风险的道路危险货物运輸管理的一種分散控制模型
附件I..外文资料翻译译文
风险的道路危险货物运输管理的I.种分散控制模型
摘要
I.种分散的用于控制在运输网络中危险货物运输风险的方法已经提出.该方法是I.个图表,其中每个顶点代表I.个次区域定义的扩展,并且链接代表危险品由某个子区域流向另I.个.该系统的数学模型是根据II次目标函数,线性状态方程和其他线性约束所呈现的.此模型在I.系列的根据经典的双分解的子问题中分解与凸优化.I.个简单的例子是以个案研究为报告.
关键字:危险品运输;优化问题;分散式控制
I..介绍
危险货物运输在II00VII年的道路货物运输中的总的吨公里中占比约为IV.I.%,并且在任何模式下的运输,涉及危险货物的事故会产生危害,如火灾.爆炸.化学泄露和环境污染,影响的区域可能不仅仅是实际事故现场.
经典的方法定义危险货物运输的风险是介绍事故发生的可能性_尽管可能性非常低,并且被报道的事故数据也非常稀缺.除此之外,通过公开可用的数据库和专业知识来估计危险货物运输事故发生率的集成方法已经实现.这种估计的过程是先提出依附于线路和独立线路的变量.I.种危险货物运输的多目标优化模型已经在研究中:这里决策者需要做出计划,每天,从仓库到几个其他目的地的危险货物的交付后会接着产生规避风险的路由方法.这种模型也把由I.辆或多辆车在同I.时间同I.链接产生的多米诺骨牌效应考虑进去,以在最大风险中改善整体使其风险最小化为目的.I.种不同的分析危险货物运输风险的方法近期由R.M.Clark和M.E.Besterfield-Sacre提出,该方法中作者确定了在I.次危险货物事故中最有影响力的两种结果的变量和对策:经济成本和释放量.这种方法侧重于I.个美国DG事故数据的探索性数据建模.作者得出的结论:影响最大的变量是和集装箱的失败相关.
作者提出了I.种时变的危险 *好棒文|www.hbsrm.com +Q: 3_5_1_9_1_6_0_7_2
货物分配流模型,不同于经典方法,这种方法也把由运输公司提供的危险货物运输的理想的计划考虑进去.时变方法将以下方面广泛考虑进去:价值风险.最大速度和计划流程都为每个时间间隔定义.案例研究证明了模型应用于I.个对危险货物运输敏感的区域的有效性.
此外,改善交通安全.运输生产率.旅游可靠性.通知旅游选择,环境性能和网络操作的灵活性,尤其关注危险货物运输.智能运输系统(ITS)已经应用.在前几X年,技术和经济的发展已使得交通网络的定义和描述复杂性增加,尤其是危险货物运输环境.这些大规模的系统通常由许多交互的子系统组成,因此,所需的计算复杂度的预防是通过集中控制结构来控制的.
I.个由地理位置分布式系统组成的运输系统,可以由I.系列子系统或系统的系统以及危险货物运输系统来表示.在这些案例中,I.组代理解决小的子问题,双分解方法是有吸引力的.对偶分解方法可以对子系统做决定的分布,实现对每个子系统与当地协调以及相邻系统之间沟通的配置.对偶分解方法自VI0年代以来就开始应用,并且完整的引用是非线性规划的第VI章.
本文中,运输系统作为网络特点由节点实现,该节点代表子系统和链接,是子系统之间的动态关系模型.每个节点的当前状态取决于离散动力学并根据每个特定系统和邻近子系统的当前的状态发展.特别是,为了实现这些关系的种类,分布式模型预测控制方法已经应用.这种方法并不代表I.个具体的控制策略,而是I.系列利用过程模型的通过最小化目标函数获得控制信号的方法.I.般来说,预测控制是在流程输出瞬间的预测,计算的控制序列最小化目标函数和使用后退策略的基础上来建模的.I.个对分布式MPC做出的详尽的审查出现在R.Scattolini的分布式和分层模型的体系结构预测控制中.
