基于路阻函数小区开放对周边道路通行的评价

小区开放道路增加了路网的可达性,但支路的交通流量与小区的面积、区位、内外部道路状况等诸多因素有关,通过建立路阻函数模型,对周边主路进入小区交叉口的交通流量进行分配.考虑到非机动车及行人等因素干扰,对原有路阻函数模型适当改进,选取路段行程时间为小区开放对周边道路通行影响的评价指标体系,规定路段行程时间由交叉口等待延误时间、通过交叉口时间、自由行驶时间确定.小区开放道路后行程时间较开放前行程时间短,说明小区开放提高了周边道路通行力.     

基于交通流量预测的动态最优路径规划研究

针对传统算法仅适用静态路况的缺点,提出基于交通流量预测的动态最优路径规划方法.通过建立道路运营网络模型,计算流量碰撞概率和道路拥堵概率,重新定义路段的权值并改进了传统算法,实现了动态路况下的最优路径规划,并对传统算法与改进算法进行仿真实验,得到3种实验结果.结果表明,改进算法在交通高峰期得到的最优路径所需行驶时间比传统算法得到的最优路径行驶时间减少16%～23%,有效提高了交通调度效率.     

不确定条件下交通网络的动态最优路径求解算法

针对不确定性条件下的最优路径问题,引入行驶时间波动性及路段间相关性,定义最优路径为一定概率保证程度下行驶时间期望值最小的路径.以Dijkstra算法为基础,从不同路段行驶时间相互独立及相互关联两个角度,分别建立动态路径寻优模型和时间期望函数模型;设计适用于不确定条件下搜寻最优路径的BEST算法,并通过仿真实验验证模型的可行性.结果表明:时耗方差选择的差异化会导致最优路径解的多样化;考虑路段间相关性后绕城公路对市区公路的选择替代性增强.     

基于改进蚁群算法的外卖配送路径规划研究

从外卖配送员角度出发提出一种改进蚁群算法(Improved Ant Colony Optimization, IACO),在此基础上进行外卖配送路径规划研究.首先通过蚁群算法(Ant Colony Optimization, ACO)求解得到初始规划路径,然后通过大规模邻域搜索算法(Large Neighborhood Search, LNS)优化初始规划路径,通过将ACO和LNS算法结合,提高求解质量.为了验证方法的有效性,对外卖配送过程进行仿真,并且选用不同订单数量场景进行对照分析.根据最优配送方案路线图和目标罚函数的最优值可以得出,IACO算法是有效的,且可以提高外卖配送员外卖配送的效率.IACO算法不但能够提升配送的智能化水平,还从外卖配送员的角度提出一种更为人性化的配送方法,支持网络互联外卖平台派送系统的可持续化发展.     

基于改进BPR模型的封闭小区开放对城市道路通行能力影响研究

基于改进的BPR模型研究城市住宅区的开放对周边道路通行的影响.首先构建封闭小区开放对城市道路通行能力影响的评价指标体系,运用Spss和Matlab软件进行了定量分析,选取了路径数量、道路基础设施面积、非直线系数和交叉路口阻塞率等4个评价指标,建立了改进的BPR模型,通过计算交通指数研究封闭小区开放对提高周边道路通行能力的影响,最后进行实证分析,验证了该模型的可行性。     

物联网架构下的车辆动态避险路径规划方法研究

针对多车道路复杂的车辆行驶状况,文章借助无线传感网络的相关技术来设计车辆运行中的物联网络(The Internet of Things,IOT)方案,并分析了运行中车辆间产生的威胁关系,提出一种利用改进边缘势场函数来描述车辆行驶中动态产生的威胁关系的方法.并在预判威胁发生的估计区域的基础上,引入微分进化算法,给出了规避路径的规划算法.实验表明,相对于传统势场法,改进的边缘势场函数更适用于描述道路车辆间相互威胁的动态关系;微分进化算法在路径规划过程中,相对传统群算法,具有更好的全局优化能力及更短的收敛时间.     

