基于非线性充/耗能模型广义析取规划的电动汽车路由与调度问题研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    71871003
  • 项目类别：
    面上项目
  • 资助金额：
    49.0万
  • 负责人：
    肖依永
  • 依托单位：
    北京航空航天大学
  • 学科分类：
    G0102.运筹与管理
  • 结题年份：
    2022
  • 批准年份：
    2018
  • 项目状态：
    已结题
  • 起止时间：
    2019-01-01 至2022-12-31

项目摘要

This proposal aims at the battery-powered electric vehicle routing & scheduling problem (EVRSP), and has proposed four phases of research content as follows. First, to study the non-linear charing function of electric vehicle (EV), and present a mixed-integer linear programming (MILP) model for the EVRSP considering non-linear charing function and using disjunctive convex programming techniques, as well as its solution approaches/algorithms. Second, to develop a general model of energy consumption rate (ECR) for the battery-powered electric vehicle, and present a mixed-integer convex programming model for the EVRSP with non-linear charing function and non-linear ECR function by using generlized disjunctive programming techniques, as well as its solution approaches/algorithms. Thirdly, based on the above researches, to study several application scenarios of the EVRSP in the fields of logistic distribution, including: (1) the EVRSP with hetergeneous EVs and multiple charging ways, e.g., fast charging, slow charging, battery exchanging, (2) the EVRSP with a hybrid fleet of EVs and fule-powered vehicles, (3) the EVRSP under an environment with time-varying traffic congestions, (4) the robust EVRSP under a stochastic environment, and (5) other scenarios, such as considering the affect of environmental temperature, utilizing the breaking/resting time of driver to recharge, with pickup & delivery requirements, etc. Forthly and finally, to carry out empirical studies to justificate the proposed theoretical models based on real-life data. Besides, computational experiments and data analysis based on actual data will be carried out through out all phases.
面向电动汽车路由与调度问题（EVRSP），提出四部分研究内容。首先，研究基于非线性充电函数的EVRSP问题，建立基于析取凸规划的混合整数线性规划模型，研究相应的求解方法/算法。然后，分析电动汽车的综合行驶能耗模型，建立基于广义析取规划的、考虑非线性行驶能耗函数和非线性充电函数的EVRSP问题的混合整数凸规划模型，研究相应的求解方法/算法。在此基础上，研究EVRSP问题在物流配送领域的典型应用场景，包括：考虑多混合车型和多充电模式的应用场景；电动汽车和燃油汽车组成混合配送车队的应用场景；城市/郊区时变性交通拥堵环境下的EVRSP问题；随机交通环境下面向稳健性规划的EVRSP问题；其它实际应用场景，如考虑环境温度影响，利用司机休息时间充电，考虑取货/送货交通要求等。最后，结合物流企业实际业务数据，对理论模型开展实证应用研究。此外，还有基于实际数据的计算实验和数据分析，并始终贯穿上述四个部分。

结项摘要

发展新能源汽车是我国的国家战略。国务院发布的《中国制造2025》披露了节能与新能源汽车产业发展的10年战略目标，将电池驱动的纯电动汽车作为未来汽车产业发展的重点领域。推广新能源电动汽车在物流行业应用，必将大幅度地降低整个物流行业的运输成本，且对于我国“双碳”目标实现具有非常积极的意义。.本项目所提出的研究问题被称为“电动汽车路由与调度/行程优化问题（Electric vehicle routing & scheduling problem, EVRSP）”。开展了四部分研究内容：（1）研究基于非线性充电函数的EVRSP问题，建立基于析取凸规划的混合整数线性规划模型，研究相应的求解方法/算法；（2）分析电动汽车的综合行驶能耗模型，建立基于广义析取规划的、考虑非线性行驶能耗函数和非线性充电函数的EVRSP问题的混合整数凸规划模型，研究相应的求解方法/算法；（3）研究EVRSP问题在物流配送领域的典型应用场景；（4）结合北京市交通实际数据模型，对理论模型开展实证应用研究。.围绕着所提出的研究目标，产生了以下四方面研究成果：（1）提出了新能源电动汽车的一般充电理论模型；（2）提出了新能源电动汽车的一般形式能耗理论模型；（3）提出了EVRSP问题的一般数学规划模型和几种典型应用场景下的扩展模型；（4）提出了模型的最优化求解理论方法、大规模求解算法和实证研究，包括“基于分式数的蜂群优化算法改进方法、基于动态循环偏优化（Dynamic Iterative partial optimization）的元启发式最优求解算法、动态交通环境下的车辆行程动态规划算法”等，并基于实际数据开展了计算实验。.本项目的科学意义和应用价值有：（1）在学术方面，所提出的EVRSP问题是一个较新的科学问题，开辟了新的学术研究领域，也是该领域的前沿性学术问题；（2）在应用方面，电动汽车可能在未来很长一段时间内都将是人们主要交通与运输工具之一，本项目的研究成果具有着长远的应用价值，对我国当前的新能源汽车发展具有积极促进作用；（3）在节油减排和环境保护方面具有非常积极的意义，研究成果有助于促进我国“双碳”目标实现。

