以往的路径选择总是倾向于找出起始点到目的地的所有可达路径中的最短路径。目前所应用的所有路径规划算法几乎都是在 Dijkstra 算法的基础上进行设计的。这种算法虽能得出最短路径的最优解,但由于它遍历计算的节点很多,所以效率低, 而且,考虑到实时交通中的各种突发状况,如堵车、交通事故等, 往往所得到的最短路径并非现实情况下的最优路径。动态路径选择(Adaptive Routing,以下简称 AR)模型就是综合考虑了所选起始点间的所有路径的实时交通信息, 包括所用时间、车流量、距离、费用、道路状况等等,然后将其作为影响选择概率的一个重要因素-阻抗,应用于蚁群算法当中,从而得出我们所期望得到的最优路径。本文通过对 Dijkstra 算法、蚁群算法以及优化的蚁群算法的性能比较和仿真实验, 从而得到一种性能相对最优的基于实时交通信息的动态路径规划算法,并用于实际应用中。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部1条评论
快来发表一下你的评论吧 !