模擬導(dǎo)彈制導(dǎo)的交通系統(tǒng)路徑誘導(dǎo)算法

，李蘇劍*，邢恩輝

(1.北京科技大學(xué)機(jī)械工程學(xué)院，北京100083；2.佳木斯大學(xué)機(jī)械工程學(xué)院，黑龍江佳木斯154007)

模擬導(dǎo)彈制導(dǎo)的交通系統(tǒng)路徑誘導(dǎo)算法

(1.北京科技大學(xué)機(jī)械工程學(xué)院，北京100083；2.佳木斯大學(xué)機(jī)械工程學(xué)院，黑龍江佳木斯154007)

模擬導(dǎo)彈制導(dǎo)的單車誘導(dǎo)算法利于交通系統(tǒng)優(yōu)化目標(biāo)（車流量平衡目標(biāo)）.為避免多車誘導(dǎo)導(dǎo)致的交通擁堵，以模擬導(dǎo)彈制導(dǎo)的單車誘導(dǎo)算法為基礎(chǔ)，提出了模擬導(dǎo)彈制導(dǎo)的交通系統(tǒng)路徑誘導(dǎo)算法.按照出行需求，對模擬導(dǎo)彈制導(dǎo)的時間最短路徑算法進(jìn)行改進(jìn)，使算法滿足各類單車路徑規(guī)劃目標(biāo)，以提高單車誘導(dǎo)接受率.系統(tǒng)路徑誘導(dǎo)算法以交通系統(tǒng)優(yōu)化為最終目標(biāo)，對超出路網(wǎng)通行能力的誘導(dǎo)進(jìn)行修正，使交通流運(yùn)行趨勢符合駕駛員出行需求.建立系統(tǒng)優(yōu)化評價指標(biāo)和系統(tǒng)誘導(dǎo)接受率指標(biāo)，并以北京部分地區(qū)為例進(jìn)行仿真.仿真結(jié)果表明，算法能夠達(dá)到系統(tǒng)優(yōu)化目標(biāo)，同時保證了較高的系統(tǒng)誘導(dǎo)接受率.

交通工程；系統(tǒng)誘導(dǎo)算法；模擬導(dǎo)彈制導(dǎo)；出行需求；系統(tǒng)優(yōu)化

1 引言

城市交通網(wǎng)絡(luò)中，車輛導(dǎo)航系統(tǒng)的應(yīng)用率越來越高.傳統(tǒng)的單車誘導(dǎo)算法以單車路徑優(yōu)化為主要目標(biāo)，分別偏重距離因素[1,2]或時間因素[3-5]，忽略單車誘導(dǎo)算法對系統(tǒng)優(yōu)化的影響.車輛導(dǎo)航系統(tǒng)目前面臨的首要難題之一是在同一路網(wǎng)內(nèi)，多車同時采用只考慮單車路徑優(yōu)化的算法，不利于交通系統(tǒng)最優(yōu)化，可能造成城市交通的擁擠或堵塞[6].為解決以上問題，以利于系統(tǒng)優(yōu)化的模擬導(dǎo)彈制導(dǎo)的單車路徑誘導(dǎo)算法[7,8]為基礎(chǔ),進(jìn)行交通系統(tǒng)路徑誘導(dǎo)算法研究.

車輛導(dǎo)航系統(tǒng)目前面臨的另一難題為交通系統(tǒng)的誘導(dǎo)接受率問題.路徑誘導(dǎo)的接受率即提供的路徑規(guī)劃是否滿足駕駛員的出行需求（單車路徑規(guī)劃目標(biāo)）.參考文獻(xiàn)[9,10]指出，實際交通環(huán)境中，駕駛員對時間、距離因素均有要求且較為看重，對路徑誘導(dǎo)的選擇偏好直接影響了單車誘導(dǎo)接受率.根據(jù)交通調(diào)查，參考文獻(xiàn)[11]將駕駛員的出行需求大體分為：出行時間最短、出行距離最短或出行時間和距離均較短三類.根據(jù)參考文獻(xiàn)[11]的分類，對參考文獻(xiàn)[7]提出的算法進(jìn)行改進(jìn)，使之適合各種出行需求的駕駛員.參考文獻(xiàn)[12]指出，為協(xié)調(diào)單車誘導(dǎo)和交通系統(tǒng)誘導(dǎo)，除使單車誘導(dǎo)利于系統(tǒng)優(yōu)化外，同時應(yīng)使系統(tǒng)誘導(dǎo)符合單車誘導(dǎo)目標(biāo).本文以改進(jìn)的模擬導(dǎo)彈制導(dǎo)的單車誘導(dǎo)算法為基礎(chǔ)，使系統(tǒng)誘導(dǎo)的交通流調(diào)整符合單車誘導(dǎo)目標(biāo)，以提高交通系統(tǒng)誘導(dǎo)接受率.

