【摘要】：智能交通系統(tǒng)作為國(guó)際上公認(rèn)的解決城市交通擁堵問(wèn)題最經(jīng)濟(jì)有效的辦法,受到社會(huì)各界的廣泛關(guān)注。動(dòng)態(tài)路徑誘導(dǎo)系統(tǒng)作為智能交通系統(tǒng)的關(guān)鍵技術(shù)之一,在城市道路交通流的均衡動(dòng)態(tài)分配中起著舉足輕重的作用。本文正是基于這樣的應(yīng)用背景,針對(duì)動(dòng)態(tài)路徑誘導(dǎo)系統(tǒng)的核心組成部分：動(dòng)態(tài)路徑誘導(dǎo)算法進(jìn)行了基于自適應(yīng)量子人工魚群算法的研究。文章內(nèi)容主要包括以下兩個(gè)部分：動(dòng)態(tài)路網(wǎng)模型的建立以及動(dòng)態(tài)路徑誘導(dǎo)算法的設(shè)計(jì)。第一部分：對(duì)城市交通路網(wǎng)進(jìn)行數(shù)學(xué)抽象描述以后,針對(duì)城市交通路網(wǎng)的特點(diǎn)和動(dòng)態(tài)路網(wǎng)的不足,建立了帶路段轉(zhuǎn)向信息和實(shí)時(shí)交通流信息的動(dòng)態(tài)路網(wǎng)模型,并利用基于地圖顏色聚類特征的道路提取方法,提取沈陽(yáng)市和平區(qū)部分電子地圖的道路骨架作為構(gòu)建城市交通路網(wǎng)的參考對(duì)象,建立了用來(lái)進(jìn)行動(dòng)態(tài)路徑誘導(dǎo)問(wèn)題求解的城市交通路網(wǎng)拓?fù)鋱D。第二部分：動(dòng)態(tài)路徑誘導(dǎo)算法是動(dòng)態(tài)路徑誘導(dǎo)系統(tǒng)求解最優(yōu)路徑的關(guān)鍵,因此所設(shè)計(jì)算法性能的優(yōu)劣將直接關(guān)系到整個(gè)系統(tǒng)的實(shí)時(shí)性和有效性。依據(jù)動(dòng)態(tài)路徑誘導(dǎo)算法應(yīng)滿足的要求選取基本人工魚群算法作為動(dòng)態(tài)路徑誘導(dǎo)算法的基礎(chǔ)研究對(duì)象,并從提高全局尋優(yōu)能力、提高尋優(yōu)精度和改善迭代計(jì)算效率方面對(duì)基本人工魚群算法進(jìn)行了改進(jìn),提出了一種自適應(yīng)量子人工魚群算法。最后給出了利用自適應(yīng)量子人工魚群算法求解動(dòng)態(tài)路徑誘導(dǎo)問(wèn)題的執(zhí)行步驟。最終實(shí)驗(yàn)結(jié)果表明：利用自適應(yīng)量子人工魚群算法來(lái)求解帶有路段轉(zhuǎn)向信息和實(shí)時(shí)交通流信息的動(dòng)態(tài)最優(yōu)路徑是可行有效的,且在求解效率和求解精度方面均要優(yōu)于基本的人工魚群算法和傳統(tǒng)的遺傳算法。
[Abstract]:As the most economical and effective way to solve the problem of urban traffic congestion, intelligent transportation system has been widely concerned by all walks of life. As one of the key technologies of intelligent transportation system, dynamic path guidance system plays an important role in the balanced dynamic distribution of urban road traffic flow. Based on this application background, this paper studies the dynamic path induction algorithm, which is the core component of dynamic path induction system, based on adaptive quantum artificial fish swarm algorithm. The content of this paper mainly includes the following two parts: the establishment of dynamic road network model and the design of dynamic path induction algorithm. The first part: after the mathematical abstract description of the urban traffic network, according to the characteristics of the urban traffic network and the shortcomings of the dynamic road network, a dynamic road network model with road section steering information and real-time traffic flow information is established. The road skeleton of some electronic maps in Heping District of Shenyang is extracted by using the road extraction method based on the color clustering features of the map, which is used as the reference object for the construction of the urban traffic network. The topological diagram of urban traffic network is established to solve the dynamic path guidance problem. The second part: the dynamic path induction algorithm is the key to solve the optimal path of the dynamic path induction system, so the performance of the designed algorithm will be directly related to the real-time and effectiveness of the whole system. According to the requirements that the dynamic path induction algorithm should meet, the basic artificial fish swarm algorithm is selected as the basic research object of the dynamic path induction algorithm, and the global optimization ability is improved. In order to improve the optimization accuracy and iterative computational efficiency, the basic artificial fish swarm algorithm is improved, and an adaptive quantum artificial fish swarm algorithm is proposed. Finally, the execution steps of using adaptive quantum artificial fish swarm algorithm to solve the dynamic path induction problem are given. The experimental results show that it is feasible and effective to solve the dynamic optimal path with road steering information and real-time traffic flow information by using adaptive quantum artificial fish swarm algorithm. It is superior to the basic artificial fish swarm algorithm and the traditional genetic algorithm in solving efficiency and accuracy.
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：U495;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蘇海濱;王繼東;侯朝楨;;道路網(wǎng)絡(luò)分層的快速路徑誘導(dǎo)算法[J];火力與指揮控制;2008年07期

2 陸陽(yáng);胡堅(jiān)明;張佐;王順智;高逸涵;;面向北京市路網(wǎng)特點(diǎn)的新型路徑誘導(dǎo)算法及實(shí)現(xiàn)[J];交通信息與安全;2009年02期

