近年來,社會(huì)的進(jìn)步使城市化進(jìn)程不斷向前推進(jìn),城市交通網(wǎng)絡(luò)也不斷向外擴(kuò)張。城市交通擁堵等問題對(duì)人們的日常生活產(chǎn)生很大影響,不僅增加人們的通勤時(shí)間,還帶來諸如環(huán)境污染、經(jīng)濟(jì)損失等問題。智能交通系統(tǒng)（ITS）的誕生使得解決這一問題成為可能。智能交通系統(tǒng)結(jié)合了計(jì)算機(jī)、通訊、電子、運(yùn)籌學(xué)、交通大數(shù)據(jù)和人工智能等技術(shù),實(shí)現(xiàn)對(duì)交通信息的實(shí)時(shí)監(jiān)控與分析,在保障城市交通道路網(wǎng)絡(luò)安全、高效地運(yùn)行中發(fā)揮重要作用。車輛路徑規(guī)劃作為智能交通系統(tǒng)的關(guān)鍵環(huán)節(jié),在城市車輛出行導(dǎo)航中起著重要作用。車輛路徑規(guī)劃主要分為單車輛路徑規(guī)劃和多車輛路徑規(guī)劃。相對(duì)于單車輛的路徑規(guī)劃,多車輛路徑規(guī)劃能夠統(tǒng)籌大部分路網(wǎng)因素,有利于緩解交通擁堵。交通信息預(yù)測與車輛路徑規(guī)劃是智能交通系統(tǒng)的重要組成部分,為城市交通管理者或出行者提供有效的決策參考。本文主要研究基于交通信息預(yù)測與動(dòng)態(tài)價(jià)格機(jī)制的多車輛動(dòng)態(tài)路徑規(guī)劃在緩解交通擁堵中的作用。首先,論文對(duì)多車輛路徑規(guī)劃的若干基礎(chǔ)問題進(jìn)行討論,將交通道路網(wǎng)絡(luò)抽象化,把多車輛路徑規(guī)劃問題轉(zhuǎn)化為混合整數(shù)線性規(guī)劃問題,使得該問題能夠用優(yōu)化方法加以討論。討論了路徑規(guī)劃算法的常見優(yōu)化目標(biāo),并介紹了本文使用的仿真平... 

