随机时变路网下的城市应急服务车辆路径分析

针对城市应急服务车辆（110、119、120等）的最优路径选择问题及路网的随机性与时变性,利用鲁棒优化理论,考虑路网在最坏情况下的行程时间,建立了随机时变条件下的应急车辆路径选择模型,并对 Dijkstra算法进行改进,将算法的路阻矩阵进行实时更新,以在时变条件下实现对路径选择模型的求解。经算例分析表明,该模型能有效解决随机时变路网环境下的应急车辆最优路径问题,与基于概率分布的期望行程时间最短的方法相比,该模型拥有更高的鲁棒性和易操作性。     

基于云网格集成调度的防拥堵车辆路径规划算法

在道路交通路网中,车辆拥堵问题是流量与路网结构之间相互作用的一个复杂动态过程,通过车辆路径规划,实现对路网网格集成调度,从而提高路网通行吞吐量。传统方法采用并行微观交通动态负载平衡预测算法实现车辆拥堵调度和车辆路径规划,不能准确判断路面上的车辆密度,路径规划效益不好。提出一种基于云网格集成调度的防拥堵车辆路径规划算法,即构建基于Small-World模型的云网格路网模型,采用RFID标签信息进行路况信息采集,实现交通网络拥堵评估信息特征的提取,采用固有模态函数加权平均求得各车道的车辆拥塞状态函数,对所有车道内车辆密度取统计平均可获得簇内的车辆密度。设计交通路网拥堵检测算法来对当前个体道路信息进行一维邻域搜索,从而实现车辆路径规划控制目标函数最佳寻优。通过动态博弈的方式求得车辆防拥堵路径的近似最优轨迹,实现路径规划算法的改进。仿真结果表明,该算法能准确规划车辆路径,实现最优路径控制,从而提高严重拥堵路段的车流速度和路网吞吐性能,性能优越。     

基于并行遗传神经网络算法的动态路径选择方法

实时、高效的求解大规模路网中的最优路径是动态路径诱导领域的研究难点。针对基本遗传算法在计算大型网络的优化问题时表现出的求解效率低等缺点,在基本遗传算法中引入了子群体和迁移策略,提出了基于并行遗传算法的最优路径选择方法,设计了适用于路径优化的编码方式、适应度函数、遗传操作算子和迁移算子,并采用神经网络预测方法构造了实时动态的路阻矩阵。仿真试验表明:该方法的准确性、实时性和快速性优于基本遗传算法,并且大规模路网中求解效率和求解质量的平衡问题也得以解决。     

车辆行驶最优路径优化算法设计

针对实际交通路网的特点,对道路网络模型、路网数据库的结构建设、最优路径优化算法等问题进行了研究.建立了体现城市道路交通的方向性及交叉口延误和限制的新城市路网模型,该模型利用交叉口、路段等基本构成要素描述道路网络,利用节点--弧段联合结构描述路段特性,再用图论中的有向图思想将路网抽象成数学模型描述;基于经典高效的狄杰斯特拉(Dijkstra)算法,设计了一种可应用于实际道路网络中的最优路径算法--改进的狄杰斯特拉算法,采用该算法可求解带有转向延误和限制的最优路径问题.     

基于并行遗传神经网络算法的动态路径选择方法

实时、高效的求解大规模路网中的最优路径是动态路径诱导领域的研究难点.针对基本遗传算法在计算大型网络的优化问题时表现出的求解效率低等缺点,在基本遗传算法中引入了子群体和迁移策略,提出了基于并行遗传算法的最优路径选择方法,设计了适用于路径优化的编码方式、适应度函数、遗传操作算子和迁移算子,并采用神经网络预测方法构造了实时动态的路阻矩阵.仿真试验表明该方法的准确性、实时性和快速性优于基本遗传算法,并且大规模路网中求解效率和求解质量的平衡问题也得以解决.     

路径诱导系统中双向启发式A*算法研究

针对实际城市交通路网最优路径规划中存在的计算效率问题,研究了最优路径算法的快速实现技术,提出了一种双向启发式A*诱导算法。在分析经典Dijkstra算法和A*启发式搜索算法的基础上,利用双向A*算法分解搜索空间,采用完全二叉堆结构来实现计算过程中数据的存取,从而提高了算法的执行效率。实际路网仿真结果证明了该算法的优异性能。     

基于RFID双频卡的多义路径识别的研究与实现

高速路网内起讫点之间存在二义性路径,导致高速公路收费拆帐复杂且不准确,如何进行多义路径识别是关系到联网收费能否大范围实现的一个至关重要问题。文中提出基于双频卡的多义路径识别方案,可在不改造现有高速公路出入口车道软硬件的前提下,解决高速公路联网收费多义性路径车辆通行费收取、拆分与结算等一系列问题。     

