基于局部连通性的在途动态路径诱导方法

交通运输系统工程与信息 ›› 2018, Vol. 18 ›› Issue (1): 59-65.

• 智能交通系统与信息技术 • 上一篇下一篇

基于局部连通性的在途动态路径诱导方法

梁伟¹，张毅*^{1, 2, 3}，胡坚明¹

1. 清华大学自动化系，北京 100084；2. 清华—伯克利深圳学院，广东深圳 518055； 3. 江苏省现代城市交通技术创新中心，南京 210096

收稿日期:2017-06-30 修回日期:2017-10-30 出版日期:2018-02-25 发布日期:2018-02-26
作者简介:梁伟(1979-)，男，湖北襄阳人，博士生.
基金资助:
国家自然科学基金/National Natural Science Foundation of China(61673233)；国家重点研发计划/National Key Research & Development Plan Project(2016FYB0100906)；北京市科技计划重点项目/Beijing Technology Plan Project (D15110900280000).

Dynamic En-route Guidance Approach Based on Local-connectivity

LIANG Wei ¹, ZHANG Yi ^{1, 2, 3}, HU Jian-ming¹

1. Department of Automation, Tsinghua University, Beijing 100084, China; 2. Tsinghua-Berkeley Shenzhen Institute (TBSI), Shenzhen 518055, Guangdong, China; 3. Jiangsu Province Collaborative Innovation Center of Modern Urban Traffic Technologies, Nanjing 210096, China

Received:2017-06-30 Revised:2017-10-30 Online:2018-02-25 Published:2018-02-26

摘要/Abstract

摘要：

驾车购物已经成为现代城市居民常见的生活出行方式，而驾车购物出行量的不断增长也引发了严重的道路交通供需矛盾，加重了城市交通拥堵程度.为更好地满足居民驾车购物出行的实际需要，出行路径诱导已成为一种优先选择，但目前大多数路径诱导方法运用固定的最优路径搜索算法来规划行驶路线，不能完全自适应交通流的变化，并没有考虑到购物出行特点.本文提出一种在途动态路径诱导方法，分析实时交通信息对路网连通性的动态影响，在途中对诱导路径进行局部范围的重新搜索，并及时将更新结果反馈给在途车辆.实验结果表明，与其他动态路径诱导方法相比，该方法计算量减少了56%以上，具有更强的实时性和有效性，并具有开放性结构，能够根据需求替换不同路径搜索算法.

关键词: 智能交通, 在途动态路径诱导, 动态连通性, 路径优化, 局部路网

Abstract:

Shopping trip by cars is common in residents’traveling. The increasing number brings the traffic conflict between supply and demand and more congestion. Route guidance is a suitable choice for shoppers. But most guidance approaches use the fixed path optimization algorithm to plan and do not adapt itself to the variety of urban traffic, which omits the characteristic of the shopping trip and reliefs the traffic congestion. A new route guidance approach is developed for en- route vehicles. The proposed approach analyzes the local road network based on the dynamic connectivity, updates local of the guidance route and feeds back to the vehicle. The experimental results show that the approach has an open structure in which better path optimization algorithms can be applied and it decreases the computation by more than 56%.

Key words: intelligent transportation, dynamic en- route route guidance, dynamic local- connectivity, path optimization, local urban traffic network

中图分类号:

U495

梁伟，张毅，胡坚明. 基于局部连通性的在途动态路径诱导方法[J]. 交通运输系统工程与信息, 2018, 18(1): 59-65.

LIANG Wei, ZHANG Yi, HU Jian-ming. Dynamic En-route Guidance Approach Based on Local-connectivity[J]. Journal of Transportation Systems Engineering and Information Technology, 2018, 18(1): 59-65.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract19555.shtml

http://www.tseit.org.cn/CN/Y2018/V18/I1/59

参考文献

[1] HAWAS Y E, EL- SAYED H. Autonomous real time route guidance in inter-vehicular communication urban networks[J]. Vehicular Communications, 2015, 2(1): 36- 46.

[2] SHIFFMAN S. Analytical hierarchy process using fuzzy inference technique for real-time route guidance system[J]. IEEE Transactions on Intelligent Transportation Systems, 2014, 15(1): 84-93.

[3] LIANG Z L, WAKAHARA Y. Real-time urban traffic amount prediction models for dynamic route guidance systems[J]. EURASIP Journal on Wireless Communications and Networking, 2014, 2014(1): 1-13.

[4] PAN J, POPA I S, ZEITOUNI K, et al. Proactive vehicular traffic rerouting for lower travel time[J]. IEEE Transactions on Vehicular Technology, 2013, 62(8): 3551-3568.

[5] SHAHZADA A, ASKAR K. Dynamic vehicle navigation: An A* algorithm based approach using traffic and road information[C]//IEEE International Conference on Computer Applications and Industrial Electronics. Penang: IEEE, 2011: 514-518.

[6] JIANG J C, WU L X. A re- optimization dynamic shortest path algorithm for vehicle navigation[C]// Geoscience and Remote Sensing Symposium, IEEE, Quebec City, 2014: 3109-3112.

[7] 吴成东, 杨丽英, 许可. 神经网络和遗传算法在动态路径诱导中的应用[J]. 计算机应用研究, 2006(5): 177-179. [WU C D, YANG L Y, XU K. Application of neural network and genetic algorithm in dynamic route guidance[J]. Application Research of Computers, 2006(5): 177-179.]

[8] 张和生, 张毅, 胡东成, 等. 区域交通状态分析的时空分层模型[J]. 清华大学学报(自然科学版), 2007, 47(1): 157-160. [ZHANG H S, ZHANG Y, HU D C, et al. Spatial-temporal hierarchical model for area traffic state analysis[J]. Journal of Tsinghua University, 2007, 47(1): 157-160.]

[9] 吴俊, 谭索怡, 谭跃进, 等. 基于自然连通度的复杂网络抗毁性分析[J]. 复杂系统与复杂性科学, 2014, 11(1): 77-86. [WU J, TAN S Y, TAN Y J, et al. Analysis of invulnerability in complex networks based on natural connectivity[J]. Complex Systems and Complexity Science, 2014, 11(1): 77-86.]

[10] 柴琳果, 蔡伯根, 王化深, 等. 车联网中驾驶员反应时间实时估计方法[J]. 交通运输系统工程与信息, 2016, 16(5): 71-78. [CHAI L G, CAI B G, WANG H S, et al. Real-time estimating method of diver’s reacting time under the condition of internet of vehicles[J]. Journal of Transportation Systems Engineering and Information Technology, 2016, 16(5): 71-78.]

[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]	柳伍生, 李旺, 周清, 迭纤. “无人机-车辆”配送路径优化模型与算法[J]. 交通运输系统工程与信息, 2021, 21(6): 176-186.
[15]	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.

基于局部连通性的在途动态路径诱导方法

Dynamic En-route Guidance Approach Based on Local-connectivity

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics