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。

面向驾驶员个性化需求的动态路径诱导方法

基于物理规划的思想,研究面向驾驶员个性化需求的动态路径诱导方法。首先,分析个性化动态路径诱导问题,构建路段交通阻抗的个性化评价指标体系;然后,基于物理规划思想,进行个性化动态路径诱导:面向驾驶员对道路的"可行性"需求动态确定交通路网搜索的几何空间;面向驾驶员对道路的"偏好性"需求,对几何空间内的交通路网阻抗进行个性化评价;面向驾驶员对道路的"最优性"需求,基于Dijkstra算法在动态交通路网中进行最优路径搜索;当路网中的交通阻抗发生变化时,及时更新路网信息,重新搜索从车辆当前位置到目的地的最优路径。研究结果表明:该方法既能体现驾驶员的个性化需求;仿真算例验证了该方法的有效性和可行性。

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 。

动态路径诱导系统的研究进展

动态路径诱导系统研究是智能运输系统研究的一个重要方面,本文基于对动态路径诱导系统的综述和分类。

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。

遗传算法在动态路径诱导系统中的应用

提出了以随机A*算法为基础,运用遗传算法来求解不满足先进先出原则的动态网络中最短路径问题的思路,其中通过运用提出的随机Dijkstra算法解决了将遗传算法应用于最短路径问题中的最大障碍——初始种群的产生.最后,以广州市电子地图为基础,对提出的算法进行了验证,验证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.

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.

A＊算法在基于电子地图的动态路径诱导中的应用

动态网络中两节点间最短路径问题是目前尚未解决的一个难题.文中提出利用A*算法来求解电子地图中的这一问题,并利用电子地图中的地理信息来得到网络中两节点间最短距离的下界,运用这些下界来设计有效的A*算法.以广州市电子地图为基础,随机产生了一个满足先进先出原则的动态网络,利用这个网络对提出的算法进行了试验及性能分析.试验结果证明了该方法的有效性.

基于局部连通性的在途动态路径诱导方法

驾车购物已经成为现代城市居民常见的生活出行方式,而驾车购物出行量的不断增长也引发了严重的道路交通供需矛盾,加重了城市交通拥堵程度.为更好地满足居民驾车购物出行的实际需要,出行路径诱导已成为一种优先选择,但目前大多数路径诱导方法运用固定的最优路径搜索算法来规划行驶路线,不能完全自适应交通流的变化,并没有考虑到购物出行特点.本文提出一种在途动态路径诱导方法,分析实时交通信息对路网连通性的动态影响,在途中对诱导路径进行局部范围的重新搜索,并及时将更新结果反馈给在途车辆.实验结果表明,与其他动态路径诱导方法相比,该方法计算量减少了56%以上,具有更强的实时性和有效性,并具有开放性结构,能够根据需求替换不同路径搜索算法.

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。

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ArcGIS的动态路径诱导系统研究

在分析中心式动态路径诱导系统、ArcGIS、Web服务和GIS Web服务等关键技术的基础上,设计了基于ArcGIS的动态路径诱导系统方案和仿真系统的总体框架,并对系统采用的方法、技术进行分析和研究。

基于遗传算法的驾驶员动态路径诱导研究

动态路径诱导的目的在于向道路行驶者提供基于实时交通信息的合理、高效的行驶路线,以保证车辆在路网上运行的总费用最小。将遗传算法应用于动态路径诱导,通过引入任意迪杰斯特拉算法解决了遗传算法应用于最短路径的初始种群的选择、交叉和变异问题,提出了运用遗传算法求解动态网络中最短路径问题的新方法。最后,以西安市电子地图为基础,验证了遗传算法在动态路径诱导中的有效性。该研究为交通管理控制、驾驶员出行提供了更加准确和有效的路径诱导决策辅助信息。

动态路径诱导算法及其仿真

引入虚拟路径和拥堵因子,提出实时道路状况对路径规划算法权值影响的关系模型,在Dijkstra算法的基础上实现车辆的动态诱导,并以VB与MapX构建的GIS系统平台对该算法进行仿真,证明算法的有效性.

动态路径诱导系统中路段饱和度数据在电子地图上的标识方法

讨论了动态路径诱导系统中路段饱和度数据信源编码和在电子地图上标识的方法 ,提出了路段饱和度数据分段编码颜色标识的新思想 ,大大提高了信源编码的效率 ,显示方法更加方便、明晰。

动态路径诱导交通阻抗优化方法与实现

基于实时交通采集数据,获取合理动态规划最优路径,提出了考虑驾驶员出行行为因素的交通阻抗优化方法.研究了基于实时交通状态因素的动态路网优先等级指数的确定方法,重构了动态路径诱导交通网络模型,大大降低了路网的复杂度;基于多源实时数据,研究了动态路径诱导交通阻抗优化的计算方法,实现了路网的动态路径诱导,并通过GIS平台进行了仿真分析.该方法更符合驾驶员行为习惯,对于改进Dijkstra算法在动态路径诱导中的应用具有操作优势和显著意义.

基于A*算法的动态路径诱导算法研究

城市交通路径诱导系统是智能交通系统的重要组成部分,而最优路径算法作为路径诱导系统的重要部分,一直是计算机科学、运筹学、地理信息科学等学科的一个研究热点;本文在研究传统的静态路径算法的基础上,采用改进的A*算法,以西安市电子地图为基础,研究出实现动态交通网络中路径诱导的方案。

基于智能优化算法的动态路径诱导方法研究进展

采用综述的方法对当前动态路径诱导方法中一些有代表性的智能优化算法进行了深刻的探讨与总结,为未来进行深入而广泛的智能交通系统研究及应用奠定基础。主要从算法特性、改进效果、性能评价等方面详细讨论了智能优化算法在动态路径诱导系统中的常见改进机制及其效果,给出了这些优化算法的基本思想、优缺点及其应用局限性;并对智能优化算法性能评价方法的研究现状进行了详细的分析与总结,为建模人员和研究人员对智能交通系统中动态路径诱导方法的选择和研究提供支持;最后结合算法应用分析成果,展望了智能优化算法在动态路径诱导系统中的应用发展前景和智能交通系统中进一步研究未来动态路径诱导算法的重要研究方向。

改进量子蚁群算法在动态路径诱导中的应用

针对动态路径诱导中寻优算法收敛速度慢,易陷入局部最优解的不足,提出了一种改进的量子蚁群算法(IQACA)。首先,建立了考虑交叉口和路段耗费的动态路网模型,并建立了时间最优路径模型。借鉴量子蚁群算法的寻优策略,改进的量子蚁群算法通过将量子比特相位取值范围缩小的方法,提高概率幅的密度;采用Hadamard门变异机制,实现量子比特概率幅值的位置和大小的变化,扩大了种群多样性,增加了全局最优解搜索的概率。将IQACA算法应用到实际路网的动态路径诱导中,并与蚁群算法、量子蚁群算法进行对比分析,实验结果表明,改进的IQACA算法适用于求解时间最优路径问题,不仅具有很好的收敛性能还能够较快的得出时间最优路径。

智能交通系统中动态路径诱导算法分析

对智能交通中动态路径诱导算法进行较为系统的综述。首先,从微观和宏观角度对动态诱导系统中需要用到的交通参数模型进行分析和比较,并列举几种交通参数模型;然后,对一些经典路网寻优算法进行分析,并引用一些专家学者的研究成果;最后,对动态路径诱导算法的未来发展方向进行探讨。