基于知识推理的路网优化方法研究

发布时间：2020-06-07 21:39

【摘要】：路网优化是复杂网络分析中应用的一个实际例子,是解决交通拥堵问题的常用手段。目前,交通拥堵不仅造成了巨大的时间和能源的浪费,还给环境带来了巨大的破坏。为了适应交通的需求,在原有路网结构不变的情况下,会向路网中添加一些新的路,这是路网优化的一类典型问题。这种路网优化的方式,与2016年国家提倡的开放小区政策一致。目前,对于封闭小区开放的研究具有没有量化,规模小,成本高等不足。本文利用多种数据源,设计地图匹配算法感知交通状况,构建交通仿真场景进行仿真。首先,按照不同的启发式策略对路网结构进行设计,在不同策略下进行交通仿真。尽管启发式方法对路网交通有所改善,但是提升幅度并不大,而且不采用任何算法,过于简单。在启发式方法的基础上,将区域属性和开放结果表示成规则,构建树形模糊推理系统。通过遗传算法进行优化,训练过程采用贝叶斯优化方法加速,学习到最优知识库。这是首次将知识推理的方法用于路网结构优化。具体的研究内容如下:(1)设计实现地图匹配算法。为了从出租车、私家车和公交车等GPS轨迹数据,获取城市路网的交通状况。首先,需要采用地图匹配技术将GPS轨迹点匹配到对应的路上,之后才可以统计路网的速度和车流量等交通状况。由于GPS轨迹数据的量相当庞大,因此对地图匹配的算法效率要求非常高。本文设计了一种基于网格索引的快速地图匹配算法,其效率远高于现有方法。(2)构建模拟场景。为了对路网交通进行探究,本文采用模拟的办法,因此需要构建模拟的场景。主要的工作包括:构建路网,估计OD矩阵和生成交通流等。通过SUMO模拟器,可以获得不同路网,在不同交通流的作用下,产生对应的模拟结果。(3)设计开放策略和构建知识库。为了探究如何开放小区,能够获得较好的效果。本文根据区域本身的属性特征和周边的交通状况设计了多个不同的启发式开放方法。此外,为了总结开放小区的一般性,本文把不同的小区开与不开表示成知识库,根据输入的小区状态来判定区域开放与否。将知识库表示为树形模糊推理系统(FIS),通过遗传算法进行优化。
【图文】：

过程图,知识库,过程,智能手机

第 1 章绪论通状况，最开始时采用人工统计的方法，之后发展成为安装传感器设备。人工统计和安装传感器的方法由于成本的影响，，其规模受到很大的限制。由于 GPS 设备和智能手机的普及，车辆的轨迹数据和人的出行数据获取变得相对容易，有研究者利用轨迹数据感知城市路网交通，其中需要使用地图匹配技术将轨迹点映射到对应的道路。对路网的优化，不能采用事后估计的办法，多采用仿真的办法。可是现有的方法，仅仅只对小路网进行模拟，单从局部区域模拟的结果，对于整个城市或者区域的开放，明显不具有说服力。

过程图,基本工作,过程

果可以进行评估和决策。图 2.1 SUMO的基本工作过程图 2.1 展示的只是SUMO的一个最基本的模拟过程，除此之外，还提供有很多的其他工具，比如将OD矩阵转化为trip的工具od2trip、交通控制接口traci和大量用于控制和统计结果的脚本等。SUMO的功能已经非常完善，基本的模块已经可以满足绝大多数的需求，另外代码开源，而且还提供编程接口，用户可以按照自己的需求使用。2.2 地图匹配技术2.2.1 地图匹配基本原理具有GPS设备的车辆在道路上行驶，只能获得含有时间戳的轨迹坐标点序列。即使轨迹点落在对应的道路上，也不能直接确定行驶的具体道路，更何况还受到GPS设备误差的影响。地图匹配（ map matching ）就是一种将车辆的轨迹
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U491

【参考文献】