导读:本文包含了动态路径诱导系统论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:路径,诱导,算法,动态,系统,模型,通流。
动态路径诱导系统论文文献综述
徐武[1]（2018）在《一种改进的蚁群算法在城市动态路径诱导系统中的应用研究》一文中研究指出改进传统的蚁群算法并使之作为系统的路径搜索算法,以有效地将系统的实时响应时间控制在一个可接受的范围内,使系统的响应速度与精度达到一个平衡。将网格技术、云计算和城市动态路径诱导系统相结合,引入路段相关性对采样数据进行筛选,减轻系统的计算负担,并使资源共享与协同操作更加方便有效。(本文来源于《景德镇学院学报》期刊2018年03期）
刘陪[2]（2017）在《智能交通中动态路径诱导系统的建模与优化算法的研究》一文中研究指出随着城市现在化进程的不断发展,全球汽车保有量逐年上升,从而引发了一系列的社会问题,例如:交通堵塞、环境污染以及噪声污染等等。智能交通系统,简称ITS(Intelligent transportation system)应运而生,智能交通系统是集信息、通信、控制及网络等技术于一体的综合研究学科,可以提供全方位、实时、准确以及高效的服务信息。ITS是具有潜力的研究方向,进一步说,将成为未来相关研究领域的热点。动态路径诱导系统(Dynamic Route Guidance System,DRGS)是ITS一个重要分支,利用计算机、通信等现代技术,为出行者提供实时交通信息以及最优路径。路径选择模型和路径优化算法是动态路径诱导系统的关键技术,模型可以确定动态路径诱导系统的优化目标,优化算法可以提高路径诱导系统的效率,从而满足实时交通环境。因此,本文分别在建模以及优化算法两方面对动态路径诱导系统进行了研究。1.路径选择模型在实时环境下,影响出行者选择路径的因素比较多,例如:费用、时间、距离等,但目前大多数路径选择模型是基于单目标的。鉴于此,本文分别从费用、时间角度出发,构建了实时环境下基于多目标的路径选择模型。在实时环境下,文中具体分析了道路畅通和拥挤的情形下路阻的产生方式,从而构建了基于时间最短的目标函数,在此基础上,构造了基于费用最低的路径选择模型。采用加权求和函数对多维数据聚集得到组合权重,而权重系数可依据出行者需要或喜好设定。为更精确地反馈结果,本文用类似的量值对多目标函数值进行了预处理,从而均衡各决策变量在组合函数中的支配能力。为验证模型的实用价值,本文以C++仿真实验环境,实验数据以VISSIM仿真并结合实际进行了合理的设定。在仿真环境下,本文模型与基于几何最短距离的路径选择模型进行对比实验,实验结果证明实时环境下基于多目标的路径选择模型更具有实用价值。2.路径优化算法在动态路径诱导系统中,由于交通信息具有实时、动态的特性,因此,本文提出了实时环境下基于混合的动态路径优化算法。该算法是在广义自适应A*算法的基础上,结合剪枝算法,同时引入PSO局部最优及全局最优智能存储、模糊时间窗等优化策略。剪枝算法以当前局部最优为阈值,从而有效控制阈值的大小,避免阈值过大或过小的结果;模糊时间窗约束算法优化时间以及控制仿真时间,从而使算法更好的适应系统的实时性。为验证算法,实验数据采用纽约地图数据,并在仿真实验环境下,分别验证了优化策略的有效性,与此同时,本文算法与A*算法的进行了对比实验。实验结果证明:本文算法中,优化策略在动态路径优化算法是有效的且合理的,同时证明了本文算法可适应于动态路径优化系统。(本文来源于《吉林大学》期刊2017-05-01）
张哲,齐超,刘欢[3]（2016）在《基于RFID技术的车辆动态路径诱导系统研究》一文中研究指出针对当前各大城市道路运行状态信息获取不及时、不准确等问题,以郑州市主城区道路网为例,采用基于RFID技术的交通信息采集方法,研发了一套车辆动态路径诱导系统。该系统通过采用RFID技术对道路网上的行驶车辆进行实时位置信息采集和交互,后台信息处理中心依据改进后的Dijkstra算法进行实时路径诱导,从而使出行者可以选择最优路径,快速准确地到达目的地。实验结果表明,基于RFID技术的车辆动态路径诱导技术是可行、有效的。(本文来源于《软件导刊》期刊2016年06期）