项目成果

期刊论文数量（24）
专著数量（3）
科研奖励数量（1）
会议论文数量（0）
专利数量（10）
随机多需求环境下远程中继保障网络设计优化问题建模与求解
  • DOI：
    10.12305/j.issn.1001-506x.2021.07.15
  • 发表时间：
    2021
  • 期刊：
    系统工程与电子技术
  • 影响因子：
    --
  • 作者：
    杨培;肖依永;王宏宇
  • 通讯作者：
    王宏宇
A Text-Driven Aircraft Fault Diagnosis Model Based on Word2vec and Stacking Ensemble Learning
基于Word2vec和堆叠集成学习的文本驱动飞机故障诊断模型
  • DOI：
    10.3390/aerospace8120357
  • 发表时间：
    2021-11
  • 期刊：
    AEROSPACE
  • 影响因子：
    2.6
  • 作者：
    Zhou Shenghan;Wei Chaofan;Li Pan;Liu Anying;Chang Wenbing;Xiao Yiyong
  • 通讯作者：
    Xiao Yiyong
A new formulation of the electric vehicle routing problem with time windows considering concave nonlinear charging function
考虑凹非线性充电函数的带时间窗电动汽车路径问题的新表述
  • DOI：
    10.1016/j.jclepro.2019.117687
  • 发表时间：
    2019-11
  • 期刊：
    Journal of Cleaner Production
  • 影响因子：
    11.1
  • 作者：
    Zuo Xiaorong;Xiao Yiyong;You Meng;Kaku Ikou;Xu Yuchun
  • 通讯作者：
    Xu Yuchun
Status Set Sequential Pattern Mining Considering Time Windows and Periodic Analysis of Patterns.
考虑时间窗和模式周期性分析的状态集序列模式挖掘
  • DOI：
    10.3390/e23060738
  • 发表时间：
    2021-06-11
  • 期刊：
    Entropy (Basel, Switzerland)
  • 影响因子：
    --
  • 作者：
    Zhou S;Liu H;Chen B;Hou W;Ji X;Zhang Y;Chang W;Xiao Y
  • 通讯作者：
    Xiao Y
Probability Analysis of Hypertension-Related Symptoms Based on XGBoost and Clustering Algorithm
基于XGBoost和聚类算法的高血压相关症状概率分析
  • DOI：
    10.3390/app9061215
  • 发表时间：
    2019-03-22
  • 期刊：
    APPLIED SCIENCES-BASEL
  • 影响因子：
    2.7
  • 作者：
    Chang, Wenbing;Liu, Yinglai;Cheng, Yang
  • 通讯作者：
    Cheng, Yang

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

A Variable Neighgborhood Decomposition Search Algorithm for Multilevel Capacitated Lot-Sizing Problem
多级容量批量问题的变邻域分解搜索算法
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    Electronic Notes in Discrete Mathematics
  • 影响因子：
    --
  • 作者：
    赵秋红;谢超;肖依永
  • 通讯作者：
    肖依永
基于制造清单的企业计划模型
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    系统工程理论与实践
  • 影响因子：
    --
  • 作者：
    张人千;肖依永;常文兵
  • 通讯作者：
    常文兵

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

肖依永的其他基金

动态复杂生产环境下的大规模多级生产经济批量综合问题研究
  • 批准号：
    71271009
  • 批准年份：
    2012
  • 资助金额：
    53.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码