【摘要】：日益增長(zhǎng)的交通需求使得出行者的路徑?jīng)Q策研究成為了當(dāng)代的熱點(diǎn)之一,為分析交通擁堵問題提供了相關(guān)理論基礎(chǔ)。大多數(shù)已有的研究并沒有充分考慮影響因素的模糊性與隨機(jī)性的特性,這就容易造成決策結(jié)果不貼合實(shí)際。因此,為了更好對(duì)描述影響因素定量與定性的相互關(guān)系,本文提出了基于云模型的路徑?jīng)Q策方法,主要從多路徑單點(diǎn)決策與多路徑多點(diǎn)決策兩個(gè)角度進(jìn)行分析,這是因?yàn)橛行┏鲂姓咴诔鲂星爸蛔鲆淮温窂竭x擇,行駛途中不更換路線,但大多數(shù)情況下,出行者會(huì)在每個(gè)節(jié)點(diǎn)處根據(jù)實(shí)際交通狀況、自身經(jīng)驗(yàn)進(jìn)行決策,以確定轉(zhuǎn)向路線,直至完成整個(gè)出行。本文利用云模型處理定性概念與定量描述的不確定性的特性,分別建立了區(qū)間型變量與定性變量的云模型轉(zhuǎn)換方法,同時(shí)利用子云生成綜合云的概念設(shè)計(jì)了云模型的Hamming距離,并依此建立了多路徑單點(diǎn)決策模型;此外,還利用云模型綜合云的相似度概念,在前景理論的基礎(chǔ)上建立了多路徑多點(diǎn)決策模型,并在同種交通網(wǎng)絡(luò)情況下,對(duì)兩種模型進(jìn)行仿真,分析各路徑的流量分配。通過算例分析發(fā)現(xiàn),利用云模型定性與定量的特性描述指標(biāo)的語言值或評(píng)價(jià)值,能更好的體現(xiàn)各指標(biāo)的模糊性與隨機(jī)性;而且利用云模型的云圖能更好的展現(xiàn)各路徑在各指標(biāo)下的特性,同時(shí)展現(xiàn)出最優(yōu)路徑與其他可行路徑的相關(guān)特性;此外,流量分配結(jié)果顯示基于云模型的路徑?jīng)Q策方法能更好的管控交通流量,緩解交通擁堵。
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：U491
【圖文】：

第一章 緒論1.1 選題背景隨著生活節(jié)奏地不斷加快，生活水平逐漸提高，越來越多的小汽車走進(jìn)了生活的舞臺(tái)。近年來，全球機(jī)動(dòng)車保有量急劇上升，引發(fā)了嚴(yán)重的城市交通擁堵問題。目前，世界上大部分城市都面臨不同程度的交通問題，交通擁擠已經(jīng)嚴(yán)重影響了居民的生活環(huán)境和城市的可持續(xù)發(fā)展，城市交通問題亟待解決。美國(guó)德克薩斯農(nóng)業(yè)機(jī)械大學(xué)交通研究所在 2007 年對(duì)城市交通擁堵問題做過一項(xiàng)調(diào)查，結(jié)果表明：美國(guó)開車族每年因交通擁堵問題不得不在道路上浪費(fèi)高達(dá) 42億小時(shí)的時(shí)間，也就是每名駕駛?cè)死速M(fèi)約 38 小時(shí)，而汽油的浪費(fèi)達(dá) 109 億升，平均每年因交通擁堵造成的直接經(jīng)濟(jì)損失高達(dá) 782 億元[1]。而發(fā)展中國(guó)家的交通問題也很嚴(yán)重，例如：據(jù)我國(guó)公安部交通管理局公布的資料顯示，截至 2017 年 6 月底，我國(guó)機(jī)動(dòng)車保有量達(dá) 3.04 億輛，其中汽車 2.05 億輛；機(jī)動(dòng)車駕駛?cè)诉_(dá) 3.71 億人，其中汽車駕駛?cè)?3.28 億人，私家車達(dá) 1.56 億輛，占汽車總量的 76.32%。

