基于灰色评价理论的自适应最优路径选择

充分考虑了驾驶员在路径选择中的不同要求,依据层次分析法和灰色评价理论建立了一种根据驾驶员的偏好自适应选择最优路径的方法,并设计了相应的决策支持系统,为智能交通流诱导系统的进一步发展铺平了道路。     

一种基于路段惩罚法的合理路径集生成算法

为了给路径选择模型提供合理的路径集输入,使路径集能够包含更多驾驶员实际选择的路径,提出了一种基于路段惩罚法的路径集生成算法.根据发生拥堵的频率定义路段的拥堵指数,然后根据拥堵指数确定新算法的惩罚规则:在上一次计算的最优路径中需要增加阻抗的路段,是拥堵指数较大路段,而不是原始算法提出的所有路段.通过定义合理的指标评价路径集生成算法的有效性,根据实测的驾驶员出行路径数据评价改进的路段惩罚算法、原始的路段惩罚法以及应用较广泛的随机分类组合法.结果表明,在几种算法中本文提出算法生成的路径与实测路径完全一致的比例最大.     

上海市高速公路网多路径条件下驾驶员路径选择研究

为解决上海市联网收费系统中的多义性路径问题,采用陈述偏好调查法（SP）对路网中涉及多义性径的主要大流量OD对之间驾驶员路径选择进行调查,分析影响驾驶员路径选择的因素,总结上海市高速公路网中驾驶员路径选择特征和规律。研究结果发现,在常态交通条件下,运输总费用因素对驾驶员路径选择最为敏感,而特定交通事件（如道路维修或设置指路标志等）将对车辆路径选择产生根本性的影响。本研究可为高速公路网多义性路径问题研究提供新的思路和方法。     

基于驾驶员偏好的最优路径选择方法

驾驶员在出行前最优路径选择准则方面表现出多目标性及多属性的特点.为满足驾驶员的偏好来选择最优路径,文中基于信息熵的多属性决策方法,求解备选路径属性权重向量;结合加权算术平均算子WAA(Weighted Arithmetic Averaging Operator),计算各路径的综合属性值,据此选出最优路径.实例分析表明,...     

基于蚁群优化算法与出租车GPS数据的公众出行路径优化

以出租车GPS采集的浮动车数据为依据,研究出租车驾驶员路径选择的认知及类蚂蚁的行为特征。根据城市道路功能等级与出租车的通行频率等信息素,建立出租车驾驶员路径选择信息素等级路网,并以此作为路网初始信息素,综合考虑路径通行时间、通行距离、路径信息素等级等多个因素,提出了基于蚁群优化算法的公众出行路径规划优化算法。以武汉市路网和浮动车为试验数据,将模型规划的道路与浮动车数据库中的轨迹进行了比较。结果表明:基于蚁群优化算法与出租车GPS数据的公众出行路径同出租车驾驶员选择的出行路径相似度很高,能为公众出行提供出租车驾驶员选择的行车路径。     

基于节点承载力的高密度路网诱导路径选择方法

针对高密度路网诱导路径选择问题,基于图论对路网进行结构化选取,构建高密度路网模型。从节点评估的角度出发,提出综合考虑结构属性和交通运行状态属性的节点承载力指标。采用均质性、连通性2个指标评价路网节点结构属性,采用流量裕度、通行效率2个指标评价路网节点交通运行状态属性,提出一种基于TOPSIS算法(Technique for Order Preference by Similarity to Ideal Solution,优劣解距离法)的综合评价方法,实现对节点承载力的综合量化。基于节点承载力,构造路段承载力指标,采用重力模型和交通分配的方法将节点间的承载力分配到节点相连构成的路段上,并用路段实际交通条件修正即得到路段承载力。基于节点承载力和路段承载力,提出高密度路网诱导路径的确定方法。为证明本研究提出的高密度路网诱导路径选择方法的有效性,构建一高密度路网结构模型,同时采用本算法和传统Dijkstra算法规划诱导路径。结果表明:Dijkstra算法规划的路径虽为数学意义上的最优路径,但该路径途经低级节点,且需频繁切换道路进行交通转换,不符合驾驶员行车期望;本研究提出的基于节点承载力的高密度路网诱导路径选择方法得出的路径虽比Dijkstra算法稍长,但路径均由高等级节点和道路组成,这样的规划结果更符合实际交通诱导系统需求,更能体现驾驶人员选路偏好。     