耿浩[4]（2016）在《智能交通分布式动态路径诱导系统路径优化问题研究》一文中研究指出随着我国经济的快速增长,城市化进程不断加快,城市道路拥堵情况日益严重,城市交通环境污染等交通问题已成为全民关注的热点。进入新世纪以来,智能交通系统受到人们的极大关注,路径诱导系统(又称动态路径诱导系统)作为智能交通系统的核心,其主要功能是充分利用现有交通设施,提高交通路网运行效率。按照诱导路径是在控制中心还是车载设备上,将动态路径诱导系统分为中心式动态路径诱导系统和分布式动态路径诱导系统,本文主要对分布式动态路径诱导系统进行研究。论文对智能交通系统概念和框架结构进行阐述,对分布式动态路径诱导系统进行研究,充分分析了分布式动态路径诱导系统的功能需求,并对系统的功能框架进行了设计。针对分布式动态路径诱导系统中的两个主要内容进行研究:一是短时交通流预测;二是动态路径优化。本文分析总结了几种经典的短时交通流预测方法,结合组合预测的思想,提出一种基于改进的K近邻非参数回归和小波神经网络的短时交通流加权组合预测模型。文中对最近邻非参数回归预测方法进行基于相关系数的改进,以达到提高预测精度的效果,以用小波基函数代替神经网络模型中传递函数的方式将两者进行深入融合,形成一种前馈网络。该组合模型结合了改进的最近邻非参数回归预测的高精度和小波神经网络学习算法简单、收敛速度快的优点。通过实测交通流数据进行算法仿真,根据仿真结果分析,组合预测模型有更好的预测精度。掌握准确的交通信息是进行动态路径优化的关键,交叉口延误对整个行程时间来说是不可忽视的一部分,文中对交通路网中交叉口处的延误进行了分析,给出计算带有交叉口延误的行程时间计算方法。借鉴以前学者在车辆排放模型上的研究,构建适合分布式动态路径诱导系统的轻型车排放模型,并构建基于行程时间和机动车排放的双目标优化模型。为了适应本文中带有交叉口延误的交通路网模型,对传统的Dijkstra算法进行改进,并提出一种基于K最短路径算法的交互式双目标最优路径算法,通过算例验证了该算法的有效性。(本文来源于《兰州交通大学》期刊2016-05-01）
朱晶晶,罗志洁[5]（2015）在《基于Multi-Agent的动态路径诱导系统》一文中研究指出动态径路诱导是现代智能交通系统研究的一个重要领域。文章使用Multi-Agent技术思想,运用Java语言,结合动态路径诱导的实际需求开发动态路径诱导系统。基于各Agent间的实时交互信息,包括路段Agent提供的路况信息、路口Agent提供的交通信号信息、车辆Agent提供的车辆行驶及诱导需求信息,运用改造后的A*智能优化算法,实时计算诱导车辆当前位置下的最优路径。同时引入区域控制Agent与中心决策Agent对全局进行控制,避免局部最优及交通拥堵漂移现象的发生,从而达到整个路网的优化。完整地仿真了一个功能齐全的动态路径诱导系统,并且验证了该动态路径诱导模型的可行性及有效性。(本文来源于《西部交通科技》期刊2015年03期）
王勇,于文震[6]（2015）在《智能交通系统中动态路径诱导算法分析》一文中研究指出对智能交通中动态路径诱导算法进行较为系统的综述。首先,从微观和宏观角度对动态诱导系统中需要用到的交通参数模型进行分析和比较,并列举几种交通参数模型;然后,对一些经典路网寻优算法进行分析,并引用一些专家学者的研究成果;最后,对动态路径诱导算法的未来发展方向进行探讨。(本文来源于《公路交通技术》期刊2015年01期）
吴磊[7]（2014）在《车辆自组织网络环境下动态路径诱导系统的建模与优化策略研究》一文中研究指出随着城市化进程的加快和汽车工业的发展,现有城市道路的通行能力与不断增长的交通需求之间的矛盾变得日益尖锐,交通拥堵现象日益突出。应用智能交通系统对交通流进行有效地控制与诱导,以缓解交通拥堵,提供畅通和有序的交通环境,是目前各个国家面对交通问题所采用的重要手段。车辆自组织网络(Vehicular Ad Hoc Networks,VANET)作为一个新兴的研究领域,逐渐受到人们的关注。现有的交通管理系统大都利用交通控制中心处理路况信息,车辆节点只作为信息的接收方。利用VANET实现车辆间的相互通信,能够使车辆节点获得实时的路况信息,动态调整行驶路线,从而实现动态路径选择,有效地提高了行驶效率。