基于精英蚁群算法的交通最优路径研究
发布时间：2021-08-24 21:42
随着交通规模的增大,人们对自驾出行的质量需求越来越高,而在当前的交通最优路径选择的研究中,大多只考虑静态的交通路网场景,且忽略了通过交叉口时的代价,造成计算结果和实际行驶的代价之间误差较大.针对这一问题,基于Petri网络,建立了更精确的多因素道路交叉口交通路网模型,提出了基于精英蚁群算法的交通最优路径选择算法,并对经典蚁群算法提出两个方面的改进:第一,在信息素浓度的初始化过程中加入主干道引导和行车方向的引导,以加快蚂蚁群初始的搜索速度;第二,在全局信息素浓度更新时,使用双精英蚂蚁策略,采用相互约束的方式更新两条最优路径上的信息素浓度,解决了算法过早陷入停滞的问题,且计算出多个可供选择的路径.仿真结果表明,该算法在保证收敛性的同时,将搜索到最优路径的概率提升至100%;同时,在得到最优解概率均不低于90%的前提下,该算法的收敛速度是其他算法的数倍.
【文章来源】：南京大学学报(自然科学). 2019,55(05)北大核心CSCD
【文章页数】：9 页
【部分图文】：
交叉口及信号灯相位方案抽象图
？?７１２?？??南京大学学报（ｆｔ然科学版）??第５５卷??相位０??相位１??Ｉ??Ｉ??…丄．．…??Ｊ??３／｜?４??８，，??Ｉ－??／??／??－一一’?？??／??／??／??▼??１１??相位３?相位２??Ｕ）交叉口车流抽象图?（ｂ）信号灯４相位控制方案??图２交叉口及信号灯相位方案抽象图??Ｆｉｇ．２?Ｔｈｅ?ａｂｓｔｒａｃｔ?ｍａｐ?ｏｆ?ｉｎｔｅｒｓｅｃｔｉｏｎ?ａｎｄ?ｓｉｇｎａｌ?ｐｈａｓｅ?ｓｃｈｅｍｅ??道及信号灯４相位控制方案，对于其他的进口??道车道数和转向专用道设置方法以及不同的信??号灯控制方案，此模型依然适用．??２蚁群算法求解交通最优路径问题??２．１交通最优路径问题前文所述的交通路??网模型中使用车辆行驶时间作为道路和交叉口??图３交通道路交叉口?Ｐｅｔｒｉ网模型??Ｆｉｇ．?３?Ｔｈｅ?ｔｒａｆｆｉｃ?ｒｏａｄ?ｉｎｔｅｒｓｅｃｔｉｏｎ?Ｐｅｔｒｉ?ｎｅｔｗｏｒｋ?ｍｏｄｅｌ??转向的主权值，距离等其他因素作为辅助权??值．其中，车辆在道路上的行驶时间根据车道??距离和在该道路的平均行驶速度计算得到，交??叉口转向的延误时间采用国际交通学经典的??Ｗｅｂｓｔｅｒ信号交叉口延误公式计算得到［１３］．在??图１所示的路网中，假设车辆此时在路口?Ｐ。，需??要到达路口?Ｐ２９，则如何从出发找到一条路??Ｖ?９??？—?一??１０??—??—??７??
?Ｔａｂｌｅ?２?Ｓｉｍｕｌａｔｉｏｎ?ｒｅｓｕｌｔｓ?ｏｎ?ｏｆ?３０－ｎｏｄｅ?ｔｒａｆｆｉｃ?ｎｅｔｗｏｒｋ??性能指标??最优解??最差解??平均解??得到最优解概率（％）??平均迭代次数??本文算法??９６８．?５６６??９６８．５６６??９６８．５６６??１００??３２．６１６??ＡＣＯ??９６８．?５６６??１２１９．４９０??１０３５．６４０??１９??１３．?７００??ＥＡＳ??９６８．?５６６??１０６０．?１８０??１００３．０３８??５６??２９．?３３３??图５收敛性对比图??Ｆｉｇ．?５?Ｄｉａｇｒａｍ?ｏｆ?ｃｏｎｖｅｒｅｇｅｎｃｅ?ｃｏｍｐａｒｉｓｏｎ??始化的改进．在经过和ＥＡＳ近乎相等的迭代次??数之后，本文算法开始收敛，虽然收敛速度略慢??于ＡＣＯ，但是收敛值等于交通路网的最优路径??的权值，即能保证得到全局最优解．??为了更直观地比较三种算法的收敛速度??（表３），通过微调参数，增大ＡＣＯ算法和ＥＡＳ??算法的搜索随机性，使得到最优解的概率大于??９０％．其中，ＡＣＯ算法中，参数《调整为１，参数??＂调整为２５，参数办调整为０．０１?；ＥＡＳ算法中，??参数调整为１，参数Ｐ调整为２５，两种算法的??最大迭代次数均调整成５００次，通过收敛速度??表３三种算法的收敛速度对比??Ｔａｂｌｅ?３?Ｃｏｎｖｅｒｇｅｎｃｅ?ｒａｔｅ?ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｔｈｒｅｅ?ａｌ？??ｇｏｒｉｔｈｍｓ??性能指标??平均解??得到最优解??概率（％）??平均迭代??次数??本文算法??９６８．５６６??１００??３２．６１６??ＡＧＯ??９７９．９４４??９０??１４６．４２１
【参考文献】：
期刊论文
