貨車(chē)車(chē)輛調度是影響貨車(chē)運管系統運行效率和服務(wù)水平的主要方面,是智能貨車(chē)系統研究的核心內容,利用OBD定位器的大數據對貨車(chē)車(chē)輛動(dòng)態(tài)調度不僅節約人力資源,更能滿(mǎn)足貨物配送需求,保證貨車(chē)車(chē)輛的滿(mǎn)載率。
為了實(shí)現貨車(chē)行業(yè)的智能化車(chē)輛調度,從貨車(chē)車(chē)載OBD定位器的數據統計出發(fā),建立車(chē)輛到站點(diǎn)時(shí)間預測模型、站點(diǎn)貨物量預測模型以及發(fā)車(chē)頻率優(yōu)化模型，將取最大值的目標化為求最小值,三者通過(guò)加權求和,綜合計算目標最優(yōu)。
合理安排貨車(chē)車(chē)輛發(fā)車(chē)頻率,通過(guò)建立目標函數實(shí)現減少貨物扭轉和等待時(shí)間、提高貨車(chē)的利用率、增加物流公司的盈利,在有多種約束的情況下,通過(guò)加權得出最終目標函數,使用改進(jìn)遺傳算法得出最優(yōu)解。
然后從多個(gè)方面改進(jìn)了遺傳算法,包括精英協(xié)同進(jìn)化、自適應概率、通過(guò)實(shí)例仿真將這些改進(jìn)逐步運用到貨車(chē)發(fā)車(chē)時(shí)間安排上發(fā)現結果在不同程度上變好,在代數上逐漸降低同時(shí)，最優(yōu)適應度值也在降低。
轉自：互聯(lián)網(wǎng)