基于神经动态规划算法的最优路径选择

针对传统动态规划算法在计算大规模路网的优化问题时所表现出来的计算时间长、存储空间大等缺点,引入了一种神经动态规划算法：它将传统的动态规划和BP神经网络结合起来,通过逼近Q学习算法来寻求一种最优策略,最终达到路径优化的目的。将此算法应用于一个交通路网,且用Matlab软件进行仿真,试验表明：该方法的实时性、并行性和全局性都优于传统动态规划,在城市交通流系统中能切实起到路径诱导的作用。     

基于动态规划算法的机器人避障路径研究

为了使复杂的移动机器人路径规划问题得到简化。并减少可行路径的计算量．对避障路径规划问题进行了比较深入的研究．在以可视图法所建的求解环境为基础上,将避障路径规划转化为多阶段决策问题,对每一个阶段的子问题应用改进可视图法和几何逼近算法进行求解,得出各阶段的最短路径．验证表明：该算法是一种正确、高效,实用的算法．     

基于相似聚类分析的交叉口交通流量预测

从城市道路交叉口交通流量的特征出发,采用数理统计学相关系数和聚类的方法,利用安装检测器交叉口检测出来的交通流量进行相似分析和聚类分析,对无检测装置的交叉口进行判别、归类,并对其交通流量的预测,可较好实现城市路网节点交通流量的预测和交叉口的宏观管理.     

基于BP神经网络的交通流量预测设计

在研究交通流量特性的基础上,以交通流量控制为最终目标,建立了基于BP（Back Propagation）神经网络的交通流量预测模型。以某市某三叉口路段为例进行仿真模拟,结果表明预测系统能较准确地预测出交通流量状况。     

一种基于动态递归神经网络的交通流量实时预测方法

智能交通系统是目前世界上公认的解决城市交通拥堵问题的最佳措施，实时、准确的交通流量预测是智能交通系统实现的关键技术之一。提出了一种基于改进型Elman神经网络的交通流量实时预测方法，由于预测模型中采用的递归神经网络具有动态记忆能力，因而可在网络规模较小的情况下实现对交通流量的快速、准确预测，并用实例验证了所提出的交通流量预测方法的有效性。     

基于时间最优的足球机器人路径规划

用平滑的B啨zier曲线代替传统的折线作为路径的描述,能满足移动机器人的非完整性约束方程,并能使机器人获得较大的运动速度,然后用遗传算法对代表路径的B啨zier曲线控制点进行时间寻优.遗传算法的适应值函数充分考虑了影响机器人运动时间的3个因素:路径的安全性、长度和平滑度.仿真结果表明了该方法的有效性.     

基于系统科学理论对交通流量预测的研究方法

随着经济的高速发展,城市化进程在不断加快．针对道路交通拥挤和交通控制等问题进行研究;基于系统科学理论研究分析城市道路交通系统结构的特性,研究利用这些特性进行道路交通拥挤预测和拥挤控制的模型,进而提出道路交通拥挤控制或缓解的措施和方法．     

车辆导航系统最优路径规划的研究与实现

最优路径规划是智能车辆导航定位系统中一个非常关键的问题。通过对车辆导航系统本身的特点及要求的分析与研究、设计了良好、实用的空间数据的数据结构，并对基于人工智能的A*算法进行了优化，实现了准确的、较为高效的最优路径搜索。最后给出了一个最优路径搜索的实例。     

基于随机过程下的交通流量预测方法

在考虑交通流量为随机过程的情况下,根据实际观测得到的交通流量,运用灰色预测模型、神经网络等方法,预测将要发生的交通流量数据.然后,根据以前相应的交通流量数据计算出预测结果的波动范围.最后,提出了解决交通拥堵的方案.     

帆船绕标航行最优行驶路径规划方法

最优行驶路径规划是帆船比赛取胜的关键环节.文章提出了基于分区段优化的帆船比赛绕标航行最优行驶路径规划方法.该方法在比赛区域建立二维平面坐标系,将整个航程划分若干区段,通过坐标轴旋转和平移得到各区段的虚拟坐标系.每个区段采用基于模糊综合评价的路径规划方法进行优化,规划完成后进行坐标还原,从而得到整个航程的最优行驶路线.仿真试验结果表明,该路径规划方法能够得到较好的优化结果,对于指导帆船运动员训练具有较高的实用价值和较好的应用前景.     

