A*算法在基于电子地图的动态路径诱导中的应用

动态网络中两节点间最短路径问题是目前尚未解决的一个难题．文中提出利用A＊算法来求解电子地图中的这一问题，并利用电子地图中的地理信息来得到网络中两节点间最短距离的下界，运用这些下界来设计有效的A＊算法．以广州市电子地图为基础，随机产生了一个满足先进先出原则的动态网络，利用这个网络对提出的算法进行了试验及性能分析．试验结果证明了该方法的有效性．     

A^＊算法在公共交通诱导系统中的应用研究

由于在采用以往的公交路网描述方法的公交网络中，存在大量两节点有多条同向边的情况，而这种情况使得无法求解公交网络中的最短路径问题。提出了公交路网描述方法和以其为基础的多目标公共交通诱导模型，并证明了此描述方法不仅能够完全的描述整个公交路网，而且还能够用于求解多目标的公交诱导问题；同时提出采用A^＊算法来求解公共交通诱导问题；最后，以广州市的公交线路网络为例，对公交诱导模型进行了试验，试验结果表明本文提出的算法是十分有效的，多目标模型的平均计算时间仅为0．1秒。     

基于手机定位的公交OD获取方法研究

提出利用移动定位技术获取公交OD方法的思路,阐述了基于手机定位技术的公交OD数据的获取方法及其步骤。在假设条件成立情况下,解决了获取公交OD数据主要面对的问题,并对此提供了可靠依据,进一步证实方法的可行性。通过逐一问题的解决,排除非公交OD数据,从而获得该手机用户在1d当中的公交OD数据。     

基于浮动车移动检测与感应线圈融合技术的行程时间估计模型

综合考虑到浮动车检测技术与感应线圈检测技术的优缺点,为了提高道路行程时间估计的精度及完备性,提出基于浮动车与感应线圈的融合检测技术的行程时间估计模型。该模型利用神经网络技术对两种检测技术同一路段的检测数据进行融合,从而达到提高道路行程时间估计精度和完备性的目的。最后,以广州市7 000多辆装有GPS装置的出租车所提供的浮动车数据、100多个安装在广州市各主要道路口上的感应线圈检测器提供的感应线圈数据以及广州市交通电子地图为基础,在10条道路上分别随机选取的500个两种检测数据对提出的模型进行了验证,试验结果表明,此模型在道路行程时间估计的精度方面较浮动车移动检测技术与感应线圈技术有较大提高。     

基于公交IC卡的公交换乘数据获取方法研究

城市公共交通系统能否正常和高效地运营不仅取决于道路和车辆等设施条件,更有赖于运营管理手段和技术手段的先进性。传统的人工调查方法耗费巨大的人力物力,而调查结果却很难达到理想效果,所得数据不能动态反映城市公交出行的长期变化趋势。文中以公交Ic卡为切人点,通过对乘客2次刷卡间的时间分析以及利用公交GPS时间点的数据进一步分析乘客换乘所用的时间,判断出乘客2次乘车是换乘行为还是2次出行。     

基于多目标的公交线网动态阻抗模型

把步行时间、候车时间、乘车时间、乘车费用等影响公交出行的因素,通过数学建模的方法得到其与动态公交信息间的函数关系。利用参数标定方法建立起公交阻抗的综合函数关系,借助数学方法,将时间与费用这2种阻抗进行量纲的统一。进而实现了公交阻抗与其他交通方式阻抗之间的可比。将模型应用于具体的实例中,证明了该模型的有效性。     

�Ŵ��㷨�ڶ�̬·���յ�ϵͳ�е�Ӧ��

提出了以随机A*算法为基础，运用遗传算法来求解不满足先进先出原则的动态网络中最短路径问题的思路，其中通过运用提出的随机Dijkstra算法解决了将遗传算法应用于最短路径问题中的最大障碍－初始种群的产生。最后，以广州市电子地图为基础，对提出的算法进行了验证，试验结果表明遗传算法适合求解非常态且不满足先进先出原则的动态网络中的路径诱导问题。     

基于手机定位的交叉路口交通流数据采集方法

为了实现对城市道路交叉口交通流数据的全面采集、减少成本、提高效率,提出以手机为交叉口交通流信息获取源的思路。研究了将手机定位数据（运动速度、经纬度）转化为交通流数据的方法。通过检测空间和检测单元的确定,根据用户的运动速度和位置信息,按照步行、自行车、小汽车和公交车将不同手机用户的出行方式进行了准确判断,最终实现了交叉口交通量、车流流向和延误数据的自动采集。