基于遗传算法的动态路径诱导

动态路径诱导 (DRGS)是智能运输系统研究的一个重要方面 ,旨在通过向驾驶员提供基于实时交通信息的最佳行驶路径来达到诱导出行行为 ,减少车辆在道路上的逗留时间 ,进而实现改善城市交通和避免交通拥挤、阻塞的目的。路径牵引算法是DGRS中的重要研究内容 ,它能计算出给定起讫对之间的最优或准最优路径 ,路径牵引算法要考虑到全局准最优和实时性问题 ,而遗传算法具有全局寻优和潜在的并行性特点。将遗传算法应用于动态路径诱导系统中求解最佳路径 ,设计了特定的有序选择、交叉和遗传算子 。

改进的蚁群算法在动态路径诱导中的应用研究

针对基本蚁群算法收敛速度慢和易陷入局部最优的缺点,在对信息素和启发信息进行标准化以消除量纲和取值范围影响的基础上,提出带方向的信息素更新和混沌选择策略来改进蚁群算法。将路网节点间的相对位置信息引入信息素更新,以加快搜索速度;使用混沌扰动改进选择策略,以避免出现早熟停滞现象。并将其用于城市交通动态路径诱导的研究中,以重庆市渝中半岛的路网为实例计算以最短行程时间为目标的最优路径,结果表明该算法是有效、可行的,比基本蚁群算法具有更好的全局搜索能力。

基于多智能体系统的动态路径选择算法研究

动态路径选择算法是城市交通流诱导系统的核心理论之一 ,一直受到国内外研究学者的普遍关注。本文给出了一种基于多智能体系统的动态路径选择新方法 ,阐述该方法的主要思想 ,借助交通模拟软件———PARAMICS建立一个基于多智能体的交通诱导系统 ,并实现对一个简单路网的诱导管理。仿真结果显示 :该方法具有实时性强和鲁棒性好的特点 ,说明多智能体系统在实际交通诱导应用中具有可行性。

智能交通混合动态路径优化算法

针对实时环境下交通信息实时、动态的特性,提出了实时环境下基于混合的动态路径优化算法。该算法在广义自适应A~*算法的基础上,结合剪枝算法,同时引入了粒子群算法局部最优及全局最优智能存储、模糊时间窗等优化策略。剪枝算法以当前局部最优为阈值,从而能够有效控制阈值的大小;模糊时间窗约束算法优化时间以及控制仿真时间,从而使算法更好地适应实时环境。实验数据采用纽约地图数据,并在仿真实验环境下,分别验证了优化策略的有效性,同时,将优化算法与A~*算法进行了对比实验。实验证明:优化策略在动态路径优化算法中是有效且合理的,可适应于动态路径诱导系统。

基于改进蚁群算法的动态多路径诱导系统研究

传统的动态路径诱导系统只能向出行者提供唯一一条最优路径,可能引起出行者的集聚反应,进而导致拥挤漂移问题的出现.本文提出了一种基于改进蚁群算法求解最短路径的方法,实现了动态路径诱导系统中最短路径的搜索.改进蚁群算法对信息素和启发信息进行标准化,消除量纲和取值范围的影响,引入方向函数作为新的启发式因子,使算法的收敛速度得到提高.仿真实验表明该方法收敛速度比较快,搜索结果比较合理、有效,能够满足动态路径诱导的实时性和快速性要求.

城市交通控制与诱导系统协同研究

从子系统功能整合的角度研究城市交通控制与诱导系统协同问题,指出两系统协同的内容主要包括:信息协同,策略协同和协同实施。描述了系统协同的数据结构,提出信息协同组织流程,对交通控制系统与诱导系统的策略协同进行研究,给出两系统的策略协同模型,以multi-agent技术为依托,建立了城市交通控制与诱导系统协同实施的体系框架,并通过仿真分析说明算法的有效性。为城市交通控制与诱导系统协同的最终实现提供理论指导和方法依据。

