限制搜索区域的分层路径规划新算法

依据城市路网独特的空间分布特性及不同道路等级特性,提出一种以源节点和目的节点为椭圆焦点的限制搜索区域分层路径规划算法.通过对小型网格模型统计及回归分析,建立了一个鲁棒性椭圆形搜索区域模型参数,可以满足道路交通路径规划的要求.结合路径规划算法在实时车辆诱导系统中的实际应用,给出该算法的一个应用实例,对实验结果的分析验证了其有效性.     

动态路径诱导交通阻抗优化方法与实现

基于实时交通采集数据,获取合理动态规划最优路径,提出了考虑驾驶员出行行为因素的交通阻抗优化方法.研究了基于实时交通状态因素的动态路网优先等级指数的确定方法,重构了动态路径诱导交通网络模型,大大降低了路网的复杂度;基于多源实时数据,研究了动态路径诱导交通阻抗优化的计算方法,实现了路网的动态路径诱导,并通过GIS平台进行了仿真分析.该方法更符合驾驶员行为习惯,对于改进Dijkstra算法在动态路径诱导中的应用具有操作优势和显著意义.     

面向驾驶员个性化需求的动态路径诱导方法

基于物理规划的思想,研究面向驾驶员个性化需求的动态路径诱导方法.首先,分析个性化动态路径诱导问题,构建路段交通阻抗的个性化评价指标体系;然后,基于物理规划思想,进行个性化动态路径诱导:面向驾驶员对道路的“可行性”需求动态确定交通路网搜索的几何空间;面向驾驶员对道路的“偏好性”需求,对几何空间内的交通路网阻抗进行个性化评价;面向驾驶员对道路的“最优性”需求,基于Dijkstra算法在动态交通路网中进行最优路径搜索;当路网中的交通阻抗发生变化时,及时更新路网信息,重新搜索从车辆当前位置到目的地的最优路径.研究结果表明:该方法既能体现驾驶员的个性化需求;仿真算例验证了该方法的有效性和可行性.     

基于PAM聚类分析方法的路径优化算法研究与实现

针对交通网络中多站点路径优化问题,提出一种基于PAM聚类分析的路径优化方法,根据路网实际可达距离,将路网节点按照其节点间距离关系聚类划分为以路网节点间距离大小为表征的路网站点分类集合,同时对路线优化问题中目标节点按照分类结果进行区域限定,在限定路网搜索区域同时采用动态规划进行局部搜索优化,降低了搜索算法时间复杂度.最后依据国家基础地理信息系统网站提供的国界、省会城市及主要公路基础地理数据进行算法仿真实现,证明了该算法的有效性.     

航站楼内多目标路径规划方法设计与实现

针对航站楼多楼层的室内导航和多目标的路径优化问题,提出一种基于改进遗传算法的航站楼内交通换乘导航路径规划方法:依据航站楼内的空间特征和环境变化建立以路径为权值和以人流密度为权值的双路网,并权衡路径的距离成本、客流拥挤度和时间成本3种因素,建立了航站楼内的多目标路径优化模型.最后使用融合广度优先搜索策略(Breadth First Search,BFS)的遗传算法在本文构建的多层路网中实现航站楼内多目标路径优化,生成考虑路径距离、拥挤度、时间成本的单目标最优路径和多目标优化路径.研究结果表明,使用融合BFS的遗传算法在本文构建的多层路网中可实现航站楼内多目标路径优化,生成考虑路径距离、拥挤度、时间成本的单目标最优路径和多目标优化路径.     

限制搜索区域的距离最短路径规划算法

提出一种时间复杂度为O(n)的限制搜索区域距离最短路径规划算法(n为路网节点数).算法设计的基础是,经典Dijkstra算法搜索时的无方向性及实际城市道路网络特有的空间分布特性.算法实现采用邻接表数据结构和限制搜索区域的搜索机制,即利用实际城市道路网络的空间分布特性,合理限制算法的搜索区域.结合路径规划算法在实时车辆导航系统中的实际应用,给出了该算法的应用实例,实验结果表明,该算法能将路网中任意两点间的最短路径解算时间控制在3 s以内.     

应急救援物资车辆运输路线多目标优化

运用运筹学中图论及多目标优化的理论和方法建立应急救援物资车辆最佳运输路线的选择模型,并基于启发式算法求解该模型.从静态网络应急物资车辆运输路线的双目标优化问题入手,设计适合本文模型的算法,并将之推广至含有三个及三个以上优化目标的路线选择问题.引入时间扩展图的概念,将动态网络中的最佳运输路线问题转化为静态网络中的路径选择问题.算法实质是通过构造辅助决策函数实现Dijstra算法的调用,并在辅助函数构成的搜索空间上寻找最优解,是一种快速的、近似的算法.利用随机路网和真实路网测试本文算法,测试结果与本文的理论分析一致,证明本文算法在应急救援物资车辆运输路线的多目标优化问题中可行且有较好的应用效果.     