本文以大规模城市复杂路网作为研究背景,采用前景理论、博弈论、蜜蜂群体优化策略等理论和方法,研究VANET环境下动态路径诱导系统的建模与优化策略,通过划分交通诱导小区、限制搜索区域、建立路径选择模型、优化路径寻优算法等一系列手段,建立一套全面高效的动态路径诱导系统。主要研究工作如下：论文首先论述了课题的研究目的与意义,然后分别介绍了车辆自组织网络和动态路径诱导系统的国内外研究现状,分析了车辆自组织网络的发展与应用前景,以及目前动态路径诱导系统存在的问题。在此基础上,提出了一系列的动态路径诱导模型与优化策略。针对交通状况的复杂性、时变性、不确定性,本文建立了一种基于前景理论的路径选择模型。模型考虑了由于出行者的主观能动性而导致的不完全理性交通行为特征,能够一定程度上克服期望效用理论的不足,准确地描述不确定交通条件下出行者的决策过程,更接近于出行者的实际行为模式。结合实际课题研究的需要,为克服Dijkstra算法在复杂路网中难以满足动态路径诱导实时性要求的不足,提出了一种阈值限制搜索区域的动态路径诱导算法,并成功应用于复杂城市交通路网的动态路径诱导模型系统,实现了城市道路交通系统的实时动态最优路径搜索。该算法在Dijkstra算法的基础上,引入阈值限制搜索区域的搜索机制,根据实际路网的空间分布特性,通过合理设置搜索区域的限定阈值,有效缩减了算法的搜索规模,提高了算法的运算效率,适合于复杂城市路网动态诱导系统的最优路径实时搜索。为了克服车辆自组织网络中车辆间的无线通信受到距离等因素的影响,提出了一种基于Shapley值的动态交通小区博弈划分方法,为路径诱导系统提供合理有效的交通子区。该方法以路网中的路段为基本单位,利用相似度确定交通小区核,并将交通小区划分过程抽象为博弈过程,以Shapley值作为博弈收敛判据,进行博弈迭代直至收敛,从而实现交通小区的划分。算法能够准确可靠的实现交通小区的划分,同时降低了交通诱导系统路径寻优的复杂度,提升了诱导系统的实时性能。在本文提出的交通诱导小区基础上,进一步提出了一种蜜蜂启发式分区路径诱导算法,为路径诱导系统提供合理有效的最优路径。算法模拟生物系统中的蜜蜂觅食现象,对各诱导小区同步并行进行路径寻优,从而快速准确获取最优路径,并能保证算法提供全局最优路径。在前述研究的基础上,本文对通勤交通行为带来的城市道路拥堵问题进行了研究。针对通勤行为的特点,以预测信息精度和路况熟悉程度作为参数,提出了一种基于博弈论的路径选择模型,为通勤者提供可靠的路径选择方案。该模型提供的最优路径能够准确描绘通勤者日常的路径选择决策过程,能够提供给通勤者可靠的通勤路径。最后设计并开发了基于中间件的动态路径诱导系统仿真平台,实现了交通信息的发布与动态路径诱导功能,同时也为本文建立的模型和提出的算法提供一个可靠的仿真环境,为验证模型的有效性和算法的先进性提供有力的技术支持。基于上述研究成果,论文最后对全文进行了总结,并对下一步的研究工作进行了展望,为后续的研究提供了可能的方向。(本文来源于《山东大学》期刊2014-10-08）
王利永[8]（2014）在《城市车辆动态路径诱导仿真系统研究》一文中研究指出随着社会经济的发展，城市车辆逐渐增加，交通问题越来越严重。智能交通系统的发展在一定程度上解决了不少城市交通问题，促进了城市的快速发展。路径诱导系统是智能交通系统的核心部分，其能够为出行者提供合理的出行规划，对改善交通大有益处。目前，关于路径诱导系统的文献研究多数偏重理论研究，而具有实际应用背景的仿真系统研究不多。本文采用行驶时间最短为目标函数，将城市交通路网中的基本属性信息、静态属性信息与实际交通中的动态属性信息结合起来，建立了广义路网模型。专门研究了几种传统的路径优化算法，并对它们作了比较分析，最终选择Dijkstra算法作为基础算法，在此基础上对算法作了改进，一个是存储结构的改进，一个是搜索范围的改进，基于此设计了本文的路径诱导算法。随后本文重点开发了路径诱导仿真系统，使用的技术手段是地理信息系统的二次开发，用到的插件是MapInfo公司提供的MapX控件，在VC++2010开发环境下进行程序设计，同时用到了SQL Server2008作为数据库支持。仿真系统分为叁部分：第一部分是电子地图基本功能实现，实现了电子地图的嵌入显示、地图放大、缩小、漫游，比例尺绘制，距离测量，经纬度显示，区域选择，数据绑定等地图操作功能；第二部分是交叉路口交通仿真实现，设计了两个交叉路口，自定义了车辆类和交通灯类，实现了车辆的随机产生和动态行驶，以及交通灯的定时显示等路口仿真功能；第叁部分是动态路径诱导仿真实现，实现了车辆的路径规划和动态实时路径诱导功能。本文的仿真系统研究具有重要意义，为城市交通的发展提供了仿真实验平台。(本文来源于《沈阳大学》期刊2014-06-20）
