基于transmodeler路径优化仿真模型的研究

《基于transmodeler路径优化仿真模型的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于TransModeler路径优化仿真模型的研究摘要：在城市交通路网中诱导车辆规划较优出行路线，来提高人们的出行质量。本文分别研究了蚁群算法和粒子群算法，并根据其优缺点进行了算法融合。同时学习和分析了Transmodeler4.0软件，建立城市路网，加入仿真数据，并模拟了融合算法下的路径优化模型。结合实例，通过路径对比，提出优化方案。中国8/vie　　关键词：蚁群算法；粒子群算法；Transmodeler；路径仿真　　中图分类号：TP18文献标识码：A：1009-3044（2016）36-0166-02　　针对目前智慧城市的要求，出行者迫切需要一个避免拥堵，安全方便，高效率的出行

2、服务，交通管理者也需要合理的分配城市路网的交通流，使出行者的行驶路径达到最大优化[1，2]。那么，路径优化的研究具有很大的意义。　　算法的选择，直接影响了优化结果的精度。目前，广泛应用于路径选择和网络路由策略等领域的算法，常见的有群智能优化算法的粒子群算法（ParticleSOptimization，PSO）和模拟进化算法的蚁群算法（AntColonyOptimization，ACO）。而交通仿真是再现复杂的真实交通现象，并对其进行问题解释、环境分析、现象预测，最终找出问题所在并解决优化，并对所研究的系统进行改进、比选和评价。Transmodeler4.0软件以地理信息系统（GIS

3、）为基础，采用较为实用的仿真模型，能够体现优化方案的科学性和可行性是仿真软件参数设定的最终目标，同时具有结果评价和分析等功能。　　本文根据PSO和ACO两算法的优缺点进行算法的融合使用，加入实例，选出最优路径，并利用Transmodeler4.0软件对所选路径进行了仿真模拟，实验结果较好。　　1蚁群算法与粒子群算法　　1.1ACO的基本原理　　ACO是应用最广的一种算法，其思想源于蚂蚁觅食行为，尽管蚂蚁个体非常简单，但能表现出强大的社会群体行为。　　若m只蚂蚁被随机分配到m个地点。设各个路径上初始信息浓度值为[τ0]，可定为[τ0=m/cmn]，m为蚂蚁数量。变化后的信息浓度为[τ

4、ijn]。设定过小的初始信息浓度[τ0]，容易使搜索陷入局部空间；[τ0]过大时，只有信息素挥发一部分之后，蚂蚁释放的信息素才能发挥指引作用。位于地点i的蚂蚁选择地点j依据如下概率公式[3]：　　[pkij（t）=ταij（t）ηβij（t）s∈alloind，xmaxd]，[xmind]，[xmaxd]分别代表搜索空间[D]的下限和上限；　　飞行速度为：[Vti=vti1，vti2，vti3，???，vtid]，i=1，2，3，…，[M]。[vtid∈vmind，vmaxd]，　　[vmind]，[vmaxd]分别为粒子飞行的最小和最大速度；　　个体最优位置：[Pti=pti1，

5、pti2，pti3，???，ptid]，整体最优：[Ptg=ptg1，ptg2，ptg3，???，ptgd]；　　其中[1≤d≤D]，[1≤i≤M]，粒子群算法进行优化迭代中，则粒子[pi]在[t+1]时刻按照以下公式进行速度的不断更新和位置的不断更新：　　PSO的基本算法步骤大概描述如下：　　（1）初始化。设PSO中各类参数：搜索空间[D]的下限[xmind]和上限[xmaxd]；学习因子[c1]，[c2]；算法最高迭代次数[Tmax]和寻优误差系数[θ]；粒子的速度上限和下限为[vmind]，[vmaxd]。随机初始化各个粒子的速度[vi]和位置[xi]。　　（2）计算和评价每

6、一个粒子的适应值，并记录粒子的个体极值[Pti]和全局极值[Ptg]。　　（3）将粒子个体历史的最好位置[Pti]的适应值于当前粒子位置适应值进行比较，[Pti]取优。　　（4）将每个粒子的位置的适应值和全体粒子最佳位置[Ptg]的适应值做比较，[Ptg]取优。　　（5）根据以上公式更新粒子的速度和位置。　　（6）检验是否满足结束条件。如果当前的迭代次数达到了最高迭代次数[Tmax]或结果误差小于寻优误差系数[θ]，那么停止迭代，输出最优解。否则转到步骤（2）。　　1.3算法融合　　PSO收敛速度较慢，易陷入局部优先，而ACO的搜索具有很大的盲目性。本文�对两算法的缺点和实际交通路

7、径规划在计算时间和精度上的高要求，分别对ACO和PSO做出改进，建立混合型算法，模糊缺点，发挥各自在路径搜索上的优势。　　利用粒子群算法得到一组优化路径，然后在整体的环境已经加入相同信息素，再从这组路径中选取部分路径，加大信息素浓度作为蚁群算法新的初始化信息素，从起点和终点一起进行精搜索，从而形成双向搜索模式，选出最优路径。所谓最优，并不是指路程最短，而是时间与路程的结合分析。从[O]点到[D]点的所有路径中，经过粒子群的筛选，以下三条路径可以作为蚁群算法的初始路径。