车辆路径动态自适应规划方法、系统、计算机设备及存储介质技术方案

本发明专利技术公开了一种车辆路径动态自适应规划方法、系统、计算机设备及存储介质。其中，本发明专利技术方法包括如下步骤：步骤1.建立城市交通路网中路段流量动态加载模型，以针对交通流量进行预测；建立考虑交通状态的车辆行程时间预测模型，以预测未来的路段通行时间；步骤2.利用车辆行程时间预测模型，基于改进的蚁群算法对以动态交通路况下车辆行程时间最小化为目标的路径规划问题进行求解，从而得到车辆行驶时间最短路径。本发明专利技术方法通过对交通拥堵的传播、路段交通路况的变化进行综合分析，考虑拥堵传播过程对于交通流的影响，从路段的空间相关性、交通路况动态变化方面建立了路网交通流量动态加载模型，实现了动态交通形势下车辆行程时间的准确预测。程时间的准确预测。程时间的准确预测。

【技术实现步骤摘要】
车辆路径动态自适应规划方法、系统、计算机设备及存储介质


[0001]本专利技术涉及车辆路径规划
，特别涉及一种车辆路径动态自适应规划方法、系统、计算机设备及存储介质。

技术介绍

[0002]智能交通系统在解决城市交通拥堵，提高城市路网运转效率方面发挥了重要的作用，道路交通状态传播规律分析和路径规划是智能交通系统的重要研究内容。
[0003]道路交通状态传播规律分析主要挖掘交通拥挤的时空分布特征、拥挤空间相关关系、分析拥挤时瓶颈路段的交通状态变化、拥塞在不同的交通网络下的传播规律等。
[0004]路径规划主要通过分析交通状态规律，为车辆提供实时最优的行驶路线，保证车辆行驶时间最短，提高整个交通路网的通行能力，路径规划是交通拥塞控制的重要研究内容。
[0005]目前，基于交通流量的路径规划问题，还主要停留在固定交通场景的定性分析，缺少强关联性真实动态交通流量对于路网流量的加载变化的研究，因而无法快速准确地预测实际道路交通状态，无法获取动态交通环境下最优的路径规划。

