基于卡尔曼滤波的路径行程时间预测方法

为提高常规卡尔曼滤波预测模型的自适应性，本文研究一种基于卡尔曼滤波的实时路径行程时间预测方法。首先通过主成分分析法考察行程时间与其影响因素时间序列之间的相关性，从而选择影响路径行程时间的主要因素，并建立相应的多元回归方程;其次，构造行程时间的卡尔曼滤波状态方程;最后，由一组卡尔曼滤波递推式计算得到行程时间的预测值。将本文算法应用于广州市某交通干道上的行程时间预测，并将本文算法和常规卡尔曼滤波方法进行比较。结论表明本文算法有效，用于路径行程时间预测具有较好的综合性能。     

一种动态路段行程时间的预测模型

动态路段行程时问的预测是ITS动态最短路线选择的关键技术之一。根据对实际交通状况的分析,将路段行程时间分为三个部分,即自由行驶时间、排队等待时间和通过交叉 口时间。模型基于路段的基本信息及实时信息分别对这三部分时间进行预测,从而实现对整段路段行程时间的动态预测,精确度明显提高。     

基于实时交通信息的动态路径规划算法性能比较

本文综合考虑起始点间的所有路径的实时交通信息,将其作为影响选择概率的一个重要因素-阻抗,应用于蚁群算法当中,在此基础上进一步优化了传统的蚁群算法。通过与求解AR的两种方法-Dijkstra算法和蚁群算法的性能仿真对比。详细比较了与这两种算法在收敛速度和计算结果精确度方面的差异。结论表明改进后的蚁群算法在各方面均优于其他两种算法。     

基于动态模型的公交车行程时间预测

准确以及实时的公交车行程时间信息能够帮助出行者更好地规划行程,减少出行者的等待时间。提出了一种基于SVM-Kalman滤波的公交车行程时间动态预测模型。模型中,经过良好训练的SVM模型从历史数据进行预测得到行程时间基准;Kalman滤波动态算法在基于SVM模型预测值和最新公交出行信息的基础上对结果进行调整。以深圳市223路常规公交线路为实例,将动态模型的预测精度结果与单一SVM模型、ANN模型结果进行对比,结果表明,基于SVM-Kalman滤波的公交车行程时间动态预测模型的预测精度更高、动态性能更好。     

多目标多时间窗车辆路径问题的鸽群-水滴算法

针对智能水滴算法求解带时间窗车辆路径规划收敛速度慢、计算精度差的问题,根据带时间窗车辆路径问题的应用要求,利用整数线性规划方法,以配送车辆的最小运输总成本、最短运输距离和最少安排数量为目标,综合考虑了车辆出发点、服务点、装载量、行驶距离、服务时间窗等诸多约束条件,构建了多目标多时间窗车辆路径模型;为了精准快速求解多目标多时间窗车辆路径模型,提出一种鸽群-智能水滴互补改进优化算法,将河道水滴离散二进制变换后,采用地图罗盘算子和地标算子分别改进水滴的流动速度和方向,并利用自适应变邻域扰动策略干扰水滴携带的泥土量,提高水滴算法的开发和探索能力;利用理想点法和罚函数与多目标优化混合方法分别处理多目标函数与约束条件,并以两种经典的带时间窗车辆路径问题为实例,通过与遗传算法、智能水滴算法和鸽群-水滴算法的计算结果进行比较,结果表明：在相同的算法参数和经济指标下,鸽群-水滴算法相比于智能水滴算法求解模型中的运输路径缩短20 km左右、运输成本节约403元左右,且该算法的求解时间和迭代次数也明显优于其他两种人工智能算法。     

Beam-PSO优化算法在多行程车辆路径问题的应用

针对城市物流配送系统,研究了一类带时间窗和释放时间约束的多行程车辆路径问题。首先,对该运输调度问题进行了描述,构建了以总配送时长最小化为目标的数学模型。其次,为了快速获得问题的满意解,提出了Beam-PSO优化算法。在算法设计中,结合该问题的性质,构建了基于随机键的编解码方法,以克服标准粒子群算法无法直接适用于求解离散问题的不足。同时,设计了基于Beam search优化技术的局部搜索流程,用于强化算法的优化性能。最后,进行了仿真实验,实验结果表明了Beam-PSO优化算法的可行性和有效性。     

