基于交通信息预测与动态价格机制的多车辆路径规划研究
发布时间：2021-05-19 21:56
近年来,社会的进步使城市化进程不断向前推进,城市交通网络也不断向外扩张。城市交通拥堵等问题对人们的日常生活产生很大影响,不仅增加人们的通勤时间,还带来诸如环境污染、经济损失等问题。智能交通系统（ITS）的诞生使得解决这一问题成为可能。智能交通系统结合了计算机、通讯、电子、运筹学、交通大数据和人工智能等技术,实现对交通信息的实时监控与分析,在保障城市交通道路网络安全、高效地运行中发挥重要作用。车辆路径规划作为智能交通系统的关键环节,在城市车辆出行导航中起着重要作用。车辆路径规划主要分为单车辆路径规划和多车辆路径规划。相对于单车辆的路径规划,多车辆路径规划能够统筹大部分路网因素,有利于缓解交通拥堵。交通信息预测与车辆路径规划是智能交通系统的重要组成部分,为城市交通管理者或出行者提供有效的决策参考。本文主要研究基于交通信息预测与动态价格机制的多车辆动态路径规划在缓解交通拥堵中的作用。首先,论文对多车辆路径规划的若干基础问题进行讨论,将交通道路网络抽象化,把多车辆路径规划问题转化为混合整数线性规划问题,使得该问题能够用优化方法加以讨论。讨论了路径规划算法的常见优化目标,并介绍了本文使用的仿真平...
【文章来源】：广东工业大学广东省
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 多车辆路径规划研究现状
1.2.2 交通信息预测研究现状
1.3 论文主要研究内容
1.4 文章组织结构
1.5 本章小结
第二章 多车辆路径规划关键问题分析
2.1 多车辆路径规划问题数学抽象
2.1.1 交通路网的数学抽象
2.1.2 多车辆路径规划问题
2.2 路径规划算法的优化目标
2.2.1 行驶距离最短准则
2.2.2 行驶时间最少准则
2.2.3 舒适性最高准则
2.2.4 广义费用最低准则
2.3 交通仿真平台与工具选取
2.4 本章小结
第三章 多车辆路径规划算法研究
3.1 静态路径规划算法
3.1.1 Dijkstra算法
3.1.2 A*算法
3.1.3 其它算法
3.2 动态路径规划算法
3.2.1 改进的Dijkstra动态路径规划算法
3.3 动态价格机制下的多车辆路径规划
3.3.1 多车辆路径规划问题研究
3.3.2 动态价格机制下的多车辆路径规划算法
3.4 仿真实验与结果分析
3.4.1 实验步骤
3.4.2 算法性能评价指标
3.4.3 实验结果与分析
3.5 本章小结
第四章 短时交通信息预测算法研究
4.1 短时交通信息预测的传统算法
4.2 短时交通信息预测的人工智能算法
4.2.1 BP神经网络算法
4.2.2 长短时记忆网络
4.2.3 栈式自编码器
4.3短时交通预测算法仿真实验
4.3.1 实验数据
4.3.2 算法性能评价指标
4.3.3 实验结果与分析
4.4 本章小结
第五章 基于交通信息预测与动态价格机制的路径规划
5.1 动态价格机制的分析与改进
5.2 基于交通信息预测与动态价格机制的多车辆路径规划算法
5.2.1 算法描述
5.3 仿真实验与结果分析
5.3.1 实验步骤
5.3.2 算法性能评价指标
5.3.3 实验结果与分析
5.4 本章小结
总结与展望
总结
展望
参考文献
攻读学位期间发表论文
致谢
【参考文献】：
期刊论文
[1]基于CNN-SVR混合深度学习模型的短时交通流预测[J]. 罗文慧,董宝田,王泽胜. 交通运输系统工程与信息. 2017(05)
[2]基于时间序列相似性搜索的交通流短时预测方法[J]. 杨兆升,邴其春,周熙阳,马明辉,李晓文. 交通信息与安全. 2014(06)
[3]短时交通流预测的改进K近邻算法[J]. 谢海红,戴许昊,齐远. 交通运输工程学报. 2014(03)
[4]基于模糊卡尔曼滤波的短时交通流量预测方法[J]. 郭海锋,方良君,俞立. 浙江工业大学学报. 2013(02)
[5]改进粒子群算法优化BP神经网络的短时交通流预测[J]. 李松,刘力军,翟曼. 系统工程理论与实践. 2012(09)
[6]路径规划算法及其应用综述[J]. 张广林,胡小梅,柴剑飞,赵磊,俞涛. 现代机械. 2011(05)
[7]美国联邦公路局路阻函数探讨[J]. 郑远,杜豫川,孙立军. 交通与运输(学术版). 2007(01)
[8]两种改进的最优路径规划算法[J]. 李擎,宋顶立,张双江,李哲,刘建光,王志良. 北京科技大学学报. 2005(03)
[9]限制搜索区域的距离最短路径规划算法[J]. 付梦印,李杰,邓志红. 北京理工大学学报. 2004(10)
