天津站地区路径诱导系统关键技术研究

发布时间：2018-06-11 16:51

  本文选题：智能运输系统 + 数据库　； 参考：《天津大学》2014年硕士论文

【摘要】：智能运输系统（ITS）目前在国内外都有迅猛的发展，其中动态路径诱导系统是ITS的一个重要组成部分。通过运用先进的科技手段包括计算机技术、通信技术和控制技术向出行者提供各种交通信息，以及可供参考的最优路线，帮助车辆避开拥挤的路段，通过对单个车辆的路径诱导达到整个城市路网交通流的平均分配。 本文的研究工作主要从以下几个方面展开的： 1）介绍了智能运输系统的国内外发展情况，以及分析了天津站地区的交通状况。通过对天津站附近地区交通状况和路网的研究，采用SQL server2008建立了路网数据库，并利用图论算法对路网进行抽象，为后面章节的算法研究提供了依据。 2）详细介绍了传统的最优路径选择算法中的A*算法和Dijkstra算法，总结了遗传算法的特点。通过C++语言编写程序对三个算法进行仿真，，并且对这三种算法的搜索速度和搜索的成功率进行了比较，最终得出结论遗传算法要比其它两个算法更适合于最优路径诱导系统的研究。 3）对原有的遗传算法进行了改进和仿真，采用实数编码方法，并且结合天津站道路信息网的特点给出了合理的编码形式，一条染色体中的基因序列就是我们要搜寻的最优路径；提出了一种模拟动物育种学的交叉策略，另外在交叉过程中采用了避免零交叉和保护父代染色体中优良基因的交叉算子；基于天津站附近的路网结构，抽象了具有代表性的道路，构成了路网结构图，利用本文改进的遗传算法和编码方式对算法和实际道路进行了仿真，分析了结果并总结了优势和不足之处。 4）将改进的遗传算法和实时数据的更新相结合提出了动态路径诱导系统的整体解决方案，实现动态路径诱导系统。
[Abstract]:Intelligent transportation system (ITS) has developed rapidly both at home and abroad, and dynamic path guidance system is an important part of ITS. Through the use of advanced technology, including computer technology, communication technology and control technology to provide all kinds of traffic information, as well as the best route for reference, help vehicles avoid Congested roads, through the path guidance of single vehicle, can achieve the average distribution of traffic flow in the whole urban road network.
The research work in this paper is mainly from the following aspects:
1) introduce the development of the intelligent transportation system at home and abroad, and analyze the traffic situation of the TianJin Railway Station. Through the study of the traffic situation and network in the vicinity of the TianJin Railway Station, the road network database is established by SQL Server2008, and the graph theory algorithm is used to draw the road network, which provides the basis for the algorithm research in the following chapters.
2) the A* algorithm and Dijkstra algorithm in the traditional optimal path selection algorithm are introduced in detail, and the characteristics of the genetic algorithm are summarized. The three algorithms are simulated by programming in C++ language, and the search speed of the three algorithms is compared with the success rate of the search. Finally, the conclusion is that the genetic algorithm is more than the other two algorithms. It is more suitable for the study of the optimal path induction system.
3) to improve and simulate the original genetic algorithm, using the real number coding method, and combining the characteristics of the road information network in TianJin Railway Station, gives a reasonable coding form. The gene sequence in a chromosome is the optimal path we have to search for. A cross strategy for simulating animal breeding is proposed and the cross process is in the cross process. The cross operator of avoiding zero crossing and protecting the good genes in the parent chromosome is adopted. Based on the structure of the road network near the TianJin Railway Station, the representative road is abstracted and the road network structure is constructed. The algorithm and the actual road are simulated by the improved genetic algorithm and coding method, and the results are analyzed and the advantages are summarized. Potential and inadequacies.
4) combining the improved genetic algorithm with the updating of real-time data, the overall solution of dynamic route guidance system is proposed, and the dynamic route guidance system is realized.
【学位授予单位】：天津大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：U495;TP311.13

