基于GAACO交通拥挤及事故规避系统研究.docVIP

基于GAACO交通拥挤及事故规避系统研究 　　摘 要：为了减少车辆在行驶过程中产生的交通事故和规避拥挤道路，研究了道路拥挤程度的影响因素和评价指标以及道路事故的理论与模型。提出采用路网的动态路阻对事故的影响程度和道路拥挤程度进行综合评价，并对动态路阻采用模糊理论进行量化。同时研究了遗传算法和蚁群算法在该规避系统中的应用，采用遗传蚁群的混合算法，综合了遗传算法全局搜索和蚁群算法求解精确的特点。用Matlab对该路阻函数和混合算法进行仿真，并进行了实际路网测试，结果表明利用该路阻函数和混合算法能够达到规避拥挤、规避潜在事故和规避已发事故的目的。 　　关键词：交通路网；遗传蚁群混合算法；道路拥挤；最优路径；事故阻断 　　中图分类号：U461.91文献标文献标识码：A文献标DOI：10.3969/j.issn.2095-1469.2015.05.10 　　随着社会经济的飞速发展，我国的汽车保有量也逐年提高，造成道路交通承载压力越来越大，导致大量的交通拥挤和交通事故。所以道路交通的拥挤程度评价和交通事故的预测规避对交通规划以及道路交通安全控制等具有重要意义。交通拥挤程度评价系统的核心在于动态路阻的计算和最小拥挤路径的求解。国内外对于交通拥挤进行了多方面的研究，在动态路阻的计算与评价方面主要有层次分析法、模糊综合法、主成分分析法等[1]。最小拥挤路径的求解算法经典的有Dijkstra、Floyd、A*算法以及它们相应的改进算法等[2]。仿生智能路径优化算法是针对实际路网的复杂性以及用传统方法求解优化问题存在很多困难的情况而发展起来的。目前国内外研究热门的智能路径优化算法主要有遗传算法、粒子群优化算法以及蚁群算法等[3]。 　　交通事故的预测是道路安全评价、规划以及决策的基础，其预测模型主要有回归模型法、经验模型法、时间序列法等[4]。国内外大多数论文一般将拥挤评价和事故预测规避分开，然而两者间互相有很深的联系，事故的发生会导致拥挤程度的快速增长，拥挤程度也会导致潜在事故概率的变化。考虑到道路交通各影响因素内部关系的错综复杂性和价值系统的模糊性，对模糊理论进行了相关研究，利用模糊综合法设计了一种路阻的动态计算模型。将道路的拥挤情况和事故链结合综合评价，然后利用遗传与蚁群混合算法，综合遗传算法的全局搜索能力和蚁群算法的快速精确性，进而求解得到最优路径，达到规避拥挤、规避潜在事故和规避已发事故的目的。 　　1 路网的数学模型 　　为了迅速、准确而安全地到达目的地，车辆行驶过程中，就要有效地避开拥挤路段和潜在风险事故大的路段或已发生事故的路段，即在起点与终点间寻找一条综合了道路拥挤与事故概率后的最优路径。为了解决上述问题，以结构直观的交通网路图（图1 　　为用Mapbasic语言编程后，得到的路网抽象模型）为基础，将最优路径的寻找转换成在有向赋权图上求解两点间最短距离的问题。这里的有向赋权图是这样来建立的，即用道路的交叉口或者道路特性（道路宽度、等级）发生改变的位置对应图的节点，两交叉口之间的路段对应图中的边，路段的长度作为该边的权值。这样的赋权有向图用下述公式表示为 　　。 　　式中，G为表示路网的赋权有向图； 　　为路网节点集合；n为路网节点数；E为路网边集合；m为路网边数；D为路网的路权矩阵；dij为i、j两节点间的道路长度，m。根据不同的优化目标，可以定义相应的路权，反映到赋权有向图上，就是各条边的权。本文将其它的影响因素量化为道路的长度，即选取行驶距离为优化目标。设D（t）为路网的动态路阻矩阵，则t时刻相邻2节点i到j的路阻可以简单地表示为Dij（t）=λdij。 　　2 动态路阻的计算 　　2.1 动态路阻影响因数的选取 　　路阻影响因数主要包含两大类：道路属性（宽度、道路等级、交通限制）和交通参数（交通流量、速度、道路占有率、路口排队长度等）。各个因数的影响大小不一样，数据的获得也存在着难易程度上的差别。高速公路或者城市快速路具有典型的连续交通流特征，在上面行驶的车辆可以在相当长的路段上不受其它道路交通流的影响而连续运行，且不会发生因红绿灯而引起的交通拥挤现象。行驶于城市快速路和高速路上的车辆所形成的交通拥挤除了环境因素外，往往是因交通流量过大而造成的。 　　所以对于高速公路或者城市快速路，选取平均行程速度和交通流量[3，5]。对城市道路而言，其具有典型的间断交通流特征，选取平均行程速度、饱和度S=V/C、平均延误时间[3，6-7]。其中V为进口车道实际交通量，辆/h；C为进口车道通行能力，辆/h。 　　2.2 动态路阻选取因数的量化[3] 　　动态路阻矩阵Dij（t）=λdij 。 　　式中，。 　　其中λ1为道路属性信息相关的路权系数；λ2为实时交通信息相关的路权系数；λ3为与驾驶者特殊要