城市轨道交通网络路径生成方法

结合城市轨道交通网络的结构特点,构建了城市轨道交通路网模型,以及满足路径费用计算要求的路网实体数据结构;制定了路径表达二项组以及符合乘客路径选择行为的有效路径判定条件;设计了基于路网模型的广度优先遍历搜索算法以得到全部有效路径,通过比较路径费用舍弃高耗路径而利用低耗路径。通过北京市轨道交通网络的数据对模型和算法进行验证。     

基于邻近数据查询算法的街区路网规划仿真

城市街区路网的规划主要受到交通密度、主干路间隔的影响,由于交通环境的动态性,对路网的规划也需持续更新,因此通过路网规划获取最优出行路线难度较大。现提出基于邻近数据查询算法的街区路网规划方法。获取Voronoi图对街区路网空间数据集划分后的多个空间单元,并将其存储在路网结构中。基于空间均分法,将街区路网空间区域划分成不同的区域,利用邻近数据查询算法,查询路网目标节点。确定街区各个层次路网的规划拓展等级,建立街区路网拓扑树,通过对拓扑树获取街区路网最优路径节点序列,实现街区路网的规划。实验结果表明,研究方法完成路网规划时其最优路径查询时间、CPU开销以及路网规划耗时指标均优于对比方法,以此验证了提出方法具有更理想的实用性。     

智慧城市路网交通流量均衡性优化调度方法

早高峰和晚高峰时段的路网交通混乱,极易发生拥堵情况,为缓解交通系统压力,设计节点元胞划分下智慧城市路网交通流量均衡性优化调度方法。获取不同交通路线间的流量分离函数,定义路径交通流量和可用路段费用,得到出行者在某段路径上的概率函数,计算智慧城市路网各路段交通流量;获取流量守恒和车辆传递函数,计算可变元胞的单独序列,建立交通节点元胞划分模型;设计交通流量均衡性优化调度算法,得到城市路网均衡性的优化调度结果。设置仿真参数,对比优化前后三个路网模型的路径流量,仿真结果显示：早高峰和晚高峰时段路段内的路径流量明显降低,在其他时段,优化后的路径流量也不同程度下降,且路网模型越复杂,该优化方法的调度效果越好。     

高速公路多匝道远程协同控制技术研究

传统高速公路多匝道控制方法大多是使用线圈进行参数采集,使交通调节率计算不精准,导致技术控制精准度较低,针对该问题,提出了多匝道远程协同控制技术研究。结合高速公路协同环境,限制主线交通,计算车辆进入路网后周期性路径距离和预测时间的通行成本,根据实际路况对系数进行调整,当参数系数为0时,通行成本最低即为最优规划路径,并触发路径诱导执行。充分考虑匝道总流量约束条件,执行诱导方案,获取最短控制周期,使用模糊逻辑算法计算控制周期内的控制率,从而实现多匝道控制目的。通过实验对比结果可知,该技术控制精准度较高,为保障高速公路安全运行奠定基础。     

分布式交通仿真路网模型的设计与持久化

针对传统仿真路网模型在大规模路网描述及数据共享、操作与维护上的不足,提出了1种分布式交通仿真路网模型的设计与持久化方案。首先提出了三层路网模型描述方案,导入并简化了地理信息系统（GIS）数据,再现了真实路网信息。然后在此基础上设计了基于关联映射的路网数据结构,实现了数据的分层存储,同时对数据进行对象关系映射（ORM）持久化,提高了数据的可操作性与易维护性。最后给出了面向对象路网数据操作的示例。     

基于MapX的高速公路动态拓扑结构的构建

最优路径分析是地理信息系统(GIS,Geographic Information System)网络分析的基础,而道路网络拓扑结构的构建又是最优路径分析的关键.结合高速公路网和MapX组件的特点,将MapX控件与Visual C++ 6.0开发平台相结合,采用数据结构中的邻接表来表示高速公路网络的拓扑结构.仿真结果表明,对高速公路电子地图中任意选定的某条道路或某些区域,系统都能形成所选区域中道路之间的拓扑关系,并将提取出的相关道路的路网信息自动存储到数据库中,从而为后续的道路交通仿真及事故救援时进行最优路径搜索提供必要的信息.     

