CN107341961B - 基于信息素反馈的路径诱导方法以及计算机可读存储介质 - Google Patents

基于信息素反馈的路径诱导方法以及计算机可读存储介质 Download PDF

Info

Publication number
CN107341961B
CN107341961B CN201710607368.8A CN201710607368A CN107341961B CN 107341961 B CN107341961 B CN 107341961B CN 201710607368 A CN201710607368 A CN 201710607368A CN 107341961 B CN107341961 B CN 107341961B
Authority
CN
China
Prior art keywords
road
vehicle
pheromones
information element
feedback
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710607368.8A
Other languages
English (en)
Other versions
CN107341961A (zh
Inventor
张凯
陈博奎
吴金超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Graduate School Tsinghua University
Original Assignee
Shenzhen Graduate School Tsinghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Graduate School Tsinghua University filed Critical Shenzhen Graduate School Tsinghua University
Priority to CN201710607368.8A priority Critical patent/CN107341961B/zh
Publication of CN107341961A publication Critical patent/CN107341961A/zh
Application granted granted Critical
Publication of CN107341961B publication Critical patent/CN107341961B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications

Abstract

基于信息素反馈的路径诱导方法以及计算机可读存储介质，方法包括：实时获取道路上各车辆的行驶速度并判断车辆是否减速行驶或停止行驶，减速车辆释放第一计量的信息素，停止车辆释放第二计量的信息素，第二计量大于第一计量；累计当前时间步内道路上的车辆所释放的信息素在道路入口处的信息素浓度；根据信息素浓度和截至前一时间步道路上剩余的累积信息素浓度来计算截至当前时间步道路上的车辆所释放的信息素在道路入口处的累积信息素浓度；根据道路入口处的累积信息素浓度及对应的道路长度，计算道路在其入口处的标准化信息素浓度；在可供选择的多条道路中，以当前时间步标准化信息素浓度最小的道路作为当前推荐车主首选的道路。

