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.     

一种考虑交通限制信息的道路网络模型

随着城市交通网络的发展,实际道路中的交通限制信息使得道路网络中的最优路径规划变得更加复杂,针对这一问题,笔者讨论了一种考虑交通限制信息的道路网络模型,并详细阐述了该模型的存储方法及各种常见交通限制信息的解决方案,然后给出了利用此模型求解最优路径的改进的Diiktra算法描述。最后,笔者根据北京市道路数据建立道路网络,通过实际数据进行验证,实验结果表明,该模型及算法能满足实际道路网络的最优路径分析的需要,具有一定的应用价值。     

面向城市交通网络的A*算法优化与应用

交通路网中最优路径的选取是电子地图导航中最基础的应用之一,如果规划路径选取的合理,能够大大提高行车的效率,为用户方便出行提供便利。本文根据城市交通网络的特点对A＊算法进行研究与优化。针对交通规则对有向图的数据模型进行改进,同时将道路通行能力属性赋予路段,建立路段权值的计算模型,从而实现导航过程中的最优路线规划。     

基于变结构离散动态BN的最优交通路径规划

为了确保城市路网交通流平稳运行和各路段交通流量合理分配,提出了一种基于变结构动态BN的最优交通路径规划方法。该方法考虑驾驶员偏好,按时间序列建立适用于交通路径规划的变结构离散动态BN模型,采用最大似然估计算法和参数的自适应产生算法学习网络参数,用基于时间窗的动态BN近似推理算法中固定窗口宽度方法进行在线推理。结合实例对算法进行仿真,并与Dijkstra算法所得结果进行比较。实验结果表明变结构离散动态BN能利用实时采集到的信息对最优路径进行实时更新,在线决策。     

考虑网络流量的最优路径求解模型和算法

本文旨在解决交通网络中群体车辆的路径选择问题．即为每个车辆寻求最优行驶路径．使之在起迄点间的旅行时间最短．考虑到网络流量对路段旅行时间的影响，先进行流量分配，再同时为各个车辆寻求最短路径．为此，首先给出了考虑流量影响的网络模型，然后建立了基于路段的用于流量分配的变分不等式模型．该模型的解给出了车辆按照最优路径行驶时分配到各路段上的车辆数目．由于该模型是完全基于路段的，从而克服了基于路径方法必须进行路径穷举的缺陷．最后给出了最优路径选择算法，并证明了算法的正确性．本文给出的模型和算法适用于交通畅通、交通拥挤等各种情况．实验结果表明本文提出的模型和算法是非常有效的．     

饱和路网中动态交通分配和控制一体化建模研究

对饱和路网中动态交通分配和交叉口信号控制的一体化建模进行了研究 .描述了一个双层规划问题 .上层以动态用户均衡为目标建立分配模型 ,下层以系统最优为目标进行信号设置 .考虑了饱和路段上的车辆排队行为和驾驶员路径选择行为 ,并在模型中加以描述 .最后将遗传算法与传统的非线性最优规划方法相结合求解了一体化模型     

基于改进蚁群算法的交通最优路径方法研究

针对日益复杂的交通网络,提出了一种基于改进蚁群算法的交通路径最优方法,首先根据图论的思想构建了城市交通网络模型,结合层次分析法考虑了道路长度、交叉口停滞、交通拥挤、道路容量、天气状况等5个主要因素;然后在MATLAB平台下,采用改进的蚁群算法对静态交通网络和动态交通网络分别进行最短路径的求解,最后进行了对比分析;研究结果表明,在综合考虑以上5种因素的情况下,动态交通网络下的路径最优算法能为出行者找到更准确更便捷的路线。     

城市交通诱导系统的路径选择分配建模与仿真

研究城市交通路径分配问题.城市交通拥挤复杂多变,用户出行选择路径困难,为了优化城市交通路径分配,解决现有交通诱导模型算法计算量大、运算时间长的问题,提出了一种基于改进的蜂群智能算法的路径选择分配方法.首先利用双向信息传递技术得到实时路段的交通流状况,将路段的通行能力分级,通过模仿蜂群个体的局部寻优比较得到最优解,具有较快的收敛速度.仿真结果表明,提出的模型和算法不仅能有效解决城市交通路径分配问题,而且计算复杂度较低,算法的计算效率较高,表明改进算法为提高交通路网的效率及实用性和有效性提供了依据.     

一种限制搜索区域的多比例尺最优路径规划算法*

针对现有大区域范围路径规划算法存在的一些问题,提出一种限制搜索区域的多比例尺最优路径规划算法。该算法在进行路径规划时,一方面根据路网的多比例尺信息对路网进行分级,另一方面对搜索区域进行合理限制。测试实验表明此算法可以提高路径规划的效率。     

蚁群算法优化及其在高速公路紧急救援中的应用

最优路径分析是高速公路紧急救援系统中的一个重要功能.为实现最短时间到达事故点,在高速公路网拓扑结构模型中引入道路实际行驶时间作为路段权值.针对基本蚁群算法在高速公路紧急救援最优路径求解中具有搜索时间较长、易于过早地收敛于非最优解甚至无法找出最优解的缺陷,在信息素的初始化和更新机制、搜索方向引导方面对算法进行了改进.优化算法仿真结果显示,此方法能较为准确地找到出救点和事故点间的最优路径、搜索效率高.     

