基于改进蚁群算法的动态路径规划算法研究

针对交通导航最优路径问题,文章分析了传统蚁群算法的基本原理及其局限性,并为提高路径搜索效率,解决路径搜索初始阶段缺乏方向性、正反馈机制引发局部最优解的问题,提出了新的改进蚁群算法,通过信息素更新策略改进、启发因子改进和引入探索因子来寻求动态全局最优解。由MATLAB实验仿真可知,改进后的蚁群算法对比基本蚁群算法,在遍历相同道路网络节点时,其循环的平均路径长度和最短路径长度都较短,能够有效实现动态最短路径诱导,具有良好的收敛性和全局寻优性。     

模糊矩阵算法在交通导航系统中的应用

针对车载导航动态路径最短算法问题,文章研究了影响交通运输效率的几个重要因素,利用模糊逻辑运算求解各因素对动态路径权值的影响,提出了基于矩阵算法的最佳导航路径规划算法,并通过南宁市某地区的交通网络图,实验验证了该算法的准确性和有效性。     

基于Multi-Agent的动态路径诱导系统

动态径路诱导是现代智能交通系统研究的一个重要领域。文章使用Multi-Agent技术思想,运用Java语言,结合动态路径诱导的实际需求开发动态路径诱导系统。基于各Agent间的实时交互信息,包括路段Agent提供的路况信息、路口Agent提供的交通信号信息、车辆Agent提供的车辆行驶及诱导需求信息,运用改造后的A*智能优化算法,实时计算诱导车辆当前位置下的最优路径。同时引入区域控制Agent与中心决策Agent对全局进行控制,避免局部最优及交通拥堵漂移现象的发生,从而达到整个路网的优化。完整地仿真了一个功能齐全的动态路径诱导系统,并且验证了该动态路径诱导模型的可行性及有效性。     

动态车辆路径问题的遗传算法研究

文章针对动态车辆路径的特点及模型对其算法进行了研究，并设计了改进的遗传算法对最优路径进行求解，结果显示采用改进的遗传算法提高了全局寻优能力与收敛速度，取得了较好的效果。     

基于改进鱼群算法在管道最优抢修路径的研究

当油气管道发生安全事故时,为保证在最短的时间内达到事故现场,需选择最优的抢维修路径。文中提出了一种新型的最优路径计算方法——鱼群算法,并针对其在搜索空间、收敛性以及寻求最优解等方面存在的不足,提出了改进鱼群算法。结合实际工程案例,对鱼群算法和改进鱼群算法在相同循环次数下寻求最短路径做了对比,结果显示改进的鱼群算法成功率高、收敛快,具有一定的应用价值。     

基于增量搜索的车辆动态路径规划算法研究

D＊Lite算法是一种非常高效的增量搜索算法,适合于动态环境下的路径规划。文章基于D＊Lite算法的原理,对该算法的性能及应用于车辆路径规划的适用性进行改进,提高了算法的稳定性和结果的可靠性,并通过试验和算法评价验证了改进的D＊Lite算法在复杂、动态环境下规划路径的有效性。     

基于蚁群算法和群决策理论的动态路径优化研究

文章针对城市交通信号控制中的动态路径优化问题,综合考虑相邻交叉口间距和路段交通饱和度两个参数的影响,提出了一种基于蚁群算法和群决策理论的动态路径优化算法模型,并通过仿真实验,对比分析了该算法模型的有效性。     

智能车避障路径规划方法研究

避障路径规划是智能车技术的关键部分,对智能车研究具有重大意义,正确的选择规划方法至关重要。本文首先初步选定人工势场法规划路径,仿真得知传统人工势场法规划出的路径存在局部最优、碰撞及达不到目标点的问题。因此提出改进人工势场法,通过改变势场函数和设定初始条件来解决此问题。最后,为了规划出能够同时避开静态和动态障碍物且能到达目标点的理想路径,在改进人工势场法中加入速度元素,经过仿真,证明了基于速度的改进人工势场法在智能车避障路径规划中的可行性和优越性。     

基于熵权-Topsis的中老铁路运营管理模式选择

本文从定量的角度出发，提出熵权-Topsis相结合的综合评价法，在三种运营管理模式中选择最适合中老铁路的方式。通过文献资料、项目资料以及专家咨询，分析影响合资铁路运营管理模式的多个因素，建立了综合评价指标体系，包括四个准则层和十二个指标层。首先根据专家打分建立指标的判断矩阵，接着采用熵权法得到其权重值，然后采用Topsis法计算各方案到最优方案的贴近值，求得最优方案。通过济青高铁进行可行性验证，最后应用于中老铁路，得到最合适的方案。     

基于AHP-熵权法的GIS高速公路选线研究

利用GIS空间分析技术和综合评价法进行高速公路的路径规划,建立一种基于AHP-熵权法的公路选线模型,从而降低规划过程的复杂性。以河北沿海高速唐山段为研究对象,选取土地利用类型、坡度、坡向、水文、断层、土壤类型、GDP、旅游资源和生态敏感度九种地理指标评价因子,分别建立基于层次分析法和熵权法的高速公路选线方案决策模型,并结合两种方法建立综合评价模型生成最优路径与原路径进行对比。结果表明,结合两种评价方法生成的最优路径与原路径有较高拟合,基于AHP-熵权法的高速公路选线模型在对比有一定优势。     

考虑运输安全的多式联运路径和运输方式选择研究

本文综合考虑运输费用、运输安全、运输路径和运输方式等因素,建立了以运输成本最低为目标函数的多式联运路径选择模型,并设计了求解算法,最后通过实例验证,选择合理的运输路径和运输方式组合优于单一的运输方式。求得的运输路径和运输方式最优解可以为运输经营者在实际运输经营中提供决策参考。     