Description

基于信息素反馈的路径诱导方法以及计算机可读存储介质
技术领域
本发明涉及交通诱导技术领域，具体涉及一种基于信息素反馈的路径诱导方法以及一种计算机可读存储介质。
背景技术
交通诱导系统是一个综合性很强的系统，它主要是通过采集设备获取交通状态信息，并将交通状态信息进行发布，以对车辆进行路径诱导。车辆根据诱导信息进行合理的路径选择，从而缩短出行时间，同时交通诱导通过对交通流在不同路径上的分配使路网交通流实现均衡，减少交通拥堵发生的可能。在智能交通系统中交通诱导系统将具有越来越重要的作用。
目前，北美、德国、欧洲一些国家的交通诱导系统较为领先，其中比较成功的交通诱导系统有美国的TravTek系统、德国的Ali-Scou系统和日本的VICS系统。
在交通诱导策略上，学者们根据信息采集方式和交通场景的不同提出了很多不同的诱导策略。其中，交通反馈诱导策略是用不同的指标来反映交通状况信息，车主根据反馈的交通状况信息来选择合适的路径。
Wahle等人最早提出了基于旅行时间信息的反馈策略(TTFS)，并通过双通道模型进行了分析；然后Lee等人研究了基于平均速度信息的反馈策略(MVFS)，也就是瞬时平均速度；接着Wang等人提出了另一种叫做拥堵系数反馈策略(CCFS)的策略，在该策略中，将相互之间没有间隔的车辆看作是一个拥堵队列，然后根据拥堵队列数和每个队列中的车辆数计算拥堵系数。以上这些策略都是在对称性的双出口双通道模型中进行的仿真测试，Wang等人验证了CCFS策略是这三者中效果最好的。之后，Dong等人提出了四种策略，分别叫做预测反馈策略(PFS)、车辆数反馈策略(VNFS)、加权拥堵系数反馈策略(WCCFS)和对应角度反馈策略(CAFS)，这四种策略均是在单出口的双通道模型中进行的测试。为了比较这些反馈策略的优劣，Chen等人分别在对称性的双出口双通道模型和非对称的单出口双通道模型中分别对这些策略进行了测试，并提出一种新的信息反馈策略，叫做最大间隔反馈策略(VLFS)，通过仿真测试，证明了VLFS在不同环境下都比前面的策略都要好。
王中奇基于Srackelberg博弈建立了管理者－出行者博弈模型，并给出了基于遗传算法的模型求解算法，提出了在离散化模型中管理者采取基于矫正路径平均旅行时间的诱导策略。计算仿真结果表明，矫正策略相比于反馈策略能够更好地改善路网运行状态，并且交通需求越大、路网越拥堵时，该矫正策略的效果越好。
此外，检测器的形式和诱导信息的展示方式也限制了诱导信息更新的速度。为此，贺正冰等人提出了状态反馈诱导策略，即根据各路径的实时交通状态对车辆进行诱导，为减少诱导信息更新周期较长与交通需求实时变化之间的矛盾，提出了路径交通状态反馈与时间反馈策略结合的混合策略。于战科等人提出了一种采用邻近交叉策略、贪婪前向变异策略和稳态繁殖遗传方式的改进遗传算法，并将其应用于城市交通诱导策略。
发明内容
本发明的主要目的在于提出一种基于信息素反馈的路径诱导方法，能够实现更早地预判并向车主展示不同路径的拥堵情况，以解决现有的诱导策略所存在的交通状态信息反馈滞后的问题。
本发明为达上述目的所提出的技术方案如下：
一种基于信息素反馈的路径诱导方法，包括以下步骤S1至S5：
S1、实时获取道路k上各车辆的行驶速度并判断车辆是否减速行驶或停止行驶，并设定减速车辆一个时间步释放一第一计量的信息素，停止车辆一个时间步释放一第二计量的信息素，其中，第二计量大于第一计量；其中k∈K，K为可供选择的道路的集合；
S2、累计当前时间步t内道路k上的车辆所释放的信息素在道路k入口处的信息素浓度
S3、根据信息素浓度计算截至当前时间步t道路k上的车辆所释放的信息素在道路k入口处的累积信息素浓度有其中：为截至t的前一时间步为止道路上的累积信息素浓度，β为在当前时间步t之前随着时间而蒸发掉的累积信息素的比例；
S4、根据道路k入口处的累积信息素浓度及对应的道路长度，计算道路k入口处的标准化信息素浓度；
S5、在可供选择的多条道路中，以当前时间步标准化信息素浓度最小的道路作为当前推荐车主首选的道路。
本发明提供的上述基于信息素反馈的路径诱导方法，对于现有的诱导技术来说能够更早地判断不同道路的拥堵情况，从而实现更有效的诱导。
附图说明
图1是本发明的一种实施例提出的路径诱导方法流程图；
图2是车辆路径选择示意图。
具体实施方式
下面结合附图和优选的实施方式对本发明作进一步说明。
本发明的具体实施方式提出了一种基于信息素反馈的路径诱导方法，该方法的思想是收集并处理道路上的车辆行驶状态信息，将状态信息比作“信息素”，优选地设定当车辆一旦减速或停止，便释放“信息素”。通过收集信息素并进行计算处理来反映各个时刻或时间步(即时间段或时间间隔)道路上的拥堵情况，并反映出拥堵情况在道路入口处的影响程度，以在路口处就给司机进行提示，实现有效的交通诱导。
参考图1，本发明具体实施方式提供的基于信息素反馈的路径诱导方法，具体包括以下步骤S1至S5：
