基于智能优化的交通分配问题的求解算法研究

论文摘要

随着世界经济的发展、人民生活水平的提高,车辆作为人们出行的主要交通工具,正在急剧的增加,因此而引发的交通拥堵、交通污染以及资源短缺等问题也日益严重。先进的智能交通系统(ITS)作为解决交通拥堵问题的主要途径,越来越受到众多学者的重视,而交通分配作为智能交通系统的重要理论基础,已成为众多学者研究的核心。所谓交通分配就是把交通预测得出的交通需求按照一定的规则合理的分配到复杂的交通网络中。近些年,通过诸多学者的不懈努力,关于交通分配模型的研究已经相当成熟,但是目前关于交通分配问题的求解算法无论是在求解规模还是求解效率上都不能满足实际交通网络的要求。本文针对交通分配问题求解算法所用时间过长的问题,把蚁群算法、遗传算法、粒子群算法三种智能算法加以改进引入了交通分配问题的求解中。首先,介绍了交通分配问题相关的基本理论,并且针对目前广泛应用的路阻函数(美国联邦局提出的BPR函数)不能满足中国现状的现象,结合实际情况提出了既能满足实际情况,又易于计算的较简单的分段路阻函数(SIF)。其次,基于典型的用户均衡分配模型,将改进的蚁群算法(ACO)、遗传算法(GA)、粒子群优化算法(PSO)应用到交通分配问题中,通过实例验证了这三种算法的实用性。进而,通过对时间和算法稳定性的比较分析得出,改进的粒子群优化算法更适合于求解交通分配问题。最后,把改进粒子群优化算法应用在一个动态交通分配网络中,亦得到了较理想的效果。此外,模拟实验也显示了使用本文提出的SIF分段路阻函数与BPR函数的计算结果相比较,可以看出SIF分段路阻函数在很大程度上减少了超容量现象。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景与研究意义
• 1.2 研究现状
• 1.2.1 静态交通分配研究现状
• 1.2.2 动态交通分配研究现状
• 1.3 本文的主要工作
• 1.4 本文的组织结构
• 2 交通分配基本理论
• 2.1 交通分配原理
• 2.2 交通分配路阻函数
• 2.2.1 BPR路阻函数
• 2.2.2 分段路阻函数（SIF）
• 2.3 静态交通分配模型
• 2.3.1 平衡分配模型
• 2.3.2 系统最优模型
• 2.4 动态交通分配模型
• 2.4.1 动态交通分配的约束条件
• 2.4.2 最优控制动态交通分配模型
• 2.5 本章小结
• 3 基于智能优化的交通分配问题求解算法
• 3.1 基于蚁群算法的交通分配问题求解
• 3.1.1 蚁群算法简介
• 3.1.2 改进的蚁群算法求解交通分配问题
• 3.1.3 蚁群算法的变量和参数设置
• 3.1.4 蚁群算法具体实现步骤
• 3.1.5 算法流程图
• 3.2 基于遗传算法的交通分配问题求解
• 3.2.1 遗传算法简介
• 3.2.2 改进的遗传算法求解交通分配问题
• 3.2.3 算法流程图
• 3.3 基于粒子群优化的交通分配问题求解
• 3.3.1 粒子群优化算法简介
• 3.3.2 维变异操作
• 3.3.3 改进的粒子群算法求解交通分配问题
• 3.3.4 算法流程图
• 3.4 本章小结
• 4 静态交通分配实例测试
• 4.1 算法实例
• 4.2 实验环境
• 4.3 计算结果及分析
• 4.3.1 改进的蚁群算法实验结果
• 4.3.2 改进的遗传算法实验结果
• 4.3.3 改进的粒子群优化实验结果
• 4.4 本章小结
• 5 静态交通分配实例测试
• 5.1 算法实例
• 5.2 具体优化思想
• 5.3 计算结果及分析
• 5.4 本章小结
• 结论
• 参考文献
• 附录A 附录内容名称
• 攻读硕士学位期间发表学术论文情况
• 致谢