基于道路风险评估的城市路网实时路径选择

为了缓解城市交通拥堵、避免交通事故的发生,城市路网的路径选择一直以来是一个热门的研究课题.随着边缘计算和车辆智能终端技术的发展,城市路网中的行驶车辆从自组织网络朝着车联网(Internet of vehicles,IoV)范式过渡,这使得车辆路径选择问题从基于静态历史交通数据的计算向实时交通信息计算转变.在城市路网路径选择问题上,众多学者的研究主要聚焦如何提高出行效率,减少出行时间等.然而这些研究并没有考虑所选路径是否存在风险等问题.基于以上问题,首次构造了一个基于边缘计算技术的道路风险实时评估模型(real-time road risk assessment model based on edge computing, R³A-EC),并提出基于该模型的城市路网实时路径选择方法(real-time route selection method based on risk assessment, R²S-RA). R3A-EC模型利用边缘计算技术的低延迟,高可靠性等特点对城市道路进行实时风险评估,并利用最小风险贝叶斯决策验证道路是否存在风险问...     

基于云网格集成调度的防拥堵车辆路径规划算法

在道路交通路网中,车辆拥堵问题是流量与路网结构之间相互作用的一个复杂动态过程,通过车辆路径规划,实现对路网网格集成调度,从而提高路网通行吞吐量。传统方法采用并行微观交通动态负载平衡预测算法实现车辆拥堵调度和车辆路径规划,不能准确判断路面上的车辆密度,路径规划效益不好。提出一种基于云网格集成调度的防拥堵车辆路径规划算法,即构建基于Small-World模型的云网格路网模型,采用RFID标签信息进行路况信息采集,实现交通网络拥堵评估信息特征的提取,采用固有模态函数加权平均求得各车道的车辆拥塞状态函数,对所有车道内车辆密度取统计平均可获得簇内的车辆密度。设计交通路网拥堵检测算法来对当前个体道路信息进行一维邻域搜索,从而实现车辆路径规划控制目标函数最佳寻优。通过动态博弈的方式求得车辆防拥堵路径的近似最优轨迹,实现路径规划算法的改进。仿真结果表明,该算法能准确规划车辆路径,实现最优路径控制,从而提高严重拥堵路段的车流速度和路网吞吐性能,性能优越。     

动态路网中基于实时路况信息的分布式路径生成算法

动态路网中的寻路问题在交通诱导和交通流仿真中有重要意义。提出一种基于实时路况信息的分布式路径规划算法,根据安装在道路路口的智能摄像头所采集到的交通参数对路口的畅通程度进行建模,估算车辆在路口间通行需要的时间。当有车辆需要交通诱导时,通过智能摄像头之间的网络进行基于网络路由思想的分布式最短路径寻路,在寻路过程中加入延时发送机制。网络中的智能摄像头根据车辆所在路口的畅通程度和到邻近路口的距离设置一定的延时,来广播路径询问数据包,使数据包能模拟当前的路况,从而有效、迅速地获得路径规划的结果。     

动态路径优化交通流控制及其仿真实现

依托分布式数据库,实时采集GPS浮动车数据,通过聚类分析等算法实现数据优化及异常筛选,从而降低数据传输、存储和计算消耗。结合GIS系统及实例,探索动态特征交通流等优化交通构造的新模型,并仿真实现基于改进平均速度加权算法的交通流状态判定,以及基于改进图论路径选择算法的实时城市道路通行分析,最终通过信息反馈指引车辆在路网中的分布以减轻交通压力。     

交通路径诱导系统中最优路径选取研究与仿真

研究交通路径诱导系统优化问题。复杂路况高峰时多条道路车辆同时汇聚造成交通拥塞,但是拥塞信息的实时变化存在高度的非线性和突变性。传统的交通路径诱导系统,仅仅是针对最短距离进行路径选取,非线性和突变性拥堵信息不能在模型中得到反应,一旦拥堵发生,会降低交通路径诱导的效率。提出了一种基于自适应t分布变异人工鱼群算法的交通路径诱导系统。引入t分布变异算子将高斯变异和柯西变异的优点结合起来,提取交通路径拥塞参数,并将其反馈到控制端,使用AFSA方式进行迭代处理,将迭代次数作为t分布的自由度参数,从而提高了交通诱导的效率。实验证明,鱼群算法提高了交通路径诱导的性能,避免了交通拥塞的缺陷。     

