【技术实现步骤摘要】
基于群智进化蚁群算法的交通规划系统
本专利技术属于路径搜索领域，具体涉及一种基于群智进化蚁群算法的交通规划系统。
技术介绍
随着城市规模不断扩大，交通问题正不断阻碍着城市的发展，影响着人们的日常生活。道路拥堵以及突发交通事故在繁忙的城市交通网路上时常发生。对于飞速发展的城市，如果无法动态实时地优化城市交通，就极易触发城市的交通紊乱事件。而随着5G、互联网以及人工智能等相关理论和技术的发展，为城市交通的智能管理提供了新的渠道来实现动态实时优化城市交通。面对具有高复杂度、动态实时性的交通优化问题，现有的智能交通优化算法虽然可以解决一定的问题，但是还无法给出一个令人满意的效果，尤其是依赖传统群体类搜索类算法的智能交通优化算法(如蚁群算法、蒙特卡洛树搜索算法、AlphaZero算法等)，因为搜索到的解无法令整个城市交通网络达到最为优异的状态，分析其原因为搜索算法无法利用已有的数据学习从而进化模型。另外，由于交通元素中的个体数量较多，而传统的搜索算法无法利用更细粒度的交通信息来优化交通控制从而实现交通规划。传统的蚁群算...
【技术保护点】
1.一种基于群智进化蚁群算法的交通规划系统，用于对交通中涉及的可控制的信号灯以及车辆的行驶路径进行优化得到最短全局交通通行平均时间，其特征在于，包括：/n交通要素获取部、个体初始部、信息素初始部、动作选择部、个体最优部、全局更新部、个体循环终止判断部、全局最优部、交通评估部、个体损失构建部、个体神经网络训练部、全局循环终止判断部以及控制部，/n所述交通要素获取部用于获取所述信号灯、所述车辆以及所述车辆对应的行驶策略，/n所述个体初始部依次将所述信号灯以及所述车辆初始化为蚂蚁，并为所述蚂蚁构建策略神经网络，/n所述信息素初始部用于初始化所述车辆的行驶策略得到信息素，/n所述动...
【技术特征摘要】
1.一种基于群智进化蚁群算法的交通规划系统，用于对交通中涉及的可控制的信号灯以及车辆的行驶路径进行优化得到最短全局交通通行平均时间，其特征在于，包括：
交通要素获取部、个体初始部、信息素初始部、动作选择部、个体最优部、全局更新部、个体循环终止判断部、全局最优部、交通评估部、个体损失构建部、个体神经网络训练部、全局循环终止判断部以及控制部，
所述交通要素获取部用于获取所述信号灯、所述车辆以及所述车辆对应的行驶策略，
所述个体初始部依次将所述信号灯以及所述车辆初始化为蚂蚁，并为所述蚂蚁构建策略神经网络，
所述信息素初始部用于初始化所述车辆的行驶策略得到信息素，
所述动作选择部根据所述信息素以及所述策略神经网络计算所述蚂蚁采取行动at的行动概率pt，并根据该行动概率确定所述蚂蚁选择的策略：
式中，t为时间，τ为所述信息素，st为所述时间t下所述蚂蚁的状态，ηnet(st,at)为所述策略神经网络在所述状态st下采取所述动作at的概率，β为调整所述概率的权重的参数，Jk(st)为第k只所述蚂蚁在所述状态st下所有行动的集，u为任意动作，
所述个体最优部按照所述信息素以及所述策略神经网络进行搜索得到搜索结果，并在达到预定的个体循环次数后得到个体最优策略，
所述全局更新部根据每只所述蚂蚁的所述个体最优策略更新全局信息素τ(st,at)：
式中，Q为所述信息素的权重的超参数，Vk为第k只所述蚂蚁完成搜索后得到的搜索结果，ρ为所述信息素的挥发参数，m为所述蚂蚁的数量，
所述个体循环终止判断部判断所述蚂蚁是否不能再搜索得到所述个体最优策略，
所述全局最优部在所述个体循环终止判断部判断为是时，对所述全局信息素进行计算得到全局的最优策略作为全局最优策略π：
式中，N为所述蚂蚁在所述状态s下选择所述动作a的次数，l为序号，T为大于0的参数，π(al|sl)为在所述状态sl下采取动作al的概率，
所述交通评估部利用预定的交通仿真系统对所述全局最优策略进行评估得到评估时间，
所述个体损失构建部根据所述全局最优策略以及所述个体最优策略构建个体损失loss：
式中，n为所述动作a的个...
【专利技术属性】
技术研发人员：戚骁亚，许挣，李伟，甘中学，田小禾，刘天星，
申请(专利权)人：复旦大学，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。