【相似文献】

中国期刊全文数据库 前10条

1 苏海滨;王继东;侯朝桢;;道路网络分层的快速路径诱导算法[J];火力与指挥控制;2008年07期

2 陆阳;胡坚明;张佐;王顺智;高逸涵;;面向北京市路网特点的新型路径诱导算法及实现[J];交通信息与安全;2009年02期

3 文孟飞;彭军;刘伟荣;李冲;张晓勇;;一种增量式多目标优化的智能交通路径诱导方法[J];湖南大学学报(自然科学版);2013年05期

4 朱权;安实;谢秉磊;;双目标路径诱导下的交通信息定价策略[J];交通运输工程学报;2007年01期

5 金照;徐建闽;;数据融合技术在路径诱导中的应用研究[J];交通与计算机;2008年04期

6 何鹏;潘君;薛倩;;基于遗传算法的驾驶员动态路径诱导研究[J];现代电子技术;2009年15期

7 潘海珠;杜晓昕;王波;;交通路径诱导系统中最优路径选取研究与仿真[J];计算机仿真;2012年07期

8 李志纯,黄海军;多目标路径诱导下平衡市场渗透率的确定[J];系统工程理论与实践;2004年09期

9 杜长海;黄席樾;杨祖元;唐明霞;杨芳勋;;改进的蚁群算法在动态路径诱导中的应用研究[J];计算机工程与应用;2008年27期

10 董永峰;刘艳柳;张娜;顾军华;;基于改进蚁群算法的动态多路径诱导系统研究[J];河北工业大学学报;2010年03期

中国重要会议论文全文数据库 前8条

1 秦进;侯桂荣;;基于车辆的混合式路径诱导系统分析[A];2007第三届中国智能交通年会论文集[C];2007年

2 秦进;史峰;侯桂荣;;基于车辆的混合式路径诱导系统[A];第二十七届中国控制会议论文集[C];2008年

3 毛永明;张东伟;;智能交通动态路径诱导算法研究[A];第十届沈阳科学学术年会论文集（信息科学与工程技术分册）[C];2013年

4 倪玲霖;秦进;;基于车辆的混合式路径诱导系统框架研究[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

5 杨立才;贾磊;孔庆杰;;基于人工免疫系统的动态路径诱导算法研究[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年

6 梅振宇;项贻强;陈峻;王炜;;非完全动态信息下基于风险估计的路径诱导方法[A];2007第三届中国智能交通年会论文集[C];2007年

7 王冠生;郑江华;瓦哈甫·哈力克;李荣立;;基于Haptic技术的盲人辅助路径诱导服务研制[A];地理学核心问题与主线——中国地理学会2011年学术年会暨中国科学院新疆生态与地理研究所建所五十年庆典论文摘要集[C];2011年

8 王英杰;程琳;王炜;;交通网络不确定性分析及路径诱导信息提供[A];2007第三届中国智能交通年会论文集[C];2007年

中国重要报纸全文数据库 前1条

1 李卉;智能交通产业风光无限[N];中国机电日报;2002年

中国硕士学位论文全文数据库 前10条

1 范东凯;城市动态路径诱导算法研究[D];长安大学;2006年

2 孙霞;基于改进遗传算法的城市交通路径诱导系统的研究[D];重庆大学;2007年

3 梁晶;哈尔滨市交通路径诱导系统研究[D];哈尔滨工程大学;2011年

4 赵丹;城市交通路径诱导算法研究[D];长安大学;2009年

5 赵俊军;基于演化博弈与人工免疫的路径诱导算法研究[D];昆明理工大学;2013年

6 韩星;灾变条件下公路网动态路径诱导决策模型与算法设计[D];北京交通大学;2010年

7 郝新刚;车辆导航系统路径诱导算法研究[D];山东科技大学;2011年

8 谢秋燕;车联网条件下车辆动态路径诱导方法研究[D];华南理工大学;2012年

9 王靖;停车诱导系统中动态路径诱导技术的研究与应用[D];苏州大学;2008年

10 李宁;基于蚁群算法的动态交通分配及路径诱导研究[D];长沙理工大学;2008年

本文编号：2005996