案不能保证原问题的解决方案最优.
3 结束语
随着现代物流配送的发展，不同行业对其要求不同，各有特点.本文依据电子行业配送的新特点，研究一种变形的VRP.所考虑的问题是两种不同类型的配送服务：一种只需要配送服务，一种是配送与安装都需要的服务.为了高效率地满足顾客需求，企业采用两种类型配送车辆分开运作的方式.在保证顾客的服务质量方面，所要考虑的问题是如何更好地解决两种车辆的协同操作.本文在对所提出的模型求解时采用分层的方法进行求解，这将导致第二阶段子问题的最优结果受第一阶段子问题最优结果的影响，第一阶段子问题的最优解决方案不能保证是原问题的最优解决方案.未来的研究可以同时考虑两个子问题，在此模型的基础上研究不确定因素下的模型等.
参考文献：
［1］KIMKyoungCheol，LEEShiwoo.Hierarchicalapproachtovehiclerouteingproblemfordeliveryandinstallation［J］.SciDirect，2010：74587471.
［2］vanLANDEGHEMHRG.Abicriteriaheuristicforthevehiclerouteingproblemwithtimewindows［J］.EurJOperationalRes，1988，36（2）：217226.
［3］KOSKOSIDISYA，POWELLWB，SOLOMONMM.Anoptimizationbasedheuristicforvehiclerouteingandschedulingwithsofttimewindow constraints［J］.TransportingSci，1992，26（2）：6985.
［4］CAMPOSV，MOTAE.Heuristicproceduresforthecapacitatedvehiclerouteingproblem［J］.ComputationalOptimization＆Application，2000，16（3）：265277.
［5］PISINGERD，ROPKES.Ageneralheuristicforvehiclerouteingproblems［J］.ComputOperationRes，2007，34（8）：24032435.
［6］ALVARENGAGB，MATEUSGR，deTOMIG.Ageneticandsetpartitioningtwophaseapproachforthevehiclerouteingproblemwithtimewindows［J］.SciDirect，2007，34（6）：15611584.
［7］CHENGChibin，WANGKengpin.Solvingavehiclerouteingproblemwithtimewindowsbyadecompositiontechniqueandageneticalgorithm［J］. SciDirect，2009，36（4）：77587763.
［8］TANKC，LEELH，OUK.Artificialintelligenceheuristicsinsolvingvehiclerouteingproblemswithtimewindowconstraints［J］.EngApplicationsofArtificialIntelligence，2001，14（6）：825837.
［9］BERGERJ，BARKAOUIM，BRASYO.AroutedirectedhybridGAapproachfortheVRPTW［J］.InformSystems＆OperationalRes，2003，41（2）：179194.
篇9
【关键字】糯扎度；岩壁吊车梁；开挖施工技术
1、工程简介
1.1岩壁吊车梁结构布置
糯扎渡水电站工程属大(Ⅰ)型一等工程，永久性主要水工建筑物为一级建筑物。水库库容为237.03×108m3，工程以发电为主兼有防洪、灌溉、养殖和旅游等综合利用效益，水库具有多年调节性能。左岸山体中布置地下引水发电系统及导流工程等建筑物、总装机容量5850MW（9×650MW）。
地下厂房岩壁吊车梁位于主厂房上下游边墙EL.620.83m～ EL.617.03m高程，岩壁吊车梁长度为396.0m，岩台斜面与竖直方向夹角为25度，断面结构及支护型式见图1。
1.2工程地质条件
主厂房岩壁吊车梁岩台，主要位于弱风化～新鲜的坚硬花岗岩体（γ43～γ51）地层中，主要为块状结构或整体结构岩体。通过地下厂房岩壁吊车梁部位的Ⅲ级断层有F21、F22、F23，其中F23断层走向与厂房轴线夹角在44°～56°之间，倾角在58°～78°之间，影响带宽度约1.5m，影响相对较大。F21、F22断层走向与厂房轴线接近垂直，对岩壁吊车梁开挖围岩稳定影响不如F23断层突出。
2、主要的开挖成型要求
2.1光面爆破及预裂爆破的主要指标要求
残留炮孔痕迹，应在开挖轮廓面上均匀分布，炮孔残留率在Ⅱ、Ⅲ类围岩中不少于90％，在Ⅳ类围岩中不少于70～80％。
相邻两孔的岩面平整，孔壁无明显的爆震裂隙，相邻两孔炮间岩面的不平整度不应大于10cm；相邻两茬炮之间的台阶或预裂/光面爆破孔的最大外斜值不应大于10cm。
预裂爆破的预裂缝应连续贯通。
2.2岩壁斜面角度偏差及超欠挖
岩壁吊车梁岩壁斜面进行修整后应尽量达到设计角度，局部角度偏差控制在±2°以内。
在岩壁吊车梁开挖过程中，最大超挖值应控制在10cm以内，不允许出现欠挖。
3、施工技术措施
3.1开挖分层
糯扎度岩壁吊车梁位于Ⅳ开挖区内，Ⅳ开挖高程为EL.621.2m～EL.613.6m，吊车梁底线距Ⅳ开挖底板为3.45m，吊车梁拐点线距距Ⅳ开挖顶板为2.0m。
3.2施工程序
①：为最大程度的减少爆破对岩壁吊车梁围岩的扰动，在靠上、下游侧岩壁预留4.0m岩壁吊车梁保护层，沿保护层外线采用浅孔钻机按1m间距造孔，进行一道施工预裂爆破，用来减少厂房IV中部拉槽带来的爆破震动；
②：施工预裂完成后，采用浅孔钻，按台阶法进行厂房Ⅳ的中槽开挖。
③：厂房Ⅳ中槽开挖完成后，使用浅孔钻机按0.8m间距，沿厂房上下游边墙面，进行厂房上下游侧的预裂施工；
④：厂房上下游边墙预裂施工完成后将厂房上下游侧预留的吊车梁保护层挖除，为了避免破坏吊车梁岩台拐点，以拐点上方10cm为界，将保护层开挖分为两层进行分别是④-1、④-2；
⑤：保护层挖除后，使用手风钻进行岩台的垂直及斜面的光面爆破。
4、施工质量的控制
4.1造孔精度的控制
⑤区开挖为岩壁吊车梁垂直及斜面岩台开挖，对吊车梁整体成型至关重要，在施工过程中，岩台竖向光爆孔采用每隔5m打设2排插筋拉线并同时采用地质罗盘或水平尺检查控制孔向；岩台斜面孔通过测量放线定出2排插筋孔孔位，在孔内插入100cm长的Φ32的插筋,并用木楔子塞紧，然后套上1.5寸钢管，通过测量定出造孔钢管样架位置，把造孔样架与套在插筋上的钢管用扣件扣紧，形成导向作业平台。钻孔前在两根水平钢管上用红油漆标示出钻孔孔向；在造孔时，钻杆施钻方向与孔向一致；各孔孔深通过计算，采用在钻杆上画线结合造孔样架上的水平钢管定位的方法进行控制。
每个孔在开孔后应立即检查孔位是否符合设计要求，确保孔位无误后再继续施钻，并在钻进过程中注意检查。造孔过程中严格按照光爆孔底偏差不得大于5cm，崩落孔不大于10cm，来控制造孔质量。
4.2装药结构的控制
岩台保护层及岩台面开挖爆破参数的确定，遵循“密打眼，少装药，多循环，短进尺”的施工原则，通过模拟岩台爆破试验得出，其中第一层保护层高度3.45m，高程EL621.2～EL617.75，第二层保护层高度4.75m，高程EL617.75～EL613.00。保护层开挖均采用YT28手风钻造垂直孔光爆，孔径φ42，主爆孔采用φ32药卷连续装药结构，缓冲孔采用φ25药卷连续装药结构，光爆孔采用φ25药卷不偶合间隔装药结构，详细的爆破参书见表1、表2。