2 模擬導(dǎo)彈制導(dǎo)的單車誘導(dǎo)算法及改進(jìn)算法

根據(jù)參考文獻(xiàn)[7]，模擬導(dǎo)彈制導(dǎo)的單車誘導(dǎo)算法協(xié)調(diào)單車路徑規(guī)劃目標(biāo)和系統(tǒng)優(yōu)化目標(biāo)（車流量平衡目標(biāo)），避免交通擁堵，使單車路徑規(guī)劃利于系統(tǒng)優(yōu)化.

2.1 模擬導(dǎo)彈制導(dǎo)的算法原理

根據(jù)參考文獻(xiàn)[7]，導(dǎo)彈理想運(yùn)行路線是到達(dá)目標(biāo)的特定路線（時間最短的路線、距離最短的路線等）.受地心引力等問題影響，導(dǎo)彈不可能按照理想路線運(yùn)行.實質(zhì)上，導(dǎo)彈制導(dǎo)提供的路線為協(xié)調(diào)理想運(yùn)行和空間狀態(tài)條件運(yùn)行的路線.

車輛理想路徑規(guī)劃為滿足單車路徑規(guī)劃目標(biāo)的時間最短路徑、距離最短路徑等.受交通系統(tǒng)交通流狀態(tài)影響，車輛按照單車路徑規(guī)劃目標(biāo)運(yùn)行可能導(dǎo)致交通擁堵.按照平衡交通流狀態(tài)等系統(tǒng)優(yōu)化目標(biāo)行駛，車輛路徑規(guī)劃可能過度繞遠(yuǎn)或時間過長.為協(xié)調(diào)單車路徑規(guī)劃目標(biāo)和系統(tǒng)優(yōu)化目標(biāo)的沖突，采用模擬導(dǎo)彈制導(dǎo)進(jìn)行車輛路徑規(guī)劃.

2.2 考慮出行需求的單車誘導(dǎo)算法改進(jìn)

[7]中，單車誘導(dǎo)算法的單車路徑規(guī)劃目標(biāo)為出行時間最短.為提高單車誘導(dǎo)接受率，根據(jù)駕駛員的出行需求對單車誘導(dǎo)算法進(jìn)行改進(jìn).

2.2.1駕駛員出行需求分類

參考文獻(xiàn)[11]調(diào)查結(jié)果表明，駕駛員出行需求主要分為時間最短、距離最短、時間距離均較短三種.

2.2.2 改進(jìn)單車誘導(dǎo)算法

參考文獻(xiàn)[7]提出的模擬導(dǎo)彈制導(dǎo)的時間最短路徑算法以單車出行時間最短為目標(biāo).針對出行需求分類，對參考文獻(xiàn)[7]提出的算法進(jìn)行改進(jìn)，使改進(jìn)算法適用于參考文獻(xiàn)[11]指出的三種單車路徑規(guī)劃目標(biāo).

改進(jìn)方法為：求取理想路徑和進(jìn)行動態(tài)路徑規(guī)劃的算法不變.實際路徑規(guī)劃協(xié)調(diào)單車路徑規(guī)劃目標(biāo)和系統(tǒng)優(yōu)化目標(biāo)，需要根據(jù)單車路徑規(guī)劃目標(biāo)進(jìn)行改進(jìn).

參考文獻(xiàn)[7]指出，單車路徑規(guī)劃目標(biāo)為出行時間最短時，理想路徑稱為時間理想路徑.實際路徑規(guī)劃選擇標(biāo)準(zhǔn)為：以兩條理想路徑（系統(tǒng)優(yōu)化理想路徑和時間理想路徑）為標(biāo)準(zhǔn)，選擇與理想路徑所圍的面積最小的以車輛所在的路段起點至終點的實際路徑.