城市交通最优路径规划仿真研究

研究城市交通最优路径规划问题,由于城市交通网复杂,增加了规划的难度,传统的最优路径规划算法没有考虑城市道路网络中的交通限制问题,更忽略了车辆在道路交叉口转向延误的时间,不符合城市交通的实际情况.为了解决上述问题.首先建立了一个城市路网交通模璎.然后运用线性规划方法建立最优路径规划问题的线性规划模型.最后采用桶排序算法对狄杰斯特拉算法进行优化,得到一个新的最优路径规划算法,对线性规划模型进行求解.仿真结果证明,利用算法搜索得到的最优路径更加符合实际的路网情况,为设计提供了理论依据.     

基于时空注意力网络的动态高速路网交通速度预测

交通速度是影响高速路网通行效率和安全的重要指标,精准预测高速路网交通速度可以减少交通事故和通行时间,预先为交通控制提供有价值的参考信息,对高速公路管理具有重要意义。基于时空注意力网络,提出一种由数据和长期预测任务驱动面向动态高速路网的交通速度预测模型(ST-ANet)。通过图注意力网络提取高速路网的动态空间关联特征,使用长短期记忆网络提取输入数据的时间关联特征。在此基础上,采用基于多头自注意力机制的时间注意力网络计算历史输入数据和预测值之间的相关性,并利用密集连接和层归一化方法进一步提升模型性能。基于中国宁夏回族自治区银川市高速路网监测数据进行实验,结果表明,与GCN-LSTM模型相比,STANet模型预测未来1 h、2 h和3 h内高速路网交通速度的平均绝对误差分别降低4.0%、3.6%和3.9%。     

城市动态时间最短路径诱导系统实现研究

就城市路网动态时间最短路径诱导系统的实现展开研究.针对邻接表和邻接矩阵在保存完整的路网信息时出现高冗余并导致算法计算时间成倍增加的现象,以改进的前向关联边结构作为路网的存储结构,并依此对Dijkstra算法进行改进,用于路网节点之间动态时间最短路径的求取.在此基础上,基于市区实时交通流数据和相位配时信息,结合高精度交通电子地图,开发了东莞市动态路径诱导系统进行实验仿真.该系统针对改进后的算法与原算法的差异,设置了静态和动态两种最短路径计算模式,对两种模式的计算时间和计算结果进行了对比.结果表明改进算法能够在不增加时间复杂度的前提下,充分考虑动态交通流状况、交叉口限向和转向延误,有效解决城市路网动态时间最短路径问题.     

基于矢量地图数据的路径规划算法研究

分析了矢量地图数据格式的特点,在进行路网拓扑信息提取和“分层分块”存储的基础上,比较了几种常用路径搜索算法;给出一种基于多级比例尺地图模型的多比例尺启发式最优路径规划算法,并对如何提高路径规划的实效性进行了探讨。     

基于O-D矩阵估计的路网交通流量仿真模型

为了将交通出行需求对路网交通流量的影响进行动态的量化分析,提出了一个基于O-D矩阵估计的路网交通流量仿真模型。利用O-D矩阵估计的重力模型计算方法、复杂网络理论和路段阻抗模型,构建了路网模型;在人们出行总是选择路段阻抗最小路径的假定下,设计了出行需求的路网流量映射算法;基于离散事件仿真,在PC系统上实现了路网流量仿真系统。仿真结果表明：该仿真系统可以根据各交通子区域出行需求的变化,精确模拟路网流量和交通状态的动态演进。     

三维最短路径分析算法的实现及其可视化

最短路径算法是路径搜索领域的重要问题,也是最优路径分析算法的基础。论文设计并实现了适用于栅格地形数据的数据存储结构。在分析A*算法思想的前提下,将计算机图形学中的直线求交算法应用到启发函数的计算中,实现了针对规则栅格地形数据计算最短路径的算法并将其进行了三维可视化显示。     

面向动态路网的最优路径GCN深度搜索方法

路网中的最优路径搜索与规划作为位置服务中重要部分受到广泛关注,射频识别技术（RFID）等技术带来的大量交通数据成为了研究的基础与挑战。城市中出行场景对路网动态变化非常敏感,同时城市复杂多变的交通情况、真实路网与移动对象轨迹丰富的时空语义信息,都是动态路网中的最优路径搜索面临的难题。针对这些挑战,在分析现有算法不足的基础上,参考A*算法启发式思想,提出一种基于图卷积网络进行深度搜索的机器学习模型GCN-Search。模型首先通过时空图卷积网络,聚合相邻区域与过往时段的时空信息,对城市出行所依赖的路网近期动态变化进行建模;其次扩展路径搜索的深度,定义节点的深度估价值,并使用神经网络替代人工设计的估价函数,搜索利于路径整体最优的节点,直到生成最终路径。在某交管局提供的RFID数据集上进行的对比实验表明,GCN-Search算法可以有效利用RFID数据中的时空语义信息,提升动态路网出行的最优路径搜索的准确率。