“十二五”期间,我国交通运输要素资源数字化水平稳步提高,智能化水平持续发展,发展环境不断优化,建立了全国重点营运车辆联网联控系统,推动了全国道路货运车辆公共管理平台与服务的发展建设。“十三五”期间,将提升我国交通运输行业的智能化水平,同时加强自动驾驶的规划,鼓励关键技术的创新。数字化转型正在加速城市的建设,为了推动自动驾驶汽车在公路上行驶,很多公司都开发了自动驾驶系统,为了将该系统投入使用,必须满足数据的共享需求,例如运行时间、停车位置等。汽车云计划结合了出行者、服务公司等不同的群体,出行者不需要购买自动驾驶汽车,通过手中的移动设备向云计划系统发出出行请求,云计划系统结合出行者的出行特征和自动驾驶车辆的状态向出行者提供服务。传统车辆调度问题主要专注于车辆确定性和静态问题模型的研究,然而,自动驾驶车辆路径规划中的配送问题通常涉及客户订单的大小、顾客的时间窗口,位置车辆行驶时间等方面的不确定性,因此,本文对带时间窗的动态自动驾驶车辆调度问题进行了研究,具有很强的科学意义和工程应用价值。论文的主要研究内容如下:(1)建立了带时间窗车辆调度(VSPTW)订单模型本文在已知的静态生成的初始时间表上,在接受新客户订单时,将动态的模型在时间的分割上转换成静态的模型来处理。这个新订单模型很好地解决了处理动态问题时带来的困难。在VSPTW新订单模型的基础上,本文对车辆交付问题中的动态随机重负荷、非渐进订单下的服务策略、具有客户急切的动态和随机车辆问题进行了研究,为蚁群搜索调度器的设计提供了参考。(2)设计了面向带时间窗动态车辆调度的蚁群算法本文设计了基于蚁群优化系统搜索架构的混合求解器,在蚁群算法中,通过将本地搜索启发算法与路径问题相结合构造新算法,处理动态问题具有很强的灵活性;同时蚁群算法处理动态车辆路径问题中创造出来的虚拟信息素路径在求解车辆问题是一个很好的方案。最后,本文基于自由流、混合流、堵塞流三种常见的交通场景,在JADE中将蚁群算法与构造启发式算法进行了对比实验,验证了蚁群算法的先进性。(3)设计了云计划下的带时间窗自动驾驶车辆调度实施流程基于车辆调度问题的复杂性和动态性,通过分析云计划下的车辆调度需求和开发原则的基础上,搭建了车辆调度系统框架,并对自动驾驶车辆调度实施流程进行了设计。