随机时变路网环境下稳健路径选择及实证研究

交通运输系统工程与信息 ›› 2014, Vol. 14 ›› Issue (5): 194-201.

随机时变路网环境下稳健路径选择及实证研究

曹慧¹，段征宇²，陈川^*2

1.广州市交通规划研究所，广州510030；2.同济大学交通运输工程学院，上海201804

收稿日期:2014-02-12 修回日期:2014-03-25 出版日期:2014-10-25 发布日期:2014-12-17
作者简介:曹慧（1989-），女，湖北黄石人，硕士生.
基金资助:
国家自然基金青年基金项目（71001079）.

Empirical Research on Robust Optimal Path Problem in Stochastic Time-dependent Networks

CAO Hui¹，DUAN Zheng-yu²，CHEN Chuan²

1. Guangzhou Transport Planning Research Institute, Guangzhou 510030, China 2. School of Transportation Engineering, Tongji university, Shanghai 201804, China

Received:2014-02-12 Revised:2014-03-25 Online:2014-10-25 Published:2014-12-17

摘要/Abstract

摘要：

交通拥挤、天气、突发事故等不确定性因素影响着城市区域之间的路网提供的连通服务水平.本文对城市片区间道路连通路径选择进行研究.根据随机时变网络描述和稳健路径选取原则，建立了最优化模型，并采用改进的Dijkstra 算法.通过深圳实例计算，分析了出发时刻与最短路径行程时间和路段构成之间关系，并与确定性时变路网环境下进行计算结果对比.结果表明，随机时变路网环境下鲁棒性最优算法选择稳健路径具有合理性和可行性，可以很好地应用到区域动态连通情况的研究.

关键词: 智能交通, 稳健路径选择, 随机时变路网, 鲁棒性, 路网连通水平

Abstract:

There are many uncertain factors affecting the service level of urban road network. The paper discusses the connecting route problem among urban areas. It proposes a robust optimization model taking the description of stochastic time-dependent network and selecting principles for robust paths into consideration. An advanced Dijkstra algorithm is put forward to solve the problem. Using Shenzhen GPS data, the paper establishes a stochastic time-dependent network, and studies the model and algorithm of the optimal robust path. The results indicate that the travel time varies from the different departure time, and the components of path are not the same, neither. At last, the result is compared with ones which are obtained by a normal algorithm based on time-dependent network. The comparison shows that the advanced algorithm is an effective method to apply into selecting robust route among urban areas.

Key words: intelligent transportation, robust optimal path, stochastic time- dependent network, robust optimization, connectivity of road network

中图分类号:

U268.6

曹慧，段征宇，陈川. 随机时变路网环境下稳健路径选择及实证研究[J]. 交通运输系统工程与信息, 2014, 14(5): 194-201.

CAO Hui，DUAN Zheng-yu，CHEN Chuan. Empirical Research on Robust Optimal Path Problem in Stochastic Time-dependent Networks[J]. Journal of Transportation Systems Engineering and Information Technology, 2014, 14(5): 194-201.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract18873.shtml

http://www.tseit.org.cn/CN/Y2014/V14/I5/194

参考文献

[1] 肖增敏.动态网络车辆路径问题研究[D].西南交通大学,2005,1(1):2-3. [XIAO Z M. Study on vehicle routing problem in dynamic network [D]. Southwest Jiaotong University, 2005, 1(1):2-3.] [2] Miller- Hooks E． Optimal routing in time- varying，stochastic networks：Algorithm and implementation[D]． Austin：Department of Civil Engineering，University of Texas at Austin，1997．