岩台开挖采用YT28手风钻造孔，轮廓线竖向孔和斜面孔采用光面爆破。爆破孔的孔径采用φ42，设计轮廓线竖向光爆孔和岩台斜面光爆的孔距为35cm，采用直径φ25的药卷不偶合间隔间隔装药结构，线装药密度为60g/m，主爆孔采用直径φ25的药卷连续装药结构，爆破参数见表3。
4.3联网起爆
装药前必须对所有钻孔按“平、直、齐”的要求进行认真检查验收，做好钻孔检查记录以及爆破孔孔位布置图。采用竹片按照设计参数加工光爆孔药卷，单孔装药量则根据实测孔深按拟定的线装药密度进行调整。
5、结语
篇10
神州数码信息服务集团集成服务战略本部（以下简称神州数码集成服务SBU）一直秉承以客户为中心，以服务为导向的理念，长期为中国行业客户提供先进的IT系统规划、设计、解决方案集成、运维和业务流程外包等整合IT服务，并前瞻性地推出覆盖IT全生命周期的锐行服务品牌，在服务产品化与品牌化的道路上走在国内IT服务商的前列。
为解决汽车运营行业在车辆调度与管理等方面所面临的困境与挑战，神州数码集成服务SBU具有多年的行业经验和技术积累，结合移动通信网络、GPS等技术，推出了锐行服务车辆调度监控服务SaaS平台（简称锐行服务SaaS平台）。锐行服务SaaS平台以APTS的核心研究领域和应用为基础，采用标准接口协议和规范，支持各种主流车载外设终端设备，是一套拥有先进GPS自动车辆定位技术和优化调度算法的城市级智能运营调度应用系统，主要面向公交与汽车管理、租赁企业。
目前，锐行服务SaaS平台系统按照分布式集中架构部署，可满足公交、物流、长途、出租及公务车辆等多种车辆运营行业的不同需求。
准确定位 即时监控
车辆的准确定位与实时监控一直是帮助车辆运营单位顺畅管理行驶车辆的理想手段之一。
锐行服务SaaS平台系统在车辆监控定位方面，支持GPS、GPRS/CDMA基站定位、路标定位等定位手段，以及精确的数字地图及专业的地图服务，为公交系统提供了多种定位监控选择。在调度中心采用锐行服务SaaS平台监控定位系统后，公交调度中心大屏幕将即时显示公交车辆的运行状况。同时，中心调度人员可实时监视所有受控公交车的具体运行位置、运行轨迹、行进速度及方向等有效信息。
锐行服务SaaS平台系统可通过GIS（地理信息系统）在地图上形成一个与所有交通系统相关联的多层次、 多路径、 多节点的路网、线网、节点网络，建立以公交信息为主的矢量电子地图数据库、关系数据库等多平台多数据库的集成，具有较强的交通网络系统的空间分析与空间数据处理能力，可为城市公交未来的管理、发展与规划提供有效决策支持和科学依据。
运营组织 合理调度
运营组织与调度管理系统是公交和车辆运营企业的核心业务应用系统，主要包括运营管理、调度计划管理、配班计划管理、技术安全服务管理等业务功能。
我国公交系统一直采用三级调度模式，管理分散，缺乏对不可预见性拥堵等突发事件的紧急调度与梳理能力。锐行服务SaaS平台系统凭借基于ITS的规范设计，以调度业务为主线，具备运营管理、调度计划管理、配班计划管理、技术安全服务管理等业务功能。此外，锐行服务SaaS平台实现与其他公交业务系统的应用集成和数据共享，可充分利用公交资源编制科学合理的行车时刻表、车辆使用计划等，并可满足三级调度模式向二级模式转变的需求，提高运营管理效率。
实时调度 运筹帷幄
众所周之，交通拥堵从常规来看分为高峰拥堵、天气性拥堵和不可预见性拥堵三种。对于公交行业来说，管理中心如何在客流增加、拥堵出现时实时了解运营车辆位置，快速制定出合理行车线路，并进行实时调度一直是个难题。
锐行服务SaaS平台现场实时调度系统采用先进智能的调度优化算法及GPS、基站定位和无线通信传输等功能，可实现对车辆实时运行情况的监控和调度。调度人员通过锐行服务SaaS平台可根据车辆实时运行信息，进行快速合理地现场调度指挥，改变传统的单一计划调度和手工调度的落后模式，合理优化公交运力和资源配置，提高公交运营调度效率和服务水平。