單車路徑規(guī)劃目標(biāo)為出行距離最短時，理想路徑稱為距離理想路徑.距離理想路徑為路徑規(guī)劃起點與終點的連線.實際路徑規(guī)劃選擇標(biāo)準(zhǔn)與單車路徑規(guī)劃目標(biāo)為出行時間最短時相似，只需將時間理想路徑改為距離理想路徑.

單車路徑規(guī)劃目標(biāo)為出行時間、距離均較短時，實際路徑規(guī)劃選擇標(biāo)準(zhǔn)改為：以三條理想路徑（系統(tǒng)優(yōu)化理想路徑、時間理想路徑和距離理想路徑）為中心，實際路徑規(guī)劃搜索方法與其他兩種相似.

3 提高系統(tǒng)誘導(dǎo)接受率的交通系統(tǒng)路徑誘導(dǎo)算法

根據(jù)參考文獻(xiàn)[7]，模擬導(dǎo)彈制導(dǎo)的單車誘導(dǎo)算法利于系統(tǒng)優(yōu)化即車流量平衡.同一路網(wǎng)內(nèi)，運(yùn)用該算法的車輛越多，越利于交通系統(tǒng)優(yōu)化.當(dāng)過多車輛同時采用同一路徑規(guī)劃時，可能導(dǎo)致交通擁堵，不能達(dá)到系統(tǒng)優(yōu)化目標(biāo).

為保證單車誘導(dǎo)算法的利用率，在模擬導(dǎo)彈制導(dǎo)的單車誘導(dǎo)算法及改進(jìn)算法的基礎(chǔ)上，提出一種交通系統(tǒng)路徑誘導(dǎo)算法.針對多車誘導(dǎo)導(dǎo)致的交通擁堵問題，算法以交通系統(tǒng)優(yōu)化為最終目標(biāo)，在修正路徑誘導(dǎo)過程中，使交通流運(yùn)行趨勢符合駕駛員出行需求.

3.1 算法原理

傳統(tǒng)算法分別根據(jù)單車路徑規(guī)劃目標(biāo)和系統(tǒng)路徑規(guī)劃目標(biāo)確定單車誘導(dǎo)和系統(tǒng)誘導(dǎo).再將兩者進(jìn)行協(xié)調(diào)，對單車路徑規(guī)劃進(jìn)行修正.傳統(tǒng)算法的協(xié)調(diào)（見圖1）不一定符合駕駛員出行需求，路徑誘導(dǎo)的接受率得不到保證.

圖1 傳統(tǒng)方法原理圖Fig.1 Schematic diagram of the traditional method

圖2 算法原理圖Fig.2 Schematic diagram of the proposed method

本文算法在傳統(tǒng)算法的基礎(chǔ)上，根據(jù)交通狀況確定超出路網(wǎng)通行能力的誘導(dǎo).根據(jù)系統(tǒng)優(yōu)化目標(biāo)及單車誘導(dǎo)目標(biāo)，對超出路網(wǎng)通行能力的路徑規(guī)劃進(jìn)行修正.本文算法在路徑規(guī)劃修正時考慮單車路徑規(guī)劃目標(biāo)，提高誘導(dǎo)接受率.圖2為算法原理圖.

3.3 路網(wǎng)狀態(tài)分析

參考文獻(xiàn)[12]指出交通系統(tǒng)誘導(dǎo)是將系統(tǒng)所有單車誘導(dǎo)整合，通過物聯(lián)網(wǎng)平臺對于超出交通系統(tǒng)通行能力的車輛重新進(jìn)行誘導(dǎo).根據(jù)參考文獻(xiàn)[12]，進(jìn)行交通系統(tǒng)誘導(dǎo)，首先需要建立未修正前的交通網(wǎng)狀態(tài)模型.

