粒子群算法在交通领域的应用.docxVIP

粒子群算法在交通规划的研究综述0 引言优化问题是一个古老的问题，它所研究的内容是讨论在众多的方案中什么样的方案最优以及如何找出最优方案。交通规划作为新兴的交叉学科，其理论应用中存在着较多的寻优问题。随着优化理论的发展，一些新的智能算法得到了迅速发展和广泛应用，成为解决传统优化问题的新方法，这类算法主要有遗传算法启发于生物种群通过遗传和自然选择不断进化的功能，人工免疫系统，模拟于生物免疫系统的学习与认知功能，蚁群算法，模仿蚂蚁群体在路径选择和信息传递方面的行为，还有模拟退火算法、禁忌算法等等[1][2]。而粒子群优化算法(简称PSO)也是此类算法[3]。1粒子群算法1.1产生背景自然界中，鸟群运动的主体是离散的，其排列看起来是随机的，但在整体的运动中它们却保持着惊人的同步性，其整体运动形态非常流畅且极富美感。1986年Craig Reynols提出了Bird模型，用以模拟鸟类聚集飞行的行为，通过对现实世界中这些群体运动的观察，在计算机中复制和重建这些运动轨迹，并对这些运动进行抽象建模，以发现新的运动模式。之后，生物学家Frank Heppner在此基础上增加了栖息地对鸟吸引的仿真条件，提出了新的鸟群模型。受上述鸟群运动模型的影响，社会心理学博士JamesKennedy和电子工程博士RussellEberhart提出了粒子群算法，1995年的IEEE神经网络会议和第六届微机与人类科学会议上分别发表了题为“Partiele swam optimization”和“A new optimizer Using particle swam theory”的两篇论文[4][5]，标志着粒子群优化算法的诞生。1.2基本原理粒子群算法(PSO)是一种基于迭代模式的优化算法，最初被用于连续空间的优化在连续空间坐标系中，粒子群算法的数学描述如下:一个由m个粒子(particle)组成的群体在D维有哪些信誉好的足球投注网站空间中以一定速度飞行，每个粒子在有哪些信誉好的足球投注网站时，考虑到了自己有哪些信誉好的足球投注网站到的历史最好点和群体内(或邻域内)其他粒子的历史最好点，在此基础上变化位置(位置也就是解)。设有哪些信誉好的足球投注网站空间为D 维，总粒子数为n ，第i个粒子位置向量为：Xi =(xi1 ，xi2 ，… ，xid，…，x iD)第i个粒子“飞行”历史中的最优位置(即该位置对应解最优)为：Pi =(pi1 ，pi2 ，…，pid，… ，piD )其中第g 个粒子的历史最优位置Pg为所有P i中的最优；第i个粒子的位置变化率向量为：Vi =(vi1 ，vi2 ，…，v id ，… ，viD )每个粒子的位置按如下公式进行变化　Vid =wv id +c1cR1(pid -xid )+c2cR2(pgd -xid )(1)　Xid =xid +vid(2)式中：c1、c2 为正常数，称为加速因子；cR1、cR2为[ 0 ，1]之间的随机数；w 为惯性因子，w 较大，适于对解空间进行大范围探查，w 较小，则适于小范围。第d(1 ≤d ≤D)维的位置X 变化范围为[ Xdmin，Xdmax ]，速度V 变化范围[ Vdmin，Vdmax] 。2粒子群算法在交通规划领域的应用现如今，交通问题成为了城市发展的一个焦点问题，交通拥堵，交通路网使用效率不均衡等问题在发达城市日益显现，而作为交通设施建设的前期规划阶段，交通规划的理论发展则进展较慢，特别是在交通流预测，交通分配阶段的计算理论过于复杂，实际应用均采用比较简单的计算过程，最后又造成结果与现实情况偏离较大，达不到规划的实际作用。因为交通需求预测的诸多优化主要是线性求解问题，利用的都是传统经典算法的求解过程，因此在问题设计之初就对问题做了较多简化或是模型仿真适应性不强。随着智能算法的逐渐发展与应用，其在交通领域的应用逐渐成为交通规划求解优化问题的新工具，主要集中在交通诱导，交通规划，信号控制等方面，为交通发展的优化设计提供了较好的理论思路。这些算法大大丰富了现代优化技术，也为具有非线性、多极值等特点的复杂函数及组合优化问题提供了切实可行的解决方案。下面就分别概述粒子群算法在交通规划领域中的应用。2.1交通流预测的粒子群应用实时准确的交通流预测是交通控制和交通诱导的前提和关键，其研究一直是智能交通系统的研究热点。多年来，专家和学者们建立了很多预测模型和方法，如历史平均法、时间序列法、Kalman滤波法、回归分析法等等。这些方法理论基础较成熟，应用也较多。但这些传统的预测方法大都是基于数理统计的方法，共同特点是先建立数据序列的主观模型，然后根据主观模型进行计算和预测，预测精度不能满足实际的要求，加之不具备自适应和自学习的能力，预测系统的鲁棒性没有保障近年来许多学者对城市交通流系统的非线性特性进行了深入研究，建立了多种考虑交通流非线性的交通流预测模型，如BP神经网络模型、RBF神经网络模