基于多Agent的车辆路径规划系统设计与实现
发布时间：2021-07-14 17:43
随着近年来汽车保有量的不断提升,交通拥堵成为了一个亟待解决的问题,随之产生的空气污染、热岛现象等气候问题也越发突出。为缓解这些问题所产生的压力,需要对车辆的行驶路径进行更加科学合理的规划。车辆路径规划（Vehicle Routing Problem）自提出以来一直都是运动规划的主要研究内容之一,在道路建设、出行规划和智慧城市建设等领域有着广泛应用,涉及技术包括数据挖掘,统计分析等方面。传统的路径规划系统大多数仅单纯从路网环境出发进行规划,未能将车辆自身的信息纳入到路网环境的描述中;同时,路径规划的结果往往也单纯追求物理空间上的路径最短,没有考虑短路径上可能产生的拥堵所带来的影响。围绕这一问题,本文通过历史轨迹数据对路网信息进行挖掘重构,利用基于负反馈机制的蚁群改进算法对车辆路径进行规划,最终依托多Agent系统构建高效准确的车辆路径规划系统。本文的主要研究内容如下:1.研究基于时间衰退模型的拥堵区域检测算法。主要包括路网规划区域截取、时空轨迹聚类和拥堵系数标定。首先根据车辆规划请求在路网中划分出合适的规划空间和时间区间;然后在这一规划区域内通过DT-DBSCAN算法挖掘热点区域;最后根...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
交通拥堵情况日益严峻
第二章相关技术和基础理论11图2-1传统栅格法地图2.3轨迹聚类算法轨迹聚类的目的是通过大量移动对象的轨迹记录分析得到其行为模式，及其行动区域的活动分布。轨迹聚类算法中，其核心问题在于如何根据时空特征定义轨迹之间的相似性关系。在进行行为模式分析时，通常将一条轨迹表示为空间中一组连续的矢量，通过分析矢量间的空间距离判断相似性高低，将高相似度的向量聚为一类，类簇所表现出的行为特征即为行为模式[34]，而在进行活动分布判断时则根据类簇的分布情况判断该区域的自然活动与社会活动的分布情况。其中具有代表性的为Yuan等[35]研发的基于出租车轨迹记录的出行系统T-Drive，该系统能够根据出租车的历史行驶偏好和行为特性，为出行者提供较为合理的路径规划方案。在轨迹聚类过程中，轨迹间的相似性要考虑时间维度相似性和空间维度相似性。根据轨迹数据时间维度权重高低和相似性度量方式的不同，轨迹聚类的处理方法基本可分为以下四类。（1）时间序列完全对应的相似轨迹聚类。此类方法在处理轨迹时对时间维度极为敏感，在空间相似的基础上要求时间维度必须完全对应，时间先后顺序不可打乱。这类方法中主要采取的方式有基于欧式距离的轨迹相似性度量[36]和基于最小范围矩形MBR两种。针对欧式度量方式，Faloutsos[37]和Chan[38]分别结合离散傅里叶变换和离散小波变换将轨迹空间度量进行改进，降低了空间相似性的计算难度；Elnekave[39]对MBR方式进行了改进，提出了MBB平滑轨迹方式，通过对轨迹计算范围的改进降低了噪声的影响，提高了算法的计算效率和准确度。
第三章基于多Agent的车辆路径规划系统关键算法研究23种策略计算简便，算法设计简单，但路径规划结果中容易出现较多转弯和绕路，而随着规划环境的复杂化，这一缺陷会更加明显[69]。为避免这种情况的发生，本文采取八叉树搜索策略，如图3-2所示，在车辆路径规划过程中可以向八个方向的邻近栅格进行搜索，既能提高路径搜索的效率，同时也能符合实际场景中车辆的的行驶规律。图3-2八叉树搜索策略3.2.1.2路网区域截取车辆路径规划的目的是寻找到一条能够最快地从出发地到达目的地的路线。而我们可以获得的数据，即历史轨迹数据与路网环境数据都存储了非常大量的位置信息，在路径规划中与如何从大量的轨迹数据和路网环境数据中找到合适的规划环境极为重要，范围过大会造成规划算法运算效率低下，反应时间过长，范围过小则可能直接将实际最优路径所在环境排除在计算范围内。图3-3某实际路网环境如图3-3所示，在栅格化建模的路网中，红色区域为出发地A，绿色区域为目的地B，在一般的路网选取方式中，通常仅仅参考起始地和目的地的坐标，选取以起
