【正文】 單 OD對模型， 研究時間 應 為連續(xù)的時間 范圍 ，但在本文中將時間段 [0， T ]劃分為等時間間距的 10 個時間段 1t ，?， 10t ， 各 時間段 流入量 如表 41 所示。 更新 方程為： k + 1 k k k* 1 * 1 * ( b e st ) 2 * 2 * ( g b e st )v w v c ra n d p x c ra n d x? ? ? ? ? （ 41） k 1 1kkx x v???? （ 42） 當慣性權重 =1w 時，式（ 41） 和 式（ 31）是相等的，由此表明帶 慣性權重因子 的粒子群算法是基本粒子群算法的 發(fā)展 和延伸。 粒子群優(yōu)化算法的應用 PSO 最早 運 用 于 人工神經(jīng)網(wǎng)絡的訓練方法，由 Kennedy 和 Eberhart 應用在分類 XOR問題的神經(jīng)網(wǎng)絡訓練。局部版本的粒子群算法則與全局版本相反，其收斂速度慢但卻 很 少 落 入局部最優(yōu)。 （ 3） 混合方法 將 PSO 與其他優(yōu)化算法 混 合，綜合利用其他優(yōu)化算法的優(yōu)勢來彌補 PSO 本 身 容易陷入局部最優(yōu)和搜索精度低的不足。其他進化算法 在進化的過程中 只是 保留和 采用 位置的信息， 但粒子群 算法 可以同時保留 及 提取 速度和位置信 息，適應值低的粒子在 尋優(yōu) 中仍能生存，并且可能搜索到空間中的任何一個領域。由于它具有極快的計算速度以及算法 具有 的易實現(xiàn)性， 吸引 了 社會 上 大量 學者的密切關注和探究 。 （ 2） 慣性權重因子 w 慣性權重因子 w 使 粒子保持運動 慣性，使其有能力 搜索 新的 區(qū)域 。當個體 發(fā)現(xiàn) 其它個體的 最優(yōu)位置 較好時 ， 它將 選擇 靈活 性地調整。 算法的基本原理 在特定的模型中， 每個粒子都 象征 著 求解 空間中的一個可行解， 粒子 本身 都有一 個由被優(yōu)化的 目標 函數(shù) 所 設定 的適應值 ，以及 在解空間中 當前 所處 的位置 x 和速度 v ， 位置和速度的值 決定了它飛翔 時跨越的 距離和方向。 粒子群優(yōu)化算法 目標 解視為 D 維搜索空間中的一個粒子，所有粒子都有一個由被目標函數(shù)決定的適應值，得出自己目前為止發(fā)現(xiàn)的最好位置，利用個體和全局最好位置更新位置和速度 [7]。 對初始值的依賴性較強， 不能 進行并行搜索 。 現(xiàn)假設 al 為某一路段 a 的長度（千米）， ame 為 路段 a 上的最大交通密度（輛 /千米）。 在動態(tài)交通 路網(wǎng)中，當所 求解 的交通 路網(wǎng) 存在 多個終點時， FIFO 規(guī)則則會 造成 模型的解域 出現(xiàn)非凸集合可行域的情況 ，當 模型 符合 不了該規(guī)則 時，模型的解不合理，由此可見FIFO 規(guī)則的局限性。 當交通流量變化較大時 ， 時間段應 細分 ， 以能夠 較為真實地反映 交通 流 量變化的情況 為基本原則。交通 管理 通過 變換 紅綠燈 信號 的 配時方案來改變車流的 通行情況 ；而動態(tài) 交通 誘導則通過 路況 信息 輸出 、車 輛 誘導 系統(tǒng)等 技術 手段改變車流 在時間和 空間 上的 傳播 。分別對動態(tài)交通 流分配模型的 建立 、約束條件和相關術語 與符號進行了詳細的介紹，并比較分析幾種常用優(yōu)化方法的基本思想和優(yōu)缺點 。 動態(tài)交通分配模型以均衡分配交通量為 基礎 ，能夠 立刻 地采取 妥善 的管理或誘導措施控制交通流，提高路網(wǎng)通過率，這也是動態(tài)交通分配的最終目標。交通出行明確的目的性 決定了 OD矩陣在動態(tài)交通 配流中的重要地位 ， 所以 在 交通量 分配中 假設 OD需求 矩陣是 己知 的 確定量。 而平衡模型 作為新發(fā)展起來的 新 式 交通分配模型，這類模型 與非 平衡模型 相比， 具有 條理清晰 、結 構 縝密 、結果合理 ， 適用于 大規(guī)模 研究 的優(yōu)點。 圖11 為電子收費系統(tǒng)結構。 （ 2） 先進的交通管理系統(tǒng) （ ATMS） ATMS 一般由交通管理者掌控，可以用來監(jiān)視和管理路網(wǎng)交通狀況，在車道、車輛和駕駛員之間提供服務。 安心的汽車社會 ” 為主要研發(fā)方向 ， 現(xiàn)在 尚在技術 普及階段， 20xx～ 20xx 年期間 將 圍繞 人車路 協(xié)調系統(tǒng)、智能汽車系統(tǒng)等 五 個重點 項目進行 研究。 智能化 交通 運輸 服務和管理，促使 路網(wǎng)上的 車流量 保持在最佳狀態(tài)，減少 交通 堵塞情況和交通事故 的 發(fā)生 ， 提高 路段 的 最大 通行能力，促使 整個交通運輸?shù)?安全性 、 能動性 和生產(chǎn)效率 得到提高 。 關鍵詞 動態(tài)交通分配；粒子群算法；優(yōu)化算法；多路徑；仿真 五邑大學本科畢業(yè)設計 II 五邑大學本科畢業(yè)設計 III Abstract Dynamic traffic assignment plays an significant role in traffic management and guidance. It has an advantage over the static traffic assignment, because it takes full consideration of the typical traffic flow characteristics such as plexity, time variation and probability, etc. Traditional optimization algorithms seriously restrict the application and development of the model in a large amount of calculation or easy to fall into local optimal value of performance index, but it can be simple and convenient to solve such problems via particle swarm optimization(PSO). This paper mainly studies the optimal model of dynamic system, which is based o n the minimum of