以路網(wǎng)為基礎(chǔ)，對路網(wǎng)狀態(tài)進(jìn)行分析.根據(jù)實時交通狀況，建立實時時間相關(guān)網(wǎng).再根據(jù)交通系統(tǒng)誘導(dǎo)目標(biāo)，建立理想時間相關(guān)網(wǎng).理想時間相關(guān)網(wǎng)與實時時間相關(guān)網(wǎng)比較得出速度差距網(wǎng).交通系統(tǒng)誘導(dǎo)將根據(jù)速度差距網(wǎng)確定超出路網(wǎng)通行能力的誘導(dǎo).

3.3.1 實時時間相關(guān)網(wǎng)

本文交通系統(tǒng)誘導(dǎo)目標(biāo)為路網(wǎng)車流量分布均衡，不產(chǎn)生擁堵，各路段及交叉口速度相等.為達(dá)到交通系統(tǒng)誘導(dǎo)目標(biāo)，需表征交通網(wǎng)相對于時間的距離分配，建立實時時間相關(guān)網(wǎng).

實時時間相關(guān)網(wǎng)中各路段的值為

式中Vi與路段長度成正比，與總行程時間成反比；li為路段長度；ti為通過路段的時間；t'i為路口等待時間.

3.3.2 理想時間相關(guān)網(wǎng)

以路網(wǎng)為基礎(chǔ)，建立符合交通系統(tǒng)誘導(dǎo)目標(biāo)的理想時間相關(guān)網(wǎng).理想時間相關(guān)網(wǎng)內(nèi)，各路段及交叉口車輛均勻分布無擁堵，各路段對應(yīng)的值V'均相等.

3.3.3 速度差距網(wǎng)

速度差距網(wǎng)中各路段的值為

速度差距網(wǎng)表示路網(wǎng)理想交通狀態(tài)與實際交通狀態(tài)的差距.通過修正，當(dāng)速度差距網(wǎng)中的ΔVi值均為零時，交通系統(tǒng)誘導(dǎo)達(dá)到目標(biāo).

3.4 算法步驟

根據(jù)速度差距網(wǎng)，確定擁堵路段相關(guān)誘導(dǎo)，即確定超出路網(wǎng)通行能力的誘導(dǎo).交通系統(tǒng)誘導(dǎo)對超出路網(wǎng)通行能力的誘導(dǎo)進(jìn)行修正.修正的目標(biāo)是降低速度差距網(wǎng)的值至零，交通流理想運(yùn)行趨勢按照單車誘導(dǎo)目標(biāo)趨勢.在理想狀態(tài)下，需要修正的誘導(dǎo)應(yīng)按照速度差距網(wǎng)滿足駕駛員出行需求（最優(yōu)解）進(jìn)行修正.為符合系統(tǒng)目標(biāo)，避免僅滿足單一車輛目標(biāo)導(dǎo)致的擁堵.修正的誘導(dǎo)中超出速度差距網(wǎng)允許范圍的誘導(dǎo)選擇次優(yōu)解進(jìn)行修正.再對二次修正的誘導(dǎo)進(jìn)行判斷，對超出速度差距網(wǎng)允許范圍的誘導(dǎo)再次修正.以此類推，至速度差距網(wǎng)的值為零.其中，滿足駕駛員出行需求的最優(yōu)解路徑和次優(yōu)解路徑等均由模擬導(dǎo)彈制導(dǎo)的單車誘導(dǎo)算法及改進(jìn)算法得出.

3.4.1 確定擁堵路段相關(guān)誘導(dǎo)

根據(jù)速度差距網(wǎng)中各路段的值進(jìn)行擁堵路段判斷.

ΔVi＞0時路段為擁堵路段，物聯(lián)網(wǎng)提供修正觸發(fā)信號，根據(jù)修正觸發(fā)信號和誘導(dǎo)分布，確定所有包含擁堵路段且未到達(dá)該擁堵路段的誘導(dǎo)為擁堵路段相關(guān)的誘導(dǎo).

3.4.2 修正路徑誘導(dǎo)

根據(jù)ΔVi調(diào)整擁堵路段相關(guān)誘導(dǎo)車輛，將車輛調(diào)整至?xí)惩范?，使所有路段的ΔVi=0，即達(dá)到系統(tǒng)優(yōu)化目標(biāo).