步骤S1、实时获取道路k上各车辆的行驶速度并判断车辆是否减速行驶或停止行驶，并设定减速车辆一个时间步释放一第一计量的信息素，停止车辆一个时间步释放一第二计量的信息素，其中，第二计量大于第一计量；其中k∈K，K为可供选择的道路的集合。在具体的实施例中，获取车辆行驶速度的方法例如可以是采用感应线圈、红外检测器或/和微波检测器等固定检测设备，也可以通过车辆GPS定位数据来计算速度。优选地，每隔一固定的时间段则判断一次，例如每隔1秒判断一次车辆是否发生减速或停止。
步骤S2、累计当前时间步t内道路k上的车辆所释放的信息素在道路k入口处的信息素浓度在一种优选的实施例中，其中，Nk表示当前时间步t道路k上的车辆数，i表示当前时间步t道路k上的第i辆车，δ表示一个单位的信息素，δxi表示第i辆车在当前时间步t所释放的信息素；若第i辆车行驶中且未减速则xi＝0，若第i辆车减速行驶则xi＝1，若第i辆车停止行驶则xi为大于1的常数；w(li)为第i辆车所释放的信息素在道路k入口处的浓度系数，且有w(li)＝1/li，其中li为第i辆车到道路k入口的距离。
步骤S3、根据信息素浓度计算截至当前时间步t道路k上的车辆所释放的信息素在道路k入口处的累积信息素浓度有其中：为截至t的前一时间步为止道路上的累积信息素浓度，β为在当前时间步t之前随着时间而蒸发掉的累积信息素的比例。
需要说明，车辆在道路上所释放的信息素是有时效性的，如果车辆持续减速或连续多个时间步都处于停止状态，则信息素随着时间的增加而不断累计，另一方面，随着时间的流逝，车辆对道路造成的拥堵效用也最终会消失，即信息素最终会蒸发掉。比如在当前时间步t内，某辆车因为减速而释放的信息素为δ，而在下一时间步t+1内该辆车还是减速，则在时间步t+1内释放的信息素依然为δ，但在这两个连续的时间步内，该车辆累计释放了2δ的信息素。因此，步骤S2中计算的仅仅是在某个时间步内(比如当前时间步t内)道路k上的所有车辆释放的信息素在道路k入口处的浓度；而步骤S3中计算的是代表了截至当前时间步为止的这一段时间内道路k上所累积下来的其入口处的信息素浓度，因此包含了前一时间步所剩余的信息素浓度以及当前时间步内所产生的信息素浓度
步骤S4、根据道路k入口处的累积信息素浓度及对应的道路长度，计算道路k入口处的标准化信息素浓度。优选地，用步骤S3中得到的道路k的所述累积信息素浓度除以道路k的长度，即得到标准化信息素浓度。
步骤S5、在可供选择的多条道路中，以当前时间步标准化信息素浓度最小的道路作为当前推荐车主首选的道路。优选地，可以通过车载路径诱导设备和/或道路入口提示屏向车主推荐当前时间步标准化信息素浓度最小的道路作为首选。
下面以图2所示的道路系统为例来对本发明提供的前述路径诱导方法进行详细的说明。
如图2所示，假设一辆汽车C欲从P1点到P2点，它有两条路径可以选择，分别是道路A和道路B，则可以在这两条道路的入口的交叉口E处对司机进行路径诱导的提示，也可以在到达入口之前就提前通过车载的路径诱导系统对司机进行提示。通过本发明前述提供的路径诱导方法来产生诱导提示，具体过程如下：
道路A和B一直都处于使用本发明诱导方法的诱导系统的监测中，首先，以道路A为例，可以通过安装于道路A上的固定检测设备来获取t1时刻和t2时刻处于道路A上的车辆，例如车辆A1的速度v1和v2，再判断在t1至t2之间这个当前时间步t内，车辆A1是否减速(v1＞v2)或停止(v2＝0)，假设车辆A1减速，则其在当前时间步释放了一个单位的信息素δ，同样地，如果判断出车辆A2在当前时间步停止，则车辆A2在当前时间步释放了两个单位的信息素2δ，而车辆A1到入口的距离为l1，车辆A2到入口的距离为l2，那么，在当前时间步，道路A上的车辆所释放的信息素在道路A入口处的信息素浓度在此处，道路k即为道路A。需要注意的是，车辆到入口的距离并非是直线距离，而是沿着道路相距入口的路程。接着，再计算截至当前时间步为止，道路A上所积累的信息素在入口处累积的信息素浓度 如图2所示，假设车辆A3在前一时间步t-1时还处于道路A上，而当前时间步t已驶出道路A的出口，即车辆A3所释放的信息素当前已从道路A上蒸发，由于本方法是实时不断地执行中，因此前一时间步的是已知的，蒸发比例β也是可以算出来的，从而便可计算得到再采用道路A的长度lA，来计算当前时间步t，道路A在其入口处的标准化信息素浓度其中k为A，
以同样的方法计算得到当前时间步t，道路B在其入口处的标准化信息素浓度其中k为B。
然后即时向每个对应的车载路径诱导系统推送每条道路在当前时间步的标准化信息素浓度，还可以同时在道路入口处显示道路的标准化信息素浓度。例如，图2所示的例子，可以根据定位信息以及导航信息向汽车C推送附近可选道路的标准化信息素浓度的值(也可以将该值转化为通俗易懂的拥堵系数)，汽车C的司机也可以通过在路口E处设置的显示屏等所显示的道路A和B在当前时间步的标准化信息素浓度的值的大小，来选择标准化信息素浓度最小的道路作为最佳行驶路径。
本发明的另一实施例还提出了一种计算机可读存储介质，其上存储有一计算机程序，该计算机程序被处理器执行时可以实现前述提供的路径诱导方法的步骤。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明的保护范围。