蚁群算法在城市交通系统中的应用

根据城市交通的实际情况,介绍了用蚁群算法求解城市交通行驶中车辆最优路径的方法,帮助车辆找到最优路径,从而选择车流量较少的路径行驶。     

基于蚁群算法的智能交通最优路径研究

针对车辆智能交通最优路径问题,提出一种实时规划的蚁群算法。在该算法搜索过程中加入针对具体问题的局部搜索寻优算法,在启发函数中引入搜索方向,改进信息素更新策略,限制信息素轨迹量。利用智能交通道路模型对改进算法进行比较分析。实验结果表明,改进后的蚁群算法能够有效地解决车辆实时路径诱导问题,实现车辆实时路径诱导,具有良好的收敛性和寻优性。     

基于元胞自动机的开放型城市街区交通流模拟

科学合理的交通流疏导是衡量可持续性发展城市街区尤其是开放型街区紧凑度的重要考量因素,提出了一种从强度、连接性和复杂度3个方面建立开放型街区道路通行的指标体系,运用元胞自动机算法原理对交通流模拟进行优化。该算法根据交通规则和司机的行为倾向对NaSch模型的车辆行驶规则进行了改进,加入了交通灯、街区内部内行驶限制等规则,能够描述出交通堵塞的物理效应,准确地模拟出排队形成、排队消散和路口延迟等交通动力学特性。     

导弹车在多波次导弹齐射中的规划问题

以最优化理论为基础,研究了导弹车多波次导弹齐射规划问题.通过Floyd算法以及问题中提出的条件,建立0-1整数规划模型,分别求出待机地域到一波次发射点、一波次发射点到转载地域和转载地域到二波次发射点三个阶段节点路线图;综合考虑各种因素,对车载发射装置在转载地域到二波次发射点阶段进行规划.针对一般多波次齐射问题,使用Floyd算法及0-1整数规划结合逆推法给出每个发射装置的出发时刻以及总的暴露时间.针对道路节点,通过比较增设任意2个不同转载点后的优化结果筛选出最佳的2个增设转载地域,考虑道路节点对其他所有节点的影响因子,利用评估复杂网络节点重要度的节点收缩方法进行求解,结合一般多波次齐射问题中解得的最优路径,筛选出最易受到敌方攻击的三个道路节点.     

无人驾驶车辆路径跟踪的增量式PID控制

为了实现无人驾驶车辆沿着预设路径安全稳定行驶,基于车辆实际位置和给定位置的坐标关系,建立了无人驾驶车辆的路径跟踪模型;分析车辆当前位置及航向信息与目标路径的偏差,提出误差带内外分状况的控制策略;通过改进和优化传统增量式比例积分微分控制(PID控制)算法,提出了一种新型增量式PID控制算法.实验结果表明:改进后的增量式PID算法相较于传统增量式PID算法,无人车路径跟踪的上升时间、调整时间均减小,响应速度加快,超调量减小,车辆实现快速稳定的路径跟踪.     

差分进化算法在物流配送路径优化中的应用

研究无时限单向物流配送车辆路径问题,主要考虑车辆容量、最大距离等约束,考虑车辆满载情况,以车辆非满载率最小、总的行驶路径最短为目标,提出了该物流配送问题的多目标优化问题的数学模型,运用差分进化算法求解该问题.算法构造了合适的编码方法,应用Matlab语言编程进行实例仿真计算,得到了模型的最优解,验证了算法的有效性.     

一种改进的蚁群算法求解车辆的最短路径问题

基于交通网中交通流参数关系模型,提出了新的状态转移概率计算公式,同时在信息素更新策略中引入交通流密度因子,使算法可以根据时变的路网信息求解车辆的最短路径;利用蚁群算法和遗传算法相结合的思想来避免基本蚁群算法在求解车辆最短路径时易陷入局部最优解的缺陷。实验仿真结果表明,改进后的蚁群算法较基本蚁群算法能准确快速地找到基于时间的最短路径,并能有效解决实际交通系统中的最短路径问题,具有一定的实际意义和参考价值。     

基于改进蚁群算法的物流配送车辆路径优化方法

目前路径优化方法忽略了客户时间窗约束产生的惩罚成本,导致惩罚成本过高,无法得到最优配送路径,因此,提出基于改进蚁群算法的物流配送车辆路径优化方法.结合遗传算法完成对蚁群算法的改进,对物流配送车辆路径问题进行建模,得到路径规划问题的目标函数,并根据配送过程的实际情况和具体要求设定目标函数的约定条件,计算固定成本和变动成本...     

