本文選題：多目標優(yōu)化 + 路網(wǎng)擁塞　； 參考：《湖南大學學報(自然科學版)》2015年04期

【摘要】：智能交通系統(tǒng)領域中的路網(wǎng)擁塞控制是解決路網(wǎng)擁塞問題的主要手段之一,針對該問題,利用自底向上的agent建模方式,構建一種多目標路徑?jīng)Q策agent移動模型.在該模型中,車輛agent兼顧最短路徑和擁塞避免兩個優(yōu)化目標,通過車輛agent行駛距離最短(最短路徑)和途經(jīng)區(qū)域的擁塞程度最低(擁塞避免)兩個目標優(yōu)化來動態(tài)進行路徑?jīng)Q策.基于多目標路徑?jīng)Q策移動模型一方面能夠?qū)崿F(xiàn)對交通擁堵路段的分流控制,另一方面能夠挖掘網(wǎng)絡拓撲結(jié)構中易發(fā)生擁塞的路口的共同特征,為路網(wǎng)擁塞控制提供幫助.仿真實驗結(jié)果表明,該模型能較好地改善路網(wǎng)結(jié)構中的擁塞路段.針對不同鏈路密度及鏈路分布的網(wǎng)絡所進行的仿真實驗結(jié)果進一步表明,路網(wǎng)結(jié)構的鏈路密度對擁塞路段出現(xiàn)在網(wǎng)絡中的地理位置影響不同,而路口節(jié)點位置影響其擁塞程度;網(wǎng)絡結(jié)構的鏈路分布形態(tài)對發(fā)生擁塞路段的地理位置和擁塞優(yōu)化結(jié)果具有直接影響.
[Abstract]:Road network congestion control in the field of intelligent transportation system is one of the main methods to solve the problem of road network congestion. Aiming at this problem, a multi-objective path decision agent mobile model is constructed by using bottom-up agent modeling method.In this model, vehicle agent takes into account two optimization objectives: shortest path and congestion avoidance.Dynamic path decision is made by optimizing the vehicle agent with the shortest distance (shortest path) and the least congestion degree (congestion avoidance) in the passing area.Based on the multi-objective path decision moving model, on the one hand, it can realize the traffic congestion control, on the other hand, it can mine the common characteristics of the congested intersection in the network topology, and provide the help for the road network congestion control.The simulation results show that the model can improve the congested section of road network structure.The simulation results for networks with different link density and link distribution further show that the link density of road network structure has different effects on the geographical location of congested sections in the network, and the location of intersection nodes affects the congestion degree.The distribution pattern of network structure has a direct impact on the location and congestion optimization of congested sections.
【作者單位】： 湖南大學信息科學與工程學院;東京工業(yè)大學;
【基金】：湖南省自然科學基金資助項目(13JJ3049) 湖南省科技計劃資助項目(2012FJ4131) 國家863高技術資助項目(2012AA01A301-01)
【分類號】：U495

【參考文獻】

相關期刊論文 前2條

1 文孟飛;彭軍;劉偉榮;李沖;張曉勇;;一種增量式多目標優(yōu)化的智能交通路徑誘導方法[J];湖南大學學報(自然科學版);2013年05期

2 梁滿朝;李文勇;李福祥;;基于蟻群算法和群決策理論的動態(tài)路徑優(yōu)化研究[J];西部交通科技;2012年02期

【共引文獻】

相關博士學位論文 前3條

1 余強毅;基于農(nóng)戶決策的農(nóng)業(yè)土地系統(tǒng)變化模型研究[D];中國農(nóng)業(yè)科學院;2013年

2 文孟飛;城市智能交通系統(tǒng)交通流協(xié)同優(yōu)化與誘導關鍵技術研究[D];中南大學;2013年

3 馬成長;直和矩陣博弈的動力學行為研究[D];華中師范大學;2014年

相關碩士學位論文 前1條

1 王利永;城市車輛動態(tài)路徑誘導仿真系統(tǒng)研究[D];沈陽大學;2014年

【二級參考文獻】

相關期刊論文 前7條

1 吳義虎;李寧;王正武;;蟻群算法在車輛路徑誘導系統(tǒng)中的應用[J];系統(tǒng)工程;2007年02期

2 魏唯;歐陽丹彤;呂帥;殷明浩;;一種多目標增量啟發(fā)式搜索算法[J];吉林大學學報(理學版);2009年04期

3 杜長海;黃席樾;楊祖元;唐明霞;楊芳勛;;改進的蟻群算法在動態(tài)路徑誘導中的應用研究[J];計算機工程與應用;2008年27期

4 朱慶保;動態(tài)復雜環(huán)境下的機器人路徑規(guī)劃螞蟻預測算法[J];計算機學報;2005年11期

5 鄒亮,徐建閩;基于遺傳算法的動態(tài)網(wǎng)絡中最短路徑問題算法[J];計算機應用;2005年04期

6 谷遠利;李善梅;邵春福;;基于蟻群算法的交通控制與誘導協(xié)同研究[J];系統(tǒng)仿真學報;2008年10期

7 張波,葉家瑋,胡郁蔥;模擬退火算法在路徑優(yōu)化問題中的應用[J];中國公路學報;2004年01期

相關博士學位論文 前1條

1 首艷芳;基于群決策理論的交通區(qū)域協(xié)調(diào)控制理論與方法研究[D];華南理工大學;2011年

，

本文編號：1758788