Claims (8)

1.一种基于信息素反馈的路径诱导方法，其特征在于，包括以下步骤S1至S5：
S1、实时获取道路k上各车辆的行驶速度并判断车辆是否减速行驶或停止行驶，并设定减速车辆一个时间步释放一第一计量的信息素，停止车辆一个时间步释放一第二计量的信息素，其中，第二计量大于第一计量；其中k∈K，K为可供选择的道路的集合；
S2、累计当前时间步t内道路k上的车辆所释放的信息素在道路k入口处的信息素浓度
S3、根据信息素浓度计算截至当前时间步t道路k上的车辆所释放的信息素在道路k入口处的累积信息素浓度有其中，为截至t的前一时间步为止道路上的累积信息素浓度，β为在当前时间步t之前随着时间而蒸发掉的累积信息素的比例；
S4、根据道路k入口处的累积信息素浓度及对应的道路长度，计算道路k入口处的标准化信息素浓度；
S5、在可供选择的多条道路中，以当前时间步标准化信息素浓度最小的道路作为当前推荐车主首选的道路。
2.如权利要求1所述的基于信息素反馈的路径诱导方法，其特征在于：步骤S2中所述的信息素浓度计算方法如下：
其中，Nk表示当前时间步t道路k上的车辆数，i表示当前时间步t道路k上的第i辆车，δ表示一个单位的信息素，δxi表示第i辆车在当前时间步t所释放的信息素；若第i辆车行驶中且未减速则xi＝0，若第i辆车减速行驶则xi＝1，若第i辆车停止行驶则xi为大于1的常数；w(li)为第i辆车所释放的信息素在道路k入口处的浓度系数，且有w(li)＝1/li，其中li为第i辆车到道路k入口的距离。
3.如权利要求1或2所述的基于信息素反馈的路径诱导方法，其特征在于：步骤S4中计算道路k入口处的标准化信息素浓度的方法是：用步骤S3中得到的道路k的所述累积信息素浓度除以道路k的长度。
4.如权利要求1所述的基于信息素反馈的路径诱导方法，其特征在于：步骤S1中通过道路上的固定检测设备和/或车辆GPS定位数据来获取车辆的行驶速度。
5.如权利要求4所述的基于信息素反馈的路径诱导方法，其特征在于：所述固定检测设备包括感应线圈、红外检测器和微波检测器。
6.如权利要求1或2所述的基于信息素反馈的路径诱导方法，其特征在于：所述第二计量是所述第一计量的两倍。
7.如权利要求1所述的基于信息素反馈的路径诱导方法，其特征在于：通过一车载路径诱导设备和/或道路入口提示屏向车主推荐当前时间步标准化信息素浓度最小的道路作为首选。
8.一种计算机可读存储介质，其上存储有一计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。
CN201710607368.8A 2017-07-24 2017-07-24 基于信息素反馈的路径诱导方法以及计算机可读存储介质 Active CN107341961B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710607368.8A CN107341961B (zh) 2017-07-24 2017-07-24 基于信息素反馈的路径诱导方法以及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710607368.8A CN107341961B (zh) 2017-07-24 2017-07-24 基于信息素反馈的路径诱导方法以及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN107341961A CN107341961A (zh) 2017-11-10
CN107341961B true CN107341961B (zh) 2019-08-30

