摘要：本文以智能交通规划和核心技术产品的成果转化应用推广项目为基础，首先对智能交通系统中车辆动态路径诱导方法进行了分析，然后对智能交通系统中车辆动态路径诱导算法进行了展望。最后希望通过本文的研究对今后研究与此相关的课题有一定的参考价值。
关键词：智能交通系统；车辆动态路径；诱导方法
前 言：面对不断发展的城市交通网络，道路优化问题对基于纯数学理论的道路优化算法提出了新的挑战。传统的图论方法（例如Dijkstra算法）和数学计划技术在计算上量非常大，导致需要很长的时间计算。另外，基于几何距离和道路质量来计算最佳路线，不能解释实际交通网络的时变性。张衡指出，道路诱导是一个对实时性要求很高的系统，过度提高准确性和复杂性并没有太大帮助。模型组成交通网络的过程越复杂，算法的灵敏度就越低，从而导致最佳路径的计算难度非常大，误差也越大，这些都会使得模型的准确性降低。近来，一些学者正在使用对精确模型要求不高的智能化方法来研究交通引导问题。智能优化算法基于针对优化问题的优化性，现有的优化算法仅有灵活性，有解决复杂的结构优化问题传统算法比不上的优势。因此，智能优化算法被广泛用于各个领域的最优计算。根据这些算法，可以在最短的时间内找到最佳解决方案或针对问题的近似最佳解决方案。
1 智能交通系统中车辆动态路径诱导方法
1.1 基于蚁群算法的动态智能交通诱导方法
蚁群算法是一种模拟仿生算法，由自然界蚂蚁寻路的行为而来，简单、易于实现，无需复杂的数学模型和大量的数学计算。蚁群算法显示出强大的生命力，具有一致性、积极的反馈性、健壮性等优势，检索过程无需人工干预。用于解决旅行商问题（TSP）、分配问题、工作安排调度问题等有很好的结果。从最初的蚁群算法开始，信息素的作用尚不清楚，正反馈机制可以改善过程中获得更好的解决方案，但也会使算法出现停滞，也就是说，它仅达到了局部最优解且未达到全局最优解。因此，学者们正在进行一系列改进研究，以适应动态交通网络的实时和快速功能。杜长海和黄希樾等提出了信息素的直接升级和无序选择方法改进算法。该算法引入了信息素更新路径网络节点之间的相对位置信息，以加快搜索速度并改善使用混沌选择的策略，避免早熟停滞现象。优势是通过对蚁群寻路的行为的自然模仿，将提高整个运输系统的效率，在全局环境中不断确定车辆的最佳驾驶特性。周明秀、程科等人提出了一种改进道路规划工厂反殖民算法的方法，该算法改善了距离，并增加了目标节点对下一个节点的影响，从而提高了全局搜索能力，避免停滞在局部最优解，提高了收敛速度。它提供了多种质量特征、可增强信息素的改进，并且每个目的地在乘客选择路线时都会表现多目标性和目标属性的特征。该算法可确保在短期内获得全局最优解，并有效地克服了传统蚁群算法的收敛速度慢和局部最优解有误等缺点。HUANG使用蚁群算法找到实时交通信息网络的最佳路线，并使用群决策理论提出了一种基于动态路线的优化技术。结合蚁群算法和团队决策，该算法必须考虑到相邻分支之间的距离和特定交通流的饱和度参数。可以将蚁群算法与最佳路径结合使用，以比较其他组确定算法的结果，以获得最佳路径优化方法。通常，基于蚁群算法和改进算法，诱导动态路径的研究不会停止，研究人员尝试了各种方法来解决基本反殖民算法的应用错误，并找到合适的组合算法。特别地，以蚁群算法为主导的动态路径的应用相对较成熟，并且随着全球化和动态路径的发展，自适应加速组合早期封闭预防方案的多样性极大地提高了其性能，可以按照说明进行操作。
1.2 基于遗传算法的动态智能交通诱导方法
苏晓教授引入了一种经过改进的遗传算法，该算法是建立于自然选择和群众遗传学基础上的，具有随机、迭代、进化、广泛等适应性，后来，逐渐发展成一种通过模拟自然进化过程得到最优解的计算模型。杨兆升等从出行点开始，通过最大径流量通道到达目的地，形成一种如自然流体的网络诱导模型。这种方法健康有效地达到了诱导目标，并提高了跨网络路径的效率。
赵丹正在研究一种适用于求解动态最优路径的改进模拟算法。为了提高运算符的性能，继承和突变的建立不会引起单独的适应度引入，改善了适应度局部最小收敛速度。建立了城市路网模型和车辆模型，并将改进的自适应遗传算法应用于动态交通情况下的诱导路线最优解。同时比较表明，动态地使用了更好的自适应遗传算法来获得最佳路径计算效率更具实际优势。Mainali等为了提高运输网络的计算效率，提出了一种基于分层网络遗传算法的高级网络修剪方法。道路网络由子网、起源、端点和边界条件的高级网络组成。在搜索过程中，可以减少高级阈值的数量，以加快搜索速度，但同时它们的准确性也会降低。在遗传算法评价函数中，引入搜索时间和目标优化参数，以提高搜索的准确性。道路网络可以用于跟踪搜索验证，结果表明该方法提高了计算效率，并降低了精度。