基于集对分析的轨道交通站自行车换乘停车 设施选址研究

轨道交通站自行车换乘停车设施选址的影响因素较多,需要构建指标体系和评价比选方法以选择出最优方案。从服务水平、空间影响和建设投入三个层面出发,建立包含8项指标的评价指标体系,并给出各项指标的具体定义和量化方法。提出基于集对分析的自行车换乘停车设施选址方案比选方法,即采用熵值法确定各指标值权重,根据集对分析对备选方案进行排序,比选出最优方案。最后将该方法应用于南京市轨道交通朝天宫站的交通接驳一体化规划中。研究结果表明,该方法可以对站点选址提供有效的决策支持。     

不确定型AHP在斜拉桥施工监控评价中的应用

文章基于不确定型层次分析法对斜拉桥施工监控的效果进行综合评价,采用区间判断矩阵,较好地反映了评价指标的模糊性与不确定性,采用最优传递矩阵较为精确地算出权重值,并以哈尔滨松花江大桥工程为例,验证了该方法的可行性与实用性。     

实时交通信息影响下的出行路径选择模型

为研究实时交通信息影响下的出行者出行中路径选择行为,基于效用理论,建立了出行者出行的路径效用最大化的选择规划模型.将出行者的出行路径分割为在决策点的多次路径决策,并利用动态规划方法求解效用最大的路径,得到的结果即交通信息影响下的最优路径.同时,在算例分析中,模拟实时路况的变化,在每个决策点动态加载交通信息,并引入出行者对信息的信任度概念和出行者对信息的信任度学习过程,使得模型可以更加准确描述实际决策过程.算例结果表明,实时交通信息可以有效提升出行者地实际出行效用,并且随着信任度地增加,出行者获得的收益越高.     

考虑多因素下互通式立交方案选择的优化算法

依据城市道路网络规划,从总体上分析道路的交通流量特征是建立城市互通式立交的有效方法,其设计应综合诸多影响因素以及其交通功能。文章提出了互通式立交选型的评价指标体系并对指标进行了量化,介绍了层次分析法、均值方差法和综合评价法三种指标权重值计算方法,以及信息不确定的PROMETHEE方法、灰色关联理想解法构建混合方程以及扩张矩阵算法FCV三种决策模型方法,对诸多立交方案进行优选分析,并依据Borda函数对所有方案的分数进行排名。所提出的算法和模型,可在众多方案中选择出最佳的互通式立交方案,不仅能优化道路网络,还能减少交通堵塞。     

基于GD—AHP和D—S证据理论的高速公路隧道火灾风险因子权重的确定方法

本文构建了高速公路隧道火灾风险评价的指标体系,应用GD-AHP和D-S证据理论融合算法相结合的方法,确定了高速公路隧道火灾风险因子相对于高速公路隧道火灾风险的权重值,可为高速公路隧道火灾管理与防灾措施的制定提供参考。     

基于图论的交通检测器新型布设方法

文章以相关有向环图的结论为基础，建立了一种能够获取路网上各路段的流量的检测器布设方法。该方法首先通过模糊综合评价方法确定优先顺序集合，从而在有向环上选取最优的弧进行检测器布设。该方法具有弧的选择指导性强、能充分考虑交通系统中每条路线内部的交通状况等优点。     

铁路隧道常见震害形式权重值分析研究

我国属于地震灾害多发国家,铁路隧道受震害影响大,造成的损失较为严重,如何定量快速评估震害损失显得十分重要。文章介绍了模糊层次分析法和10/10-18/2分数标度法权重值计算法及其结果的计算一致性比例CR验证方法,并建立了铁路隧道结构构造的轨道部分、主体结构和附属建筑物等常见震害的层次结构模型,采用10/10-18/2分数标度法对铁路隧道结构构造及常见震害的权重值进行计算,并对结果进行了计算一致性比例CR验证。结果表明:在对铁路隧道震后损失定量评估研究时,在建立结构构造及常见震害层次模型的基础之上,采用10/10-18/2分数标度法计算权重值较为合理、准确。该研究可以作为铁路隧道震害程度等级划分及经济损失的依据,可实现对单座铁路隧道损失情况的定量评估。     

基于改进蚁群算法的城市交通最短路径算法

蚁群算法作为一种寻优性能良好的智能算法,是解决最短路径问题的一种有效的方式。但是,基本蚁群算法真接运用于交通网络中路径的寻优存在一些不足。文章针对基本蚁群算法的不足对其进行了改进,根据交通网络的特点限定了解的搜索范围和改进了蚁群算法的转移规则,并对信息素的更新规则作了改进。仿真实验结果表明,改进了的蚁群算法在求解最短路径时比基本蚁群算法性能有较大的提高。     

基于DE-GP协同优化算法的隧道极限位移预测

为解决数值计算方法在隧道极限位移的求解过程中存在参数较多、计算量过大的问题,将高斯过程(Gaussian Process, GP)引入隧道极限位移的计算当中,同时采用差异进化算法(Differential Evolution, DE)代替共轭梯度法在训练过程中搜索最优的GP超参数,以克服共轭梯度法过度依赖初值、难以确定迭代次数及局部优化的弊端,形成了基于差异进化-高斯过程(DE-GP)协同优化算法的极限位移预测方法,在改善了单一核函数高斯过程泛化性能的同时使极限位移的求解过程大为简化。对标准双车道公路隧道的极限位移进行计算,结果表明:DE-GP协同优化算法相较于单一的GP和LS-SVM算法,泛化性能明显改善;极限位移的预测结果与实际计算值吻合较好,计算效率显著提高,为极限位移的求解提供了新的途径。