[3] 魏航,魏洁.随机时变网络下的应急路径选择研究[J].系统工程学报，2009,24(1): 99-103. [WEI H,WEI J.Emergency path problem in stochastic and time-varying network [J]. Journal of Systems Engineering, 2009, 24(1): 99-103.]
[4] 袁二明,蔡小强,涂奉生. 基于时间窗的随机时变交通网络信号相位协调[J].计算机工程，2008,34(5):17-19.[YUAN E M,CAI X Q,TU F S. Optimal offsets between intersections in stochastic time-varying traffic network based on time- windows [J]. Computer Engineering,2008, 34(5):17-19.]
[5] 安军.鲁棒性分析的方法论意义[J].科学技术哲学研究,2011,28(5):26- 30. [AN J. The methodological significance of robustness analysis [J].Journal of Philosophy of Science and Technology Research, 2011,28(5):26-30.]
[6] Michael P Wellman, Matthew Ford ,Kenneth Larson.Path planning under time- dependent uncertainty [C]//Proceedings of the Eleventh Conference on Uncertainty in Artificial Intelligence (UAI- 95) ,Montreal, Quebec,Canada, 1995：532-539.
[7] Shichao Sun, Zhengyu Duan, Dongyuan Yang. Min-max regret approach to the optimal path finding problem in stochastic time- dependent networks [C]// Proceedings of 2013 IEEE ELEVENTH International Symposium on Autonomous Decentralized Systems (ISADS), Mexico,2013: 258-263.
[8] 段征宇.基于动态交通信息的车辆路径规划问题研究[D].同济大学，2009,4(2):50-59. [DUAN Z Y. Research of the vehicle path planning problem based on dynamic traffic information [D]. Tongji University, 2009, 4(2):50-59.]

[1]	郭烈, 胥林立, 秦增科, 王旭. 自动驾驶接管影响因素分析与研究进展[J]. 交通运输系统工程与信息, 2022, 22(2): 72-90.
[2]	徐猛, 刘涛, 钟绍鹏, 姜宇. 城市智慧公交研究综述与展望[J]. 交通运输系统工程与信息, 2022, 22(2): 91-108.
[3]	程君, 张立炎, 陈启宏. 一种基于地图辅助的自动驾驶视-惯融合定位方法[J]. 交通运输系统工程与信息, 2022, 22(2): 117-126.
[4]	王国栋, 刘立, 孟宇, 马智萍, 郑淏清, 顾青, 白国星. 一体式车辆避撞轨迹规划与跟踪控制[J]. 交通运输系统工程与信息, 2022, 22(2): 127-136.
[5]	马东方, 陈曦, 吴晓东, 金盛. 基于强化学习的干线信号混合协同优化方法[J]. 交通运输系统工程与信息, 2022, 22(2): 145-153.
[6]	许波桅, 王玲玲, 李军军. 自动化码头多级作业超网络延误传导特性研究[J]. 交通运输系统工程与信息, 2022, 22(2): 280-289.
[7]	田会娟, 刘嘉伟, 翟佳豪, 邓琳琳. 基于多入侵线的视频车速检测方法[J]. 交通运输系统工程与信息, 2022, 22(1): 49-56.
[8]	贾彦峰, 曲大义, 赵梓旭, 王韬, 宋慧. 基于安全势场的网联自主车辆跟驰行为决策及模型[J]. 交通运输系统工程与信息, 2022, 22(1): 85-97.
[9]	刘文, 汪文博. 基于秩最小化矩阵去噪的船舶轨迹重构方法[J]. 交通运输系统工程与信息, 2022, 22(1): 106-114.
[10]	赵建东, 陈溱, 焦彦利, 张凯丽, 韩明敏. 重点营运车辆的异常驾驶行为识别研究[J]. 交通运输系统工程与信息, 2022, 22(1): 282-291.
[11]	徐东伟, 彭航, 商学天, 魏臣臣, 杨艳芳. 基于图自编码-生成对抗网络的路网数据修复[J]. 交通运输系统工程与信息, 2021, 21(6): 33-41.
[12]	游峰, 梁健中, 曹水金, 肖智豪, 吴镇江, 王海玮. 面向多目标跟踪的密集行人群轨迹提取和运动语义感知[J]. 交通运输系统工程与信息, 2021, 21(6): 42-54.
[13]	王福建, 俞佳浩, 赵锦焕, 梅振宇. 基于站点实时关联度的短时公交客流预测方法[J]. 交通运输系统工程与信息, 2021, 21(6): 131-144.
[14]	张毅, 姚丹亚, 李力, 裴华鑫, 晏松, 葛经纬. 智能车路协同系统关键技术与应用[J]. 交通运输系统工程与信息, 2021, 21(5): 40-51.
[15]	龙建成, 郭嘉琪. 动态交通分配问题研究回顾与展望[J]. 交通运输系统工程与信息, 2021, 21(5): 125-138.