交通诱导系统的研究与设计

论文摘要

路径诱导系统作为信息处理技术的一种,是以计算机技术为依托,以具有空间内涵的地理数据为处理对象,运用系统工程和信息科学的理论,采集、存储、处理、分析以及显示最佳路线的计算机系统。系统根据用户的需求提供参考路线,实现电子地图的显示、查询以及分析功能。目前路径诱导系统主要是借助第三方软件进行二次开发,本文介绍了基于面向对象技术的思想开发图形系统,给出了运用面向对象的可视化编程语言Visual C++从底层独立进行交通诱导系统的设计方法。详细叙述了系统总体框架的设计、图形元素的组织和存储、网络拓扑关系的构造和存储、系统数据库的设计。在路线寻优中,传统的最优路径算法以Dijkstra算法为代表。这些算法均属于贪心算法,存在典型的局部最小问题,而且属于一种单目标最优算法。由于现实中存在的往往呈现为多目标属性,而且需要优化的多个目标之间又是相互冲突的。遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的一种新的迭代的全局优化搜索算法,已经广泛地应用到组合优化问题求解中。从而多目标遗传算法应运而生,它使得进化群体并行搜寻多个目标,并逐渐找到问题的最优解。本文基于多目标优化问题Pareto最优解的概念,给出了一种求解非支配集的多目标最优路径的遗传算法,重点讨论了算法实现非支配集的构造和适应度的计算。将该算法应用于交通方案优化设计,要求路径、时间、舒适安全指数三个目标能同时达到最优,通过仿真实验对优化结果进行了分析比较。研究结果显示出本算法对交通方案多目标优化设计具有良好的应用前景。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景
• 1.2 研究情况介绍
• 1.3 多目标算法的研究现状
• 1.4 课题研究的意义
• 1.5 论文的主要内容
• 1.6 本章小结
• 2 路径诱导系统框架研究
• 2.1 路径诱导系统的设计
• 2.1.1 系统总体框架
• 2.1.2 系统设计的总体目标
• 2.1.3 系统设计的原则
• 2.1.4 面向对象的图形系统设计模型
• 2.2 图形系统的开发
• 2.2.1 组织图形元素类
• 2.2.2 绘制站点图层
• 2.2.3 图形的存取
• 2.2.4 站点的查询
• 2.3 构建网络拓扑关系
• 2.3.1 拓扑关系的数据模型
• 2.3.2 路网的存储结构
• 2.3.3 系统所采用的数据结构
• 2.4 路网属性数据库的设计与实现
• 2.4.1 数据库结构设计的一般原则
• 2.4.2 属性数据库的设计
• 2.4.3 属性数据库的访问
• 2.5 建立图形系统与数据库管理系统的连接
• 2.6 开发各种查询、空间信息统计和分析功能
• 2.6.1 系统菜单
• 2.6.2 查询系统的主要功能
• 2.7 本章小结
• 3 最优路径选择算法
• 3.1 最优路径算法概述
• 3.2 Dijkstra算法
• 3.2.1 Dijkstra算法基本思想
• 3.2.2 Dijkstra求最短路径的步骤
• 3.2.3 Dijkstra算法分析
• 3.3 启发式搜索算法—A*算法
• 3.3.1 A*算法的基本思想
• 3.3.2 A*算法的步骤
• 3.3.3 A*算法分析
• 3.4 Floyd算法
• 3.4.1 Floyd算法基本思想
• 3.5 遗传算法
• 3.5.1 遗传算法的基本思想
• 3.5.2 遗传算法的步骤
• 3.6 本章小结
• 4 基于遗传算法的多目标最优路径选择算法
• 4.1 遗传算法的基本操作及一般流程
• 4.1.1 基本操作
• 4.1.2 一般流程
• 4.2 多目标优化
• 4.2.1 多目标优化问题的数学模型
• 4.2.2 多目标优化问题的解
• 4.3 多目标最优路径
• 4.4 多目标遗传算法
• 4.5 非支配分层遗传算法
• 4.6 新多目标最优路径遗传算法
• 4.6.1 染色体编码
• 4.6.2 初始群体产生
• 4.6.3 非劣解集的筛选
• 4.6.4 适应度函数
• 4.6.5 选择
• 4.6.6 交叉操作
• 4.6.7 变异操作
• 4.6.8 新多目标遗传算法的特性分析
• 4.6.9 算法流程
• 4.5 本章小结
• 5 仿真实验
• 5.1 Dijkstra算法
• 5.2 新的多目标遗传算法
• 5.3 NSGAII算法
• 5.4 单目标算法与多目标算法在系统中的应用
• 5.4.1 单目标算法在系统中的应用
• 5.4.2 多目标算法在系统中的应用
• 5.5 本章小结
• 6 总结与展望
• 致谢
• 参考文献