具有交通限制约束的道路网络最优路径算法

在路网中选择并按最优路径行驶，有利于提高交通效率。实际道路网络中交通限制信息的存在导致最优寻路的复杂性，本文先对具有动态的交通堵塞限制信息及静态禁止通行限制信息的实际交通路网进行描述，然后在对Dijkstra算法以及实际交通限制信息进行分析的基础上，提出一种考虑静态和动态交通限制信息的最优路径规划算法。应用表明，该地能满足实际道路网络寻路的需要。     

包含禁行路线路网的最优路径HNN算法

为了解决包含禁行路线路网的最优路径快速求解问题,研究了不含禁行路线路网和包含禁行路线路网的特点,建立了相应的路网数学模型。通过路网转化法把包含禁行路线的路网转化为不含禁行路线的路网,降低了最优路径求解的难度。研究了霍普费尔特神经网络(Hopfield Neural Network,HNN)的特点,设计了适合求解路网最优路径的HNN算法,在算法中采用动态邻接矩阵,节省了计算机内存,减少了运算时间。将所研究的路网转化方法和设计的HNN算法应用于所研发的车辆诱导系统中,并进行了实际路网测试,结果表明应用该方法能够在包含禁行路线路网中求解最优路径,且比经典算法的运算效率高。     

考虑禁行路线路网的最优路径求解

为了解决含有禁行路线路网中的最优路径求解问题．研究了含有装行路线路网的特点．建立了数学模型。通过路网转化法把含有禁行路线的路网转化为不含禁行路线的路网．降低了最优路径求解的难度。采用邻接结点关系矩阵和邻接结点权矩阵表达路网中结点和路段的拓扑关系，减少了路网的存储空间。用动态邻接结点关系矩阵和邻接结点权矩阵对经典的Dijkstra算法进行了改进，节省了计算机存储空间、提高了计算效率．并给出了基本算法。将所研究的路网转化方法和改进的Dijkstra算法应用于所研发的车辆诱导系统软件，并进行了实际测试。测试结果表明．府用该方法能够在含有禁行路线的路网中求解最优路径．且运算效率较高。     

基于驾驶员路径选择的动态交通仿真模型

描述一个基于路径的动态交通仿真模型(RDTS)，它使用一个微观交通流仿真器结合一个驾驶员路径策划器来实现路网中每辆车从出发地到目的地行程的模拟。应用开发的时间相关最短路模型，驾驶员在向目的地前进途中可以根据交通条件的动态变化而动态地选择和变更路径。RDTS模型采用一个路径选择模型来模拟详细的动态交通分配过程，并且致力于反映路网中个别车辆的行为表现及其相互作用，其中包含车辆生成、路径选择和车辆移动模型，可以很好地应用于驾驶员动态路径诱导领域。     

受限路网中汽车行驶最优路径算法及优化实现

实际交通网络不仅包含路网的拓扑关系，还存在大量交通禁行限制。考虑了交通连通性约束所建立的受限路网模型能够更精确地反映实际交通网络。文中提出一种能够在受限路网中寻路的最优路径算法，并具体讨论了算法的优化实现。应用表明该算法可靠高效，可用于实际受限交通网络最优路径规划。     

动态规划在指路标志指引上的应用

复杂多元的城市路网以及数量繁多的指路标志,使得道路使用者的行驶路径多样,为了满足出行者能迅速、快捷地到达目的地,需找到一条综合权值最优的出行路径,再在其上设置指路标志对目的地进行指引。基于此,首先阐述了动态规划的基本概念和算法思想;然后以行驶路程作为出行者路径选择的因素,定义行驶路程最小的路径为最优路径;最后,以广州大学城路网为例,针对中山大学的指引,在明确起、终点的情况下,采用动态规划的方法找到前往中山大学的最优路径,验证了动态规划算法的有效性。     

基于分时路网模型的车辆导航动态自适应寻路算法

以交通流连续特性为基础,建立了分时动态交通路网模型,分析了分时路网“先进先出”的特性,并提出了一种高效的动态自适应最优路径规划算法,可应用于车辆实时动态导航系统。     

基于多智能体博弈的路径选择策略仿真研究

系统最优与用户最优代表了交通分配中路网管理者与出行者两种不同的利益出发点。在综合考虑两者在路径选择过程中动态交互特点的基础上,引入博弈论的思想协调两者的利益冲突,建立了路网系统管理者与出行者之间的路径选择博弈模型。为验证模型的有效性,结合多智能体技术进行了相应的仿真实验,并利用多智能体仿真软件Starlogo进行模拟。通过对无信息无博弈（随机）出行、用户最优出行、有信息有博弈出行以及系统最优出行等4种不同仿真方案的比较分析,验证了系统与出行个体之间协调的博弈模型性能满足了驾驶员出行需求,提高了路网整体效率,为建立实用的诱导策略提供了参考。     

基于并行遗传神经网络算法的限制搜索区域最优路径方法

在大规模路网的路径诱导中，研究了基于神经网络的交通信息实时预测方法，构造了具有时变性的路阻矩阵，解决了传统静态路阻存在的局限性问题；探讨了基于并行遗传算法的最优路径求解问题，给出了相应的遗传、变异算子和群体更新方式，提出了矩形限制搜索区域方法，降低了并行遗传算法的搜索范围，解决了遗传算法在大规模路网中求解最优路径时存在的实时性差、收敛速度慢等问题；仿真实验表明该方法满足大规模路网路径诱导的准确性、实时性和快速性要求。     

基于多智能体系统的动态路径选择算法研究

动态路径选择算法是城市交通流诱导系统的核心理论之一，一直受到国内外研究学者的普遍关注。本文给出了一种基于多智能体系统的动态路径选择新方法，阐述该方法的主要思想，借助交通模拟软件——PABAMICS建立一个基于多智能体的交通诱导系统，并实现对一个简单路网的诱导管理。仿真结果显示：该方法具有实时性强和鲁棒性好的特点，说明多智能体系统在实际交通诱导应用中具有可行性。