• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 11
    • 下载费用:30 金币  

    重庆时时彩开奖最快: 一种基于多蚁群系统的混合交通流疏散路径规划方法.pdf

    关 键 词:
    一种 基于 群系 混合 通流 疏散 路径 规划 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201310682350.6

    申请日:

    2013.12.16

    公开号:

    CN104715281A

    公开日:

    2015.06.17

    当前法律状态:

    撤回

    有效性:

    无权

    法律详情: 发明专利申请公布后的视为撤回IPC(主分类):G06N 3/00申请公布日:20150617|||实质审查的生效IPC(主分类):G06N 3/00申请日:20131216|||公开
    IPC分类号: G06N3/00 主分类号: G06N3/00
    申请人: 湖北工业大学
    发明人: 王春枝; 宗欣露; 徐慧; 刘伟; 陈磊; 周正; 丁诚诚; 陈秋霞; 谢东杰
    地址: 430064湖北省武汉市李家墩一村特1号
    优先权:
    专利代理机构: 代理人:
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201310682350.6

    授权公告号:

    ||||||

    法律状态公告日:

    2018.02.06|||2015.07.15|||2015.06.17

    法律状态类型:

    发明专利申请公布后的视为撤回|||实质审查的生效|||公开

    摘要

    本发明提出一种基于多蚁群系统的混合交通流疏散路径规划方法来优化混合交通流问题,属于智能计算技术领域。该发明提出一种基于多蚁群系统的方法拟解决混合交通流中疏散路径问题。通过此方法总的疏散时间最小化了,整个道路网络中交通负载也得到了平衡。实验结果表明,这种基于多蚁群系统能比单个蚁群系统获得更好的解决方案,能在混合交通流疏散路径中得到更合理的路径规划。