【文章來源】：廣東工業(yè)大學(xué)廣東省

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 多車輛路徑規(guī)劃研究現(xiàn)狀
        1.2.2 交通信息預(yù)測研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容
    1.4 文章組織結(jié)構(gòu)
    1.5 本章小結(jié)
第二章 多車輛路徑規(guī)劃關(guān)鍵問題分析
    2.1 多車輛路徑規(guī)劃問題數(shù)學(xué)抽象
        2.1.1 交通路網(wǎng)的數(shù)學(xué)抽象
        2.1.2 多車輛路徑規(guī)劃問題
    2.2 路徑規(guī)劃算法的優(yōu)化目標(biāo)
        2.2.1 行駛距離最短準(zhǔn)則
        2.2.2 行駛時(shí)間最少準(zhǔn)則
        2.2.3 舒適性最高準(zhǔn)則
        2.2.4 廣義費(fèi)用最低準(zhǔn)則
    2.3 交通仿真平臺(tái)與工具選取
    2.4 本章小結(jié)
第三章 多車輛路徑規(guī)劃算法研究
    3.1 靜態(tài)路徑規(guī)劃算法
        3.1.1 Dijkstra算法
        3.1.2 A*算法
        3.1.3 其它算法
    3.2 動(dòng)態(tài)路徑規(guī)劃算法
        3.2.1 改進(jìn)的Dijkstra動(dòng)態(tài)路徑規(guī)劃算法
    3.3 動(dòng)態(tài)價(jià)格機(jī)制下的多車輛路徑規(guī)劃
        3.3.1 多車輛路徑規(guī)劃問題研究
        3.3.2 動(dòng)態(tài)價(jià)格機(jī)制下的多車輛路徑規(guī)劃算法
    3.4 仿真實(shí)驗(yàn)與結(jié)果分析
        3.4.1 實(shí)驗(yàn)步驟
        3.4.2 算法性能評(píng)價(jià)指標(biāo)
        3.4.3 實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
第四章 短時(shí)交通信息預(yù)測算法研究
    4.1 短時(shí)交通信息預(yù)測的傳統(tǒng)算法
    4.2 短時(shí)交通信息預(yù)測的人工智能算法
        4.2.1 BP神經(jīng)網(wǎng)絡(luò)算法
        4.2.2 長短時(shí)記憶網(wǎng)絡(luò)
        4.2.3 棧式自編碼器
    4.3短時(shí)交通預(yù)測算法仿真實(shí)驗(yàn)
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)
        4.3.2 算法性能評(píng)價(jià)指標(biāo)
        4.3.3 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
第五章 基于交通信息預(yù)測與動(dòng)態(tài)價(jià)格機(jī)制的路徑規(guī)劃
    5.1 動(dòng)態(tài)價(jià)格機(jī)制的分析與改進(jìn)
    5.2 基于交通信息預(yù)測與動(dòng)態(tài)價(jià)格機(jī)制的多車輛路徑規(guī)劃算法
        5.2.1 算法描述
    5.3 仿真實(shí)驗(yàn)與結(jié)果分析
        5.3.1 實(shí)驗(yàn)步驟
        5.3.2 算法性能評(píng)價(jià)指標(biāo)
        5.3.3 實(shí)驗(yàn)結(jié)果與分析
    5.4 本章小結(jié)
總結(jié)與展望
    總結(jié)
    展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于CNN-SVR混合深度學(xué)習(xí)模型的短時(shí)交通流預(yù)測[J]. 羅文慧,董寶田,王澤勝.  交通運(yùn)輸系統(tǒng)工程與信息. 2017(05)
[2]基于時(shí)間序列相似性搜索的交通流短時(shí)預(yù)測方法[J]. 楊兆升,邴其春,周熙陽,馬明輝,李曉文.  交通信息與安全. 2014(06)
[3]短時(shí)交通流預(yù)測的改進(jìn)K近鄰算法[J]. 謝海紅,戴許昊,齊遠(yuǎn).  交通運(yùn)輸工程學(xué)報(bào). 2014(03)
[4]基于模糊卡爾曼濾波的短時(shí)交通流量預(yù)測方法[J]. 郭海鋒,方良君,俞立.  浙江工業(yè)大學(xué)學(xué)報(bào). 2013(02)
[5]改進(jìn)粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測[J]. 李松,劉力軍,翟曼.  系統(tǒng)工程理論與實(shí)踐. 2012(09)
[6]路徑規(guī)劃算法及其應(yīng)用綜述[J]. 張廣林,胡小梅,柴劍飛,趙磊,俞濤.  現(xiàn)代機(jī)械. 2011(05)
[7]美國聯(lián)邦公路局路阻函數(shù)探討[J]. 鄭遠(yuǎn),杜豫川,孫立軍.  交通與運(yùn)輸(學(xué)術(shù)版). 2007(01)
[8]兩種改進(jìn)的最優(yōu)路徑規(guī)劃算法[J]. 李擎,宋頂立,張雙江,李哲,劉建光,王志良.  北京科技大學(xué)學(xué)報(bào). 2005(03)
[9]限制搜索區(qū)域的距離最短路徑規(guī)劃算法[J]. 付夢(mèng)印,李杰,鄧志紅.  北京理工大學(xué)學(xué)報(bào). 2004(10)
[10]智能交通系統(tǒng)在國外的發(fā)展趨勢[J]. 李峰.  國外公路. 1999(01)

博士論文
[1]車聯(lián)網(wǎng)環(huán)境下交通信息采集與處理方法研究[D]. 周戶星.吉林大學(xué) 2013

碩士論文
[1]基于博弈論的多模式動(dòng)態(tài)路徑規(guī)劃技術(shù)研究[D]. 劉雪塵.吉林大學(xué) 2017
[2]基于Q學(xué)習(xí)的智能交通預(yù)測與多路徑規(guī)劃研究[D]. 李沖.中南大學(xué) 2014
[3]智能交通系統(tǒng)中車輛動(dòng)態(tài)路徑誘導(dǎo)方法研究[D]. 楊巍.蘭州理工大學(xué) 2012



本文編號(hào)：3196506