本文關(guān)鍵詞： 交通控制 快速路 粒子群算法 匝道控制 路徑誘導 宏觀交通流　出處：《計算機應(yīng)用研究》2017年10期 　論文類型：期刊論文

【摘要】：針對快速路匝道控制和路徑誘導優(yōu)化,改進已有宏觀交通流模型對上下匝道的處理方式,提出了一種實現(xiàn)快速路網(wǎng)協(xié)同整合動態(tài)優(yōu)化控制的進化粒子群算法。利用區(qū)分目的地車流的均勻分布,給出起始路段區(qū)分目的地車流的實際駛?cè)氡壤�。通過對實際路網(wǎng)中上下匝道車流的觀察分析,給出上匝道車速與下游主線車速的關(guān)聯(lián)關(guān)系,并對下匝道實施類似主線路段的建模處理。針對基于上述改進得到的快速路網(wǎng)動態(tài)控制系統(tǒng),利用控制變量的箱式約束,在經(jīng)典粒子群算法中引入交叉變異操作,給出了一種高效的進化粒子群算法。通過算例分析比較了經(jīng)典粒子群算法和進化粒子群算法,證實了新方法可以高效處理復雜的實際快速路網(wǎng)。
[Abstract]:Aiming at the ramp control and route guidance optimization of expressway, the existing macro-traffic flow model is improved to deal with the upper and lower ramps. In this paper, an evolutionary particle swarm optimization algorithm is proposed to realize the cooperative integration dynamic optimization control of expressway network, which uses the uniform distribution of traffic flow to distinguish the destination. Through the observation and analysis of the upper and lower ramp traffic flow in the actual road network, the relationship between the on-ramp speed and the downstream main line speed is given. Based on the above improvements, the dynamic control system of highway network is developed, and the box constraints of control variables are used. An efficient evolutionary particle swarm optimization algorithm is proposed by introducing crossover mutation operation into classical particle swarm optimization algorithm and the classical particle swarm optimization algorithm and evolutionary particle swarm optimization algorithm are compared with each other. It is proved that the new method can efficiently deal with complex expressway network.
【作者單位】： 上海理工大學管理學院;
【基金】：上海市自然科學基金資助項目(15zr1429200) 上海市一流學科建設(shè)資助項目(S1201YLXK)
【分類號】：TP18;U491
【正文快照】： 0引言城市規(guī)模的不斷擴大和小汽車保有量的不斷增加使得城市快速路日益成為城市交通的主動脈。2016年5月23日,上海中環(huán)線(內(nèi)圈)真華路至萬榮路匝道之間發(fā)生的一起單車事故,即一輛裝載預制管樁的卡車側(cè)翻后造成高架路段主橋面翹起損壞,導致上海北部較大區(qū)域的交通出行受到嚴重

【相似文獻】

相關(guān)期刊論文 前10條

1 王向銀;劉堅;武春燕;于德介;;基于改進二次粒子群算法的汽車零配件配載優(yōu)化[J];汽車工程;2010年08期

2 張薇;;基于改進粒子群算法的隨機流路網(wǎng)可靠性研究[J];計算機工程與設(shè)計;2012年03期

3 劉志雄;;基于粒子群算法的物流配送車輛優(yōu)化調(diào)度研究[J];武漢科技大學學報;2009年06期

4 楊俊宇;秦志鋒;;基于粒子群算法的公交車調(diào)度研究[J];交通信息與安全;2009年06期

5 王非;張佳;孫浩杰;樊根耀;;配送中心選址-庫存問題的粒子群算法應(yīng)用[J];公路交通科技;2011年12期

6 高書儉;王勇;張永;;基于混合粒子群算法的物流集氣管網(wǎng)布局優(yōu)化[J];重慶交通大學學報(自然科學版);2011年01期

7 連志剛;林蔚天;曹宇;計春雷;;基于類粒子群算法的集裝箱裝載模型優(yōu)化研究[J];重慶交通大學學報(自然科學版);2014年02期

8 豐偉;李雪芹;;基于粒子群算法的多目標車輛調(diào)度模型求解[J];系統(tǒng)工程;2007年04期

9 郝會霞;郗建國;;改進的粒子群算法在VRP中的應(yīng)用[J];現(xiàn)代交通技術(shù);2007年04期

10 歐陽星明;林偉周;陳迎春;;基于混合粒子群算法的試驗選址問題研究[J];計算機工程與科學;2007年11期

相關(guān)會議論文 前1條

1 李曙光;;粒子群算法在高速公路多路徑費用拆分方法研究[A];第二十六屆中國控制會議論文集[C];2007年

相關(guān)碩士學位論文 前5條

1 梁計鋒;基于改進粒子群算法的交通控制算法研究[D];長安大學;2015年

2 王超;基于粒子群算法的橋墩多目標優(yōu)化設(shè)計方法研究[D];西安工業(yè)大學;2016年

3 王育靜;基于MULTI-AGENT粒子群算法的大宗散貨港—公調(diào)度協(xié)調(diào)優(yōu)化研究[D];天津工業(yè)大學;2017年

4 于浩然;基于粒子群算法的時間約束順風車路徑問題研究[D];山東大學;2017年

5 張超;一種遺傳粒子群算法及其在集裝箱裝船順序優(yōu)化問題中的應(yīng)用[D];大連海事大學;2014年

，

本文編號：1450720