由于路網(wǎng)狀態(tài)實時動態(tài)，考慮時間因素，調(diào)整時按照車輛即將到達(dá)路段的時間先后順序進(jìn)行調(diào)整，先調(diào)整距離ΔVi＞0的擁堵路段最近的相關(guān)路徑.

根據(jù)單車誘導(dǎo)目標(biāo)，未修正前的相關(guān)誘導(dǎo)為最優(yōu)解路徑（時間最短路徑、距離最短路徑或時間距離均較短路徑）.為滿足單車誘導(dǎo)目標(biāo)，以速度差距網(wǎng)為基礎(chǔ)，擁堵路段相關(guān)誘導(dǎo)車輛應(yīng)調(diào)整至次優(yōu)路徑.次優(yōu)路徑為修正時除原誘導(dǎo)外符合駕駛員出行需求的最優(yōu)路徑.為避免將車輛均調(diào)整至次優(yōu)路徑導(dǎo)致的新?lián)矶拢枰袛嗾{(diào)整以后是否會使次優(yōu)路徑超出速度差距網(wǎng)允許范圍.如果超出允許范圍，部分車輛調(diào)整至次優(yōu)路徑，其余路徑再通過調(diào)整判斷調(diào)整至第三優(yōu)路徑.以此類推，直至車輛均被調(diào)整.

再調(diào)整距離ΔVi＞0的擁堵路段較遠(yuǎn)的相關(guān)路徑，修正方法相同.調(diào)整后盡量使速度差距網(wǎng)中相關(guān)擁堵路段的值接近零.反復(fù)調(diào)整，至達(dá)到系統(tǒng)優(yōu)化目標(biāo)為止.

具體步驟流程圖如圖3所示.

圖3 具體步驟流程圖Fig.3 Flowchart of the specific process

4 復(fù)雜度及評價指標(biāo)

4.1 方法復(fù)雜度分析

系統(tǒng)路徑規(guī)劃方法復(fù)雜度與單車路徑誘導(dǎo)方法直接相關(guān).本文采用模擬導(dǎo)彈制導(dǎo)的單車誘導(dǎo)算法.該算法的復(fù)雜度與搜索區(qū)域內(nèi)節(jié)點數(shù)及搜索幅度正相關(guān).駕駛員的出行需求、起訖點分配對系統(tǒng)路徑規(guī)劃算法復(fù)雜度影響較大.要降低系統(tǒng)路徑規(guī)劃方法復(fù)雜度，除以上因素外，還需考慮系統(tǒng)路徑規(guī)劃中修正路徑規(guī)劃的順序（時間距離）問題.目前這些問題有待進(jìn)一步研究.

4.2 方法評價指標(biāo)

4.2.1 系統(tǒng)優(yōu)化評價指標(biāo)

在實際應(yīng)用中，算法計算速度可能導(dǎo)致算法失效.距離擁堵路段越近的相關(guān)誘導(dǎo)對計算速度要求越高.而越近的相關(guān)誘導(dǎo)對系統(tǒng)優(yōu)化的作用越大.為降低算法的計算速度，將算法系統(tǒng)優(yōu)化目標(biāo)ΔVi=0改為||ΔVi＜δ，δ為常數(shù)，單位km/h.

當(dāng)路網(wǎng)各路段||ΔVi的最大值小于系統(tǒng)優(yōu)化評價目標(biāo)時，算法達(dá)到預(yù)期的系統(tǒng)優(yōu)化目標(biāo).

4.2.2 系統(tǒng)誘導(dǎo)接受率指標(biāo)

為驗證算法，提高系統(tǒng)誘導(dǎo)接受率，需建立各駕駛員n的接受指標(biāo)：dn,n=1,2,….交通系統(tǒng)誘導(dǎo)提供的誘導(dǎo)滿足判斷條件時，dn=1；否則,dn=0.

當(dāng)駕駛員出行需求為出行時間最短時,判斷條件為修正的誘導(dǎo)時間小于原誘導(dǎo).其他駕駛員出行需求的判斷條件相似.

5 算例分析

5.1 模型參數(shù)

以北京奧林匹克公園附近區(qū)域為例對算法進(jìn)行仿真，路網(wǎng)包含Kehui Road,Kehui South Road, Tatun North Road,Tatun Road路段.路網(wǎng)結(jié)構(gòu)如圖4所示.