Research on traffic congestion mechanism and countermeasures based on dynamic traffic assignment

Traffic congestion greatly influences city develop-ment and activity efficiency. It seriously interferes withthe residents’work and life. To understand the law oftraffic congestion, two causes should be considered.First cause of traffic congestion is irrational planning ofthe city and its road’s network. Improper facility usagewith deficient capacity accompanied with unbalancedflow distribution causes some facilities’to super satu-rate. Also unsuitable TMC (Traffic management andcontrol) …     

基于记忆机制的动态交通路径优化算法

在对经典路径优化算法性能进行分析的基础上,指出了现有路径优化算法在大规模路网条件下实时性差的问题。通过比较道路交通网络路径优化和机器人寻路过程的异同点,基于智能机器人寻路的D*Lite算法和记忆规则,提出一种新的道路网络动态路径优化算法,并对其性能进行了测试和对比分析。结果表明,该方法在保证路径优化结果相近的情况下可以减少优化计算时间26%~50%。     

路径规划中两个多面体的快速碰撞检测算法

如何进一步提高碰撞检测的速度在智能机器人路径规划中非常关键,为此给出了一种新的碰撞检测算法;它是以空间中的平面方程为基础,将一组平面方程进行几次代数变换得到一组常数不等式,观察这组常数不等式中是否含有矛盾不等可判定机器臂是否与空间中的障碍物相撞。     

复杂动态环境下基于侧滑力的局部路径规划

研究了复杂动态环境下具有局部感知能力的移动机器人路径规划问题.针对传统势场法避障在拥塞环境下存在局部振荡的问题,提出虚拟侧滑力的方法,障碍物对机器人产生侧滑排斥力,而非传统的反向排斥力,并由力来直接引导机器人运动.静态障碍物的侧滑力计算与障碍物距离、朝向及目标点朝向有关；动态障碍物的侧滑力计算应考虑其速度信息.为解决局部最小问题,对机器人已走路径进行跟踪监督,当机器人路径在一段时间内出现重复时,确认其已处于陷阱状态,继而采用沿墙走的策略来摆脱陷阱.仿真结果验证了算法在复杂动态环境下的实时性和有效性.     

复杂局部地形中的实时路径规划算法设计

针对复杂局部环境中机器人实时自主导航问题,设计了“双向搜索多边形构造算法”和“基于势场函数的机器人运动控制器”．“双向搜索多边形构造算法”能够在机器人被障碍物包围的环境下搜索出障碍物的包围多边形,从而获取基于障碍的最优行进路径;“基于势场函数的机器人运动控制器”是一个多变量控制器,输入矢量由吸引势场函数和排斥势场函数组成,输出矢量由速度和转角组成,该控制器控制机器人实际运动,使机器人能够有效躲避障碍物并逐步趋向目标点;控制器还设定了机器人运动的基本速度,解决势场为零时引起的局部极小化问题．与“沿墙走算法”、“人工势场法”等方法的实验比较表明,本文算法能够获得更好的优化性和实时性,具有更加广泛的实际应用范围．     

Hopfield神经网络算法求解路网最优路径

为了解决经典算法在求解大规模路网最优路径时运算时间长的问题,研究了Hopfield神经网络的特点,建立了一般路网的数学模型,根据Hopfield神经网络的特点设计了适合车辆诱导的路网Hopfield神经网络最优路径算法.采用动态邻接矩阵对该算法进行了优化,减少了运算时间.把该Hopfield神经网络算法应用于所研发的车辆诱导系统的最优路径求解中,并进行了实际路网测试,结果表明应用该算法能够正确求解路网的最优路径,且比经典算法的运算效率高.     

Global optimal path planning for mobile robot based on improved Dijkstra algorithm and ant system algorithm

A novel method of global optimal path planning for mobile robot was proposed based on the improved Dijkstra algorithm and ant system algorithm. This method includes three steps： the first step is adopting the MAK-LINK graph theory to establish the free space model of the mobile robot, the second step is adopting the improved Dijkstra algorithm to find out a sub-optimal collision-free path, and the third step is using the ant system algorithm to adjust and optimize the location of the sub-optimal path so as to generate the global optimal path for the mobile robot. The computer simulation experiment was carried out and the results show that this method is correct and effective. The comparison of the results confirms that the proposed method is better than the hybrid genetic algorithm in the global optimal path planning.     

基于混沌小波网络的交通流预测算法研究

实时准确的交通流量预测是实现智能交通诱导及控制的前提与关键,也是智能化交通管理的客观需要.结合交通流预测的特点,提出了一种基于小波网络的路段交通流预测方法,把混沌优化算法引入小波网络的拓扑构造,结合提出的相似时段的预测思想,给出了一种基于混沌优化算法的小波网络交通流量预测模型.实验结果表明,引入相似时段的预测思想可以有效提高交通流的预测精度,基于混沌优化算法的小波网络在交通流预测的精度和收敛速度方面明显优于常规BP网络     

基于出行计划数据的最优路径规划方法

现有基于交通流预测的路径规划方法大多使用历史或实时交通流数据,预测时效性有待提升.针对上述问题,提出基于出行计划数据的路径规划方法（RPTP）.该方法能主动捕捉出行者的未来交通需求,为车辆提供更合理的出行路线.基于出行计划的思想,设计基于出行计划数据的路径规划整体框架;构建基于出行计划路线数据的未来时段路网密度估计算法;采用空间堆叠的方式融合未来多时段路网密度,以此为依据改进D*Lite算法的启发函数.采用SUMO平台仿真验证,与静态路径规划方法（SPP）和滚动路径规划方法（RPP）进行对比分析.结果显示,在相同环境下RPTP方法能提高车辆的通行效率,缓解路网拥堵,有效验证了RPTP方法的优越性.