考虑实时能耗及排放的环境友好型路径动态规划方法研究.pdfVIP

摘要

近年来，全球环境问题日益凸显，尤其是气候变化和空气污染问题。据统

计，全球碳排放量直线增长，已经达到了威胁人类生存的不可持续水平。中国

作为世界上最大的碳排放国，政府对于环保和节能减排工作逐渐引起重视，整

个社会也逐渐开始重视环保减排领域，并为这方面的研究提供了广泛的支持和

帮助。因此，基于大规模无人机轨迹数据，对环境友好型路径规划方法展开研

究。

在这种背景下，首先对大规模无人机轨迹数据集进行处理，划分了研究区

域，对轨迹数据集进行了数据清洗和筛选。之后提取出了研究区域内的路网节

点和路段信息，提取了每个路段上的交通运行参数信息；之后建立了行程时间

估计模型，获取了后续研究所有所需基础数据。其次，本研究结合已有数据，

最终选择结合COPERT模型和BP神经网络模型建立预测模型。研究选择采

用COPERT模型测算轨迹数据在各个路段内产生的能耗及排放，并将其分为

训练集和检验集；之后采用多元线性回归分析的方法，最终确定了影响能耗及

排放较为显著的9个变量，并建立了预测路段能耗及排放的多元线性回归模型；

同时建立BP神经网络模型，将9个变量作为输入，建立了基于BP神经网络

的路段能耗及排放预测模型，通过两种预测模型分别对检验集能耗及排放进行

检验，结果表明本研究建立的神经网络预测模型相比线性回归模型准确度普遍

高10%左右。

之后，本研究基于蚁群算法建立了环境友好型路径动态规划算法。本研究

利用双种群并行结构，通过设定ACS种群和MMAS种群的种间交流关系，建

立了双种群蚁群算法。之后本研究基于多出行目标构建了广义出行费用函数，

并以此作为目标函数基于动态变化的路网条件设计了求解环境友好型最优路径

的动态算法，并结合双种群蚁群算法进行了模型求解，设计算例对比双种群蚁

群算法和单种群蚁群算法的效果，结果发现本研究提出的双种群蚁群算法较好

地保留了两种蚁群算法的优点，可以在动态路网条件下满足对最优路径的搜索

需要。

最后，本研究以实际路网为例，分别以单目标角度和多目标角度对实际路

网下的车辆轨迹进行了优化并完成实例验证。本研究先分别以多种单目标对轨

迹进行了优化，之后本研究探究了出行者视角和管理者视角不同出行偏好下广

义出行费用各部分的重要性，并通过层次分析法对权重赋值。在两种视角下分

别对轨迹进行多目标优化。结果表明多目标下的环境友好型路径动态规划方法

相比单目标更加符合路径选择的多样化需求，同时发现不同的广义出行费用权

重组合会呈现不同的优化效果。最终多目标环境友好型路径动态规划优化方法

将规划出所有出行偏好均处于次优的整体最优路径。

本研究结合了实时能耗及排放数据，提出了一种动态路网条件下环境友好

型路径的规划和优化方法，所规划的路径可以最大程度满足出行路径的多样化

需求，可以为城市交通规划、道路节能减排、车辆路径导航等领域提供参考和

新的思路。

关键词：能源消耗；尾气排放；环境友好型路径；动态规划方法；BP神经网

络；蚁群算法

Keywords：Energyconsumption,Exhaustemissions,Environment-friendly

pathways,Dynamicplanningmethods,BPneuralnetworks,AntColony

Optimization

目录

摘要I

AbstractIII

第1章绪论1

1.1课题的来源1

1.2研究的背景和意义1

1.3国内外研究现状2

1.3.1国外研究现状2

1.3.2国内研究现状6

1.3.3国内外文献综述8

1.4主要研究内容9

1.5技术路线10

第2章大规模行驶轨迹数据处理及交通参数提取11

2.1大规模轨迹数据采集11

2.2机动车轨迹数据集预处理13

2.2.1轨迹数据集格式13

2.2.2数据质量检查和分析14