区间数型多式联运路线优化问题的混合遗传算法*

多式联运路线优化问题直接关系到货物运输的费用、时间和运输质量。首先分析了多式联运路线优化问题的数学模型及虚拟运输网络图;其次,将区间数排序的思想引入适应度函数的设计中,提出了一种求解区间数型多式联运路线优化问题的混合型遗传算法,给出了染色体编码、遗传算子设计、约束判断与调整及群体多样性控制的方法;最后用示例对算法的有效性进行了验证,算法的提出可为多式联运经营者的决策提供数据参考。     

基于距离矢量的多下一跳路由信息协议

针对传统单下一跳路由协议总是选择最优路径进行路由,容易导致网络拥塞的问题,提出多下一跳路由信息协议。在邻居节点之间交换最优路由信息并构建路由有向图,为节点建立多下一跳路由表,以实现无环并行传输。基于扩展SSFNet的仿真结果表明,该协议可以降低网络拥塞风险。     

基于有向图的进路搜索算法研究与设计

进路搜索是铁路车站计算机联锁系统的基本功能,其运行效率及所得目标进路的安全性对于保证行车安全意义重大。本文通过对铁路车站站场图与有向图的相似性进行研究,建立其网络拓扑结构与节点模型,结合深度优先遍历算法和搜索约束条件,提出一种适用于铁路车站实际情况的进路搜索算法,并给出了完整的描述。     

基于多目标蚁群优化的交通路径优化研究

路径优化是智能交通网络的重要组成部分。如今,仅仅要求出发地与目的地之间的距离最短在实际交通网络中已经不能满足人们的出行需求。本文引入危险品运输(transportation of dangerous goods)概念建立多目标路径优化模型。同时采用蚁群优化算法(Ant colony algorithm,ACA)作为解决多目标优化问题的方法。在分析蚂蚁算法运行机理的基础上,应用MAXMIN方法解决多目标优化模型中候选解的评价问题,并以MAXMIN方法得出的解的适应度(fitness)作为参数改进信息素定义规则,指导蚂蚁算法的搜索方向。最后,在GIS(Geographical Information System)决策系统的支持下,把该模型和算法应用于香港路径优化的实际问题中。实验结果表明模型是有效的,优化算法的收敛速度和优化结果都达到了预期效果。     

无线传感器网络中基于数据融合的移动代理曲线动态路由算法研究

和传统的C/S模型相比,移动代理模型在数据融合方面更适合无线传感器网络.在基于移动代理的数据融合算法中,移动代理访问传感节点的顺序以及总数对算法的效率、网络寿命等有着重大影响.为此提出了一种基于数据融合的移动代理曲线动态路由算法设计方案.通过构造特定数据结构的数据报文和数据表,给出了目标节点基本信息收集算法获取目标节点到处理节点的最优路径;将移动代理路由归结为一个优化问题,由静态路由算法求出移动代理迁移的静态最优路由节点序列,进而获得了移动代理基于曲线的动态路由算法.理论分析和模拟实验表明,随着传感器网络规模的增大和传感数据量的增加,和其它算法相比,该算法有更小的网络耗能和延时.     

基于信任的低地球轨道卫星网络路由安全机制

将基于信任的路由安全机制引入卫星网络路由,提出一种信任评估模型,用信任度约束选路过程,以路由负载均衡为优化目标,对现有路由协议进行安全性改进,在此基础上,设计适用于卫星网络的按需安全路由协议。分析结果表明,该协议能够防范多种常见的内部攻击。     

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。     

改进蚁群自适应多级栅格路径优化策略

栅格中节点调度路径规划问题是信息栅格中亟需解决的问题。通过改进基本蚁群算法,提出多级路径优化的路径规划策略。该策略既克服基本蚁群算法在信息栅格中路径优化容易陷入单路径死锁的弱点,又加强蚁群算法搜索的正反馈、高效收敛的优势,避免算法过早或过晚结束而影响划分算法的整体性能,使得信息栅格节点调度能依据任务量和路径性能进行有效分配。     

顾及主观判断延误的行人路径选择模型

路径选择是人们日常生活中频繁遭遇的现实问题。针对在行人导航系统的辅助下,行人仍然需要通过主观判断识别路径指示信息中的地标和真实地标是否匹配的问题,建立了顾及主观判断延误的行人道路网络模型。通过将主观判断延误时间和路径行程距离引入前景理论中,发展了一种基于前景理论的行人路径选择模型。以中国地质大学(武汉)部分区域为实验对象进行了仿真实验,结果表明所提出的行人路径选择模型给出的最优路径的主观判断延误时间均不超过相同起止点中的最短主观判断延误时间的0.6 s,虽然其给出的行程距离均比最短路径更长,但均不超过16 m。实验结果表明,所提模型符合行人的实际出行需求。     

RBF神经网络的行车路径代价函数建模

行车路线优化是城市智能交通系统的研究热点之一,对整个交通系统的优化起着重要作用.分析了影响行车时间的各种因素,结合图论中最短路径算法,建立了基于RBF神经网络的路径代价函数模型.基于该函数模型,可以计算出交通图中任意给定两地间的时间最优路径.将该模型应用于实际路况进行有效性验证,得到了有实用价值的结果,说明了该模型的正确性和有效性.