技术实现思路

[0006]本专利技术的目的在于提出一种车辆路径动态自适应规划方法，以实现动态交通形势下车辆行程时间的准确预测，从而获取动态交通环境下最优的路径规划。
[0007]本专利技术为了实现上述目的，采用如下技术方案：
[0008]一种车辆路径动态自适应规划方法，包括如下步骤：
[0009]步骤1.首先建立城市交通路网中路段流量动态加载模型，以针对交通流量进行预测；然后建立考虑交通状态的车辆行程时间预测模型，以预测未来的路段通行时间；
[0010]步骤2.利用车辆行程时间预测模型，基于改进的蚁群算法对以动态交通路况下车辆行程时间最小化为目标的路径规划问题进行求解，得到车辆行驶时间最短路径。
[0011]此外，在上述车辆路径动态自适应规划方法的基础上，本专利技术还提出了一种与之相对应的车辆路径动态自适应规划系统，其技术方案如下：
[0012]一种车辆路径动态自适应规划系统，包括：
[0013]车辆行程时间预测模型建立模块，用于建立城市交通路网中路段流量动态加载模型，以针对交通流量进行预测，然后建立考虑交通状态的车辆行程时间预测模型，以预测未来的路段通行时间；
[0014]车辆行驶时间最短路径求解模块，用于根据车辆行程时间预测模型，基于改进的蚁群算法对以动态交通路况下车辆行程时间最小化为目标的路径规划问题进行求解，得到车辆行驶时间最短路径。
[0015]此外，在上述车辆路径动态自适应规划方法的基础上，本专利技术还提出了一种用于实现上述车辆路径动态自适应规划方法的计算机设备。
[0016]该计算机设备包括存储器和处理器，存储器中存储有可执行代码，处理器执行所述可执行代码时，用于实现上面述及的车辆路径动态自适应规划方法的步骤。
[0017]此外，在上述车辆路径动态自适应规划方法的基础上，本专利技术还提出了一种用于实现上述车辆路径动态自适应规划方法的计算机可读存储介质。
[0018]该计算机可读存储介质，其上存储有程序，当该程序被处理器执行时，用于实现上面述及的车辆路径动态自适应规划方法的步骤。
[0019]本专利技术具有如下优点：
[0020]如上所述，本专利技术针对动态交通情形下车辆行驶路径规划问题，提出了一种车辆路径动态自适应规划方法，该方法对交通拥堵的传播、路段交通路况的变化进行了综合分析，通过考虑拥堵传播过程对于交通流的影响，从路段的空间相关性、交通路况动态变化方面建立了路网交通流量动态加载模型，实现了动态交通形势下车辆行程时间的准确预测。此外，本专利技术还改进了蚁群算法，并将该算法应用于两点间最短路径求解问题，诱导车辆产生自适应于当前交通流量的最优路径，减少时间上的延误，最后通过实验验证了方法的有效性。
附图说明
[0021]图1为本专利技术实施例中车辆路径动态自适应规划方法的流程示意图；
[0022]图2为简化的城市路网交通相位关系示意图；
[0023]图3为空间相关路段分级图；
[0024]图4为路段通行能力变化图；
[0025]图5为夹角选择原理示意图；
[0026]图6为基于改进的蚁群算法求解路径规划问题的流程示意图；
[0027]图7为本专利技术实验中缓冲区设置图；
[0028]图8为本专利技术实验中全部定位点示意图；
[0029]图9为本专利技术实验中根据缓冲区筛选过的定位点示意图；
[0030]图10为本专利技术实验中关联规则挖掘结果图；
[0031]图11为本专利技术实验中初始路段交通流量图；
[0032]图12为本专利技术实验中不同车流量情形下算法性能对比图；
[0033]图13为传统算法路径规划示意图；
[0034]图14基于改进算法的路径规划示意图。
具体实施方式
[0035]下面结合附图以及具体实施方式对本专利技术作进一步详细说明：
[0036]如图1所示，本实施例述及了一种车辆路径动态自适应规划方法，其包括如下步骤：
[0037]步骤1.首先建立城市交通路网中路段流量动态加载模型，以针对交通流量进行预测；然后建立考虑交通状态的车辆行程时间预测模型，以预测未来的路段通行时间。
[0038]建立路段流量动态加载模型的过程如下：
[0039]步骤1.1.1.将城市交通路网抽象成由节点以及边组成的交通网络，在该交通网络
拓扑结构下，将车辆流量抽象成交通流；其中，节点即十字路口交叉点，边即路段。
[0040]由于车辆流量的速度、密度时刻会发生变化，因此，各个路段的交通状态也在不断随之变化且相互作用，如图2为简化的城市路网交通相位关系示意图。
[0041]该图2给出了一个简化的城市路网交通流向图。
[0042]图中用箭头来表示交通路网中的交通流量，已为图中的各箭头标注序号，箭头方向来表示交通流的流向，箭头的大小则来表示交通流量大小，线型用来分辨交通流流向。
[0043]本专利技术利用FP
‑
Growth算法，通过挖掘历史交通数据来分析和计算交通流的空间相关性。
[0044]步骤1.1.2.基于FP
‑
Growth算法计算浮动车行驶轨迹路段之间的关联规则，将关联规则的置信度作为交通流空间相关性的相关系数，构建流量转移概率矩阵。
[0045]该步骤1.1.2具体为：
[0046]步骤I.1通过建立路段空间相关性矩阵，量化关联路段间影响以及影响程度。
[0047]路段空间相关性矩阵用来表示各个路段交通流之间交互关系的大小。车辆行驶轨迹可以反映车辆行驶的路径，表达车辆的来源、去向以及交互流量的大小。
[0048]使用FP
‑
Growth数据挖掘方法获得的频繁项集，得到两条路段之间的关联规则的置信度，将置信度作为空间相关性矩阵的元素，则路段空间相关性矩阵W
ij
如式(1)所示。...