基于混沌神经网络的最优路径选择算法

研究车载交通流诱导系统的最优路径选择问题。采用广义路阻的定义,考虑了驾驶员在路径选择中的不同要求,并借助一种具有暂态混沌和时变增益的神经网络(NNTCTG),针对最优路径选择问题设计了神经网络结构,构造了能量函数,提出了一种能够满足不同出行者偏好的最优路径选择算法。所提出的算法具有很多优良特性,即暂态混沌特性和平稳收敛性,能有效地避免传统Hopfield神经网络极易陷入局部极值的缺陷。它通过短暂的倒分叉过程,能很快进入稳定收敛状态。仿真结果表明,NNTCTG求解指定起讫点对之间的最优路径问题时,总能收敛到全局最优,同时具有更高的搜索效率。     

基于多属性决策的最优路径选择模型

摘 要 针对最优路径选择中驾驶员个体认知差异及各评价指标的波动性,提出了1种多属性群决策的最优路径选择方法.首先为了消除各个驾驶员在路径选择过程中因心态不同而带来决策值的误差,引入驾驶员心态指标的概念,以得到各个驾驶员在最优路径选择过程中的客观评价值.其次建立最优路径选择的各个常规评价指标体系(消耗时间、路径距离、行驶舒适度、出行费用、路线熟悉度等),为消除评价指标波动性引起的误差,用区间数来描述各个评价值,并建立多目标非线性规划模型.最后进行算例验证,结果表明了该方法的有效性和优越性.      

车道对中控制系统的驾驶员自适应需求验证

针对车道对中控制系统(LCCS)的控制目标与驾驶员正常驾驶行为存在差异的现象,提出了基于主观评价试验的方法验证是否需要设计自适应LCCS提高驾驶员的体验。采集驾驶员在设计道路上的驾驶路径,并通过聚类提取4种风格的驾驶路径,设计评价试验得到驾驶员对4种风格驾驶路径和其他3种人为设计路径的喜好情况。试验结果表明,驾驶员对车辆行驶路径存在明确喜好,且不同驾驶员的喜好存在差异,因此LCCS需要根据驾驶员的喜好调整车辆行驶路径。     

基于级差效益的驾驶员个性化路径选择

在公路成网的条件下,出行路径选择成为智能交通系统的研究重点。考虑到路径选择的多属性和不确定性,提出一种基于级差效益的、体现驾驶员个性化出行需求的路径选择模型,该模型通过计算可行路径的综合级差效益来量化公路综合属性值,可以克服公路综合属性值在量化过程中的强主观性,同时,根据驾驶员的出行需求为其规划出行路径,能够避免单一优化目标下最优路径的车辆过度聚集所造成路网交通流失衡。模型首先参考不确定型多属性决策模型,构建公路级差效益的综合评价指标体系,获取各个评价指标的级差效益定量化模型,以此得到规范化决策矩阵;然后针对驾驶员需求的主观性和不确定性,利用模糊分析法确定驾驶员个性化路径选择的指标权重,求得可行路径的综合级差效益;最后根据可行路径的综合级差效益,对可行路径方案进行排序,从而选出最优路径。以重庆市黔江区公路网为例,基于级差效益的驾驶员个性化路径选择模型为两个具有不同出行需求的驾驶员规划了不同的路径,为关心成本的驾驶员1规划了路径2,为关心安全的驾驶员2规划了路径1,克服公路属性值在量化过程中的强主观性,同时,避免单一优化目标下最优路径的车辆过度聚集,可为公路信息服务和驾驶员出行选择提供依据。     