    权利要求书

    权利要求书
    1.  一种基于多蚁群系统的混合交通流疏散路径规划方法,其特征在于,利用多个蚁群协同合作找到最优路径,防止单一蚁群系统陷入局部最优状态。

    2.  根据权利要求1所述,多蚁群系统中每个单独蚁群在进行蚁群算法时,能独立的各自释放本身信息素,进行局部最优路径搜索。

    3.  根据权利要求1所述,每个蚁群在进行局部最优路径搜索完成或者到达迭代次数,蚁群之间进行信息素通信。

    说明书

    说明书一种基于多蚁群系统的混合交通流疏散路径规划方法
    技术领域
    本发明提出一种基于多蚁群系统的混合交通流疏散路径规划方法来优化混合交通流问题,属于智能计算技术领域。 
    背景技术
    在建筑物内人员疏散方面,很多的研究工作都是通过疏散模型的计算机模拟来试图捕获人群的疏散行为,然后借助于实验数据来精细化所提出的“疏散模型”国内外研究者已经提出了多个疏散模型。在疏散建模中,除了从仿真角度建立疏散模型,基于群智能的应急疏散优化模型也是一个重要的研究领域。 
    Dorigo最早在“‘The Ant System:optimization by a colony of cooperating agents,’IEEE Transactions on Systems,Man,and Cybemetics-Part B,vol.26,no.1,pp.29-41,1996.”中提出蚁群优化算法。此算法以类似蚂蚁觅食的方式求解复杂组合优化问题,最早用于解决NP-hard问题如旅行商问题、调度问题、二次指派问题和车辆路径问题等,并取得了良好的仿真效果。在紧急疏散时,疏散对象所呈现的从众性、自组织性等行为特点,和蚁群系统具有很多共同的特点,而且蚁群算法的正反馈机制能够体现疏散个体对环境的感知和交互因此,蚁群算法适合于优化疏散路径规划问题。 
    蚂蚁在寻觅食物时,会在所经过的路径上释放一种特有的外激素,也称为信息素。一定范围内的蚂蚁能够感知这种物质的存在和浓 度,以此来引导自已的行动方向,并倾向与朝着信息素浓度搞的地方移动。路径越短,选择该路径的蚂蚁就越多,信息素浓度就越高。路径越长,通过的蚂蚁就越少,信息素的浓度就越低。后来的蚂蚁经过这条路的时候,选择信息素浓度较高路径的概率相对较大,而且信息素会随着时间的推移浓度越来越低。最后,众多蚂蚁的搜索过程就形成了最优路径 
    蚁群优化算法主要包括以下四个不同的阶段: 
    (1)初始化。将蚂蚁随机放置在节点上,并且为各条边的信息素设初值; 
    (2)节点选择。蚂蚁根据转移概率的大小在不同节点上移动,而转移概率是蚂蚁的视野和信息素两方面平衡的,这是最为重要的阶段; 
    (3)信息素更新。信息素的浓度决定了蚂蚁在下一轮循环中的移动; 
    (4)停止准则。当达到制定的循环次数时算法终止。 
    但是不论是基本的蚁群算法,还是大部分改进的蚁群算法,实际上都是基于单一一群系统、单信息素的算法,无法模拟蚁群内部的差异。在利用蚁群系统进行疏散仿真时,基于单一种群优化算法通过蚁群中路径信息素增强选择最优路径,容易陷入局部最优化,导致某些较优路径出现拥塞,很难取得满意的效果。 
    发明内容
    本方法介绍一种基于多蚁群系统的混合交通流疏散路径规划方法来优化混合交通流疏散问题。本算法重点优化的两个问题:最小化疏散时间和使整个疏散网络的交通负载均衡。 
    为了实现上述目的,首先对混合交通流疏散问题进行数学模型描述如下: 
    序号: 
    i——疏散网络节点序号 
    k——疏散者(人或车)序号 
    g——疏散者群体 
    参数: 
    M——移动对象个数 
    T——疏散所有对象话费的时间 
    ——紧急情况下疏散者k通过边(i,j)的时间 
    pk——疏散者k疏散路径节点的集合 
    ——疏散者k初始化时刻坐在节点 
    ——疏散时间T内边(i,j)上的交通负载 
    dij——从节点i到节点j的距离 
    ——正常情况下群体g对象通过边(i,j)的时间 
    ——紧急情况下群体g对象通过边(i,j)的时间 
    ——疏散时间T内群体g中通过边(i,j)的个体数目 
    ——t时刻群体g中位于边(i,j)上的个体数目 
    ——群体g在边(i,j)上的通行能力 
    minf1=ΣgΣk=1MΣi=S0kj∈Pktij(g,k)---(1)]]>
    minf2=ΣgΣi=1nΣj=1nlijg---(2)]]>
    约束模型: 
    lijg=|NijgT·Cijg-1|---(3)]]>
    tij(g,k)=dijvij(g,k)---(4)]]>
    vij(g,k)=v0g·e-wNij(t)Cji---(5)]]>
    ∀i∈Pk,i∈Nv---(6)]]>
    公式(1)为最小化疏散时间,公式(2)为使整个疏散网络的交通负载均衡。约束模型(3)为路段(i,j)上的交通负载计算公式;约束模型(4)是通过路段(i,j)所需时间的计算公式;约束(5)为路段(i,j)上移动对象通行速度的递减函数,速度随着路段饱和度的增加而降低,其中k为控制速度下降的参数;约束(6)保证车辆对象仅能访问车行道。 
    附图说明
    图1为多蚁群算法流程图。 
    图2为实验场景疏散网络。 
    图3为实验非支配解结果仿真图。 
    图4为最优疏散路径仿真图。 
    图5为疏散人员随时间变化关系。 
    具体实施方式
    (1)路径生成: 
    在本算法中,每个人工蚂蚁模拟一个行人或者车辆。初始时刻,将所有蚂蚁随机的放置在节点上,且蚂蚁的类型要与节点的属性一致。人工蚂蚁在搜寻出口的过程中,受到启发信息的影响,蚁群g中的蚂蚁在边(i,j)上的信息素记为定义为群体g正常情况下边(i,j)的通行时间乘以通行能力的倒数: 
    ηijg=1tijg·Cijg---(7)]]>
    公式(7)表明蚂蚁收到正常情况下路段通行时间和通行能力的启发来选择路径。 
    定义(g,k)为群体g中的疏散对象k。在蚂蚁的每一次移动中,蚂蚁(g,k)从节点i到节点j转移概率定义为: 
    Pij(g,k)(t)=τijα(t)ηijβ(t)Σs∈allowed(p,k)τisα(t)ηisβ(t)ifj∈allowed(g,k)0Otherwise---(8)]]>
    这里,allowed(g,k)为当前蚂蚁(g,k)允许方位的节点集,α,β分别代表信息素和启发式信息的重要程度。 
    (2)信息素更新: 
    对于每个蚁群,当所有蚂蚁都都成了从初始位置到出口节点搜索过程,蚂蚁路径各个边上的信息素根据各自所找到的局部最优解独立更新,每条边上的信息素按一下公式进行更新: 
    τijg(t+1)=(1-ρ)τijg(t)+ρΔτijg---(9)]]>
    Δτijg=QΣk=1MΣi=S0kj∈Pktij(g,k)·Σi=1nΣj=1nlijgifant(g,k)passed(i,j)0Otherwise---(10)]]>
    (3)蚁群通信: 
    通过蚁群间的相互通信可以改进搜索过程。当两个蚂蚁的搜索过程陷入停止或者达到制定的迭代次数,两个并行优化的蚁群就开始信息素通信。 
    对于每个蚁群来说,通过另一个蚁群的信息素更新自已的信息素来实现蚁群的通信: 
    τijg=λτijg+(1-λ)τijg---(11)]]>
    其中,λ(0≤λ≤1)是衡量当前蚁群和其他蚁群的相互影响的参数。 
    (4)算法: 
    Step1:蚁群信息素和各参数初始化。 
    Step2:对每个蚁群。 
    2.1:执行以下步骤生成路径。 
    2.1.1:随机将各个蚂蚁蚁群放置在初始化节点位置。 
    2.1.2:按照公式(8)的转移规则为每一只蚂蚁构建路径。 
    2.1.3:若每一只蚂蚁都构建了一条从出初始节点到出口节点的路径,则继续下一步,否则跳转至Step2.1。 
    Step2.2:确定非支配集。 
    Step2.3:按照公式(9)和(10)进行信息素更新。 
    Step2.4:重复执行2.1-2.3直至出现停滞状态。 
    Step3:蚁群之间通信,按照公式(11)修改每个蚁群的信息素信息。 
    Step4:根据迭代次数重复执行Step2-Step3。 
    本实验在武汉沌口体育中心体育场及周边的路网作为实验区域,该区域包括了体育场内部的建筑环境和周边道路网。如图2所示。图中上半部为体育馆内部疏散网络拓扑图,包括看台、楼梯、通道等在内共计157个节点,下半部为整个疏散区域的网络图,共计319个节点,包括道路、草坪、空地、等可达区域。整个疏散区域共有8个通向安全区域的出口。 
    分别对单一蚁群系统和多蚁群系统进行仿真实验,其基本参数设定为:α=2,β=3,ρ=0.7,Q=100,w=1,λ=0.5。实验中将所有的行人放置在中心区域,所有的车辆放置于允许车辆通行的节点上。每个疏散个体的目标是从其初始位置找到一条到8个出口之一的疏散路线。 
    模型的评价标准为总疏散时间最小和总交通负载最小。为此,分别采用不同人车混合比率进行实验,结果如表1。 
    表1ACS和MACS的仿真结果 