圖4 路網(wǎng)圖Fig.4 Diagram of the road network

如圖4，交通網(wǎng)共22個交叉口，包含起點和終點.各交叉口用圓圈表示，各路段用實線表示.

為保證交通數(shù)據(jù)的隨機(jī)動態(tài)特性，令各路段及各交叉口初始車輛數(shù)隨機(jī).采用元胞傳輸模型方法對交通流狀態(tài)進(jìn)行描述.各交叉口的配時方案與實際路網(wǎng)信號配時相同.δ=2 km/h.

假設(shè)駕駛員出行需求在駕駛員出行過程中是不變的.根據(jù)參考文獻(xiàn)[11]對北京地區(qū)駕駛員出行需求的調(diào)查，選取工作日高峰時段數(shù)據(jù)作為仿真數(shù)據(jù).即駕駛員出行需求中出行時間最短的占61.54%，出行距離最短的占7.93%，出行時間和距離均較短的占29.6%，其它的占0.932%.其中，出行需求為其它的駕駛員占有比例不足1%,為簡化模型，假設(shè)這類駕駛員出行路線隨機(jī).

用matlab軟件驗證，仿真時間1800 s.

5.2 仿真結(jié)果及分析

改變仿真數(shù)據(jù)，對本文方法5次仿真.

5.2.1 系統(tǒng)優(yōu)化仿真結(jié)果

5次仿真路網(wǎng)各路段||ΔVi的最大值如圖5所示.

5次仿真的系統(tǒng)優(yōu)化評價指標(biāo)值分別為：0.48、0.77、0.21、0.96和1.34.指標(biāo)值均小于系統(tǒng)優(yōu)化評價目標(biāo)，即||ΔVi＜δ，δ=2 km/h.算法達(dá)到預(yù)期的系統(tǒng)優(yōu)化目標(biāo).

圖5 系統(tǒng)優(yōu)化評價指標(biāo)Fig.5 System optimization evaluation index

5.2.2 系統(tǒng)誘導(dǎo)接受率仿真結(jié)果

參考文獻(xiàn)[14]提出的多智能體方法兼顧個體出行者和路網(wǎng)系統(tǒng)管理者在路徑選擇過程中的利益，協(xié)調(diào)系統(tǒng)優(yōu)化目標(biāo)與單車目標(biāo)，在一定程度上利于提高誘導(dǎo)的接受率.

將參考文獻(xiàn)[14]與本文算法的系統(tǒng)誘導(dǎo)接受率指標(biāo)仿真結(jié)果進(jìn)行比較，如表1所示.

表1 系統(tǒng)誘導(dǎo)接受率指標(biāo)值Table.1System guidance acceptance rate index

仿真結(jié)果表明：本文算法的系統(tǒng)誘導(dǎo)接受率指標(biāo)值高于文獻(xiàn)[14]的指標(biāo)值6.11%—26.98%.

6 研究結(jié)論

為解決多車誘導(dǎo)導(dǎo)致的交通擁堵問題，提出了模擬導(dǎo)彈制導(dǎo)的交通系統(tǒng)路徑誘導(dǎo)算法.算法修正超出路網(wǎng)通行能力的誘導(dǎo)；在對誘導(dǎo)進(jìn)行修正時，按照單車誘導(dǎo)目標(biāo)（考慮駕駛員出行需求）進(jìn)行修正，利于提高交通系統(tǒng)誘導(dǎo)接受率，有益于交通管理；反復(fù)修正不超出差距網(wǎng)允許范圍，直至差距網(wǎng)達(dá)到閾值（符合系統(tǒng)優(yōu)化目標(biāo)）.本文算法符合實際交通系統(tǒng)發(fā)展趨勢，提高系統(tǒng)誘導(dǎo)接受率，達(dá)到系統(tǒng)優(yōu)化目標(biāo)，利于交通系統(tǒng)的智能化和自動化，是車輛交通系統(tǒng)誘導(dǎo)的新方法.

本文假設(shè)駕駛員出行需求在出行過程中是不變的，并將駕駛員出行需求作了簡單分類.在出行過程中駕駛員出行需求改變及其復(fù)雜分類問題，是本文算法有待進(jìn)一步研究的方向.

