基于Q學(xué)習(xí)智能交通預(yù)測與多路徑規(guī)劃研究.pdf

1、車輛路徑規(guī)劃技術(shù)是解決城市交通擁堵的有效手段之一。傳統(tǒng)的路徑規(guī)劃算法，通常只給出最優(yōu)路徑，難以避免車輛所經(jīng)過路段偶然癱瘓導(dǎo)致沒有可選路徑的問題。引入多路徑規(guī)劃技術(shù)，可保證車輛在任何情況下都有可選路徑，提高路徑規(guī)劃穩(wěn)定性。但是目前的多路徑規(guī)劃技術(shù)實時性不高，且算法效率較低，設(shè)計高效實時的多路徑規(guī)劃算法頗具挑戰(zhàn)性。本文以提高多路徑規(guī)劃的實時性和穩(wěn)定性為目標，對預(yù)測機制和多路徑規(guī)劃這兩個關(guān)鍵技術(shù)進行研究。
　　首先，為了給路徑規(guī)劃提供實

2、時可靠的數(shù)據(jù)，本文擬采用模糊神經(jīng)網(wǎng)絡(luò)預(yù)測機制，精確預(yù)測下一時刻交通路網(wǎng)狀況。由道路傳感器收集平均車速數(shù)據(jù)，建立模糊神經(jīng)網(wǎng)絡(luò)模型預(yù)測未來車速，從而計算每條路段的未來平均通過時間，為路徑規(guī)劃提供未來的道路狀況信息。模糊神經(jīng)網(wǎng)絡(luò)能真實反應(yīng)交通信息的非線性特性，且預(yù)測精度很高。此外，本文擬引用Taguchi方法，在一定預(yù)測精度要求下，使用盡可能少的傳感器數(shù)據(jù)，提高預(yù)測效率。
　　其次，在預(yù)測數(shù)據(jù)基礎(chǔ)上，為了提高多路徑規(guī)劃的算法效率和穩(wěn)定性

3、，提出了基于Q學(xué)習(xí)的多路徑規(guī)劃算法。根據(jù)Q學(xué)習(xí)思想對復(fù)雜城市路網(wǎng)進行建模。利用了Q值能反映當前路口距離目的地的長期反饋特性，推導(dǎo)出最優(yōu)路徑。然后確定合適的參考值，選取滿足條件的次優(yōu)Q值，實現(xiàn)多候選路徑的選取。此外引入多路徑集的穩(wěn)定性約束，保證任何情況下至少存在一條候選路徑可供車輛選擇;引入?yún)f(xié)同機制，均衡未來路網(wǎng)負載。
　　最后，利用MATLAB仿真工具分析了模糊神經(jīng)網(wǎng)絡(luò)預(yù)測機制的精度，基于增強學(xué)習(xí)的多候選路徑算法的效率和穩(wěn)定性，驗