论文部分内容阅读
随着经济迅猛发展与人们生活水平的提升，物流作为国民经济的大动脉开始受到越来越多的关注，其物流成本无论在企业层面还是社会层面都开始承受越来越高的要求。物流配送的路径规划能够通过减少物流配送车辆的运输路径(时间)而有效降低其运输费用，从而压缩物流成本。目前物流配送路径规划系统因为效率与资源消耗等问题未考虑动态交通信息，因此本文将着重于研究考虑动态交通信息的路径规划算法。基于此，本文确定主要研究内容如下：一、提出基于自适应性窗口宽度的分段线性表示算法，该算法分析提炼出时间序列数据中存在的6种数据变化模式，并据此设计出AW-PLR(Adaptive Window basedPiecewise linear representation)算法。实验结果显示：其算法结果准确性相比基于固定窗口宽度的同类型算法提高24%~27%，该研究为物流配送提供适用于路径规划算法的更为准确的动态交通信息。二、以目前算法效率较高的基于固定道路边权的路径规划算法为基础，对其进行了分层道路网络结构、虚拟环路、虚拟边信息缺失，方向诱导策略等几方面的改进。实验显示：相比原算法，新算法效率提升59%，搜索空间缩小64%，该研究为物流配送高效地提供最短距离的配送路径，并已应用到广东省公众出行交通信息服务系统http://www.gdcx.gov.cn/Web/GOV/index.aspx中。三、以前两部分为基础，通过对上限值进行动态优化、首次引入并改进其他领域的剪枝策略、结合方向诱导策略与剪枝策略等措施而提出ITDCALT(ImprovedTime-Dependent Core-based A*landmark striangle in equality)算法。实验显示：相比原算法，该算法效率提升近48%，搜索空间缩小41%，且能够提供避开交通阻塞的路径，该研究为物流配送高效地提供具有实时性的最短通行时间的配送路径。四、以京东商城的物流配送为例，在广州市真实道路网络上给出了本文研究成果的具体应用，展现了本文研究成果在实际可用性方面、成本方面和鲁棒性方面相对其他研究的优势。