[1]基于Petri网的道路交叉口建模方法及比较研究[J]. 王列伟,吴朔,胡俊华. 计算机工程与应用. 2018(14)
[2]改进的蚁群算法求解最短路径问题[J]. 吴虎发,李学俊,章玉龙. 计算机仿真. 2012(08)
[3]基于信息素强度的改进蚁群算法[J]. 郑卫国,田其冲,张磊. 计算机仿真. 2010(07)
本文编号：3360776
【文章来源】：南京大学学报(自然科学). 2019,55(05)北大核心CSCD
【文章页数】：9 页
【部分图文】：
交叉口及信号灯相位方案抽象图
？?７１２?？??南京大学学报（ｆｔ然科学版）??第５５卷??相位０??相位１??Ｉ??Ｉ??…丄．．…??Ｊ??３／｜?４??８，，??Ｉ－??／??／??－一一’?？??／??／??／??▼??１１??相位３?相位２??Ｕ）交叉口车流抽象图?（ｂ）信号灯４相位控制方案??图２交叉口及信号灯相位方案抽象图??Ｆｉｇ．２?Ｔｈｅ?ａｂｓｔｒａｃｔ?ｍａｐ?ｏｆ?ｉｎｔｅｒｓｅｃｔｉｏｎ?ａｎｄ?ｓｉｇｎａｌ?ｐｈａｓｅ?ｓｃｈｅｍｅ??道及信号灯４相位控制方案，对于其他的进口??道车道数和转向专用道设置方法以及不同的信??号灯控制方案，此模型依然适用．??２蚁群算法求解交通最优路径问题??２．１交通最优路径问题前文所述的交通路??网模型中使用车辆行驶时间作为道路和交叉口??图３交通道路交叉口?Ｐｅｔｒｉ网模型??Ｆｉｇ．?３?Ｔｈｅ?ｔｒａｆｆｉｃ?ｒｏａｄ?ｉｎｔｅｒｓｅｃｔｉｏｎ?Ｐｅｔｒｉ?ｎｅｔｗｏｒｋ?ｍｏｄｅｌ??转向的主权值，距离等其他因素作为辅助权??值．其中，车辆在道路上的行驶时间根据车道??距离和在该道路的平均行驶速度计算得到，交??叉口转向的延误时间采用国际交通学经典的??Ｗｅｂｓｔｅｒ信号交叉口延误公式计算得到［１３］．在??图１所示的路网中，假设车辆此时在路口?Ｐ。，需??要到达路口?Ｐ２９，则如何从出发找到一条路??Ｖ?９??？—?一??１０??—??—??７??
?Ｔａｂｌｅ?２?Ｓｉｍｕｌａｔｉｏｎ?ｒｅｓｕｌｔｓ?ｏｎ?ｏｆ?３０－ｎｏｄｅ?ｔｒａｆｆｉｃ?ｎｅｔｗｏｒｋ??性能指标??最优解??最差解??平均解??得到最优解概率（％）??平均迭代次数??本文算法??９６８．?５６６??９６８．５６６??９６８．５６６??１００??３２．６１６??ＡＣＯ??９６８．?５６６??１２１９．４９０??１０３５．６４０??１９??１３．?７００??ＥＡＳ??９６８．?５６６??１０６０．?１８０??１００３．０３８??５６??２９．?３３３??图５收敛性对比图??Ｆｉｇ．?５?Ｄｉａｇｒａｍ?ｏｆ?ｃｏｎｖｅｒｅｇｅｎｃｅ?ｃｏｍｐａｒｉｓｏｎ??始化的改进．在经过和ＥＡＳ近乎相等的迭代次??数之后，本文算法开始收敛，虽然收敛速度略慢??于ＡＣＯ，但是收敛值等于交通路网的最优路径??的权值，即能保证得到全局最优解．??为了更直观地比较三种算法的收敛速度??（表３），通过微调参数，增大ＡＣＯ算法和ＥＡＳ??算法的搜索随机性，使得到最优解的概率大于??９０％．其中，ＡＣＯ算法中，参数《调整为１，参数??＂调整为２５，参数办调整为０．０１?；ＥＡＳ算法中，??参数调整为１，参数Ｐ调整为２５，两种算法的??最大迭代次数均调整成５００次，通过收敛速度??表３三种算法的收敛速度对比??Ｔａｂｌｅ?３?Ｃｏｎｖｅｒｇｅｎｃｅ?ｒａｔｅ?ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｔｈｒｅｅ?ａｌ？??ｇｏｒｉｔｈｍｓ??性能指标??平均解??得到最优解??概率（％）??平均迭代??次数??本文算法??９６８．５６６??１００??３２．６１６??ＡＧＯ??９７９．９４４??９０??１４６．４２１
【参考文献】：
期刊论文
[1]基于Petri网的道路交叉口建模方法及比较研究[J]. 王列伟,吴朔,胡俊华. 计算机工程与应用. 2018(14)
[2]改进的蚁群算法求解最短路径问题[J]. 吴虎发,李学俊,章玉龙. 计算机仿真. 2012(08)
[3]基于信息素强度的改进蚁群算法[J]. 郑卫国,田其冲,张磊. 计算机仿真. 2010(07)
本文编号：3360776
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3360776.html