【参考文献】：
期刊论文
[1]改进粒子群算法的移动机器人路径规划[J]. 韩仪洒,张莉,谭海燕,薛旭璐,郭瑞鸿,郭倩. 西安工程大学学报. 2019(05)
[2]高德地图发布《2018年度中国主要城市交通分析报告》[J]. 城市规划通讯. 2019(02)
[3]基于信息素负反馈的超启发式蚁群优化算法[J]. 薛文艳,赵江,郝崇清,刘慧贤. 计算机工程与应用. 2019(04)
[4]分布式多机器人运动控制的离散事件系统方法[J]. 周远,胡核算,刘杨,林尚威. 控制理论与应用. 2018(01)
[5]基于遗传算法的机器人路径规划的仿真研究[J]. 雷艳敏,王帅. 长春大学学报. 2017(04)
[6]基于改进蚁群算法对VRP线路优化[J]. 王晓东,张永强,薛红. 吉林大学学报(信息科学版). 2017(02)
[7]基于TSP的蚁群算法参数选择问题分析[J]. 丁上凌,李斌. 数字技术与应用. 2016 (12)
[8]轨迹大数据:数据处理关键技术研究综述[J]. 高强,张凤荔,王瑞锦,周帆. 软件学报. 2017(04)
[9]智能车避障路径规划方法研究[J]. 杜,郭达,张新锋. 交通节能与环保. 2016(03)
[10]基于多agent系统的大规模无人机集群对抗[J]. 罗德林,张海洋,谢荣增,吴顺祥. 控制理论与应用. 2015(11)
博士论文
[1]考虑交通车辆运动不确定性的轨迹规划方法研究[D]. 孙浩.吉林大学 2017
硕士论文
[1]基于移动时空轨迹的路网热点区域挖掘系统设计与实现[D]. 陈婷.电子科技大学 2019
[2]蚁群算法的研究及其在路径寻优中的应用[D]. 杜磊.太原理工大学 2018
[3]基于路网感知的时空轨迹聚类算法研究[D]. 翟婷.中北大学 2016
[4]基于多Agent的动态协同作战软件设计与实现[D]. 程世清.西安电子科技大学 2015
[5]基于JADE平台的网络信息搜索与集成系统[D]. 旭日.天津大学 2006
本文编号：3284597
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
交通拥堵情况日益严峻
第二章相关技术和基础理论11图2-1传统栅格法地图2.3轨迹聚类算法轨迹聚类的目的是通过大量移动对象的轨迹记录分析得到其行为模式，及其行动区域的活动分布。轨迹聚类算法中，其核心问题在于如何根据时空特征定义轨迹之间的相似性关系。在进行行为模式分析时，通常将一条轨迹表示为空间中一组连续的矢量，通过分析矢量间的空间距离判断相似性高低，将高相似度的向量聚为一类，类簇所表现出的行为特征即为行为模式[34]，而在进行活动分布判断时则根据类簇的分布情况判断该区域的自然活动与社会活动的分布情况。其中具有代表性的为Yuan等[35]研发的基于出租车轨迹记录的出行系统T-Drive，该系统能够根据出租车的历史行驶偏好和行为特性，为出行者提供较为合理的路径规划方案。在轨迹聚类过程中，轨迹间的相似性要考虑时间维度相似性和空间维度相似性。根据轨迹数据时间维度权重高低和相似性度量方式的不同，轨迹聚类的处理方法基本可分为以下四类。（1）时间序列完全对应的相似轨迹聚类。此类方法在处理轨迹时对时间维度极为敏感，在空间相似的基础上要求时间维度必须完全对应，时间先后顺序不可打乱。这类方法中主要采取的方式有基于欧式距离的轨迹相似性度量[36]和基于最小范围矩形MBR两种。针对欧式度量方式，Faloutsos[37]和Chan[38]分别结合离散傅里叶变换和离散小波变换将轨迹空间度量进行改进，降低了空间相似性的计算难度；Elnekave[39]对MBR方式进行了改进，提出了MBB平滑轨迹方式，通过对轨迹计算范围的改进降低了噪声的影响，提高了算法的计算效率和准确度。
