摘要：随着我国快递业务量的持续增长和客户对快递服务水平要求的不断提高,传统的航空快递运输成本较高、运输条件限制多,公路快递运输能耗高、排放大的不足越发明显,制约了行业的快速发展。通过使用高速铁路承担快运货物的干线运输任务,优化高速铁路与城市相衔接的末端取送货网络,可以提高快运货物的运输效率和客户满意度。在高速铁路快运末端取送货网络设计的基础上,以最小化运输成本和最大化客户满意度为优化目标,建立上层转运与下层取配的双层多目标优化模型。针对模型多目标的特点,设计基于非支配排序的遗传算法NSGA-Ⅱ,并改进,使其适用于求解双层优化问题。对本文所提方法进行验证,求解结果显示,算法平均55.9代收敛,最终得到的Pareto最优解集中包括10个拥挤度在0.5左右的解,高速铁路快运次日达要求满足率最高为97%,最低为92%,平均值为94.3%。

摘要：为了得到自动驾驶汽车(CAV)与人工驾驶汽车(HDV)并存条件下最优道路收费方案,针对CAV在道路上的通行能力,特别是对道路容量产生的影响进行量化分析,获得道路容量与HDV流量和CAV流量之间的非线性关系。然后,对传统的美国公路局路阻函数进行改进,并基于改进后的路阻函数,建立系统最优(systemoptimal,SO)流量分配模型,对不同CAV占比条件下和不同HDV与CAV安全车距比值条件下的交通流进行系统最优分配。采用Frank-Wolfe算法,对SO模型进行求解,并考虑因HDV而产生的额外道路出行成本对不同条件下系统最优分配结果的差异性进行比较。基于最优收费理论,针对不同规模道路网制定相应的收费方案。最后,将模型与算法应用到Nguyen-Dupuis交通网络中。结果表明,在HDV与CAV并存条件下,以系统最优分配结果下的边际成本进行收费是道路交通系统最优拥堵收费方案,可作为HDV与CAV并存条件下道路收费方案设计的依据。