一种基于群体智能的城市交通优化服务方法与系统技术方案

本发明专利技术公开了一种基于群体智能的城市交通优化服务方法与系统，包括：首先，基于群体智能对局部交通态势进行模拟，并根据模拟结果和局部交通优化目标选择各车辆的行驶时间和局部交通态势达到平衡的局部调度策略。其次，基于群体智能对全局交通态势进行模拟，并根据模拟结果和全局交通优化目标，选择局部交通态势与全局交通态势达到平衡的全局调度策略。然后，根据群体智能计算的结果对各个参与车辆进行最优路线推荐，以实现城市交通优化服务。最后，根据所提出的方法实现一种基于群体智能的城市交通优化服务系统，该系统包括：车载平台、态势认知系统、群体智能决策与控制系统，目的是提高城市交通优化服务决策的可执行性和有效性。

【技术实现步骤摘要】
一种基于群体智能的城市交通优化服务方法与系统
本专利技术涉及一种基于群体智能的城市交通优化服务方法与系统，属于智能交通领域。
技术介绍
智能交通系统是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个交通运输管理系统而建立的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通运输管理系统。其中，城市交通状态的预测与优化是智能交通的一个重要组成部分。利用人工智能，大数据等方法对城市交通状态进行预测与优化，能够缓解城市交通拥堵，提升城市交通运行效率。传统智能交通系统将车作为被感知的对象，通过地感线圈、监控摄像头等多种手段对道路上的车辆速度、密度、拥堵程度等进行感知，极大的方便了交通管理者和驾驶员对交通状态进行认知。同时，传统智能交通系统利用大数据技术对采集到的大规模交通数据进行挖掘分析，从中发现了一定的宏观交通规律，并将这些规律应用到了交通状态的后继演化态势的预测过程中。但是由于车辆的驾驶行为是驾驶人或乘客意志的体现，交通状态形成的本质是各个相对独立的车辆根据对交通状态的认知进行自主驾驶决策的结果，忽略个体车辆驾驶决策的结果是，传统智能交本文档来自技高网...

【技术保护点】
一种基于群体智能的城市交通优化服务方法，其特征在于，包括如下步骤：(1)将城市交通路网划分成若干个局部区域，通过群体智能实现局部交通态势的模拟，并根据模拟结果和局部交通优化目标选择局部调度策略，使得各车辆在局部区域的行驶时间和局部区域的交通态势达到平衡；(2)基于各个局部交通态势进行全局交通态势学习，通过群体智能实现全局交通态势的模拟，并根据模拟结果和全局交通优化目标选择全局调度策略，使得各局部交通态势与全局交通态势达到平衡；(3)根据各个局部区域参与城市全局交通态势群体智能计算的结果，对各个参与车辆进行最优路线推荐，以最终实现城市交通优化服务。

【技术特征摘要】
1.一种基于群体智能的城市交通优化服务方法，其特征在于，包括如下步骤：(1)将城市交通路网划分成若干个局部区域，通过群体智能实现局部交通态势的模拟，并根据模拟结果和局部交通优化目标选择局部调度策略，使得各车辆在局部区域的行驶时间和局部区域的交通态势达到平衡；(2)基于各个局部交通态势进行全局交通态势学习，通过群体智能实现全局交通态势的模拟，并根据模拟结果和全局交通优化目标选择全局调度策略，使得各局部交通态势与全局交通态势达到平衡；(3)根据各个局部区域参与城市全局交通态势群体智能计算的结果，对各个参与车辆进行最优路线推荐，以最终实现城市交通优化服务。2.根据权利要求1所述的方法，其特征在于：将城市交通路网划分成若干个局部区域，通过群体智能实现局部交通态势的模拟，并根据模拟结果和局部交通优化目标选择局部调度策略，使得各车辆在局部区域的行驶时间和局部区域的交通态势达到平衡；所述局部交通态势，是指局部区域内各道路的交通流量、行驶车速、交通密度、拥堵情况、局部区域对内/外整体的交通流入/流出量等道路交通状态随时间的变化趋势；所述的通过群体智能实现局部交通态势的模拟，是指模拟局部区域内各个车辆的驾驶决策，并基于驾驶决策结果产生模拟的局部交通态势；通过设置不同的局部交通策略，各个车辆将自主改变驾驶决策，从而获得不同局部交通策略导致的局部交通态势；其中，车辆的驾驶决策是车辆根据自身行驶目标点的选路需求获得所有备选路线所需经过道路的奖励值，选择获得的累计奖励大于累计行驶时间成本的备选路线作为后继行驶路段；所述的局部调度策略，是指根据局部交通态势呈现出的道路拥堵情况，对局部区域内每一条道路赋予一个奖励值；该奖励值通过时间成本与局部交通态势整体交通拥堵程度综合计算；所述的根据模拟结果和局部交通优化目标选择局部调度策略，使得各车辆在局部区域的行驶时间和局部区域的交通态势达到平衡，是指通过群体智能进行局部交通态势的模拟，根据获得的局部交通态势呈现出的道路拥堵情况，动态调整局部调度策略，目标是减小局部交通态势中单一路段的交通拥堵，方法为提高交通通畅路段的奖励，降低交通拥堵路段的奖励；根据调整后的局部调度策略，再次通过群体智能进行局部交通态势的模拟，如此地进行迭代计算，最终选择能够使得各车辆在局部区域的行驶时间和局部区域的交通态势达到平衡的局部调度策略和各个车辆的驾驶决策。3.根据权利要求1所述的方法，其特征在于：基于各个局部交通态势进行全局交通态势学习，通过群体智能实现全局交通态势的模拟，并根据模拟结果和全局交通优化目标选择全局调度策略，使得各局部交通态势与全局交通态势达到平衡；所述的全局交通态势，是指全局区域内各局部区域的交通流量、行驶车速、交通密度、拥堵情况、交通流入/流出量等道路交通状态随时间的变化趋势；所述的基于各个局部交通态势进行全局交通态势学习，是指针对各个局部交通态势的历史变化趋势，及各个局部交通态势之间的交通流入/流出量之间的关联关系，进行全局交通态势变化规律的学习；学习方法是将全局交通态势根据交通流量、行驶车速、交通密度、拥堵状况、交通流入/流出量等状态进行取值，构建随时间变化的不同维度的交通态势图，通过使用深度卷积神经网络等方法进行特征学习；所述的通过群体智能实现全局交通态势的模拟，是指模拟各个局部区域的局部调度策略的决策，并获得基于各个局部区域调度策略的决策产生的模拟的局部交通态势结果，从而产生模拟的全局交通态势；通过设置不同的全局交通策略，各个局部区域将自主改变局部调度策略的决策，从而获得不同全局交通策略导致的全局交通态势；所述的全局调度策略，是指根据全局交通态势呈现出的道路拥堵情况，对局部区域之间的交通流入/流出量赋予一个奖励值；该奖励值是通过不同局部区域之间的交通流入/流出量与局部交通态势中的拥堵情况等指标之间的关联程度和全局交通态势中的交通拥堵...

【专利技术属性】
技术研发人员：李静林，刘志晗，杨放春，杨树，王杰，魏晓娟，袁泉，王尚广，孙其博，周傲，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11