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GIS的城市公交路网最优路线算法研究

利用GIS地理分析的特性,提出了一种较为简单的公交路网的描述方法。同时,设计了合乎乘客心理的最优路线判断标准,并在此基础上,设计了基于公交路线的双向搜索最短路算法,该算法与现有的基于公交站点最短路算法相比,大大地减少了计算时间。     

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。     

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。     

基于改进型蚁群算法的车辆导航路径规划研究

在分析车辆路径规划问题(VLD)特点的基础上,提出了VLD的数学模型以及适用于求解VLD的蚁群算法。详细分析了蚁群算法的参数对算法收敛速度和计算结果精确度的影响,提出了一种能够提高算法的收敛速度和全局搜索能力的参数自适应调整的策略,并对原有基本蚁群算法进行了改进。随后进行了仿真试验,根据所得仿真结果将改进蚁群算法与基本蚁群算法从全局收敛能力、计算稳定性以及计算速度等方面进行了全面比较,结论表明改进蚁群算法各方面均优于基本蚁群算法,证明了改进算法的可行性及有效性。     

一种改进的路网最短路径算法

在路网模型中节点数和边数较多的情况下,利用Dijkstra算法求解最短路径的计算量较大,时间花费多.文中提出通过判断语句避免Dijkstra算法计算中值为∞的无用计算,从而提高搜索效率.应用结果表明,对于节点数量较大的路网,该改进算法具有较好的适用性.     

基于最优树算法的城市区域闭环路网相位差优化

针对区域协调控制中相位差的封闭性,采用图论知识,建立了闭环路网的判别方法及闭环路网相位差封闭性的表达模型;考虑协调相位每周期到达车辆数、闭环路网相位差对车辆造成的阻滞两个因素,建立了路段权重模型;以协调控制效益损失最小为优化目标,建立了基于最优生成树的闭环路网相位差优化方法.最后以一个区域闭环路网为例对所建方法进行具体分析.本文的研究可以为区域协调控制中闭环路网的相位差优化提供理论依据.     

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。     

动态路径诱导系统的研究进展

动态路径诱导系统研究是智能运输系统研究的一个重要方面，本文基对动态路径的综述和分类，提出了在我国进行动态路径诱导系统研究的框架。     

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。     

城市道路网最短路径启发算法研究

从城市道路网络的实际特点出发,对城市电子地图的道路网进行网络分析,将最佳路径搜索问题转化为图论中的最短路径搜索问题,通过对最短路径搜索算法的分析,提出了一种求解城市道路网两点间最短路径的算法。该算法主要对Dijkistra算法的搜索方法进行改进,根据两点间直线距离最短这一原理,运用待扩展节点与终止节点间的直线距离这一启发信息,使搜索沿着某个最有希望的路径进行下去,大大减少了搜索范围,提高了路径搜索的速度,具有重要的实践意义。     

公路网分车型收费费率优化算法研究

结合山东省公路网联网收费的实际情况,建立了山东省公路网收费费率的双层规划模型,以描述路网管理者、收费道路经营者和车辆用户三者在费率决策中的博弈关系。采用弹性需求模式下的收费费率双层规划模型,选取山东省联网收费的一个路网,利用模拟退火和遗传算法的混合算法,对模型进行了应用和分析。验证结果表明,利用这种收费道路费率优化算法,不仅可以保证道路经营者能实现财务目标,而且能有效地均衡路网交通流量。     

基于可靠度的城市道路网络优化模型与算法

分析了城市道路网络可靠性,并根据城市道路网络可靠性基础理论,提出了基于可靠度的城市道路网络优化方法,将用户平衡模型作为下层模型,以建设投资费用和用户出行费用最小为上层模型目标函数,可靠度作为上层模型约束条件建立双层城市道路网络优化设计模型,并采用遗传算法进行求解。实例表明,该模型对城市道路优化设计有较好效果。     

停车诱导信息板泊位状况显示优化模型

在考虑停车诱导率的基础上,综合考虑停车诱导信息板在路网中所处位置、道路交通状况和停车泊位的变化趋势等影响因素,以进入诱导区域内所有停放车辆到达停车场的车公里数(vehicle kilometers of travel,VKT)最小为目标,建立了停车诱导信息板泊位状况显示优化模型。该模型可以确定某一显示时间间隔内,诱导区域内所有停车诱导信息板泊位状况显示结果的最优组合。算例分析表明,该模型是可行的,且随着停车诱导率的增加,VKT随之下降,诱导效果随之提高。     

基于GSOM神经网络模型的交通行为模式学习方法研究

提出了一种用于基于视频的交通事件自动检测的交通行为模式学习方法。首先为了获取利用神经网络进行车辆行为模式学习所需的训练数据,一种基于运动估算的车辆跟踪算法被建立,将采集到的灰度视频图像序列转化为车辆标号场时空序列。其次,使用轨迹建模和编码的方法,将跟踪结果转化为轨迹数据用于网络训练。在此基础上,建立自组织神经网络,并针对自组织网络的不足使用改进的GSOM模型,选择欧氏范数作为测度,自主开发了试验软件,以U形转事件为对象开展试验,对轨迹数据进行学习。对比试验结果表明改进的GSOM算法能有效提取行为模式。GSOM相比SOM用于行为模式学习更为有效和准确。     

交通网络最短路径并行算法研究综述

首先回顾了最短路径并行算法的国内外研究进展,对当前的最短路径并行算法进行分类。接着讨论了交通网络分析中最短路径并行算法常用的两种实现策略以及各自的优缺点;分析了影响网络分割策略并行算法性能的3个主要因素:最短路径算法选择、网络分割及终止检测方法。最后就实际交通网络中最短路径并行算法需进一步研究的问题给出了建议。