隨著科技的進步、生活水平的提高,汽車已成為千家萬戶不可或缺的交通工具。然而這種情況改善了人們的生活質量同時也帶來了越來越嚴重的城市交通擁堵問題。為了解決交通擁堵,各國開啟了對優(yōu)化交通情況的智能交通系統的研究工作。本文提出了基于數字信息素的智能交通系統,旨在將蟻群算法中蟻群覓食的信息素原理運用到城市交通中。將車輛作為智能體,車輛行駛時在道路上留下數字信息素。數字信息素與蟻群信息素類似,具有蒸發(fā)、聚集的特征。交通系統及時的根據道路上信息素的含量來調整交通紅綠燈的持續(xù)時間,在城市交通仿真平臺進行仿真模擬,以此減少車輛等待交通燈的時間和排隊長度,并通過模型校核以及模型驗證步驟保證仿真結果的可信度。另外,模擬現實車流量信息,在該車流量信息下將其與傳統的相位長恒定的交通系統、基于車輛數目改變相位時長的交通信號系統比較分析。結果表明在某種特定情況下,基于數字信息素的智能交通系統與基于車輛數的交通信號系統的交通狀況重合,且能夠顯著的減少車輛的排隊長度以及等待時間。另外在該智能交通系統中,多參數影響交通結果的情況下,采用列舉法尋找最優(yōu)參數解時,工程量巨大,于是提出了基于遺傳算法的參數優(yōu)化方法。運用遺傳算...

【文章頁數】：47 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
引言
1 關鍵技術
    1.1 SUMO仿真系統
    1.2 XML
    1.3 基于智能體建模
    1.4 智能計算
2 固定時長模型與基于車輛數的動態(tài)模型
    2.1 模型背景介紹
        2.1.1 三大影響變量
        2.1.2 模型背景
    2.2 固定時長模型
        2.2.1 模型介紹
        2.2.2 車輛需求校核
    2.3 基于車輛數的動態(tài)模型
        2.3.1 模型介紹
        2.3.2 車輛需求校核
        2.3.3 相位與車輛數關系校核
    2.4 基于車輛數的動態(tài)模型與固定時長模型比較分析
        2.4.1 恒定需求
        2.4.2 動態(tài)需求
3 基于數字信息素的自適應模型
    3.1 模型介紹
        3.1.1 三大影響變量
        3.1.2 模型背景
        3.1.3 模型內容
    3.2 模型校核
        3.2.1 車輛需求校核
        3.2.2 模型特殊情況校核
    3.3 三種模型比較分析
        3.3.1 恒定需求
        3.3.2 動態(tài)需求
4 基于數字信息素的自適應模型驗證分析
    4.1 實例驗證
        4.1.1 恒定需求
        4.1.2 動態(tài)需求
    4.2 結果分析
5 遺傳算法對基于數字信息素的自適應模型參數優(yōu)化
    5.1 遺傳算法介紹
    5.2 編碼及解碼、種群初始化
        5.2.1 編碼方式總結
        5.2.2 采用的編碼方式
        5.2.3 解碼
        5.2.4 種群初始化
    5.3 適應度函數
        5.3.1 目標函數
        5.3.2 適應度函數
    5.4 遺傳算子:選擇、交叉、變異
        5.4.1 選擇
        5.4.2 交叉
        5.4.3 變異
    5.5 遺傳算法應用于基于數字信息素的自適應模型
結論
參考文獻
攻讀碩士學位期間發(fā)表學術論文情況
致謝



本文編號：3897791