total spent time as the objective function. The dynamic traffic assignment model is built via to analysis its characteristics, and using improved particle swarm optimization with inertia weight factor. Finally, MATLAB simulation is carried out in a multipath traffic work, the simulation result shows the validity of dynamic traffic assignment model, the superiority of improved particle swarm optimization and the value of the model. Key words dynamic traffic assignment PSO algorithm optimization multipath simulation 五邑大學本科畢業(yè)設計 IV 目 錄 摘 要 ............................................................................................................................................ I Abstract ........................................................................................................................................ III 第 1章 緒論 ................................................................................................................................... 1 引言 ................................................................................................................................... 1 智能交通系統(tǒng)概論 ........................................................................................................... 1 智能交通系統(tǒng)研究現(xiàn)狀 ......................................................................................... 1 智能交通系統(tǒng)的組成 ............................................................................................. 2 城市智能交通控制與管理系統(tǒng) ............................................................................. 3 動態(tài)交通分配的研究現(xiàn)狀 ............................................................................................... 4 動態(tài)交通分配理論的應用 ............................................................................................... 5 本文章節(jié)安排 ................................................................................................................... 5 第 2章 動態(tài)交通分配模型 ........................................................................................................... 7 動態(tài)交通 分配 ................................................................................................................... 7 動態(tài)交通 分配 概述 ................................................................................................. 7 動態(tài)交通 分配 模型 ................................................................................................. 8 約束條件分析 ................................................................................................................... 9 流量守恒 ................................................................................................................. 9 非負約束 ................................................................................................................. 9 先進先出規(guī)則 ....................................................................................................... 10 路段容