基于遗传算法的动态交通分配研究

主要研究动态系统最优（DSO）模型。以总的花费时间最小为目标函数,对模型的节点集、路段集分别进行研究。通过模拟路段的流入量、流出量和路段上的交通量来建模。用传统的迭代算法解决动态交通分配问题非常复杂,而对传统迭代算法进行改进或用遗传算法等新的智能算法求解则会很简洁和方便。     

基于最短路径搜索的动态随机交通分配

提出了一个基于Logit方法的动态交通随机分配模型,该模型通过最短路算法和随机分配来解决动态均衡交通分配中的出行选择问题,避免了以往动态交通均衡分配中解凸规划或非线性规划问题,同时不需要路径枚举,从而使本模型更适合于大型路网的动态交通分配．随后的算例证实了该模型的可行性。     

最短路-最大流交通分配法

为确定公路网各路段交通量,在最短路交通分配法的基础上,引入了求最短路上最大流的分析技术,提出了最短路上最大流交通分配计算方法。依据对公路网中不同路段初定的技术等级所具备的最大服务交通量和拥挤度的要求,确定出该路段的容许交通量,当路段所分配到的交通量累计达到这一量值时,及时地对路段技术等级进行调整,进而对该路段的路权与容许交通量进行适时的调整。算例表明:该计算方法有效地提高了交通分配过程中有关路权处理的整体质量,较现行的最短路交通分配法和交通容量限制分配法的分配结果更趋合理。     

静态多路径交通分配法在公路网规划中的应用

本文简要介绍了静态多路径交通分配方法在公路网规划中的应用，对模型及算法作了探讨，并对比最短路分配法介绍了算例。     

双目标最短路有效解的快速算法

双目标最短路问题往往不存在绝对最短路径。通过综合k-最短路算法和双目标决策方法获得了双目标最短路问题的有效路径实用算法，该算法属多项式算法，可快速求出所有有效路径。利用Oijstra算法先求出两个单目标的最短路径集，若交集为空集，则构造一个矩形，利用k-最短路算法获得该矩形内的可行路径，再在矩形内找出两个单目标的最短路径集中的有效路径，得一个新的矩形。依此类推，逐步缩小搜索范围，直至找出所有的有效解。上述搜索过程中，一旦出现单目标最短路径集的交集不为空，则交集中的路径即为有效路径，此时算法结束。     

若干交通分配方法的比较研究

清晰的了解各种交通分配方法在实际应用中的特点。对确定型的01分配法、增量分配法、连续平均分配法、用户均衡分配法和随机型的STOCH算法和随机用户均衡分配法进行了深入比较研究,分别在小型路网和兰州市大规模道路网上进行了35次交通分配。剖析了分配方法之间的内在联系及其在数据结果上的分配效果,并给出了在实际应用中应如何选取分配方法的研究结论。     

容量限制的交通分配优化方法研究

容量限制一直是交通分配研究的重要内容，是造成路段和路网拥挤的根本原因。目前大多数的研究都是基于拥挤模型进行理论分析和实际计算，而实际中的拥挤路网大多不是一个平衡分配问题。以Fisk提出的Losit分配优化思想及Wardrop的系统最优为基础，建立了容量限制下的路网分配优化模型，并给出了相应的启发式优化算法。     

若干交通分配方法的比较研究

清晰的了解各种交通分配方法在实际应用中的特点。对确定型的01分配法、增量分配法、连续平均分配法、用户均衡分配法和随机型的STOCH算法和随机用户均衡分配法进行了深入比较研究,分别在小型路网和兰州市大规模道路网上进行了35次交通分配。剖析了分配方法之间的内在联系及其在数据结果上的分配效果,并给出了在实际应用中应如何选取分配方法的研究结论。     

交通分配模型研究及其应用

基于地理信息系统，TransCAD软件在交通规划中简化并完善了交通分配的建模过程。根据昆明市的实际情况，进行交通分配模型的评价与标定，选择出符合昆明市区交通状况的交通分配模型，并对交通整治项目中提出的规划方案进行评价。     

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。     

基于蚁群算法的最短路径搜索方法研究

最短路径搜索是车载定位导航系统中很重要的一个功能,最短路径搜索问题本身也可以归结为组合优化问题.蚁群算法是基于群体的一种仿生算法,为求解复杂的组合优化问题提供了一种新思路.文章尝试采用蚁群算法来解决车载导航系统中的最短路径搜索问题,并在VC 6.0的环境下进行了仿真实验.实验结果表明,该方法能有效解决车载导航系统中的最短路径搜索问题,具有一定的理论参考价值和实际意义.     

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。     

交通网络最短路权矩阵的迭代算法

介绍了求解交通网络最短路权矩阵的3种迭代算法,从迭代思路、时间复杂度、程序可读性等方面进行了比较,指出各算法的异同点以及联系,最后通过一个具体网络模拟了各算法的迭代过程.     

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。     

随机路网的最短路径问题研究

主要研究随机路网中的最短路径问题,首先给出随机路网的定义,建立了随机路网的模型,假定路段的费用是满足正态分布的随机变量,并给出从历史数据中得到此变量的均值和方差的统计学方法;然后得出路径出行费用的均值及方差的递推公式,将费用的方差当作一个限制条件,从而在Dijkstra算法的基础上,提出了带单一限制条件的最短路径算法,同时给出了算法的具体流程;最后用一个简单例子演示了算法的具体步骤,并在南京路网中验证了此算法的实用性。     

基于用地性质的交通需求遗传算法模型研究

提出了基于交通小区用地性质的交通需求模型建立方法，对该方法的基本原理、建模过程和可行性进行了阐述．针对传统交通需求的不足．用遗传算法进行模型的标定和求解来改进。在实例分析中．通过交通分配数据证明了该建模方法的精确性和有效性。     

基于GA启发式抽样的交通事件自动检测

为了提高面向不平衡数据集的交通事件检测综合性能,提出了两种基于GA启发式抽样方法的交通事件检测算法.基于GA的实例选择抽样方法(GA-IS),解决非启发式抽样方法人为设定抽样率导致的检测效果不稳定问题.基于GA的支持向量选择抽样方法(GA-SS),改善学习集数据量较大时的检测效率.实验采用新加坡AYE仿真数据库,以支持向量机作为分类器进行事件检测.结果表明,基于遗传算法实例选择抽样的检测模型检测率达到94%,平均检测时间为1.413 3 min,性能指标PI为0.157;基于遗传算法支持向量选择抽样的检测模型决策时间为4.55 s,综合性能最优,其PI为0.151;基于少数类过抽样算法(SMOTE)的检测模型决策时间为35.21 s,PI为0.329,与非启发式抽样方法相比,所提方法能有效改善面向不平衡数据集的事件检测综合性能.     

病毒进化遗传算法在动态路径规划中的运用研究

针对车辆导航的动态最优路径问题,设计一种病毒进化遗传算法,提出相应的编码方案和适应度的计算。通过运用改进A*最短路径算法解决遗传算法中初始种群的产生,同时在遗传算法中增加病毒感染操作,在同一代群体中进行横向传播进化信息。该算法不仅能够较快求出最优路径,而且对路网没有任何的约束条件,同时对离散和连续的动态网络模型有效。最后给出病毒进化遗传算法的试验仿真结果。