[10]智能交通系统在国外的发展趋势[J]. 李峰. 国外公路. 1999(01)
博士论文
[1]车联网环境下交通信息采集与处理方法研究[D]. 周户星.吉林大学 2013
硕士论文
[1]基于博弈论的多模式动态路径规划技术研究[D]. 刘雪尘.吉林大学 2017
[2]基于Q学习的智能交通预测与多路径规划研究[D]. 李冲.中南大学 2014
[3]智能交通系统中车辆动态路径诱导方法研究[D]. 杨巍.兰州理工大学 2012
本文编号：3196506
【文章来源】：广东工业大学广东省
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 多车辆路径规划研究现状
1.2.2 交通信息预测研究现状
1.3 论文主要研究内容
1.4 文章组织结构
1.5 本章小结
第二章 多车辆路径规划关键问题分析
2.1 多车辆路径规划问题数学抽象
2.1.1 交通路网的数学抽象
2.1.2 多车辆路径规划问题
2.2 路径规划算法的优化目标
2.2.1 行驶距离最短准则
2.2.2 行驶时间最少准则
2.2.3 舒适性最高准则
2.2.4 广义费用最低准则
2.3 交通仿真平台与工具选取
2.4 本章小结
第三章 多车辆路径规划算法研究
3.1 静态路径规划算法
3.1.1 Dijkstra算法
3.1.2 A*算法
3.1.3 其它算法
3.2 动态路径规划算法
3.2.1 改进的Dijkstra动态路径规划算法
3.3 动态价格机制下的多车辆路径规划
3.3.1 多车辆路径规划问题研究
3.3.2 动态价格机制下的多车辆路径规划算法
3.4 仿真实验与结果分析
3.4.1 实验步骤
3.4.2 算法性能评价指标
3.4.3 实验结果与分析
3.5 本章小结
第四章 短时交通信息预测算法研究
4.1 短时交通信息预测的传统算法
4.2 短时交通信息预测的人工智能算法
4.2.1 BP神经网络算法
4.2.2 长短时记忆网络
4.2.3 栈式自编码器
4.3短时交通预测算法仿真实验
4.3.1 实验数据
4.3.2 算法性能评价指标
4.3.3 实验结果与分析
4.4 本章小结
第五章 基于交通信息预测与动态价格机制的路径规划
5.1 动态价格机制的分析与改进
5.2 基于交通信息预测与动态价格机制的多车辆路径规划算法
5.2.1 算法描述
5.3 仿真实验与结果分析
5.3.1 实验步骤
5.3.2 算法性能评价指标
5.3.3 实验结果与分析
5.4 本章小结
总结与展望
总结
展望
参考文献
攻读学位期间发表论文
致谢
【参考文献】：
期刊论文
[1]基于CNN-SVR混合深度学习模型的短时交通流预测[J]. 罗文慧,董宝田,王泽胜. 交通运输系统工程与信息. 2017(05)
[2]基于时间序列相似性搜索的交通流短时预测方法[J]. 杨兆升,邴其春,周熙阳,马明辉,李晓文. 交通信息与安全. 2014(06)
[3]短时交通流预测的改进K近邻算法[J]. 谢海红,戴许昊,齐远. 交通运输工程学报. 2014(03)
[4]基于模糊卡尔曼滤波的短时交通流量预测方法[J]. 郭海锋,方良君,俞立. 浙江工业大学学报. 2013(02)
[5]改进粒子群算法优化BP神经网络的短时交通流预测[J]. 李松,刘力军,翟曼. 系统工程理论与实践. 2012(09)
[6]路径规划算法及其应用综述[J]. 张广林,胡小梅,柴剑飞,赵磊,俞涛. 现代机械. 2011(05)
[7]美国联邦公路局路阻函数探讨[J]. 郑远,杜豫川,孙立军. 交通与运输(学术版). 2007(01)
[8]两种改进的最优路径规划算法[J]. 李擎,宋顶立,张双江,李哲,刘建光,王志良. 北京科技大学学报. 2005(03)
[9]限制搜索区域的距离最短路径规划算法[J]. 付梦印,李杰,邓志红. 北京理工大学学报. 2004(10)
[10]智能交通系统在国外的发展趋势[J]. 李峰. 国外公路. 1999(01)
博士论文
[1]车联网环境下交通信息采集与处理方法研究[D]. 周户星.吉林大学 2013
硕士论文
[1]基于博弈论的多模式动态路径规划技术研究[D]. 刘雪尘.吉林大学 2017
[2]基于Q学习的智能交通预测与多路径规划研究[D]. 李冲.中南大学 2014
[3]智能交通系统中车辆动态路径诱导方法研究[D]. 杨巍.兰州理工大学 2012
本文编号：3196506
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3196506.html
