一种增量式多目标优化的智能交通路径诱导方法

龙源期刊网 一种增量式多目标优化的智能交通路径诱导方法
作者：文孟飞彭军刘伟荣李冲张晓勇
来源：《湖南大学学报·自然科学版》2013年第05期
摘要：路径诱导是一种主动引导车辆合理分流来解决城市交通拥堵的方法.本文提出了一种基于增量搜索的多目标优化路径诱导方法.该方法首先利用图论法将复杂路网抽象为点线的赋权图，引入多目标优化变量，建立路网模型；然后在启发式搜索基础上引入增量搜索，结合全局规划和局部动态重规划，实现车辆的实时路径诱导.仿真结果表明该方法能有效地解决复杂路网中车辆的实时路径诱导问题.
关键词：动态重规划；增量搜索；路径诱导
中图分类号：U491.123文献标识码：A
当前，缓解城市交通拥堵问题的方法主要有两种：一是加大城市路网建设力度，提升路网吞吐量；二是发展智能交通系统（Intelligent Transportation Systems，ITS），提高道路运行效率.针对各大城市越来越有限的土地资源，以智能学习的方式，优化城市路网运营和管理，显然是一种最实际的解决方案.动态交通路径诱导系统是ITS的一个重要方向，对城市交通路网
管理的效果愈发显著.它采用检测技术、计算机技术、网络技术等高新手段，基于实时交通信息采集、处理与传输，通过中心式、分布式等多种诱导方式，为驾驶员提供交通事件、行程时间和优化路径等动态信息，可引导驾驶员避开拥挤走最佳行驶路线，从而实现路网交通流的均衡动态分配，有效缓解交通拥挤.高效的路径选择算法是动态交通路径诱导系统的关键技术.从本质上来说，路径选择算法需集中式收集整个路网信息，选择恰当的交通流函数，通过高效的算法对路网进行快速更新，动态地找寻满足一定约束条件的最优路径.构建路网模型，选择高效算法，动态地选择源节点到目的节点的最优路径，从局部来说对驾驶员路径选择作出最优安排，从总体上说可优化城市路网流量的均衡分配，解决路网的拥堵问题.
动态路径诱导在ITS、通信系统和机器人等人工智能方面应用广泛.若城市路网是静态网络，路段信息不变且可知，则很容易通过全局规划找寻一条从源状态到最终状态的最佳路径.但实际情况却是，交通信息时刻都在变化，环境信息动态改变，实际行驶过程中的路网情况和初始情况差异很大，此时需不断更新路网信息，实时找寻源状态节点到最终状态节点的动态最优路径.一些学者已研究了在动态环境情况下找寻最优路径的方案和算法思想1-4]，局部重规
划就是其中一种关键算法，能有效地实现动态环境下的路径诱导，将历史数据保留，通过算法重用，减少了重新获取整个路网信息的工作量.。