摘要: |
城市交通流诱导系统是智能交通系统的核心研究内容,目前属于国际交通领域上的开发热点。它从人、车、路三者紧密结合的角度出发,融合电子、通信、计算机、网络等高新科技,根据出行者的需求,向驾驶员动态提供最优路径的诱导,减少车辆在路网中停留的时间,继而避免交通拥挤,最终实现交通流在路网各路段上的合理实时动态分配。
本文首先探讨了智能交通系统的研究领域,在其领域中得出城市交通流诱导系统的开发意义与内容;
其次,研究了国内外城市交通流诱导系统的迄今状况与发展趋势,并针对系统的基本结构,结合桂林市的实际交通,设计出桂林市城区的交通流诱导系统结构框架;
然后,围绕该系统的路径优化功能展开一系列的研究工作,依次如下:
1)基于出行者出行要求和路网最优路径搜索速度,引入道路分层识别与提取的概念。以桂林市城区的彩色交通图为研究对象,通过灰度最优阈值分割和数学形态学的结合,将城区的主体路网和整体路网分别提取出来,并矢量化。这种分层提取方式不仅简化了复杂的路网结构,也能更多元化的满足出行者的出行要求。
2)在充分考虑交通路网基本元素的基础上构建带转向的交通路网模型,并详细研究了路网的拓扑结构及其表达方式。同时,基于access平台设计了主体路网的属性数据库。
3)分析经典最优路径算法和新型路径优化算法的原理与特点,从中选取Dijkstra算法和遗传算法在提取出的主体路网上,按不同的路径规划方案进行最优路径计算,并将其结果在图中以不同的颜色标识出来。
最终结果表明:在该路网模型中,Dijkstra算法的计算精度稍高于遗传算法,但遗传算法的计算速度却明显快于Dijkstra算法。因此,在综合考虑最优路径计算精度与速度的情况下,遗传算法的可行价值要比Dijkstra算法高。 |