參考文獻(xiàn)：

[1]Dijkstra E.A note on two problems with graphs[J].Num?er Math,1959,1(1):269-271.

[2]Floyd R W.Algorithm 97,shortest path[J].Comm.ACM, 1962,5(6):345.

[3]Vidal T,Crainic T G,Gendreau M,et al.A hybrid genet?ic algorithm with adaptive diversity management for a large class of vehicle routing problems with time-win?dows[J].Computers&Operations Research,2013,40(1): 475-489.

[4]Tavakkoli-Moghaddam R,Gazanfari M,Alinaghian M, et al.A new mathematical model for a competitive vehi?cle routing problem with time windows solved by simu?lated annealing[J].Journal of Manufacturing Systems, 2011,30(2):83-92.

[5]Ding Qiu-lei,Hu Xiang-pei,Sun Li-jun,et al.An im?proved ant colony optimization and its application to ve?hicle routing problem with time windows[J].Neurocom? puting,2012,98(3):101-107.

[6]Ma J,Fukuda D,Schm?cker J D.Faster hyperpath gener?ating algorithms for vehicle navigation[J].Transportmet?rica A:Transport Science,2013,9(10):1-24..

[7]Gong Yan,Li Su-jian,Xing En-hui.Least-time path al?gorithm based on missile guidance[J].Journal of Trans?portation System Engineering and Information Technolo?gy(English edition),2013,13(6):94-100.

[9]Fonzone A,Schm?cker J D,Ma Jiang-shan,et al.Linkbased route choice considering risk aversion,disappoint?ment,and regret[J].Transportation Research Record: Journal of the Transportation Research Board,2012,1 (2322):119-128.

[10]Papinski D,Scott D M.A GIS-based toolkit for route choice analysis[J].Journal of Transport Geography,2011, 19(3)：434-442.

[13]馬超,崔建勛.基于多智能體的多應(yīng)急車輛信號優(yōu)先控制研究[J].交通運(yùn)輸系統(tǒng)工程與信息,2013,13(1): 57-62.[MA C,CUI J X.Multiple emergency vehicles signal priority control based on multi agent approach[J]. Journal of Transportation Systems Engineering and Infor?mation Technology,2013,13(1):57-62.]

[14]安實,崔娜,王健,等.基于多智能體協(xié)商的路徑選擇行為仿真研究[J].系統(tǒng)仿真學(xué)報,2010,22(8):1890-1894. [AN S,CUI N,WANG J,et al.Multi-agent negotiation approach to simulate and analyze route choice behavior [J].Journal of System Simulation,2010,22(8):1890-1894.]

Traffic System Path Guidance Algorithm Based on Missile Guidance

GONG Yan1,LI Su-jian1,XING En-Hui2
(1.School of Mechanical Engineering,Beijing University of Science and Technology,Beijing 100083,China; 2.School of Mechanical Engineering,Jiamusi University,Jiamusi 154007,Heilongjiang,China)

ract:A simulated missile guidance algorithm is useful for single-vehicle path planning to achieve the system optimization objectives(vehicle flow balance objectives).To avoid traffic congestion caused by a planning algorithm in which multiple vehicles adopt the same path,a simulated missile guidance algorithm for traffic system path planning was proposed based on a simulated missile guidance algorithm for single-vehicle path planning.The least-time path algorithm based on missile guidance was improved in response to drivers’travel demands.The improved algorithm can be applied to all types of single-vehicle path planning objectives and can enhance the guidance acceptance rate.The ultimate goal of the system path guidance algorithm is to optimize the traffic system.To make the traffic flow tendency conform to drivers’travel demands, it modifies the guidance when the road network capacity is exceeded.A system optimization evaluation index and a guidance acceptance rate index were established.An area of Beijing was taken as an example,and the results show that the algorithm can achieve system optimization and ensure a high guidance acceptance rate.

ords:traffic engineering;system guidance algorithm;simulated missile guidance;travel demand;system optimization

1009-6744（2014）04-0180-06

U491

A

2014-03-31錄用日期：2014-04-11

國家自然科學(xué)基金（50908101）.

(1984-)，女，吉林通化人，博士生. *

lisujian@me.ustb.edu.com