Family

ID=60216557

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710607368.8A Active CN107341961B (zh) 2017-07-24 2017-07-24 基于信息素反馈的路径诱导方法以及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN107341961B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110196595B (zh) * 2019-05-31 2021-12-21 武汉科技大学 一种基于红外线模拟人工信息素的群体机器人系统
CN112767683B (zh) * 2020-12-22 2021-12-21 安徽百诚慧通科技有限公司 一种基于反馈机制的路径诱导方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8234067B2 (en) * 2007-07-27 2012-07-31 University Of Notre Dame Du Lac Methods and apparatus for swarm navigation of multiple agents
CN102708698A (zh) * 2012-06-12 2012-10-03 北京理工大学 基于车联网的车辆最优路径导航方法
CN103472828A (zh) * 2013-09-13 2013-12-25 桂林电子科技大学 基于改进蚁群粒子群算法的移动机器人路径规划方法
CN104766484A (zh) * 2015-03-23 2015-07-08 南京邮电大学 基于进化多目标优化和蚁群算法的交通控制与诱导系统和方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050065064A1 (en) * 2002-08-09 2005-03-24 Elias Lolis Identification of allosteric peptide agonists of CXCR4

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8234067B2 (en) * 2007-07-27 2012-07-31 University Of Notre Dame Du Lac Methods and apparatus for swarm navigation of multiple agents
CN102708698A (zh) * 2012-06-12 2012-10-03 北京理工大学 基于车联网的车辆最优路径导航方法
CN103472828A (zh) * 2013-09-13 2013-12-25 桂林电子科技大学 基于改进蚁群粒子群算法的移动机器人路径规划方法
CN104766484A (zh) * 2015-03-23 2015-07-08 南京邮电大学 基于进化多目标优化和蚁群算法的交通控制与诱导系统和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
改进量子蚁群算法在动态路径诱导中的应用;张程程，康维新;《应用科技》;20151031;第42卷(第5期);全文

Also Published As

Publication number Publication date
CN107341961A (zh) 2017-11-10

Similar Documents

Publication Publication Date Title
Wang et al. Next road rerouting: A multiagent system for mitigating unexpected urban traffic congestion
CN104040605B (zh) 交通信号控制方法和交通信号控制机
Saha et al. Delay at signalized intersections under mixed traffic conditions
CN103903423B (zh) 基于浮动车数据的交通事件信息发布范围确定方法
CN106548633A (zh) 一种路网潮汐交通流可变导向车道控制方法
CN102184640A (zh) 高速公路网的救援路径自动决策方法
CN102289943A (zh) 一种保证高架桥畅通的交通控制方法
CN104484514A (zh) 一种规避拥堵路段的弹性公交线路设计方法
CN102005122A (zh) 多匝道调节方法及其系统
CN107341961B (zh) 基于信息素反馈的路径诱导方法以及计算机可读存储介质
CN114944067B (zh) 一种基于车路协同的弹性公交专用车道实现方法
CN105654720A (zh) 基于城市道路拥堵识别的检测器布设方法
Shahi et al. MRGM: An adaptive mechanism for congestion control in smart vehicular network
Rakha et al. Traffic signal control enhancements under vehicle infrastructure integration systems.
Xiang et al. A weighted mean velocity feedback strategy in intelligent two-route traffic systems
Oliveira-Neto et al. Active and passive bus priority strategies in mixed traffic arterials controlled by SCOOT adaptive signal system: Assessment of performance in Fortaleza, Brazil
Hellinga et al. An overview of a simulation study of the Highway 401 freeway traffic management system
Moghimi et al. Look-ahead transit signal priority control with self-organizing logic
Son et al. Bus arrival time prediction method for ITS application
CN110853346B (zh) 交叉路口的车流控制方法和系统
Luk et al. Comparing driver information systems in a dynamic modeling framework
JP2002063680A (ja) 交通管制システム
Lv et al. Optimization of dynamic parking guidance information for special events
Gibbens et al. An investigation of proportionally fair ramp metering
WO2024027428A1 (zh) 一种动静态联动的车辆路径引导方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant