基于蚁群算法的交通网络优化方法-研究

基于蚁群算法的交通网络优化方法-研究

ID:31984343

大小:2.97 MB

页数:65页

时间:2019-01-30

基于蚁群算法的交通网络优化方法-研究_第1页
基于蚁群算法的交通网络优化方法-研究_第2页
基于蚁群算法的交通网络优化方法-研究_第3页
基于蚁群算法的交通网络优化方法-研究_第4页
基于蚁群算法的交通网络优化方法-研究_第5页
资源描述:

《基于蚁群算法的交通网络优化方法-研究》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、山东理T大学硕十论文第一章绪论1.1课题来源第一章绪论弟一早殖化本学位论文主要依托下列科研项目进行:(1)山东理工大学科研基金重点资助项目“交通网络一体化微观协同仿真算法研究与实现”(项目编号:2004KJZ02)(2)山东省社会科学规划研究项目《智能运输系统社会经济影响评价模型与方法》(项目编号:04CMZ08)。1.2研究的背景和意义随着经济社会的快速发展和城市化进程的不断加快,城市机动车拥有量迅速增长,人们对交通运输的需求急剧增加,交通量的快速增长使道路交通状况日益恶化、交通堵塞现象普遍存在、交通事故发生量不断上涨,从而导致了交通拥堵

2、、交通事故、环境污染、能源短缺和经济损失等一系列严重的交通问题和社会问题。解决上述问题,无非从交通供给和交通管控两个方面入手。近些年,从国内外的实践经验与教训发现,单纯依靠修建道路或者扩充现有的交通基础设施来解决交通问题,不仅成本昂贵、环境污染严重,而且缓解交通问题的效果也是有限的,并不能从实质上解决现有的各种问题。因此,从交通管控入手,充分利用现有的交通资源,科学运用先进、合理的优化方法对交通网络进行合理优化,对充分挖掘现有交通设施潜力,提高交通网络的运营效率,有效解决日益严重的交通问题,具有十分重要的理论价值和现实意义。智能运输系统(I

3、ntelligentTransportationSystem,简称ITS)被认为是目前解决交通问题最重要的措施之一,它是在较完善的道路设施基础上,将先进的信息技术、数据传输技术、电子传感技术、电子控制技术以及计算机处理技术和系统综合技术有效地集成并运用于整个运输系统,从而建立起一种大范围、全方位发挥作用的,实时、准确、高效的综合运输和管理系统。其目的是对交通网络合理优化,使交通网络中的交通流处于最佳运行状态,缓解交通拥阻,最大限度地提高路网的通行能力,改善环境质量和提高能源利用率,提高整个运输系统的机动性、安全性和运输效率Il捌。动态配流1

4、3_4J(DynamicTrafficAssignment,简称DTA)是指以时时刻刻变动的交通需求为对象的交通量分配。与静态配流相比,DTA能更广泛、更山东理rT大学硕:}:论文第一章绪论准确地描述交通流在网络中的运行状态,是动态交通网络分析、优化以及交通需求分析的一个重要组成部分。DTA又是ITS研究的一项重要内容,尤其是先进的交通管理系统(AdvancedTrafficManagementSystems,简称ATMS)、先进的出行者信息系统(AdvancedTravelerInformationSystems,简称ATIS)、先进的车

5、辆控制系统(AdvancedVehicleControlSystems,简称AVCS)以及先进的公共交通系统(AdvancedPublicTransportationSystems,简称APTS)等最重要的理论基础和核心问题。因此,研究动态配流对解决交通问题意义重大。最短路径搜索算法是图论中的一个经典问题,以最短路径为主的最优路径问题一直是计算机科学、运筹学、交通工程学、地理信息科学等学科领域的一个研究热点。它是资源分配、路线设计及分析等优化问题的基础。具体到交通领域,最短路径问题是交通网络分析、优化的最基本也是最重要的一个环节。一方面,进

6、行交通网络优化必然要涉及到交通配流问题,目前常用的交通配流方法几乎都是建立在最短路径的基础上;另一方面,在包括平衡配流在内的任何一种配流方法中,至少有90%的计算时间是花在最短路径的寻找上。因此,好的交通配流方法特别是动态配流必须有一种好的最短路径搜索算法13儿51。1978年,Merchant&Nemhauser在静态配流基础上率先提出了动态配流模型【6。丌。此后动态配流模型引起了交通界的广泛重视,世界各国学者进行了多方面的理论与应用研究,并取得了丰富的成果。遗憾的是,虽然在理论上有很多的动态配流模型,但是无论哪种模型,都是非线性、非凸、

7、超大规模且具有强时变特征的,很难找到有效的求解算法,从而抑制了动态配流研究的发展。为了减轻计算负担,提高运算效率,人们提出了很多近似算法,如Frank.Wolfe算法、对偶算法等。这些算法在一定程度上降低了算法的复杂性,然而并不能有效地处理实际中的大规模网络问题。通过对交通平衡配流模型的深入研究发现,平衡配流问题的计算具有一定的随机性和并行性的特点,而蚁群算法不仅具有卓越的随机搜索寻优能力还具有自适应性分布式的计算特点,即它具有群体合作、正反馈和并行等特点,其优化过程不依赖于优化问题本身严格的数学性质,诸如连续性、可导性及目标函数和约束函数

8、的精确数学描述,而且蚁群算法的路径寻优过程与车辆选择路径过程非常相似,能使配流结果更符合实际,并逐步趋于平衡。因此,本文研究将蚁群算法应用于动态用户最优配流问题,力求为动态配流提

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。