城市公共交通系统中低碳出行合理路径算法

应对公共自行车发展的趋势,针对城市多模式组合网络路径算法研究中对路径合理性和用户偏好关注的不足,提出一种新的出行路径寻优算法。根据居民出行的一般规律分析了一般路径的构成特征,并充分考虑了居民出行策略的个性化。根据＂低碳出行＂路径选择问题的描述,引入＂多元标号＂的概念,提出了基于经典Dijkstra算法改进的分层标号算法。给出了算法的详细求解步骤,而且通过算例对新算法的适应性和有效性进行了验证。     

基于动态交通分配的应急路径规划

为了提高在应急救援与疏散工作中的应急交通效率,针对已有相关算法未考虑交通问题动态性的不足,提出了1个基于动态交通分配的应急路径规划算法。给出了问题的定义,设计了1个基于仿真的动态交通分配模型,给出了基于动态交通分配的算法求解步骤。通过北京市路网数据对算法进行验证,证明了算法的可行性与有效性。     

基于博弈论的危险品运输网络选线

针对运输路段交通事故概率未知的情况,提出同时考虑运输成本和风险的危险品运输网络选线模型,以降低危险品运输事故对沿线居民和周围环境的影响。考虑发生交通事故后有毒气体泄漏的二次事故,对事故后果进行量化,界定为气体覆盖范围内的受影响人数;考虑在实际运输过程中路段的复杂性,采用最短路径算法选取运输成本较低的若干条备选路径,对运输路网进行简化;假设事故由袭击方制造且运输方对多条路径进行组合使用,以运输风险最小为目标,建立基于零和博弈理论的复合选线模型;采用启发式算法对模型进行求解,获得运输方对各条备选路径的选择概率,构成复合选线策略。以上海市道路网液氯运输选线问题作为典型案例,验证复合选线模型的有效性,并将模型得到的复合选线策略与最优单一选线策略的结果进行对比分析。结果表明：复合选线策略的期望受影响人数为184人,而单选线策略的期望受影响人数为374人;复合选线模型能够很好地解决危险品运输路段概率未知的问题,并能很好地指导实际危险品运输,且在降低运输风险方面效果优于单一选线策略;最短路径算法的运用能有效限制运输路径的长度,有利于节约运输成本;启发式算法的运行时间较短,在适当控制备选路径数量的前提下,可以用于更大规模路网下的运输选线工作。     

妈湾跨海通道工程隧道选线快速评价模型研究

为解决滨海地区跨海隧道选线难题,依托妈湾跨海通道工程,在分析影响海底隧道建设安全的地质因素的基础上,从隧道线位地质适应性角度出发,综合考虑地质条件、设计方案、施工方法等因素,基于打分制提出选线快速评价模型。模型包含平面曲率半径、纵坡坡度、抗浮安全系数、隧道埋深、与平面控制因素水平距离、差异沉降6项评价指标。选线快速评价模型前5项指标不满足设计要求时采用一票否决制,差异沉降指标考虑地下水位、土层性质、土层厚度、先期固结压力、车辆荷载等因素的影响,依据分层总和法计算隧道沉降; 同时,结合经验法推导出沉降曲率半径计算公式,并将沉降曲率半径划分为5个等级,从而构建出妈湾跨海通道工程隧道选线快速评价模型,并将其嵌入到三维参数化选线分析平台,实现隧道地质参数快速选取和隧道线位快速评价。采用选线快速评价模型对妈湾跨海通道3条盾构线位进行选线评价,评分分数分别为79.3、71.3、84.1,对隧道选线设计具有一定的参考意义。     