    对于多目标优化问题,所求的的解不唯一,针对单一蚁群系统和多蚁群系统,按照人车比1:1混合,所得的人车混合疏散多目标优 化路径问题的非支配解如图3所示,图中的每个点代表一个Pareto解,可以看出,对每一个方法,求得的解是一个集合,组成近似Pareto前沿,不同方法优化的目标找到一组最接近Pareto前沿的解集。从图3可以看出,由于引入了多蚁群通信机制,MACS比ACS的近似Pareto前沿更优。 
    表2列出MACS在人车混合比例为5:1下从各个出口撤离的行人和车辆个数分布,从各个出口疏散的行人百分比在1.4%到47%之间,车辆为2%至30%,疏散过程中所有的8个出口均有行人和车辆选择,不存在出口限制的情况,表明出口均有利用率。进一步统计,从各个出口疏散的人车比例在2:1到8:1之间变化,平均比例为5:1,这与人车混合比例相同,表明疏散过程中行人和车辆有序的成比例疏散。 
    表2各出口人车撤离分布 

    图4为最优疏散路径之一。图4(a)为ACS最优疏散路径,其中有1000只蚂蚁。图4(b)为MACS最优疏散路径,其中每个蚁群规模为500。图中对比的标出了两种疏散方案在路径分布上的不同,从图4(a)可以看出标记区域的路径分布相当密集,导致这些区域可能存在 潜在的拥堵风险,而图4(b)中的相应区域明显稀疏与图4(a),并且所有个体的疏散路径分布较ACS均匀,表明MACS方法将疏散个体比较均匀的分布在疏散网络上,意味着MACS的疏散方案能够有效的平衡交通负载。 
    图5为已疏散行人火车辆随时间变化曲线,该曲线代表疏散效率,行人和车辆总数都为500。从图5中发现MACS方法可以在100秒内疏散完错有个体,而ACS则需要350秒。表明MACS方法在疏散效率上优于ACS。 

    关于本文
    本文标题:一种基于多蚁群系统的混合交通流疏散路径规划方法.pdf
    链接地址://www.4mum.com.cn/p-5890658.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 456棋牌链接下载 重庆时时彩彩票投注网 新疆18选7基本走势带坐标 双色投注技巧大全 新浙江十一选五走势图 3d试机号关注号和金马 三星彩票苹果 腾讯欢乐麻将好友在线 新疆35选7蓝色什么意思 舟山星空棋牌怎么下载 重庆幸运农场全天计划 西甲足球比赛 彩票软件代码 ps4 版gta5麦克怎么赚钱 南粤36选7开奖时间更改 股票指数怎么买卖