城市交通流诱导系统动态路阻函数及最优路径算法研究

论文摘要

智能交通系统(ITS)以当代科学技术的发展进步为基础,旨在将先进的计算机技术、通信技术、数据库技术、人工智能等运用于交通运输中,以解决交通拥挤、保证交通安全、提高交通网络使用效率。ITS涉及到交通运输的很多领域,路径诱导系统是其中的一个重要应用,也是目前国内ITS的开发应用热点之一。本文就是在这样的背景下产生的,并针对路径诱导系统的核心部分:路径优化方法进行了研究。文章内容主要包括以下两个部分:路径诱导系统的动态路阻函数研究以及最优路径算法的研究。第一部分:动态路阻函数是路径选择的依据,它的确定是整个系统工作的基础。本文分析了国内外几种常用的路阻函数模型,并对它们各自的优缺点进行了比较;提出基于集散波理论的交叉口车辆排队模型,并在此基础上给出一种计算动态路段行驶时间的路阻函数,最后结合城市混合交通流的特点对路阻函数中的交通参数进行了修正。第二部分:最优路径算法是系统求解最优路径的关键,算法的选择关系到整个系统的实时性和有效性。本文对几种常用的最优路径求解算法进行了比较和分析后,选择采用遗传算法来求解路网的最短路径;并从编码方式和交叉算子方面对基本遗传算法进行了改进,提出了一种基于权重交叉算子的遗传算法。最后根据交通诱导的需求给出一种用于实时交通流诱导的设计方案,并运用改进后的遗传算法实现了最优路径的求解,从而得出该算法具有一定的优越性和可行性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 本文的研究背景和意义
• 1.1.1 研究的背景
• 1.1.2 研究的意义
• 1.2 城市交通流诱导系统研究现状
• 1.2.1 路径诱导系统国内外研究现状
• 1.2.2 路阻函数国内外研究现状
• 1.3 本文的主要内容和章节安排
• 第二章 城市交通流诱导系统路径优化方法
• 2.1 路径优化概述
• 2.1.1 路径优化策略
• 2.1.2 路径优化原理
• 2.1.3 路径优化一般步骤
• 2.2 诱导系统中的最优路径问题
• 2.2.1 最短路径分类
• 2.2.2 最短路径按问题类型的分类
• 2.2.3 最短路径按网络特征与表示方法的分类
• 2.3 常用的路径优化算法
• 2.3.1 Dijkstra 算法
• 2.3.2 Floyd 算法
• 2.3.3 A*算法
• 2.3.4 K–最短路算法
• 2.3.5 遗传算法
• 2.4 本章小结
• 第三章 城市交通流诱导系统动态路阻函数研究
• 3.1 动态路段行驶时间函数
• 3.1.1 路阻函数分析
• 3.1.2 集散波理论
• 3.2 动态路段行驶时间路阻函数模型的建立
• 3.2.1 路段行驶时间构成分析
• 3.2.2 车辆非拥挤路段行驶时间的模型
• 3.2.3 车辆在交叉口的排队时间的模型
• 3.2.4 交通流参数的确定
• 3.3 本章小结
• 第四章 遗传算法在最短路径中的应用与改进
• 4.1 遗传算法简介
• 4.1.1 遗传算法基本原理
• 4.1.2 遗传算法的特点
• 4.1.3 遗传算法的工作流程
• 4.2 遗传算法在最短路径问题中的应用和改进
• 4.2.1 最短路径的数学描述
• 4.2.2 遗传算法在最短路径问题中的应用
• 4.2.3 遗传算法的改进
• 4.3 改进遗传算法的操作过程
• 4.3.1 遗传算法编码
• 4.3.2 选择算子
• 4.3.3 交叉算子
• 4.3.4 变异算子
• 4.3.5 移民算子
• 4.3.6 改进遗传算法的流程图
• 4.4 改进遗传算法的实例分析
• 4.4.1 路网信息提取
• 4.4.2 参数值的设置
• 4.4.3 适应度值的标定
• 4.4.4 运算结果分析
• 4.5 本章小结
• 第五章 改进遗传算法在动态路径诱导系统中的应用
• 5.1 城市交通流中的最短路径问题
• 5.2 车辆路径模型的建立
• 5.2.1 模型建立原则
• 5.2.2 车辆路径模型的建立
• 5.3 改进遗传算法的动态路径诱导方案的设计
• 5.3.1 路段动态时间权值的确定
• 5.3.2 车辆行驶路线初始方案的确定
• 5.3.3 动态途中行驶路线的调整方案
• 5.4 本章小结
• 总结与展望
• 参考文献
• 攻读学位期间取得的研究成果
• 致谢