基于用户选择的多约束条件动态最优路径规划研究

发布时间：2017-06-15 16:11

  本文关键词：基于用户选择的多约束条件动态最优路径规划研究，，由笔耕文化传播整理发布。

【摘要】：随着经济和科技的快速发展,汽车逐渐成为人们生活中不可或缺的工具,使得人们的出行更加便捷,拓展了人们的活动范围。由于出行者不熟悉周围的地理环境和交通状况,可能使得出行者迷路或碰到交通拥堵,因此,出行者掌握正确的出行路线就显得尤为重要。传统的路径规划通常只是考虑距离最短或时间最短,而忽视了用户的需求和时变的路况信息。因此,论文基于用户的偏好和实时路况信息,动态规划出最优路径,使得用户的出行更加安全、便捷。首先,论文分析了道路交通状态具有较强的时变性和时空特性。为了使用户掌握准确的道路交通状态,提出了基于时间序列的道路交通状态及变化空间预测模型。分别从时间维度和空间维度构建小波神经网络的交通状态预测模型,通过融合算法将预测结果进行时空融合,以提高预测精度。同时,通过模糊信息粒的支持向量机模型对道路交通状态变化空间进行预测,采用模糊信息粒将历史数据模糊化,得到道路交通状态变化的最小值、平均值和最大值序列,利用支持向量机模型分别对其进行预测,得到道路交通状态的变化空间。从而让用户掌握正确的实时路况信息,合理调整出行路线。其次,论文分析了路网的表示方法,通过路段-链模型将实际的路网抽象成图论中的有权图,解决了道路限行的困扰。为了使得路径的规划符合用户的偏好及实时的路况信息,提出了建立多目标路阻函数模型。分析了影响车辆正常行驶的因素,充分考虑用户的偏好信息,结合动态因素和静态因素,利用主观赋权法和客观赋权法确定各影响因素的权重,通过多目标路阻函数模型计算各路段的综合阻抗值。最后,论文对传统的Dijkstra算法进行了优化,分别从数据存储结构、路网结构划分和路径搜索机制这三个层面对Dijkstra算法进行优化,提高了算法的搜索效率。以重庆市部分路网为研究对象,结合前文提出的交通状态预测模型和多目标路阻函数模型,确定各路段的综合阻抗,然后,利用Dijkstra算法求解最优路径。经过实例验证,本文提出的模型能根据用户的偏好及实时路况信息,动态的调整路线,始终为用户规划出最优路径,减少用户的出行成本,缓解交通拥堵。
【关键词】：道路交通状态 路阻函数 Dijkstra算法 最优路径
【学位授予单位】：重庆交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 绪论10-16
• 1.1 研究背景10
• 1.2 研究目的和意义10-11
• 1.3 研究现状11-13
• 1.3.1 交通信息预测研究现状11-12
• 1.3.2 动态路径规划研究现状12-13
• 1.4 本文研究内容及技术路线13-14
• 1.5 本章小结14-16
• 第二章 动态最优路径导航系统框架分析16-27
• 2.1 动态最优路径导航系统基本框架16-18
• 2.2 动态最优路径导航系统特性分析18-19
• 2.2.1 实时性18
• 2.2.2 准确性18
• 2.2.3 用户最优18-19
• 2.2.4 系统最优19
• 2.3 动态最优路径导航系统关键问题分析19-22
• 2.3.1 车辆导航集聚性19-20
• 2.3.2 车辆导航路径环路问题20-22
• 2.4 动态最优路径导航系统关键技术概述22-25
• 2.4.1 数据采集及处理技术22-23
• 2.4.2 动态交通信息预测技术23-24
• 2.4.3 车辆定位技术24
• 2.4.4 车辆诱导方式24-25
• 2.5 本章小结25-27
• 第三章 基于多维时空参数的道路交通状态预测及量化分析27-47
• 3.1 城市道路交通状态特性分析27-29
• 3.1.1 交通参数分析27-28
• 3.1.2 交通参数选择原则28
• 3.1.3 交通流速度的时空特性28-29
• 3.2 基于时间序列的道路交通状态及变化空间预测模型29-37
• 3.2.1 基于小波神经网络的道路交通状态预测模型30-34
• 3.2.2 基于模糊信息粒的SVM道路交通状态波动范围预测模型34-37
• 3.3 道路交通状态量化分析37-38
• 3.4 实验仿真38-45
• 3.4.1 实验数据源及评价指标38-39
• 3.4.2 道路交通状态预测39-43
• 3.4.3 道路交通状态波动范围预测43-45
• 3.5 本章小结45-47
• 第四章 基于用户偏好的多目标路阻函数模型47-66
• 4.1 路网表示47-51
• 4.1.1 路网特性分析47
• 4.1.2 路网的节点-路段模型表示47-48
• 4.1.3 路网的连通性48-49
• 4.1.4 路网的路段-链模型表示49-51
• 4.2 影响因素分析51-55
• 4.2.1 出行距离51-52
• 4.2.2 路侧干扰52-53
• 4.2.3 道路质量53-54
• 4.2.4 道路拥挤程度54-55
• 4.2.5 交叉口延误55
• 4.3 影响因素归一化55-56
• 4.4 影响因素权重确定56-61
• 4.4.1 主观赋权法（层次分析法）57-58
• 4.4.2 客观赋权法（熵权法）58-59
• 4.4.3 组合权重确定59-61
• 4.5 多约束条件路阻函数61
• 4.6 仿真分析61-63
• 4.7 本章小结63-66
• 第五章 基于用户选择的动态最优路径规划实现及算法优化66-82
• 5.1 经典最短路径算法介绍66-68
• 5.1.1 Dijkstra算法66-67
• 5.1.2 A*算法67-68
• 5.1.3 Floyd算法68
• 5.2 动态最优路径算法优化68-73
• 5.2.1 基于数据存储结构优化68-70
• 5.2.2 基于路网结构划分优化70-71
• 5.2.3 基于时间框的搜索机制优化71-73
• 5.3 案例分析73-80
• 5.3.1 数据源73-74
• 5.3.2 路径搜索算法效率分析74-75
• 5.3.3 路径规划分析75-80
• 5.4 本章小结80-82
• 第六章 总结与展望82-84
• 6.1 论文结论82-83
• 6.2 论文展望83-84
• 致谢84-86
• 参考文献86-90
• 在学期间发表的论文及参和取得的学术成果90

