油品配送车辆调度问题基于数据流的在线智能建模方法

Combining theories of Context Awareness and Knowledge Representation with optimization theories in Operations Research, this research explores the online intelligent modeling methods for generating vehicle scheduling plans that distribute oil products on demand precisely, initiatively, and timely. The main issues in the research include the process and analysis method of multi-source data stream, the representation methods of distribution-desire context and vehicle scheduling knowledge, context-driven and knowledge-based online real-time model generating and solving methods. After solving these issues, a data stream-based decision support system for generating vehicle scheduling plans is developed, which would be applicable to the operation of the oil products initiative distribution in Dalian Distribution Company of PetroChina..The research results are beneficial to improve the generation process of vehicle scheduling plans scientifically, intelligently and in real time. The proposed modeling methods could facilitate the realization of distribution-desire context-driven model generation and solution to improve the efficiency of vehicle scheduling system for oil products distribution. Moreover, the results could facilitate the blending and syncretizing of the techniques and theories in disciplines of Internet of Things (IoT), Operations Research, Artificial Intelligence and Knowledge Engineering.

针对油品需求突变而引发的配送车辆实时调度难题，以实现油品按需、精准、主动、及时配送为目标，融合情景感知、知识表示及运筹学优化理论方法，提出油品配送车辆调度问题基于数据流的在线智能建模方法，主要研究：多源数据流的处理与分析方法、配送需求情景的表示及车辆调度知识的表示方法、基于情景及知识的在线实时模型构建与求解方法，开发基于数据流的油品配送车辆调度软件原型系统，并结合中石油天然气运输公司大连分公司的加油站油品主动配送业务，开展应用研究。.该项目研究成果有利于提高油品主动配送车辆调度方案生成的实时性、科学性和智能性，提出的在线智能建模方法有利于实现配送需求情景驱动的模型自动生成与求解，提高油品配送车辆调度系统的效能；有利于促进物联网技术、运筹学、人工智能、知识工程等学科理论的交叉与渗透。

针对油品需求突变而引发的配送车辆实时调度难题，以实现油品按需、精准、主动、及时配送为目标，提出了油品配送车辆调度问题基于数据流的在线智能建模方法，主要进行了以下研究：（1）针对多源数据流的实时分析难题，提出了基于聚类和非参数回归的加油站油品需求预测方法；（2）针对油品配送需求情景的分析与捕捉难题，进行了油品配送情景知识表示与实时感知研究；（3）针对现有的模型算法不适合中国油品配送实践问题，开发了分别考虑司机工作量均衡的、多种横向转运配送方式下以及能够同时解决多车型指派、多车舱配载的油品配送优化模型与快速求解算法。本研究开发了油品配送车辆调度软件原型系统，并结合中石油天然气运输公司大连分公司的加油站油品主动配送业务，开展应用研究。.项目研究成果的贡献在于：（1）提出的基于聚类和非参数回归的加油站油品需求预测方法，提供了处理数据多源异构性和连续涌入性的新思路；（2）提出的成品油配送系统中典型情景与库存-路径问题的知识表示方法，为实现配送系统科学、高效的智能化建模与求解提供了重要保证；（3）提出的物联网环境下加油站成品油的供应可能不足时刻点实时感知方法与库存动态监测预警方法，可以实时感知油品供应可能不足时刻点，并及时触发后续的油品配送车辆调度进行补货，为配送系统典型情景的实时感知、智能化建模奠定了基础；（4）开发的多种成品油配送方案优化方法，结合了中国成品油配送方式的特征，为中国成品油配送调度实践提供了实用而有效的工具，提高了问题求解的效率和结果的实用性。.结合本项目的研究，已录用和发表期刊论文14篇，已公开发明专利1项，其中，SSCI及SCI已收录1篇，EI已收录9篇；国家自然科学基金委员会认定的国内A刊论文5篇。本项研究为油品配送车辆调度基于数据流的在线智能建模问题开辟了新的途径。