基于实时交通信息的动态路径规划技术

随着我国实时交通信息采集与发布系统的完善,车辆导航系统动态路径规划技术的研究具有重要的实际应用价值。本文在研究动态路网模型及其算法的基础上,结合实时交通信息,提出并实现了一种适合国内车载导航应用的动态路径规划的改进方案。仿真结果验证了其有效性。     

基于预测信息的时间依赖网络路径规划算法

分析最小时间规划算法,针对算法在应用上存在的不足,在研究SPFA静态规划算法的基础上,结合该规划算法的优点,提出一种改进的最小时间路径规划算法。实例验证结果表明,该算法能够提供实时、高效、预测性强的规划路径,在城市交通中较好地满足用户的需求。     

一种基于概率的路径预测与查询算法

研究了路网空间内的路径预测与查询技术,设计了基于统计信息和概率论的最优路径预测算法。实际应用中,路网错综复杂。提出可能路径集合的概念,并设计算法来提取当前路径预测涉及到的路网子网,减小路网规模和路径预测的复杂度。在空间网络环境下,现有移动对象位置预测技术主要针对短期预测,不能预测下一路口的交通情况。为了弥补这一缺陷,降低用户端的位置更新率,设计了路网移动模型来简洁描述提取自大量历史移动路径的移动统计特征,捕捉路口处转向模式。基于移动模型,提出了具有较高精度的交通预测模型来预测对象的运动路径。     

基于支持向量回归的行程时间预测算法

作为交通规划、运营和通行能力评估的重要指标,行程时间的预测对出行者的路线和时间点的选择,以及交通规划部门的信号控制策略有着重要的实际意义。对于高级交通诱导系统而言,行程时间预测是一项关键的研究内容。现有行程时间预测方法较少,且预测误差较大。为此,运用浮动车和微波雷达测速数据,提出了基于支持向量机解决行程时间预测的方法,并且与历史平均法进行了比较。在杭州市高架路线上的实验结果表明,所提方法的预测精度大幅度超过了历史平均法。     

基于实时信息的车辆导航路由算法

讨论了在动态随机网基于实时信息的车辆导航问题。交通网中的每一路段的旅行时间建模为随机变量,可以在车辆进入路段前根据实时信息估计其旅行时间。与经典最短路径算法不同的是,不需要在车辆行驶前就确定一条从起始点到终点的完整固定的路径,只需要在车辆到达结点时,根据实时信息估算出从当前位置到终点的预计旅行时间,选择下一路段。这样在车辆行驶过程中就能根据提供的实时信息选择更好的路径,达到优化路径的目的。     

面向间断流行程时间预测的浮动车数据挖掘

间断流行程时间预测是交通流诱导系统和交通控制系统研究的一项重要内容。指出传统浮动车行程时间预测模型的局限性,提出一个模糊回归模型,该模型克服了传统预测模型的局限性,考虑了相邻路段交通状态（行程时间）的连续性,仅需要少量数据就可以对间断流行程时间进行较准确的预测。利用杭州市的实测数据对行程时间进行了预测分析,结果证明该模型是有效的。     

基于增强型Dijkstra算法的无信号灯交叉路口智能车辆调度研究

针对车辆在通过无信号灯交叉路口时存在等待时间长、通行效率低等问题,提出了一种基于增强型Dijkstra算法的优化调度方案。以智能车辆为研究对象,在将交叉路口网格化的基础上,综合考虑车辆在每个网格中的方向权值、安全权值和优先级权值,制定了动态网格权值赋值原则,进而搜索通行时间最短的路径。相比Dijkstra算法,提出的增强型Dijkstra算法实现了智能车辆在动态网格权值下最短路径的全局搜索,可以根据实际车辆环境灵活调整每个车辆的行驶轨迹。仿真结果表明,增强型Dijkstra算法不仅能够保持较低的冲突次数,还能有效减少车辆总通行时间。在100 m×100 m的双向六车道的交叉路口环境下,车辆平均停车延误减少1.5 s,冲突率下降13%。     