3 文孟飛;彭軍;劉偉榮;李沖;張曉勇;;一種增量式多目標(biāo)優(yōu)化的智能交通路徑誘導(dǎo)方法[J];湖南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年05期

4 朱權(quán);安實(shí);謝秉磊;;雙目標(biāo)路徑誘導(dǎo)下的交通信息定價(jià)策略[J];交通運(yùn)輸工程學(xué)報(bào);2007年01期

5 金照;徐建閩;;數(shù)據(jù)融合技術(shù)在路徑誘導(dǎo)中的應(yīng)用研究[J];交通與計(jì)算機(jī);2008年04期

6 何鵬;潘君;薛倩;;基于遺傳算法的駕駛員動(dòng)態(tài)路徑誘導(dǎo)研究[J];現(xiàn)代電子技術(shù);2009年15期

7 潘海珠;杜曉昕;王波;;交通路徑誘導(dǎo)系統(tǒng)中最優(yōu)路徑選取研究與仿真[J];計(jì)算機(jī)仿真;2012年07期

8 李志純,黃海軍;多目標(biāo)路徑誘導(dǎo)下平衡市場(chǎng)滲透率的確定[J];系統(tǒng)工程理論與實(shí)踐;2004年09期

9 杜長(zhǎng)海;黃席樾;楊祖元;唐明霞;楊芳勛;;改進(jìn)的蟻群算法在動(dòng)態(tài)路徑誘導(dǎo)中的應(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2008年27期

10 董永峰;劉艷柳;張娜;顧軍華;;基于改進(jìn)蟻群算法的動(dòng)態(tài)多路徑誘導(dǎo)系統(tǒng)研究[J];河北工業(yè)大學(xué)學(xué)報(bào);2010年03期

相關(guān)會(huì)議論文 前8條

1 秦進(jìn);侯桂榮;;基于車輛的混合式路徑誘導(dǎo)系統(tǒng)分析[A];2007第三屆中國(guó)智能交通年會(huì)論文集[C];2007年

2 秦進(jìn);史峰;侯桂榮;;基于車輛的混合式路徑誘導(dǎo)系統(tǒng)[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

3 毛永明;張東偉;;智能交通動(dòng)態(tài)路徑誘導(dǎo)算法研究[A];第十屆沈陽(yáng)科學(xué)學(xué)術(shù)年會(huì)論文集（信息科學(xué)與工程技術(shù)分冊(cè)）[C];2013年

4 倪玲霖;秦進(jìn);;基于車輛的混合式路徑誘導(dǎo)系統(tǒng)框架研究[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

5 楊立才;賈磊;孔慶杰;;基于人工免疫系統(tǒng)的動(dòng)態(tài)路徑誘導(dǎo)算法研究[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊(cè)）[C];2005年

6 梅振宇;項(xiàng)貽強(qiáng);陳峻;王煒;;非完全動(dòng)態(tài)信息下基于風(fēng)險(xiǎn)估計(jì)的路徑誘導(dǎo)方法[A];2007第三屆中國(guó)智能交通年會(huì)論文集[C];2007年

7 王冠生;鄭江華;瓦哈甫·哈力克;李榮立;;基于Haptic技術(shù)的盲人輔助路徑誘導(dǎo)服務(wù)研制[A];地理學(xué)核心問(wèn)題與主線——中國(guó)地理學(xué)會(huì)2011年學(xué)術(shù)年會(huì)暨中國(guó)科學(xué)院新疆生態(tài)與地理研究所建所五十年慶典論文摘要集[C];2011年

8 王英杰;程琳;王煒;;交通網(wǎng)絡(luò)不確定性分析及路徑誘導(dǎo)信息提供[A];2007第三屆中國(guó)智能交通年會(huì)論文集[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 李卉;智能交通產(chǎn)業(yè)風(fēng)光無(wú)限[N];中國(guó)機(jī)電日?qǐng)?bào);2002年

相關(guān)碩士學(xué)位論文 前10條

1 張鍇;基于自適應(yīng)量子人工魚群算法的動(dòng)態(tài)路徑誘導(dǎo)研究[D];東北大學(xué);2014年

2 范東凱;城市動(dòng)態(tài)路徑誘導(dǎo)算法研究[D];長(zhǎng)安大學(xué);2006年

3 孫霞;基于改進(jìn)遺傳算法的城市交通路徑誘導(dǎo)系統(tǒng)的研究[D];重慶大學(xué);2007年

4 梁晶;哈爾濱市交通路徑誘導(dǎo)系統(tǒng)研究[D];哈爾濱工程大學(xué);2011年

5 趙丹;城市交通路徑誘導(dǎo)算法研究[D];長(zhǎng)安大學(xué);2009年

6 趙俊軍;基于演化博弈與人工免疫的路徑誘導(dǎo)算法研究[D];昆明理工大學(xué);2013年

7 韓星;災(zāi)變條件下公路網(wǎng)動(dòng)態(tài)路徑誘導(dǎo)決策模型與算法設(shè)計(jì)[D];北京交通大學(xué);2010年

8 郝新剛;車輛導(dǎo)航系統(tǒng)路徑誘導(dǎo)算法研究[D];山東科技大學(xué);2011年

9 謝秋燕;車聯(lián)網(wǎng)條件下車輛動(dòng)態(tài)路徑誘導(dǎo)方法研究[D];華南理工大學(xué);2012年

10 王靖;停車誘導(dǎo)系統(tǒng)中動(dòng)態(tài)路徑誘導(dǎo)技術(shù)的研究與應(yīng)用[D];蘇州大學(xué);2008年

，

本文編號(hào)：2481388