基于空间认知和社区识别理论的路径选择模型

将启发式决策、空间认知以及社区识别理论结合,描述出行者的路径选择与路网结构的关系。采用基于模块增益的社区结构算法解构路网结构,描述人们的认知过程,建立相应的路径选择算法。以长沙市中心城区路网为例,利用建立的路径选择方法,分别用静态路阻（距离）、动态路阻（速度）对路网进行解构,计算路径选择集;采用问卷调查方法和出租车GPS数据对实际的路径选择轨迹进行提取,并将理论计算结果与实际调查结果进行对比分析,采用静态路阻的一致率为85%,采用动态路阻的一致率为73%。结果表明建立的集成空间认知和模块增益的路径选择模型可以较好地描述人们的路径选择过程,对于静态路阻的路径选择描述具有更高的准确性。研究成果对于城市规划和交通规划具有一定的借鉴价值。     

基于剪枝策略的改进TDCALT算法

针对大规模路网中求解最短路问题的低效性与非实时性,通过时间依赖性路网来刻画路网和交通状况信息,构造时间依赖性路网下的高效最短路算法.以目前效率较高的TDCALT(time dependent core-based A*landmarks triangleinequality)算法为基础,提出动态优化上限值的改进措施,并首次引入和改进静态路网下最短路算法中的剪枝策略,形成ITDCALT(improved TDCALT)算法.在广州市路网上的试验表明:ITDCALT算法在算法运行时间和搜索空间上均优于TDCALT算法和TDIJKSTRA(time-dependent DIJKSTRA)算法;ITDCALT算法具有计算效率高、搜索空间小、性能稳定的优点.     

基于指向惩罚的交通信息发布下随机交通分配*

提出了通过对发布交通拥堵信息的路段进行阻抗惩罚的随机交通分配方法。出行者被分为“随机型”与“信息型”两类并进行logit型的随机路径选择,前者不受交通信息发布的影响,根据正常路阻进行路径选择,而后者会根据发布的信息,改变对下游路网阻抗的认知并根据新的阻抗进行路径选择。通过对发布拥堵信息的路段的路阻施加路段到路段的指向惩罚来反映“信息型”出行者的路阻变化,分别对两组类型的出行者进行随机网络加载,给出了基于混合流量加载的交通分配算法。实例验证了方法的有效性,并分析了交通信息服务的市场占有率和信息的发布方案对信息发布效果的影响。     

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.     

分区分层的动态最优行车路径算法

结合自适应信号控制系统和Internet的路由策略研究了动态行车路径算法,定义了路网结构图中的连线及其交通阻抗,介绍了根据实时交通数据预测连线交通阻抗的方法,提出并举例说明了分区分层的动态最优行车路径算法.连线交通阻抗包括行驶时间、停车线延误和拥塞延误3部分:以平均车速预测行驶时间;根据车辆到达率和信号参数分析停车线延误;根据交通调查结果估算拥塞延误.将路网分成若干区域,利用Dijkstra算法计算区域内从任一节点到另外任一节点的最优路径,在此基础上计算路网范围内从任一节点到另外任一节点的最优路径.     

最短路径算法浅析

高速公路网结构的数学模型是高速公路收费和清分的计算基础。介绍了用邻接矩阵来描述高速公路网的物理结构,讨论用Floyed算法计算路网中最短路径和路径长度,并给出了实现该算法的C语言程序。     

基于精英蚁群算法的交通最优路径研究

随着交通规模的增大,人们对自驾出行的质量需求越来越高,而在当前的交通最优路径选择的研究中,大多只考虑静态的交通路网场景,且忽略了通过交叉口时的代价,造成计算结果和实际行驶的代价之间误差较大.针对这一问题,基于Petri网络,建立了更精确的多因素道路交叉口交通路网模型,提出了基于精英蚁群算法的交通最优路径选择算法,并对经典蚁群算法提出两个方面的改进:第一,在信息素浓度的初始化过程中加入主干道引导和行车方向的引导,以加快蚂蚁群初始的搜索速度;第二,在全局信息素浓度更新时,使用双精英蚂蚁策略,采用相互约束的方式更新两条最优路径上的信息素浓度,解决了算法过早陷入停滞的问题,且计算出多个可供选择的路径.仿真结果表明,该算法在保证收敛性的同时,将搜索到最优路径的概率提升至100%;同时,在得到最优解概率均不低于90%的前提下,该算法的收敛速度是其他算法的数倍.     

基于蚁群算法的智能交通行车最优路径研究

本次研究介绍了蚁群算法的基本原理，基于单个蚂蚁路径搜索阐述了动态路网下行程时间的计算方法，建立了一套快速实现蚁群算法全局收敛的计算模型，并对智能交通行车最优路的搜索流程进行了详细的说明。     

DCW算法在智能交通系统中的应用研究

针对城市交通路网具有实时性的特点,为了快速高效地选择出最优路径,采用一种动态改变惯性的自适应粒子群算法(DCW).在DCW算法中引入参数粒子群简化速度因子和聚集度因子,在每次迭代时算法根据当前粒子群进化速度和聚集度动态改变惯性权值.最后用惯性权值线性递减粒子群算法(LDW)和DCW算法分别进行计算最优路径的仿真实验,得出结论,DCW算法更适合用作智能交通系统中最优路径的选择.     