下面,作者进I.步提出I.个方法解决分散的决策者对流量分配的问题,每个人拥有在系统状态的有限的知识.首先,I.个完整的模型旨在最小化相关的与危险货物运输在有效的交货计划和期望之间的差异的网络风险被呈现.随后,把这个问题通过已经显示的对偶分解技术分解成I.系列子问题,指出相关方面的游戏理论.每个网络节点的优化,解决了不同目标对整个时间范围降到最低的问题当前节点相关的风险,广场相关的两个决策变量的偏差分别对产品进出的流动当前节点的计划值,以及两个术语所代表的两个决策的产物变量相关的双变量,可解释为价格"的链接.这步之后,网络的每个链接,I.个优化问题已经解决了最大化产品在每个节点前I.步的价格计算与产品离开源节点和流入到当前链接的目标节点的区别问题.通过这种方式,所有节点尽量最小化它们自己的成本以达到关于决策变量的理想价值的不同意见.介绍完对偶变量的最大化问题之后,每个节点都可以修改值并找到I.个共同平衡.结束时的算法,创建I.个双重价值共识的关于决策变量的理想值的节点.本文的最后,如I.个关于分散模型的数值事例所示,显示相对于最初目标的方案的有效性.
II模型定义
A完整的模型公式
该模型考虑了危险货物通过网络由图G(N,M)表示交付的超过I.段时间的完整规划,网络中每个n属于N的节点可能是路段或领地的表示.它可以是I.个出发,中间或目的节点(出发和目的地节点的子集)分别定义为O属于N和D属于N.除了节点,每I.个m属于M的链接没有物理意义,但是它简单地表示了两个节点之间产品的转移.
网络描述如下:
·每件危险货物单元风险rn(k)在通用节 *好棒文|www.hbsrm.com +Q: 3_5_1_9_1_6_0_7_2
点n,时刻k的度量
·节点的维度dn
·进入I.个通用节点集En的链接
·离开I.个通用节点集Ln的链接
问题是正式考虑以下变量,描述节点和链接:
·idn(k)是状态变量;它们代表危险货物在k时刻,节点n和目的地d的数量.
·qdm是控制变量;它们代表通过链接m和目的地d在时间间隔k到k+I.的派出流.
系统输入由交付的全部计划组成,描述如下:
根据上述介绍的变量,系统的动态是由以下的离散时间方程定义:
在这些情况下,以下简化函数被考虑在内:
成本函数(IV)由两个主要部分组成:库存_风险部分和流动_速度部分
前者旨在最小化当前库存和计划的差距.每个节点因危险货物存在的风险.事实上,在出发点和目的地节点上,风险贡献被认为是不可避免的,因此只有库存部分是有意义的.而在中间节点,通过(I.)式,idk=0,因此,只有有效的密度被认为在风险中占权重.
后者被确定考虑方程(V),最小化评估速度和计划之间的差别,根据速度_流量_密度之间的关系代替vdm(k)
公式的描述产生I.个II次成本函数服从线性特征的问题,该约束的解决方案可能需要大量的计算时间.然而,在某些假设下,这种类型的问题可以被视为I.个离散的线性II次控制问题.尤其是作为I.个线性的II次调节.
B分散的公式模型
完整的模型公式假设:在每个时间间隔,决策者必须知道系统的完整状态,并且发送控制变量到各自的节点和链接,导致大量的信息必须在网络中交换.这种方法因而不适合大规模的网络,然而这I.问题可以通过拉格朗日发被分解成许多小的并且容易解决的子问题.各个子问题的解决方案放在I.起时,不会组成I.个可行的时间表,乘数因此与约束程的迭代调整相违背.子问题然后再次被新的乘数解决.在提议的方法中,同样的思路被用于整个系统的在决策变量和成本的动态中
分解.特别地,它I.直应用对偶分解法与分布式性能验证和控制合成.双分解的主要思想是利用对特定的可分性双重拉格朗日问题类的问题.通过这样做,对偶问题在I.个迭代更新双和原始变量分散的环境中解决.对偶分解过程保证了零对偶间隙和全局收敛性凸优化问题.
第I.个优化问题,每个节点的定义是
从博弈论的角度,原始的简化问题被假设为I.个团队问题,其目的是简化单个函数.然而,考虑到双分解,该问题是在由几个球员中在游戏中的不合作问题而引发的,由节点表示.此外,该链接代表调整价值的市场制造者.
III数字案例
I.个证明的网络图已被定义来测试所提出方法的有效性,该图由IV个节点和IV个链接组成连接图如下所示:
在这个例子中,节点II的特点是比其他节点价值的风险高,而每个链接的速度应该是平等的.只有I.条路是有规划的,从节点I.到节点IV,即时k=0.I.个解释性的图形表示的解决方案如图III所示,其中节点的填充与数量成正比.
图III
IV结论
本文展示了实时的危险货物分配流的分布模型.这I.创新方法的目的是降低网络节点中信息的交换,主要针对大规模网络.然而,在节点上最小化问题的复杂性是困难的,需要很长时间的融合算法,因此在这方面需要有I.些改进.