最短路问题的Floyd算法的若干讨论

对不含负回路的网络中所有顶点对之间的最短路问题,通常采用Floyd算法.对此算法进行了讨论,并对Floyd算法的计算过程作了一点改进.改进后的算法对阶数不太大的网络进行较简单的计算就能得出所有顶点对之间的最短路.     

危险货物道路运输个性化路径推荐方法

为加强危险货物道路运输风险源头管控,以危货运输车辆行驶轨迹数据为分析对象,研究安全、经济且符合企业自身偏好的道路运输路径优化选择问题,提出了基于偏好、上下文感知的危险货物道路运输个性化路径推荐方法。首先对危货运输车辆历史轨迹数据进行处理,通过提取路径安全和经济性特征学习危货运输企业的路径偏好,在此基础上,综合考虑偏好向量间的距离和方向相似性,提出了改进的K-means偏好聚类算法(improved K-means clustering algorithm based on distance and direction similarity measurement,DDM-K-means),获取了路径偏好类别;其次,依据运输任务执行的时间、天气、运距三方面信息,建立了路径上下文向量,并运用Rock聚类算法划分路径的上下文类别,与路径偏好类别共同构成路径信息;最终,基于神经协同过滤提出了危险货物道路运输路径选择优化算法(optimal route selection algorithm based on neural collaborative filtering,NCF-ORS),得到了危货运输企业对各路径类别的偏好排序,从而为企业推荐最优路径。与基线算法比较分析,结果表明危险货物道路运输个性化路径推荐方法,平均绝对百分比误差最低。研究结果有助于挖掘车辆轨迹数据中更多的潜在信息,提升个性化路径推荐能力,可为危货运输企业的选线问题提供决策支持。     

车辆导航系统的动态最优路径搜索模型及算法

根据车辆导航系统提供的周边交通信息来确定当前位置到达目的地的最优路径，是现代交通管理的一个热点难题。由于道路交通状况的时变性和不确定性以及道路状况的复杂性，使得求解此类最优路径十分困难。对于动态网络，传统算法往往存在着严重的不足，结合遗传算法的特点，建立求解动态最优路径模型及算法，实验结果表明，该方法可以有效地解决动态最优路径问题，具有理论参考价值和实际意义。     

一种新的启发式路径推测算法研究

提出了一种新型路径推测算法.该算法结合几何运算的约束条件,根据车辆轨迹点所形成的向量与路网模型比较来进行启发式搜索,并选择车辆所有可能行驶的候选路径,根据全局择优的方式从整体进行比较,确定车辆最有可能的行驶路径.实验结果表明,该算法能够在复杂路网下,准确地推测距离间隔较大的车辆轨迹点,并且能够实时高效地处理大规模数据.     

基于权重的地图匹配算法

综合考虑车辆行驶的位置、方向以及与GPS定位轨迹的相似性,提出了基于权重的地图匹配算法.该算法将GPS定位数据转换成道路网络的弧的权重,然后根据弧的权重大小来确定车辆当前行驶的道路.在算法中利用道路的拓扑结构使算法简单,使定位数据减少,节约计算资源.仿真结果表明,此算法具有很好的实用价值.     

带运力限制车辆路径问题的简易蚁群算法实现

以求解旅行商问题的蚁群算法为基础,根据带运力限制车辆路径问题的实际应用条件,提出一种较为简易的求解带运力限制车辆路径问题的蚁群算法,并对其中的信息素更新策略进行了分析,对蚁群中的精英蚂蚁(搜索出最优解的蚂蚁个体)所经过路径的信息素进行加强,提高了算法的全局收敛性能和收敛速度,允许蚂蚁在搜索的最初阶段有较大的自由以扩大最优解的寻找空间,提出改进蚁群算法.实验结果表明,该方法能在较短的时间内达到已知最优解的1.5%误差范围.