| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究的背景 | 第8页 |
| 1.2 研究的意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-11页 |
| 1.3.1 动态车辆调度研究现状 | 第9-10页 |
| 1.3.2 车辆调度系统研究现状 | 第10-11页 |
| 1.4 论文研究内容 | 第11-13页 |
| 2 相关理论及技术介绍 | 第13-18页 |
| 2.1 GPS 定位技术 | 第13-15页 |
| 2.1.1 GPS 系统组成 | 第13-14页 |
| 2.1.2 GPS 定位原理 | 第14-15页 |
| 2.2 GPRS 无线通信网络 | 第15-17页 |
| 2.2.1 GRPS 原理和结构 | 第15-16页 |
| 2.2.2 GPRS 技术应用优势 | 第16-17页 |
| 2.3 GIS 地理信息系统 | 第17-18页 |
| 2.3.1 GIS 基本组成 | 第17-18页 |
| 3 动态车辆调度策略 | 第18-34页 |
| 3.1 集送一体化车辆调度概述 | 第18-21页 |
| 3.2 动态车辆调度策略 | 第21-27页 |
| 3.2.1 车辆调度时间轴策略 | 第21-24页 |
| 3.2.2 车辆调度聚类分区策略 | 第24-27页 |
| 3.3 动态车辆调度策略实例应用 | 第27-34页 |
| 4 动态车辆调度模型 | 第34-48页 |
| 4.1 集送一体化动态车辆调度模型建立 | 第34-36页 |
| 4.1.1 动态车辆调度约束 | 第34页 |
| 4.1.2 动态车辆调度参数 | 第34-35页 |
| 4.1.3 动态车辆调度数学建模 | 第35-36页 |
| 4.2 算法概述 | 第36-39页 |
| 4.2.1 禁忌搜索算法 | 第36-37页 |
| 4.2.2 遗传算法 | 第37-39页 |
| 4.3 蚁群算法研究 | 第39-46页 |
| 4.3.1 基本蚁群算法的数学模型 | 第39-42页 |
| 4.3.2 改进蚁群算法 | 第42-46页 |
| 4.4 车辆调度实例应用 | 第46-48页 |
| 5 动态车辆调度系统设计 | 第48-63页 |
| 5.1 设计的原则 | 第48-49页 |
| 5.2 基于GPS/GPRS/GIS 的车辆调度系统模式建立 | 第49-53页 |
| 5.2.1 系统模块组成 | 第49-52页 |
| 5.2.2 车辆调度模式工作流程 | 第52-53页 |
| 5.3 车载端设计 | 第53-57页 |
| 5.3.1 GPS通信协议设置 | 第54-55页 |
| 5.3.2 GPS 坐标经纬度转换 | 第55-57页 |
| 5.3.3 车载端硬件连接设置 | 第57页 |
| 5.4 调度中心可视化设计 | 第57-63页 |
| 5.4.1 Maplnfo技术介绍 | 第58-60页 |
| 5.4.2 GIS 地图建立 | 第60-62页 |
| 5.4.3 GIS 地图功能实现 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 附录 基于蚁群算法的动态车辆调度程序 | 第70-75页 |
| 在学研究成果 | 第75-76页 |
| 致谢 | 第76页 |