論文技術(shù)路線圖

于云模型的基礎(chǔ)理論提出了漢明距離的云模型表達(dá)形式，，改進(jìn)了子云生成父云的算法。的定義與特征定義一個(gè)用精確數(shù)值表示的定量論域， 是 上的一個(gè)定性概念定性概念 的一次隨機(jī)實(shí)現(xiàn)，則 對(duì) 的確定度 是：， ，論域 上的分布成為云（cloud），每一個(gè) 稱為一個(gè)云滴（dr數(shù)字特征念的整體特征可以通過云的數(shù)字特征來反映，而云模型是表征自然概念的，即：期望 （Expected Value）、熵 （Eer entropy）。圖 2.1 為云的數(shù)字特征示意圖。其中橫軸表示量的范圍，縱軸表示隸屬度。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李絮;郭英;劉爭(zhēng)艷;;一種基于云模型的自適應(yīng)蟻群算法[J];阜陽師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2015年02期

2 楊錦偉;肖新平;郭金海;毛樹華;;基于少數(shù)據(jù)云推理的短時(shí)交通流預(yù)測(cè)模型[J];交通運(yùn)輸系統(tǒng)工程與信息;2015年03期

3 劉婧穎;張順明;;不確定環(huán)境下行為決策理論述評(píng)[J];系統(tǒng)工程;2015年02期

4 姚毅;陳光建;賈金玲;;基于模糊神經(jīng)網(wǎng)絡(luò)算法的機(jī)器人路徑規(guī)劃研究[J];四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2014年06期

5 周佳;沈巖;夏宇;韓大明;;智能交通最短路徑Dijkstra模糊動(dòng)態(tài)方法分析[J];交通科技與經(jīng)濟(jì);2014年04期

6 李秀美;陳華友;;不確定信息下模糊網(wǎng)絡(luò)最短路徑關(guān)鍵邊問題[J];武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版);2013年01期

7 劉芹;徐建閩;;基于云模型的短時(shí)交通流預(yù)測(cè)方法研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年05期

8 呂丹丹;王曉原;馬立云;陳紹志;;基于認(rèn)知活動(dòng)的駕駛員路徑選擇行為影響因素分析[J];山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年02期

9 李海林;郭崇慧;邱望仁;;正態(tài)云模型相似度計(jì)算方法[J];電子學(xué)報(bào);2011年11期

10 李海林;郭崇慧;;基于云模型的時(shí)間序列分段聚合近似方法[J];控制與決策;2011年10期

相關(guān)博士學(xué)位論文 前2條

1 張波;基于前景理論的動(dòng)態(tài)路徑選擇行為研究[D];上海交通大學(xué);2012年

2 劉建美;誘導(dǎo)條件下的路徑選擇行為及協(xié)調(diào)方法研究[D];天津大學(xué);2010年

相關(guān)碩士學(xué)位論文 前8條

1 潘振淵;交通信息對(duì)出行者路徑選擇行為影響的實(shí)驗(yàn)研究[D];南京大學(xué);2016年

2 包啟慧;基于灰色決策的駕駛員路徑選擇研究[D];沈陽航空航天大學(xué);2014年

3 滕魯;VMS作用下駕駛員路徑選擇行為建模與仿真[D];吉林大學(xué);2011年

4 劉淘;基于云模型的不確定語言多準(zhǔn)則群決策方法及應(yīng)用研究[D];中南大學(xué);2011年

5 李丹;基于云模型的多屬性決策系統(tǒng)應(yīng)用研究[D];黑龍江科技學(xué)院;2010年

6 宋谷長(zhǎng);基于動(dòng)態(tài)交通仿真模型的交通信息下路徑選擇對(duì)路網(wǎng)運(yùn)行狀態(tài)影響評(píng)價(jià)[D];北京交通大學(xué);2008年

7 劉雪巖;出行路線選擇行為研究[D];對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué);2006年

8 王曉u(píng)&;基于代表點(diǎn)的數(shù)據(jù)和文本聚類新方法的研究[D];天津大學(xué);2006年

本文編號(hào)：2771179