第三章基于多Agent的车辆路径规划系统关键算法研究23种策略计算简便，算法设计简单，但路径规划结果中容易出现较多转弯和绕路，而随着规划环境的复杂化，这一缺陷会更加明显[69]。为避免这种情况的发生，本文采取八叉树搜索策略，如图3-2所示，在车辆路径规划过程中可以向八个方向的邻近栅格进行搜索，既能提高路径搜索的效率，同时也能符合实际场景中车辆的的行驶规律。图3-2八叉树搜索策略3.2.1.2路网区域截取车辆路径规划的目的是寻找到一条能够最快地从出发地到达目的地的路线。而我们可以获得的数据，即历史轨迹数据与路网环境数据都存储了非常大量的位置信息，在路径规划中与如何从大量的轨迹数据和路网环境数据中找到合适的规划环境极为重要，范围过大会造成规划算法运算效率低下，反应时间过长，范围过小则可能直接将实际最优路径所在环境排除在计算范围内。图3-3某实际路网环境如图3-3所示，在栅格化建模的路网中，红色区域为出发地A，绿色区域为目的地B，在一般的路网选取方式中，通常仅仅参考起始地和目的地的坐标，选取以起
【参考文献】：
期刊论文
[1]改进粒子群算法的移动机器人路径规划[J]. 韩仪洒,张莉,谭海燕,薛旭璐,郭瑞鸿,郭倩. 西安工程大学学报. 2019(05)
[2]高德地图发布《2018年度中国主要城市交通分析报告》[J]. 城市规划通讯. 2019(02)
[3]基于信息素负反馈的超启发式蚁群优化算法[J]. 薛文艳,赵江,郝崇清,刘慧贤. 计算机工程与应用. 2019(04)
[4]分布式多机器人运动控制的离散事件系统方法[J]. 周远,胡核算,刘杨,林尚威. 控制理论与应用. 2018(01)
[5]基于遗传算法的机器人路径规划的仿真研究[J]. 雷艳敏,王帅. 长春大学学报. 2017(04)
[6]基于改进蚁群算法对VRP线路优化[J]. 王晓东,张永强,薛红. 吉林大学学报(信息科学版). 2017(02)
[7]基于TSP的蚁群算法参数选择问题分析[J]. 丁上凌,李斌. 数字技术与应用. 2016 (12)
[8]轨迹大数据:数据处理关键技术研究综述[J]. 高强,张凤荔,王瑞锦,周帆. 软件学报. 2017(04)
[9]智能车避障路径规划方法研究[J]. 杜,郭达,张新锋. 交通节能与环保. 2016(03)
[10]基于多agent系统的大规模无人机集群对抗[J]. 罗德林,张海洋,谢荣增,吴顺祥. 控制理论与应用. 2015(11)
博士论文
[1]考虑交通车辆运动不确定性的轨迹规划方法研究[D]. 孙浩.吉林大学 2017
硕士论文
[1]基于移动时空轨迹的路网热点区域挖掘系统设计与实现[D]. 陈婷.电子科技大学 2019
[2]蚁群算法的研究及其在路径寻优中的应用[D]. 杜磊.太原理工大学 2018
[3]基于路网感知的时空轨迹聚类算法研究[D]. 翟婷.中北大学 2016
[4]基于多Agent的动态协同作战软件设计与实现[D]. 程世清.西安电子科技大学 2015
[5]基于JADE平台的网络信息搜索与集成系统[D]. 旭日.天津大学 2006
本文编号：3284597
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3284597.html