驾驶人熟悉程度对其安全驾驶行为的影响研究综述

驾驶人作为人-车-路-环境复杂系统中最核心的因素,在交通安全中发挥最为关键的作用。聚焦驾驶人熟悉程度这一因素对道路交通事故的影响,系统地梳理和分析了驾驶人熟悉程度与交通事故的关系及其影响安全驾驶的机理等相关研究及成果。首先,基于驾驶人熟悉程度的距离维度和频率维度识别标准,分析了驾驶人对道路、环境及车辆的熟悉程度与其发生交通事故概率的关联性;其次,从驾驶人控制行为、路径选择行为及视觉行为等角度归纳了驾驶人熟悉程度影响其安全驾驶的机理;最后,就该领域面临的挑战及未来的研究趋势进行了分析和探讨,提出进一步标准化驾驶人熟悉程度指标的方法,为驾驶安全程度评价及提高交通安全提供了理论基础。针对已有相关研究的局限性及机理研究中尚不明朗的问题,后续研究需从认知心理学方面探究因道路、环境、车辆等驾驶人熟悉程度影响其安全驾驶的机理,进一步将视觉特征指标与生理指标结合以量化驾驶人熟悉程度,将此纳入到道路选择模型中。同时,从生理指标角度客观衡量驾驶人熟悉程度对其乘坐舒适度的影响,这些为提升自动驾驶技术接受度、交通安全及车辆安全提供强有力的理论基础。     

基于驾驶人不满度的高速公路自动驾驶换道决策

为了实现高速公路的自由换道行为决策，并满足行车安全高效性、决策结果平稳无震荡、与运动规划模块结合引导车辆行驶等要求，提出了一种基于驾驶人不满度的换道行为决策方法。首先，根据驾驶人的速度期望建立了驾驶人不满度累积模型，并基于驾驶人速度不满累积度产生换道意图。其次，依据不同车道障碍车的运动状态，设计了2种目标车道选择策略，通过预测引擎对各个待选车道进行预测和评估，选取其中行车效率较高的车道作为目标车道，同时建立换道最小安全距离模型，用以在换道全过程中判断换道的可行性。然后，将换道行为决策的结果以目标车道的形式传递给基于改进人工势场的运动规划模块，用于运动规划模块目标的选取，以引导车辆横纵向运动。最后，在CarSim/PreScan/Simulink的联合仿真平台和硬件在环平台上建立多种测试场景，验证换道行为决策算法。试验结果表明：换道行为决策算法能够依据驾驶人速度不满累积度产生稳定的换道意图，进而根据所设计的换道策略选取具有更高行车效率的目标车道，并在换道过程中持续判断换道的可行性，以应对障碍车辆突然加减速等突发状况，保证换道过程的高效性和安全性；换道行为决策算法通过目标车道的转换，引导运动规划模块调整车辆的运动，实现跟车、换道等行为。     

基于驾驶员认知过程的车辆跟驰模型的建立

基于认知心理学的有关知识,提出一种将驾驶员的直觉、分析和推理三者相结合的驾驶员认知结构基本框架,在此框架体系下对车辆跟驰过程中驾驶员的认知过程进行了详细的分析;结合五轮仪试验系统采集的数据,采用因子分析法确定出对驾驶员的车辆跟驰信息提取过程有独立作用的4个因素,包括前车位移、前车速度、前车加速度和后车位移,相应地将驾驶员认知过程划分为4个阶段,构建了跟驰过程中驾驶员的认知结构模型,并对各个阶段做出了具体分析,建立了相应的车辆跟驰模型。仿真结果表明,基于驾驶员认知过程的跟驰模型可以较好地揭示跟驰过程中的驾驶行为。     

公路路政管理站点规划和巡视路线优化研究

采用遗传算法建立了公路路政管理站点规划选址优化模型,研究了路网中规划选址优化的多变量算法不易收敛问题,应用受限P 中心问题以减少管理站的备择点数目,从而减少遗传算法中染色体的基因长度,并按不同策略进行初始群体和种群的选择,加快收敛速度,从而提高算法的运算效率。针对高速公路巡视路线优化中最大巡路长度问题,采用贪婪算法和邻域搜索算法的结合求解最佳巡视路线,给出了问题的多目标函数优化模型和算法。