基于城市小区域的车联网模型

随着社会进步及车辆增多,交通问题日益突出,使得城市环境下车联网的研究受到越来越多的关注。基于真实数据的分析和验证,可以得到城市不同区域的车联网网络度分布服从广义的幂律分布,即网络是无标度网络。根据此性质利用复杂网络理论建立车联网网络模型,通过分析和仿真验证该模型的正确性和有效性。     

ITS系统的人工蜂群动态诱导算法设计研究

针对城市交通压力问题,进行ITS设计,完成物联网环境下的实时感知、网络通信和上位机开发。基于路径搜索的多目标优化问题,结合实时动态信息,进行人工蜂群动态诱导算法设计。模拟结果表明,本方法能够根据实时交通路网信息做出最优路径选择,实现系统动态诱导和信息优配。     

基于蚁群算法的自适应路径选择方法

给出了一种基于蚁群算法的自适应路径诱导方法,阐述了蚁群在进行路径选择时的交互过程。通过蚁群的作用使得交通需求在路网中得到合理分配,使交通路网状态趋于通畅的最佳状态。     

基于免疫遗传优化的实时交通路径诱导方法

传统交通路径规划方法忽略了对路径评估、选择的反复择优,导致路径的规划质量不高,路网通行效率无法有效提升.于是提出基于免疫遗传优化的实时交通路径诱导方法.根据出行者期望行驶速度,设定出行预期速率临界值,利用路网节点间的动态连通性优化路网架构,构建实时交通局部路网模型;计算局部路网中最短路径,在免疫遗传优化算法中加入单点交...     

基于GIS环境的一种混合车辆路径诱导策略

论文首先在GIS环境下按照城市道路交通流特性建立了动态交通路网模型,并以此为基础设计了一种混合道路交通路径诱导策略。该策略包括两种不同的路径诱导模式:全局静态诱导和局部动态诱导。通过车辆路径诱导系统中的短时行程时间预测模块,针对城市道路交通流特性的突然改变加以判断,然后根据判断结果决定在两种诱导模式之间进行有效的切换。基于VC++和MapX控件的仿真试验表明,采用这种混合道路交通路径诱导可以较好满足系统的实时性和最优性要求。     

高速公路多匝道远程协同控制技术研究

传统高速公路多匝道控制方法大多是使用线圈进行参数采集,使交通调节率计算不精准,导致技术控制精准度较低,针对该问题,提出了多匝道远程协同控制技术研究。结合高速公路协同环境,限制主线交通,计算车辆进入路网后周期性路径距离和预测时间的通行成本,根据实际路况对系数进行调整,当参数系数为0时,通行成本最低即为最优规划路径,并触发路径诱导执行。充分考虑匝道总流量约束条件,执行诱导方案,获取最短控制周期,使用模糊逻辑算法计算控制周期内的控制率,从而实现多匝道控制目的。通过实验对比结果可知,该技术控制精准度较高,为保障高速公路安全运行奠定基础。     

城市路网多路口路径动态实时选择方法

为了缓解城市交通拥堵问题,如何充分利用现有的道路资源进行有效的路线导航,一直是学者们关心的热点问题.现有的研究方法包括：优化交通灯信号周期以增大交通流量;对个别车辆的行驶路线进行优化;利用历史交通数据或者通过路网中心和车辆之间的主从式博弈进行路径导航等.然而,这些研究并没有考虑到微观行驶车辆的个性化交通需求以及多车辆彼此之间的路线选择冲突,对于城市路网中交通状况的动态不确定性也没有充分考虑.基于以上问题,提出了城市交通路网动态实时多路口路径选择模型DR²SM（dynamic and real-time route selection model in urban traffic networks）,结合车辆对前方可选路线的偏好以及可选路线的实时交通状况,并利用自适应学习算法SALA（self-adaptive learning algorithm）进行博弈,以使得各行驶车辆的动态路线选择策略达到Nash均衡.     

