学生工作
您所在的位置 : 学生工作   >   研究生公告
【学术海报】大规模交通系统优化:一种“状态-空间-时间”网络建模方法和一类新的多约束列车时刻表优化问题

发布时间:2018-06-20 14:52:17.0   阅读次数:

讲座地点:犀浦校区交运楼417会议室

讲座时间:6月23日(星期六)上午9:00

主讲人:周学松

个人简介:周学松教授,就职于美国亚利桑那州立大学。他也是北京交通发展研究院特聘首席科学家,北京交通委员会特聘首席科学家。周学松博士是TRB 委员会之交通网络建模(ADB30)网络模型应用分会主席, IEEE 智能交通系统协会,交通和出行管理技术委员会的联合主席,美国运筹与管理研究协会INFORMS铁路应用分会主席(2016)。他担任国际交通顶级期刊Transportation Research Part C: Emerging Technologies 副主编,Transportation Research Part B: Methodological 编委, Urban Rail Transit 执行副主编,Network and Spatial Economics 副主编,。周博士已经在运输顶级期刊Transportation Research Part B Methodological 上发表论文22篇。他的论文总引用量超过3000 次。

周博士主要研究领域是交通运输组织管理现代化,如大规模交通网络状态估计、管理、仿真和优化模型构建,他是少数能横跨道路交通和轨道运输两个应用领域的学者。他协助指导的Muhammad Khan 孟令云、石铁(西南交通大学博士生)等人,分别于2008年、 2010年、2014 年获得“国际运筹与管理研究协会铁路应用分会”(INFORMS RAS)的“学生论文竞赛”的荣誉奖、 第二名和第一名。

讲座题目

大规模交通系统优化:一种“状态-空间-时间”网络建模方法和一类新的多约束列车时刻表优化问题

内容概要

交通系统优化的总体原理旨在有效利用有限的车辆和基础设施时空资源,以改善系统的总体效益。 本次演讲旨在提出一个新的建模框架,即一种“状态-空间-时间”(state-space-timeSST)网络建模方法来优化具有取货和交货时间窗约束的车辆路径问题(VRPPDTW)。 这种建模框架使我们能够将许多复杂的状态转换约束和关系预先构建到一个结构良好的超网络中,以便将所得到的优化模型很好地重构为边界约束数量非常有限的多商品网络流模型。此外在本次演讲中,我们还将介绍一类考虑多种实际约束条件的多约束列车时刻表优化问题。针对多约束列车时刻表优化问题自身的复杂性,我们设计了基于“状态-时间-空间”路径的模型重构方法,并且引入了一种以列车铺画顺序为导向的对偶分解框架,以加快问题求解效率并提高解的质量。

Optimizing large-scale transportation system: a state-space-time network modeling approach and a new class of rich train timetabling problem

The overarching rationale of transportation system optimization aims to effectively use limited space-time vehicle and infrastructure resources for improving system-wide benefits. This talk is intended to present a new modeling framework, a state-space-time (SST) network to optimize vehicular routing decisions with pickup and delivery time windows (VRPPDTW). This modeling framework enable us to prebuild many complex state transition constraints and relationships into a well-structured hyper-network, so that the resulting optimization model can be nicely reformulated as multi-commodity network flow models with a very limited number of side constraints. In this talk, we will walk through a rich train timetabling problem with multiple complicating constraints. Considering the inherent complexity in the rich train timetabling problem, we design a state-space-time path based reformulation method, and further introduce a sequence-oriented dual decomposition framework to improve the problem solving efficiency and solution quality.