纯电动物流车运营特性分析及配送路径优化问题研究

摘要

如今全球能源短缺，环境污染严重，转变传统高能耗、高污染的发展方式，大力推进节能减排，实现可持续发展，逐渐成为世界各国的共同选择。物流是能源消耗和环境污染较为严重的行业之一，而运输则是物流重要的环节。因此有关物流业在能源消耗和环境污染上的研究主要集中在运输视角。如何构建一个高效、集约、低碳、可持续发展的物流运输系统成为关键问题。
　　纯电动汽车以其良好的环境保护和能源调整效应，成为推动车辆节能减排的重要技术方向。基于城市配送领域所具有的特征及对环境质量和污染排放的控制要求，在各种政策补贴和示范运营的激励下，纯电动物流车正逐步在城市配送领域推广应用。但目前纯电动物流车在各方面技术还不够成熟，主要反映在用户用车心理、充电问题、里程问题和载重能力等。现阶段来说，短时间内提升电动汽车技术的可能性较小。因此对于纯电动物流车而言，如何应用科学方法进行合理规划其配送方案以减少运营成本，提高配送效率，保障车辆行驶安全，减少用户里程焦虑是现阶段需要面对的问题。其中包括纯电动物流车配送路径优化，对应的问题称为纯电动物流车车辆路径问题（Electric Vehicle Routing Problem，EVRP）。在此基础上，为了更符合实际车辆行驶环境和客户需求，考虑动态行驶时间的纯电动物流车车辆路径问题(Electric Vehicle Routing Problem with Variable Travel Time，EVRPVTT)和考虑动态需求的纯电动物流车车辆路径问题(Electric Vehicle Routing Problem with Dynamic Demands，EVRPDD)成为本文研究重点。本文的主要创新工作如下:
　　(1)在实证数据的基础上，分析了纯电动物流车运营特性与主要参数分布规律。本文首先在大量纯电动物流车实际运营数据和用户运营经验的基础上，应用数理统计方法从行驶特性、充电特性及配送特点三个方面对纯电动物流车的运营特性进行分析，获得行驶速度、行驶里程及电池SOC等重要参数的分布规律，总结出现阶段纯电动物流车的运营现状和问题，探讨用户对纯电动物流车的使用行为和里程焦虑心理，为下一步提出更符合实际需求的EVRPVTT问题和EVRPDD问题奠定基础。
　　(2)建立了纯电动物流车行驶里程非线性回归和剩余里程估计模型，并对模型参数进行辨识。为了准确估计EVRPVTT问题和EVRPDD问题中的关键参数——剩余里程，本文首先从定性角度对行驶里程的影响因素进行分析，并提出建立考虑放电深度和行驶速度的行驶里程回归模型。为转换成基于单一输入变量的回归模型，针对放电深度与行驶里程的关系，引入单位里程耗电比。然后基于单位里程耗电比与行驶速度之间的非线性特征，建立非线性回归模型。其中，应用遗忘因子递推最小二乘法对未知模型参数进行辨识。对单位里程耗电比进行转换后便可得到考虑放电深度和行驶速度的行驶里程非线性回归模型。最后通过行驶里程非线性回归模型对剩余里程进行估计。
　　(3)建立了考虑动态行驶时间的纯电动物流车配送方案优化模型，并给出了相应的求解算法。本文针对交通信息的动态性，根据纯电动物流车的技术特点和运营特性，综合考虑载重约束、时间窗约束、里程约束、充电需求和行驶速度，建立以总成本最小的EVRPVTT问题模型。并应用结合穷举法的遗传算法求解模型，得到包括配送路线、充电计划、行车时间、行车路径在内的最优配送方案。其中，对经典Dijkstra算法进行改进后，提出考虑行驶速度变化的动态Dijkstra算法，求解EVRPVTT问题模型中涉及到的最短路径问题，确定配送路线的行车路径。为避免由于电量不足导致的车辆半路抛锚及电池过度放电情况，车辆可在行驶途中多次前往充电站补充电量。充电路线优化问题为有充电需求的车辆提供最优充电计划。最后在结合北京市城区路网的实例中验证了模型和方法的有效性。
　　(4)提出满足动态需求的纯电动物流车配送方案实时更新策略，并进行了参数灵敏度分析。EVRPDD问题针对动态信息的另外一种形式——动态需求，提出基于更新时间的路线更新策略对配送方案进行实时地在线优化。其中，充电路线优化模型为有充电需求的车辆分配充电站，提供最优充电计划。经典Dijkstra算法解决最短路径问题，给出配送路线的行车路径。在参数灵敏度分析中，验证了所提出的策略具有较好地在线响应动态需求能力，并通过研究这些参数对路线更新策略的影响程度，为物流企业提供运营建议。

