考虑交通大数据的交通检测器优化布置模型

为了提高城市交通信息采集的准确性、可靠性和经济性,提出了一种交通检测器优化布置模型。大数据背景下,考虑系统成本、多源数据共享、数据需求、检测器故障、道路基础设施、检测器类型等因素,构建了交通检测器布置的影响因素集。综合分析各个影响因素,提出了由最小系统成本优化、最大截断流优化、最小包含路径优化和OD(origin-destination)覆盖约束构成的多目标优化模型。应用基于遗传算法的宽容分层序列法,对模型进行求解。算例研究表明:该文的模型实现了多目标的优化,反映了多源数据共享和检测器故障的影响,满足了OD覆盖约束,可达到交通检测器的优化布置。