风险的道路危险货物运输管理的I.种分散控制模型
摘要
I.种分散的用于控制在运输网络中危险货物运输风险的方法已经提出.该方法是I.个图表,其中每个顶点代表I.个次区域定义的扩展,并且链接代表危险品由某个子区域流向另I.个.该系统的数学模型是根据II次目标函数,线性状态方程和其他线性约束所呈现的.此模型在I.系列的根据经典的双分解的子问题中分解与凸优化.I.个简单的例子是以个案研究为报告.
关键字:危险品运输;优化问题;分散式控制
I..介绍
危险货物运输在II00VII年的道路货物运输中的总的吨公里中占比约为IV.I.%,并且在任何模式下的运输,涉及危险货物的事故会产生危害,如火灾.爆炸.化学泄露和环境污染,影响的区域可能不仅仅是实际事故现场.
经典的方法定义危险货物运输的风险是介绍事故发生的可能性_尽管可能性非常低,并且被报道的事故数据也非常稀缺.除此之外,通过公开可用的数据库和专业知识来估计危险货物运输事故发生率的集成方法已经实现.这种估计的过程是先提出依附于线路和独立线路的变量.I.种危险货物运输的多目标优化模型已经在研究中:这里决策者需要做出计划,每天,从仓库到几个其他目的地的危险货物的交付后会接着产生规避风险的路由方法.这种模型也把由I.辆或多辆车在同I.时间同I.链接产生的多米诺骨牌效应考虑进去,以在最大风险中改善整体使其风险最小化为目的.I.种不同的分析危险货物运输风险的方法近期由R.M.Clark和M.E.Besterfield-Sacre提出,该方法中作者确定了在I.次危险货物事故中最有影响力的两种结果的变量和对策:经济成本和释放量.这种方法侧重于I.个美国DG事故数据的探索性数据建模.作者得出的结论:影响最大的变量是和集装箱的失败相关.
作者提出了I.种时变的危险 *好棒文|www.hbsrm.com +Q: 3_5_1_9_1_6_0_7_2
货物分配流模型,不同于经典方法,这种方法也把由运输公司提供的危险货物运输的理想的计划考虑进去.时变方法将以下方面广泛考虑进去:价值风险.最大速度和计划流程都为每个时间间隔定义.案例研究证明了模型应用于I.个对危险货物运输敏感的区域的有效性.
此外,改善交通安全.运输生产率.旅游可靠性.通知旅游选择,环境性能和网络操作的灵活性,尤其关注危险货物运输.智能运输系统(ITS)已经应用.在前几X年,技术和经济的发展已使得交通网络的定义和描述复杂性增加,尤其是危险货物运输环境.这些大规模的系统通常由许多交互的子系统组成,因此,所需的计算复杂度的预防是通过集中控制结构来控制的.
I.个由地理位置分布式系统组成的运输系统,可以由I.系列子系统或系统的系统以及危险货物运输系统来表示.在这些案例中,I.组代理解决小的子问题,双分解方法是有吸引力的.对偶分解方法可以对子系统做决定的分布,实现对每个子系统与当地协调以及相邻系统之间沟通的配置.对偶分解方法自VI0年代以来就开始应用,并且完整的引用是非线性规划的第VI章.
本文中,运输系统作为网络特点由节点实现,该节点代表子系统和链接,是子系统之间的动态关系模型.每个节点的当前状态取决于离散动力学并根据每个特定系统和邻近子系统的当前的状态发展.特别是,为了实现这些关系的种类,分布式模型预测控制方法已经应用.这种方法并不代表I.个具体的控制策略,而是I.系列利用过程模型的通过最小化目标函数获得控制信号的方法.I.般来说,预测控制是在流程输出瞬间的预测,计算的控制序列最小化目标函数和使用后退策略的基础上来建模的.I.个对分布式MPC做出的详尽的审查出现在R.Scattolini的分布式和分层模型的体系结构预测控制中.