A^＊算法改进及其在动态最短路径问题中的应用

动态最短路径搜索算法是智能交通系统技术应用的关键问题之一．为了解决这一问题,提出以一致性原则动态形式为基础的动态A*算法(dynamic A* algorithm,DA* algorithm)并证明了在两节点间动态下界满足一致性原则动态形式前提下,该算法能够求解满足先进先出原则的动态网络中两节点间最短路径问题．在以广州市交通路网为基础的动态网络上对DA*算法进行试验．试验结果表明,Dijkstra算法的和A*算法的平均计算时间分别是DA*算法的6．55和1．43倍．

求解动态路径诱导K路最短问题的人工免疫优化方法

针对智能交通诱导系统中传统最短K路算法的运行效果不佳,提出一种新型人工免疫优化搜索算法,并将其应用于扩展节点法建立的城市交通路网模型,实现了城市交通诱导系统的最优K路搜索.该算法基于生物免疫系统的免疫记忆功能,具有全局性并行搜索的特点.在K路最短问题求解时能同时给出K条最短路径,不存在遗传算法的早熟现象并具有更好的并行处理能力.示例仿真验证了算法的有效性与实用性.

基于实时交通流信息的中心式动态路径诱导系统行车路线优化技术研究

近年来,世界各国纷纷致力于新兴交通科技,如智能运输系统(IntelligentTransportationSystems,ITS)的研究和应用,以应对目前严峻的交通环境。笔者综合应用道路检测器检测的交通流量数据以及路段交通流量与路段行程时间的内在联系,运用增量加载最短路优化的方法对智能运输系统的核心技术—城市交通流诱导系统(UTFGS)中的中心式动态路径诱导系统中的行车路线优化技术展开研究。

实时环境下多目标的路径选择模型

针对出行者出行需求多样化的问题,本文从时间、费用角度出发,构建了实时环境下基于多目标的路径选择模型。采用加权求和函数对多维数据聚集得到组合权重,而权重系数可依据出行者需求或喜好设定。为验证模型的实用价值,在仿真环境下,多目标模型与基于几何距离最短的路径选择模型在时间、费用、距离等评价指标进行了对比。实验结果证明实时环境下基于多目标的路径选择模型更具有实用价值。

基于多智能体系统的城市交通控制与诱导集成化研究

首先分析城市交通信号控制与动态诱导系统集成的特点及多智能体系统的原理,在此基础上提出基于多智能体系统的城市交通信号控制与交通诱导集成系统的体系结构以及两类相互作用的智能体模型结构:交通信号控制智能体模型及动态交通诱导智能体模型,以交通信号控制智能体模型为主,分析其内在结构和作用机制,最后分析总结了未来研究展望。

基于DEDS的A-SMGCS航空器动态滑行路径规划

为实现先进场面引导与控制系统中航空器动态滑行路径规划,建立了基于静态路径规划、动态路径规划和实时路径更新的总体框架。依据跑道、滑行道和停机坪使用规则建立基于Petri网的场面活动模型及线性不等式约束的活动控制规范,给出了当前规划航空器在满足与场面其他滑行航空器不冲突条件下的极大代数状态方程,并将静态预选路径作为可行解对滑行路径进行动态优化。针对滑行中出现的时间偏差,采用时间窗调整或再规划策略更新路径。仿真实例结果表明,动态路径规划从战术上避免滑行冲突,减少航空器的等待时间,显著提高了场面交通容量。

基于蚂蚁算法的PGIS中动态路径诱导技术研究

停车诱导系统(PGIS)将计算机、信息与多媒体等技术应用于交通管理领域,是智能交通的重要组成部分。首先分析了PGIS中一项关键技术——动态路径诱导的特点和实时诱导技术要求,根据该要求,介绍了一种生物界仿真算法——蚂蚁算法的特点及其应用在最优路径搜索中的基本方法。仿真实验表明该方法搜索效率较高,可用于动态路径诱导技术中。

