隨著交通規(guī)模的增大,人們對自駕出行的質量需求越來越高,而在當前的交通最優(yōu)路徑選擇的研究中,大多只考慮靜態(tài)的交通路網場景,且忽略了通過交叉口時的代價,造成計算結果和實際行駛的代價之間誤差較大.針對這一問題,基于Petri網絡,建立了更精確的多因素道路交叉口交通路網模型,提出了基于精英蟻群算法的交通最優(yōu)路徑選擇算法,并對經典蟻群算法提出兩個方面的改進:第一,在信息素濃度的初始化過程中加入主干道引導和行車方向的引導,以加快螞蟻群初始的搜索速度;第二,在全局信息素濃度更新時,使用雙精英螞蟻策略,采用相互約束的方式更新兩條最優(yōu)路徑上的信息素濃度,解決了算法過早陷入停滯的問題,且計算出多個可供選擇的路徑.仿真結果表明,該算法在保證收斂性的同時,將搜索到最優(yōu)路徑的概率提升至100%;同時,在得到最優(yōu)解概率均不低于90%的前提下,該算法的收斂速度是其他算法的數(shù)倍. 

【文章來源】：南京大學學報(自然科學). 2019,55(05)北大核心CSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

交叉口及信號燈相位方案抽象圖

？?７１２?？??南京大學學報（ｆｔ然科學版）??第５５卷??相位０??相位１??Ｉ??Ｉ??…丄．．…??Ｊ??３／｜?４??８，，??Ｉ－??／??／??－一一’?？??／??／??／??▼??１１??相位３?相位２??Ｕ）交叉口車流抽象圖?（ｂ）信號燈４相位控制方案??圖２交叉口及信號燈相位方案抽象圖??Ｆｉｇ．２?Ｔｈｅ?ａｂｓｔｒａｃｔ?ｍａｐ?ｏｆ?ｉｎｔｅｒｓｅｃｔｉｏｎ?ａｎｄ?ｓｉｇｎａｌ?ｐｈａｓｅ?ｓｃｈｅｍｅ??道及信號燈４相位控制方案，對于其他的進口??道車道數(shù)和轉向專用道設置方法以及不同的信??號燈控制方案，此模型依然適用．??２蟻群算法求解交通最優(yōu)路徑問題??２．１交通最優(yōu)路徑問題前文所述的交通路??網模型中使用車輛行駛時間作為道路和交叉口??圖３交通道路交叉口?Ｐｅｔｒｉ網模型??Ｆｉｇ．?３?Ｔｈｅ?ｔｒａｆｆｉｃ?ｒｏａｄ?ｉｎｔｅｒｓｅｃｔｉｏｎ?Ｐｅｔｒｉ?ｎｅｔｗｏｒｋ?ｍｏｄｅｌ??轉向的主權值，距離等其他因素作為輔助權??值．其中，車輛在道路上的行駛時間根據(jù)車道??距離和在該道路的平均行駛速度計算得到，交??叉口轉向的延誤時間采用國際交通學經典的??Ｗｅｂｓｔｅｒ信號交叉口延誤公式計算得到［１３］．在??圖１所示的路網中，假設車輛此時在路口?Ｐ。，需??要到達路口?Ｐ２９，則如何從出發(fā)找到一條路??Ｖ?９??？—?一??１０??—??—??７??

?Ｔａｂｌｅ?２?Ｓｉｍｕｌａｔｉｏｎ?ｒｅｓｕｌｔｓ?ｏｎ?ｏｆ?３０－ｎｏｄｅ?ｔｒａｆｆｉｃ?ｎｅｔｗｏｒｋ??性能指標??最優(yōu)解??最差解??平均解??得到最優(yōu)解概率（％）??平均迭代次數(shù)??本文算法??９６８．?５６６??９６８．５６６??９６８．５６６??１００??３２．６１６??ＡＣＯ??９６８．?５６６??１２１９．４９０??１０３５．６４０??１９??１３．?７００??ＥＡＳ??９６８．?５６６??１０６０．?１８０??１００３．０３８??５６??２９．?３３３??圖５收斂性對比圖??Ｆｉｇ．?５?Ｄｉａｇｒａｍ?ｏｆ?ｃｏｎｖｅｒｅｇｅｎｃｅ?ｃｏｍｐａｒｉｓｏｎ??始化的改進．在經過和ＥＡＳ近乎相等的迭代次??數(shù)之后，本文算法開始收斂，雖然收斂速度略慢??于ＡＣＯ，但是收斂值等于交通路網的最優(yōu)路徑??的權值，即能保證得到全局最優(yōu)解．??為了更直觀地比較三種算法的收斂速度??（表３），通過微調參數(shù)，增大ＡＣＯ算法和ＥＡＳ??算法的搜索隨機性，使得到最優(yōu)解的概率大于??９０％．其中，ＡＣＯ算法中，參數(shù)《調整為１，參數(shù)??＂調整為２５，參數(shù)辦調整為０．０１?；ＥＡＳ算法中，??參數(shù)調整為１，參數(shù)Ｐ調整為２５，兩種算法的??最大迭代次數(shù)均調整成５００次，通過收斂速度??表３三種算法的收斂速度對比??Ｔａｂｌｅ?３?Ｃｏｎｖｅｒｇｅｎｃｅ?ｒａｔｅ?ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｔｈｒｅｅ?ａｌ？??ｇｏｒｉｔｈｍｓ??性能指標??平均解??得到最優(yōu)解??概率（％）??平均迭代??次數(shù)??本文算法??９６８．５６６??１００??３２．６１６??ＡＧＯ??９７９．９４４??９０??１４６．４２１

【參考文獻】：
期刊論文
[1]基于Petri網的道路交叉口建模方法及比較研究[J]. 王列偉,吳朔,胡俊華.  計算機工程與應用. 2018(14)
[2]改進的蟻群算法求解最短路徑問題[J]. 吳虎發(fā),李學俊,章玉龍.  計算機仿真. 2012(08)
[3]基于信息素強度的改進蟻群算法[J]. 鄭衛(wèi)國,田其沖,張磊.  計算機仿真. 2010(07)



本文編號：3360776