基于车联网的油耗检测及其时空分布研究

相对于传统的交通信息采集手段,无线射频识别(RFID)系统更实时、有效,但也存在所获取数据在空间和时间上离散的情况。为此,通过RFID系统的车联网模型,将采集的交通信息以路段为最小离散单位进行归类,根据高速路车辆油耗影响因素完成各类型车辆行驶状况的建模。按100 km油耗的评价指标,设计基于车联网的高速路油耗算法(FCIV),并基于该算法,通过数据可视化技术,直观地揭示单路段油耗情况、时间分布特征和空间分布变化规律。     

交通诱导预测控制仿真研究

将动态交通分配实施过程纳入预测控制框架下以满足实时交通诱导的目的,提出一种交通诱导预测控制算法．该算法是在滚动时域基础上进行的,包括实时交通分配、交通流模拟运行及评价以及进化最佳路径３ 个重要环节．仿真结果表明,交通诱导预测控制是一种良好的计算机控制方法学,其优化过程预先考虑了目前交通分配对未来路网的影响,因而可有效地防范交通拥堵,实现考虑反馈的路网交通流实时分配优化,同时为出行者提供最佳路径．     

基于5G技术的交通事故判别方法

为了加快交通事故现场视频传输至车联网速度,提升交通事故判别精准性,提出了基于5G技术的交通事故判别方法.利用路边微云以及5G基站采集交通环境、车辆行驶信息,将所采集信息选取5G移动通信技术利用阈值签名方法发送至边缘服务器,边缘服务器预处理交通数据流并发送至核心车联网内,车联网的集中式云计算中心通过多参数的交通事故判别方...     

蒙特卡罗法在局域网交通信息估计中的应用

为解决理论计算需要事先已知车辆行驶路径的问题,提出采用蒙特卡罗法设计局域路网交通信息估计集成仿真模型,可利用有限交通采集设备,实现全面掌握城市路网交通运行状况、快速有效制定管理措施的目的。在实际路网上的研究结果表明,其具有良好的可靠性,可为先进交通管理系统（ATMS）相关交通模型的建立和交通采集设备的布设提供依据。     

基于车联网的交通管控机制设计与验证

近年来,汽车工业飞速发展,汽车保有量不断提高。但与此同时,其引发的道路交通拥堵问题也影响着越来越多的人。为了缓解道路交通拥堵、提高车辆出行效率,提出了一套基于车联网的交通管控机制。首先,结合固定时长轮转法和车流量响应控制法两种现有的主流交通灯控制法的思想,提出半实时的交通灯控制方法。该方法中,交通灯控制器根据预测出的车流量信息,得到本路口的最优交通灯相位策略,将本路口所有车辆的等待时间最小化。其次,为了提高个体用户的出行效率,提出启发式的动态路径规划算法,该算法在Dijkstra算法的基础上,采用启发式的方法计算路段的权重,以此规划最优路径,使得车辆可以尽可能避开拥堵路段。为了验证提出的交通管控机制的性能,通过交通流量模拟器SUMO和网络模拟器NS3进行模拟实验。模拟实验结果表明,提出的基于车联网的交通管控机制能够有效地降低车辆的等待时间、缓解交通拥堵情况,从而改善整个道路网络的交通状况。     

基于Dijkstra算法的动态交通诱导技术及仿真

研究车辆行驶过程中的路径动态诱导问题,针对目前交通导航系统不能实时动态规划行驶路线的不足,结合自主研发的车载终端装置,通过对Dijkstra算法的改进及优化,提出了一个可应用于交通诱导过程的动态实时最优路径算法;基于该路径优化算法,车载终端装置可以通过接受交通控制中心的实时道路信息,不断调整车辆的行驶路线,最终实现行驶路线的全程动态优化;仿真实例证明:在实时交通信息的引导下,动态交通诱导技术保证了行驶路线的全程优化.     

基于蚁群算法的k条路径生成研究*

通过分析物流企业车辆路径选择难的问题,对现有的蚁群算法进行分析和改进,提出了多径向蚁群算法。算法中设置多径向因子、路网拓扑结构、拓扑矩阵改进蚂蚁路径选择。实验结果表明算法具有合理性、可行性和有效性,可应用于求大规模路网中的多条路径问题。     

智慧城市路网交通流量均衡性优化调度方法

早高峰和晚高峰时段的路网交通混乱,极易发生拥堵情况,为缓解交通系统压力,设计节点元胞划分下智慧城市路网交通流量均衡性优化调度方法。获取不同交通路线间的流量分离函数,定义路径交通流量和可用路段费用,得到出行者在某段路径上的概率函数,计算智慧城市路网各路段交通流量;获取流量守恒和车辆传递函数,计算可变元胞的单独序列,建立交通节点元胞划分模型;设计交通流量均衡性优化调度算法,得到城市路网均衡性的优化调度结果。设置仿真参数,对比优化前后三个路网模型的路径流量,仿真结果显示：早高峰和晚高峰时段路段内的路径流量明显降低,在其他时段,优化后的路径流量也不同程度下降,且路网模型越复杂,该优化方法的调度效果越好。