基于旅行时间检测系统的交通应用研究

由于旅行时间的采集日趋精确,在交通领域被广泛地应用。首先介绍了一种基于精确车牌识别技术的旅行时间检测系统,然后重点阐述了检测数据的决策信息分析和处理,最后提出了一种以旅行时间为目标参数,以元胞自动机模型为基础的短时交通预测模型,并对其关键技术和难点进行了讨论和分析。     

Fuzzy prediction of chaotic time series based on fuzzy clustering

The main purpose of this paper is to study a new method to model and predict a chaotic time series using a fuzzy model. First, the GK fuzzy clustering method is used to confirm the input space of the fuzzy model. The goal is to divide the training patterns into representative groups so that patterns within one cluster are more similar than those belonging to other clusters. Then, the Kalman filtering algorithm with singular value decomposition is applied to estimate the consequent parameters of the fuzzy model in order to avoid error delivery and error accumulation. The effectiveness of the proposed method is evaluated through simulated examples, including Mackey‐Glass time series and Lorenz chaotic systems. The results show that the proposed method provides effective and accurate prediction. Copyright © 2011 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

基于Vanet的无人驾驶动态路径规划算法研究

随着智能交通的发展,无人驾驶成为未来颠覆传统出行的又一重要交通工具,为适应无人驾驶大规模复杂的交通环境,为无人驾驶导航规划提出了动态双向A~*算法。车载自组网是未来无人驾驶的一个重要发展方向,为检验算法在车载自组网环境下的性能表现,采用OMNeT++与SUMO双向耦合,在开源框架Veins基础上进行联合仿真实验,证明在不同交通密度的交通状态中,在Vanet环境下动态双向A~*算法相比在无Vanet环境下传统双向A~*算法,能更有效地缩短行程时间,提高出行效率。     

基于蚂蚁算法的PGIS中动态路径诱导技术研究

停车诱导系统（PGIS）将计算机、信息与多媒体等技术应用于交通管理领域,是智能交通的重要组成部分。首先分析了PGIS中一项关键技术——动态路径诱导的特点和实时诱导技术要求,根据该要求,介绍了一种生物界仿真算法——蚂蚁算法的特点及其应用在最优路径搜索中的基本方法。仿真实验表明该方法搜索效率较高,可用于动态路径诱导技术中。     

改进蚁群算法在旅游路线规划中的应用研究

在研究了基本蚁群算法后提出了偶遇算法,提高了蚁群算法蚂蚁一次周游的质量。针对旅游路线规划的问题,改进了路径的求法,使蚁群算法可以实现动态规划,从而实现旅游景区的负载均衡。提出一种基于改进蚁群算法的旅游路线规划问题求解的有效方法。实验结果表明该方法具有较好的有效性和实用性。     

基于多点协作的团队出行路径优化算法

针对团队出行过程中因信息孤岛导致出行路径非优化和延时等待等问题,提出了一种以团队成员信息共享为基础,以集中式计算为手段的协作式路径优化算法。该算法统筹考虑成员间会合的便捷性、路径/时间最短化等多种因素基础上,通过引入团队会合优先度因子对路径计算进行加权处理,从而实现整个团队出行路径的最优化。理论分析表明,协作式路径优化算法的计算复杂度随团队成员的数量线性增长,与传统的最短路径算法计算复杂度基本相当。仿真结果表明,会合优先度因子值的高低,将会影响会合点及出行路径的选择,因此,可根据实际需求设置会合优先度因子,实现团队会合和路径最短化的动态均衡。最后,以协作式路径优化算法的一个具体的工程应用,阐述团队成员间如何提供支持和帮助,从而安全、高效和有序地到达目的地。