目录

声明

致谢

摘要

1．1 论文研究背景

1．2 国内外研究现状

1．2．1 国内外电动汽车发展现状

1．2．2 城市配送领域的纯电动物流车应用

1．2．3 纯电动物流车车辆路径问题研究现状

1．2．4 纯电动物流车动态车辆路径问题研究现状

1．2．5 行驶里程和剩余里程估计研究现状

1．2．6 现状总结

1．3 论文技术路线和主要内容

1．3．1 技术路线

1．3．2 主要内容

1．4 论文框架

2 纯电动物流车运营特性分析

2．1 数据来源与采集

2．1．1 数据来源

2．1．2 数据采集和传输

2．2 放电过程和充电过程

2．3 纯电动物流车行驶特性分析

2．3．1 行驶速度

2．3．2 行驶里程

2．3．3 电池SOC

2．4 纯电动物流车充电特性分析

2．4．1 充电模式

2．4．2 慢速充电行为

2．4．3 快速充电行为

2．5 纯电动物流车配送特点分析

2．5．1 载重能力

2．5．2 配送范围

2．5．3 配送业务

2．6 本章总结

3 纯电动物流车行驶里程和剩余里程估计

3．1 行驶里程影响因素分析

3．2 行驶里程回归模型建立

3．2．1 行驶里程回归模型分析

3．2．2 放电深度定义和数据转换

3．2．3 单位里程耗电比定义和数据转换

3．2．4 行驶速度与单位里程耗电比的非线性特征

3．2．5 行驶速度与单位里程耗电比非线性回归模型确立

3．2．6 行驶速度与单位里程耗电比非线性回归模型参数辨识

3．2．7 行驶速度与单位里程耗电比非线性回归模型检验

3．2．8 考虑放电深度和行驶速度的行驶里程非线性回归模型

3．3 剩余里程估计

3．4 本章总结

4 考虑动态行驶时间的纯电动物流车车辆路径问题

4．1 动态行驶时间特性

4．2 问题重要参数介绍

4．2．1 行驶速度

4．2．2 基于行驶速度变化的参数计算

4．3 约束条件

4．3．1 载重约束

4．3．2 时间窗约束

4．3．3 里程约束

4．4 充电需求

4．4．1 充电路线优化

4．4．2 充电参数计算

4．5 问题描述

4．6 模型建立

4．6．1 模型变量

4．6．2 模型表述

4．7 模型求解

4．7．1 模型求解算法设计

4．7．2 模型求解算法实现

4．8 基于动态Dijkstra算法的最短路径问题

4．8．1 动态Dijkstra算法

4．8．2 最短路径问题算例

4．9 本节实例

4．9．1 基础数据

4．9．2 求解结果及分析

4．10 本章总结

5 考虑动态需求的纯电动物流车车辆路径问题

5．1 问题特征

5．2 问题重要参数介绍

5．3 约束条件

5．3．1 载重约束

5．3．2 时间窗约束

5．3．3 里程约束

5．4 充电需求

5．5 问题描述

5．6 初始配送方案确定

5．6．1 EVRP模型建立

5．6．2 EVRP问题求解

5．7 动态需求特性

5．7．1 动态度

5．7．2 动态需求生成

5．7．3 动态需求响应

5．8 路线更新策略

5．8．1 策略实施过程

5．8．2 策略启动机制

5．8．3 分解策略

5．8．4 求解策略

5．8．5 插入动态需求

5．8．6 充电路线优化

5．8．7 目标函数计算及策略输出

5．9 本节实例

5．9．1 基础数据

5．9．2 初始配送方案求解

5．9．3 路线更新结果

5．9．4 参数灵敏度分析

5．10 本章总结

6 总结和展望

6．1 论文主要工作

6．2 论文创新点

6．3 有待进一步研究的问题

参考文献

作者简历及攻读博士学位期间取得的研究成果

学位论文数据集