徐锡杰[9]（2013）在《动态路径诱导系统的研究》一文中研究指出智能交通系统(Intelligent Transportation System)是目前公认的全面有效地解决交通运输问题的最佳途径，它已经是全世界交通运输领域研究的前沿问题。动态路径诱导系统(Dynamic Route Guidance System)是智能交通系统的一个重要内容，它融合了电子、通信、网络、计算机等高新技术，根据出行者的需求，为驾驶员动态的提供从当前位置到设定目的地的实时最优行驶路径，实现交通流的合理诱导，并协助出行者方便、快速的到达目的地。最短路径选择是动态路径诱导系统的主要目标和核心内容，本文正是围绕最短路径的求解而展开工作的。首先将道路网从城市交通图中提取出来以作为后续的实现对象，然后对动态诱导系统中求解最短路径的一些关键问题：道路网的数学模型、评价路线优劣的衡量标准、行程时间的计算、最短路径的规划方案等分别进行了探讨。本文深入研究了已有最短路径求解算法的原理、模型及实现流程，重点分析蚁群算法和遗传算法的优缺点之后，提出了新的路径诱导算法——双种群遗传蚁群算法(DP-GACA)，并通过四组实验评估算法的性能，结果表明DP-GACA算法具有求解精度高，寻优能力强，运行稳定性好的优点。最后，将DP-GACA算法在提取到的道路网上进行了实现，进一步验证了算法的可行性。(本文来源于《西安电子科技大学》期刊2013-03-01）
杨巍[10]（2012）在《智能交通系统中车辆动态路径诱导方法研究》一文中研究指出随着智能交通系统的不断发展和交通采集技术的不断提高，利用实时的交通数据进行车辆行驶时间和行驶路线的预测已经成为了动态路径诱导系统DRGS（Dynamic Route Guidance System，DRGS）中的一个亟待解决的问题。DRGS中采用传统的Dijkstra算法搜索路径时基于最短物理距离，且搜索范围大，效率低。本文结合城市道路交通的方向性及车辆在行驶过程中在交叉口前排队造成的延误，另外受交通条件的影响，车辆在通过交叉口时会遇到一定的转向延误和限制。针对出行过程中车辆可能遇到的实际交通环境建立了相应的路网模型。该模型利用交叉口、路段及路段的重要节点等基本构成要素描述道路网络。具体工作如下：首先，在动态交通分配问题研究中，提出了将时间作为路径优化的主要目标；采用交通荷载作为状态变量的研究方法，基于车流集散波理论建立了车辆在交叉口前的排队长度模型，并使用密度概念描述了动态路段出行时间；对于交叉口延误，提出了按照不同前进方向分别求取交叉口延误的方法，并按照此方法建立了交叉口延误模型，确定了动态交通流状况下道路权重的方法。通过仿真验证了算法的可行性，并对仿真结果做了详细分析。接下来，对道路网络模型、最优路径优化算法等问题进行了研究。根据兰州市路网特征对Dijkstra算法在搜索范围和搜索效率上进行了优化。通过矩形限制搜索范围优化Dijkstra算法，利用叁个邻接点的转向关系描述路段特性。其次，建立了体现城市道路交通的方向性及交叉口延误和限制的新城市路网模型。该模型利用交叉口、路段等基本构成要素描述道路网络，利用节点——弧段联合结构描述路段特性，再用图论中的有向图思想将路网抽象成数学模型描述。最后，采用改进的Dijkstra算法求解带有延误和限制的最优路径问题。在上述理论的基础上，实验利用复杂网络分析库，建立了城关区和七里河区的道路网络模型。实现了路网图的显示、放大和缩小等功能，可以根据选定的起点和终点确定最优路径并显示输出。并进行了几种不同目标选择情况下所得路径的对比分析实验，从而验证了道路模型和改进算法的可行性及实用性。该方案与采用经典Dijkstra算法来验证只包含路段长度信息的传统路网模型相比，改进算法的实用性和效率均有所提高。(本文来源于《兰州理工大学》期刊2012-05-21）
