全文总字数：6497字
毕业论文课题相关文献综述
文献综述
一．论文背景及选题意义
随着科学技术的快速发展和世界相关学者及专家越来越重视，物联网（InternetofThings，IOT）作为一种新的技术被认为是继计算机、互联网和移动无线通信技术之后的又一次信息产业的浪潮。而车辆网技术随之也得到发展，车联网（InternetofVehicles）概念引申自物联网，车联网的发展将有力与解决城市物流的发展所遇到的一系列问题，如交通拥堵、环境污染、交通事故、车辆违规等。
本论文旨在于研究基于车联网的基础之上研究物流车辆调度问题，通过车联网技术可以实时的获取道路、车辆信息，预测交通堵塞的地段，获取订单、客户信息，为城市配送的智能化配送提供的技术支持。目前研究车辆路径问题（VehicleRoutingProblem，VRP）和车辆调度问题（VehicleSchedulingProblem，VSP）的学者有很多，并且提出了许多启发式算法来解决该问题；但是将车联网技术和相关的智能算法结合去研究车辆调度问题并不多，因此随着大数据时代的到来，云计算和云存储的发展，研究此问题迫在眉睫。车联网的到来实质上是使得科学合理的车辆调度成为了可能，众所周知车辆调度问题是一个典型的NP-hard问题，通过车辆往获取相关数据，考虑多种因素进行计算分析作出科学合理配送车辆调度方案的智能决策，不仅提高配送中心的车辆利用效率，降低车辆的运营成本，降低车辆的机会成本，也使得城市物流配送更加有序。通过本文章我将重点总结车联网技术的发展现状和总结有关VSP问题的现阶段研究成果，研究车联网信息获取和处理技术，并结合现有城市物流的问题，综合考虑各种约束条件，建立数学模型，构造科学有效的启发式算法，将其运用于车联网终端的车辆调度的数据分析，这是本文的重要研究方向。
二．国内外研究情况
车联网技术是物联网在城市智能交通邻域的有效应用，是有车辆位置、速度、路线、城市实时道路信息等构成的巨大交互网络。通过车联网技术的发展，在物流企业货物配送方面将会有利实现动态的车辆调度，提高货物配送效率降低成本。近年来关于车辆网方面的研究有很多，如：陈献周[1]在他的文章中研究分析了车联网技术在发展中存在的关键技术，并且对车联网可以提供的应用服务进行了总结，随后段宗涛[2]等人在一文中陈述了一种在车联网大数据环境下的新型交通服务协同原型系统，为交通信息服务的实践提供了宝贵经验。在云计算方面，宋钰[3]等研究过基于云计算神经网络物流车辆调度算法，充分考虑了服务质量和用户满意度的问题；姚卫红[4]等也曾在云计算的基础上，提出一种基于车联网应用的MCT-LB-GSA任务调度算法。在车辆位置预测方面，GuangtaoXue[5]等在车联网方面提出了基于移动路由模式一种新型的车辆位置预测。在一信息传播上Dunggeun[6]针对车联网分析和设计了有效的信息传播方法，可以使信息在高密度的车联网中传播。在车联网中的车联与车辆（V2V）通信中Mitra[7]等也提出了联合拥堵控制策略。此外还有刘小洋[8]、许晓玲[9]等都对车联网未来在交通领域的发展做出了一定的贡献。通过这些文，章本文主要集中在研究道路信息及车辆自身信息的获取、传输、分析计算、决策、反馈等一体化智能车辆的动态调度。
对于调度问题的研究成果很多，并且在这方面也提出了许多算法，算法具体有两类，即精确算法（分支定界、线性规划等）、启发式算法（构造法、人工智能算法等）。实际中车辆调度问题规模大，精确算法很难适应需求。所以一般研究都集中在利用启发式算法求解车辆调度问题，如JoeJLRoger[10]将遗传算法应用于车辆调度问题中，国内的有魏明[11]、孙福春[12]等都有在他的文章中使用；XuJiefeng和James用禁忌算法应求解车辆调度问题[13]；BerndBullnheimer[14]和Ismail[15]等将蚁群算法应用车辆调度问题；AyedSalmen[16]、BakerBM[17]、刘芹[18]等将粒子群算法应用在车辆调度问题中；吴斌[19]等将萤火虫算法应用在调度问题之中，除了以上智能算法还有智能算法主要包括模拟退火算法、爬山法、蛙跳算法、神经网络算法、人工蜂群算法等。其实无论用什么算法它们的目的只有一个那就是以较短的时间，去找到足够好的解。