【相似文献】

中国期刊全文数据库 前10条

1 韩悦臻,曹三鹏;城市道路交通状态指标体系设计探讨[J];公路;2005年06期

2 皮晓亮;王正;韩皓;孙亚;;基于环形线圈检测器采集信息的交通状态分类方法应用研究[J];公路交通科技;2006年04期

3 劳云腾;杨晓光;云美萍;刘竞宇;;交通状态检测方法的评价研究[J];交通与计算机;2006年06期

4 王伟;杨兆升;李贻武;刘新杰;陈昕;;基于信息协同的子区交通状态加权计算与判别方法[J];吉林大学学报(工学版);2007年03期

5 戢晓峰;;城市道路交通状态分析方法回顾与展望[J];道路交通与安全;2008年03期

6 李娟;罗霞;姚琛;;基于多源数据的交通状态判定研究[J];铁道运输与经济;2009年03期

7 李清泉;高德荃;杨必胜;;基于模糊支持向量机的城市道路交通状态分类[J];吉林大学学报(工学版);2009年S2期

8 强添纲;邱洁;;基于熵和耗散结构理论的道路交通状态演变机理[J];交通标准化;2010年Z1期

9 窦慧丽;王国华;;基于模糊聚类和判别分析的交通状态提取算法[J];交通信息与安全;2010年02期

10 曹成涛;崔凤;林晓辉;;基于神经网络的交通状态模糊判别方法[J];科学技术与工程;2010年21期

中国重要会议论文全文数据库 前3条

1 郭义荣;张晓栋;董宝田;吴蕾;;基于模糊理论的交通状态快速识别与跃迁转变方法[A];2013年中国智能自动化学术会议论文集（第四分册）[C];2013年

2 窦瑞;云美萍;杨晓光;;基于视频录像的交通状态判别算法准确度评测[A];第七届中国智能交通年会优秀论文集——智能交通技术[C];2012年

3 余碧莹;邵春福;;基于时空模型的道路网交通状态预测[A];2008第四届中国智能交通年会论文集[C];2008年

中国博士学位论文全文数据库 前9条

1 马旭辉;城市道路交通网络过饱和状态信号控制方法研究[D];北京交通大学;2016年

2 徐东伟;道路交通状态多维多粒度获取方法研究[D];北京交通大学;2014年

3 宋淑敏;非常态下异常道路交通状态信息获取技术研究[D];吉林大学;2012年

4 许昱玮;VANETs中面向交通状态的车辆主动探测方法研究[D];南开大学;2012年

5 孙晓亮;城市道路交通状态评价和预测方法及应用研究[D];北京交通大学;2013年

6 钱U

本文编号：452902