诱导信息影响下的路线选择模型

动态路钱诱导系统为决定出行和已出行的人提供路网交通状况信息或为他们决策提供出行建议，通过这种方式影响出行人的出行时间、出行方式以及出行路线等的选择。在分析了诱导信息对路径选择行为的影响后，给出不可分的路段费用函数，把诱导信息影响下的路线选择问题组织成一个非对称路网均衡问题，并给出用嵌入遗传算法的对角化算法求解的算例．最后，讨论了有待进一步研究的内容．

分布式动态路径诱导系统分析与设计

动态路径诱导系统是由车载单元和交通控制中心这两大系统和与之相互通信的无线通信网络构成。分布式动态路径诱导系统DDRGS的控制中心的任务比较轻,通信设施简单,见效时间短。以分布式动态路径诱导系统为研究对象,介绍了DDRGS的诱导信息构成、系统功能分析与设计、系统结构分析与设计、系统开发方式与系统开发环境等;根据我国的交通现状,提出了系统的软硬件构成方案,介绍了系统的各个模块功能,并提出了动态道路权重发布的方案。

基于粒子群优化算法的动态停车路径诱导技术

首先分析了停车诱导系统(PGIS)中动态路径诱导的特点;为了达到实时诱导技术要求,介绍了一种生物界仿真算法——粒子群优化算法的特点及其应用在最优路径搜索中的基本方法;仿真实验表明该方法搜索速度非常快,适合用于动态停车路径诱导技术中。

基于“节点删除”的多路径获取方法的研究

提出一种基于“节点删除”的多路径获取算法 ,可以用来为动态路径诱导系统 (DRGS)提供多条“合理的”候选路径 .该算法比传统的“k-最短路算法”和基于“重叠惩罚”的多路径算法更简单、快捷和有效 .

基于前景理论的实时路径选择模型(英文)

动态路径诱导是解决交通拥堵问题行之有效的手段.传统动态路径诱导系统中的路径选择模型依托期望效用理论,实践表明这种以确定性的理论解决具有不确定性的交通问题的模型与出行者的实际行为之间存在明显的背离.针对交通状况的复杂性、时变性、不确定性,本文建立一种基于前景理论的路径选择模型,该模型考虑了由于出行者的主观能动性而导致的非完全理性化的交通行为特征,能够准确地描述不确定性交通条件下出行者的决策过程.通过仿真实验对比基于前景理论与基于期望效用理论的路径选择模型给出的最优路径,结果表明前景理论在描述出行者的路径选择行为时能够在一定程度上克服期望效用理论的不足,可以较准确地刻画出行者在不确定性条件下的路径选择决策行为,更接近于出行者的实际行为模式.

基于GIS环境的一种混合车辆路径诱导策略

论文首先在GIS环境下按照城市道路交通流特性建立了动态交通路网模型,并以此为基础设计了一种混合道路交通路径诱导策略。该策略包括两种不同的路径诱导模式:全局静态诱导和局部动态诱导。通过车辆路径诱导系统中的短时行程时间预测模块,针对城市道路交通流特性的突然改变加以判断,然后根据判断结果决定在两种诱导模式之间进行有效的切换。基于VC++和MapX控件的仿真试验表明,采用这种混合道路交通路径诱导可以较好满足系统的实时性和最优性要求。

高维多目标动态停车场选择及路径诱导研究

现有停车诱导系统中采用的停车场选择及路径诱导方法多局限于提供用户出行前多目标最优的停车场选择方案及路径诱导方案,无法实现用户行进过程中动态的多目标停车场及路径优化选择,此外由于现有多目标优化算法性能受限,无法快速获得真正高维多目标最优的决策方案。针对上述问题,提出一种综合用户出行前静态的和行进中动态的高维多目标停车场选择及路径诱导模型,并设计了高维多目标优化算法KS-MODE保证模型的高效求解。实验结果表明,KS-MODE在4~15目标优化问题上的收敛性能相比较于现有多种算法具有明显优势,基于KS-MODE的模型求解能够在城市交通网中实现出行前及行进中的五目标最优的动态停车场选择及路径诱导,证明了高维多目标优化算法是求解停车场选择及路径诱导的有效方法,能够提高现有停车诱导系统的诱导精度及智能化程度。