算法的好坏，有时也是针对什么问题而言的，对于不同类型的VRP问题，应该给出不同的考虑，大多数研究VRP问题都是从两个方面展开，即静态VRP、动态VRP。对于静态VRP研究是最多了，如：刘洋[20]一文中利用节约式启发式算法求解软时间窗的约束的车辆调度问题的基础上提出惩罚机制求解导游软时间窗的车辆调度问题（vehicleroutingwithtimeswindows，VRPTW），郭伏[21]等实用两阶段法即首先使用启发式算法确定分派问题，其次确定各个目标的优先级，以总成本最低的VRPTW问题；马冬青[22]等将爬山算法引入了粒子群算法用于解决双向车辆调度问题（vehicleroutingwithpick-upanddeliveries，VRPPD）但并未考虑到需求变化和交通情况；宋钰[3]等将结合云计算和神经网络提出了一种物流作业调度算法，算法考虑到了调度的服务质量和用户满意度；孙福春[12]等将遗传算法应用在车辆调度问题中，解决消防救护场所的车辆派遣问题但是并未考虑外界不确定因素的影响。RHCURRIE和SSALHI使用禁忌搜索启发式算法解决满载多终端的具有时间窗和回程载货的车辆调度问题简而言之就是VRPPD和VRPTW的综合问题[23]；这些文章都是在需求确定或道路状况理想的情况下等都是属于静态的VRP研究，而在动态VRP研究方面的论文不多，对于动态车辆调度问题主要是考虑客户需求的不确定性、运输网络的不确定性、车辆数量的不确定不确定性等方面的因素对调度方案的影响，如：袁建清[24]在分析具有时间窗的动态车辆调度问题的基础之上，通过引入虚拟点个时间轴的概念为目的基于时间轴建立了一个车辆调度模型，一个基于C-W算法和禁忌搜索算法的混合禁忌搜索算法将被设计去解决这个问题，通过动态的方法忽和动态禁忌搜索的长度选择策略去使用候选解去改善收敛速度，然而时间数据表明这种混合禁忌搜索算法在解决动态车辆调度问题中是可行的是有效的。赵韩涛[25]根据当前事件的信息和未来时间的发生率对不确定条件下城市车辆调度模型的研究，并且初步探讨了不同交通流量下行程时间的计算；台湾逢甲大学Hu[26]等作者在他的文章中研究了实时客户需求和交通状况等信息的动态VRP问题，建立了问题的模型，运用了分支定界方法对该问题进行了求解；在动态网络车辆路径派送问题上，李妍峰[27]以在重复性拥堵下的信息来安排车辆的初始路径，并且采用遗传算法求解车辆调度问题，行驶中，以实时交通信息调整路线。在文中他提出了关键点更新路径机制和利用Dynasearch算法解决旅行商问题调整路线。通过实践表明，他的新策略可以在较短时间内改进策略。在Haghani[28]的一文中研究了涉及多车型，动态需求等约束，用V（t）连续函数表示车辆的行驶速度，提出一种新的综合下界算法与遗传算法的求解算法。对客户需求的动态VRP问题，在集货过程中客户需求随时间变化的动态车辆路径规划问题，戎丽霞[29]通过考虑在不停时段的交通状况对车辆行驶的影响，把每天的交通状况化成三各阶段并且针对不同时段车辆行驶状况，应用不确定理论去建立相应的不确定需求车辆调度模型，并结合不确定模拟与遗传算法进行求解。结果表明此方案具有一定的效果。葛显龙[30]在动态车辆调度问题中，基于时间轴建立车辆调度模型，他根据获得的随机需求信息把动态问题转变为静态的配送问题，文中创造性的提出了量子遗传算法求解静态配送问题，建立问题的优化数学模型，同时设计并行的节约算法动态插入随机需求信息的混合量子遗传算法，对动态模型进行再一次优化。天津大学理工大学的樊建华[31]提出了一种新的可调整的时间窗的动态车辆调度模型，并且设计了相应的求解算法，这种算法可以较好的解决实时需求和预约需求问题，给出时间窗的调整方法、实时需求的插入算法与初始路径的禁忌搜索改进策略。实践结果表明可以高效的处理实时产生的动态需求。
三．参考文献
[1]陈献周.车联网技术的研究[J].电脑知识与技术，2013:240-241.
[2]段宗涛，等.车联网大数据环境下的交通信息服务协同体系[J].长安大学学报（自然科学版），2014，34（2）:108-114.
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
