隨著近年來汽車保有量的不斷提升,交通擁堵成為了一個亟待解決的問題,隨之產(chǎn)生的空氣污染、熱島現(xiàn)象等氣候問題也越發(fā)突出。為緩解這些問題所產(chǎn)生的壓力,需要對車輛的行駛路徑進行更加科學合理的規(guī)劃。車輛路徑規(guī)劃（Vehicle Routing Problem）自提出以來一直都是運動規(guī)劃的主要研究內(nèi)容之一,在道路建設、出行規(guī)劃和智慧城市建設等領域有著廣泛應用,涉及技術(shù)包括數(shù)據(jù)挖掘,統(tǒng)計分析等方面。傳統(tǒng)的路徑規(guī)劃系統(tǒng)大多數(shù)僅單純從路網(wǎng)環(huán)境出發(fā)進行規(guī)劃,未能將車輛自身的信息納入到路網(wǎng)環(huán)境的描述中;同時,路徑規(guī)劃的結(jié)果往往也單純追求物理空間上的路徑最短,沒有考慮短路徑上可能產(chǎn)生的擁堵所帶來的影響。圍繞這一問題,本文通過歷史軌跡數(shù)據(jù)對路網(wǎng)信息進行挖掘重構(gòu),利用基于負反饋機制的蟻群改進算法對車輛路徑進行規(guī)劃,最終依托多Agent系統(tǒng)構(gòu)建高效準確的車輛路徑規(guī)劃系統(tǒng)。本文的主要研究內(nèi)容如下:1.研究基于時間衰退模型的擁堵區(qū)域檢測算法。主要包括路網(wǎng)規(guī)劃區(qū)域截取、時空軌跡聚類和擁堵系數(shù)標定。首先根據(jù)車輛規(guī)劃請求在路網(wǎng)中劃分出合適的規(guī)劃空間和時間區(qū)間;然后在這一規(guī)劃區(qū)域內(nèi)通過DT-DBSCAN算法挖掘熱點區(qū)域;最后根... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【部分圖文】：

交通擁堵情況日益嚴峻

第二章相關技術(shù)和基礎理論11圖2-1傳統(tǒng)柵格法地圖2.3軌跡聚類算法軌跡聚類的目的是通過大量移動對象的軌跡記錄分析得到其行為模式，及其行動區(qū)域的活動分布。軌跡聚類算法中，其核心問題在于如何根據(jù)時空特征定義軌跡之間的相似性關系。在進行行為模式分析時，通常將一條軌跡表示為空間中一組連續(xù)的矢量，通過分析矢量間的空間距離判斷相似性高低，將高相似度的向量聚為一類，類簇所表現(xiàn)出的行為特征即為行為模式[34]，而在進行活動分布判斷時則根據(jù)類簇的分布情況判斷該區(qū)域的自然活動與社會活動的分布情況。其中具有代表性的為Yuan等[35]研發(fā)的基于出租車軌跡記錄的出行系統(tǒng)T-Drive，該系統(tǒng)能夠根據(jù)出租車的歷史行駛偏好和行為特性，為出行者提供較為合理的路徑規(guī)劃方案。在軌跡聚類過程中，軌跡間的相似性要考慮時間維度相似性和空間維度相似性。根據(jù)軌跡數(shù)據(jù)時間維度權(quán)重高低和相似性度量方式的不同，軌跡聚類的處理方法基本可分為以下四類。（1）時間序列完全對應的相似軌跡聚類。此類方法在處理軌跡時對時間維度極為敏感，在空間相似的基礎上要求時間維度必須完全對應，時間先后順序不可打亂。這類方法中主要采取的方式有基于歐式距離的軌跡相似性度量[36]和基于最小范圍矩形MBR兩種。針對歐式度量方式，F(xiàn)aloutsos[37]和Chan[38]分別結(jié)合離散傅里葉變換和離散小波變換將軌跡空間度量進行改進，降低了空間相似性的計算難度；Elnekave[39]對MBR方式進行了改進，提出了MBB平滑軌跡方式，通過對軌跡計算范圍的改進降低了噪聲的影響，提高了算法的計算效率和準確度。

