随机行走模型在交通中的应用

论文摘要

交通是现代社会重要的组成部分,交通问题是当前研究的热点问题之一。对交通流进行建模与仿真,可以较好地描述交通流的现象与特性,有助于揭示交通流产生的本质与机理。随机行走模型是一种应用十分广泛的模型,本文将随机行走模型引入到交通问题的分析与建模中,从时间序列分析以及优化算法设计两个方面着手,研究了随机行走模型在交通流特性分析及最短路问题中的应用。论文主要内容及创新点如下:1结合交通流理论,运用随机行走模型进行交通流特性分析,研究交通运行的基本规律。本文以交通流量这一基本参数作为研究对象,通过随机行走模型将网络中各节点的交通流量转化为一组时间序列,并使用EMD方法对该时间序列进行分析,研究交通流量在空间上的变化和分布情况,寻求不同时间刻度下网络交通流的周期性变化规律,对于道路交通运输规划管理具有一定的指导意义。2针对交通路径优化选择问题中常见的带约束条件的最短路问题,本文结合随机行走模型规则,提出了一种新的启发式算法。本文详细介绍了该算法的计算流程,并结合具体算例求解。结果表明,该算法能够有效地解决此类问题。论文还将提出的算法和蚁群算法进行对比分析,实验数据表明,本文提出的算法具有更高的求解速度和精度,更加适用于求解带约束的最短路问题,具有一定的应用价值。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 1 引言
• 1.1 研究背景及意义
• 1.2 随机行走模型简介
• 1.3 论文主要内容
• 2 随机行走模型在实际中的应用
• 2.1 地球物理学中的随机行走模型
• 2.2 经济学中的随机行走模型
• 2.3 图论中的随机行走模型
• 3 随机行走模型在交通流理论的应用
• 3.1 交通流理论的研究意义
• 3.2 交通流理论的研究现状及相关概念
• 3.2.1 交通流模型简介
• 3.2.2 交通流相变分析
• 3.3 应用随机行走模型研究交通流特性
• 3.3.1 基于随机行走模型交通流特性的分析方法
• 3.3.2 EMD方法简介
• 3.3.3 实际案例分析
• 3.3.4 本章小结
• 4 随机行走模型求解带约束的最短路问题
• 4.1 最短路问题研究现状及常用算法简介
• 4.1.1 Dijkstra算法
• *算法'>4.1.2 A^*算法
• 4.1.3 Floyd-Warshall算法
• 4.2 带约束的最短路（CSP）问题模型简介
• 4.3 蚁群算法求解 CSP问题
• 4.3.1 蚁群算法简介
• 4.3.2 蚁群算法的国内外研究现状
• 4.3.3 蚁群算法流程描述
• 4.3.4 蚁群算法的优缺点
• 4.4 基于随机行走的算法求解 CSP问题
• 4.4.1 算法流程简介
• 4.4.2 实例计算求解
• 4.4.3 与蚁群算法对比计算结果
• 4.4.4 本章小结
• 5 结论与展望
• 参考文献
• 作者简历