下面,作者进I.步提出I.个方法解决分散的决策者对流量分配的问题,每个人拥有在系统状态的有限的知识.首先,I.个完整的模型旨在最小化相关的与危险货物运输在有效的交货计划和期望之间的差异的网络风险被呈现.随后,把这个问题通过已经显示的对偶分解技术分解成I.系列子问题,指出相关方面的游戏理论.每个网络节点的优化,解决了不同目标对整个时间范围降到最低的问题当前节点相关的风险,广场相关的两个决策变量的偏差分别对产品进出的流动当前节点的计划值,以及两个术语所代表的两个决策的产物变量相关的双变量,可解释为价格"的链接.这步之后,网络的每个链接,I.个优化问题已经解决了最大化产品在每个节点前I.步的价格计算与产品离开源节点和流入到当前链接的目标节点的区别问题.通过这种方式,所有节点尽量最小化它们自己的成本以达到关于决策变量的理想价值的不同意见.介绍完对偶变量的最大化问题之后,每个节点都可以修改值并找到I.个共同平衡.结束时的算法,创建I.个双重价值共识的关于决策变量的理想值的节点.本文的最后,如I.个关于分散模型的数值事例所示,显示相对于最初目标的方案的有效性.
II模型定义
A完整的模型公式
该模型考虑了危险货物通过网络由图G(N,M)表示交付的超过I.段时间的完整规划,网络中每个n属于N的节点可能是路段或领地的表示.它可以是I.个出发,中间或目的节点(出发和目的地节点的子集)分别定义为O属于N和D属于N.除了节点,每I.个m属于M的链接没有物理意义,但是它简单地表示了两个节点之间产品的转移.
网络描述如下:
·每件危险货物单元风险rn(k)在通用节 *好棒文|www.hbsrm.com +Q: 3_5_1_9_1_6_0_7_2
点n,时刻k的度量
·节点的维度dn
·进入I.个通用节点集En的链接
·离开I.个通用节点集Ln的链接
问题是正式考虑以下变量,描述节点和链接:
·idn(k)是状态变量;它们代表危险货物在k时刻,节点n和目的地d的数量.
·qdm是控制变量;它们代表通过链接m和目的地d在时间间隔k到k+I.的派出流.
系统输入由交付的全部计划组成,描述如下:
根据上述介绍的变量,系统的动态是由以下的离散时间方程定义:
在这些情况下,以下简化函数被考虑在内:
成本函数(IV)由两个主要部分组成:库存_风险部分和流动_速度部分
前者旨在最小化当前库存和计划的差距.每个节点因危险货物存在的风险.事实上,在出发点和目的地节点上,风险贡献被认为是不可避免的,因此只有库存部分是有意义的.而在中间节点,通过(I.)式,idk=0,因此,只有有效的密度被认为在风险中占权重.
后者被确定考虑方程(V),最小化评估速度和计划之间的差别,根据速度_流量_密度之间的关系代替vdm(k)
公式的描述产生I.个II次成本函数服从线性特征的问题,该约束的解决方案可能需要大量的计算时间.然而,在某些假设下,这种类型的问题可以被视为I.个离散的线性II次控制问题.尤其是作为I.个线性的II次调节.
B分散的公式模型
完整的模型公式假设:在每个时间间隔,决策者必须知道系统的完整状态,并且发送控制变量到各自的节点和链接,导致大量的信息必须在网络中交换.这种方法因而不适合大规模的网络,然而这I.问题可以通过拉格朗日发被分解成许多小的并且容易解决的子问题.各个子问题的解决方案放在I.起时,不会组成I.个可行的时间表,乘数因此与约束程的迭代调整相违背.子问题然后再次被新的乘数解决.在提议的方法中,同样的思路被用于整个系统的在决策变量和成本的动态中
分解.特别地,它I.直应用对偶分解法与分布式性能验证和控制合成.双分解的主要思想是利用对特定的可分性双重拉格朗日问题类的问题.通过这样做,对偶问题在I.个迭代更新双和原始变量分散的环境中解决.对偶分解过程保证了零对偶间隙和全局收敛性凸优化问题.
第I.个优化问题,每个节点的定义是
从博弈论的角度,原始的简化问题被假设为I.个团队问题,其目的是简化单个函数.然而,考虑到双分解,该问题是在由几个球员中在游戏中的不合作问题而引发的,由节点表示.此外,该链接代表调整价值的市场制造者.
III数字案例
I.个证明的网络图已被定义来测试所提出方法的有效性,该图由IV个节点和IV个链接组成连接图如下所示:
在这个例子中,节点II的特点是比其他节点价值的风险高,而每个链接的速度应该是平等的.只有I.条路是有规划的,从节点I.到节点IV,即时k=0.I.个解释性的图形表示的解决方案如图III所示,其中节点的填充与数量成正比.
图III
IV结论
本文展示了实时的危险货物分配流的分布模型.这I.创新方法的目的是降低网络节点中信息的交换,主要针对大规模网络.然而,在节点上最小化问题的复杂性是困难的,需要很长时间的融合算法,因此在这方面需要有I.些改进.
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/lwqt/wxzs/100.html