路网拥塞控制中的多目标路径决策模型研究

智能交通系统领域中的路网拥塞控制是解决路网拥塞问题的主要手段之一,针对该问题,利用自底向上的agent建模方式,构建一种多目标路径决策agent移动模型.在该模型中,车辆agent兼顾最短路径和拥塞避免两个优化目标,通过车辆agent行驶距离最短(最短路径)和途经区域的拥塞程度最低(拥塞避免)两个目标优化来动态进行路径决策.基于多目标路径决策移动模型一方面能够实现对交通拥堵路段的分流控制,另一方面能够挖掘网络拓扑结构中易发生拥塞的路口的共同特征,为路网拥塞控制提供帮助.仿真实验结果表明,该模型能较好地改善路网结构中的拥塞路段.针对不同链路密度及链路分布的网络所进行的仿真实验结果进一步表明,路网结构的链路密度对拥塞路段出现在网络中的地理位置影响不同,而路口节点位置影响其拥塞程度;网络结构的链路分布形态对发生拥塞路段的地理位置和拥塞优化结果具有直接影响.     

动态交通环境下的纯电动车辆多目标出行规划

为缓解电动车辆出行过程中包括里程不足、充电时间长、充电站稀少以及电池循环寿命有限等固有问题,提高电动车辆的行驶性能以及驾驶员的接受程度,需要为其推荐合理的出行与充电方案。然而,目前出行方案制定方法没有考虑到交通环境复杂多变的特性,并且仅能提供在单一目标下的出行方案,难以为驾驶员提供综合考虑多种因素的出行策略。该文提出了一种在动态随机路网环境下的考虑多目标多约束的电动车辆出行规划策略。该出行规划策略考虑到交通环境的时变随机特性,利用多目标蚁群优化方法计算求解最优Pareto解集,为驾驶员推荐包括出行路径、各路径上的行驶速度、充电位置与模式、空调使用等出行要素。研究结果表明:基于动态随机路网的出行方案相比于基于静态确定性路网的出行方案更为优秀;相比于单一目标出行方案,基于多目标优化的出行策略综合性能更好。仿真结果证明了该方法能够协调各优化目标与约束条件,合理推荐电动车辆的出行方案解集,提升电动车辆的使用性能。     

动态车辆路径问题的优化方法

设计了在动态环境下进行车辆路径优化的导向局域搜索算法.算法在产生初始解以后的动态求解过程中,不再做车辆之间的顾客调整,而只应用2-opt局域搜索算子更新车辆服务顾客的顺序,即针对每辆车辆的旅行路线求解一个旅行商问题.建立了在动态环境下车辆执行运输任务过程的仿真模型.仿真过程中,应用算法根据交通路网实际情况实时优化车辆路径,并采用4种接受准则判别是否接受新的车辆路径.仿真结果表明:算法具有实时、高效的特点,满足动态车辆路径问题的求解要求.     

基于最短路径Dijkstra算法多尺度道路网中优化路径规划方法的研究

针对路径规划问题,论述了道路层次划分模型和多尺度道路网数据库的建立,提出了构建多级道路网拓扑结构的方法,在研究道路网络特征上,通过建立道路网模型,综合各路段的权值,应用一种改进的Dijkstra算法对道路进行最短路径分析;并给出了道路网络中多源最优路径的选取问题,得到了所要解决的多源最优路径问题.     

区域航路网络容量评估模型

针对区域航路网络容量评估方法单一、主观性强等问题,提出基于有向图理论的动态容量评估模型。充分提取航路网络特征,将多源、汇点复杂航路网络抽象成单源、汇点标准航路网络。引入航路阻抗公式,将管制员因素融入客观容量评估中,并利用Ford-Fulkerson算法求解航路网络容量及关键路径。最后以某飞行情报区为例,分析了航路网络的容量特征,得出其关键路径集的瓶颈容量为354.4sor/h。仿真结果证明了该模型的有效性和准确性。     

