随着全球经济的迅猛发展,化工产业链不断延伸,危化品的运输总量日益增加。危化品运输主要通过铁路运输、船舶运输以及汽车运输三种方式,其中汽运具有方便、快捷等特点,是危化品运输的主要方式,但该方式运输成本较高,同时也带来了许多不可预知的风险,危化品公路运输的有效管控已经成为全社会关注的问题。为此,本文以企业实际需求为背景,设计开发了一套危化品运输调度与监管系统,旨在结合调度优化和预警技术来减小危化品的运输开销及风险,以提高运输效率。本文主要研究内容如下:(1)给出了危化品运输调度与监管系统的总体框架,详细阐述了系统的关键技术。(2)提出了一种多目标动态车辆路径(MODVRP)模型和两阶段求解策略。在分析传统模型的基础上,综合考虑动态需求、路网影响、车辆共享、时间窗以及客户满意度等因素建立新型模型。预优化阶段采用多目标混合粒子群优化算法(MOHPSO)结合自适应网格算子取得Pareto最优解;实时优化阶段根据动态需求进行快速路径调整。实现了更加合理的多目标动态车辆调度,并进行了实验论证。(3)提出了一种基于深度学习的疲劳状态识别算法。介绍深度学习相关概念,针对疲劳识别的特点设计FRADL算法,完成疲劳特征的分层自动抽取,实现基于时间窗的视频流图像疲劳状态识别。实验表明,算法对疲劳状态的识别具有实时性、准确性和很高的个体适应性。(4)实现了危化品运输调度与监管系统,将关键技术应用于系统中,完成系统的设计与开发,给出系统主要运行界面。