基于适应度的驾驶员路径选择模型及仿真

doi:10.3969/j.issn.1006-2475.2014.02.005

计算机与现代化 ›› 2014, Vol. 0 ›› Issue (2): 19-23.doi: 10.3969/j.issn.1006-2475.2014.02.005

基于适应度的驾驶员路径选择模型及仿真

（1.北方工业大学自动化系，北京 100144； 2.交通运输部公路科学研究院，北京 100088）

收稿日期:2013-09-27 出版日期:2014-02-14 发布日期:2014-02-14
作者简介:张金金（1987-），女，河南焦作人，北方工业大学自动化系硕士研究生，研究方向：交通流预测，智能交通控制；苏婧（1976-），女，北京人，交通运输部公路科学研究院高级工程师，研究方向：交通流模型及仿真，高速公路机电系统；刘小明（1974-），男，教授，博士，研究方向：智能交通控制，交通流理论。
基金资助:
国家科技支撑计划基金资助项目（2011BAH16B01-05）；北京市教委科技计划基金资助项目 (KM201210009001)

Model and Simulation for Driver Route Choice Based on Fitness Function

(1. Department of Automation, North China University of Technology, Beijing 100144, China;
2. Research Institute of Highway, Ministry of Transport, Beijing 100088, China)

Received:2013-09-27 Online:2014-02-14 Published:2014-02-14

摘要/Abstract

摘要： 针对车辆的路径选择问题，首先描述路径选择单元的划分规则，然后从影响车辆路径选择的路径历史经验和路径最近经验入手，分别定义车辆对路径的初始适应度、历史适应度、最近适应度及路径选择行为概率，并对车辆记忆属性及其变化流程进行说明，最终给出车辆路径选择规则。在上述分析的基础上进行多次重复时间步仿真，仿真结果表明，本文给出的路径选择规则虽然相对较简单，但能够较好地模拟车辆路径选择行为，为交通仿真中车辆路径选择模型提供了一种新的思路。

关键词: 路径选择, 初始适应度, 历史适应度, 最近适应度, 行为概率

Abstract: In order to resolve the route choice problem in traffic simulation, with the route choice history experience and route choice recent experience of driver, the initial fitness, history fitness, recent fitness and route choice action probability are defined, then the memory property of driver and changing process are described, at last, the route choice rule is brought up. On the basis of above analysis time step simulation are carried out repeatedly, the simulation result proves that the rule is simple and effective, but provides a new way for the driver route choice model in traffic simulation.

Key words: route choice, initial fitness, history fitness, recent fitness, action probability

中图分类号:

U491

张金金1，苏婧2，刘宝迅1，张杰2，刘小明1 . 基于适应度的驾驶员路径选择模型及仿真[J]. 计算机与现代化, 2014, 0(2): 19-23.

ZHANG Jin-jin1, SU Jing2, LIU Bao-xun1, ZHANG Jie2, LIU Xiao-ming1 . Model and Simulation for Driver Route Choice Based on Fitness Function[J]. Computer and Modernization, 2014, 0(2): 19-23.

参考文献

[1] Janson B N. Dynamic traffic assignment for urban road networks[J]. Transportation Research Part B: Methodological, 1991,25(2-3):143-161.

[2] Ran B, Boyce D E, LeBlanc L J. A new class of instantaneous dynamic user-optimal traffic assignment models[J]. Operations Research, 1993,41(1):192-202.

[3] Heydecker B G, Addison J D. Analysis of traffic models for dynamic equilibrium traffic assignment[M]// Transportation Networks: Recent Methodological Advance. 1998:35-49.

[4] Ben-Akiva M, De Palma A, Kaysi I. Dynamic network models and driver information systems[J]. Transportation Research Part A: General, 1991,25(5):251-266.

[5] 周溪召. 驾驶员实时动态路径选择行为组合模型[J]. 上海理工大学学报, 2002,24(2):109-112.

[6] 赵凛,张星巨. 基于"前景理论"的路径选择行为建模及实例分析[J]. 土木工程学报, 2007,40(7):82-86.

[7] 韦增欣,陈进来,罗朝晖. 基于驾驶员偏好的最优路径选择[J]. 交通运输系统工程与信息, 2010,10(6):141-144.

[8] 贺国光,李宇,马寿峰. 基于数学模型的短时交通流预测方法探讨[J]. 系统工程理论与实践, 2000,20(12):51-56.

[9] Smith B L, Demetsky M J. Traffic flow forecasting: Comparison of modeling approaches[J]. Journal of Transportation Engineering, 1997,123(4):261-266.

[10] 杨芳明,朱顺应. 基于小波的短时交通流预测[J]. 重庆交通学院学报, 2006,25(3):99-102.

[11] 玄光男,程润伟. 遗传算法与工程优化[M]. 北京:清华大学出版社, 2004.

[12] 冷亮,杜庆东. 基于遗传算法解决车辆最优路径诱导问题[J]. 信息通信, 2012(2):14-15.

[13] 郭海锋,方良君,俞立. 基于模糊卡尔曼滤波的短时交通流量预测方法[J]. 浙江工业大学学报, 2013,41(2):218-221.

[14] 曹高明,赵文吉,邓磊. 基于ArcGIS Server的最优路径分析方法研究[J]. 测绘科学, 2012,37(2):138-140.

[15] 姜代红. 改进的遗传算法在多目标物流配送路径中的应用[J]. 科学技术与工程, 2013,13(3):762-765.

基于适应度的驾驶员路径选择模型及仿真

Model and Simulation for Driver Route Choice Based on Fitness Function

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 3

编辑推荐

Metrics

本文评价

[1]	李桃迎, 李蒙, 武梦乔. 基于异构时空图卷积网络的出租车客流预测[J]. 计算机与现代化, 2024, 0(11): 13-18.
[2]	胡宇，刘美玲，周子昂，张敏. 基于Q学习的单路口交通信号协调控制[J]. 计算机与现代化, 2020, 0(05): 96-.
[3]	王关祥,李义勇,夏亚东,王志献. 基于多层次评价模型的高校网络运行可靠性分析[J]. 计算机与现代化, 2019, 0(06): 98-.