一种无人机分层三维航迹规划方法

针对SAS算法在三维航迹规划问题应用中的不足,提出了一种基于分层策略的三维航迹规划方法。该方法分为两个层次:粗粒度的SAS快速航迹规划和细粒度的遗传算法优化。SAS算法以较大步长快速找到搜索图中的最优解,建立航迹通道。在航迹通道内利用改进的遗传算法对航迹进行优化。设计了一种定向变异算子用于航迹的平滑。仿真实验表明,该方法规划的三维航迹能满足地形跟随和规避威胁的要求,同时具有良好的平滑特性。     

基于动态规划思想的多机器人路径规划

该文围绕着一个机器人巡逻街道小区的仿真环境，讨论了多机器人路径规划中的路由优化问题。在解决这些问题的过程中，充分考虑到多机器人系统的动态特征，将运筹学中动态规划的思想和Dijkstra算法及其相关图论知识引入到机器人的路径规划求解中。不仅降低了问题的复杂度，并且得到了问题的解决方案。     

WDM网状网中基于负载平衡的动态波带保护算法

为解决WDM网状网的波带保护问题,提出一种基于多层OXC结构的动态专用波带保护(DDWP)算法.该算法以最小化可选路径对端口占用总数为第一优化目标,以路径对所经链路总数最小为第二优化目标.在不同负载动态业务下对DDWP算法进行了仿真研究.结果表明:DDWP算法有利于网络负载均衡和提高端口利用率,降低了全网阻塞率.     

认知无线电网络中基于图着色的动态频谱分配

动态频谱分配是解决认知无线电网络中频谱资源利用率低下的有效手段.针对现有频谱分配中认知用户"饿死"这一难点问题,以最大化系统接入率为目标,提出一种基于图着色的动态频谱分配算法.构造了基于图着色模型的效能函数,通过动态更新可用矩阵完成有效的频谱分配.一系列仿真实验表明,所提算法获得了较高的系统接入率,兼顾了系统的吞吐量和公平性,具有比现有算法更优的性能.     

考虑多车型油耗因素的路网收费优化模型研究

针对路网出行效率低下及其导致的燃油过度消耗等问题,基于对机动车油耗模型的分析,从节能降耗的角度建立了考虑不同车型的多车型最小油耗模型。进而构建多车型最优收费均衡模型,利用道路收费的方式控制出行者的路径选择行为,使出行者按期望达到的路段设计流量出行,最终达到路网平衡状态下总油耗量最小的目的。采用Frank Wolfe算法,通过寻找可行下降方向进行迭代求解。以某区域抽象公路网为案例进行分析,研究结果表明,通过制定合理的收费策略能够有效地调控出行者的路径选择行为,实现系统总油耗最小的目标。     

虚拟单元跨单元动态调度问题研究

针对虚拟单元生产过程中随机扰动所导致的资源冲突、虚拟单元协同生产及共享资源的特点,结合时间约束网络和图论的相关知识,对虚拟单元跨单元动态调度问题进行研究。同时考虑设备资源约束和交货期时间约束,建立具有虚拟单元特色的虚拟单元跨单元动态调度的时间约束网络模型,并运用协同优化思想,提出双层时间约束网络的单元间协同优化算法和基于度的反应式人机协同算法用于模型的求解。最后对算法进行了实例验证,结果表明,该方法可为生产计划制定人员快速调整原生产调度计划方案提供便利和一定的理论基础。     

时变路网双目标动态路线优选有约束A*算法

为了解决现有交通时变网络(网络中的路权为时间的函数)模型中计算所得的最短路不稳定的问题,构建符合首进首出原则的时变网络,进而将时变网络扩展为一系列静态网络,并在扩展的静态路网上应用A*算法求解时变最短路;同时,为满足用户多重喜好,借助道路延误风险分析,设计有约束的时变A*算法,在路径寻优过程中对高延误风险路段进行启发式规避,从而实现在绕行许可范围内有效减少延误风险的可靠路径的快速搜索。数值试验结果表明:本算法由于利用了离线计算的信息,大大增加了有约束的动态A*算法的效率;考虑了阻塞发生的可能性,提高了导航的准确性,减少了出行延误风险;该方法具有路径搜索速度快、可有效避开延误高风险路段的优点。     

基于改进A*算法的一种智能车路径规划方法

轨迹规划是智能车安全行驶的关键技术。本文基于A*算法在复杂地图轨迹规划耗时长,拐点多等问题,提出了一种基于图论及几何方法的改进A*算法的避障与导航方法。该方法在传统A*算法的基础上结合图论进行路径规划,同时剔除路径中冗余节点,并采用Labview进行具体的仿真实验来验证轨迹规划算法的性能。结果表明：该算法在复杂环境中仍能有效找到距离短且平滑路径,提高了智能车的运行效率降低了能耗,可用于实际的智能车安全行驶管理中。