第三章基于多Agent的車輛路徑規(guī)劃系統(tǒng)關鍵算法研究23種策略計算簡便，算法設計簡單，但路徑規(guī)劃結(jié)果中容易出現(xiàn)較多轉(zhuǎn)彎和繞路，而隨著規(guī)劃環(huán)境的復雜化，這一缺陷會更加明顯[69]。為避免這種情況的發(fā)生，本文采取八叉樹搜索策略，如圖3-2所示，在車輛路徑規(guī)劃過程中可以向八個方向的鄰近柵格進行搜索，既能提高路徑搜索的效率，同時也能符合實際場景中車輛的的行駛規(guī)律。圖3-2八叉樹搜索策略3.2.1.2路網(wǎng)區(qū)域截取車輛路徑規(guī)劃的目的是尋找到一條能夠最快地從出發(fā)地到達目的地的路線。而我們可以獲得的數(shù)據(jù)，即歷史軌跡數(shù)據(jù)與路網(wǎng)環(huán)境數(shù)據(jù)都存儲了非常大量的位置信息，在路徑規(guī)劃中與如何從大量的軌跡數(shù)據(jù)和路網(wǎng)環(huán)境數(shù)據(jù)中找到合適的規(guī)劃環(huán)境極為重要，范圍過大會造成規(guī)劃算法運算效率低下，反應時間過長，范圍過小則可能直接將實際最優(yōu)路徑所在環(huán)境排除在計算范圍內(nèi)。圖3-3某實際路網(wǎng)環(huán)境如圖3-3所示，在柵格化建模的路網(wǎng)中，紅色區(qū)域為出發(fā)地A，綠色區(qū)域為目的地B，在一般的路網(wǎng)選取方式中，通常僅僅參考起始地和目的地的坐標，選取以起

【參考文獻】：
期刊論文
[1]改進粒子群算法的移動機器人路徑規(guī)劃[J]. 韓儀灑,張莉,譚海燕,薛旭璐,郭瑞鴻,郭倩.  西安工程大學學報. 2019(05)
[2]高德地圖發(fā)布《2018年度中國主要城市交通分析報告》[J].   城市規(guī)劃通訊. 2019(02)
[3]基于信息素負反饋的超啟發(fā)式蟻群優(yōu)化算法[J]. 薛文艷,趙江,郝崇清,劉慧賢.  計算機工程與應用. 2019(04)
[4]分布式多機器人運動控制的離散事件系統(tǒng)方法[J]. 周遠,胡核算,劉楊,林尚威.  控制理論與應用. 2018(01)
[5]基于遺傳算法的機器人路徑規(guī)劃的仿真研究[J]. 雷艷敏,王帥.  長春大學學報. 2017(04)
[6]基于改進蟻群算法對VRP線路優(yōu)化[J]. 王曉東,張永強,薛紅.  吉林大學學報(信息科學版). 2017(02)
[7]基于TSP的蟻群算法參數(shù)選擇問題分析[J]. 丁上凌,李斌.  數(shù)字技術(shù)與應用. 2016 (12)
[8]軌跡大數(shù)據(jù):數(shù)據(jù)處理關鍵技術(shù)研究綜述[J]. 高強,張鳳荔,王瑞錦,周帆.  軟件學報. 2017(04)
[9]智能車避障路徑規(guī)劃方法研究[J]. 杜,郭達,張新鋒.  交通節(jié)能與環(huán)保. 2016(03)
[10]基于多agent系統(tǒng)的大規(guī)模無人機集群對抗[J]. 羅德林,張海洋,謝榮增,吳順祥.  控制理論與應用. 2015(11)

博士論文
[1]考慮交通車輛運動不確定性的軌跡規(guī)劃方法研究[D]. 孫浩.吉林大學 2017

碩士論文
[1]基于移動時空軌跡的路網(wǎng)熱點區(qū)域挖掘系統(tǒng)設計與實現(xiàn)[D]. 陳婷.電子科技大學 2019
[2]蟻群算法的研究及其在路徑尋優(yōu)中的應用[D]. 杜磊.太原理工大學 2018
[3]基于路網(wǎng)感知的時空軌跡聚類算法研究[D]. 翟婷.中北大學 2016
[4]基于多Agent的動態(tài)協(xié)同作戰(zhàn)軟件設計與實現(xiàn)[D]. 程世清.西安電子科技大學 2015
[5]基于JADE平臺的網(wǎng)絡信息搜索與集成系統(tǒng)[D]. 旭日.天津大學 2006



本文編號：3284597