车载导航系统中动态最短路径研究

以城市动态交通网络为背景,以路段通行时间作为计算最短路径的依据,在A*算法的基础上引入动态路阻函数,在全局范围内动态确定车辆最优路线,提高出行效率.     

计及路网权值时变特性的全局最优路径规划

由于静态路径规划（static path planning,SPP）和滚动路径规划（rolling path planning,RPP）思想无法求解全局最优路径,提出了一种计及路网权值时变特性的全局最优路径规划方法（global optimal path planning,GOPP）。利用Vissim软件对重庆大学城某区域路网进行建模与仿真,采用改进的前向关联边数据结构存储路网拓扑关键要素及行程时间仿真数据,以此作为路径规划数据库。在此基础上,推导跨时段路段的实际权值,提出一种基于Dijkstra算法的GOPP方法。最后基于路径规划数据库,在证明经典Dijkstra算法相比智能启发式算法具有全局最优求解能力的基础上,分别采用SPP、RPP和GOPP方法在MATLAB环境下仿真得到3条规划路径,结果表明GOPP累计行程时间为1 158.7 s,相比SPP和RPP分别减少了212.7 s和57.6 s,有效验证了GOPP在缩短交通出行时间的优越性,对今后智能交通系统的发展具有一定的理论指导意义。     

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。     

图状信息板影响下的驾驶员路径选择行为

为了探索图状信息板(GRIP)对驾驶员路径选择行为的影响因素及其影响程度,借助GRIP信息发布平台,在信息板同时提供前方道路交通问题性质、事故严重程度的情况下,利用全因子方法设计了GRIP的6种假定交通情景,并对这6种情景下驾驶员路径选择行为数据进行采集.采用离散选择分析方法对路径选择行为的影响因素进行了多变量分析,并建立了路径选择概率的多元logit模型.研究表明,驾驶员对GRIP影响下路径选择影响程度的认知、开车类型、月收入、交通问题性质及严重程度在不同程度上影响驾驶员的出行决策行为.     

途径节点不确定的MTSP路轨规划模型及其遗传算法研究

一般的路径规划问题假设道路网络是确定的,并且采用实时优化的方法建立优化路径,这种方法的结果不具有实用性。在高速发展的中国,道路网络实际上变化很快,而路网的电子地图往往无法实时更新;即使实时规划的路径本身是可行的,各配送点也会因为对新道路缺少经验而导致实际行驶时间大大超出预计,尤其对多个司机的情况。根据途径节点,考虑不同途径节点的不确定性,阶段性地产生稳定线路,是可行的方案。能够在路径成本和时间取得综合的平衡,多配送点工作量的相对均衡。利用MTSP问题的解决,提出了具有不确定途径节点的多目标路径规划模型,并且设计了随机遗传算法。仿真研究表明,该模型是有效的,该算法具有良好的求解性能。该成果有望集成在配送或运输决策支持系统中,为阶段性路径规划提供支持。     

武汉市道路网空间结构与住宅地价的协同性分析

采用空间句法,从道路可达性与空间结构认知程度相结合的角度探索武汉市道路网空间结构与住宅地价的协同关系.研究表明:武汉市已经形成了以环线为主、中心辐射为特征的道路交通网络,在政府政策、城市规划与基础交通网络建设的引导下,武汉市居住空间正逐步形成团簇状居住模式;可达性较好的区域往往具有较强的空间认知程度,这种建立在道路可达性基础上的空间认知会产生倍增地价的效果,道路空间结构与住宅地价拟合度为0.736.     

基于时间依赖网络的危险品运输路径选择研究

为合理选择危险品运输路径,降低危险品运输事故的发生概率,以危险品运输路径选择问题为研究对象,对运输网络的时变特性进行分析,提出了动态路阻运输路径的思想。考虑到危险品运输不一定满足时间依赖网络FIFO特性,因此本文建立了包括时间阻抗、费用阻抗和风险阻抗在内的综合阻抗最小的危险品运输路线模型,采用综合阻抗最小化与时间依赖非FIFO网络最短路径综合算法对模型优化求解。给出的算例表明,不同时间段内的最优路径会发生变化,验证了该模型方法的可行性。     

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.     

诱导信息影响下的路线选择模型

动态路钱诱导系统为决定出行和已出行的人提供路网交通状况信息或为他们决策提供出行建议,通过这种方式影响出行人的出行时间、出行方式以及出行路线等的选择。在分析了诱导信息对路径选择行为的影响后,给出不可分的路段费用函数,把诱导信息影响下的路线选择问题组织成一个非对称路网均衡问题,并给出用嵌入遗传算法的对角化算法求解的算例．最后,讨论了有待进一步研究的内容．     

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.