车载自组网信息服务与动态交通诱导算法研究

为保障交通安全和提升交通效率,利用了当前条件下IEEE802.11p的VANET(Vehicular adhoc network,车载自组网)、相对定位技术、蚁群并行算法动态交通诱导技术,对交通数据进行实时采集与处理。结合模糊理论提出了车载自组网下对人们出行方式有效判断的隶属函数及逻辑推算规则,并通过车载地图规划或驾驶员向车载专用短程无线通信输入,构建当前车载自组网下交通信息服务与动态交通诱导。通过试验得到平均路径长度和最小路径长度收敛曲线,结果对比分析发现改进后的蚁群算法对全局最优解的搜寻效率更高,可靠性得到很大的提升。蚁群算法并行计算试验中,当处理器的数量为4时,收敛值时间花费最少,所采用的蚁群并行算法能大大提高了处理速度和效率。

城市交通控制与诱导系统智能协作

交通信号控制和动态交通诱导是城市交通管理的两个主要手段,两者智能协作能提高城市交通管理效率.本文分析了交通信号控制与动态诱导系统的关联特点,利用多智能体技术和融合技术对其智能协作进行研究,提出城市交通信号控制与交通诱导系统智能协作的结构框架,以交通信号控制执行级智能体为例,介绍分析智能体内在结构和作用机制,并研究了城市交通控制与交通诱导的系统协作模型,实现城市交通控制与诱导系统智能协作和全局优化.

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。

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。

城市交通控制与诱导系统协同的信息分析

交通信号控制和动态交通诱导是城市交通管理的两个主要手段,2者协同运作能提高城市交通管理效率。多源交通信息处理是交通控制与交通诱导实现协同的基础和关键。文章分析了交通控制与动态诱导系统的信息需求特点,对交通控制与交通诱导系统协同运作的数据处理与信息融合进行了研究。

基于改进遗传算法的城市交通动态最优路径求解

针对传统遗传算法在交通诱导系统中求解最优路径问题中存在早熟收敛,易陷入局部极值点以及求得的最优路径缺乏实时性的问题,在模型中加入了实时交通信息,引入了一种新的带染色体交叉控制策略的改进遗传算法,配合单点交叉算子,消除了传统遗传算法中早熟收敛的不足,并使所求最优路径更加贴近实时的交通状态,切实达到诱导目的,提高整体路网的运行效率。

基于遗传算法的离散时间动态网络最短路径求解(英文)

采用遗传算法来求解不满足先进先出原则的动态网络中的最短路径问题,并采用所提出的随机A*算法解决了利用遗传算法求解最短路径问题时的最大障碍——初始种群的产生.最后以广州市电子地图为基础随机产生了一个不满足先进先出原则的动态网络(包括20000个节点,40000条边和144个时间间隔),来对所提出的算法进行验证.试验结果表明,遗传算法适合求解非常态且不满足先进先出原则的动态网络中的路径诱导问题.

模糊推理技术和神经网络在智能交通系统中的应用

本文提出一种新的BP和RBF混合神经网络算法,并将其应用在智能交通诱导系统的研究。此研究既解决了现存交通信息孤岛问题,又实现了交通动态诱导的功能,提高了路网通行能力,具有重要的理论意义和现实意义。

胸怀经纬纳山河 创新不息写春秋——记吉林大学交通运输领域研究的开拓者杨兆升教授

快速步入汽车社会的中国,正面临难解之题:拥堵。伴随堵车,巨额的财富悄然流失。国务院参事、中国科学院可持续发展战略研究组组长、首席科学家牛文元指出。

超图导航平台SNE移动智能导航系统

项目简介：该项目利用成熟、先进、实用的移动网络平台整合北京路况信息资源，利用移动网络运营，借助GPS车载终端，为驾驶员提供城市实况语音图像导航、黄页查询、动态交通诱导等便捷的、实用信息服务等个性化交通信息服务，解决公众出行信息不对称的问题，