智能交通中动态多路径选择的几类智能算法的研究

论文摘要

动态路径诱导系统(DRGS)是智能交通系统(ITS)研究的一个重要内容，动态路径诱导算法(DRGA)通过向驾驶员提供基于实时交通信息的最佳行驶路径来诱导出行行为，从而达到减少车辆在道路上的逗留时间、避免交通拥塞的目的。本文首先建立了一个包含实时路网信息，对时间进行离散化处理的动态多路径的基本模型，通过优化信号灯配时进一步得到动态多路径的双层优化模型。然后提出了求解该模型的两种智能算法，获得动态路径诱导系统中的“多准最优路径”：一是结合基本遗传算法和经典Ford算法的优点，通过改进遗传算子，提出了求解动态多路径双层优化模型的混合演化算法；二是为了弥补混合演化算法在实时路网信息更新方面存在的不足，进一步通过优化基本蚁群算法的状态转移策略和信息素更新原则，增加路权实时更新信息，借鉴交叉、变异算子的优点，提出了求解动态多路径双层优化模型的改进蚁群算法；最后，通过数值算例表明了混合演化算法和改进蚁群算法的可行性和有效性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 问题的提出背景
• 1.2 国内外研究现状
• 1.2.1 动态路径诱导系统DRGS
• 1.2.2 动态路径诱导算法DRGA
• 1.3 本文的主要研究内容
• 第二章 路径诱导系统的动态多路径模型
• 2.1 动态多路径的基本模型
• 2.1.1 车辆行驶时间的确定
• 2.1.2 车辆等待延误分析
• 2.2 动态多路径双层优化模型的建立
• 2.2.1 信号灯配时双层优化模型
• 2.2.2 车辆等待延误优化与实例
• 2.3 本章小结
• 第三章 动态多路径双层优化模型的混合演化算法
• 3.1 遗传算法
• 3.1.1 遗传算法原理
• 3.1.2 双层优化模型的遗传算法
• 3.2 混合演化算法
• 3.3 算例及分析
• 3.4 本章小结
• 第四 章动态多路径双层优化模型的改进蚁群算法
• 4.1 蚁群算法
• 4.1.1 蚁群算法原理
• 4.1.2 双层优化模型的蚁群算法
• 4.2 改进蚁群算法
• 4.3 算例及分析
• 4.4 本章小结
• 总结与展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表（撰写）论文
• 攻读硕士学位期间参加的科研项目
• 附录A 路网参数
• 附录B 混合演化算法源程序
• 附录C 改进的蚁群算法源程序