蜂群算法在智能交通中的应用研究.doc

蜂群算法在智能交通中的应用研究
　　摘 要:为了使路网状态趋于通畅的最佳状态,给出了一种基于蜂群算法的自适应路径诱导方法,通过智能蜂群在路径选择时的交互作用实现车辆路径动态诱导,从而使交通需求合理分配在路网中,为每个车辆提供最佳行驶路径环境。模拟实验的结果表明,本方法能够根据交通路网的实际情况选择出最优的实时路径,实现了系统动态诱导的目的。
　　关键词:Agent; 蜂群; 路径导航; ITS
　　中图分类号:; 文献标识码:A
　　文章编号:1004-373X(2010)14-0134-02
　　
　　Application Research of Bee Colony Algorithm in ITS
　　HUANG Xiao-lun
　　(Chongqing Information Technology College,Chongqing 404001,China)
　　Abstract: A kind of bee colony -based adaptive path selection methods is proposed for making the road network into the best situation. Dynamic route guidance is realized through the interaction role of path choice by the intelligent bee colony, and the best driving environment is provided. Simulation experiment results show that the method can choose the optimal path according to the corresponding situation and achieve the dynamic guidance system.
　　Keywords: Agent; bee colony; path guidance; ITS
　　
　　0 引 言
　　利用ITS[1](intelligent transporttation system)的各种方式提高现有交通资源的利用率,使交通流的分布更加合理,动态路径诱导就是一个重要手段[2]。随着车辆数和城市路网规模的增大以及交通流在信息、控制方面固有的分布性,采用多Agent系统进行构建城市交通控制系统的计算环境已成为发展趋势[3]。在这样?┮桓霆?动态计算环境中,利用智能方法来实现ITS也是?┮桓霆?必然的趋势。国内学者已有相关研究,如朱志勇利用蚁群算法来进行车辆动态路径导航[4],杨兆升利用遗传算法来进行交通控制[5]等。本文在一种基于Agent路径诱导系统的基础上,利用基于蜂群算法的自适应路径选择方法实现路径诱导功能。
　　1 蜜蜂群算法
　　在蜂群中,蜜蜂个体分为3类角色:觅食蜂、观察蜂和探测蜂。每个觅食蜂有一个确定的食物源(食物源代表各种可能的解),并在迭代中对食物源的邻域进行搜索(搜索过程也就是搜寻最优解的过程),在每次返回之后,觅食蜂将食物源的信息反馈给观察蜂,