智能交通系统路径规划算法研究与设计
发布时间：2022-12-04 12:43
世界三大交通问题（交通拥挤、交通事故、交通污染）越来越多的影响人们的正常生活,来自各个国家的相应专家提出了智能交通系统概念,期望解决交通问题,而在智能交通系统中路径规划系统是核心之一,路径算法又是路径规划系统中的核心之一,所以本文以此作为研究点开展一系列的探索工作。在对蚁群算法的研究过程中,介绍了三种常用的蚁群改进算法,并做出了一些局部上的改进。（1）对启发函数做出了改进,引入了路径方向引导因子,使得算法一开始的方向是向着目标方向出发,并且加入了实时因子,可以通过实时因子做出实时路况判断,提高算法的精确度和收敛速度。（2）改进了算法的信息素分配规则,在每次循环结束后,对路径长短做出对比,按照从短到长的顺序进行排列,并根据具体模型取前面的一部分作为信息素更新的判断依据之一,通过这种改进,能提高算法的收敛速度。又引入最大-最小蚂蚁系统以此来限制信息素的过多或者过少情况出现,防止陷入局部最优解。（3）根据道路路网特点,提出了分层蚁群算法,通过对道路路网的分层和对关键信息的提取,减轻了直接搜索的压力,提高算法的运算效率。算法优先搜索高等级路网,可以根据交通情况更多的选择高级路网,提高出行速度,...
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRAC
第一章 绪论
1.1 课题背景
1.2 智能交通现状
1.2.1 国外发展历程及现状
1.2.2 国内发展历程及现状
1.3 最优路径规划算法研究的意义
1.4 本文主要研究内容
第二章 智能交通与路网模型研究
2.1 智能交通中的技术介绍
2.1.1 车联网
2.1.2 图像识别
2.1.3 GPS技术
2.1.4 大数据
2.2 路网模型
2.2.1 路网的抽象
2.2.2 道路权重计算
2.3 数据存储结构研究
2.3.1 数据存储结构分析
2.3.2 两种存储结构对比
2.4 本章小结
第三章 路径算法研究
3.1 算法复杂性分析
3.1.1 时间复杂度
3.1.2 空间复杂度
3.2 传统路径算法
3.2.1 Dijkstra算法
3.2.2 Floyd算法
3.2.3 A~*算法
3.3 智能交通路径算法的研究方向
3.3.1 实时性
3.3.2 并行性
3.3.3 交通控制与路径诱导集成系统
3.3.4 混合算法
3.4 蚁群算法研究
3.4.1 智能算法
3.4.2 蚁群算法
3.4.3 蚁群算法基本模型
3.4.4 蚁群算法解决TSP问题基本步骤
3.4.5 蚁群算法特性
3.4.6 蚁群算法算法复杂度和参数讨论
3.5 本章小结
第四章 蚁群路径规划算法改进与实现
4.1 道路权值确定
4.2 常用改进蚁群算法
4.2.1 带精英策略的蚂蚁系统
4.2.2 最优-最差蚂蚁系统
4.2.3 最大-最小蚂蚁系统
4.3 蚁群算法改进与算法步骤
4.3.1 算法改进
4.3.2 算法步骤
4.4 分层蚁群算法设计与步骤
4.5 电子地图设计
4.5.1 电子地图介绍
4.5.2 MapInfo软件概述
4.5.3 MapInfo地图绘制流程
4.5.4 软件开发介绍
4.6 仿真与分析
4.6.1 实验参数设定
4.6.2 对比实验与分析
4.7 本章小结
第五章 智能交通系统研究与设计
5.1 架构分析
5.2 物理框架和模块设计
5.3 智能路径规划系统设计与实现
5.3.1 系统结构
5.3.2 客户端软件设计
5.3.3 服务端设计
5.3.4 实验准备
5.3.5 算法仿真
总结与展望
研究工作总结
展望
参考文献
致谢
攻读学位期间发表的学术论文目录
【参考文献】：
期刊论文
[1]蚁群算法研究与应用的新进展[J]. 覃远年,梁仲华. 计算机工程与科学. 2019(01)
[2]我国智慧交通的发展现状及其框架构建策略[J]. 镇雷,王峰. 产业创新研究. 2018(07)
[3]蚁群算法的基本原理及应用综述[J]. 肖艳秋,焦建强,乔东平,杜江恒,周坤. 轻工科技. 2018(03)
[4]基于路网分层的协同诱导路径搜索算法[J]. 李志林,邱红桐,封春房,李标. 公路交通科技. 2017(01)
[5]WebSocket在实时WebGIS中的应用[J]. 赖建智. 城市勘测. 2016(03)
[6]智能交通中物联网技术的应用[J]. 陈慧,李伟. 江西通信科技. 2015(04)
[7]常用最短路径算法分析与比较[J]. 郑海虹. 安徽电子信息职业技术学院学报. 2013(04)
[8]RFID传感器网络及其应用[J]. 郭小珊,董武世,李志,柯宗武. 湖北师范学院学报(自然科学版). 2011(02)
[9]提高机动车驾驶人素质是预防交通事故的治本之策[J]. 石敏初. 湖南公安高等专科学校学报. 2009(06)
[10]基于MapInfo的专题地图制作[J]. 王宇航,王静. 内江科技. 2009(02)
硕士论文
[1]改进蚁群算法在机器人路径规划上的应用研究[D]. 喻环.安徽大学 2017
[2]改进蚁群算法在智能交通系统领域中的应用研究[D]. 郭晓法.大连海事大学 2016
[3]基于改进蚁群算法的有线网络路由QoS研究[D]. 刘洋.曲阜师范大学 2016
[4]智能交通中的动态路径规划研究[D]. 范炯.江苏科技大学 2016
[5]城市道路智能交通信息系统设计[D]. 李培霖.天津大学 2016
[6]智能交通系统中车辆最优行驶路线规划设计[D]. 陆杨洁.浙江工业大学 2015
[7]基于嵌入式Linux的车辆监控终端的研究[D]. 张高山.南京农业大学 2012
[8]基于博弈论的动态路径优化方法研究[D]. 谢晓倩.西南交通大学 2012
[9]基于蚁群算法的公交线网分层优化方法研究[D]. 朱加喜.长安大学 2011
[10]基于分层分区的动态路径规划算法研究[D]. 郑烟武.华南理工大学 2011
本文编号：3708292
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRAC
第一章 绪论
1.1 课题背景
1.2 智能交通现状
1.2.1 国外发展历程及现状
1.2.2 国内发展历程及现状
1.3 最优路径规划算法研究的意义
1.4 本文主要研究内容
第二章 智能交通与路网模型研究
2.1 智能交通中的技术介绍
2.1.1 车联网
2.1.2 图像识别
2.1.3 GPS技术
2.1.4 大数据
2.2 路网模型
2.2.1 路网的抽象
2.2.2 道路权重计算
2.3 数据存储结构研究
2.3.1 数据存储结构分析
2.3.2 两种存储结构对比
2.4 本章小结
第三章 路径算法研究
3.1 算法复杂性分析
3.1.1 时间复杂度
3.1.2 空间复杂度
3.2 传统路径算法
3.2.1 Dijkstra算法
3.2.2 Floyd算法
3.2.3 A~*算法
3.3 智能交通路径算法的研究方向
3.3.1 实时性
3.3.2 并行性
3.3.3 交通控制与路径诱导集成系统
3.3.4 混合算法
3.4 蚁群算法研究
3.4.1 智能算法
3.4.2 蚁群算法
3.4.3 蚁群算法基本模型
3.4.4 蚁群算法解决TSP问题基本步骤
3.4.5 蚁群算法特性
3.4.6 蚁群算法算法复杂度和参数讨论
3.5 本章小结
第四章 蚁群路径规划算法改进与实现
4.1 道路权值确定
4.2 常用改进蚁群算法
4.2.1 带精英策略的蚂蚁系统
4.2.2 最优-最差蚂蚁系统
4.2.3 最大-最小蚂蚁系统
4.3 蚁群算法改进与算法步骤
4.3.1 算法改进
4.3.2 算法步骤
4.4 分层蚁群算法设计与步骤
4.5 电子地图设计
4.5.1 电子地图介绍
4.5.2 MapInfo软件概述
4.5.3 MapInfo地图绘制流程
4.5.4 软件开发介绍
4.6 仿真与分析
4.6.1 实验参数设定
4.6.2 对比实验与分析
4.7 本章小结
第五章 智能交通系统研究与设计
5.1 架构分析
5.2 物理框架和模块设计
5.3 智能路径规划系统设计与实现
5.3.1 系统结构
5.3.2 客户端软件设计
5.3.3 服务端设计
5.3.4 实验准备
5.3.5 算法仿真
总结与展望
研究工作总结
展望
参考文献
致谢
攻读学位期间发表的学术论文目录
【参考文献】：
期刊论文
[1]蚁群算法研究与应用的新进展[J]. 覃远年,梁仲华. 计算机工程与科学. 2019(01)
[2]我国智慧交通的发展现状及其框架构建策略[J]. 镇雷,王峰. 产业创新研究. 2018(07)
[3]蚁群算法的基本原理及应用综述[J]. 肖艳秋,焦建强,乔东平,杜江恒,周坤. 轻工科技. 2018(03)
[4]基于路网分层的协同诱导路径搜索算法[J]. 李志林,邱红桐,封春房,李标. 公路交通科技. 2017(01)
[5]WebSocket在实时WebGIS中的应用[J]. 赖建智. 城市勘测. 2016(03)
[6]智能交通中物联网技术的应用[J]. 陈慧,李伟. 江西通信科技. 2015(04)
[7]常用最短路径算法分析与比较[J]. 郑海虹. 安徽电子信息职业技术学院学报. 2013(04)
[8]RFID传感器网络及其应用[J]. 郭小珊,董武世,李志,柯宗武. 湖北师范学院学报(自然科学版). 2011(02)
[9]提高机动车驾驶人素质是预防交通事故的治本之策[J]. 石敏初. 湖南公安高等专科学校学报. 2009(06)
[10]基于MapInfo的专题地图制作[J]. 王宇航,王静. 内江科技. 2009(02)
硕士论文
[1]改进蚁群算法在机器人路径规划上的应用研究[D]. 喻环.安徽大学 2017
[2]改进蚁群算法在智能交通系统领域中的应用研究[D]. 郭晓法.大连海事大学 2016
[3]基于改进蚁群算法的有线网络路由QoS研究[D]. 刘洋.曲阜师范大学 2016
[4]智能交通中的动态路径规划研究[D]. 范炯.江苏科技大学 2016
[5]城市道路智能交通信息系统设计[D]. 李培霖.天津大学 2016
[6]智能交通系统中车辆最优行驶路线规划设计[D]. 陆杨洁.浙江工业大学 2015
[7]基于嵌入式Linux的车辆监控终端的研究[D]. 张高山.南京农业大学 2012
[8]基于博弈论的动态路径优化方法研究[D]. 谢晓倩.西南交通大学 2012
[9]基于蚁群算法的公交线网分层优化方法研究[D]. 朱加喜.长安大学 2011
[10]基于分层分区的动态路径规划算法研究[D]. 郑烟武.华南理工大学 2011
本文编号：3708292
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3708292.html