【技术保护点】

【技术特征摘要】
1.一种车辆路径动态自适应规划方法，其特征在于，包括如下步骤：步骤1.首先建立城市交通路网中路段流量动态加载模型，以针对交通流量进行预测；然后建立考虑交通状态的车辆行程时间预测模型，以预测未来的路段通行时间；步骤2.利用车辆行程时间预测模型，基于改进的蚁群算法对以动态交通路况下车辆行程时间最小化为目标的路径规划问题进行求解，得到车辆行驶时间最短路径。2.根据权利要求1所述的车辆路径动态自适应规划方法，其特征在于，所述步骤1中，建立路段流量动态加载模型的过程如下：步骤1.1.1.将城市交通路网抽象成由节点以及边组成的交通网络，在该交通网络拓扑结构下，将车辆流量抽象成交通流；其中，节点即十字路口交叉点，边即路段；步骤1.1.2.基于FP
‑
Growth算法计算浮动车行驶轨迹路段之间的关联规则，将关联规则的置信度作为交通流空间相关性的相关系数，构建流量转移概率矩阵；该步骤1.1.2具体为：步骤I.1使用FP
‑
Growth数据挖掘方法获得的频繁项集，得到两条路段之间的关联规则的置信度，将置信度作为空间相关性矩阵的元素，则路段空间相关性矩阵W
ij
如式(1)所示；公式(1)中，行号i1、i2、i3…
i
m
和列号j1、j2、j3…
j
m
表示路段编号，w
ij
表示路段i、j之间的空间相关性大小，其中，w
ij
与w
ji
并不相等，即空间权重矩阵是非对称的矩阵；步骤I.2.构建邻接矩阵A描述路段空间层次上的邻接关系，如公式(2)所示；公式(2)中，行号i1、i2、i3…
i
m
和列号j1、j2、j3…
j
m
表示路段编号，邻接矩阵A中的元素都用0和1表示；其中，元素0表示不邻接，元素1表示邻接；步骤I.3.构建可达矩阵描述路段之间的连通性；可达矩阵R的运算，通过邻接矩阵A和单位矩阵E的布尔运算得到；步骤I.4.构建流量转移概率矩阵；通过构建的可达矩阵和路段空间相关性矩阵，将路段空间权重矩阵中同一路段相同阶数的邻接路段的空间相关性进行归一化处理，再进行误差处理得到流量转移概率矩阵；该步骤I.4具体为：首先求得路段选择概率，计算公式为式(3)：
其中，U
ij
为路段选择概率，w
ig
表示相对于路段i，全部路段中与路段j阶数相同的路段g的空间权重；由于路段选择概率趋近于中心化，因此，通过路段选择概率与平均选择概率的比较来得到误差系数E
ij
，计算公式为式(4)：其中，k表示可达的阶数，表示平均选择概率；即实际路段选择概率R
ij
为：R
ij
＝U
ij
+E
ij
ꢀꢀꢀꢀ
(5)由此得到流量转移概率矩阵p
ij
如公式(6)所示：其中，
ig
表示相对于路段i，全部路段中与路段j阶数相同的路段g的空间权重；步骤1.1.3.建立路段流量动态加载模型，具体包括建立拥塞路段流量动态加载模型、建立上游路段流量加载模型以及建立下游路段流量加载模型；步骤II.1.建立拥塞路段流量动态加载模型；路段进入拥塞状态后会形成通行能力瓶颈点，以此将路段分为三个细微具体的路段，即上游路段L
a
、瓶颈路段L
b
、下游路段L
c
；假设在T0时刻开始发生拥堵；对于上游路段L
a
，输入交通流为路段流量为发生拥堵后路段L
a
的实际通行能力由初始状态的变为瓶颈点通行能力D
avg
；对于瓶颈路段L
b
，路段流量为路段实际通行能力为D
avg
；对于下游路段L
c
，路段流量L
c
路段的实际通行能力仍然为初始状态的当经过时间t
x
后，交通拥挤状态蔓延至整个上游路段，此时，上游路段L
a
的可接收的输入交通流由减小至瓶颈点通行能力D
avg
；步骤II.2.建立上游路段流量加载模型；当前上游路段初始输入交通流为q
r
，路段流量为Q
r
＝q
r
，路段实际通行能力为当下游路段发生拥塞时，上游路段的实际通行能力由变为D
avg
，车流量开始出现拥挤排队；当经过时间t
s
时，交通拥挤蔓延至十字路口，此时上游路段流量缩小至D
avg
；根据流量转移概率矩阵来计算交通流变化情况，各上游路段当前实际通行能力计算公式如式(8)所示；D
r
＝∑D
ro
ꢀꢀꢀꢀꢀꢀꢀ
(8)其中，D
r
表示当前上游路段实际通行能力，D
ro
表示上游所有路段接收的方向流大小；步骤II.3.建立下游路段流量预测模型；下游路段的流量主要来源于所有上游路段的流量，因此，当拥塞路段实际通行能力降低后，与之相关下游路段的交通流量也会相应部分减少；当拥塞路段流量不发生变化后，输出流量保持不变，因此下路路段的流量也不会再变
化；上游路段流量减少存在两种情况：上游路段为拥塞发生路段或上游路段是拥塞路段的下游路段；由于上游路段的车辆会驶入多条下游路段，因此下游路段流量的减少量按照车辆实际转移概率计算；下游路段流量减小后的流量计算公式如式(9)所示；其中，q
ij
表示下游路段初始流量，p
ij
表示上游路段流量转向该下游路段的流量转移概率矩阵，q
i
表示上游路段初始流量，Q
i
表示上游路段流量减少后的流量值。3.根据权利要求2所述的车辆路径动态自适应规划方法，其特征在于，所述步骤1中，建立车辆行程时间预...

【专利技术属性】
技术研发人员：张福新，王海涵，亓亮，张金泉，栾文静，王路，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：