期刊文章分类查询,尽在期刊图书馆
换句话说，作为模拟进化生命系统的随机搜索优化技术，遗传算法因其简单性、稳定性，适用于类似处理方法和各种用途而受到学者的青睐，对初始种群非常敏感。为了应用于动态交通网络，研究人员已经改进了设计解决方案等的首选，并通过仿真实验和其他手段证明了改进算法的合理性和效率。
1.3 智能交通系统多时间尺度交通预测技术
国内外的动态交通诱导系统通常会根据实时交通信息来规划最佳路线。当前的路线目前可能不是最优的，因为交通流的有时变特性，但是在将来，未找到的归纳研究的影响将大大降低，并且用户对系统的信心也会下降。本公司建议通过历史和实时跟踪交通数据来估算未来的交通，并继续研发多尺度的预测技术，可以提供不同时间尺度的预测以指导系统和用户。并且由于它会根据引导路线信息进行调整，因此可以根据同一引导信息避免多辆车辆，而在同一区域中收集的实时信息会导致拥挤转移的问题。
2 智能交通系统中车辆动态路径诱导算法展望
运输路径和交通管理是智能运输系统的两个重要元素。其中，动态道路是道路和交通管理的重要组成部分，在智能交通系统中起着重要的作用。动态路径推导算法的发展非常迅速，但是由于开发时间短，因此仍然存在某些方面的缺陷，需要进行完善。基于当前的发现和智能交通状况，本文为动态道路系统提供了以下展望：
2.1 依据出行者的心理特征建立路径诱导算法
文献中，李威武提出的道路系统应该是实时的，并且不应过高估计模型的准确性和复杂性，模型的复杂性会影响算法计算最佳路径的速度。因此必须纳入出行者的心理特征，例如火车、航空旅行的学生等，这种行为随时间密切相关。出行者必须在规定的时间内到达，因此，在选择路线导航算法时，需要注意乘客的实际情况和满意度。
2.2 加强交通路网中的实时路况信息采集和完善突发事件处理机制
动态路线引导算法依赖于实时交通信息，并且所收集的信息必须是最新且准确的，可以使用高级技术（例如实时交通信息、GPS等）来收集。通过多年的预测和交通整合来应对交通事故，可以使用分布式并行计算技术，并使用最佳的服务器来处理大量的信息。而且，需要完善信息传输机制和智能交通系统，并通过广播、微博、微信等媒体等新的通信方式为行人推送实时路况信息。
2.3 丰富动态路径诱导算法的诱导手段
归纳法通常分为三类:（1）自主归纳，即根据历史数据库数据检索行程时间短的路线。 （2）根据当前路段的行驶时间选择最佳的出行路线。 （3）有很多原则可以选择最佳路线来预测未来路段的行驶时间，例如最短距离:最短时间、最佳选择高速公路等。大多数推导算法使用最短路径阻抗或最小驱动距离路径，该算法需要多种方法来避免交通压力和路段拥堵，可能会在周围道路上引起连锁反应。因此在算法中可以通过更多的方法来代替错误的路线，以便出行者可以选择自己所需的路线。
结语
本文首先从基于蚁群算法的动态智能交通诱导方法、基于遗传算法的动态智能交通诱导方法以及智能交通系统多时间尺度交通预测技术等方面对智能交通系统中车辆动态路径诱导方法进行了分析，然后从依据出行者的心理特征建立路径诱导算法、加强交通路网中的实时路况信息采集和完善突发事件处理机制以及丰富动态路径诱导算法的诱导手段等方面对智能交通系统中车辆动态路径诱导算法进行了展望。最后希望通过本文的研究对今后研究与智能交通系统中车辆动态路径诱导方法相关的课题有一定的借鉴与启发作用。
参考文献：
[1]徐武.一种改进的蚁群算法在城市动态路径诱导系统中的应用研究[J].景德镇学院学报,2018,33(03):1-6.
[2]李晓丹,王浩,王志平.动态路径诱导交通阻抗优化方法与实现[J].上海应用技术学院学报(自然科学版),2015,15(04):375-379.
收稿日期：2012-12-12
基金项目：佛山市科技创新资金资助（项目编号：2012HC100182）
作者简介：刘思哲 男 佛山市吉大智能交通有限公司总经理、项目总负责人
通信作者：刘思哲
论文作者:刘思哲
论文发表刊物:《基层建设》2019年第26期
论文发表时间:2019/12/18
标签：算法论文; 诱导论文; 路径论文; 动态论文; 智能交通论文; 系统论文; 方法论文; 《基层建设》2019年第26期论文;