动态路径诱导系统论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着城市现在化进程的不断发展,全球汽车保有量逐年上升,从而引发了一系列的社会问题,例如:交通堵塞、环境污染以及噪声污染等等。智能交通系统,简称ITS(Intelligent transportation system)应运而生,智能交通系统是集信息、通信、控制及网络等技术于一体的综合研究学科,可以提供全方位、实时、准确以及高效的服务信息。ITS是具有潜力的研究方向,进一步说,将成为未来相关研究领域的热点。动态路径诱导系统(Dynamic Route Guidance System,DRGS)是ITS一个重要分支,利用计算机、通信等现代技术,为出行者提供实时交通信息以及最优路径。路径选择模型和路径优化算法是动态路径诱导系统的关键技术,模型可以确定动态路径诱导系统的优化目标,优化算法可以提高路径诱导系统的效率,从而满足实时交通环境。因此,本文分别在建模以及优化算法两方面对动态路径诱导系统进行了研究。1.路径选择模型在实时环境下,影响出行者选择路径的因素比较多,例如:费用、时间、距离等,但目前大多数路径选择模型是基于单目标的。鉴于此,本文分别从费用、时间角度出发,构建了实时环境下基于多目标的路径选择模型。在实时环境下,文中具体分析了道路畅通和拥挤的情形下路阻的产生方式,从而构建了基于时间最短的目标函数,在此基础上,构造了基于费用最低的路径选择模型。采用加权求和函数对多维数据聚集得到组合权重,而权重系数可依据出行者需要或喜好设定。为更精确地反馈结果,本文用类似的量值对多目标函数值进行了预处理,从而均衡各决策变量在组合函数中的支配能力。为验证模型的实用价值,本文以C++仿真实验环境,实验数据以VISSIM仿真并结合实际进行了合理的设定。在仿真环境下,本文模型与基于几何最短距离的路径选择模型进行对比实验,实验结果证明实时环境下基于多目标的路径选择模型更具有实用价值。2.路径优化算法在动态路径诱导系统中,由于交通信息具有实时、动态的特性,因此,本文提出了实时环境下基于混合的动态路径优化算法。该算法是在广义自适应A*算法的基础上,结合剪枝算法,同时引入PSO局部最优及全局最优智能存储、模糊时间窗等优化策略。剪枝算法以当前局部最优为阈值,从而有效控制阈值的大小,避免阈值过大或过小的结果;模糊时间窗约束算法优化时间以及控制仿真时间,从而使算法更好的适应系统的实时性。为验证算法,实验数据采用纽约地图数据,并在仿真实验环境下,分别验证了优化策略的有效性,与此同时,本文算法与A*算法的进行了对比实验。实验结果证明:本文算法中,优化策略在动态路径优化算法是有效的且合理的,同时证明了本文算法可适应于动态路径优化系统。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
动态路径诱导系统论文参考文献
[1].徐武.一种改进的蚁群算法在城市动态路径诱导系统中的应用研究[J].景德镇学院学报.2018
[2].刘陪.智能交通中动态路径诱导系统的建模与优化算法的研究[D].吉林大学.2017
[3].张哲,齐超,刘欢.基于RFID技术的车辆动态路径诱导系统研究[J].软件导刊.2016
[4].耿浩.智能交通分布式动态路径诱导系统路径优化问题研究[D].兰州交通大学.2016
[5].朱晶晶,罗志洁.基于Multi-Agent的动态路径诱导系统[J].西部交通科技.2015
[6].王勇,于文震.智能交通系统中动态路径诱导算法分析[J].公路交通技术.2015
[7].吴磊.车辆自组织网络环境下动态路径诱导系统的建模与优化策略研究[D].山东大学.2014
[8].王利永.城市车辆动态路径诱导仿真系统研究[D].沈阳大学.2014
[9].徐锡杰.动态路径诱导系统的研究[D].西安电子科技大学.2013
[10].杨巍.智能交通系统中车辆动态路径诱导方法研究[D].兰州理工大学.2012
论文知识图
